摘要：本研究基于影像的电力线夹尺寸检测研究及应用，研究电力线夹的尺寸检测方法，主要包括特征角点检测、影像平面恢复、特征点匹配、图像拼接，再对拼接后影像利用一系列图像边缘检测方法及数理求解测量影像中的工件尺寸。采用非接触图像测量电力线夹尺寸的方式，在保证高精度同时提高了作业效率，大量节省人力物力，因此对基于图像处理的尺寸测量方法的探讨和研究意义重大。
关键词：棋盘格角点检测；影像平面恢复；特征点匹配；图像拼接
Research and Application of Image Size Measurement Based on Power Line
WAN Ju，,SHI Peiyan，LI Yongzhi，WANG Lei
(1 Power supply bureau of Beihai of Guangxi Power Grid Co.,Beihai 536000,China
2 School of remote sensing information engineering of WuHan University,Wuhan 430079,China)
Abstract: In this research, the size detection method of power line clip is studied and applied based on image. It mainly includes checkerboard corner detection, image plane restoration, feature point matching and image stitching, and then uses a series of methods to measure the workpiece size in the image. The principle of image measurement is to get the geometric parameters of objects and measure the objects accurately by processing and computing the contours of the measured objects. The method of measuring the size of the power line clip by image has not only high efficiency and high precision, but also a great deal of manpower and material resources. Therefore, it is of great practical significance to discuss and study the method of image measurement.
Key words: Checkerboard corner detection;image plane recovery;feature point matching, image mosaic;
0引言
电力系统的安全、稳定运行越来越受到重视，电力线夹作为一种重要的连接配件被大量应用于高压输电线路中，特别是近年来大力发展的高压交、直流输电系统中，电力线夹的稳定可靠问题更是直接影响了整个输电系统的安全可靠性。电力线夹若存在尺寸问题，将给电力系统运行的安全可靠性带来极大的威胁。
随着广西电网规模的不断扩大，输电线路上的电力线夹需求数量不断增多，而不合格的电力线夹会导致重大事故的发现，这就对电力线夹的尺寸检测提出了一定的要求。然传统人工测量作业耗时耗力，且精度欠佳，因此研制自动化测量技术迫在眉睫。
1 图像纠正
由于检测精度需要，只采用拍一张影像的方式不能达到检测的精度要求，所以需要将多张低分辨率影像拼接成一张高分辨率的正射线夹影像。
1.1角点检测
为完成高分辨率影像拼接，首先要找到图中的特征点，进行特征点匹配。由于电力线夹表面光滑、单调，不存在明显的特征点。本研究制作了一块棋盘格标志板，用于辅助检测特征点。拍摄线夹影像时，首先把棋盘格固定于线夹上，由于棋盘格黑白相间的特性，使其角点易于检测，可以作为图像的特征点，用于图像拼接，除此之外也为后续进行像素尺寸和实际尺寸换算打下基础。
本研究使用Harris角点检测算法，在图像发生了移动、倾角、扩展甚至畸变的情况下，Harris角点检测算法仍然能够精确的找到关键点并完成关键点的匹配[3]。在诸多算法中Harris角点检测算法在复杂的情况下仍然能够准确提取关键点，具有较高的稳定性和可靠性。
1.2影像平面恢复
为了保证后期尺寸量测的准确性，需要确保电力线夹影像垂直于主光轴。而一般来说，由于线夹固定位置不准，相机固定不准等原因，线夹影像很难保证完全垂直于主光轴，从而变成一个斜视影像，导致后面尺寸检测出现较大误差。所以将线夹影像平面恢复成垂直相机主光轴的状态十分重要。
本研究对其恢复的方法是，通过对检测到的特征点进行筛选，得到棋盘格的所有角点（如图1所示，棋盘格内有7*4共28个角点），并且已知实际棋盘格角点之间的物理尺寸，建立影像中棋盘格角点和实际棋盘格角点的之间的单应性，就可以将棋盘格恢复成垂直相机主光轴的状态。
图1 筛选后得到棋盘格角点
斜视棋盘格 正视棋盘格
图2 棋盘格平面恢复示意图
恢复前 恢复后
图3 影像平面恢复实验结果
2 基于RANSAC算法的特征点匹配
完成影像平面恢复后，对两幅影像进行特征点匹配从而为拼接做准备。由于两幅影像各自特征点众多，如果将其一一对应，剔除错误匹配是一个难点。本研究采用RANSAC算法进行决策匹配。
2.1算法简介
RANSAC算法是随机抽样一致性，一种对包含错误信息数据集进行重复提取并计算出最适用数据转换的数学处理方法来完成精匹配，在本图像处理中，合乎RANSAC的数据点是内点，不符合模型的数据点是外点，RANSAC在排除外点得到具有高准确度的内点之后，再计算出体现源图像和带配准图像匹配关键点的坐标变换矩阵。所以，样本就是所有经过Harris角点检测算法得到的匹配点集，矩阵H是我们待计算出的变换矩阵。
2.2 RANSAC算法流程
把RANSAC利用在关键点精匹配中，对应的数学流程为：在源图片与待配准图片中存在N对正确配对的关键点对，同时也存在不正确的匹配对，不妨设所扫描到的全部关键点集合是P，此集合P中包括正确匹配和偏差匹配对。要实现关键点在两幅图像中的转化，对应像素点应该通过包括m=8个数值的转换矩阵H来实现，即源图片的像素点乘以矩阵H得到配准图像像素点坐标。由于图像发生的改变会比较复杂，计算一次转换矩阵H至少需要n=4对匹配点进行计算。这样每次随机选择4对匹配点以计算矩阵H。
3基于最佳缝合线算法的影像融合
3.1最佳缝合线算法
最佳缝合线的原理是在两幅图像的重叠区域，计算出一条拼接线，使拼接线两侧像素点分别来自不同图像，属于动态规划处理的数学模型。我们要搜寻的最佳缝合线所处的像素点应该是两幅图片最接近的位置，这种接近可以用几个因子来量化，一个是拼接线附近像素点色彩差值最小，另一个是拼接线附近描述物体几何构造最相通。
本研究利用这样的缝合线搜索算法：
式中Egray(x,y)2和Egeometry(x,y)分别表示待拼接图片相同部分的灰度区别(因为处理的是灰度图像，这样可以避免在三个通道上计算色彩的问题，降低计算复杂度)和构造不同，a,b为灰度区别和构造不同的权重值。
如果待拼接图像的曝光度相差很大，渐变因子的值会很大，此时做曝光还原的精确度会有所下降，这样也会导致两幅图像梯度信息不准确，所以不妨把梯度的因子b取值为降低误差，可以先把曝光明显的图像进行处理完成简单的还原在一定程度上减小曝光影像。得到曝光系数比例K后完成灰度区别和构造不同的计算因子。
3.2最佳缝合线搜索准则
在计算最佳缝合线的时候，搜寻的方式是从上到下每一行进行计算。在第一行得到缝合线的起始点后，分别比较下一行的距离上一个点最近的三个点，哪个点差值最小则作为下一个延伸点，然后用相同方法计算下一行的拼接点直到最后一行，此时便完成了整个缝合线的搜索过程。
本研究采用的拼接线搜索算法总结如下：
1、差分图像：得到待拼接图像重合部分的差分值，从第一行的每一个点(最好是关键点)作为所有可能拼接线的起点，计算出其差异值，并选取最小差异值的点定义为要搜索缝合线的起始点；
2、延伸：从步骤1里找到的起始点开始向下一行延伸，考虑下一行相邻最近的5个点，如果某一点是关键点[3]可以乘以0.5的因子系数，比较这五个点差异值，选择最小值的点作为下一行的延伸点，重复此方法直到得到最后一行像素点的拼接点；
3、最佳缝合线：把在每一行确定的拼接点连起来就可以得到最佳缝合线。
拼接前 拼接后
图4 拼接效果图
4拼接图像预处理
本检测系统主要是检测小零件的形状尺寸，因此，需要对零件图像进行边缘检测处理以提取零件的边缘特征。但直接捕捉的零件影像往往存在一定的噪声，因此要对图像进行预处理。
4.1 滤波处理
一般，获取的源数字图像都带有影响图像质量的噪声信号，比如：脉冲噪声、椒盐噪声和高斯噪声，它们扰乱了图像的可观测信息，对后续的图像边缘检测等造成极大的误差干扰，经过分析实验，本项目中的图像噪声主要为高斯噪声，即为图像中含有亮度服从高斯或正态分布的噪声，因此采用线性平滑的高斯滤波进行降噪处理，对高斯函数进行离散化处理，以离散点上的高斯函数值作为权值，对数字图像中每个像素点做一定范围内的加权平均。
4.2 二值化处理
对滤波后的图像进行二值化处理得到图像的更多信息。我们采用全局阈值法，当图像的目标和背景明显分离，其灰度分布会趋向两极化，图像直方图形成两个波峰，将两个波峰之间形成的波谷灰度值作为阈值即可大致分离目标与背景，但通常由于光照、噪声等原因使图像的直方图分布不呈双峰，此时全局阈值法表现欠佳。
4.3 形态学处理
形态即数学形态学，是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描述区域形状有意义的图像分量，使后续的识别工作能够抓住标对象最为本质的形状特征，如边界和连通域等。
当滤波处理后的图像在进行二值化处理时往往会在二值图像中目标域的内部和边缘形成些细小的孔洞和毛刺等。同时由于分割阀值的选择不同，往往在图像背景区域形成尺寸较小的伪目标点。
针对以上图像中出现的孔洞、毛刺和伪目标点等缺陷，故在图像的预处理阶段设计了形态学处理这过程。在形态学处理过程中首先对二值图像进行开运算消除图像中出现的毛刺以及伪目标点，然后再对图像进行闭运算消除图像中出现的孔洞。经过形态学处理后，消除图像中出现的缺陷点，同时又不会改变目标区域的形状及面积，如图所示这为下一步的边缘检测处理打下了良好的基础。
5电力线夹尺寸测量
5.1 边缘检测
图像边缘是图像重要的特征之一，其存在于目标与背景、目标与目标、区域与区域之间，是图像分割所依赖的重要特征，同时，图像边缘可以在数据量大大减少的同时保持着重要的细节部分。
本方案的Canny边缘检测算法中对图像进行平滑滤波，然后采用非极值抑制技术进行处理得到最后的边缘图像[1][8]。其步骤如下：
(1)对图像进行高斯滤波处理。选用的高斯函数为：
(2)计算梯度的幅值和方向。
(3)对梯度幅值进行极值抑制[2]。
(4)用高低阈值算法检测。设立高阈值和低阈值分别对图像进行边缘检测，高阈值边缘图像中假边缘被过滤掉从而留下的都为真边缘，但是由于阈值较高使得边缘线条部分缺失，当搜索到缺失边缘的断点处时，该算法会在断点的邻域点中搜索满足低阈值边缘图像的像素点，根椐此像素点收集新的边缘，直到整个图像边缘闭合。
图5 边缘检测
5.2 最小外接矩形测距[9]
经过边缘检测算法，工件的边缘被提取出来，但被提取出的边缘中存在这我们需要的工件轮廓边缘，但由于工件表面纹理粗糙等原因，会检测出轮廓噪声，如上图5，在第二个圆附近有些许细小轮廓，为达到更高的测量精度要求，需要排除噪声的干扰。究其研究目的，为方便的得到工件各部分尺寸，算法使用最小外接矩形测距的方式，即为每条轮廓建立最小外接矩形，此时便可得到轮廓边缘的长和宽，在众多的最小外接矩形中即包含工件的长和宽以及圆的直径长度，而对于细小轮廓的干扰，由于工件的具体规格大致相似，可根据工件尺寸特征做一定的阈值筛选，清除噪声轮廓的干扰。
根据最小外接矩形的长宽，可得到工件的像素尺寸，但要计算得工件的物理尺寸，要建立像素尺寸与实际物理尺寸的对应关系，在设立棋盘格特征点时，我们固定棋盘格的物理边长，同时通过角点检测得到其像素尺寸，因此建立了像素尺寸与实际尺寸的转换矩阵，从而解决了尺寸转换问题。
6总结与展望
在本次基于影像的电力线夹尺寸检测研究中，我们介绍了对于电力线夹尺寸量测过程中对图像处理各阶段的实施过程以及对于使用方法的分析介绍。包括一开始对于角点寻找和特征匹配所用到的Harris角点检测算法，以及精确匹配度的RANSAC算法，为后续电力线夹各部分高清图片的拼接打下技术基础。在拼接部分使用了最佳缝合线技术，可以有效的处理由于拍照曝光程度不均等现象导致的拼接不力，增强了拼接精度。对于尺寸测量方面，我们对拼接好的图像进行预处理以及边缘检测和圆检测，配合电力线夹影像背景的特征量测出线夹的尺寸，并应用到手机App中。
本次研究用到的方法基本满足了研究需求，今后为了得到更好的结果，还需继续对拼接算法和测量算法进行深入研究，使得结果更加精确。
参考文献：
[1]赵彻，徐熙平．一种基于Canny算子的非接触测量方法分析[J]．电子制作，2013(13):17-17.
[2]何敬，李永树，李歆，唐敏．基于点特征和边缘特征的无人机影像配准方法[J]．西南交通大学学报，2012，47(6)：955-961.
[3]Lowe D．Distinctive Image Features from Scale-Invariant Keypoints[J]．Inte-rnational
[4]陈海林,熊芝,宋小春,夏清沛.大尺寸工件视觉测量中的图像拼接方法[J].计算机测量与控制,2015,23(02):523-525+541.
[5]马晓东,蒋明,柯善浩,曾晓雁,胡乾午.基于opencv的单目视觉测量系统的研究[J].计算机测量与控制,2015,23(12):3943-3945+3949.
[6]刘雨航. 基于机器视觉的工件尺寸测量系统的设计与实现[D].中国科学技术大学,2017.
[7]欧阳志熙. 基于视觉测量的工件尺寸快速检测技术[D].重庆大学,2012.
[8]邢堃，韩汉光，吴怡之．基于机器视觉的印刷标签检测系统的改进[J]．计算机工程与应用，2014，50(11)：197-201.
[9]卢蓉，范勇，陈念年，王俊波．一种提取目标图像最小外接矩形的快速算法[J]．计算机工程，2010，(21)：178-180.
论文作者:万俊1,施沛妍2,李永志1,王磊2
论文发表刊物:《电力设备》2018年第24期
论文发表时间:2019/1/9
标签：图像论文; 尺寸论文; 电力线论文; 算法论文; 边缘论文; 缝合线论文; 影像论文; 《电力设备》2018年第24期论文;