基于形态学的边缘检测算法在绝缘子分割中的应用

李真真

（西安建筑科技大学，陕西 西安 710055）

在对绝缘子图像处理的探究过程中，图像中不单有绝缘子，还有很多实验用来模拟的景物，研究对象为其所在区域。此时若不对绝缘子的图像进行分割，则会提炼出一些不想要引进的像素（例如：背景）的灰度值，对精准性造成影响，进一步影响绝缘子判断的准确性。因此，图像分割是绝缘子定位和识别中不可缺少的关键节点，务必采用最为贴切的图像分割方法把绝缘子从拍摄中剥离开来。图像分割的成败，对绝缘子图像的特征特点提炼和解析有着相当深远的意义。

1 改进的Sobel边缘检测算法

Sobel算子检测到的图像边沿顺滑、延续，计算简单。不过Sobel算子的缺点是检测的边缘较粗，只对水平和垂直两个方向的灰度梯度变化敏感，且对于噪音的影响较为敏锐。在实际的绝缘子图像中，存在较多的未知探测物，如背景、噪音、障碍物等，此时对精度的要求较明显，经典的Sobel算法已经不能满足对绝缘子图像边缘精确提取的需求。

针对Sobel边缘检测算法在处理绝缘子图像中的缺点，文章将原有的用户自定义阈值改为自适应阈值选取方式，以满足复杂背景下的绝缘子图像二值化。

输高压线上由因为采集到的绝缘子图像环境复杂，所以采集到的图像明暗度有很大误差。以Sobel算法进行绝缘子边缘检测时，采取固定阈值的办法，不能达到复杂背景下绝缘子图像检测的条件。在绝缘子图像分割过程中，可以用一个适合的阈值使灰度图像变化成二进制边缘图像。此阈值的确定可使用用户自定义或使用阈值的选择算法来确定。因为一个阈值不可满足全部的光照条件，所以无法满足提取复杂背景下绝缘子边缘信息的需求。

文章展示的自适应阈值法用Sobel边缘检测法中的[Gx，Gy]取得适合的阈值，此阈值会根据[Gx，Gy]进行迅速更新，来满外部光线的变化。该计算方法可表达为数学表达式：

其中，Gx和Gy分别表示水平与垂直梯值度。使用此方法就可达到人工设定阈值的效果，此方法只需此前已计算完成的梯度值，在一定程度上减少了计算时间，提高了效率。

2 结果和分析

对于复杂背景下的绝缘子图像，文章利用计算机软件进行仿真实验，摄像头采集到的绝缘子原始图像，对经过改良的Sobel边缘检测算法进行图像分割，再利用形态学进行处理，得到其对比如图1所示。其中，图1（a）分别表示设备所拍摄的原始图像，图 1（b）为Sobel边缘检测法，图1（c）为基于形态学的Sobel边缘检测法。

通过实验分析，得出基于形态学的Sobel边缘检测算法比以往Sobel算法的处理结果更优秀，得到的边缘更加精准，改进后的Sobel算子与原Sobel算子处理效果相比可以概括为：

（1）一部分伪边缘点会出现在经典的Sobel提取过程中，改良后的Sobel算法提取的边缘经过形态学处理后，边缘更加细腻。

（2）用文章基于形态学的Sobel算法能抑制对噪音的影响，更加清晰地提取出绝缘子的边缘信息。

（3）改良后的Sobel算法提取到的图像清晰，不但边界定位精确，而且连续性也非常好，对比以往的Sobel算子，能提取到更加完整的边缘信息。

（4）基于形态学边缘检测算法提取的绝缘子图像边缘为单一像素，且较为精细，可以看出绝缘子图像的边缘信息显著升高，对图像质量有了进一步提升。