暗通道先驗理論在圖像分割技術中的應用

劉明旭，王恩惠，劉新建，房凱，周軍

（華能辛店發電有限公司，山東淄博 255414)

圖像分割是利用各種算法，將目標個體從原始圖像中逐個分離的圖像處理技術，在許多計算機視覺的應用中起到了預處理作用。目前圖像分割的方法有基于深度學習、基于特征值提取、基于像素聚類、基于分水嶺變換的閾值法等多種算法[1-9]。其中閾值法是比較經典的一種算法，但是該算法容易被其他因素所干擾，導致分割效果變差，需要引入其他方法進行輔助，如分水嶺變換可以將局部難以分離的個體進行分割。本文先后進行灰度處理、二值化、腐蝕、分水嶺變換等手段，再加以暗通道預處理圖像，將圖像分割為不同的區域，使得物體之間個體分離，方便后續進行分區操作或者數量和形態上統計。閾值法計算簡單，運算效率高，分水嶺算法與暗通道理論可以大幅度地改善閾值法的精度問題，該方法適用于需要大量圖像處理的場合，能夠高效地運算。

圖像分割技術在計算機視覺中有許多應用，例如醫學上對于細胞和器官的識別、農學上對于種子或者苗木的識別、工業上對于礦石的識別。但目前研究對象的拍攝環境大多過于理想化，并且沒有涉及會反光的研究對象，有些研究更加注重原理，側重相鄰物體的分割，直接在純白色的背景下拍攝，進行下一步的實驗，很少有考慮到因陽光反射、拍攝角度的原因導致圖像色彩不均，尤其是在露天場合下拍攝的大范圍照片，圖像兩端的光照情況差異十分嚴重。為了解決這種問題，本文嘗試使用暗通道先驗理論處理圖片，使后續分割圖像時能夠正確地二值化。

HE K M等通過對比、統計大量戶外無霧的圖像，發現規律，最早提出了暗通道先驗理論[10-11]。暗通道先驗理論具有顯著的去霧效果，成為目前最主流的去霧算法之一[12-14]。同時該方法能起到增強圖像質量的作用，對于其他干擾因素也能起到良好的排除作用，在文獻[15-16]中，暗通道理論用于修復水下圖像，去除水中光線的吸收和散射產生的干擾，文獻[17]中，暗通道理論用于去除監控視頻中光照不均勻產生的陰影干擾。同樣，暗通道理論能用于消除光照因素的干擾，增強畫質，得到一張沒有反光干擾的圖像，此時可以用傳統的閾值法分割進行相對準確的圖像分割。

1 暗通道先驗理論

暗通道先驗論是一種圖像增強技術，可以有效地改善圖片質量，通常用于圖片去霧處理中。圖片的本質是三個顏色通道的矩陣疊放在一起，每個像素點都對應是R、G、B 三顏色的元素相疊加。而暗通道在最初的假設中，認為圖像中絕大多數非天空的畫面區域內，必定會存在一部分像素點，在至少一個顏色通道內的值非常低，通常會趨近于0。也就是說暗通道圖像本質是每個在三個顏色通道內取最小值組成的灰度圖，在無霧情況下，區域內接近于黑色，而在有霧的部分，圖像會呈現出灰色甚至偏白。基于這個特性，可以通過暗通道圖反推出無霧干擾的清晰圖像。

實際上，暗通道反應的是局部區域內色彩的最小值，這同樣適用于物體陰影、反光等現象，此時暗通道發白的區域為反光嚴重的區域，暗通道的作用就是消除這些干擾對圖片的影響，調整圖片的局部色差，已達到增強圖片質量的目的。

暗通道的定義為當前彩色圖像局部領域中最小的數值，其公式為：

在計算機做圖形處理時，可以將有霧遮擋的圖片描述為：

其中，I(x)為有霧圖像，是沒有經過處理的原始圖像，J(x)為無霧的圖像，是去霧算法最終所得的圖像，t(x)表示大氣透射率，A表示霧值大小，而在反光的場景下，則可以將其理解成反光程度。

公式(2)兩端同時除以A，并進行兩次求最小值的運算可以得到

又因為公式(1) 中Jdark可以被認為是趨近于0 的數，故而通過公式(3)可以得到透射率：

則處理后的圖像公式表達為：

式中，t0是透射率的一個下限，防止透射率取值過小，使得去霧作用無下限地追求平均，將圖片中顏色均勻而又過分地變淡，導致畫面整體偏白，影響后續的二值化處理。

2 暗通道理論在圖像分割技術中的應用

傳統的閾值法圖像分割技術一般先進行灰度處理、二值化，在圖像做二值化時，有時并不理想。圖片被霧氣或者反光等因素干擾，使得圖像一側的色值明顯高于另一側，又或者使得某些區域的物體色值與另一些區域的背景色值相同，導致二值化時將某些因光、霧干擾而變弱的物體當作背景處理。

在傳統的閾值法圖像分割技術的基礎上，二值化之前先進行暗通道處理，并加以分水嶺算法分割難以分離的個體，改善分割效果，具體步驟如下：

1)暗通道先驗理論處理圖像。增強圖像質量，得到沒有光、霧干擾的圖像，具體處理方式如上文描述。

2)灰度處理。將R、G、B三顏色通道轉化成一個，即每個像素點都為0～255元素的矩陣，此時圖像為呈灰色的灰度圖。

3)平滑濾波處理。使得灰度圖更加平滑，此操作會忽略個體形態、色彩上細微的差異點，使得二值化后的圖像更加規整，從源頭減少噪點。缺少這一步會使得個體邊緣粗糙，使得圖片上個體差異影響分割結果，導致在分水嶺進行變化時，會因為識別多個極小值，引起分水嶺算法的過度分割。

4)二值化處理。將灰度圖以一定的閾值劃分為0、255 兩類像素點，本文中使用的方法為最大類間方差法，此方法可以自適應地選取合適的閾值。

5)圖像形態學處理。包括腐蝕、開運算、閉運算，腐蝕是指黑色區域腐蝕白色，使得個體與個體之間的縫隙加大，目的是初步將個體之間相互分開；而開運算和閉運算是為了消除小噪聲點，使得物體區粗糙的域邊界變得光滑。

6)分水嶺變換。分水嶺變換是基于地理形態的圖像分析法，原理是將圖像灰度圖比作地形圖，每個像素點的灰度值比作該地點的海拔高度，故而灰度值在局部區域的極小值為山谷、盆地。

分水嶺算法模擬的是向山谷中灌水的行為，當水位上漲時，兩個相鄰山谷中的水會在山脊處匯合，此時將匯合處山脊的這條曲線稱之為分水嶺。經過之前的平滑濾波處理，可以認為此時每個個體中有且僅有一個極小值點，也就是每個個體都可以形成一個可以灌水的山谷。分水嶺可以明確地劃分兩個相鄰個體的邊界，從而分割相鄰甚至堆疊的個體，該算法可以精確地分割排列相對密集局部區域內的個體，從而彌補之前步驟中難以分離的個體無法區分的現象。

3 實驗驗證

為了驗證加入暗通道先驗是否對圖像分割的效果有所優化，本文選取易于反光的光伏板作為研究對象。光伏板因為表面具有一定的反光性，且一般情況下光伏板需要連接成片使用，十分容易發生大規模且不可避免的反光現象，是一種十分典型的反光材料。在成規模的光伏項目中，無論是統計數量，還是檢測每一片組件表面的灰塵情況都不是容易的事情，因此，通過航拍技術，分析處理得到的照片，對于光伏場站的管理是很有必要的。為此使用MATLAB，編寫一段檢測光伏組件數量和位置的程序，觀察暗通道先驗能否克服物體反光，得到正確的組件數量，并將每一片組件所在區域單獨畫出。若計數所得數目與實際相符，則可以證明該算法分割的準確性。并且進行對比實驗，一組直接使用傳統的閾值法分割圖像，一種使用暗通道-閾值法進行圖像分割，比較兩組的結果圖，觀察加入暗通道理論對分割效果產生的影響。

圖1 原始圖像及其局部放大圖

圖1 為某設施頂部的光伏發電項目航拍圖，通過原始圖像，可以看出，由于反光作用，左右兩端的組件有明顯的色差。經查看，左側組件之間的縫隙顏色要深于右側組件的本體，即左邊縫隙之間的灰度值要高于右邊組件本體的灰度值，如此在直接二值化的過程中，不可能找到一個合適的閾值滿足要求。

圖2 暗通道圖

圖3 增強質量的灰度圖

如圖2 所示，暗通道圖能夠正確地反映圖片各個位置的反光程度，暗通道呈白的位置表示反光嚴重，經多次的嘗試，發現暗通道圖均符合這一規律，如此可以明確判斷暗通道先驗理論不但適用于去霧，同樣可以反映反光程度。

經過暗通道處理、灰度處理、平滑濾波處理的圖像已經基本去除了干擾因素，已具備條件，可以像無反光的普通材料一樣進行后續的分割處理。本測試目的為統計組件的準確數量，為此盡量加大腐蝕力度，使得二值化圖像組件之間的界限分明。

圖4 未加暗通道處理的分割結果圖

圖5 加入暗通道處理的分割結果圖

如圖4、圖5所示，分別為暗通道先驗加入前后的分割結果圖，可以看出分割效果得以明顯改善。在加入暗通道處理前，右端組件因反光問題，根本無法正常顯現，其中左端的縫隙無法識別，導致組件黏連在一起，而右端的組件因二值化時低于閾值而被當作背景去掉。而使用暗通道做預處理的分割效果達到預期，左端個別粘連在一起的個體也在分水嶺算法的作用下劃分開，從而使得結果圖“粒粒分明”、清晰可見。

圖6 光伏組件計數程序（局部）

如圖6 所示，為光伏組件計數程序結果局部區域的展示，該程序是一種圖像分割的簡單應用。程序結果顯示原始圖片范圍內共有1 054 個單體矩形區域，即527個光伏組件（圖中兩個相鄰小矩形為一整塊光伏板，完整圖像中左下角少一塊光伏板），與實際數量相同，由此可見此方法的準確度高。

4 結論與展望

本文將暗通道先驗理論引入圖像分割技術中，通過實驗證明暗通道能夠消除光、霧干擾對分割圖片的影響，并且后續的分割操作中，圖像形態學處理能夠很好地規整區域范圍，消除噪點；分水嶺變換能夠在其基礎上精準地分割粘連在一起的個體。通過對比，發現使用暗通道先驗論對分割效果有著顯著的提升。隨后使用此算法進行簡單應用，統計圖片中物體的數量，效果良好，充分證明該算法合理可靠。

對于本文的光伏組件分割識別，用于計數統計，后期還可以通過深度學習，訓練神經網絡，以此來判斷每一塊光伏組件上的灰塵、雜物狀況，以方便針對性地清洗某一區域內的組件，或者可以配備自動清洗裝置，實現遠程檢測、自動清洗，可以在減少人員巡視工作量的同時，及時清洗光伏板以提高發電效率。