Hidrológiai Közlöny, 2020 (100. évfolyam)
2020 / 3. szám
Ermilov A. A. és társai: Képalapú módszerek fejlesztése folyók morfodinamikai vizsgálatához 79 7. ábra. A szemeloszlási görbék összehasonlítása a 3/4 pontban, az 1790,6fkm szelvényben (Megjegyzés: Az eredeti (kék) és a transzformált (sárga) képelemzés eredményei is lényegesen eltérnek a fizikiai minta szitálásával kapott szemeloszlás görbétől (szaggatott fekete). A szitálás eredményét az 1 mm-nél finomabb frakciók nélkül ábrázolva (folytonos fekete) már közelebbi az egyezés.) Figure 7. Grainsize distributions in point 3/4, in the 1790.6 rkm section (Note: The original image (blue) and the transformed (yellow) image processing results are both deviate significantly from the physical, sieved sample grainsize distribution (black dashed). After removing the fractions which were finer than 1 mm from the sieving, the new result (continuous black) resulted in better match with image processing.) Állóhajós mérések - görgetett hordalék A 3/2 mérési pontban a felvételek szerint görgetett hordalékmozgás is kialakult, így alkalom adódott a képfeldolgozás ezen a téren történő alkalmazására is. Ebben az esetben, a térfigyelő rendszereknél már ismert ún. statisztikai háttérmodellt (Bouwmans 2010, Jeeva és Shivabalakrishnan 2015) alkalmaztuk (8. ábra). Ennek lényege, hogy minden pixel helyén vizsgáljuk, hogy hogyan változik a videó során annak értéke (színe, vagy szürkeségi értéke). A leggyakrabban előforduló értéket háttérként fogja azonosítani és elkülöníteni. Innen már lehetséges az előtér (mozgó rész) detektálása, hisz ehhez csak ki kell vonni az eredeti videóból a kapott hátteret. Esetünkben a háttér a fix mederfeneket jelenti, hisz ez a leggyakrabban visszatérő érték a videón. Ezelőtt haladnak el a különböző, görgetett hordalékszemcsék, melyek pillanatnyi változásokként jelennek meg, megalkotva az előteret. A módszer ráadásul adaptív, tehát, ha egy szemcse beérkezik a képbe, de valamiért nem halad tovább, akkor beépül a háttérbe, vagyis a modell alkalmazkodik, frissül. Az ismertetett módon leválasztott hátteret (stabil mederanyagot) a korábban bemutatott képelemző wavelet módszerrel szintén elemezni lehet szemeloszlás szempontjából. Az előtér-háttér szétválasztása után a mozgó részeket tehát elkülönítve tudtuk vizsgálni (fehér részek). A képeket ezután 5 sávra osztottuk és ezekben külön elemeztük az egyes pillanatokban mozgásban lévő hordalékszemcsék tömegét (9. ábra). Az egyszerűség kedvéért gömb alakkal közelítettünk minden szemcsét és így, a felvételen éppen látszó méretük alapján térfogatot határoztunk meg, majd pedig egy átlagos sűrűséget (2,65 g/cm3) alkalmazva számoltuk ki a mozgásban lévő tömeget. A) 289. képkocka a 2000-ből B) Átlagos intenzitás értékek |püu.'IJ | AktuAlU k*pkorka uimArrui] C) Adaptív háttér D) Binarizált különbség kép |_____________________________________________ 8. ábra. A statisztikai háttérmodell alkalmazása a mérés során készült görgetett hordalékos videóra (Megjegyzés: A) A nyers felvétel egyik képkockája. B) Az átlagos szürkeségi értékek alakulása a videó folyamán. C) A számított háttérmodell (fix meder). D) Az eredeti videó és a háttérmodell különbsége, azaz az előtér. Fehérrel a mozgásban lévő hordalék látszik.) Figure 8. Basic steps of the applied statistical background model method on the bedload video. (Note: A) One of the frames from the raw footage. B) Time series of the average grey values during the video. C) The calculated background model (fix riverbed). D) The difference of the raw video and the background model, resulting in the foreground. Moving particles are presented with white colour.) A tömeg után a hordalékszemcsék sebességét vizsgáltuk. Ezt az ún. részecske-képen alapuló sebesség-meghatározás (Particle Image Velocimetry [PIV]) módszerrel tettük meg. Lényege, hogy keresztkorrelációval azonosít be mintázatokat az egymást követő képeken és méri azok elmozdulását. Továbbá, mivel a két kép között eltelt idő ismert, így sebességet tudunk számolni. Eredményül egy sebesség-vektormezőt kapunk az adott pillanatban (10. ábra). Fontos megemlíteni, hogy itt nem történik részecske detektálás a szó szoros értelmében, hanem a mezők, mintázatok sebességét határozzuk meg (vagyis Euleri szemléletet alkalmazunk).
