改进Prewitt算子对高压输电线图像边缘检测

高巧丽，高新明

(1.黑龙江科技大学 电气与控制工程学院，哈尔滨150022; 2.山东交通职业学院，山东 潍坊 261000)

0 引 言

高压输电线路的主要作用是传输电能，在电能传输过程中对其稳定和安全性能具有很高的要求。由于高压输电线路分布十分广泛，其经过的地域不同，地势复杂，仅靠人工检测非常困难，因此，出现很多无人机和机器人巡检设备，为高压输电线路的安全检测提供了便捷。机器人和无人机巡检过程中收集大量的图像，如何实时精准地发现高压输电线路的故障及悬挂异物并进行边缘检测是一项很大的技术挑战。高压输电线路跨越的地域十分广泛，存在的故障及悬挂的异物不同，一般常见的悬挂物有鸟巢、塑料袋、树枝、杂草、风筝等。本文以高压传输线上悬挂风筝的图像为例进行图像边缘检测。

目前常用的图像边缘检测算法有Roberts算子、Sobel算子、Prewitt算子、Laplacian算子等[1]。主要是通过计算取梯度极大值或者二阶导数过零点进行图像边缘检测，这些算子在边缘定位时各有其特点。Roberts算子在对角线方向上，根据相邻两像素点之差近似梯度幅值对图像进行边缘检测，它检测水平和垂直边缘的效果好，但是对斜侧方向检测不够精准[2]。Sobel算子根据像素点上下、左右相邻点之间的灰度加权差和在边缘处极值来检测边缘，对噪声具有平滑作用，能够提供较精确的边缘信息，但缺点是其边缘定位精度不够高[1]。所以本文提出改进的Prewitt图像边缘检测算法。

1 传统Prewitt边缘检测算法

Prewitt算子是一组方向算子模板，从不同的方向进行边缘检测，上下左右算子相同，去掉部分伪边缘，对噪声具有平滑作用[3]。其原理是利用双向模板与图像空间进行邻域卷积。双向模板一个检测水平边缘，另一个检测垂直边缘[4]。水平和垂直梯度模板如图1所示，图像像素(x,y)位置分布如表1所示。

图1 水平和垂直梯度模板

表1 图像像素分布表

对数字图像f(x，y)，Prewitt算子的定义如下：

G(x)=|f(x+1,y-1)+f(x,y)+f(x+1,y+1)-f(x-1,y-1)-f(x-1,y)-f(x-1,y+1)|G(y)=|f(x-1,y+1)+f(x,y+1)+f(x+1,y+1)-f(x-1,y-1)-f(x,y-1)-f(x+1,y-1)|则

P(x,y)=max[G(x),G(y)]

式中：P(x,y)是数字图像像素点(x,y)处的梯度值；Th(x,y)是数字图像像素点(x,y)处的阈值；Th是人工选取的阈值。

经典Prewitt算子认为：凡是图像灰度值大于等于阈值的像素点认为它是边缘点。即选择合适恰当的阈值Th，若P(x,y)≥Th，则(x,y)为边缘点，P(x,y)为边缘图像。这种判定是不合理的，会造导致边缘点的误判，因为许多噪声点具有很大的灰度值，而且对于较小幅值的边缘点，其边缘可能会丢失[5]。另外Prewitt算子模板对方向的选择太过于简单，无法准确完整地检测边缘结构。因此对传统Prewitt算子存在的问题，提出了一种改进的Prewitt算子。

2 改进的Prewitt边缘检测算法

2.1 改进的方向模板

传统的Prewitt算子由水平方向与垂直方向模板组成，所以只能对水平和垂直方向的边缘进行检测，无法检测斜侧方向，使边缘检测不完整。改进的Prewitt算法添加了左右斜侧方向的模板，使边缘检测更加完整。改进后Prewitt算子模板如图2所示，改进后的Prewitt算子方向模板如图3所示。

图2 改进后Prewitt方向模板

图3 边缘检测的方向模板示意图

改进后模板表达式：

G(x)=|f(x+1,y-1)+f(x,y)+f(x+1,y+1)-

f(x-1,y-1)-f(x-1,y)-f(x-1,y+1)|

G(y)=|f(x-1,y+1)+f(x,y)+f(x,y+1)-f(x+

1,y+1)-f(x,y-1)-f(x+1,y+1)|

G(x+45)=|f(x,y-1)+f(x+1,y-1)+f(x+1,y)-f(x-1,y)-f(x-1,y+1)-f(x+1,y-1)|

G(y+45)=|f(x+1,y)+f(x+1,y-1)+f(x,y+

1)-f(x-1,y-1)-f(x,y-1)-f(x-1,y)|

图像f(x,y)在像素点(x,y)位置处的梯度幅值为

G(x,y)=max{G(x),G(x+45),

G(y),G(y+45)}

2.2 动态获取阈值

合理的阈值对图像边缘的检测具有重要的作用，传统的Prewitt算子阈值需人工选取，并且需要通过人眼观测，存在很多缺点和不足。如果阈值选取的太高，容易导致边缘检测不完整，如果阈值选取的太低，又易导致边缘选取的过多，导致边缘选取不准确。改进后的Prewitt算子根据图像像素的变化动态选取阈值代替人工选取，使图像边缘检测更加准确。

式中：P(i,j)是在像素(x,y)点的梯度值；N是总像素数；Th(x,y)是点(x,y)的动态阈值。

3 改进Prewitt算子对高压输电线图像边缘检测的实现步骤

1)输入高压输电线原始图像；

2)将图像进行预处理，对图像进行去噪声处理，并将图像二值化，使其变为灰度图像；

3)对图像进行边缘检测，在传统的Prewitt算法的基础上增加2个斜侧方向的算子模板；

4)获取动态阈值；

5)根据动态阈值提取图像边缘。

改进的Prewitt算子对高压输电线图像进行边缘检测流程图如图4所示。

图4 图像边缘检测流程图

采用Matlab2014a,用改进后的Prewitt算法对高压输电线悬挂物图像进行边缘检测模拟仿真，改进的Prewitt算子模拟仿真效果如图5所示，传统的Prewitt算子模拟仿真效果如图6所示。将图5与图6进行比较可以看出，改进后的Prewitt算法可以更完整准确地将高压输电线悬挂风筝的图像边缘进行提取。

图6 传统Prewitt算子

图5 改进Prewitt算子

4 实验结果分析

为了得到改进Prewitt算子图像边缘检测高效准确的效果，分别用Roberts算子，Sobel算子，Prewitt算子和Laplacian算子，通过Matlab仿真模拟对高压输电线悬挂物图像进行边缘检测，并比较每个算子效果图[2]，如图7～9所示，图像原图如图10所示。

图10 图像原图

图7 Roberts算子

实验一：采用Roberts算子，如图7所示。Roberts 算子可以较准确地对图像进行边缘检测，尤其在水平方向与垂直方向。但该算子对噪声较敏感，对于灰度变化较弱的边缘图像检测不准，这导致在提取高压输电线悬挂异物的图像边缘检测时出现断续的现象。

实验二：采用Sobel算子，如图8所示。Sobel算子采用了水平与垂直方向模板进行边缘检测。方向模板比较简单，但是只是对水平与垂直方向的边缘检测比较敏感，对其余方向的灰度检测存在问题。所以在提取高压输电线悬挂异物图像时过于粗略，出现边缘提取不完整的现象。

图8 Sobel算子

实验三：采用Laplacian算子，如图9所示。Laplacian算子是二阶微分算子，它的特点是与坐标轴方向无关，并且坐标轴旋转后梯度结果不变。但是，其对噪声非常敏感，因此通常的分割算法都是把Laplacian算子和平滑算子结合生成新模板。通常Laplacian算子对噪声具有不可接受的敏感性，所以Laplacian算子不能检测边缘的方向，因此出现了对高压输电线图像进行边缘检测不完整的现象。

图9 Laplacian算子

5 结 语

对基于传统的Prewitt算子的缺点与不足，提出了改进Prewitt算子对高压输电线悬挂物图像进行边缘检测，并且用Matlab进行模拟仿真，比较了各种边缘检测算法的特点。实验结果表明，改进后的Prewitt算法对高压输电线图像的边缘提取更准确，对高压输电线智能巡线工作的效率有所提高，具有可行性。而在图像边缘检测过程中，其运算速率有待提高改进。