數字圖像處理技術在水文監測系統中的應用探討

（河北省水文勘測研究中心，河北石家莊 050000）

0.引言

水文監測是水系生態環境進行全維度分析，然后通過水體資源的空間分布、地區發展現狀等，依據生態水環境監測信息，為后續生態環境防控措施的開展提供數據支撐。水文監測系統則是融合信息技術、傳感技術、定位技術、計算機網絡技術等，將地域內水環境信息進行監測，例如，水體水位、水體流速、水體蒸發量等，然后通過系統對此類信息同步傳輸到管理部門，通過監測系統的應用，可進一步提高數據監測效率，真實的映射出水環境信息。

1.數字圖像處理技術概述

數字圖像處理技術是通過搭載計算機設備，將外部傳感器采集到的圖像信息，經過降噪、增強、提取特征的模式，對圖像信息進行優化處理，進而提高圖像亮度、色彩等方面的視感質量。從處理形式來講，特征信息提取可以看成是一個基于視覺效果的預處理模式，其針對不同處理節點，所起到的實際效用也具有差異性，例如，顏色特征、形態特征?，通過不同視域下的操控，可進一步縮短圖像信息的傳輸時間，且可高度描述出圖像的紋理信息以及各類圖像點的關系結構。數字圖像處理技術的實現，則是對含有一定的噪聲及其他干擾因素的圖像信息進行處理，提高圖像信息的精度及質量，更為真實的反應出當前水環境信息[1]。

2.數字圖像處理技術在水文監測系統中的應用

2.1 水文監測圖像增強方面的運用

圖像增強作為數字圖像處理技術的一個重要屬性，其本身是對不同圖片的成像精度進行分析，結合圖像信息在系統的識別度，設定出相對應的解決策略，有效避免因為圖像信息精度不足所造成系統錯誤錄入的現象。但是在對圖像進行增強處理時，受到圖像信息不同屬性的影響，其所采用的增強方面也存在一定差異性。但是從具體實現機制而言，不同圖像在進行增強時，本質是對有用信息進行采集，對無用信息進行弱化，以實現操控工序的簡化處理。對于水文圖像信息來講，起到決定性作用的信息是指是水文尺上面的標注信息，而此類信息對于圖像還原的依賴程度較小。在對其進行圖像增強處理時，則應以圖像本身具有的亮度、對比度為切入點，采取相對應算法，提高圖像信息在主處理系統中的適應性。此外，從圖像信息呈現出的價值屬性來看，其針對目標所呈現出的獲取特性來看，主要是在時間、空間兩個方面，實現對數據信息的整合，保證圖像在固有空間節點下呈現出的頻率特征具有時序性特點，這樣便可真正實現基于頻域多變的處理方案，確保圖像信息可實時響應到主系統中，滿足圖像高精度處理訴求。

2.2 基于HSV模型的水文圖像分割

傳統水文監測系統在對圖像信息進行分割處理時，只是單純以模式識別，針對圖像描述信息進行不同顏色區域的劃分與比對，但是在實際處理時，圖像顏色閾值信息確立難度較大，且整個空間信息處理范疇較為局限，特別是針對具有波谷特征的圖像分析時，空間獲取信息呈現出不同之處，將造成色彩模型量不同比的問題。此時，技術人員則是依據灰度圖像處理模式，分析出當前色彩區域內，不同模型所代表的含義，并結合相對應的信息分量，將顏色區域進行整合，并通過圖像信息在固有空間、時間節點下呈現出的特征作為閾值，將具有數據類似特征的數據區域進行二次融合處理，提高信息檢索精度。

2.2.1 色彩模型選取

本文采用的HSV模型所呈現出顏色對比度、飽和度、色彩辨識度等，高于傳統RGB模型。HSV色彩模型在確立時，顏色分量之間呈現出的關聯性不高，這就降低不同色彩之間的干預度。HSV模型的呈現是對原有色彩進行色彩區域呈現，此過程中，每一個顏色在椎體中產生的角度不同，紅色、綠色、藍色三種原色在椎體頂角相互補色，且在遞進延伸過程中，不同色彩區域過渡趨勢與色彩本身具有對比特征，此類對比特征在邊界處最為明顯。在對色彩量化區間進行定位時，其主要是作用于飽和度之上，通過與色彩所呈現的各類閾值進行比對，進而劃分出具有人體視覺感官所能查驗到的色彩范圍內，便于人眼對其進行特征識別。

2.2.2 圖像分割

數字圖像處理技術中圖像分割的實現，類似于地貌侵水的水處理方法，其可以針對當前水域環境，對水體區域邊界進行持續性的分割，直到區域內水體邊界封閉位置。在進行實地分析處理時，圖像分割是把圖像所呈現出的像素值當成是基于數據峰值的海拔高度，且像素值與海拔高度呈現出線性正比的關系，在對整個圖像進行分割處理時，邊界線則代表著海拔與水體溢出的交匯點。通過連續性、封閉性的線性處理，可確定出當前水體區域內細微的變化模式。例如，灰度值變化、圖像噪聲變化、紋理變化等，但應注意的是，如果測定數據與預測值之間的差異較小時，可能會產生基于區域空間變化的過度分割的問題[2]。

2.3 基于YUV的水文圖像分割

YUV是通過灰階值、色度，對圖像信息呈現出的色彩、飽和度進行分析與界定。在對顏色空間進行確認時，主要是通過色彩模型與色彩分量之間的界定，分析出不同測量視域下，像素信息所代表的各個色度、明亮度等，是否符合基準數據的比對。利用YUV對水文圖像進行預處理時，考慮到不同色彩分量之間呈現出差異性，則應對承接水文監測的各個設備進行分量基準值的確認，以保證在顏色特征的監測下，可進一步分析出圖像像素信息的灰度值，將監測目標分理處整個背景圖之上。

2.3.1 算子邊緣檢測

基于算子邊緣檢測的實現，主要是提取圖像中的特征信息，并將邊緣點作為監測基準，這樣通過圖像信息的去中心化處理，則可進一步提高實際檢測效率，精準界定出算子在邊緣處的數據位置，提高實際測量精度。在進行實際監測時，主要是是通過高斯濾波處理、梯度值計算、非極限值抑制、閾值邊緣監測流程，實現對是算子邊緣的監測及確認。

2.3.2 水文尺監測

水文尺監測則是針對已經分割的圖像信息進行監測，分析出不同畫面界定下，拍攝角度與成像畫面之間的對接性，當然，此過程的數據呈現，是建立在觀察者訴求之上，實現對數據信息的統計，進而降低實際操作誤差，提高水文監測成像精度。如圖1所示，為變化前后的圖像顯示。通過圖像比對可以看出，整個圖像信息的呈現對于系統而言，可更為真實的顯示出相對應的場景，以強化實際監測質量。

圖1 監測校正結構

3.結語

數字圖像處理技術支撐下的水文監測系統，可對水文圖像信息進行精度化處理、自動識別，為后續監測工作的開展提供數據支撐。為此，在后續發展過程中，必須進一步強化實際技術應用范疇，結合系統應用范疇，制定出更為詳盡的管控措施，提高水文監測系統的運行精度。