基于形態學的邊緣檢測算法在絕緣子分割中的應用

李真真

（西安建筑科技大學，陜西 西安 710055）

在對絕緣子圖像處理的探究過程中，圖像中不單有絕緣子，還有很多實驗用來模擬的景物，研究對象為其所在區域。此時若不對絕緣子的圖像進行分割，則會提煉出一些不想要引進的像素（例如：背景）的灰度值，對精準性造成影響，進一步影響絕緣子判斷的準確性。因此，圖像分割是絕緣子定位和識別中不可缺少的關鍵節點，務必采用最為貼切的圖像分割方法把絕緣子從拍攝中剝離開來。圖像分割的成敗，對絕緣子圖像的特征特點提煉和解析有著相當深遠的意義。

1 改進的Sobel邊緣檢測算法

Sobel算子檢測到的圖像邊沿順滑、延續，計算簡單。不過Sobel算子的缺點是檢測的邊緣較粗，只對水平和垂直兩個方向的灰度梯度變化敏感，且對于噪音的影響較為敏銳。在實際的絕緣子圖像中，存在較多的未知探測物，如背景、噪音、障礙物等，此時對精度的要求較明顯，經典的Sobel算法已經不能滿足對絕緣子圖像邊緣精確提取的需求。

針對Sobel邊緣檢測算法在處理絕緣子圖像中的缺點，文章將原有的用戶自定義閾值改為自適應閾值選取方式，以滿足復雜背景下的絕緣子圖像二值化。

輸高壓線上由因為采集到的絕緣子圖像環境復雜，所以采集到的圖像明暗度有很大誤差。以Sobel算法進行絕緣子邊緣檢測時，采取固定閾值的辦法，不能達到復雜背景下絕緣子圖像檢測的條件。在絕緣子圖像分割過程中，可以用一個適合的閾值使灰度圖像變化成二進制邊緣圖像。此閾值的確定可使用用戶自定義或使用閾值的選擇算法來確定。因為一個閾值不可滿足全部的光照條件，所以無法滿足提取復雜背景下絕緣子邊緣信息的需求。

文章展示的自適應閾值法用Sobel邊緣檢測法中的[Gx，Gy]取得適合的閾值，此閾值會根據[Gx，Gy]進行迅速更新，來滿外部光線的變化。該計算方法可表達為數學表達式：

其中，Gx和Gy分別表示水平與垂直梯值度。使用此方法就可達到人工設定閾值的效果，此方法只需此前已計算完成的梯度值，在一定程度上減少了計算時間，提高了效率。

2 結果和分析

對于復雜背景下的絕緣子圖像，文章利用計算機軟件進行仿真實驗，攝像頭采集到的絕緣子原始圖像，對經過改良的Sobel邊緣檢測算法進行圖像分割，再利用形態學進行處理，得到其對比如圖1所示。其中，圖1（a）分別表示設備所拍攝的原始圖像，圖 1（b）為Sobel邊緣檢測法，圖1（c）為基于形態學的Sobel邊緣檢測法。

通過實驗分析，得出基于形態學的Sobel邊緣檢測算法比以往Sobel算法的處理結果更優秀，得到的邊緣更加精準，改進后的Sobel算子與原Sobel算子處理效果相比可以概括為：

（1）一部分偽邊緣點會出現在經典的Sobel提取過程中，改良后的Sobel算法提取的邊緣經過形態學處理后，邊緣更加細膩。

（2）用文章基于形態學的Sobel算法能抑制對噪音的影響，更加清晰地提取出絕緣子的邊緣信息。

（3）改良后的Sobel算法提取到的圖像清晰，不但邊界定位精確，而且連續性也非常好，對比以往的Sobel算子，能提取到更加完整的邊緣信息。

（4）基于形態學邊緣檢測算法提取的絕緣子圖像邊緣為單一像素，且較為精細，可以看出絕緣子圖像的邊緣信息顯著升高，對圖像質量有了進一步提升。