SF6短指针仪表读数识别技术的研究

曾令诚，李新海，林悦德，周恒，林蔚，温云龙

(广东电网有限责任公司中山供电局，广东 中山 528400)

1 引言

基于SF6气体对于电力设备具有优异的绝缘效果，变电站中充气开关设备的气体主要采用SF6气体。在变电站中SF6气体的泄露将会造成重大电力事故，严重影响人们的生命财产安全。

目前对于充气开关中SF6气体的主要监测手段是安装监测仪表。SF6气体监测的仪器表可分为密度监测仪表、压力监测仪表和密度与压力一体监测仪表。变电站中的电气设备一般为大型设备，主要采用压力和密度一体的SF6监测仪表。该类仪表的特点是仪表刻度呈圆环形状、指针不与表盘中心心相连接、指针短。根据对文献[2-9]的研究，一般的图像处理和识别方法并不能准确识别该类仪表的指针位置和刻度信息。

本文针对SF6监测仪表的特点，提出一种通过图像处理方法和边缘监测实现了对SF6充气设备压力仪表指针读书的识别。

本文实现SF6仪表指针读数识别步骤：首先，对SF6压力仪表图像进行圆形表盘检测，并裁剪保留仪表表盘区域；然后使用高斯滤波、自适应阈值和轮廓查找对仪表图像进行处理，提取出仪表指针特征信息；最后，使用直线检测方法确定仪表指针位置，通过计算指针线角度，得到当前指针式仪表读数。SF6仪表指针读数识别流程，如图1所示。

图1 SF6仪表指针读数识别流程

2 SF6仪表表盘裁剪

本文采用均值迁移方法对SF6仪表图像进行处理，使得图像色彩更加平滑；然后对图像进行灰度化处理，使得图像细节更加明显；最后使用霍夫圆环变换对图形进行处理，检测圆盘位置并进行裁剪，保留SF6仪表表盘。处理流程如图2所示。

图2 SF6仪表表盘裁剪流程

2.1 SF6仪表图像均值迁移处理

均值迁移处理的作用是对图像色彩的平滑滤波，中和相近颜色的色彩分布，对色彩细节进行平滑处理，使得面积较小的颜色区域被侵蚀掉，达到平滑效果。

均值迁移作为聚类算法的一种，通过在给定样本中的选取其中一个样本为中心，并以该中心点为圆心，r为半径的圆形区域作为计算区域；计算该圆形区域内所有样本点向量的平均值，得到该圆形区域的偏移均值；将中心点移动到该偏移值位置，迭代执行计算，直至收敛。均值迁移计算过程原理，如图3所示。

图3 均值迁移计算原理图

SF6压力仪表图像经过均值迁移处理后，图像信息更加平滑，仪器表边缘更加清晰。SF6仪表图像经过均值迁移处理后的效果，如图4所示。

图4 SF6仪表均值迁移效果图

2.2 SF6仪表图像灰度化处理

彩色图像为三通道图像，在做滤波处理时计算量十分巨大，为了减少计算量将图像转为单通道图像再进行处理。而二值图像虽然为单通道图像，但表示图像的信息又过于简单，仅为黑白两种颜色，不利于图像特征提取。灰度图像在简单化图像的同时，保留了更多和更丰富的图像细节信息[1]。

在RGB颜色模型中，图像灰度化处理就是R=B=G，即表示彩色表示为灰度颜色。图像的灰度值表示为R=B=G，该值的取值范围为0～255。

图像灰度值确定方法有最大值法、平均值法、分量法和加权平均法。本文采用加权平均法对SF6仪表图像进行灰度化处理。将彩色图像的RBG三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此各分量的权重如公式(1)所示。

Gray(i,j)=0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)

(1)

使用加权平均灰度法对SF6仪表图像进行灰度化处理的效果，如图5所示。

图5 SF6仪表灰度化效果图

2.3 SF6仪表图像霍夫圆环变换与裁剪

为了减少采集图像中其他图像信息对SF6仪表指针特征提取的影响，本文采用霍夫圆环变换方法对采集图像进行仪表表盘检测，并进行裁剪，保留仪表盘图像。

霍夫变换就是把笛卡尔坐标系映射到霍夫坐标系的过程。在笛卡尔坐标系中，圆周上的三个点确定一个圆，经过霍夫变换后，在霍夫三维空间坐标系中，圆周上的三个点对对应于三个圆，三个圆相交于一个点，该点即对应于x-y坐标平面的一个圆周。依次类推，可得到霍夫坐标系中一系列点集合，再对点集合进行投票，得票最高的点确定为最终x-y坐标平面的圆周。霍夫圆环变换的原理，如图6所示。

图6 霍夫圆环检测原理

基于霍夫圆环检测原理和OpenCV的霍夫梯度下降方法，本文对SF6仪表的霍夫圆环检测效果，如图7(a)所示。

图7 SF6表盘圆环检测与裁剪

创建一张与待切割图像大小一样的单通道掩模图像，图像中各像素值均为255，并在该掩模图像上绘制检测到仪表实心圆形，像素值为0。通过按位逻辑或运算，使得原图与掩模图像中0对应的位置保留下来，与掩模图像中255对应的位置设置为0，裁剪结果如图7(b)所示。

3 SF6仪表指针特征提取

SF6仪表指针特征提取流流程，首先对裁剪后的SF6仪表图像进行高斯滤波处理，平滑图像信息；然后，对图像进行自适应阈值处理，得到二值图像；再对SF6二值图像进行轮廓查找，并在原图中划出查找到的图像轮廓信息；最后通过面积筛选和逻辑或运算，生成指针Mask图像，最终获得指针特征信息。流程图如图8所示。

图8 SF6仪表指针特征提取流程

3.1 SF6仪表图像高斯滤波处理

图像高斯滤波实现了图像噪声的过滤，使得图像更加平滑，图像特征信息边缘信息保留得更好。

高斯滤波的基本原理是通过设置卷积核的大小对图像进行高斯卷积。对应图像上的一个像素点，利用高斯卷积核将该点邻域内的像素点按不同的权重计算其和。高斯滤波的卷积运算，如图9所示[10-12]。

图9 高斯滤波原理

根据高斯滤波的原理，本文设置高斯滤波卷积核大小为5×5，对SF6仪表图像进行滤波处理达到最佳效果，如图10所示。

图10 SF6仪表图像高斯滤波处理效果

3.2 SF6仪表图像自适应阈值处理

由于SF6仪表图像色彩的不均衡，对于指针图像特征的提取增加了不必要的干扰，使得指针特征不明显。

自适应阈值处理方法通过计算每个像素点邻域的加权平均值获得阈值，并使用该阈值对当前的像素点进行处理，相比于普通的阈值处理方式，能更好地处理明暗差异较大的图像。

经过自适应阈值处理后的SF6仪表图像，指针特征清晰可见，并且十分明显，如图11所示。

图11 SF6仪表图像自适应阈值处理

3.3 SF6仪表图像特征轮廓查找

图像的轮廓是图像信息中一个十分重要的特征信息，通过对图像特征轮廓的操作，可以获取图像特征的大小、位置和方向等信息。

本文使用OpenCV的轮廓查找方法，对SF6进过自适应阈值处理后的图像进行轮廓查找操作，并把查找到的轮廓信息绘制到原图中，如图12所示。

图12 SF6仪表图像特征轮廓查找

3.4 SF6仪表指针的Mask提取

本文对3.3中查找到的轮廓信息进行逐一面积计算，通过面积筛查迭代提取符合指针特征的图像轮廓信息，并绘制到Mask图像中，如图13所示。

图13 SF6仪表指针特征提取

4 实验结果

使用Hough直线检测方法对SF6压力仪表指针特征Mask图像进行处理，获得指针坐标信息，并在SF6压力仪表原图上绘制直线。根据指针直线计算获得该直线相对于垂直线的角度θ。

通过结合具体的仪表模板，利用角度和指针的线性关系计算出指针刻度。以表盘的圆心为原点建立直角坐标系。首先将坐标系由(x,y)下的直角坐标系转化为(v,u)下的坐标系，使得坐标系的原点在(m,n)处，而此点即为所选取的“圆心”点，而Fx则表示为表盘指针所在的直线，如图14所示。

图14 SF6仪表指针角度计算

实验结果表明，本文所提的方法对于非直线连接圆心短指针的SF6压力仪表指针读数识别是有效和可行的。

5 结语

本文基于图像处理的技术，对SF6仪表图像均值迁移、图像灰度化、霍夫圆环变换处理，裁剪SF6仪表表盘；然后，使用高斯滤波、自适应阈值和轮廓查找对仪表图像进行处理，提取出仪表指针特征信息；最后，利用坐标变换和夹角信息计算得到SF6压力仪表指针读数。

通过实验测试可知，该方法能够解决非直线连接圆心短指针的SF6压力仪表指针读数识别，识别精度高、实时性强、适合不同形状的仪表表盘刻度与角度成线性关系的表盘指针所指颜色区域的识别，具有较强的实际应用价值。