Page 93 - 2025年第56卷第10期

3 流凌图像数据处理算法

为解决岸基摄像机图像畸变、失真等问题，通过无人机获取的图像对岸基摄像机图像进行透视
变换，共分为三步：（1）通过比对寻找岸基摄像机和无人机同一时间段各自所拍摄图像资料的相同
位置；（2）通过算法以及无人机图像对岸基摄像机图像进行校正，并提取相关参数；（3）将所提取的
参数应用到其他岸基摄像机图像数据上，从而获取连续的、经过校正之后的图像数据。
3.1 图像校正算法 通过透视变换矩阵来体现原始流凌图像与校正流凌图像之间的点对关系，这种关
系一般是一个从二维空间（x，y）到三维空间（x'，y'，a）并回到二维空间（x'，y'）的过程公式如下：
x'
é ù ú é ax' ù ú ú ê ê é h 0 h 1 h 2 ù é ù x ú
ê
ê ê
ú ú ê ú
ê ê ú
y' ú ú ê ú ú ê ê ú ú y （1）
ê ê ú ú ê ê ú ú ê ê h 4 h 5 ú ú ê ú ú
ê
ê ê ú ú = ê êay' = êh 3
ë û ë a û ëh 6 h 7 1 û ë û 1
1
式中：初始流凌图像的二维坐标为（x，y）；流凌图像的三维坐标为（x'，y'，1）；校正流凌图像的二维
坐标为（x'，y'）；a 为任意非零常数；h —h 为变换矩阵中的元素。
0 7
式（1）在直角坐标系中表示为：
ì h 0 x + h 1 y + h 2
ï ï x' =
ï ï h 6 x + h 7 x + 1
í （2）
ï ï h 3 x + h 4 y + h 5
ï ï y' = h 6 x + h 7 x + 1
î
为了实现原始流凌图像到校正流凌图像的变换，需要获得图像上对应 3 个点对（任意不共线 3 点）
i
i
的位置关系，即（X ，X' 1 ）、（X ，X' 2 ）和（X ，X' 3 ），（其中 X =（x ，y），X' i =（x' i ，y' i ），i=1，2，3；X 和 X' i
i
i
1 2 3
分别来自原始流凌图像和无人机流凌图像）。将其带入式（2）中可以得到如下线性方程组：
ì x' i = h 0 x i + h 1 y i + h 2 - h 6 x i x' i - h 7 y i x' i
í （3）
î y' i = h 3 x i + h 4 y i + h 5 - h 6 x i y' i - h 7 y i y' i
求解式（3）可以得到矩阵中每一个 h i 的值，利用解得的
变换矩阵就可以对透视流凌图像中的每一个像素实现透视变
换，从而将透视变形的流凌图像校正为受畸变影响较小的流
凌图像，结果如图 2 所示。
3.2 灰度图像转化算法 岸基摄像机与无人机采集的图像
为彩色图像，拥有 RGB 三个通道。为了降低计算的复杂度，
将拥有 RGB 三个通道的彩色图像转换为只有一个通道的灰
度图像。除此之外，噪声在某些情况下对灰度图像的影响会
更小，并且将彩色图像转化为灰度图像不会改变图像中河水
与流凌由于反射可见光的亮度与波长不同所形成的差异。
通过采用加权平均法来实现图像的灰度化处理，将彩色
图像的 RGB 三个不同的通道分别赋予不同的权值，分别为
0.299、0.578 和 0.114，权值的大小参考了人的视觉系统对不 图 2 原图像与校正后的流凌图像
同通道的感知灵敏度 ［23］ ，灰度化公式为：
I( x，y) = 0.299R( x，y) + 0.587G( x，y) + 0.114B( x，y) （4）

式中：I( x，y) 为灰度图像；R( x，y) 、G( x，y) 和 B( x，y) 分别为彩色图像的 RGB 分量值。

3.3 顶帽算法 为了更好的划分阈值，采用顶帽算法对灰度图进行亮度均衡化处理。顶帽算法基于 4
种灰度形态学中的基本算法：膨胀运算、腐蚀运算、开运算和闭运算 ［24］ ，其主要运用前 3 种算法。膨
胀运算会扩大原图像的边界，进而填补图像中空洞的部分，也能对图像内的小颗粒噪声进行消除；腐

— 1340 —