王昊天 厲小潤* 趙遼英

1(浙江大學(xué)電氣工程學(xué)院 浙江 杭州 310027)

2(杭州電子科技大學(xué)計(jì)算機(jī)技術(shù)應(yīng)用研究所 浙江 杭州 310018)

0 引 言

作為電能傳輸?shù)妮d體，電力電纜的需求越來越大。由于制造工藝的原因會出現(xiàn)很多質(zhì)量不達(dá)標(biāo)的劣質(zhì)電纜，這些劣質(zhì)電纜的使用在給用戶和用電企業(yè)帶來經(jīng)濟(jì)損失的同時(shí)還會存在巨大的安全隱患，因此對生產(chǎn)出的電力電纜需要進(jìn)行嚴(yán)格的質(zhì)量檢測。幾何尺寸是影響電力電纜質(zhì)量的一個(gè)重要指標(biāo)。目前，電纜尺寸的檢測一般是通過人工測量，耗時(shí)耗力。因此，根據(jù)電纜圖像自動分割出電纜各區(qū)域從而實(shí)現(xiàn)電纜尺寸檢測自動化具有十分重要的意義。

目前，常用的彩色圖像分割方法有基于閾值的分割方法[1-3]、基于邊緣的分割方法[4-7]、基于區(qū)域的分割方法[8-11]、基于圖論的分割方法[12-15]、基于能量泛函的分割方法[16-19]，以及基于深度學(xué)習(xí)的分割方法[20]。其中：基于閾值的分割方法思想是通過判斷像素點(diǎn)每個(gè)通道的灰度值，將其劃分到不同的類別中；基于邊緣的分割方法是根據(jù)區(qū)域邊緣灰度值存在突變的現(xiàn)象，根據(jù)梯度將圖像分割出不同區(qū)域；基于區(qū)域的分割方法是按照圖像的相似性準(zhǔn)則劃分為不同區(qū)域塊，主要有種子生長法、區(qū)域分裂合并、分水嶺法等；基于圖論的分割方法是將圖像分割問題與圖的最小割問題相關(guān)聯(lián)，將圖像映射成帶權(quán)無向圖，使得分割后子圖內(nèi)部保持相似度最大，而子圖之間相似度保持最小，常見的方法有GraphCut[12]、RandomWalk[14]等；基于能量泛函的分割方法主要指活動輪廓模型以及在其基礎(chǔ)上發(fā)展出來的算法，基本思想是使用連續(xù)曲線來表達(dá)目標(biāo)邊緣，并定義一個(gè)能量泛函使得其自變量包括邊緣曲線，因此分割過程就轉(zhuǎn)變?yōu)榍蠼饽芰糠汉淖钚≈档倪^程，活動輪廓主要分為參數(shù)活動輪廓模型[16]和幾何活動輪廓模型[17]；基于深度學(xué)習(xí)的分割方法是一種監(jiān)督學(xué)習(xí)的方法，通過學(xué)習(xí)大量的樣本來訓(xùn)練模型來達(dá)到分割圖像的目的，常用的模型有Mask R-CNN[20]。

由于基于深度學(xué)習(xí)的分割方法需要大量的樣本進(jìn)行訓(xùn)練，因此當(dāng)圖片樣本較少時(shí)不太適合。在傳統(tǒng)的分割方法中，當(dāng)圖像邊緣復(fù)雜且目標(biāo)區(qū)域內(nèi)部顏色相近的情況下，閾值分割方法由于簡單快速等優(yōu)點(diǎn)而被廣泛應(yīng)用。閾值分割方法最核心的步驟是如何確定閾值。一般情況下，閾值分割方法通常是設(shè)定一個(gè)全局分割評價(jià)函數(shù)以及分割的區(qū)域個(gè)數(shù)，通過啟發(fā)式算法如蟻群算法等得到每個(gè)區(qū)域的分割閾值從而完成分割[21-23]。但是由于電纜區(qū)域數(shù)量多、面積小且只關(guān)注目標(biāo)區(qū)域的分割好壞，通過啟發(fā)式算法得到的閾值參數(shù)并不適用。

基于此，本文提出一種基于箱型圖與折點(diǎn)閾值邊界的電纜分割方法。首先將圖像轉(zhuǎn)成HSV圖像并設(shè)計(jì)一種基于閾值邊界的區(qū)域分割方法；之后根據(jù)電纜的導(dǎo)體及結(jié)構(gòu)得到各區(qū)域的顏色信息并進(jìn)行初步分割，對分割結(jié)果進(jìn)行統(tǒng)計(jì)得到區(qū)域的色調(diào)中位數(shù)以及各通道的四分位數(shù)，計(jì)算箱型圖下邊界作為各通道的初始閾值邊界；最后根據(jù)目標(biāo)區(qū)域內(nèi)部顏色相近但與其余區(qū)域顏色存在差異的特點(diǎn)，計(jì)算折點(diǎn)閾值邊界并完成區(qū)域的精確分割。

1 電纜區(qū)域分割算法

1.1 電纜區(qū)域分割流程

電力電纜內(nèi)部由導(dǎo)體、絕緣層、護(hù)套、填充物四部分組成。其中導(dǎo)體、絕緣層和護(hù)套的尺寸有著明確的規(guī)定，需要進(jìn)行檢測。導(dǎo)體材料有銅和鋁，顏色分別為銅褐色和白色；絕緣層顏色有彩色與灰色；護(hù)套顏色為黑色；填充物為白色。在進(jìn)行電纜各區(qū)域分割時(shí)，首先根據(jù)原RGB圖像得到HSV圖像，之后依次進(jìn)行導(dǎo)體、絕緣層、護(hù)套區(qū)域的分割。分割流程如圖1所示。

圖1 電纜區(qū)域分割流程

1.2 導(dǎo)體區(qū)域分割

電力電纜導(dǎo)體材料有銅和鋁兩種，銅為銅褐色，鋁為白色，導(dǎo)體的形狀為圓形或扇形。在判斷導(dǎo)體材料時(shí)，首先根據(jù)銅所屬的色調(diào)范圍在HSV圖像中進(jìn)行區(qū)域分割，并去除小面積區(qū)域以及形狀不符合的區(qū)域。若去除后圖像存在導(dǎo)體區(qū)域，則導(dǎo)體材料為銅，否則導(dǎo)體材料為鋁。之后使用基于箱型圖與折點(diǎn)閾值邊界的區(qū)域分割方法進(jìn)行彩色區(qū)域的分割或白色區(qū)域的分割來獲得導(dǎo)體區(qū)域。

1.3 絕緣層區(qū)域分割

每個(gè)導(dǎo)體區(qū)域都會被絕緣層包裹，當(dāng)分割出各導(dǎo)體區(qū)域時(shí)，根據(jù)形態(tài)學(xué)膨脹等操作可以得到包裹導(dǎo)體的絕緣層顏色。根據(jù)得到顏色的飽和度判斷是彩色的絕緣層還是灰色的絕緣層。之后使用基于箱型圖與折點(diǎn)閾值邊界的區(qū)域分割方法進(jìn)行彩色區(qū)域的分割或灰色區(qū)域的分割來獲得絕緣層區(qū)域。

1.4 護(hù)套區(qū)域分割

由于電纜的護(hù)套為黑色而填充物為白色，因此可以直接對圖像通過OTSU算法進(jìn)行二值化并保留黑色區(qū)域，之后從該區(qū)域中去除已經(jīng)分割出的導(dǎo)體區(qū)域和絕緣層區(qū)域即可得到護(hù)套區(qū)域。

2 箱型圖與折點(diǎn)閾值邊界分割算法

2.1 算法流程

基于傳統(tǒng)的圖像分割方法在電纜區(qū)域分割上的局限性，設(shè)計(jì)了一種基于箱型圖與折點(diǎn)閾值邊界分割方法。首先根據(jù)原RGB圖像得到HSV圖像。在HSV空間中，H為色調(diào)，不同的顏色對應(yīng)著不同的色調(diào)，同時(shí)色調(diào)在空間上呈現(xiàn)循環(huán)性，當(dāng)對色調(diào)進(jìn)行歸一化后，色調(diào)在0附近的顏色與色調(diào)在1附近的顏色均呈現(xiàn)紅色；S為飽和度，代表顏色的鮮艷程度，高飽和度在視覺上呈現(xiàn)彩色，而低飽和度在視覺上呈現(xiàn)灰色；V為明度，明度過低時(shí)，飽和度和色調(diào)沒有區(qū)分度。由于在電纜區(qū)域分割流程中，需要彩色區(qū)域分割、白色區(qū)域分割、灰色區(qū)域分割三種區(qū)域分割方式，因此分別設(shè)計(jì)了式(1)-式(3)來實(shí)現(xiàn)彩色、白色和灰色的區(qū)域分割。

(1)

(2)

(3)

式中：Hmid為目標(biāo)區(qū)域的色調(diào)中位數(shù)；Vmid為目標(biāo)區(qū)域的明度中位數(shù)；Th、Ts、Tv分別為H、S、V通道的閾值邊界。當(dāng)原始HSV圖像中的像素點(diǎn)滿足上述公式時(shí)，其分割圖像對應(yīng)的像素點(diǎn)數(shù)值為1，否則為0。由于色調(diào)的循環(huán)特性，即歸一化后色調(diào)在0附近的顏色與色調(diào)在1附近的顏色相似，因此不能直接對色調(diào)作差，而是通過函數(shù)fH來得到色調(diào)間的差值，其定義如下:

fH(H,Hmid)=min(|H-Hmid|,|H-Hmid+1|,

|H-Hmid-1|)

(4)

根據(jù)以上公式，只要能確定目標(biāo)區(qū)域的中位數(shù)以及各個(gè)閾值邊界，就能將電纜對應(yīng)區(qū)域分割出來，算法流程如圖2所示。

圖2 折點(diǎn)閾值邊界區(qū)域分割算法流程

2.2 目標(biāo)區(qū)域初步分割

在電纜區(qū)域分割流程中，根據(jù)電纜中是否存在符合導(dǎo)體面積和形狀的銅褐色區(qū)域可以判斷電纜的導(dǎo)體材料是銅還是鋁。而當(dāng)分割出導(dǎo)體區(qū)域后，根據(jù)包裹導(dǎo)體的外層區(qū)域可以得到每個(gè)導(dǎo)體外的絕緣層屬于哪種顏色。因此，可以根據(jù)目標(biāo)區(qū)域的已知顏色信息通過設(shè)置Th=THori、Ts=TSori、Tv=TVori，使用式(1)-式(3)進(jìn)行初步分割。初步分割旨在先分割出一個(gè)粗略的目標(biāo)區(qū)域，以供算法后續(xù)能進(jìn)行精確定位。

2.3 目標(biāo)區(qū)域信息統(tǒng)計(jì)

在得到初步分割圖像I0之后，根據(jù)式(5)-式(7)得到圖像目標(biāo)區(qū)域H、S、V三個(gè)通道對應(yīng)的數(shù)組。

aH=[Ihsv(i,j,1)|i,j∈(I0(i,j)=1)]

(5)

aS=[Ihsv(i,j,2)|i,j∈(I0(i,j)=1)]

(6)

aV=[Ihsv(i,j,3)||i,j∈(I0(i,j)=1)]

(7)

由于色調(diào)的循環(huán)性，若目標(biāo)區(qū)域?yàn)榧t色，則會出現(xiàn)色調(diào)一部分在0附近，一部分在1附近的情況，為了防止這種情況導(dǎo)致中位數(shù)統(tǒng)計(jì)出錯(cuò)，設(shè)計(jì)式(8)-式(9)得到色調(diào)的中位數(shù)Hmid。

(8)

(9)

式中：aH′、aH1′為aH、aH1按升序排序后的數(shù)組；N為數(shù)組aH的長度；var(x)表示數(shù)組x的方差。若Hmid<0,則Hmid=Hmid+1。

同時(shí)根據(jù)式(10)-式(13)分別得到S通道的下四分位數(shù)Sq1和上四分位數(shù)Sq3以及V通道的下四分位數(shù)Vq1和上四分位數(shù)Vq3。

Sq1=aS′(N×0.25)

(10)

Sq3=aS′(N×0.75)

(11)

Vq1=aV′(N×0.25)

(12)

Vq3=aV′(N×0.75)

(13)

式中：aS′和aV′為aS和aV按升序排序后的數(shù)組；N為數(shù)組的長度。

2.4 初始閾值邊界計(jì)算

對于式(1)-式(3)，由于存在多個(gè)需要計(jì)算的折點(diǎn)閾值邊界，需要按照順序依次計(jì)算，因此在計(jì)算時(shí)需要給定其他未計(jì)算通道一個(gè)初始閾值邊界。

若將目標(biāo)區(qū)域像素看作是數(shù)據(jù)的集合，那么不屬于目標(biāo)區(qū)域的像素則可以看作是數(shù)據(jù)的異常值。箱型圖是一種用作顯示一組數(shù)據(jù)分散情況的統(tǒng)計(jì)圖。常用于識別數(shù)據(jù)分布以及異常數(shù)據(jù)檢測。其主要由5個(gè)點(diǎn)組成：上邊緣Tmax，上四分位數(shù)Q3，中位數(shù)，下四分位數(shù)Q1，下邊緣Tmin。箱型圖示意圖如圖3所示。

圖3 箱型圖示意圖

若數(shù)據(jù)在上邊緣和下邊緣范圍外，則認(rèn)為是異常值。下邊緣的計(jì)算公式如下：

Tmin=Q1-1.5×(Q3-Q1)

(14)

參考箱型圖下邊緣計(jì)算公式，計(jì)算得到飽和度S和明度V的初始閾值邊界：

TSinit=max(TSori,Sq1-1.5×(Sq3-Sq1))

(15)

TVinit=max(TVori,Vq1-1.5×(Vq3-Vq1))

(16)

2.5 折點(diǎn)閾值邊界計(jì)算

對于電纜的各區(qū)域，其顏色特點(diǎn)為在各區(qū)域內(nèi)部顏色連續(xù)變化而區(qū)域之間顏色會存在差異，即當(dāng)閾值邊界越來越寬松時(shí)，找到的目標(biāo)區(qū)域像素點(diǎn)數(shù)量會越來越多，但是每次增加的幅度應(yīng)該越來越小，當(dāng)在某個(gè)閾值邊界處像素個(gè)數(shù)增加幅度變大，則認(rèn)為找到了目標(biāo)區(qū)域外的像素，將前一個(gè)閾值設(shè)為該目標(biāo)區(qū)域的閾值邊界。以計(jì)算色調(diào)閾值邊界為例，其偽代碼如算法1所示。

算法1計(jì)算色調(diào)閾值邊界

1.functiongetH()

2. Initialize step=0.02,i=1,Th=step,Ts=TSinit,Tv=TVinit

3.whileTh<1do

4. get image Iiaccording formula(1)

5.ifi>1then

6. Li=(sum(Ii)-sum(Ii-1))/sum(Ii-1)

//計(jì)算像素增加比例

7.else

8. Li=0

9.endif

10.ifi>2 and Li-1

11. Th=Th-step

12. return Th

//如果像素提升比例變大，則返回前一個(gè)閾值

13.endif

14. i=i+1

15. Th=Th+step

//拓展閾值邊界

16.endwhile

17.endfunction

以一個(gè)實(shí)際的電纜圖像為例，在計(jì)算其紅色絕緣層時(shí)，以上步驟得到的每次像素增加的比例以及每次找到的紅色絕緣層區(qū)域如圖4所示。

(a) 原圖 (b) 每次增加的像素比例

可以發(fā)現(xiàn)，在第4次放寬閾值邊界時(shí)，找到了部分導(dǎo)體區(qū)域，像素增加的比例提高，因此第3次的閾值邊界作為紅色絕緣層的閾值邊界較為合適。

在后續(xù)計(jì)算飽和度折點(diǎn)閾值邊界和明度折點(diǎn)閾值邊界時(shí)，將之前已經(jīng)找到的閾值邊界作為初值，其過程與計(jì)算色調(diào)閾值邊界類似。對于白色區(qū)域分割和灰色區(qū)域分割同樣與上述步驟類似。

2.6 目標(biāo)區(qū)域精確分割

在計(jì)算得到的目標(biāo)區(qū)域中位數(shù)以及各通道閾值邊界后，代入相應(yīng)公式進(jìn)行目標(biāo)區(qū)域的精確分割。

3 實(shí)驗(yàn)結(jié)果

本文實(shí)驗(yàn)所用數(shù)據(jù)均來源于普通相機(jī)在白色背景且光照均勻的條件下對實(shí)際電纜橫截面拍攝的圖片。所有實(shí)驗(yàn)均通過MATLAB R2017a實(shí)現(xiàn)，實(shí)驗(yàn)平臺為個(gè)人計(jì)算機(jī)(Intel(R) Core(TM) i5- 6200U CPU 2.3 GHz)。設(shè)置參數(shù)THori=0.03，TSori=TVori=0.35，這兩個(gè)值分別為判斷顏色是否相似以及是否為彩色的閾值。其目的在于分割出一個(gè)粗略的目標(biāo)區(qū)域以供算法后續(xù)進(jìn)行精確分割，影響較小。以實(shí)際電纜為例，通過本文算法對各區(qū)域的分割結(jié)果以及閾值邊界如圖5和表1所示。在圖5中，電纜中的導(dǎo)體和4個(gè)絕緣層區(qū)域均完整地分割出來。從表1中可以看出，電纜各區(qū)域閾值邊界相差較大。藍(lán)色絕緣層在圖像中沒有其他區(qū)域色調(diào)與它接近且它自身磨損較嚴(yán)重，所以色調(diào)閾值邊界較大且飽和度閾值邊界較?。稽S色絕緣層內(nèi)部顏色比較一致，同時(shí)電纜內(nèi)部的白色填充物和黃色絕緣層色調(diào)很接近但飽和度更低，所以黃色絕緣層的色調(diào)閾值邊界較小且飽和度閾值邊界較大。表1數(shù)據(jù)說明本文算法可以很好地計(jì)算出各區(qū)域的最佳閾值邊界。

(a) 原圖 (b) 導(dǎo)體銅 (c) 藍(lán)色絕緣層

表1 折點(diǎn)閾值邊界

根據(jù)本文的電纜區(qū)域分割算法并進(jìn)行簡單的形態(tài)學(xué)處理后得到的電纜三個(gè)部分的分割結(jié)果如圖6所示?？梢钥吹剑娎|的三個(gè)區(qū)域均被完整地分割出來。

圖6 電纜區(qū)域分割結(jié)果

同時(shí)，將本文使用的箱型圖與折點(diǎn)閾值邊界分割算法與區(qū)域生長算法以及自適應(yīng)步長的閾值分割算法對電纜的絕緣層進(jìn)行分割結(jié)果對比，結(jié)果如圖7所示?？梢钥吹剑?dāng)絕緣層顏色比較一致時(shí)，所有算法都能較好地將其分割出來。而當(dāng)絕緣層內(nèi)有磨損等導(dǎo)致部分顏色發(fā)生變化時(shí)，區(qū)域生長算法和自適應(yīng)步長閾值分割算法都存在某些絕緣層區(qū)域沒有分割完全而某些不是絕緣層區(qū)域被分割出來的現(xiàn)象。對比之下，本文的基于箱型圖與折點(diǎn)閾值邊界的分割方法可以比較好地分割出電纜的每個(gè)絕緣層區(qū)域。

(a) 原圖 (b) 區(qū)域生長 (c) 自適應(yīng)步長閾值分割 (d) 本文方法

4 結(jié) 語

本文針對傳統(tǒng)圖像分割方法對電纜區(qū)域分割效果差的問題，提出一種基于箱型圖與折點(diǎn)閾值邊界的電纜區(qū)域分割方法。首先根據(jù)電纜的導(dǎo)體與結(jié)構(gòu)信息，遞進(jìn)得到電纜各區(qū)域的顏色信息。之后設(shè)計(jì)基于閾值邊界的區(qū)域分割方法，通過對各區(qū)域的信息進(jìn)行統(tǒng)計(jì)，根據(jù)箱型圖得到各通道的初始閾值邊界。最后根據(jù)電纜區(qū)域間顏色存在差異的特性計(jì)算出各區(qū)域的折點(diǎn)閾值邊界并進(jìn)行電纜區(qū)域分割。實(shí)驗(yàn)結(jié)果表明，本文方法基于電纜的結(jié)構(gòu)特征以及統(tǒng)計(jì)得到的自適應(yīng)參數(shù)對各區(qū)域進(jìn)行二次精確分割，在不需要人工設(shè)定超參數(shù)的情況下，可以很好地分割出電纜各區(qū)域，魯棒性高。通過本文算法對電纜各區(qū)域進(jìn)行分割，可以直接得到電纜導(dǎo)體的面積從而判斷電纜導(dǎo)體部分是否符合國家標(biāo)準(zhǔn)。同時(shí)，根據(jù)分割出的絕緣層與護(hù)套，根據(jù)梯度信息來提取精確邊界進(jìn)而判斷電纜絕緣層與護(hù)套厚度是否符合標(biāo)準(zhǔn)。通過圖像對電纜各區(qū)域尺寸進(jìn)行自動化檢測，在降低人工檢測成本的同時(shí)也提高了檢測精度，對電纜質(zhì)量檢測有著重要意義。