CN110378856B - 一种隧道表面二维激光图像增强处理方法 - Google Patents

一种隧道表面二维激光图像增强处理方法 Download PDF

Info

Publication number
CN110378856B
CN110378856B CN201910658981.1A CN201910658981A CN110378856B CN 110378856 B CN110378856 B CN 110378856B CN 201910658981 A CN201910658981 A CN 201910658981A CN 110378856 B CN110378856 B CN 110378856B
Authority
CN
China
Prior art keywords
image
dimensional laser
laser image
tunnel
splicing
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.)
Active
Application number
CN201910658981.1A
Other languages
English (en)
Other versions
CN110378856A (zh
Inventor
罗文婷
李林
胡辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian Ruidao Engineering Technology Consulting Co ltd
Fujian Agriculture and Forestry University
Original Assignee
Fujian Ruidao Engineering Technology Consulting Co ltd
Fujian Agriculture and Forestry University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian Ruidao Engineering Technology Consulting Co ltd, Fujian Agriculture and Forestry University filed Critical Fujian Ruidao Engineering Technology Consulting Co ltd
Priority to CN201910658981.1A priority Critical patent/CN110378856B/zh
Publication of CN110378856A publication Critical patent/CN110378856A/zh
Application granted granted Critical
Publication of CN110378856B publication Critical patent/CN110378856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30132—Masonry; Concrete

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种隧道表面二维激光图像增强处理方法，包括以下步骤：步骤S1:采集待测隧道表面二维激光图像；步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光消除算法阈值；步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得到均衡化后的二维激光图像；步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼接缝，得到增强后的二维激光图像。本发明能够有效改善图像高像素域与低像素的协调性，并增强隧道图像的细节信息效果。

Description

一种隧道表面二维激光图像增强处理方法
技术领域
本发明涉及图像处理领域，具体涉及一种隧道表面二维激光图像 增强处理方法。
背景技术
目前，图像增强算法分为空域法和频域法两大类，空域法通过分 析局部像素对中心像素的影响，对中心像素进行调整。代表算法有直 方图均衡化，直方图均衡化的优点是对曝光过度或者曝光不足照片中 可以进行更好的细节展示，缺点是它对处理的数据不加选择，可能会 增加背景杂讯的对比度从而降低有用信号的对比度，使变换后的灰度 级减少，某些信息消失。频域法是通过一定的规则修正图像的变换系 数，再进行逆变换实现图像增强，代表算法有傅里叶变换和拉普拉斯 变换。拉普拉斯变换可以得到图像的轮廓，从而进行图像增强，缺点 是在变化过程中会产生噪音，影响图像的质量。目前关于隧道图片的 研究主要集中在隧道病害的检测与识别，而针对隧道图像进行增强的 研究相对较少。
发明内容
有鉴于此，本发明的目的在于提供一种隧道表面二维激光图像增 强处理方法，能够有效改善图像高像素域与低像素的协调性，并增强 隧道图像的细节信息效果。
为实现上述目的，本发明采用如下技术方案：
一种隧道表面二维激光图像增强处理方法，包括以下步骤：
步骤S1:采集待测隧道表面二维激光图像；
步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光 消除算法阈值，并根据曝光消除算法消除图像局部曝光；
步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得 到均衡化后的二维激光图像；
步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目 标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；
步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；
步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼 接缝，得到增强后的二维激光图像。
进一步的，所述步骤S2具体为：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数 的像素点按照公式(1)，(2)调整灰度值:
Figure BDA0002137789220000021
Figure BDA0002137789220000022
式中，
Figure BDA0002137789220000023
图像灰度的标准差；
Figure BDA0002137789220000025
图像的灰度平均值；
Figure BDA0002137789220000024
图 像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度 值；p5：为第5百分位数的灰度值。
进一步的，所述步骤S4具体为：
步骤S41:在均衡化后的二维激光图像上分别对x方向和y方向求 二阶偏导；
步骤S42:将两个方向上的二阶偏导相加，得到拉普拉斯图像，对 拉普拉斯处理后的图片进行高斯滤波去除噪音。
进一步的，所述步骤S5具体为：
步骤S51:根据处理后的二维激光图像，利用垂直方向直线检测算 法得出图像上的竖向直线；
步骤S52:利用霍夫直线检测算法设置直线长度过滤掉非拼接缝 的竖向直线，得到最终的图像拼接缝位置信息。
进一步的，所述步骤S6具体为：
步骤S61:根据图像拼接缝位置信息，预设拼接缝两边范围为30 个像素点；
步骤S62：根据公式(3)为拼接缝左边灰度值处理算法和公式(4) 为拼接缝右边灰度值处理算法，消除接缝左右的灰度值跳跃；
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值； P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼 接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图 像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
步骤S63:根据式(5)计算拼接缝新的灰度值，得到增强后的二维 激光图像
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼 接缝宽度。
本发明与现有技术相比具有以下有益效果：
本发明能够有效改善图像高像素域与低像素的协调性，并增强隧 道图像的细节信息效果。
附图说明
图1是本发明
图2是本发明一实施例中的隧道表面原始图像；
图3是本发明一实施例中的隧道局部曝光消除效果图；
图4是本发明一实施例中的隧道细节增强效果图；
图5是本发明一实施例中的拼接缝消除效果图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种隧道表面二维激光图像增强处理方 法，包括以下步骤：
步骤S1:采集待测隧道表面二维激光图像；
步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光 消除算法阈值，并根据曝光消除算法消除图像局部曝光；
步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得 到均衡化后的二维激光图像；
步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目 标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；
步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；
步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼 接缝，得到增强后的二维激光图像。
参照图2，在本实施例中，所述步骤S2具体为：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数 的像素点按照公式(1)，(2)调整灰度值:
Figure BDA0002137789220000051
Figure BDA0002137789220000052
式中，
Figure BDA0002137789220000053
图像灰度的标准差；
Figure BDA0002137789220000054
图像的灰度平均值；
Figure BDA0002137789220000055
图 像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度 值；p5：为第5百分位数的灰度值。
参照图3，在本实施例中，所述步骤S4具体为：
步骤S41:在均衡化后的二维激光图像上分别对x方向和y方向求
二阶偏导；
步骤S42:将两个方向上的二阶偏导相加，得到拉普拉斯图像，对 拉普拉斯处理后的图片进行高斯滤波去除噪音。
进一步的，所述步骤S5具体为：
步骤S51:根据处理后的二维激光图像，利用垂直方向直线检测算 法得出图像上的竖向直线；
步骤S52:利用霍夫直线检测算法设置直线长度过滤掉非拼接缝 的竖向直线，得到最终的图像拼接缝位置信息。
在本实施例中，所述步骤S6具体为：
步骤S61:根据图像拼接缝位置信息，预设拼接缝两边范围；取左 右两边距离拼接缝20-40个像素点得到的效果较好，本实施中取30 个像素点。
步骤S62：根据公式(3)为拼接缝左边灰度值处理算法和公式(4) 为拼接缝右边灰度值处理算法，消除接缝左右的灰度值跳跃；
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值； P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼 接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图 像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
步骤S63:根据式(5)计算拼接缝新的灰度值，得到增强后的二维 激光图像
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼 接缝宽度。
实施例1：
本实施例中道路检测车采用高性能的车载计算机配合各种传感器 采集数据与储存数据，采用自动化的数据采集；检测车采集速度可达80km/h；每次采集跨度1/2隧道壁，检测车安装有16个相机，在采 集完毕后将相机采集图像按位置拼接；
隧道中的照明灯光会影响图像采集的质量，造成图像出现曝光 现象，根据步骤S2进行消除局部曝光的处理：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数 的像素点按照公式(1)，(2)调整灰度值:
Figure BDA0002137789220000071
Figure BDA0002137789220000072
式中，
Figure BDA0002137789220000073
图像灰度的标准差；
Figure BDA0002137789220000074
图像的灰度平均值；
Figure BDA0002137789220000075
图 像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度 值；p5：为第5百分位数的灰度值。
本实施例中，一张隧道表面图像由多个子图像拼接而成，由于 车载相机所处位置不一样，所得子图像的灰度值有差别，在拼接时会 出现拼接处灰度值跳跃问题。为解决拼接缝问题，首先是在图像上找 到拼接缝的位置信息。以之前处理过程中得到的拉普拉斯图像为基础， 利用垂直方向直线检测算法得出图像上的竖向直线，然后利用霍夫直 线检测算法设置直线长度过滤掉非拼接缝的竖向直线，最终得出拼接 缝在图像上的位置信息。
由于要调节接缝左右的灰度值，首先需要确定所处理的拼接缝两 边范围。范围太小，会造成灰度变化率大，范围太大，在某些图像上 会造成图像信息被覆盖。经过多次试验，取左右两边距离拼接缝20-40 个像素点得到的效果较好，本实施例中中取30个像素点。然后通过 像素点与拼接缝的距离设置权重，并将处理过程分为左右两部分处理， 公式(3)为拼接缝左边灰度值处理算法，公式(4)为拼接缝右边灰 度值处理算法。采用公式(3)和公式(4)处理的优点有二；第一， 把距离设置为权重可以让灰度值调整区域与未调整区域完美的衔接； 第二，左右两边分别计算能够消除接缝左右的灰度值跳跃问题。最后， 进行拼接缝消除，令拼接缝的灰度值为处理后的接缝两边像素的平均 值，如公式(5)所示，效果图如附图5所示。
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值； P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼 接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图 像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置。
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼 接缝宽度。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所 做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (2)

1.一种隧道表面二维激光图像增强处理方法，其特征在于，包括以下步骤：
步骤S1:采集待测隧道表面二维激光图像；
步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光消除算法阈值，并根据曝光消除算法消除图像局部曝光；
步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得到均衡化后的二维激光图像；
步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；
步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；
步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼接缝，得到增强后的二维激光图像；
所述步骤S2具体为：
步骤S21:将待测隧道表面二维激光图像灰度值从小到大排序；
步骤S22:像素在第5百分位数之下的不作调整，超过第5百分位数的像素点按照公式(1)，(2)调整灰度值:
Figure FDA0003993179400000011
Figure FDA0003993179400000012
式中，
Figure FDA0003993179400000021
图像灰度的标准差；
Figure FDA0003993179400000022
图像的灰度平均值；
Figure FDA0003993179400000023
图像灰度标准差离散系数；Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；p5：为第5百分位数的灰度值；
所述步骤S5具体为：
步骤S51:根据处理后的二维激光图像，利用垂直方向直线检测算法得出图像上的竖向直线；
步骤S52:利用霍夫直线检测算法设置直线长度过滤掉非拼接缝的竖向直线，得到最终的图像拼接缝位置信息；
所述步骤S6具体为：
步骤S61:根据图像拼接缝位置信息，预设拼接缝两边范围为30个像素点；
步骤S62：根据公式(3)为拼接缝左边灰度值处理算法和公式(4)为拼接缝右边灰度值处理算法，消除接缝左右的灰度值跳跃；
p'L(i,j)＝pL(i,j)+[p(z+30,j)-p(z-30,j)]/2×[i-(z-30)]/30 (3)
p'R(i,j)＝pR(i,j)-[p(z+30,j)-p(z-30,j)]/2×[z+30-i]/30 (4)
式中，P'L(i,j)：拼接缝左边图像坐标位置(i,j)处调整后的灰度值；P'R(i,j)：拼接缝右边图像坐标位置(i,j)处调整后的灰度值；PL(i,j)：拼接缝左边图像坐标位置(i,j)处调整前的灰度值；PR(i,j)：拼接缝右边图像坐标位置(i,j)处调整前的灰度值；z：图像拼接缝横坐标位置；
步骤S63:令拼接缝的灰度值为处理后的接缝两边像素的平均值，得到增强后的二维激光图像
pf(i,j)＝[p(i+w,j)+p(i-w,j)]/2 (5)
式中，Pf(i,j)：图像坐标位置(i,j)处调整后的灰度值；w：图像拼接缝宽度。
2.根据权利要求1所述的一种隧道表面二维激光图像增强处理方法，其特征在于，所述步骤S4具体为：
步骤S41:在均衡化后的二维激光图像上分别对x方向和y方向求二阶偏导；
步骤S42:将两个方向上的二阶偏导相加，得到拉普拉斯图像，对拉普拉斯处理后的图片进行高斯滤波去除噪音。
CN201910658981.1A 2019-07-22 2019-07-22 一种隧道表面二维激光图像增强处理方法 Active CN110378856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910658981.1A CN110378856B (zh) 2019-07-22 2019-07-22 一种隧道表面二维激光图像增强处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910658981.1A CN110378856B (zh) 2019-07-22 2019-07-22 一种隧道表面二维激光图像增强处理方法

Publications (2)

Publication Number Publication Date
CN110378856A CN110378856A (zh) 2019-10-25
CN110378856B true CN110378856B (zh) 2023-03-14

Family

ID=68254621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910658981.1A Active CN110378856B (zh) 2019-07-22 2019-07-22 一种隧道表面二维激光图像增强处理方法

Country Status (1)

Country Link
CN (1) CN110378856B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507922B (zh) * 2020-04-21 2022-02-11 南京航空航天大学 一种基于直方图的隧道表面图像自适应增强方法
CN112580556A (zh) * 2020-12-25 2021-03-30 北京集创北方科技股份有限公司 一种光学指纹采集方法、装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100646715B1 (ko) * 2004-10-18 2006-11-23 한국과학기술원 후처리를 통한 2차원 초음파 영상의 화질 개선 방법
CN109272461A (zh) * 2018-09-04 2019-01-25 张家港江苏科技大学产业技术研究院 基于中值滤波和全局直方图的红外图像增强方法
CN109801216B (zh) * 2018-12-20 2023-01-03 武汉光谷卓越科技股份有限公司 隧道检测图像的快速拼接方法

Also Published As

Publication number Publication date
CN110378856A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
WO2021227838A1 (zh) 图像处理方法、系统及计算机可读存储介质
CN109785291B (zh) 一种车道线自适应检测方法
WO2021217643A1 (zh) 红外图像处理方法、装置及可移动平台
CN109785245B (zh) 一种光斑图像修整方法
CN107067382A (zh) 一种改进的图像边缘检测方法
CN109377450B (zh) 一种边缘保护的去噪方法
CN110378856B (zh) 一种隧道表面二维激光图像增强处理方法
WO2016206087A1 (zh) 一种低照度图像处理方法和装置
CN109741356B (zh) 一种亚像素边缘检测方法及系统
CN111080661B (zh) 基于图像的直线检测方法、装置以及电子设备
US20120308153A1 (en) Device and method of removing noise in edge area
CN113034452B (zh) 一种焊件轮廓检测方法
US8965141B2 (en) Image filtering based on structural information
DE102008003948A1 (de) Vorrichtung zum Bestimmen des Vorhandenseins von Nebel unter Verwendung einer Abbildung, die durch eine in ein Fahrzeug eingebaute Abbildungsvorrichtung erzielt wird
KR20050041886A (ko) 전역 통계 및 국부 통계에 의해 컨트롤되는 노이즈 감소장치 및 그 방법
CN111062913B (zh) 一种激光选区融化成型粉床铺粉质量检测方法
CN117094914B (zh) 基于计算机视觉的智慧城市道路监控系统
US8873880B2 (en) Detection and/or enhancement of contrast differences in digital image data
CN115631116B (zh) 基于双目视觉的飞行器电力巡检系统
CN117152135A (zh) 一种道路施工裂缝缺陷评估检测方法
CN111553878A (zh) 基于双目视觉的沥青路面混合料摊铺均匀性的检测方法
CN106772925A (zh) 一种基于内积能量的被动相机自动聚焦方法
CN112053302A (zh) 高光谱图像的去噪方法、装置及存储介质
CN112419228B (zh) 盖板立体边缘缺陷的检测方法及装置
CN111445435B (zh) 一种基于多区块小波变换的无参考图像质量评价方法

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
GR01 Patent grant
GR01 Patent grant