基于电力设备红外测温图像的增强处理方法和装置与流程

本发明涉及基于电力设备红外测温图像的增强处理方法和装置，属于红外测温图像处理领域。

背景技术：

电力设备红外测温灰度图像对电力设备故障诊断有重要的参考价值，而在红外测温灰度图像中，发热区块的温度分布信息对电力设备状态评估有重要的参考价值，其中温度分布的细节信息越丰富，对状态评估的参考价值就越大，因此，如何在红外温度分辨率一定的情况下，尽可能地在图像展示过程中，包含更多的温度分布细节信息是红外测温灰度图像处理的重点。由于电力设备红外测温中温度的分布范围一般较广，采用常规红外图像展示算法得到的伪彩色图像，其温度的分布细节展示不明显，给故障诊断造成一定的困扰。因此如何有效提高评估准确性，成为人们关注的重点。

当前，红外图像处理的一般过程是：首先由红外热像仪通过红外测温得到包含二维温度分布点阵数据的原始红外测温图谱，然后对该原始红外测温图谱中的二维温度分布点阵数据进行线性变换得到二维灰度值点阵数据，再通过图谱显示得到带有温度分布信息的红外测温灰度图像，然后通过不同的伪彩色处理算法，使用不同的颜色代替不同的灰度值，最后通过颜色的分布情况反映出温度分布情况。为了突出温度分布特征，一般都会采用图像增强算法。图像增强，是指根据特定要求，采取相应的算法来突出图像中某些感兴趣的特征或信息，抑制不感兴趣的特征或信息，使图像能够满足后续应用的需求。

如图1所示即为现有技术中采用一般增强算法处理后的电力设备红外测温图像，其灰度直方图如图2所示，其温度点分布方图如图3所示(横坐标单位为摄氏度)。但当前，电力设备红外测温的图像增强算法多是在线性变换过程中通过手动调节图像各像素点的灰度线性变换因子，突出重点核心部位的温度分布细节情况。该方法需要手动拖动滑块，操作复杂，且调整过程依赖经验，很难选择出最佳的变换因子，使得最终对图像中感兴趣特征或信息增强效果并不佳。

技术实现要素：

本发明的目的是提供一种基于电力设备红外测温图像的增强处理方法和装置，以解决目前针对电力设备红外测温灰度图像的增强处理中增强效果不佳的问题。

为实现上述目的，本发明提供一种基于电力设备红外测温图像的增强处理方法，该增强处理方法包括以下步骤：

(一)获得电力设备的红外测温图像，将该红外测温图像转换为红外测温灰度图像；

(二)根据红外测温灰度图像的灰度值点阵，统计各灰度值所包含的像素点数量；

(三)计算红外测温灰度图像的感兴趣区域灰度值的下限值al；

其中，灰度值大于等于al-1小于等于ah的灰度值范围内所包含的像素点总数大于t，灰度值大于等于al小于等于ah的灰度值范围内所包含的像素点总数小于等于t，ah为红外测温灰度图像的灰度最大值，t为红外测温灰度图像的感兴趣区域设定像素点数量；

(四)将灰度值大于等于al小于等于ah的像素点作为红外测温灰度图像的感兴趣区域，对红外测温灰度图像的感兴趣区域进行图像增强处理。

本发明的有益效果是：

本发明首先对红外测温灰度图像的感兴趣区域即电力设备重点发热部位进行定位，确定出红外测温灰度图像的感兴趣区域的灰度值范围，之后对重点发热部位进行图像增强算法处理并显示，以提高重点发热部位在图中的对比度，使得在图像展示时，能够提高感兴趣区域的温度分辨率，展示更多温度分布的细节信息，提高图像增强的效果，为故障诊断提供更加准确的依据。

进一步的，为了给出一种较优的红外测温灰度图像的感兴趣区域灰度值的下限值al的计算方法，红外测温灰度图像的感兴趣区域灰度值的下限值al的计算方法包括以下步骤：

1)在灰度值小于等于ah的像素点中，以灰度值为ah的像素点为起点，并以灰度值依次减小的顺序，依次对各灰度值所包含的像素点数量进行累加，得到累加和s0；

2)每次累加后，比较s0与t的大小，若s0≤t，则继续向下进行累加计算；若s0>t，则将此时参与累加计算的第二小的灰度值作为al。

进一步的，为了提高红外测温灰度图像的感兴趣区域灰度值的下限值al的计算效率，本发明中al的计算方法包括以下步骤：

a)按各灰度值所包含的像素点数量由多到少进行排序，选出前m个灰度值，其中m为不小于2的整数；

b)从m个灰度值中，选出与ah距离最近的灰度值，记为am；

c)统计灰度值大于等于am小于等于ah的灰度值范围内所包含的像素点总数，记为s1；

d)以灰度值为am-1的像素点为起点，并以灰度值依次减小的顺序，依次对各灰度值所包含的像素点数量进行累加，得到累加和s2；

e)每次累加后，比较s2与t-s1的大小，若s2≤t-s1，则继续向下进行累加计算；若s2>t-s1，则将此时参与累加计算的第二小的灰度值作为al。

进一步的，为了提高增强处理的效果，本发明中对红外测温灰度图像的感兴趣区域进行线性拉伸图像增强处理。

进一步的，为了使计算出的al更符合实际需要，本发明中t为红外测温灰度图像像素点总数的30％。

为实现上述目的，本发明还提供了一种基于电力设备红外测温图像的增强处理装置，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的基于电力设备红外测温图像的增强处理方法。

本发明的有益效果是：

本发明首先对红外测温灰度图像的感兴趣区域即电力设备重点发热部位进行定位，确定出红外测温灰度图像的感兴趣区域的灰度值范围，之后对重点发热部位进行图像增强算法处理并显示，以提高重点发热部位在图中的对比度，使得在图像展示时，能够提高感兴趣区域的温度分辨率，展示更多温度分布的细节信息，提高图像增强的效果，为故障诊断提供更加准确的依据。

附图说明

图1为现有技术中采用一般增强算法处理后的电力设备红外测温图像；

图2为图1的灰度直方图；

图3为图1的温度点分布方图；

图4为本发明基于电力设备红外测温图像的增强处理方法的流程图；

图5为本发明方法实施例一增强处理后的电力设备红外测温图像；

图6为图5的灰度直方图；

图7为图5的温度点分布方图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步的说明。

本发明提供的方法实施例一：

如图4所示为本发明基于电力设备红外测温图像的增强处理方法的流程图，具体步骤如下所示：

1、获得电力设备的红外测温图像，将该红外测温图像转换为红外测温灰度图像。

具体由红外热像仪通过红外测温得到包含二维温度分布点阵数据的原始红外测温图谱，然后对该原始红外测温图谱中的二维温度分布点阵数据进行线性变换得到二维灰度值点阵数据。

2、根据红外测温灰度图像的灰度值点阵，统计出同一灰度值所包含的像素点数量，并以灰度值为横坐标，像素点数为纵坐标绘制出分布统计图即灰度直方图。

而由于红外测温灰度图像中的灰度值大小代表着实际该位置的温度高低，那么满足红外测温灰度图像的感兴趣区域灰度值要求范围的像素点就共同组成了红外测温灰度图像的感兴趣区域。

3、计算红外测温灰度图像的感兴趣区域灰度值的下限值al。

1)以灰度值为255的像素点为起点，并以灰度值依次减小的顺序，首先依次计算各灰度值包含的像素点数量的累加和s0；

2)定义灰度值为t所包含的像素点数量dt，其中t∈[0,255]，首先依次使s0＝d255,s0＝d255+d254,s0＝d255+d254+d253,…,s0＝d255+…+dx,…,s0＝d255+…+d0，每次累加后，均比较s0与t的大小，若s0≤t，则继续向下进行累加计算；若s0>t，则将此时参与累加计算的第二小的灰度值作为al；其中，t为红外测温灰度图像像素点总数的30％。

下面以al为x(x∈[1,255)且x∈z)举例说明，当s0＝d255+…+dx<t时，需要继续向下累加，使s0＝d255+…+dx+dx-1，如果此时s0>t，那么此时参与计算的灰度就是x-1至255，那么第二小的灰度值就是x，此时就将al的值设为x。

本实施例中红外测温灰度图像的灰度最大值ah为255，当然，实际应用中以实际的红外测温灰度图像灰度最大值为准。而t作为红外测温灰度图像的感兴趣区域设定像素点数量被定为了红外测温灰度图像像素点总数的30％，这个30％是根据对大量数据进行分析后，经验总结得到，这个数据能够很好地包含故障诊断所需的核心区块与次核心区块，实际使用时可根据使用场合进行调整t的取值，以应对不同的使用场景，但t的取值应当包含到电力设备重点发热峰值部位在红外测温灰度图像中对应的像素点。

4、将灰度值大于等于al小于等于255的像素点作为红外测温灰度图像的感兴趣区域，对红外测温灰度图像的感兴趣区域进行图像增强处理。

i)将灰度值al对应的像素点的灰度值设为0；将灰度值ah对应的像素点的灰度值设为255；将红外测温灰度图像的感兴趣区域中的其他像素点对应的灰度值进行线性拉伸；将红外测温灰度图像的感兴趣区域以外的像素点对应的灰度值设为0；完成针对红外测温灰度图像的感兴趣区域的灰度增强变换；

ii)对灰度增强变换后的红外测温灰度图像进行伪彩色处理，完成对红外测温灰度图像的感兴趣区域的图像增强处理。具体的伪彩色处理属于现有技术，在此不予以赘述。

如图5所示为本发明方法实施例一增强处理后的电力设备红外测温图像，其灰度直方图如图6所示，其温度点分布方图如图7所示(横坐标单位为摄氏度)。本实施例通过上述线性图像增强算法对红外测温灰度图像处理后，能够提高核心关注区域的温度分辨率，展示更多温度分布的细节信息，这样将有助于电力设备运维人员根据图像反映出的温度分布信息对电力设备状态进行更加准确的评估和判断。能够有效提高电力设备红外测温工作效率，提前设备发热故障隐患，降低设备故障造成的经济损失。

当然在实际进行图像增强处理时，还可以使用现有的其他图像增强方法，例如gamma校正、直方图均衡化、直方图规定化和同态滤波器等。

本发明还提供了方法实施例二：

本实施例与方法实施例一的区别仅在于计算红外测温灰度图像的感兴趣区域灰度值的下限值al方法的不同。

本实施通过以下步骤来计算al的大小：

1)按各灰度值所包含的像素点数量由多到少进行排序，选出前3个灰度值(当然在不同的应用场景下，还可以适当性地调整该数量的大小)；

2)从选出的3个灰度值中，选出与255距离最近的灰度值，记为am；

3)统计灰度值大于等于am小于等于255的灰度值范围内所包含的像素点总数，记为s1；

4)以灰度值为am-1的像素点为起点，并以灰度值依次减小的顺序，依次对各灰度值所包含的像素点数量进行累加，得到累加和s2；

5)每次累加后，比较s2与t-s1的大小，若s2≤t-s1，则继续向下进行累加计算；若s2>t-s1，则将此时参与累加计算的第二小的灰度值作为al。

由于电力设备除了发热部位，大多数温度与环境温度差别不大，只有发热部位远高于环境部位，如图6所示，电力设备红外测温灰度图像的灰度直方图一般呈现双峰分布，即有两个较为集中的灰度分布级，一般第一个峰值区间，多为灰度值(对应温度值)相对较低的区间，该区间灰度值对应的多为设备背景或设备上未发热区域，而第二个峰值区间，多为灰度值(对应温度值)相对较高的区间，该区间对应的多为设备发热区域及周围辐射的区域。据此，第二个峰值区间对应的区域是进行电力设备红外测温最为关注的区域。本实施例利用这个特性，快速找到重点关注的核心位置，相对于方法实施例一，大大减少了计算量，提高了处理效率。

除此之外，本发明还提供了装置实施例一：

该基于电力设备红外测温图像的增强处理装置，包括存储器、处理器以及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一方法实施例所述的基于电力设备红外测温图像的增强处理方法。

而在进行具体的编程时，由于编程语言的语法等知识是本领域的公知常识，技术人员完全有能力依据本发明具体的基于电力设备红外测温图像的增强处理方法，使用现有的编程语言(例如c语言、java、汇编语言、c#、c++等)进行相应的编程，这个过程在此不予以赘述。

以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。