高巧麗，高新明

(1.黑龍江科技大學(xué) 電氣與控制工程學(xué)院，哈爾濱150022; 2.山東交通職業(yè)學(xué)院，山東 濰坊 261000)

0 引 言

高壓輸電線路的主要作用是傳輸電能，在電能傳輸過程中對其穩(wěn)定和安全性能具有很高的要求。由于高壓輸電線路分布十分廣泛，其經(jīng)過的地域不同，地勢復(fù)雜，僅靠人工檢測非常困難，因此，出現(xiàn)很多無人機(jī)和機(jī)器人巡檢設(shè)備，為高壓輸電線路的安全檢測提供了便捷。機(jī)器人和無人機(jī)巡檢過程中收集大量的圖像，如何實(shí)時精準(zhǔn)地發(fā)現(xiàn)高壓輸電線路的故障及懸掛異物并進(jìn)行邊緣檢測是一項(xiàng)很大的技術(shù)挑戰(zhàn)。高壓輸電線路跨越的地域十分廣泛，存在的故障及懸掛的異物不同，一般常見的懸掛物有鳥巢、塑料袋、樹枝、雜草、風(fēng)箏等。本文以高壓傳輸線上懸掛風(fēng)箏的圖像為例進(jìn)行圖像邊緣檢測。

目前常用的圖像邊緣檢測算法有Roberts算子、Sobel算子、Prewitt算子、Laplacian算子等[1]。主要是通過計(jì)算取梯度極大值或者二階導(dǎo)數(shù)過零點(diǎn)進(jìn)行圖像邊緣檢測，這些算子在邊緣定位時各有其特點(diǎn)。Roberts算子在對角線方向上，根據(jù)相鄰兩像素點(diǎn)之差近似梯度幅值對圖像進(jìn)行邊緣檢測，它檢測水平和垂直邊緣的效果好，但是對斜側(cè)方向檢測不夠精準(zhǔn)[2]。Sobel算子根據(jù)像素點(diǎn)上下、左右相鄰點(diǎn)之間的灰度加權(quán)差和在邊緣處極值來檢測邊緣，對噪聲具有平滑作用，能夠提供較精確的邊緣信息，但缺點(diǎn)是其邊緣定位精度不夠高[1]。所以本文提出改進(jìn)的Prewitt圖像邊緣檢測算法。

1 傳統(tǒng)Prewitt邊緣檢測算法

Prewitt算子是一組方向算子模板，從不同的方向進(jìn)行邊緣檢測，上下左右算子相同，去掉部分偽邊緣，對噪聲具有平滑作用[3]。其原理是利用雙向模板與圖像空間進(jìn)行鄰域卷積。雙向模板一個檢測水平邊緣，另一個檢測垂直邊緣[4]。水平和垂直梯度模板如圖1所示，圖像像素(x,y)位置分布如表1所示。

圖1 水平和垂直梯度模板

表1 圖像像素分布表

對數(shù)字圖像f(x，y)，Prewitt算子的定義如下：

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)|則

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

式中：P(x,y)是數(shù)字圖像像素點(diǎn)(x,y)處的梯度值；Th(x,y)是數(shù)字圖像像素點(diǎn)(x,y)處的閾值；Th是人工選取的閾值。

經(jīng)典Prewitt算子認(rèn)為：凡是圖像灰度值大于等于閾值的像素點(diǎn)認(rèn)為它是邊緣點(diǎn)。即選擇合適恰當(dāng)?shù)拈撝礣h，若P(x,y)≥Th，則(x,y)為邊緣點(diǎn)，P(x,y)為邊緣圖像。這種判定是不合理的，會造導(dǎo)致邊緣點(diǎn)的誤判，因?yàn)樵S多噪聲點(diǎn)具有很大的灰度值，而且對于較小幅值的邊緣點(diǎn)，其邊緣可能會丟失[5]。另外Prewitt算子模板對方向的選擇太過于簡單，無法準(zhǔn)確完整地檢測邊緣結(jié)構(gòu)。因此對傳統(tǒng)Prewitt算子存在的問題，提出了一種改進(jìn)的Prewitt算子。

2 改進(jìn)的Prewitt邊緣檢測算法

2.1 改進(jìn)的方向模板

傳統(tǒng)的Prewitt算子由水平方向與垂直方向模板組成，所以只能對水平和垂直方向的邊緣進(jìn)行檢測，無法檢測斜側(cè)方向，使邊緣檢測不完整。改進(jìn)的Prewitt算法添加了左右斜側(cè)方向的模板，使邊緣檢測更加完整。改進(jìn)后Prewitt算子模板如圖2所示，改進(jìn)后的Prewitt算子方向模板如圖3所示。

圖2 改進(jìn)后Prewitt方向模板

圖3 邊緣檢測的方向模板示意圖

改進(jìn)后模板表達(dá)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)|

圖像f(x,y)在像素點(diǎn)(x,y)位置處的梯度幅值為

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

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

2.2 動態(tài)獲取閾值

合理的閾值對圖像邊緣的檢測具有重要的作用，傳統(tǒng)的Prewitt算子閾值需人工選取，并且需要通過人眼觀測，存在很多缺點(diǎn)和不足。如果閾值選取的太高，容易導(dǎo)致邊緣檢測不完整，如果閾值選取的太低，又易導(dǎo)致邊緣選取的過多，導(dǎo)致邊緣選取不準(zhǔn)確。改進(jìn)后的Prewitt算子根據(jù)圖像像素的變化動態(tài)選取閾值代替人工選取，使圖像邊緣檢測更加準(zhǔn)確。

式中：P(i,j)是在像素(x,y)點(diǎn)的梯度值；N是總像素?cái)?shù)；Th(x,y)是點(diǎn)(x,y)的動態(tài)閾值。

3 改進(jìn)Prewitt算子對高壓輸電線圖像邊緣檢測的實(shí)現(xiàn)步驟

1)輸入高壓輸電線原始圖像；

2)將圖像進(jìn)行預(yù)處理，對圖像進(jìn)行去噪聲處理，并將圖像二值化，使其變?yōu)榛叶葓D像；

3)對圖像進(jìn)行邊緣檢測，在傳統(tǒng)的Prewitt算法的基礎(chǔ)上增加2個斜側(cè)方向的算子模板；

4)獲取動態(tài)閾值；

5)根據(jù)動態(tài)閾值提取圖像邊緣。

改進(jìn)的Prewitt算子對高壓輸電線圖像進(jìn)行邊緣檢測流程圖如圖4所示。

圖4 圖像邊緣檢測流程圖

采用Matlab2014a,用改進(jìn)后的Prewitt算法對高壓輸電線懸掛物圖像進(jìn)行邊緣檢測模擬仿真，改進(jìn)的Prewitt算子模擬仿真效果如圖5所示，傳統(tǒng)的Prewitt算子模擬仿真效果如圖6所示。將圖5與圖6進(jìn)行比較可以看出，改進(jìn)后的Prewitt算法可以更完整準(zhǔn)確地將高壓輸電線懸掛風(fēng)箏的圖像邊緣進(jìn)行提取。

圖6 傳統(tǒng)Prewitt算子

圖5 改進(jìn)Prewitt算子

4 實(shí)驗(yàn)結(jié)果分析

為了得到改進(jìn)Prewitt算子圖像邊緣檢測高效準(zhǔn)確的效果，分別用Roberts算子，Sobel算子，Prewitt算子和Laplacian算子，通過Matlab仿真模擬對高壓輸電線懸掛物圖像進(jìn)行邊緣檢測，并比較每個算子效果圖[2]，如圖7～9所示，圖像原圖如圖10所示。

圖10 圖像原圖

圖7 Roberts算子

實(shí)驗(yàn)一：采用Roberts算子，如圖7所示。Roberts 算子可以較準(zhǔn)確地對圖像進(jìn)行邊緣檢測，尤其在水平方向與垂直方向。但該算子對噪聲較敏感，對于灰度變化較弱的邊緣圖像檢測不準(zhǔn)，這導(dǎo)致在提取高壓輸電線懸掛異物的圖像邊緣檢測時出現(xiàn)斷續(xù)的現(xiàn)象。

實(shí)驗(yàn)二：采用Sobel算子，如圖8所示。Sobel算子采用了水平與垂直方向模板進(jìn)行邊緣檢測。方向模板比較簡單，但是只是對水平與垂直方向的邊緣檢測比較敏感，對其余方向的灰度檢測存在問題。所以在提取高壓輸電線懸掛異物圖像時過于粗略，出現(xiàn)邊緣提取不完整的現(xiàn)象。

圖8 Sobel算子

實(shí)驗(yàn)三：采用Laplacian算子，如圖9所示。Laplacian算子是二階微分算子，它的特點(diǎn)是與坐標(biāo)軸方向無關(guān)，并且坐標(biāo)軸旋轉(zhuǎn)后梯度結(jié)果不變。但是，其對噪聲非常敏感，因此通常的分割算法都是把Laplacian算子和平滑算子結(jié)合生成新模板。通常Laplacian算子對噪聲具有不可接受的敏感性，所以Laplacian算子不能檢測邊緣的方向，因此出現(xiàn)了對高壓輸電線圖像進(jìn)行邊緣檢測不完整的現(xiàn)象。

圖9 Laplacian算子

5 結(jié) 語

對基于傳統(tǒng)的Prewitt算子的缺點(diǎn)與不足，提出了改進(jìn)Prewitt算子對高壓輸電線懸掛物圖像進(jìn)行邊緣檢測，并且用Matlab進(jìn)行模擬仿真，比較了各種邊緣檢測算法的特點(diǎn)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的Prewitt算法對高壓輸電線圖像的邊緣提取更準(zhǔn)確，對高壓輸電線智能巡線工作的效率有所提高，具有可行性。而在圖像邊緣檢測過程中，其運(yùn)算速率有待提高改進(jìn)。