基于最大熵的复合绝缘子表面水珠图像分割算法研究

王身丽，黄　力，侯金华，方　权，翁永春，胡　海，王志高，付　裕，覃　乔

(1.国网湖北省电力有限公司检修公司，湖北 武汉 430050；2. 三峡大学 电气与新能源学院，湖北 宜昌 443002)

0　引　言

复合绝缘子具有支撑导地线的作用，同时具有电气绝缘的功能，但投运时间过久后，容易受到周围环境的污染，当在阴雨天时极易导致发生污闪，很容易引发线路跳闸。新投运的复合绝缘子有很好的憎水性，它能使其表面的灰尘难以被水浸润形成水膜，进而形成污闪通道，从而降低了污闪发生几率[1-3]。因此，应当重视检测复合绝缘子憎水性的。

目前，有文献利用形态学算法具有直观上的简单性，在滤除噪声的同时又能保留图像中原有信息，针对憎水性图像处理，如何根据水珠边缘体征自适应的选择结构元素已成为憎水性图像处理的一个热点。模糊算法也是憎水性图像处理中常用的一个工具，针对图像中水珠边缘缺失和水珠阴影等问题，模糊算法能够较为准确地还原缺失的边缘，并能将阴影准确划分到背景中去，还能有效滤除噪声，因此模糊算法在很多地方都能得到应用。基于梯度的边缘微分检测是图像边缘检测的常用方法。这种方法操作简单，运算量小，但是对噪声敏感，在图像边缘产生的响应较宽，即检测到的图像边缘区域可能包含不止一个像素，因此检测精度不高。小波变换是图像边缘提取的另一种常用方法。由于小波变换具有多尺度特性，图像的每个小波变换都提供了一定的边缘信息。当尺度较小时，边缘信息丰富，但定位精度不高；当尺度较大时，定位精度较高，但抗噪性差。因此合理控制尺度在小波变换边缘提取方面显得尤为重要。本文对复合绝缘子喷水雾到形成稳定的水珠后进行图像采集。由于整片绝缘子图片可以看作是许多小图片拼接而成，因而可以把复合绝缘子喷水后的图片划分为小图片进行研究。

1　相关算法原理

水珠与绝缘子的灰度差较小，水珠对光的反射原理，导致向光的一侧的边界极为模糊难辨，致使对图像中水珠识别非常困难，要达到好的识别效果，必须先对图像进行预处理[6-7]，然后进行基于最大熵梯度阈值分割。

1.1　色彩模型转换

常用的颜色空间类型有RGB、HSV等。RGB颜色空间模型由红(R)绿(G)蓝(B)3个纯基色分量组成，而HSV颜色空间模型则由色度(H)、饱和度(S)、亮度(V)3个分量组成[8-9]，人类对色调和饱和度的视觉敏感度高。

若 (R，G，B)代表红、绿、蓝某一颜色下的坐标，其取值范围为0到1之间的实数。要找到在HSV空间中的(H，S，V)的值，这里的H∈[0，360)，它是角度的色相角，而S，V∈[0，1]分别是图像的饱和度和亮度，具体的转换公式如下：

Ymax=max(R,G,B)

(1)

Ymin=min(R,G,B)

(2)

当R=Ymax时，

H=(G-B)/(Ymax-Ymin)

(3)

当G=Ymax时，

H=2+(B-R)/(Ymax-Ymin)

(4)

当B=Ymax时，

H=4+(R-G)/(Ymax-Ymin)

(5)

得到H值后，然后对H进行判断，若H=H×60后，H<0则H=H+360。

V=max(R,G,B)

(6)

S=(Ymax-Ymin)/Ymax

(7)

1.2　基于最大熵法求阈值

本文应用了最大熵法[10]，设图像分割阈值为t，其算法原理如下：

(8)

令T是{0，1，2，…t}的灰度分布值，B是{t+1，t+2，…L-1}的灰度分布值，则其概率分布为：

(9)

(10)

式中：

(11)

则这两个概率密度相关熵为：

(12)

(13)

定义函数φ(t)为H(T)和H(B)的和，则有φ(t)=H(T)+H(B)。求出φ(t)最大时的灰度级t即为所求的最佳分割阈值。

1.3　数学形态学修正

数学形态学应用在二值图像中的基本运算有：膨胀、腐蚀、开启和闭合。膨胀运算是指将一定图像的像素添加到图像中对象的边缘处，是可以填补目标对象中的空洞。而腐蚀是删减目标对象的边缘轮廓，它又可以用来消灭图像中小的噪声干扰。对二值图像先腐蚀后膨胀叫开启运算，顺序相反为闭合运算。

在数学中，膨胀的运算符为⊕，用B对A进行膨胀可以记为A⊕B，其定义为：

(14)

设A表示一个包含子集的集合，其子集的元素都是区域的8连同边界点。区域填充的目的是开始于边界内的某点，把二值图像中的1值扩散到整个图像区域，通常来说，所有二值图像中背景部分的点可以令它的值为0，那么可将1赋给p开始运算。式(15)描述将1值填充到整个区域中。

Xk=(Xk-1⊕B)∩Ac，k=1，2，3，…

(15)

其中，X0=p。如果Xk=Xk-1，则该算法在迭代的第k步立即结束。所以Xk∪A的结果就是被填充的集合和目标图像的边界区域。在数学中，定义腐蚀的运算符为Θ，用B对A进行腐蚀可以记为AΘB，其定义为：

AΘB={x|(B)x⊆A}

(16)

表明用B集合腐蚀的过程就是对B集合进行平移运算x，结果是所有x的集合，即B集合平移x后仍在A集合中。

2　算法及算例

为了成功提取出复合绝缘子憎水性水珠图像，本文算法具体步骤如下：

(1)将图片由RGB转换到HSV，并提取出亮度(V)分量；

(2)对亮度(V)分量图像调整对比度；

(3)对亮度(V)分量图像进行基于sobel算子的线性空间滤波的梯度运算，得到梯度图像；

(4)对梯度图像进行自适应直方图均衡化，得到新的梯度图像；

(5)用最大熵法计算出新的梯度图像的分割阈值t；

(6)然后对新的梯度图像采用canny算子在阈值范围为[(t/256)/2，t/256)]时进行边缘识别，并用修正算法删掉小水珠边缘、伪边缘以及非水珠处产生的噪声边缘；

(7)对得到较大水珠的边缘图像进行数学形态学运算。先用菱形结构元素对检测出的图像进行膨胀操作(菱形结构元素的长度大小设为2)，然后对二值图像进行区域填洞操作，最后用十字形结构元素对图像进行腐蚀操作(十字形结构元素的长度大小设为2)。

原图如图1所示，直方图均衡化后的梯度图像如图2所示，梯度图像的边缘图像如图3所示，最终结果如图4所示。其中(a)和(b)分别代表两幅不同的憎水性水珠图片。

图1　原图

图2　梯度图

图3　边缘图

图4　结果图

3　总　结

后续复合绝缘子憎水性等级判定的关键在于水珠形状提取。本文先对RGB图像转化为HSV图像，提取出图像的亮度(V)分量，然后对亮度(V)分量图像进行梯度运算，并对梯度图自适应直方图均衡化增强边缘效果，进而基于最大熵方法对梯度图进行自动阈值分割，得到初始水珠边缘图像，并删除初始边缘图像中的细小处，最后运用膨胀、填洞、腐蚀的方法处理水珠边缘图像，最终提取出水珠图像。这种做法比较适合图片较小的绝缘子图像，对于整片图片可以划分为小图片后，再进行绝缘子憎水性图像水珠提取，最后拼接在一起，得到整片绝缘子的水珠图像。因此，本文提供了一种复合绝缘子憎水性水珠图像提取算法。

参考文献：

[1]高海峰，王永福，朱可能，贾志东.憎水性对线路绝缘子耐污闪特性影响的试验分析[J].高电压技术，2011，(2)：284-289.

[2]冉松怀.变电站预防污闪的技术措施[J].西北电力技术2004，(4)：152-153+7.

[3]梁志豪.绝缘子污闪的形成机理及预防措施[J].广东电力，2013，(6)：87-92.

[4]黄成才，李永刚.复合绝缘子老化状态评估方法研究综述[J].电力建设，2014，(9)：28-34.

[5]贺含峰，陈洪波，白欢，等.复合绝缘子憎水性检测技术研究进展[J].四川电力技术，2013，(2)：63-68+76.

[6]周彬，孙毅，祁兵.硅橡胶复合绝缘子憎水性图像分割算法[J].安徽电气工程职业技术学院学报，2008，(1)：19-22.

[7]彭克学，王泉德，王先培.基于表面喷水图像分析的绝缘子表面憎水性检测方法[J].绝缘材料，2005，(1)：47-51.

[8]文山，李葆青.图像的色彩空间研究[J].六盘水师范高等专科学校学报，2005，(6)：15-18.

[9]徐光明.颜色空间在彩色图像增强中的应用分析[J].电脑知识与技术，2011，(25)：6207-6208.

[10] 于利云，姜桂祥.基于最大模糊总熵准则自动选择灰度图像分割的最优阈值[J].上海海运学院学报，2003，(2)：162-167.