Page 98 - 2025年第56卷第10期

更易受河水反光的影响，误将反光的河水划分为流凌，导致结果误差极大，使本次阈值分割失效。综
上，OTSU 算法是在处理大批量流凌图像时的首选算法，使用 OTSU 算法不仅可以节约计算时间，也可
以小幅度提升流凌分布密度计算的准确性，并能更好地在有阳光反射情况下进行阈值分割。

表 1 迭代算法与 OTSU 算法对同一图像进行阈值分割结果对比
原始图像 算法分割后的图像 流凌分布密度/% 程序运行时间/s

OTSU 算法运行结果 47.41 0.099

迭代算法运行结果 47.68 0.928

OTSU 算法运行结果 30.87 0.044

迭代算法运行结果 31.11 1.292

OTSU 算法运行结果 24.12 0.039

迭代算法运行结果 24.57 1.756

OTSU 算法运行结果 2.38 0.040

迭代算法运行结果 2.41 0.123

OTSU 算法运行结果 1.44 0.052

迭代算法运行结果 48.87 0.143

4.4 流凌分布密度计算结果 本文所研究图像的收集时间为 2023 年 4 月 30 日—5 月 1 日，通过岸基
摄像机定点对河道进行拍摄，每隔 30 s 获取一次图像资料，同时使用无人机悬停在河道上方，竖直

向下对河道进行观测。获得流凌图像集后，通过无人机所获得的具有代表性的无畸变图像对岸基摄
像机所拍摄的图像资料进行校正，并剔除对图像处理影响较大的部分，之后采用 MATLAB 编程采集
校正图像所需要的参数，然后对全部 2507 张图像进行处理与校正，并进行阈值分割，最后计算经阈
值分割处理后图像中白色像素点的面积，获取每张图片中流凌分布密度的大小，如图 15—16 所示。

— 1345 —