CN108470338B - 一种水位监测方法 - Google Patents
一种水位监测方法 Download PDFInfo
- Publication number
- CN108470338B CN108470338B CN201810145473.9A CN201810145473A CN108470338B CN 108470338 B CN108470338 B CN 108470338B CN 201810145473 A CN201810145473 A CN 201810145473A CN 108470338 B CN108470338 B CN 108470338B
- Authority
- CN
- China
- Prior art keywords
- image
- water surface
- mark post
- water
- water level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种水位监测方法,解决了现有技术水位监测方法易受光线影响、水位监测误差较大的技术问题。本发明先首先采集标杆和水面图像,接着利用标杆亮度变化小而水面因波纹不断变化导致亮度不断变化的特点,通过图像处理技术对拍摄到的时间相近的两幅图像读取灰度值,并进行差分运算,然后对图像中水面附近绘制差分灰度均值方差值与坐标的关系图,利用阈值分割算法得到灰度均值方差突变时对应的坐标即为水面坐标,并结合统计方法对水面坐标进行平滑处理,最后结合标杆实际长度和图像坐标的映射关系计算出水位深度。本发明能够准确判断出水平面的位置并实时监测出水深,具有很好的鲁棒性和实时性。
Description
技术领域
本发明涉及一种水位监测方法,属于图像处理技术领域。
背景技术
传统的水位监测方法,主要是在水中设置一个具有一定刻度的标杆,通过使用摄像机对水面进行拍摄获得水面与标杆图像,由人眼对拍摄得到的图像进行观察,根据标杆上的刻度读出当前的水位值,从而达到对水位监测的目的。但由于存在光线、气候等自然环境因素,导致拍摄得到的图像的分辨率受到一定的影响,尤其是在逆光情形下,人眼几乎无法分辨出水位和标杆上的刻度线,因此该传统方法受环境因素影响误差较大。
随着计算机视觉和图像处理技术的飞速发展,利用计算机视觉技术,可以高效地对摄像机拍摄到的图像进行处理和分析,并得到所需要的数据,从而实现对水位的实时监测。
在使用传统的技术方案对水位进行监测时,对摄像机拍摄得到的图像,需要人眼来观察并确定水面的具***置,并与水中标杆上的刻度进行比对,从而得出水位的具体信息。但由于光线和水面波纹等因素的影响,使得人眼不能准确分辨水面位置和标杆上的刻度甚至影响水位的判断,从而导致难以达到水位监测的目的。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种水位监测方法,解决现有技术水位监测易受光线影响、水位监测误差大的技术问题。
为解决上述技术问题,本发明所采用的技术方案是:一种水位监测方法,包括如下步骤:
步骤A、将带有长度刻度的标杆固定于待测水位区域,连续采集多幅标杆与水面所在区域的图像;
步骤B、对标杆与水面图像进行灰度转换,并对其中两幅图像的灰度值进行差分运算,得到差分灰度图像;
步骤C、保留标杆的纵向图像对差分灰度图像进行截取,按行求取截取后差分灰度图像中灰度值的均值与方差,并绘制出标杆与水面所在区域均值与方差之积关于图像纵坐标的关系图;
步骤D、利用阈值分割算法找出第一次发生突变时对应的纵坐标,即为水面纵坐标;
步骤E、结合实际标杆长度与图像坐标的映射关系以及水面纵坐标计算水面以上标杆刻度的实际长度,用标杆刻度长度减去水面以上标杆刻度的实际长度,得到当前水位值。
作为本发明的进一步优化方案,对标杆和水面进行图像采集时应当使标杆同一刻度线上各点位置纵坐标相同。
作为本发明的进一步优化方案,步骤B中灰度转换时需提取标杆与水面交界处图像,分辨标杆与水面交界处的具体方法为:
利用图像中标杆灰度值不变而水面灰度值不断变化的特点来分辨标杆与水面交界处。
作为本发明的进一步优化方案,进行差分运算的两幅图像拍摄时间间隔小于30秒。
作为本发明的进一步优化方案,对于步骤B得到的差分灰度图像还需要进行归一化处理,使差分灰度图像的灰度值处于0~255之间。
作为本发明的进一步优化方案,对于步骤C绘制出的关系图需进行滤波处理后再用于步骤D中的阈值分割计算。
作为本发明的进一步优化方案,对于步骤D得到的水面纵坐标还需进行数据平滑处理,将平滑处理得到的水面纵坐标用于下一步运算,数据平滑处理的具体方法如下:
从连续采集的多幅标杆与水面所在区域的图像中选取数幅图像,分别两两进行步骤B至步骤D的运算处理,得到多个水面纵坐标,对所有的水面纵坐标进行统计平滑处理。
与现有技术相比,本发明所达到的有益效果是:利用图像中标杆和水面波纹亮度变化不同的特点,采用灰度差分监测方法来确定水面的具***置,利用最大类间方差法来设置阈值得到水位的坐标值,采用统计方法滤除其中的异常值,结合实际长度和图像坐标的映射关系得到水深数值,克服了传统方法易受光线、气候等自然条件因素影响和误差较大的缺点,很好的解决了水位监测问题,能够做到在实时监测出准确的水位,具有很好的鲁棒性和实时性。
附图说明
图1是本发明的流程图;
图2是本发明实施例中水位监测示意图;
图3是本发明实施例中差分灰度图像的均值方差与纵坐标关系图。
具体实施方式
本发明结合传统的在水中设置标杆的方法,使用摄像机来对水面和标杆进行拍摄,在得到的图像中,标杆的亮度基本不变,而水面由于波纹的变化导致其在图像中亮度也在不断变化,这反映在计算机视觉中就是像素值的变化。根据这一现象,利用计算机视觉技术,获取拍摄到的图像的像素值,并转化为灰度值,对时间相近的两幅图像的灰度值进行差分运算,得到灰度差分图像。由于摄像机和标杆的位置固定,因此图像中变化的只有水位,在灰度差分图像中对标杆和水面附近一定范围内的灰度值进行均值和方差的计算,得到不同坐标对应的差分灰度值。然后利用阈值分割方法即最大类间方差法找出灰度值突变时对应的坐标位置,即为当前的水位坐标。为了滤除个别异常值的影响,采用统计方法,对时间相差较近的数幅图像两两进行差分运算,对得到的一系列水位坐标进行统计处理,得到准确的水位坐标信息。最后结合实际标杆与图像中坐标的映射关系,即可计算得出当前的具体水位值即水深。
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,是本发明的流程图,包括如下步骤:
步骤一、在待测河流区域固定一根测量标杆,如图2所示,标杆上的长度刻度便于计算实际长度与图像中坐标的映射关系,而非直接读取刻度。在岸边适当位置正对着标杆设置摄像机,使摄像机拍摄到的图像中标杆的刻度线保持水平,通过摄像机实时采集标杆与水平面所在区域的实时图像。
假设标杆上两刻度线刻度为a和b(a>b),在摄像机拍摄的图像中竖直对应的纵坐标为y1、y2(y1<y2图像中坐标值从上往下递增),则标杆长度与图像坐标的映射关系k为:
步骤二、利用计算机视觉和图像处理技术,读取两张摄像机拍摄到的时间差较小的图像。由于时间差小于30秒,可以认为水位没有变化,只是水面波纹的变化导致图像的变化。
步骤三、由于图像中标杆和水面的亮度变化在计算机视觉中只反映为灰度值的变化,故将采集到的图像进行灰度化处理,转换成灰度图像。
步骤四、将步骤三得到的两张灰度图像进行差分运算,并进行灰度值的归一化处理,范围为0-255,得到的归一化的差分灰度图像。
步骤五、由于摄像机和标杆位置固定,因此图像中变化的只有水平面。在差分灰度图像中标注出标杆的大致位置,得到标杆的宽度坐标为x3、x4(x3<x4)。
步骤六、对差分灰度图像按行求灰度值的均值和方差,其中行的宽度为x4-x3,并画出标杆与水面所在区域均值方差之积关于图像纵坐标的关系图,如图3所示.
步骤七、对图3中的均值图像进行滤波,去除噪声的影响。利用阈值分割算法即最大类间方差法,找出图3中第一次突变时对应的纵坐标为yw,即为图像中水面纵坐标。
最大类间方差法原理如下:
最大类间方差法主要认为图像可以划分为背景和目标两个部分,其划分依据为选取一定的阈值,使得背景和目标之间的灰度值的方差最大。背景和目标之间的类间方差的大小表明背景和目标的相似度,方差越大,说明这两部分的差别就越大。当部分目标或者背景被错划分为背景或目标时,其类间方差都会变小。因此,类间方差取到最大值时对应的灰度值,即可作为图像分割的阈值,也意味着背景和目标的错分概率最小。
(1)建立图像的灰度直方图,假设图像共有L个灰度级,且每个灰度值i出现的个数为ni,概率为pi,灰度总个数为N,则
(2)计算背景和目标的出现概率,计算方法如下:
其中,假设t为所选定的灰度阈值,A代表背景,则pA为背景出现的概率,同理B为目标,pB为目标出现的概率。
(3)分别计算背景A和目标B的两个区域的类间方差:
σ2=pA(ωA-ω0)2+pB(ωB-ω0)2 (9)
其中,ωA和ωB分别为背景和目标区域的平均灰度值;
ω0为灰度图像的全局灰度平均值;
σ2为背景A和目标B的两个区域的类间方差。
(4)以上三步骤仅仅计算出了对于单个灰度值上的类间方差,因此最佳阈值应为图像中能够使得背景A与目标B的类间方差取得最大值的灰度值。
步骤八、为保证结果的准确性,每次采集到一个新的图像时,对包括当前采集图像之前的连续11幅图像分别两两进行上述处理,得到100个水面坐标,进行从小到大排序后分别为yd1、yd2…yd99、yd100。舍去其中较大和较小的20个数值,对中间剩下的60个数值yd21、yd22…yd79、yd80进行均值处理,得到的均值坐标作为当前时刻的水面纵坐标,并替代上一步中得到的yw。
步骤九、结合第一步中求得的标杆长度与图像长度的映射关系,可以计算得出实际水面以上到标杆刻度a之间的长度L为:
L=k·(yw-y1) (10)
由此可得水深H为
即为当前时刻的水深数值。
本发明利用图像中标杆和水面波纹亮度变化不同的特点,采用灰度差分监测方法来确定水面的具***置,利用最大类间方差法来设置阈值得到水位的坐标值,采用统计方法滤除其中的异常值,结合实际长度和图像坐标的映射关系得到水深数值,克服了传统水位监测方法易受光线、气候等自然条件因素影响和误差较大的缺点,很好的解决了水位监测问题,能够做到在实时监测出准确的水位,具有很好的鲁棒性和实时性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种水位监测方法,其特征在于,包括如下步骤:
步骤A、将带有长度刻度的标杆固定于待测水位区域,连续采集多幅标杆与水面所在区域的图像;
步骤B、对标杆与水面图像进行灰度转换,并对其中两幅图像的灰度值进行差分运算,得到差分灰度图像;
步骤C、保留标杆的纵向图像对差分灰度图像进行截取,按行求取截取后差分灰度图像中灰度值的均值与方差,并绘制出标杆与水面所在区域均值与方差之积关于图像纵坐标的关系图;
步骤D、利用阈值分割算法找出第一次发生突变时对应的纵坐标,即为水面纵坐标;
步骤E、结合实际标杆长度与图像坐标的映射关系以及水面纵坐标计算水面以上标杆刻度的实际长度,用标杆刻度长度减去水面以上标杆刻度的实际长度,得到当前水位值。
2.根据权利要求1所述的水位监测方法,其特征在于,对标杆和水面进行图像采集时应当使标杆同一刻度线上各点位置纵坐标相同。
3.根据权利要求1所述的水位监测方法,其特征在于,步骤B中灰度转换时需提取标杆与水面交界处图像,分辨标杆与水面交界处的具体方法为:
利用图像中标杆灰度值不变而水面灰度值不断变化的特点来分辨标杆与水面交界处。
4.根据权利要求1所述的水位监测方法,其特征在于,进行差分运算的两幅图像拍摄时间间隔小于30秒。
5.根据权利要求1所述的水位监测方法,其特征在于,对于步骤B得到的差分灰度图像还需要进行归一化处理,使差分灰度图像的灰度值处于0~255之间。
6.根据权利要求1所述的水位监测方法,其特征在于,对于步骤C绘制出的关系图需进行滤波处理后再用于步骤D中的阈值分割计算。
7.根据权利要求1所述的水位监测方法,其特征在于,对于步骤D得到的水面纵坐标还需进行数据平滑处理,将平滑处理得到的水面纵坐标用于下一步运算,数据平滑处理的具体方法如下:
从连续采集的多幅标杆与水面所在区域的图像中选取数幅图像,分别两两进行步骤B至步骤D的运算处理,得到多个水面纵坐标,对所有的水面纵坐标进行统计平滑处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810145473.9A CN108470338B (zh) | 2018-02-12 | 2018-02-12 | 一种水位监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810145473.9A CN108470338B (zh) | 2018-02-12 | 2018-02-12 | 一种水位监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470338A CN108470338A (zh) | 2018-08-31 |
CN108470338B true CN108470338B (zh) | 2019-09-20 |
Family
ID=63266559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810145473.9A Active CN108470338B (zh) | 2018-02-12 | 2018-02-12 | 一种水位监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470338B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815865B (zh) * | 2019-01-11 | 2021-11-16 | 江河瑞通(北京)技术有限公司 | 一种基于虚拟水尺的水位识别方法及*** |
CN110443243B (zh) * | 2019-08-07 | 2022-06-07 | 浙江大华技术股份有限公司 | 水位监测方法、存储介质、网络设备和水位监测*** |
CN111721361A (zh) * | 2020-06-29 | 2020-09-29 | 杭州鲁尔物联科技有限公司 | 一种堤防监测***、方法及设备 |
CN113191331A (zh) * | 2021-05-27 | 2021-07-30 | 中国原子能科学研究院 | 脉冲萃取柱中空气脉冲条件实时监测装置及其方法 |
CN113243329B (zh) * | 2021-07-01 | 2021-09-24 | 青岛明赫渔业工程科技有限责任公司 | 一种基于物联网的智能化养殖*** |
CN115345854B (zh) * | 2022-08-16 | 2023-04-18 | 中国水利水电科学研究院 | 一种基于多区域搜索的水位识别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364263A (zh) * | 2008-09-28 | 2009-02-11 | 腾讯科技(深圳)有限公司 | 对图像进行皮肤纹理检测的方法及*** |
CN101976441B (zh) * | 2010-11-09 | 2012-07-18 | 东华大学 | 一种用于表征织物纹理的Sobel算子滤波概貌与分形细节混合特征向量提取方法 |
CN102589461A (zh) * | 2012-01-17 | 2012-07-18 | 华中科技大学 | 一种基于图像的积雪深度测量方法 |
CN103487104B (zh) * | 2013-07-03 | 2016-06-15 | 青岛大学 | 一种细管液面式数据的图像采集识别***及方法 |
CN106803070A (zh) * | 2016-12-29 | 2017-06-06 | 北京理工雷科电子信息技术有限公司 | 一种基于遥感图像的港口区域舰船目标变化检测方法 |
CN107131925A (zh) * | 2017-04-28 | 2017-09-05 | 南京邮电大学 | 一种基于图像处理的水位实时监测方法 |
CN107036672B (zh) * | 2017-06-02 | 2020-02-18 | 中国水利水电科学研究院 | 一种水位监测方法和装置 |
CN107506798B (zh) * | 2017-08-31 | 2020-07-10 | 四创科技有限公司 | 一种基于图像识别的水位监测方法 |
-
2018
- 2018-02-12 CN CN201810145473.9A patent/CN108470338B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108470338A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470338B (zh) | 一种水位监测方法 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN110853015A (zh) | 基于改进Faster-RCNN的铝型材缺陷检测方法 | |
CN109242870A (zh) | 一种基于图像划分和纹理特征的海天线检测方法 | |
CN107358627B (zh) | 基于Kinect相机的果实尺寸检测方法 | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN109580630A (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN107392929A (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及*** | |
CN109211198A (zh) | 一种基于三目视觉的智能目标检测和测量***及方法 | |
CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理*** | |
CN109813725A (zh) | 一种大尺寸胶水缺陷检测方法 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测*** | |
CN110096980A (zh) | 字符检测识别*** | |
CN110533686A (zh) | 线阵相机行频与物体运动速度是否匹配的判断方法及*** | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN109886170A (zh) | 一种钉螺智能检测识别与统计*** | |
CN109409290A (zh) | 一种温度表检定读数自动识别***及方法 | |
CN109410139A (zh) | 一种文物内部和表面病害数字化分析评估方法 | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN112801141B (zh) | 基于模板匹配和孪生神经网络优化的异源图像匹配方法 | |
CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、***及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |