CN106340026A - 一种基于图像处理技术的低亮度环境物品筛分系统及方法 - Google Patents
一种基于图像处理技术的低亮度环境物品筛分系统及方法 Download PDFInfo
- Publication number
- CN106340026A CN106340026A CN201610668642.8A CN201610668642A CN106340026A CN 106340026 A CN106340026 A CN 106340026A CN 201610668642 A CN201610668642 A CN 201610668642A CN 106340026 A CN106340026 A CN 106340026A
- Authority
- CN
- China
- Prior art keywords
- image
- article
- module
- image processing
- low
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种基于图像处理技术的低亮度环境物品筛分系统及方法,其特征在于,所述系统包括:存储单元、通信安全单元、信息安全单元和控制单元;所述控制单元分别信号连接于通信安全单元、存储单元和信息安全单元;所述通信安全单元包括:循环冗余校验模块、奇校验模块、防冲突模块、曼彻斯特码编码器和改进米勒特码编码器;所述信息安全单元包括:时钟电路、主控制器、虚拟RAM和从协议控制模块;所述信息安全单元包括:相互认证模块和加解密模块;所述存储单元包括:接口电路和EEPROM。发明具有准确率高、节省信道容量、高效等优点。
Description
技术领域
本发明涉及图像处理领域,特别涉及一种基于图像处理技术的低亮度环境物品筛分系统及方法。
背景技术
在实际的工业生产过程中,我们往往需要对原料或中间产品进行筛选,筛选结果的准确性往往会影响最终产品的性能和效果。而目前在工业生产的物品筛选中,大多数由人工筛选,过程繁复,而且会导致成本增加。另外,由于自动化程度较低,筛选的准确性也较低,导致筛选出来的物品合格率不符合工业生产的要求。最后,部分工业生产活动是在低亮度环境中进行的,又大大增大了筛分的难度。因此研究一种能够在低亮度环境下智能识别物品图像,并根据图像进行物品筛分的系统和方法就显得尤为重要。
发明内容
鉴于此,本发明提供了一种基于图像处理技术的低亮度环境物品筛分系统及方法,本发明具有自动化程度高、提高生产效率、降低人工工作强度和智能化等优点。
本发明采用的技术方案如下:
一种基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述系统包括:CCD摄像机、图像处理系统、DSP处理器、上位机、筛分设备和物品通道;所述CCD摄像机信号连接于图像处理系统;所述图像处理系统信号连接于DSP处理器;所述DSP处理器信号连接于上位机;所述DSP处理器信号连接于筛分设备;所述筛分设备连接有物品通道。
采用上述技术方案,上位机设定系统的参数,在物品通过物品通道传送时,CCD摄像机实时采集物品的图像信息,将采集到的图像信息发送至图像处理系统,图像处理系统将对图像进行综合分析和处理;DSP处理器根据图像处理系统的处理结果控制筛分设备的运行。
所述图像处理系统包括:图像采集模块、图像预处理模块、图像分割模块、特征提取模块和图像识别模块;所述图像采集模块信号连接于图像预处理模块;所述图像预处理模块信号连接于图像分割模块;所述图像分割模块信号连接于特征提取模块;所述特征提取模块信号连接于图像识别模块;所述图像识别模块信号连接于DSP处理器。
采用上述技术方案,本发明的图像处理系统将对原始图像信息进行图像采集、图像预处理、图像他分割、特征提取和图像识别。
所述CCD摄像机,用于拍摄获取原始的图像信息;所述图像处理系统,用于对采集到的原始图像信息进行图像处理;所述DSP处理器,用于根据图像处理的结果控制筛分设备进行筛分;所述上位机,用于配置系统参数,控制启动的运行;所述物品通道,用于传输需要筛分的物品。
采用上述技术方案,本发明的DSP处理器根据图像处理系统进行物品筛分,全部过程完全智能化。
所述图像采集模块,用于从CCD摄像机获取原始的图像信息;所述图像预处理模块,用于对采集到的原始图像信息进行图像预处理,将预处理后的图像发送至图像分割模块;所述图像分割模块,用于将图像预处理后的图像进行图像分割,将图像预处理后的图像发送至特征提取模块;所述特征提取模块,用于将分割后的图像进行特征提取,将特征提取后的图像发送至图像识别模块;所述图像识别模块,用于对特征提取后的图像进行图像识别。
采用上述技术方案,本发明的图像识别技术,针对图像进行图像预处理、图像分割、特征提取和图像识别。
所述DSP处理器和上位机之间通过有线/无线的方式连接。
一种基于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述方法包括以下步骤:
步骤1:上位机设置系统运行的参数,控制系统的运行;
步骤2:CCD摄像机通过拍摄获取图像的原始图像信息;
步骤3:图像处理系统采集到原始图像信息后,依次对接收到的原始图像信息进行图像预处理、图像分割、特征提取和图像识别;
步骤4:DSP处理器开始根据图像处理的结果控制筛分设备进行筛分;
步骤5:筛分设备根据DSP处理器的控制命令。
所述图像处理系统对进行图像预处理的方法为:生成一个含有奇数个像素的滑动窗口,将窗口正中点的灰度值用窗口内各点的中值代替,用窗口在图像上扫描,最终输入预处理后的图像。
所述图像处理系统对进行图像分割的方法包括以下步骤:
步骤1:将图像从空间域映射到模糊特征域,具体步骤为:设定次那个灰度级QUOTE 的 QUOTE 元图像表示为一个模糊集,集内每个元素均为相对于某个特定灰度级的隶属函数,将该图像映射为一个模糊矩阵 QUOTE ;其中 QUOTE 为像素的灰度级相对于某个特定灰度级QUOTE 的隶属度;
步骤2:设定 QUOTE 为最大灰度级 QUOTE ;定义隶属函数为:QUOTE ;
步骤3:其中 QUOTE 为倒数型模糊因子; QUOTE 为指数型模糊因子,因此该图像映射成为模糊隶属度矩阵;
步骤4:在模糊空间中采用非线性函数 QUOTE 变换,实现增强边缘两侧像素灰度的对比度;QUOTE ;
其中, QUOTE
再利用 QUOTE 变换将增强后的图像由模糊空间变回数据空间。
步骤5:定义新的边缘算子为: QUOTE ;
其中,QUOTE 采用新的边缘算子对图像信息进行边缘提取。
采用上述技术方案,图像分割是从图像处理到图像分析的关键一步。边缘特征的检测和提取的效果决定图像识别和处理的性能。图像边缘反映图像的灰度不连续性,勾划出目标物体。通过提取物品A的图像或物品B的边缘,确定它们的在图像中区域位置,将它们从背景中分离出来,为下一步的特征提取和图像识别做准备。
所述图像处理系统对进行特征提取的方法为:
步骤1:利用改进的边缘算子提取物品A或物品B的轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域:;
步骤2:通过分析物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线;比较二者得出物品A的灰度级较低,物品B的灰度级较高。从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
所述图像处理系统对进行图像识别的方法为:先计算出样品物品A图像或物品B图像的灰度概率分布的均值和方差,把它们作为标准值;在图像识别时,通过实际的物品A图像或物品B图像的处理结果与标准值的比较,便可判断出物品A或物品B。
采用上述技术方案,利用改进的边缘算子提取煤块或矸石边缘轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域。通过物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线。比较二者得出,物品A的灰度级较低,物品B的灰度级较高。从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
采用以上技术方案,本发明产生了以下有益效果:
1、自动化程度高:本发明的筛分系统完全由系统进行自动筛分,完全不用人工进行操作,自动化程度高,最大程度的降低了人力成本。
2、智能化程度高:本发明的筛分系统自动进行图像识别,筛分设备根据图像识别的结果自动进行筛分,智能化程度高,人工只需要进行整个系统运行参数的设定。
3、适应低亮度环境:本发明的筛分系统的图像识别技术针对低亮度环境进行了改进,能够适应低亮度环境。
4、提高生产效率:本发明的筛分系统由于完全自动化,同时避免了人工筛选的不准确性,提高了产品的生产效率和产品的合格率。
附图说明
图1是本发明的一种具备高度防碰撞功能的射频系统及方法的系统结构示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
本发明实施例1中提供了一种基于图像处理技术的低亮度环境物品筛分系统,系统结构如图1所示:
一种基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述系统包括:CCD摄像机、图像处理系统、DSP处理器、上位机、筛分设备和物品通道;所述CCD摄像机信号连接于图像处理系统;所述图像处理系统信号连接于DSP处理器;所述DSP处理器信号连接于上位机;所述DSP处理器信号连接于筛分设备;所述筛分设备连接有物品通道。
采用上述技术方案,上位机设定系统的参数,在物品通过物品通道传送时,CCD摄像机实时采集物品的图像信息,将采集到的图像信息发送至图像处理系统,图像处理系统将对图像进行综合分析和处理;DSP处理器根据图像处理系统的处理结果控制筛分设备的运行。
所述图像处理系统包括:图像采集模块、图像预处理模块、图像分割模块、特征提取模块和图像识别模块;所述图像采集模块信号连接于图像预处理模块;所述图像预处理模块信号连接于图像分割模块;所述图像分割模块信号连接于特征提取模块;所述特征提取模块信号连接于图像识别模块;所述图像识别模块信号连接于DSP处理器。
采用上述技术方案,本发明的图像处理系统将对原始图像信息进行图像采集、图像预处理、图像他分割、特征提取和图像识别。
所述CCD摄像机,用于拍摄获取原始的图像信息;所述图像处理系统,用于对采集到的原始图像信息进行图像处理;所述DSP处理器,用于根据图像处理的结果控制筛分设备进行筛分;所述上位机,用于配置系统参数,控制启动的运行;所述物品通道,用于传输需要筛分的物品。
采用上述技术方案,本发明的DSP处理器根据图像处理系统进行物品筛分,全部过程完全智能化。
所述图像采集模块,用于从CCD摄像机获取原始的图像信息;所述图像预处理模块,用于对采集到的原始图像信息进行图像预处理,将预处理后的图像发送至图像分割模块;所述图像分割模块,用于将图像预处理后的图像进行图像分割,将图像预处理后的图像发送至特征提取模块;所述特征提取模块,用于将分割后的图像进行特征提取,将特征提取后的图像发送至图像识别模块;所述图像识别模块,用于对特征提取后的图像进行图像识别。
采用上述技术方案,本发明的图像识别技术,针对图像进行图像预处理、图像分割、特征提取和图像识别。
所述DSP处理器和上位机之间通过有线/无线的方式连接。
本发明实施例2中提供了一种基于图像处理技术的低亮度环境物品筛分方法:
一种基于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述方法包括以下步骤:
步骤1:上位机设置系统运行的参数,控制系统的运行;
步骤2:CCD摄像机通过拍摄获取图像的原始图像信息;
步骤3:图像处理系统采集到原始图像信息后,依次对接收到的原始图像信息进行图像预处理、图像分割、特征提取和图像识别;
步骤4:DSP处理器开始根据图像处理的结果控制筛分设备进行筛分;
步骤5:筛分设备根据DSP处理器的控制命令。
所述图像处理系统对进行图像预处理的方法为:生成一个含有奇数个像素的滑动窗口,将窗口正中点的灰度值用窗口内各点的中值代替,用窗口在图像上扫描,最终输入预处理后的图像。
所述图像处理系统对进行图像分割的方法包括以下步骤:
步骤1:将图像从空间域映射到模糊特征域,具体步骤为:设定次那个灰度级 QUOTE 的 QUOTE 元图像表示为一个模糊集,集内每个元素均为相对于某个特定灰度级的隶属函数,将该图像映射为一个模糊矩阵 QUOTE ;其中 QUOTE 为像素的灰度级相对于某个特定灰度级QUOTE 的隶属度;
步骤2:设定 QUOTE 为最大灰度级 QUOTE ;定义隶属函数为:QUOTE ;
步骤3:其中 QUOTE 为倒数型模糊因子; QUOTE 为指数型模糊因子,因此该图像映射成为模糊隶属度矩阵;
步骤4:在模糊空间中采用非线性函数 QUOTE 变换,实现增强边缘两侧像素灰度的对比度;QUOTE ;
其中, QUOTE
再利用 QUOTE 变换将增强后的图像由模糊空间变回数据空间。
步骤5:定义新的边缘算子为: QUOTE ;
其中,QUOTE 采用新的边缘算子对图像信息进行边缘提取。
采用上述技术方案,图像分割是从图像处理到图像分析的关键一步。边缘特征的检测和提取的效果决定图像识别和处理的性能。图像边缘反映图像的灰度不连续性,勾划出目标物体。通过提取物品A的图像或物品B的边缘,确定它们的在图像中区域位置,将它们从背景中分离出来,为下一步的特征提取和图像识别做准备。
所述图像处理系统对进行特征提取的方法为:
步骤1:利用改进的边缘算子提取物品A或物品B的轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域:;
步骤2:通过分析物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线;比较二者得出物品A的灰度级较低,物品B的灰度级较高。从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
所述图像处理系统对进行图像识别的方法为:先计算出样品物品A图像或物品B图像的灰度概率分布的均值和方差,把它们作为标准值;在图像识别时,通过实际的物品A图像或物品B图像的处理结果与标准值的比较,便可判断出物品A或物品B。
采用上述技术方案,利用改进的边缘算子提取煤块或矸石边缘轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域。通过物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线。比较二者得出,物品A的灰度级较低,物品B的灰度级较高。从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
本发明实施例3中提供了一种基于图像处理技术的低亮度环境物品筛分系统及方法,系统结构图如图1所示:
一种基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述系统包括:CCD摄像机、图像处理系统、DSP处理器、上位机、筛分设备和物品通道;所述CCD摄像机信号连接于图像处理系统;所述图像处理系统信号连接于DSP处理器;所述DSP处理器信号连接于上位机;所述DSP处理器信号连接于筛分设备;所述筛分设备连接有物品通道。
采用上述技术方案,上位机设定系统的参数,在物品通过物品通道传送时,CCD摄像机实时采集物品的图像信息,将采集到的图像信息发送至图像处理系统,图像处理系统将对图像进行综合分析和处理;DSP处理器根据图像处理系统的处理结果控制筛分设备的运行。
所述图像处理系统包括:图像采集模块、图像预处理模块、图像分割模块、特征提取模块和图像识别模块;所述图像采集模块信号连接于图像预处理模块;所述图像预处理模块信号连接于图像分割模块;所述图像分割模块信号连接于特征提取模块;所述特征提取模块信号连接于图像识别模块;所述图像识别模块信号连接于DSP处理器。
采用上述技术方案,本发明的图像处理系统将对原始图像信息进行图像采集、图像预处理、图像他分割、特征提取和图像识别。
所述CCD摄像机,用于拍摄获取原始的图像信息;所述图像处理系统,用于对采集到的原始图像信息进行图像处理;所述DSP处理器,用于根据图像处理的结果控制筛分设备进行筛分;所述上位机,用于配置系统参数,控制启动的运行;所述物品通道,用于传输需要筛分的物品。
采用上述技术方案,本发明的DSP处理器根据图像处理系统进行物品筛分,全部过程完全智能化。
所述图像采集模块,用于从CCD摄像机获取原始的图像信息;所述图像预处理模块,用于对采集到的原始图像信息进行图像预处理,将预处理后的图像发送至图像分割模块;所述图像分割模块,用于将图像预处理后的图像进行图像分割,将图像预处理后的图像发送至特征提取模块;所述特征提取模块,用于将分割后的图像进行特征提取,将特征提取后的图像发送至图像识别模块;所述图像识别模块,用于对特征提取后的图像进行图像识别。
采用上述技术方案,本发明的图像识别技术,针对图像进行图像预处理、图像分割、特征提取和图像识别。
所述DSP处理器和上位机之间通过有线/无线的方式连接。
一种基于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述方法包括以下步骤:
步骤1:上位机设置系统运行的参数,控制系统的运行;
步骤2:CCD摄像机通过拍摄获取图像的原始图像信息;
步骤3:图像处理系统采集到原始图像信息后,依次对接收到的原始图像信息进行图像预处理、图像分割、特征提取和图像识别;
步骤4:DSP处理器开始根据图像处理的结果控制筛分设备进行筛分;
步骤5:筛分设备根据DSP处理器的控制命令。
所述图像处理系统对进行图像预处理的方法为:生成一个含有奇数个像素的滑动窗口,将窗口正中点的灰度值用窗口内各点的中值代替,用窗口在图像上扫描,最终输入预处理后的图像。
所述图像处理系统对进行图像分割的方法包括以下步骤:
步骤1:将图像从空间域映射到模糊特征域,具体步骤为:设定次那个灰度级 QUOTE 的 QUOTE 元图像表示为一个模糊集,集内每个元素均为相对于某个特定灰度级的隶属函数,将该图像映射为一个模糊矩阵 QUOTE ;其中 QUOTE 为像素的灰度级相对于某个特定灰度级QUOTE 的隶属度;
步骤2:设定 QUOTE 为最大灰度级 QUOTE ;定义隶属函数为:QUOTE ;
步骤3:其中 QUOTE 为倒数型模糊因子; QUOTE 为指数型模糊因子,因此该图像映射成为模糊隶属度矩阵;
步骤4:在模糊空间中采用非线性函数 QUOTE 变换,实现增强边缘两侧像素灰度的对比度;QUOTE ;
其中, QUOTE
再利用 QUOTE 变换将增强后的图像由模糊空间变回数据空间。
步骤5:定义新的边缘算子为: QUOTE ;
其中,QUOTE 采用新的边缘算子对图像信息进行边缘提取。
采用上述技术方案,图像分割是从图像处理到图像分析的关键一步。边缘特征的检测和提取的效果决定图像识别和处理的性能。图像边缘反映图像的灰度不连续性,勾划出目标物体。通过提取物品A的图像或物品B的边缘,确定它们的在图像中区域位置,将它们从背景中分离出来,为下一步的特征提取和图像识别做准备。
所述图像处理系统对进行特征提取的方法为:
步骤1:利用改进的边缘算子提取物品A或物品B的轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域:;
步骤2:通过分析物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线;比较二者得出物品A的灰度级较低,物品B的灰度级较高。从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
所述图像处理系统对进行图像识别的方法为:先计算出样品物品A图像或物品B图像的灰度概率分布的均值和方差,把它们作为标准值;在图像识别时,通过实际的物品A图像或物品B图像的处理结果与标准值的比较,便可判断出物品A或物品B。
采用上述技术方案,利用改进的边缘算子提取煤块或矸石边缘轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域。通过物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线。比较二者得出,物品A的灰度级较低,物品B的灰度级较高。从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
本发明的筛分系统完全由系统进行自动筛分,完全不用人工进行操作,自动化程度高,最大程度的降低了人力成本。
本发明的筛分系统自动进行图像识别,筛分设备根据图像识别的结果自动进行筛分,智能化程度高,人工只需要进行整个系统运行参数的设定。
本发明的筛分系统的图像识别技术针对低亮度环境进行了改进,能够适应低亮度环境。
本发明的筛分系统由于完全自动化,同时避免了人工筛选的不准确性,提高了产品的生产效率和产品的合格率。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (10)
1.一种基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述系统包括:CCD摄像机、图像处理系统、DSP处理器、上位机、筛分设备和物品通道;所述CCD摄像机信号连接于图像处理系统;所述图像处理系统信号连接于DSP处理器;所述DSP处理器信号连接于上位机;所述DSP处理器信号连接于筛分设备;所述筛分设备连接有物品通道。
2.如权利要求1所述的基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述图像处理系统包括:图像采集模块、图像预处理模块、图像分割模块、特征提取模块和图像识别模块;所述图像采集模块信号连接于图像预处理模块;所述图像预处理模块信号连接于图像分割模块;所述图像分割模块信号连接于特征提取模块;所述特征提取模块信号连接于图像识别模块;所述图像识别模块信号连接于DSP处理器。
3.如权利要求1所述的基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述CCD摄像机,用于拍摄获取原始的图像信息;所述图像处理系统,用于对采集到的原始图像信息进行图像处理;所述DSP处理器,用于根据图像处理的结果控制筛分设备进行筛分;所述上位机,用于配置系统参数,控制启动的运行;所述物品通道,用于传输需要筛分的物品。
4.如权利要求2所述的基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述图像采集模块,用于从CCD摄像机获取原始的图像信息;所述图像预处理模块,用于对采集到的原始图像信息进行图像预处理,将预处理后的图像发送至图像分割模块;所述图像分割模块,用于将图像预处理后的图像进行图像分割,将图像预处理后的图像发送至特征提取模块;所述特征提取模块,用于将分割后的图像进行特征提取,将特征提取后的图像发送至图像识别模块;所述图像识别模块,用于对特征提取后的图像进行图像识别。
5.如权利要求4所述的基于图像处理技术的低亮度环境物品筛分系统,其特征在于,所述DSP处理器和上位机之间通过有线/无线的方式连接。
6.一种基于权利要求1至5之一所述的基于图像处理技术的低亮度环境物品筛分系统的方法,其特征在于,所述方法包括以下步骤:
步骤1:上位机设置系统运行的参数,控制系统的运行;
步骤2:CCD摄像机通过拍摄获取图像的原始图像信息;
步骤3:图像处理系统采集到原始图像信息后,依次对接收到的原始图像信息进行图像预处理、图像分割、特征提取和图像识别;
步骤4:DSP处理器开始根据图像处理的结果控制筛分设备进行筛分;
步骤5:筛分设备根据DSP处理器的控制命令。
7.如权利要求6所述的基于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述图像处理系统对进行图像预处理的方法为:生成一个含有奇数个像素的滑动窗口,将窗口正中点的灰度值用窗口内各点的中值代替,用窗口在图像上扫描,最终输入预处理后的图像。
8.如权利要求6所述的基于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述图像处理系统对进行图像分割的方法包括以下步骤:
步骤1:将图像从空间域映射到模糊特征域,具体步骤为:设定次那个灰度级的元图像表示为一个模糊集,集内每个元素均为相对于某个特定灰度级的隶属函数,将该图像映射为一个模糊矩阵;其中为像素的灰度级相对于某个特定灰度级的隶属度;
步骤2:设定为最大灰度级;定义隶属函数为:;
步骤3:其中为倒数型模糊因子;为指数型模糊因子,因此该图像映射成为模糊隶属度矩阵;
步骤4:在模糊空间中采用非线性函数变换,实现增强边缘两侧像素灰度的对比度;;
其中,
再利用变换将增强后的图像由模糊空间变回数据空间;
步骤5:定义新的边缘算子为:;
其中,采用新的边缘算子对图像信息进行边缘提取。
9.如权利要求6所述的基于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述图像处理系统对进行特征提取的方法为:
步骤1:利用改进的边缘算子提取物品A或物品B的轮廓,将其映射到原始灰度图像上,即得到物品A或物品B的图像区域:;
步骤2:通过分析物品A图像或物品B图像的灰度直方图,可以得到它们的灰度分布曲线;比较二者得出物品A的灰度级较低,物品B的灰度级较高;
从数学的方法看,它们的灰度概率分布的均值和方差均不同,因此通过分析各自的均值和方差便可区分物品A或物品B。
10.如权利要求6所述的于图像处理技术的低亮度环境物品筛分方法,其特征在于,所述图像处理系统对进行图像识别的方法为:先计算出样品物品A图像或物品B图像的灰度概率分布的均值和方差,把它们作为标准值;在图像识别时,通过实际的物品A图像或物品B图像的处理结果与标准值的比较,便可判断出物品A或物品B。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610668642.8A CN106340026A (zh) | 2016-08-16 | 2016-08-16 | 一种基于图像处理技术的低亮度环境物品筛分系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610668642.8A CN106340026A (zh) | 2016-08-16 | 2016-08-16 | 一种基于图像处理技术的低亮度环境物品筛分系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106340026A true CN106340026A (zh) | 2017-01-18 |
Family
ID=57825685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610668642.8A Pending CN106340026A (zh) | 2016-08-16 | 2016-08-16 | 一种基于图像处理技术的低亮度环境物品筛分系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106340026A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764773A (zh) * | 2018-04-13 | 2018-11-06 | 赛摩电气股份有限公司 | 一种产品物料编码管理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510295A (zh) * | 2009-04-01 | 2009-08-19 | 苏州有色金属研究院有限公司 | 基于PCIe和Vision Assistan的机器视觉系统的设计方法 |
CN103424409A (zh) * | 2013-04-12 | 2013-12-04 | 安徽工业大学 | 一种基于dsp的视觉检测系统 |
-
2016
- 2016-08-16 CN CN201610668642.8A patent/CN106340026A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510295A (zh) * | 2009-04-01 | 2009-08-19 | 苏州有色金属研究院有限公司 | 基于PCIe和Vision Assistan的机器视觉系统的设计方法 |
CN103424409A (zh) * | 2013-04-12 | 2013-12-04 | 安徽工业大学 | 一种基于dsp的视觉检测系统 |
Non-Patent Citations (3)
Title |
---|
刘富强 等: "基于图像处理与识别技术的煤矿矸石自动分选", 《煤炭学报》 * |
牛清娜: "基于边缘检测算法的煤矸石自动分选技术研究", 《河北工程大学学报(自然科学版)》 * |
王仁宝 等: "基于DSP与改进边缘检测算法的煤矸石自动分选系统", 《电子技术应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764773A (zh) * | 2018-04-13 | 2018-11-06 | 赛摩电气股份有限公司 | 一种产品物料编码管理方法及系统 |
CN108764773B (zh) * | 2018-04-13 | 2021-12-21 | 赛摩电气股份有限公司 | 一种产品物料编码管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3499414B1 (en) | Lightweight 3d vision camera with intelligent segmentation engine for machine vision and auto identification | |
CN110543857A (zh) | 基于图像分析的违禁物识别方法、装置、系统和存储介质 | |
CN108304754A (zh) | 车型的识别方法和装置 | |
CN104063686B (zh) | 作物叶部病害图像交互式诊断系统与方法 | |
CN102892007B (zh) | 促进多个摄像机间颜色平衡同步和获得跟踪的方法和系统 | |
CN104268519B (zh) | 基于模式匹配的图像识别终端及其识别方法 | |
CN103632143B (zh) | 结合云计算基于影像的物件识别系统 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN104361357B (zh) | 基于图片内容分析的相片集分类系统及分类方法 | |
CN109034694B (zh) | 基于智能制造的生产原料智能存储方法及系统 | |
CN109740590A (zh) | 基于目标跟踪辅助的roi精确提取方法及系统 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
WO2019197021A1 (en) | Device and method for instance-level segmentation of an image | |
CN111186656A (zh) | 一种目标垃圾分类方法及智能垃圾桶 | |
CN112149690A (zh) | 一种基于生物图像特征识别的溯源方法和溯源系统 | |
CN108345835B (zh) | 一种基于仿复眼感知的目标识别方法 | |
CN111161214A (zh) | 一种基于双目视觉的猪只体重测量及饮水行为识别系统及方法 | |
CN112580540A (zh) | 一种人工智能农作物处理系统和方法 | |
CN114004814A (zh) | 一种基于深度学习和灰度三阶矩分析的煤矸石识别方法及系统 | |
CN111723772A (zh) | 基于图像识别的易腐垃圾识别方法、装置及计算机设备 | |
CN113313098B (zh) | 视频处理方法、设备、系统及存储介质 | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
CN106340026A (zh) | 一种基于图像处理技术的低亮度环境物品筛分系统及方法 | |
Zhang et al. | Text extraction from images captured via mobile and digital devices | |
CN111723861B (zh) | 一种用于煤矿控制挡板的煤矸石百分比识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |