玻璃绝缘子质量检测中的图像增强方法研究

孙 悦，吴洪潭，石成龙

（中国计量学院 质量与安全工程学院，浙江 杭州310018）

玻璃绝缘子是架空输电线路的重要组成部分，它的性能优劣直接影响到整条输电线路的运行安全［1］.在其生产制造过程中，由于生产工艺、环境温度等因素，会产生气泡、裂缝等缺陷.这些缺陷将严重影响其使用性能，形成安全隐患.因此必须对其进行质量检测，以保证玻璃绝缘子的质量，提高电力系统运行的可靠性.

目前，国内外主要使用人工肉眼的传统检测方法对玻璃绝缘子进行质量检测.人工肉眼检测易受检测人员的视角、视场、熟练度等因素影响，易造成玻璃绝缘子缺陷的漏检、错检.随着现代生产技术的发展，此种检测方法已经难以适应自动化生产的需要.而计算机视觉技术具有自动化、可连续检测、精确度高等特点，将其应用于玻璃绝缘子质量检测领域，对实现绝缘子自动化检测具有重要意义.

图像质量的优劣是影响检测准确性的关键因素.由于玻璃绝缘子结构复杂，其多层环形凹槽的结构会引起光线折射、反射作用，导致所采集图像中包含大量光折射环带.光折射环带是图像的暗部，气泡或裂缝缺陷常位于其中，被其掩盖而轮廓模糊，不易识别.若直接进行图像分割，可能导致缺陷信息丢失或将背景误判为缺陷，所以有必要在图像分割前对原图像进行图像增强处理.

图像增强是为了突出缺陷信息，扩大缺陷和背景的特征差别，以便于缺陷识别.它分为：基于空间域和基于频率域的两种方法.空域增强是直接对每一像素的灰度值进行处理；频域增强是将原图像先进行傅里叶变换，从空间域变换到频域，然后再选择合适的滤波器函数，对图像在频域内进行滤波，最后进行傅里叶反变换，得到增强后的图像.

1 绝缘子图像特征分析

1.1 绝缘子图像空域特征

图1 玻璃绝缘子缺陷图像Figure 1 Glass insulator defect image

以图1为例，图1（a）是带有气泡缺陷的玻璃绝缘子图像，图1（b）是带有裂缝缺陷的玻璃绝缘子图像，图1（c）是气泡缺陷图像，图1（d）是裂缝缺陷图像.

通过对图1观察分析，得出玻璃绝缘子图像空域特征如下：

1）背景纹理具有方向性，以一组同心圆弧方式排列.

2）背景中的同心圆弧明暗交替出现，灰度值在玻璃绝缘子半径方向上变化剧烈.

3）气泡缺陷与背景中圆弧的暗带交叠，不易辨别其形状；裂缝缺陷随机分布，且较为细微.

1.2 图像特征形成原因分析

背景中的圆弧暗带是绝缘子环状凹槽使照明光线发生折射所致.气泡常分布在两层凹槽间隔处，或一部分在凹槽处一部分在凹槽间隔处，所以气泡易于和暗带融为一体，不易从背景中分离；裂缝分布无明显规律性，但大多裂缝较为细微，裂缝的灰度值与背景灰度值反差不明显.

图像背景中同心圆弧状的明暗条纹对缺陷识别有很大影响，但通过调整生产工艺和绝缘子本身结构的方法抑制图像背景不易实现，所以提出采用频域滤波的方式实现背景抑制.

2 基于频域分析的背景抑制和缺陷增强

2.1 利用同态滤波实现气泡的图像增强

同态滤波的主要作用是消除图像照明不均，增强暗区图像细节，同时不损失亮区图像细节.其方法是将图像分解为照射分量i（x，y）和反射分量r（x，y），认为图像的灰度是由照射分量i（x，y）和反射分量r（x，y）相乘得到的，其成像模型可表示为：f（x，y）＝i（x，y）·r（x，y）［3］.

照射分量在空间上变化缓慢，其频谱处于低频区域；反射分量反映图像的细节，其频谱处于高频区域.气泡缺陷隐藏在圆弧暗带的阴影中，处于图像的暗区，若要将气泡与圆弧暗带分离开来，需加强高频成分并减弱低频成分，以此突出图像缺陷部分的细节信息［4］.

利用高斯函数对同态滤波进行改进，并用其对绝缘子图像进行滤波处理.同态滤波的函数可表示为［5］：其中，HL是低频分量的系数，控制入射分量，用来调整亮度，其参数值选取为0.7.HH是高频分量系数，控制反射分量，用来调整细节特征.其参数值选取为2.2［6］.该滤波器能平衡整幅图像的灰度值，使图像细节变得清晰［7］.

对于绝缘子图像，同态滤波可以降低亮、暗圆弧带间的灰度差；突出暗区细节信息；去掉遮挡气泡缺陷的阴影，使气泡完整浮现，且轮廓清晰可见.

绝缘子滤波前、后的频域图像如图2.

图2 滤波前后的频域图像Figure 2 Frequency domain images before and after filtering

从图像中得出，滤波后的图像较滤波前突出了细节，且灰度起伏降低.

同态滤波后的绝缘子图像如图3.

图3 同态滤波后的玻璃绝缘子图像Figure 3 Glass insulator image after homomorphic filtering

2.2 利用高频加强滤波实现裂缝的图像增强

裂缝有着不同于气泡的特点，主要表现为：裂缝极细，裂缝部位与周围组织的颜色反差不明显.一般的计算机视觉检测方法可能会将裂缝当作噪声干扰甚至漏检，因此导致质量检测精度偏低.高频加强滤波可将裂缝与周围组织的对比度增大，使裂缝区别于一般噪声，利于后续的缺陷识别和分类［8-10］.

高频加强滤波是在巴特沃斯型高通滤波器的基础上改进得到的.巴特沃斯高通滤波器（BHPF）的传递函数如下式［11］：

在其基础上得到的高频加强滤波器的传递函数如下：

其中，a是偏移量，b是乘数.a的值在0.25到0.5之间选取，b的值在1.5到2.0之间选取.Hhp（u，v）是高通滤波器的传递函数.

该常量乘数突出了高频部分，同时增加低频部分幅度，但是只要保证偏移量比被乘数小，即可使高频增强的影响强于低频增强的影响［12，13］.

带有裂缝缺陷的图像经高频加强滤波后，得到结果如图4.

图4 高频加强滤波后的玻璃绝缘子图像Figure 4 Glass insulator image after high frequency emphasis filtering

3 实验结果与分析

3.1 同态滤波结果与分析

图像增强是为了利于后续的图像分割操作，那么，图像分割的效果即可作为检验图像增强是否有效的判断依据.

为验证同态滤波对气泡缺陷的增强效果，选取带有气泡缺陷的绝缘子图像进行对比实验，气泡直径为3mm，气泡面积为7.065mm2.经摄像头标定，气泡在图像中的实际像素值为471.

将实验图像分为两组，一组不进行同态滤波处理，记为滤波前图像；另一组进行同态滤波处理，记为滤波后图像.再分别对滤波前后两组图像进行图像分割，得到的结果如图5.

图5 同态滤波前后图像分割对比图Figure 5 Image segmentation before and after homomorphic filtering

其中，图5（a）是未经同态滤波处理的绝缘子图像分割结果图，图5（c）是其气泡部分的细节图；图5（b）是同态滤波处理后的绝缘子图像分割后的结果图，图5（d）是其气泡部分的细节图.

从上图结果得出结论：玻璃绝缘子图像经同态滤波处理后再用Canny算子［14-15］实现图像分割，可使气泡轮廓明显区别于背景中圆弧暗带轮廓.

图像分割后对绝缘子图像进一步处理可得到气泡图像，其过程是：首先对同心弧做最小二乘拟合处理，处理结果如图6（a）.接着做去同心弧处理，处理结果如图6（b）.去同心弧处理即：对最小二乘拟合后的各同心圆弧计算圆心和半径，去除符合半径值的圆弧上的点，而仅保留明显异于半径值的点.最后用面积筛选法，将像素小于20的区域和大于1 000的区域去除，只留下气泡部分图像，处理结果如图6（c）.

图6 进一步处理图Figure 6 Further processing image

3.2 高频加强滤波结果与分析

为了检验高频加强滤波对裂缝缺陷图像增强的效果，分别对滤波前后的图像进行图像分割，所得结果如图7.

图7 高频加强滤波前后图像分割对比图Figure 7 Image segmentation before and after high frequency emphasis filtering

对比以上两幅图像得出结论：未经高频加强滤波的图像中有漏检的裂缝，且裂缝形状不完整，易被当作噪声而筛选掉；经过滤波处理的图像，裂缝轮廓清晰，裂缝缺陷准确完整的被检测出.

为了进一步说明上述两种滤波算法的有效性，选取带有气泡缺陷图片和裂缝缺陷图片各50张进行试验，统计出质量检测准确率，统计结果如表1.

表1 质量检测正确率统计表Table 1 Quality detection accuracy tab %

统计结果显示：针对气泡缺陷和裂缝缺陷采用频域滤波的方法能有效增强缺陷图像，提高玻璃绝缘子质量检测正确率.

4 结 语

将同态滤波和高频加强滤波应用在玻璃绝缘子质量检测的图像增强环节中，能有效减少光折射环带对气泡和裂缝的干扰，达到背景抑制和缺陷增强的效果，从而降低了对玻璃绝缘子质量检测设备的要求，同时使质量检测正确率显著提高.

［1］关志成.绝缘子及输变电设备外绝缘［M］.北京：清华大学出版社，2006：15-28.

［2］龚声蓉，刘纯平，王 强，等.数字图像处理与分析［M］.北京：清华大学出版社，2006：46-69.

［3］许 欣.图像增强若干理论方法与应用研究［D］.南京：南京理工大学，2010.

［4］杨永敏，樊继壮，赵 杰.强反射表面缺陷图像预处理［J］.光学精密工程，2010，18（10）：2288-2296.

［5］张新明，沈兰荪.基于小波的同态滤波器用于图像对比度增强［J］.电子学报，2001，29（4）：531-533.

［6］孙慧贤，罗飞路，张玉华.工业内窥镜图像对比度增强算法［J］.光电工程，2008，35（12）：107-111.

［7］IBRAHIM H，KONG N S P.Brightness preserving dynamic histogram equalization for image contrast enhancement［J］.IEEE Transaction Consumer Electronics，2007，53（4）：1752-1758.

［8］邹园园，葛庆平，韩 煜，等.基于频域滤波的THz图像条纹噪声处理［J］.计算机工程与应用，2009，45（17）：241-242.

［9］田宏亮，赵建军.基于高频加强滤波和HE的手背静脉图像增强［J］.山西电子技术，2010（1）：14-15.

［10］徐炜君，刘国忠.空间域和频域结合的图像增强技术及实现［J］.中国测试，2009，35（4）：52-54.

［11］RAFAEL C，RICHARD E.Woods digital image processing［M］.2ed.Beijng：Publishing House of Electronics Industry，2002：55-72.

［12］阮秋琦.数字图像处理［M］.北京：电子工业出版社，2001：30-55.

［13］WANG Y，CHEN Q，ZHANG B.Image enhancement based on equal area dualistic sub-image histogram equalization method［J］.IEEE Transaction Consumer Electronics，1999，45（1）：68-75.

［14］冯会真，夏哲雷，林志一.基于神经网络的图像边缘检测方法［J］.中国计量学院学报，2006，17（4）：37-39.

［15］WEN P，WANG X J，WEI H，Modified level set method with canny operator for image noise removal［J］.Chinese Optics Letters，2010，8（12）：1127-1130.