4.3.1　光学图像可视化云雾浓度检测

4.3.1　光学图像可视化云雾浓度检测

云雾浓度光学图像可视化分析的总体方案是：依靠图像处理技术，从云雾分散图像中得到可识别的云雾轮廓、云雾形态。利用OpenCV-Python视觉库，对图像进行特征提取，得到云雾的浓度信息，处理流程如图4-2所示。

（1）灰度转换。程序调用原始图像后，首先进行灰度转换。灰度转换的目的是减少图片中不需要的一些信息，提高运算速度。灰度图中每个像素点对应一个灰度级（即灰度值），通常用一个字节来存储，则灰度级可划分为0～255。

图4-2　云雾浓度图像处理流程图

（2）平滑去噪。通过平滑去噪，去除图片中影响图片辨识度的一些噪点，减少图像分割的难度。

（3）图像分割。通过图像分割，将图片细分成多个图像子区域（像素的集合），然后从中提取出具有云雾浓度特征的目标。

（4）图像二值化。二值图像实质上是灰度值只有0或1的灰度图像，便于得到云雾扩散明显的特征。

（5）以云雾抛撒点O建立坐标系，过该点设置正交坐标分别为X轴、Y轴，在X轴、Y轴上距离抛撒点L分别布置高速摄影机，固定摄像机的位置，以一定距离a、2a、3a、4a的地面坐标设置标尺。设置好摄像机拍摄云雾的参数后，把标尺收入画面拍下一帧图像，以此图像作为度量云雾形态参数的参照图像。试验后对图像进行测量时显示该参考图像，计算出标尺部分垂直方向上的像素点个数以及相邻标尺连线间像素个数。根据像素是正方形的特征可以衡量几何尺寸。

建立云雾粒子的分散状态坐标系如图4-3所示。

图4-3　云雾分散坐标系

假设图像中相邻标杆像素点平均值为N，实际距离为a，则比例系数Kp为

设在Y轴的某一位置取厚度为dy，直径为D=x1-x2的薄片，认为该薄片沿Y轴中心对称，则该薄片的体积dV为

式中，x1、x2为不同高度处云雾尺寸。通过体积法即可计算平均浓度。沿Y轴积分可得云雾体积为