论电气设备红外图像的分析与处理

论电气设备红外图像的分析与处理

摘要 近年来，红外图像技术凭借着其适应性强、非接触性等独特优势，而被广泛应用在了电气设备的在线监测中，而红外图像的分析与处理更是红外图像技术的关键部分。本文主要对电气设备红外图像的分析与处理展开了探讨，希望本文的研究结果能够为电气设备的事故分析提供一定的理论支持，并为电气设备的事故检测与处理提供更多可靠的手段。

关键词 电气设备；红外图像；图像灰度化

前言

随着国民经济水平的不断提高，我国电网正向着特高压、交直流混合电流、大量应用新能源的趋势飞速发展。在电力系统的在线实时监测领域中，红外热成像技术能够发挥非常强大的作用，通过红外热成像技术的检测结果，技术人员能够获得电气设备中每个区域的温度信息，并利用这些信息来分析电气设备内部有哪些潜在的缺陷。因此，研究电气设备红外图像的分析处理有着非常重要的意义。

1 RGB图像模型及图像灰度化分析

在变电站现场，工作人员利用红外摄像仪对电气设备的红外图像进行采集时，会受到外界环境的干扰以及仪器的硬件缺陷等因素的影响，这些都会为之后进行的识别工作带来很多的不便。所以，为了加快图像采集和图像处理的速度，工作人员需要建立一个RGB图像模型，使计算机能更加方便地分析和处理红外图像。RGB图像模型中的RGB图像是一种传统意义上的彩色图像，也叫作真彩图像。实际上，一幅RGB图像就是由M×N×3大小的彩色像素组成的数组。RGB图像也可看成是由三个不同灰度的图像组成的图像集合，当图像信号发送到彩色监视器的输入端时，屏幕上就会出现彩色图像。通常来说，一幅RGB彩色图像是由Red、Green、Blue这三幅分量图像所组成的。

由于RGB图像会占用很大的空间，所以要加快运算的速度，并减小存储空间，也就是对RGB图像进行灰度化处理，也就是把图像从原先的RGB图像转变成灰度图像的过程。灰度图像只包含亮度信息，灰度图像实际上就是大小为M×N×1的数组，每个点可以划分成0～255共256个级别，其中0是全黑，表示最暗；255是全白，表示最亮。将RGB图像转变成灰度图像通常利用下面这个公式：

Y=0.299R+0.587G+0.114B

在这个公式中，Y表示第（M，N）点的灰度值，R、G、B分别表示第（M，N）点的RGB三分量值，利用公式中的线性变换，可以得到一幅灰度图像。需要注意的是，为了减小边框等信息对图像造成的干扰，在图像灰度化之前，需要人为地去除图像下方的文字，以及图像右边的比色表[1]。

2 基于数学形态的三相电力设备红外图像处理

在电力系统中，存在着大量的三相电力设备，如三相互感器、套管、避雷器等。三相电力设备红外图像处理的目的就是将三相电力设备的本体区域自动提取出来，并自动识别图像处理的顺序，这也是之后进行的温度识别和图像故障比对的基础。本文所讨论的三相电力设备红外图像处理主要是基于数学形态的处理，包括连通区域的标记、红外图像区域的判定、红外图像重心坐标的识别等方法，具体步骤如下：

利用数学形态学处理中的开启运算，对红外图像进行处理，将红外图像之间纤细的连接部位消除掉，使三相电气设备的主体特征能够更加突出。

利用连通区域的标记对各个区域展开分析，并通过面积的大小确定三相电气设备的整体区域。

利用围成各个区域的最小多边形的顶点坐标，构成一个判定整套区域的方法，包括对多边形内点集加以判定的约束方程，最终实现对三相电力设备的分相识别。这个步骤也是三相电力设备红外图像处理的核心。

根据红外图像区域重心的横坐标来确定三相电气设备红外图像的顺序，使每个红外图像都能形成一幅相对独立的图像。

3 图像去噪处理

图像的噪声指的是图像中不需要的部分，图像的噪声有着随机性和规律性的特点。一般来说，随机噪声主要包括：电子元件的内部在载荷粒子的随机运动下产生的噪声；电器内部的部件在机械振动下，使电流或电磁场发生变化而产生的噪声；环境干扰产生的噪声；摄像头的厂家向图像中加入边框及文字产生的噪声。由于生产红外摄像头的厂家各不相同，图像在成像时往往会被部分边框和文字所干扰。对图像进行去噪处理，可以有效提高图像的质量，使图像中的重点元素更加突出，并抑制图像中的干扰成分，使图像的提取和识别过程更加准确[2]。

在图像处理过程中，通过噪声的特点来消除噪声的方法叫作图像平滑。图像平滑的主要目的是减少图像中的噪声干扰，使图像的质量得到提高。假设噪声是随机分布的，那么利用邻域平均法或加权平均法就可以有效地抑制噪声的干扰；假设噪声是规则噪声，那么利用中值滤波法就可以有效地消除噪声的干扰。但是，目标图像的边缘部分经常会产生急剧的灰度差，所以怎样将图像的边缘部分和噪声分开，使消除噪声的同时不会破坏边缘信息已经成为图像去噪技术的关键。

4 结束语

綜上所述，电气设备红外图像的分析与处理主要包括RGB图像模型及图像灰度化分析、基于数学形态的电力设备红外图像处理、图像去噪处理等内容，且

涉及很多学科和领域。将红外热成像技术应用在电力设备的在线监测中，不但可以使电气设备实现热故障的自动化判断，还能极大地提高在线监测工作的工作效率。可以预见，红外热成像技术在未来的电气设备领域中的应用将会更加广泛。

参考文献

[1] 康龙.基于红外图像处理的变电站设备故障诊断[D].北京：华北电力大学，2016.

[2] 李婷.变电站高压设备红外图像分割方法[D].北京：华北电力大学，2015.