数字图像处理技术在水文监测系统中的应用探讨

（河北省水文勘测研究中心，河北石家庄 050000）

0.引言

水文监测是水系生态环境进行全维度分析，然后通过水体资源的空间分布、地区发展现状等，依据生态水环境监测信息，为后续生态环境防控措施的开展提供数据支撑。水文监测系统则是融合信息技术、传感技术、定位技术、计算机网络技术等，将地域内水环境信息进行监测，例如，水体水位、水体流速、水体蒸发量等，然后通过系统对此类信息同步传输到管理部门，通过监测系统的应用，可进一步提高数据监测效率，真实的映射出水环境信息。

1.数字图像处理技术概述

数字图像处理技术是通过搭载计算机设备，将外部传感器采集到的图像信息，经过降噪、增强、提取特征的模式，对图像信息进行优化处理，进而提高图像亮度、色彩等方面的视感质量。从处理形式来讲，特征信息提取可以看成是一个基于视觉效果的预处理模式，其针对不同处理节点，所起到的实际效用也具有差异性，例如，颜色特征、形态特征㩐，通过不同视域下的操控，可进一步缩短图像信息的传输时间，且可高度描述出图像的纹理信息以及各类图像点的关系结构。数字图像处理技术的实现，则是对含有一定的噪声及其他干扰因素的图像信息进行处理，提高图像信息的精度及质量，更为真实的反应出当前水环境信息[1]。

2.数字图像处理技术在水文监测系统中的应用

2.1 水文监测图像增强方面的运用

图像增强作为数字图像处理技术的一个重要属性，其本身是对不同图片的成像精度进行分析，结合图像信息在系统的识别度，设定出相对应的解决策略，有效避免因为图像信息精度不足所造成系统错误录入的现象。但是在对图像进行增强处理时，受到图像信息不同属性的影响，其所采用的增强方面也存在一定差异性。但是从具体实现机制而言，不同图像在进行增强时，本质是对有用信息进行采集，对无用信息进行弱化，以实现操控工序的简化处理。对于水文图像信息来讲，起到决定性作用的信息是指是水文尺上面的标注信息，而此类信息对于图像还原的依赖程度较小。在对其进行图像增强处理时，则应以图像本身具有的亮度、对比度为切入点，采取相对应算法，提高图像信息在主处理系统中的适应性。此外，从图像信息呈现出的价值属性来看，其针对目标所呈现出的获取特性来看，主要是在时间、空间两个方面，实现对数据信息的整合，保证图像在固有空间节点下呈现出的频率特征具有时序性特点，这样便可真正实现基于频域多变的处理方案，确保图像信息可实时响应到主系统中，满足图像高精度处理诉求。

2.2 基于HSV模型的水文图像分割

传统水文监测系统在对图像信息进行分割处理时，只是单纯以模式识别，针对图像描述信息进行不同颜色区域的划分与比对，但是在实际处理时，图像颜色阈值信息确立难度较大，且整个空间信息处理范畴较为局限，特别是针对具有波谷特征的图像分析时，空间获取信息呈现出不同之处，将造成色彩模型量不同比的问题。此时，技术人员则是依据灰度图像处理模式，分析出当前色彩区域内，不同模型所代表的含义，并结合相对应的信息分量，将颜色区域进行整合，并通过图像信息在固有空间、时间节点下呈现出的特征作为阈值，将具有数据类似特征的数据区域进行二次融合处理，提高信息检索精度。

2.2.1 色彩模型选取

本文采用的HSV模型所呈现出颜色对比度、饱和度、色彩辨识度等，高于传统RGB模型。HSV色彩模型在确立时，颜色分量之间呈现出的关联性不高，这就降低不同色彩之间的干预度。HSV模型的呈现是对原有色彩进行色彩区域呈现，此过程中，每一个颜色在椎体中产生的角度不同，红色、绿色、蓝色三种原色在椎体顶角相互补色，且在递进延伸过程中，不同色彩区域过渡趋势与色彩本身具有对比特征，此类对比特征在边界处最为明显。在对色彩量化区间进行定位时，其主要是作用于饱和度之上，通过与色彩所呈现的各类阈值进行比对，进而划分出具有人体视觉感官所能查验到的色彩范围内，便于人眼对其进行特征识别。

2.2.2 图像分割

数字图像处理技术中图像分割的实现，类似于地貌侵水的水处理方法，其可以针对当前水域环境，对水体区域边界进行持续性的分割，直到区域内水体边界封闭位置。在进行实地分析处理时，图像分割是把图像所呈现出的像素值当成是基于数据峰值的海拔高度，且像素值与海拔高度呈现出线性正比的关系，在对整个图像进行分割处理时，边界线则代表着海拔与水体溢出的交汇点。通过连续性、封闭性的线性处理，可确定出当前水体区域内细微的变化模式。例如，灰度值变化、图像噪声变化、纹理变化等，但应注意的是，如果测定数据与预测值之间的差异较小时，可能会产生基于区域空间变化的过度分割的问题[2]。

2.3 基于YUV的水文图像分割

YUV是通过灰阶值、色度，对图像信息呈现出的色彩、饱和度进行分析与界定。在对颜色空间进行确认时，主要是通过色彩模型与色彩分量之间的界定，分析出不同测量视域下，像素信息所代表的各个色度、明亮度等，是否符合基准数据的比对。利用YUV对水文图像进行预处理时，考虑到不同色彩分量之间呈现出差异性，则应对承接水文监测的各个设备进行分量基准值的确认，以保证在颜色特征的监测下，可进一步分析出图像像素信息的灰度值，将监测目标分理处整个背景图之上。

2.3.1 算子边缘检测

基于算子边缘检测的实现，主要是提取图像中的特征信息，并将边缘点作为监测基准，这样通过图像信息的去中心化处理，则可进一步提高实际检测效率，精准界定出算子在边缘处的数据位置，提高实际测量精度。在进行实际监测时，主要是是通过高斯滤波处理、梯度值计算、非极限值抑制、阈值边缘监测流程，实现对是算子边缘的监测及确认。

2.3.2 水文尺监测

水文尺监测则是针对已经分割的图像信息进行监测，分析出不同画面界定下，拍摄角度与成像画面之间的对接性，当然，此过程的数据呈现，是建立在观察者诉求之上，实现对数据信息的统计，进而降低实际操作误差，提高水文监测成像精度。如图1所示，为变化前后的图像显示。通过图像比对可以看出，整个图像信息的呈现对于系统而言，可更为真实的显示出相对应的场景，以强化实际监测质量。

图1 监测校正结构

3.结语

数字图像处理技术支撑下的水文监测系统，可对水文图像信息进行精度化处理、自动识别，为后续监测工作的开展提供数据支撑。为此，在后续发展过程中，必须进一步强化实际技术应用范畴，结合系统应用范畴，制定出更为详尽的管控措施，提高水文监测系统的运行精度。