CN106203336A - 一种基于灰度图像标记的矿井巷道灯识别方法 - Google Patents

Abstract

一种基于灰度图像标记的矿井巷道灯识别方法，首先，获取摄像机拍到的灰度图像，对图像进行滤波等预处理，其次，根据矿井巷道灯区域和背景区域灰度值差值大的特点，选取合适的阈值，判断像素值大于等于所设置阈值的像素为矿井巷道灯区域的像素，否则为背景区域的像素，最后，用设定好的阈值对灰度图像进行连通域标记处理，统计连通域中像素的个数以计算各矿井巷道灯区域的面积，确定面积最大的连通域，判断此连通域为离机车最近的矿井巷道灯，实现对矿井巷道灯的识别，利用图像本身目标像素连续存在且无空心的特点，达到一遍扫描即可完成矿井巷道灯识别的目的，快速找到距离机车最近的巷道灯，具有耗时短、效率高、准确性高的特点。

Description

一种基于灰度图像标记的矿井巷道灯识别方法

技术领域

本发明涉及一种利用数字图像处理技术实现矿井巷道灯识别方法，特别涉及一种基于灰度图像标记的矿井巷道灯识别方法。

背景技术

井下机车的头部安装有摄像头，摄像头随着机车的运动而运动，一帧视频图像中有时出现好几个矿井巷道灯区域，还有标识牌区域，但是摄像头正前方离机车最近的矿井巷道灯区域的识别是下一步机车定位与跟踪的基础。

连通域标记是指图像中符合某种连通规则的连通像素用相同的符号表示出来的过程。该算法可以实现对图像中感兴趣的区域进行标记处理，为每一个检测到的连通区域内的像素赋予一个唯一标号，作为像素值，从而把不同大小、不同形状的连通区域划分开来，为后续目标物体特征的提取及图像识别提供重要的依据。现有的利用连通域标记算法实现矿井巷道灯区域的识别的具体实现过程如下：

1.首先对灰度图像进行二值化处理转换为二值图像；

2.通过查看当前工作窗中邻接像素的标记结果完成一个目标像素的标记处理，工作窗中邻接像素左前方、左上方、正上方及右上方四个像素，通常情况下需要查看完这四个邻接像素才能完成当前像素的标记处理；

3.需要进行合并两个不同等价标号的处理。比如，当正上方的像素为背景像素，左前方、右上方及当前像素为目标像素，显然在当前像素标记前，左前方像素和右上方像素处在不同的连通域中。

4.在第二遍扫描中，对连通域中每一个目标像素用同一个唯一的标号值进行赋值；

5.对标记后的图像再一次进行扫描计算用于矿井巷道灯识别需要用的面积特征值。

在上述处理过程中，整个处理过程非常耗时，主要表现在：1)完成矿井巷道灯识别过程需要三次扫描整个图像中的像素；2)没有考虑到矿井巷道灯像素的存在特点和矿井巷道灯区域无空心的特点。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提出一种基于灰度图像标记的矿井巷道灯识别方法，能够充分利用图像本身目标像素连续存在且无空心的特点，达到一遍扫描即可完成矿井巷道灯识别的目的，快速找到距离机车最近的巷道灯，具有耗时短、效率高、准确性高的特点。

为了实现上述目的，本发明采用的技术方案是：

一种基于灰度图像标记的矿井巷道灯识别方法，步骤如下：

步骤一：

获取摄像机拍到的灰度图像，对图像进行滤波等预处理，以消除因矿井下阴暗潮湿、光线不足、粉尘等带来的噪声；

步骤二：

根据矿井巷道灯区域和背景区域灰度值差值大的特点，选取合适的阈值，判断像素值大于等于所设置阈值的像素为矿井巷道灯区域的像素，即目标像素，否则为背景区域的像素；

步骤三：

用设定好的阈值对灰度图像进行连通域标记处理，统计连通域中像素的个数以计算各矿井巷道灯区域的面积，即连通域的面积；

步骤四：

根据计算得到的面积，确定面积最大的连通域，由此判断此连通域为离机车最近的矿井巷道灯，实现对矿井巷道灯的识别。

所述步骤一滤波处理的具体方法是：从原始图像的左上角开始利用滤波模板进行滑动扫描，利用模板所覆盖区域中像素点的中值取代原来的灰度值，实现中值滤波的平滑去噪。

所述的合适的阈值是通过灰度图像的直方图，阈值选取在两个波峰之间，设置为240。

所述基于灰度图像的连通域标记处理，具体为：设置像素值大于等于240的像素为目标像素，根据图像中目标像素比较集中的特点，采用基于图段的方法对连通域进行快速标记处理，所述的图段指的是图像中连续出现在一行中的目标像素构成的序列；在标记过程中同时统计各个连通域的像素数目总和，即按照下面的公式在第一次扫描后，即可计算各个连通域的面积：

连通域C_i的面积A_i为：

与现有技术相比，本发明具有以下有益效果：

本发明较现有标记算法而言，是基于灰度图像标记，避免了灰度图像二值化的操作，简化了图像处理的复杂度，减少了时间消耗；利用灰度图像中矿井巷道灯区域和背景区域灰度值差大的特点，选取合适阈值，根据像素点灰度值与阈值大小关系便可以进行标记，利用图像中目标像素连续出现及图像中无空心的特点，采用基于段方法快速实现连通域的快速标记处理，在整个标记过程中不需要合并等价标号集合处理，在标记结束后直接利用连通域对应的等级标号集合便可快速地计算该连通域的面积，以连通域的面积大小作为识别矿井巷道灯的依据，不用像对一般图像标记处理方法中给连通域中每一个前景像素都赋一个同样的标号而对图像进行第二次扫描，计算面积的速度比通常方法快近一倍，显著简化了矿井巷道灯的识别过程。

整个过程的显著特点是操作过程简单，能够快速、准确地识别矿井巷道灯，满足实时性要求，具有效率高、准确性高的特点。

具体实施方式

下面结合实施例对本发明作进一步详细说明。

一种基于灰度图像标记的矿井巷道灯识别方法，包括以下步骤：

步骤一：

通过CCD摄像机获取矿井巷道灯的原始灰度图像，像素大小为640×480，对原始图像进行滤波，选用的滤波模板尺寸为3×3，以消除因矿井下阴暗潮湿、光线不足、粉尘等带来的噪声。

具体方法为：从原始图像的左上角开始利用滤波模板进行滑动扫描，利用模板所覆盖区域中像素点的中值取代原来的灰度值，实现中值滤波的平滑去噪。

步骤二：

根据矿井巷道灯区域和背景区域灰度值差值大的特点，利用灰度图像的直方图，选取波峰之间的灰度值作为阈值，据此选取的阈值为240。判断像素值大于等于240的即为目标像素，否则为背景像素。

步骤三：

用设定好的阈值240对灰度图像进行连通域标记处理，统计连通域中像素的个数以计算各矿井巷道灯区域的面积，即连通域的面积。

不同的连通域具有不同的标号值，因为首先扫描到的连通域会设标号值为1，随后依次扫描到的连通域的标号值会依次增加1，所以最大标号值既是最后一个扫描到的连通域的标号值，又代表了当前图像中包含的连通域(巷道灯区域)的个数。

所述的连通域标记处理，是为了对属于同一个巷道灯区域的像素用唯一的标号值进行标记处理，以此不同的巷道灯区域具有不同的标号值，且经过标记处理后，各个巷道灯区域与背景区域利用标号值的不同得到了区分，在标记处理的同时计算各个巷道灯区域的面积，确定面积最大的巷道灯区域为最终需要跟踪的目标区域。

由于图像中目标像素比较集中，本发明采用段方法对连通域进行快速标记处理，所述的段指的是图像中连续出现在一行中的目标像素构成的序列。在本实施例中，需要找出面积最大的连通区域(巷道灯区域)，为后续定位和跟踪机车做好准备，所以为了更好的识别目标区域，在标记的同时需要统计每一个连通区域的面积。

本实施例中，连通区域(巷道灯区域)是无空心的连通域，因为前景像素是连续出现的，所以巷道灯区域为简单连通图像，等价标号间的关系也变得简单，在标记过程中，不存在合并等价标号的处理。利用这一特点，在对巷道灯区域标记处理中同时计算对应各个连通域中像素的数目，由此计算各个连通域的面积。连通域C_i的面积A_i为：本实施例的标号值的最大值为2，说明有两个巷道灯区域，其中标号值为1的连通域的面积为9600，标号值为2的连通域的面积为800。

步骤四：

根据步骤三计算所得标号值为1的连通域的面积为9600，标号值为2的连通域的面积为800，可判断出当前对机车追踪、定位操作有效的巷道灯是标号值为1的巷道灯区域。

Claims (4)

1.一种基于灰度图像标记的矿井巷道灯识别方法，其特征在于，步骤如下：

步骤一：

获取摄像机拍到的灰度图像，对图像进行滤波等预处理，以消除因矿井下阴暗潮湿、光线不足、粉尘等带来的噪声；

步骤二：

根据矿井巷道灯区域和背景区域灰度值差值大的特点，选取合适的阈值，判断像素值大于等于所设置阈值的像素为矿井巷道灯区域的像素，即目标像素，否则为背景区域的像素；

步骤三：

用设定好的阈值对灰度图像进行连通域标记处理，统计连通域中像素的个数以计算各矿井巷道灯区域的面积，即连通域的面积；

步骤四：

根据计算得到的面积，确定面积最大的连通域，由此判断此连通域为离机车最近的矿井巷道灯，实现对矿井巷道灯的识别。

2.根据权利要求1所述的一种基于灰度图像标记的矿井巷道灯识别方法，其特征在于，所述步骤一滤波处理的具体方法是：从原始图像的左上角开始利用滤波模板进行滑动扫描，利用模板所覆盖区域中像素点的中值取代原来的灰度值，实现中值滤波的平滑去噪。

3.根据权利要求1所述的一种基于灰度图像标记的矿井巷道灯识别方法，其特征在于，所述的合适的阈值是通过灰度图像的直方图，阈值选取在两个波峰之间，设置为240。

4.根据权利要求1所述的一种基于灰度图像标记的矿井巷道灯识别方法，其特征在于，所述基于灰度图像的连通域标记处理，具体为：设置像素值大于等于240的像素为目标像素，根据图像中目标像素比较集中的特点，采用基于图段的方法对连通域进行快速标记处理，所述的图段指的是图像中连续出现在一行中的目标像素构成的序列；在标记过程中同时统计各个连通域的像素数目总和，即按照下面的公式在第一次扫描后，即可计算各个连通域的面积：

连通域C_i的面积A_i为：