1.本发明涉及电力系统的技术，特别是涉及一种变电站设备可变尺度图像数值处理方法的技术。
背景技术：
2.变电站监控系统都利用摄像头拍摄一些电力设备的实时图像，再采用直方图匹配方法，将实时图像与参考图像进行比对，从而识别出电力设备的工况。
3.变电站中的每个摄像头通常都会有多个巡视点，每个巡视点所拍摄的电力设备是不一样的，因此摄像头每巡航至一个巡视点，就要对拍摄参数进行相应的调整，但是由于焦距调节等拍摄参数的调整存在着一定的误差，摄像头在同一个巡视点拍摄的目标设备图像的尺寸也会有一定的变化，这种图像尺寸的变化会导致直方图匹配失败，从而使得变电站监控系统对目标设备实时图像的识别产生误差，甚至识别失败。
技术实现要素：
4.针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种能将目标设备实时图像中的目标设备尺寸调整至标准尺寸，从而使得直方图匹配方法能顺利实施的变电站设备可变尺度图像数值处理方法。
5.为了解决上述技术问题，本发明所提供的一种变电站设备可变尺度图像数值处理方法，其特征在于，具体步骤如下：
6.1)利用摄像头拍摄变电站中的目标设备，并从拍摄的目标设备图像中选取一张图像作为基准图像pre；
7.2)将基准图像pre设定为目标图像；
8.3)对目标图像实施灰度处理，处理方式为：对目标图像中的每个像素点，令g＝r，b＝r，其中的g为像素点的绿色色值，b为像素点的蓝色色值，r为像素点的红色色值；
9.4)对目标图像的灰度图实施标准差为σ＝1的正态高斯滤波，将正态高斯滤波后所得到的图像定义为图像v；
10.5)在图像v中，选出灰度值大于vup的像素点及灰度值小于vlow的像素点，vup、vlow的计算公式为：
11.vup＝0.85
×
(vmax
‑
vpre)
12.vlow＝0.15
×
(vpre
‑
vmin)
13.式中，vmax为图像v中的像素点的最大灰度值，vmin为图像v中的像素点的最小灰度值，vpre为图像v中的像素点的平均灰度值；
14.6)计算目标图像的2个极值点坐标，计算公式为：
15.[0016][0017][0018][0019]
式中，vu(x)为目标图像的第一个极值点的横坐标值，vu(y)为目标图像的第一个极值点的纵坐标值，p(i,x)为图像v中的第i个灰度值大于vup的像素点的横坐标值，p(i,y)为图像v中的第i个灰度值大于vup的像素点的纵坐标值，n为图像v中的灰度值大于vup的像素点的数量，vl(x)为目标图像的第二个极值点的横坐标值，vl(y)为目标图像的第二个极值点的纵坐标值，q(j,x)为图像v中的第j个灰度值小于vlow的像素点的横坐标值，q(j,y)为图像v中的第j个灰度值小于vlow的像素点的纵坐标值，m为图像v中的灰度值小于vlow的像素点的数量；
[0020]
7)计算目标图像的极值点距离值，计算公式为：
[0021][0022][0023]
式中，lx为目标图像的极值点横坐标距离值，ly为目标图像的极值点纵坐标距离值；
[0024]
8)将摄像头拍摄的目标设备实时图像设定为新的目标图像，然后采用步骤3)至步骤7)的方法计算出目标设备实时图像的极值点距离值；
[0025]
9)计算目标设备实时图像的图像尺度变化值，计算公式为：
[0026]
kx＝lrx/lcx
[0027]
ky＝lry/lcy
[0028]
式中，kx为目标设备实时图像的横坐标变化值，lrx为目标设备实时图像的极值点横坐标距离值，lcx为基准图像的极值点横坐标距离值，ky为目标设备实时图像的纵坐标变化值，lry为目标设备实时图像的极值点纵坐标距离值，lcy为基准图像的极值点纵坐标距离值；
[0029]
10)对目标设备实时图像的尺寸进行调整，其中的横向尺寸调整为原尺寸的kx倍，纵向尺寸调整为原尺寸的ky倍。
[0030]
本发明提供的变电站设备可变尺度图像数值处理方法，根据基准图像的特征极值点，对目标设备实时图像的横纵尺寸进行调整，使得目标设备实时图像中的目标设备尺寸能调整至标准尺寸，确保直方图匹配方法能顺利实施，该方法计算速度快，实现成本低，可降低图像计算成本。
具体实施方式
[0031]
以下结合具体实施例对本发明的技术方案作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围，本发明中的顿号均表示和的关系，本发明中的英文字母区分大小写。
[0032]
本发明实施例所提供的一种变电站设备可变尺度图像数值处理方法，其特征在于，具体步骤如下：
[0033]
1)利用摄像头拍摄变电站中的目标设备，并从拍摄的目标设备图像中选取一张图像作为基准图像pre，基准图像pre应当选取清晰度较高的图像；
[0034]
2)将基准图像pre设定为目标图像；
[0035]
3)对目标图像实施灰度处理，处理方式为：对目标图像中的每个像素点，令g＝r，b＝r，其中的g为像素点的绿色色值，b为像素点的蓝色色值，r为像素点的红色色值；
[0036]
4)对目标图像的灰度图实施标准差为σ＝1的正态高斯滤波，将正态高斯滤波后所得到的图像定义为图像v；
[0037]
5)在图像v中，选出灰度值大于vup的像素点及灰度值小于vlow的像素点，vup、vlow的计算公式为：
[0038]
vup＝0.85
×
(vmax
‑
vpre)
[0039]
vlow＝0.15
×
(vpre
‑
vmin)
[0040]
式中，vmax为图像v中的像素点的最大灰度值，vmin为图像v中的像素点的最小灰度值，vpre为图像v中的像素点的平均灰度值；
[0041]
6)计算目标图像的2个极值点坐标，计算公式为：
[0042][0043][0044][0045][0046]
式中，vu(x)为目标图像的第一个极值点的横坐标值，vu(y)为目标图像的第一个极值点的纵坐标值，p(i,x)为图像v中的第i个灰度值大于vup的像素点的横坐标值，p(i,y)为图像v中的第i个灰度值大于vup的像素点的纵坐标值，n为图像v中的灰度值大于vup的像素点的数量，vl(x)为目标图像的第二个极值点的横坐标值，vl(y)为目标图像的第二个极值点的纵坐标值，q(j,x)为图像v中的第j个灰度值小于vlow的像素点的横坐标值，q(j,y)为图像v中的第j个灰度值小于vlow的像素点的纵坐标值，m为图像v中的灰度值小于vlow的像素点的数量；
[0047]
7)计算目标图像的极值点距离值，计算公式为：
[0048][0049][0050]
式中，lx为目标图像的极值点横坐标距离值，ly为目标图像的极值点纵坐标距离值；
[0051]
8)将摄像头拍摄的目标设备实时图像设定为新的目标图像，然后采用步骤3)至步骤7)的方法计算出目标设备实时图像的极值点距离值；
[0052]
9)计算目标设备实时图像的图像尺度变化值，计算公式为：
[0053]
kx＝lrx/lcx
[0054]
ky＝lry/lcy
[0055]
式中，kx为目标设备实时图像的横坐标变化值，lrx为目标设备实时图像的极值点横坐标距离值，lcx为基准图像的极值点横坐标距离值，ky为目标设备实时图像的纵坐标变化值，lry为目标设备实时图像的极值点纵坐标距离值，lcy为基准图像的极值点纵坐标距离值；
[0056]
10)对目标设备实时图像的尺寸进行调整，其中的横向尺寸调整为原尺寸的kx倍，纵向尺寸调整为原尺寸的ky倍。