张翠华 王帅

摘要：基于图像处理技术的目标点位移，可应用于实现钢轨爬行位移的检测，和其它行业的微小位移的实时监测。其处理方法主要为：通过图像得到目标点坐标，需要通过计算机对图像RGB数据进行处理，处理步骤为：图像亮度整体调节、杂色阈值过滤背景、有效色强度过滤、有效像素的杂点过滤、图像有效边界确定、标志中心平均像素值计算、计算结果的校正。通过算法处理，成功排除了周围环境、复杂多变的环境光和背景噪音等对目标点识别的影响，对目标物的识别清晰准确。

关键词：图像处理;杂色阈值;RGB数据

引言

随着我国铁路建设的迅速发展，对铁路运输的要求也越来越高，随之带来一些保证列车安全快速运行的问题，对无缝线路钢轨的爬行位移测量就是其中之一。[1]应用摄像机进行钢轨爬行位移的在线监测正逐渐成为监测钢轨爬行位移的重要方式。应用局域网技术和计算机技术实现钢轨爬行位移的实时监测、数据处理、远程上传，实现钢轨爬行位移超标报警功能，完全替代人工上道检测，正逐步成为现代化铁路的发展趋势。测量与监测数字图像当中的具体目标，并测量目标的位移，相比较以往的位移检测技术而言，该技术拥有安全可靠、使用成本低、快速等特点。[2]另外，基于图像处理技术的目标点位移计算方法可以用于其它行业的微小位移的实时监测。

1 应用图像处理技术监测目标点位移的系统组成

应用图像处理技术监测目标点位移的系统主要由网络摄像机、路由器、网线、计算机、反射型目标标志物及图像处理软件组成。

网络摄像机等硬件的作用是保证现场图像稳定清晰的上传到计算机上，为保证测量精度，要求摄像机云台、安装座等安装在坚固、稳定的观测桩上，云台和焦距的调节重复性好。

2 图像处理及目标点坐标计算

通过图像得到目标点坐标，需要经过六个步骤：图像亮度整体调节、杂色阈值过滤背景、有效色强度过滤、有效像素的杂点过滤、图像有效边界確定、标志中心平均像素值计算。

2.1图像亮度整体调节

由于室外天气和光线的影响，摄像机采集到的图像整体亮度有很大差异，为了能正确识别目标点，我们要将图像的亮度调节到一定范围内，计算的数据才准确。

通过对图像每个像素的RBG值进行筛查，按照R值进行统计，求取平均值，作为有效点的一个判断阈值，将图像的亮度因素尽量消除。

2.2杂色阈值过滤背景

由于我们的目标点反射的是纯红色光线，蓝色和绿色的值很低，所以，通过有效过滤图像蓝色和绿色成分，能够排除大部分的无效像素点，如白色光、绿色光、蓝色光。杂色阈值过滤可以排除树木、天空、钢轨顶反射白光火车轮等的干扰，保留图像的足够“红色”部分。

2.3有效色强度过滤

杂色阈值过滤背景后，图像上只剩红色、棕红色和深红色像素点。由于我们的目标点是选用的纯红色反光贴，返回到图像上RGB值的红色成分很多，一般都高于整个图像的红色成分的平均值，所以我们还要过滤掉RGB值中红色值较小的部分。

经过此步骤后，得到的有效值是颜色和我们的目标物（红色反光贴）颜色一致的像素点。

2.4有效像素的杂点过滤

实际拍摄的图像，经常有一些背景噪音，尤其是光线色调偏红的情况下，会有与目标点RGB一样的像素点分布在图像各处，一般都以单独的像素点形式存在。这样的干扰，对目标点坐标值的计算影响很大。所以，计算机通过目标物像素的连续性进行判断。

目标物选择圆形红色反光片，图像上是一个圆面图形。

如图2所示，在目标物图像的内部，有效点的上下左右都有连续的其它有效点。在边缘上，弧AD，在右方和下方有连续有效点;弧DB，在左方和下方有连续有效点;弧BC，在左方和上方有连续有效点;弧AC，在右方和上方有连续有效点;A点，在右方有连续有效点;B点，在左方有连续有效点;C点，上方有连续有效点;D点，下方有连续有效点。所以目标物每个有效点周围都有连续点。

软件程序，判断有效点时，分别从本像素点的上、下、左、右，四个方向进行判断。四周没有其它的有效点，则认为是干扰点。有效像素的四周，至少一个方向上，存在连续的3个有效点，则认为是目标物可参与运算的坐标像素点，其他情况不予计算。

2.5图像有效边界确定

在图像中，目标物既是标记物，也是距离的校准工具，选择直径50mm的圆形目标反光贴，通过有效像素坐标的替换法，找出目标物的像素坐标的X轴方向的最大值和最小值，Y轴方向的最大值和最小值。X轴方向，最大值与最小值的差记为△x，Y轴方向，最大值与最小值的差记为△y。

对△x和△y进行比较并进行有效性判断，两个数值应该相近。△x个像素点对应距离为50mm距离。

2.6标志中心平均像素值计算

图像处理好后，按照有效像素的坐标，计算X轴和Y轴方向的平均值，再通过公式换算成以毫米为单位的数据值。

2.7计算结果的校准

由于拍摄角度和镜头本身造成的图像畸形的的影响，计算的位移量存在一定误差，所以我们用分段函数的办法，对计算结果增加校正因子。

3 结束语

进过本次算法的研究，成功排除了周围环境、复杂多变的环境光和背景噪音等对目标点识别的影响，对目标物的识别清晰准确，计算得到的数据误差大幅度缩小保证了测量数据的的可靠性。系统实现了对无缝钢轨温度和爬行位移的数据采集和监测。通过实验验证，系统运行稳定，并且操作简单，使用方便。[3]

参考文献：

[1]刘鹤.无逢线路钢轨位移爬行观测仪[J].职业技术，2007（12）：64.

[2]简云瑞，肖硕.基于数字图像处理的边坡落石识别算法研究[J].科技创新导报，2017，14（08）：88-89.

[3]傅勤毅，彭亚凯，王超.基于ZigBee技术的无缝钢轨爬行监测系统设计[J].铁道科学与工程学报，2016，13（12）：2478-2482.