文档介绍：基于sobel和canny算法的水珠边缘检测
李建国，李幸汶，卜祥洲，陈涛
（；）
摘要：水珠识别分析方法是利用数字图像处理及模式识别技术实现，本文简要说明了水珠通过边缘检测实现模式识别和计算的原理。同时，着重讨论了水珠识别过程中的噪声识别算法，详尽地阐述了识别过程中的阈值选取方法。此应用表明了算法的实时性好，可靠性高，能很好地满足工业生产和检测要求，大大提高了水珠识别的自动化与智能化。
关键词：水珠识别 边缘检测 边缘轮廓
引言
图像识别是计算机视觉领域的一个非常活跃的课题。近几年来人们对图像识别做了大量的研究，提出了很多种算法和方法，但电力行业应用的相对较少。传统的图像识别方法已不能满足高精度，高效率的要求。电力输配电企业对绝缘子的憎水性要求较高，因为其憎水性直接决定着绝缘子绝缘性能的好坏，并可以减少高压电击穿和污闪故障的发生。因绝缘子的憎水性变差而导致泄漏电流的增加，大大提高了输配电线路的安全隐患。因此，迫切需要提高绝缘子憎水性能安全检测的手段，实现检测的自动化和智能化。目前，检测系统都是拆卸绝缘子并通过实验室法进行测试，不能实现在线检测。对于在线喷水并通过CCD取像得到的图像，核心功能是水珠识别算法，算法的不同就决定了检测效果有很大的差别。那么，设计一个既快速又稳定的水珠识别算法，对水珠识别来说具有十分重要的意义。本文就是在如何准确提取水珠面积（或轮廓）的思想下，提出的一种新的识别算法。且通过人机交互接口，还可以满足其它行业（如建材或医疗）不同精度和质量级别需求。
工作原理
其基本工作原理：喷水装置在喷雾过程中，通过取像 CCD（Charge coupled Device）在线拍摄图像数据，图像数据经图像采集卡收集并传入计算机，由系统水珠识别算法设置相应的阈值，检测水珠边缘界线并计算水珠面积和所占用面积比，同时通过水珠的边缘轮廓计算水珠的形状因子。形状因子决定了水珠是否有粘连或流动，而面积反应了水珠的大小。计算这些元素，首先需要得到水珠的外形或形状轮廓，即：水珠边缘的检测。
Sobel（索贝尔）算子：
索贝尔算子（Sobel operator）是图像处理中的常用算子之一，主要用作边缘检测。在技术上，它是一离散性
差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。对梯度幅值进行非极大值抑制，若（x，y）像素点的梯度幅值M（x，y）大于或等于沿梯度方向上，即：平行于H（x，y）方向的两个相邻像素点的梯度幅值，则判定该点为可能的边缘点。
该算子包含两组3x3的矩阵，分别为横向及纵向运算模板，如果用Sobel算子检测图像的边缘，可以先分别用水平算子和垂直算子对图像进行平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下:
=A =A
图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小：
Gx = (-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)+(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)+
(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)
= [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]Gy
= 1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)+0*f(x-1,y)+0*f(x,y)+0*f(x+1,y)+
(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1)
= [f(x-1,y-1)+2*f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)]
其中f(a,b),表示图像(a,b)点的灰度值。图像的每一个像素的横向及纵向灰度值通过以下公式结合,来计算该点灰度的大小：
通常,为了提高效率,使用不开方的近似值：
如果梯度G大于某一阈值，则认为该点（x，y）为边缘点。
可用以下公式计算梯度方向：
上例中，如果角度Θ等于零，即代表图像在该处拥有纵向边缘，左方较右方暗。
在边沿检测中，常用的一种模板是Sobel 算子。Sobel 算子有两个，一个用来检测水平边沿，另一个用来检测垂直边沿。与“和”相比，Sobel算子对于象素的位置的影响做了加权，因此效果更好。
Sobel算子另一种形式是各向同性Sobel(Isotr