CN109360218A - 一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机 - Google Patents
一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机 Download PDFInfo
- Publication number
- CN109360218A CN109360218A CN201811152676.7A CN201811152676A CN109360218A CN 109360218 A CN109360218 A CN 109360218A CN 201811152676 A CN201811152676 A CN 201811152676A CN 109360218 A CN109360218 A CN 109360218A
- Authority
- CN
- China
- Prior art keywords
- image
- oil smoke
- filter
- smoke image
- extracting method
- 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
- 239000000779 smoke Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003708 edge detection Methods 0.000 claims abstract description 16
- 239000003921 oil Substances 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 32
- 235000019504 cigarettes Nutrition 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 239000002199 base oil Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000009466 transformation Effects 0.000 abstract description 5
- 239000006233 lamp black Substances 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种油烟图像弱边缘提取方法及油烟处理系统及油烟机,油烟图像弱边缘提取方法,包括以下步骤:3‑1,定义一个滤波器Y;3‑2,使滤波器Y遍历油烟图像,计算滤波器在每一位置处的中心像素点的边缘检测值Xz;3‑3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值一一相减,并判断在同一位置处每个差值的绝对值是否大于阈值Δ;统计差值的绝对值大于阈值的数量,判定边缘点并进行标记;3‑4,滤波器遍历完整个去噪图像,得到所有标记的边缘点。本发明基于小波变换,不需要很大的计算量便可得到较为准确的油烟图像弱边缘提取效果。
Description
技术领域
本发明涉及油烟检测技术领域,尤其涉及一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机。
背景技术
边缘是图像重要特征之一,边缘是指周围像素灰度有阶跃变化或屋顶变化的像素集合。边缘检测主要是灰度变化的度量、检测和定位。边缘检测与提取是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点,从而提取出目标区域的边缘,剔除图像中的非目标区域部分。
现阶段针对图像边缘检测与提取的算法很多,但往往都依赖于大量的计算,需要消耗大量的算力来得到较为准确的边缘检测结果,这在嵌入式图像处理产品上是不适用的。而且传统的图像边缘提取算法对灰度值异变明显的强边缘效果不错,但对图像目标区域弱边缘的检测就显得捉襟见肘了。
因此,针对现有技术不足,提供一种简单易行,不需要消耗大量计算,对弱边缘的检测具有较高的准确率的油烟图像弱边缘提取方法及基于该方法的油烟图像识别系统和油烟机,以克服现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种油烟图像弱边缘提取方法及基于该方法的油烟处理系统及油烟机,具有操作简单、计算量小、对弱边缘检测准确率高的特点。
本发明的上述目的通过以下技术措施实现。
提供一种油烟图像弱边缘提取方法,包括以下步骤:
3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数;
3-2,使滤波器Y遍历油烟图像,滤波器Y遍历油烟图像时与油烟图像中对应的区域重叠,z为滤波器Y遍历油烟图像时对应区域的标记;
计算滤波器在每一位置处的中心像素点所在的油烟图像的灰度值以及中心像素点邻域内其它像素点所在的油烟图像的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz,
f、g为为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的油烟图像的灰度值;α为权重系数,与滤波器位置相对应;
3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值一一相减,并判断在同一位置处每个差值的绝对值是否大于阈值Δ;
统计差值的绝对值大于阈值的数量,如果数量超过K,判定滤波器所处位置的中心像素点对应的油烟图像的像素点位置为边缘点,并进行标记,K为正整数;
3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点。
进一步的,步骤3-3中,阈值Δ=2ef,g,,
进一步的,步骤3-3中,
进一步的,步骤3-3中标记以高亮的方式标记。
优选的,上述的基油烟图像弱边缘提取方法,滤波器Y为3*3的矩阵。
优选的,上述的油烟图像弱边缘提取方法,
滤波器Y的权重系数包括α1,1、α1,2、α1,3、α2,1、α2,2、α2,3、α3,1、α3,2、α3,3,α1,1、α1,2、α1,3、α2,1、α2,2、α2,3、α3,1、α3,2、α3,3均为正整数。
优选的,α2,2=4;α1,1=α1,3=α3,1=α3,3=1;α1,2=α2,1=α2,3=α3,2=2。
本发明同时提供一种油烟图像识别系统,包括图像采集单元和图像处理单元,所述图像采集单元与图像处理单元电连接;
所述图像处理单元基于上述的油烟图像弱边缘提取方法提取油烟图像的边缘。
本发明同时提供一种油烟机,设置有图像采集单元、图像处理单元及主控单元及抽风单元,图像采集单元采集烟灶目标区域的烟雾图像并输送至图像处理单元并通过图像处理单元进行处理,图像处理单元的处理结果输送至主控单元,主控单元根据图像处理单元的处理结果控制抽风单元的工况;
图像处理单元采用上述的油烟图像弱边缘提取方法提取油烟图像的边缘。
优选的,上述图像采集单元采集灰度图像。
本发明提供的油烟图像弱边缘提取方法,基于小波变换,不需要很大的计算量便可得到较为准确的油烟图像弱边缘提取效果,具有操作简单、计算量小、对弱边缘检测准确率高的特点。
本发明的油烟图像识别系统及油烟机,采用基于小波变换的油烟图像弱边缘提取方法,仅需较小的计算量便可得到较为准确的油烟图像弱边缘提取效果,从而便于进一步对油烟进行分析处理。
附图说明
利用附图对本发明做进一步说明,但附图中的内容不构成对本发明的任何限制。
图1是本发明实施例1中的油烟图像弱边缘提取方法的流程方框示意图。
具体实施方式
结合以下实施例对本发明作进一步的描述。
实施例1。
如图1所示,一种油烟图像弱边缘提取方法,包括以下步骤:
3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数;
3-2,使滤波器Y遍历油烟图像,滤波器Y遍历油烟图像时与油烟图像中对应的区域重叠,z为滤波器Y遍历油烟图像时对应区域的标记;
计算滤波器在每一位置处的中心像素点所在的油烟图像的灰度值以及中心像素点邻域内其它像素点所在的油烟图像的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz,
f、g为为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的油烟图像的灰度值;α为权重系数,与滤波器位置相对应;
3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值一一相减,并判断在同一位置处每个差值的绝对值是否大于阈值Δ;
统计差值的绝对值大于阈值的数量,如果数量超过K,判定滤波器所处位置的中心像素点对应的油烟图像的像素点位置为边缘点,并进行标记,K为正整数;
3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点。
步骤3-3中,阈值Δ=2ef,g,,
进一步的,步骤3-3中,
步骤3-3中标记具体是以高亮的方式标记。
该油烟图像弱边缘提取方法,基于小波变换,不需要很大的计算量便可得到较为准确的油烟图像弱边缘提取效果,具有操作简单、计算量小、对弱边缘检测准确率高的特点。
实施例2。
一种油烟图像弱边缘提取方法,其它特征与实施例1相同,不同之处在于:滤波器Y为3*3的矩阵。
滤波器Y的权重系数包括α1,1、α1,2、α1,3、α2,1、α2,2、α2,3、α3,1、α3,2、α3,3,α1,1、α1,2、α1,3、α2,1、α2,2、α2,3、α3,1、α3,2、α3,3均为正整数。
具体的,α2,2=4;α1,1=α1,3=α3,1=α3,3=1;α1,2=α2,1=α2,3=α3,2=2。
本实施例采用3*3的滤波器Y,具有运算量小、计算简单的特点。
实施例3。
一种油烟图像识别系统,包括图像采集单元和图像处理单元,图像采集单元与图像处理单元电连接;所述图像处理单元基于实施例1或2的油烟图像弱边缘提取方法提取油烟图像的边缘。
该油烟图像识别系统,采用基于小波变换的油烟图像弱边缘提取方法,仅需较小的计算量便可得到较为准确的油烟图像弱边缘提取效果,从而便于进一步对油烟进行分析处理。
实施例4。
一种油烟机,设置有图像采集单元、图像处理单元及主控单元及抽风单元,图像采集单元采集烟灶目标区域的烟雾图像并输送至图像处理单元并通过图像处理单元进行处理,图像处理单元的处理结果输送至主控单元,主控单元根据图像处理单元的处理结果控制抽风单元的工况,图像处理单元采用实施例1或2的油烟图像弱边缘提取方法提取油烟图像的边缘。图像采集单元采集灰度图像。
本发明的油烟机,采用基于小波变换的油烟图像弱边缘提取方法,仅需较小的计算量便可得到较为准确的油烟图像弱边缘提取效果,从而便于进一步对油烟进行分析处理。
该油烟机能够实时监测油烟情况,控制抽风单元的工况。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种油烟图像弱边缘提取方法,其特征在于,包括以下步骤:
3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数;
3-2,使滤波器Y遍历油烟图像,滤波器Y遍历油烟图像时与油烟图像中对应的区域重叠,z为滤波器Y遍历油烟图像时对应区域的标记;
计算滤波器在每一位置处的中心像素点所在的油烟图像的灰度值以及中心像素点邻域内其它像素点所在的油烟图像的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz,
f、g为为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的油烟图像的灰度值;α为权重系数,与滤波器位置相对应;
3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值一一相减,并判断在同一位置处每个差值的绝对值是否大于阈值Δ;
统计差值的绝对值大于阈值的数量,如果数量超过K,判定滤波器所处位置的中心像素点对应的油烟图像的像素点位置为边缘点,并进行标记,K为正整数;
3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点。
2.根据权利要求1所述的油烟图像弱边缘提取方法,其特征在于:
步骤3-3中,阈值Δ=2ef,g,,
3.根据权利要求2所述的油烟图像弱边缘提取方法,其特征在于:步骤3-3中,
4.根据权利要求3所述的油烟图像弱边缘提取方法,其特征在于:步骤3-3中标记以高亮的方式标记。
5.根据权利要求4所述的基油烟图像弱边缘提取方法,其特征在于:滤波器Y为3*3的矩阵。
6.根据权利要求5所述的油烟图像弱边缘提取方法,其特征在于:
滤波器Y的权重系数包括α1,1、α1,2、α1,3、α2,1、α2,2、α2,3、α3,1、α3,2、α3,3,α1,1、α1,2、α1,3、α2,1、α2,2、α2,3、α3,1、α3,2、α3,3均为正整数。
7.根据权利要求6所述的油烟图像弱边缘提取方法,其特征在于:α2,2=4;α1,1=α1,3=α3,1=α3,3=1;α1,2=α2,1=α2,3=α3,2=2。
8.一种油烟图像识别系统,其特征在于,包括图像采集单元和图像处理单元,所述图像采集单元与图像处理单元电连接;
所述图像处理单元基于权利要求1-7任意一项所述的油烟图像弱边缘提取方法提取油烟图像的边缘。
9.一种油烟机,其特征在于:设置有图像采集单元、图像处理单元及主控单元及抽风单元,图像采集单元采集烟灶目标区域的烟雾图像并输送至图像处理单元并通过图像处理单元进行处理,图像处理单元的处理结果输送至主控单元,主控单元根据图像处理单元的处理结果控制抽风单元的工况;
图像处理单元采用如权利要求1至7任意一项所述的油烟图像弱边缘提取方法提取油烟图像的边缘。
10.根据权利要求9所述的油烟机,其特征在于:所述图像采集单元采集灰度图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152676.7A CN109360218A (zh) | 2018-09-29 | 2018-09-29 | 一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152676.7A CN109360218A (zh) | 2018-09-29 | 2018-09-29 | 一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109360218A true CN109360218A (zh) | 2019-02-19 |
Family
ID=65348158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811152676.7A Pending CN109360218A (zh) | 2018-09-29 | 2018-09-29 | 一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109360218A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637500A (zh) * | 2019-03-01 | 2020-09-08 | 九阳股份有限公司 | 一种油烟机的烟雾检测方法和油烟机 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440644A (zh) * | 2013-08-08 | 2013-12-11 | 中山大学 | 一种基于最小描述长度的多尺度图像弱边缘检测方法 |
CN103955944A (zh) * | 2014-05-22 | 2014-07-30 | 苏州大学 | 一种图像边缘检测方法及装置 |
CN104700421A (zh) * | 2015-03-27 | 2015-06-10 | 中国科学院光电技术研究所 | 一种基于canny的自适应阈值的边缘检测算法 |
US20170270673A1 (en) * | 2014-05-13 | 2017-09-21 | String Labs Limited | Border Detection |
CN107975851A (zh) * | 2018-01-02 | 2018-05-01 | 广东美的厨房电器制造有限公司 | 吸油烟机及其清洗控制方法 |
CN108564091A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 目标区域弱边缘提取方法及油烟浓度检测与干扰排除方法 |
CN108563991A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 |
-
2018
- 2018-09-29 CN CN201811152676.7A patent/CN109360218A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440644A (zh) * | 2013-08-08 | 2013-12-11 | 中山大学 | 一种基于最小描述长度的多尺度图像弱边缘检测方法 |
US20170270673A1 (en) * | 2014-05-13 | 2017-09-21 | String Labs Limited | Border Detection |
CN103955944A (zh) * | 2014-05-22 | 2014-07-30 | 苏州大学 | 一种图像边缘检测方法及装置 |
CN104700421A (zh) * | 2015-03-27 | 2015-06-10 | 中国科学院光电技术研究所 | 一种基于canny的自适应阈值的边缘检测算法 |
CN107975851A (zh) * | 2018-01-02 | 2018-05-01 | 广东美的厨房电器制造有限公司 | 吸油烟机及其清洗控制方法 |
CN108564091A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 目标区域弱边缘提取方法及油烟浓度检测与干扰排除方法 |
CN108563991A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 |
Non-Patent Citations (1)
Title |
---|
樊英平 等: "样条尺度空间与Canny算子结合的弱边缘检测算法研究", 《现代电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111637500A (zh) * | 2019-03-01 | 2020-09-08 | 九阳股份有限公司 | 一种油烟机的烟雾检测方法和油烟机 |
CN111637500B (zh) * | 2019-03-01 | 2023-04-07 | 九阳股份有限公司 | 一种油烟机的烟雾检测方法和油烟机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN106570486B (zh) | 基于特征融合和贝叶斯分类的核相关滤波目标跟踪方法 | |
CN108564091A (zh) | 目标区域弱边缘提取方法及油烟浓度检测与干扰排除方法 | |
CN108563991A (zh) | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 | |
WO2018122810A1 (zh) | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 | |
CN107328776B (zh) | 一种免疫层析试纸卡的快速检测方法 | |
CN103175835B (zh) | 基于智能图像处理和模型估计的烟叶叶面积质量测定方法 | |
CN110335246B (zh) | 一种证照图片清晰度评价方法 | |
WO2019072249A1 (zh) | 利用皮肤图像分析皮肤水分的方法及装置 | |
CN109190624A (zh) | 基于图像处理的厨房油烟浓度检测方法 | |
CN112862744B (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN109028230A (zh) | 具手势控制视觉检测功能的炉具及油烟浓度检测方法 | |
Lin et al. | Surface defect detection of machined parts based on machining texture direction | |
CN109882899A (zh) | 一种根据工作环境进行控制的油烟机 | |
CN109360218A (zh) | 一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机 | |
CN102980659A (zh) | 一种单色紧密织物表面颜色的数字化表征方法 | |
Xie et al. | No-reference hair occlusion assessment for dermoscopy images based on distribution feature | |
CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、系统及存储介质 | |
CN109028169A (zh) | 一种具有熄火视觉控制功能的炉具及油烟浓度检测方法 | |
CN209655389U (zh) | 一种能与健康营食资料库比对的自动烟灶系统 | |
CN107527362A (zh) | 一种基于图像纹理特征指标的苹果口感定性鉴别方法 | |
CN109654561A (zh) | 一种红外温度及视觉协同检测烹饪系统 | |
CN109654559A (zh) | 一种能识别水汽与油烟的健康烹饪系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190219 |