一种基于图像处理的水质监控方法与流程

本发明属于水质监控技术领域，具体涉及一种基于图像处理的水质监控方法的设计。

背景技术：

目前，常用的对某段河流/河道的水质监控方法，主要是针对水温、流量、透明度以及诸如氨氮、总磷等化学指标进行采集分析，并针对分析结果提供变化过程曲线，再施以柱状图、饼图、列表等多种方式进行数据展现。但该种方式需要拥有长久的数据作为基础，并辅以相应的判定指标才能完成，并且监控方向重点在于对微观粒子的检测，对于江、湖、河面的明显漂浮物和水体颜色等明显变化却有所忽略，无法做到在水质发生变化时及时通知相关人员。

技术实现要素：

本发明的目的是提出一种基于图像处理的水质监控方法，借助于图像处理技术，对水质表象上的变化实现监控和警示。

本发明的技术方案为：一种基于图像处理的水质监控方法，包括以下步骤：

s1、每间隔时间t对需要监控的水体进行图像采集，得到原始水体图像，并将其存储于分布式数据库中。

s2、对分布式数据库中存储的原始水体图像进行漂浮物识别，得到水体中的漂浮物数量。

s3、对分布式数据库中存储的原始水体图像进行水体颜色识别，得到原始水体图像和正常水体图像的rgb差值百分比。

s4、结合web前端可视化技术以及在线地图服务技术，在终端构建可视化人机交互界面。

s5、根据步骤s2得到的漂浮物数量和步骤s3得到的rgb差值百分比判断水体是否出现异常，若是则进入步骤s6，否则进入步骤s7。

s6、将原始水体图像中出现异常的区域进行标签标记，得到标记水体图像，并在可视化人机交互界面进行显示，结束监控流程。

s7、将原始水体图像在可视化人机交互界面进行显示，结束监控流程。

进一步地，步骤s1中的分布式数据库为mongodb数据库。

进一步地，步骤s2包括以下分步骤：

s21、对原始水体图像进行图像分割处理，去除原始水体图像中与水体无关的信息，保留与水体有关的信息，得到分割后图像。

s22、对分割后图像进行灰度处理，将彩色的水体图像处理为灰度图像格式，得到水体灰度图像。

s23、采用边缘检测算法对水体灰度图像中的漂浮物进行识别，得到水体中的漂浮物数量。

进一步地，步骤s23具体为：

计算水体灰度图像中每个像素点的梯度方向角，计算公式为：

其中a表示梯度方向角，gx和gy分别表示经横向和纵向边缘检测的图像矩阵，且：

a表示原始水体灰度图像；

将梯度方向角的极值所在像素点作为边缘像素点，构成边缘轮廓框，检测边缘轮廓框的数量，即为水体中的漂浮物数量。

进一步地，步骤s3包括以下分步骤：

s31、分别读取原始水体图像和等大小的正常水体图像中每个像素点的rgb值，并转化为16进制数据，存入到以图像宽*高为大小的两个数组中。

s32、对两个数组中相同位置的数据进行比较，若两个数据相同则计数为0，否则计数为1。

s33、统计计数为1的个数，并除以图像总的像素点个数，再乘以100％，得到原始水体图像和正常水体图像的rgb差值百分比。

进一步地，步骤s5中判断水体是否出现异常的具体方法为：

分别设置漂浮物数量阈值以及rgb差值百分比阈值，当步骤s2得到的漂浮物数量达到漂浮物数量阈值或步骤s3得到的rgb差值百分比达到rgb差值百分比阈值时，则判定水体出现异常。

本发明的有益效果是：本发明主要通过时空数据和地理制图相结合的方式来展现水体变化状态。本发明通过图像处理及可视化技术的处理，实现对水体中漂浮物以及水体颜色的监控，可对水体的明显变化或渐变做出应急响应，并对水体的变换状况进行时间上的展现。本发明有效实现了对水体的监控，便于相关人员及时掌握水体的空间状态，并针对水体状态的变化及时地制定策略。

附图说明

图1所示为本发明实施例提供的一种基于图像处理的水质监控方法流程图。

具体实施方式

现在将参考附图来详细描述本发明的示例性实施方式。应当理解，附图中示出和描述的实施方式仅仅是示例性的，意在阐释本发明的原理和精神，而并非限制本发明的范围。

本发明实施例提供了一种基于图像处理的水质监控方法，如图1所示，包括以下步骤：

s1、每间隔时间t对需要监控的水体进行图像采集，得到原始水体图像，并将其存储于分布式数据库中。

本发明实施例中，分布式数据库采用mongodb数据库。

时间间隔t以需要监控的水体区域的水流情况具体分析，需要考虑水流流速和潜在污染区域等因素，本发明实施例中，时间间隔t设置为0.5小时。

s2、对分布式数据库中存储的原始水体图像进行漂浮物识别，得到水体中的漂浮物数量。

步骤s2包括以下分步骤：

s21、对原始水体图像进行图像分割处理，去除原始水体图像中与水体无关的信息，保留与水体有关的信息，得到分割后图像。

本发明实施例中，采用区域分割技术对对原始水体图像进行图像分割处理。

s22、对分割后图像进行灰度处理，将彩色的水体图像处理为灰度图像格式，得到水体灰度图像。

本发明实施例中，对分割后图像进行灰度处理的具体方法可以根据实际需要进行选择，例如最大值法(maximum)、平均值法(average)、加权平均值法(weightedaverage)等。

s23、采用边缘检测算法对水体灰度图像中的漂浮物进行识别，得到水体中的漂浮物数量。

边缘检测算法的基本原理是根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。图像的边缘检测处理可以简单理解为提取图像中区域的轮廓。图像中区域的划分以像素灰度为依据，每个区域中的像素灰度大致相同，而区域之间的边界就称为边缘，寻找这些边缘就是图像边缘检测的目的。

本发明实施例中采用基于sobel算子的边缘检测算法对水体灰度图像中的漂浮物进行识别，通过寻找图像一阶导数中的最大值和最小值来检测边界，通常将边界定位在梯度最大的方向。

首先计算水体灰度图像中每个像素点的梯度方向角，计算公式为：

其中a表示梯度方向角，gx和gy分别表示经横向和纵向边缘检测的图像矩阵，且：

其中a表示原始水体灰度图像，和为sobel卷积因子。

将梯度方向角的极值所在像素点作为边缘像素点，构成边缘轮廓框，检测边缘轮廓框的数量，即为水体中的漂浮物数量。

s3、对分布式数据库中存储的原始水体图像进行水体颜色识别，得到原始水体图像和正常水体图像的rgb差值百分比。

步骤s3包括以下分步骤：

s31、分别读取原始水体图像和等大小的正常水体图像中每个像素点的rgb值，并转化为16进制数据，存入到以图像宽*高为大小的两个数组中。

s32、对两个数组中相同位置的数据进行比较，若两个数据相同则计数为0，否则计数为1。

s33、统计计数为1的个数，并除以图像总的像素点个数(即图像宽*高的数值)，再乘以100％，得到原始水体图像和正常水体图像的rgb差值百分比。

s4、结合web前端可视化技术以及在线地图服务技术，在终端构建可视化人机交互界面。

s5、根据步骤s2得到的漂浮物数量和步骤s3得到的rgb差值百分比判断水体是否出现异常，若是则进入步骤s6，否则进入步骤s7。

判断水体是否出现异常的具体方法为：

分别设置漂浮物数量阈值以及rgb差值百分比阈值，当步骤s2得到的漂浮物数量达到漂浮物数量阈值或步骤s3得到的rgb差值百分比达到rgb差值百分比阈值时，则判定水体出现异常。

本发明实施例中，漂浮物数量阈值设置为1，即一旦检测到水体中存在漂浮物，即判定水体出现异常，rgb差值百分比阈值设置为10％。

s6、将原始水体图像中出现异常的区域进行标签标记，得到标记水体图像，并在可视化人机交互界面进行显示，结束监控流程。

s7、将原始水体图像在可视化人机交互界面进行显示，结束监控流程。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。