CN110490826B - 一种照相机中雾滴样本图像处理方法 - Google Patents
一种照相机中雾滴样本图像处理方法 Download PDFInfo
- Publication number
- CN110490826B CN110490826B CN201910789583.3A CN201910789583A CN110490826B CN 110490826 B CN110490826 B CN 110490826B CN 201910789583 A CN201910789583 A CN 201910789583A CN 110490826 B CN110490826 B CN 110490826B
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- fog
- pixel
- sampling
- 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
Links
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000005070 sampling Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000007921 spray Substances 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 230000002146 bilateral effect Effects 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 30
- 240000007651 Rubus glaucus Species 0.000 claims description 13
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 13
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000000853 adhesive Substances 0.000 claims description 3
- 230000001070 adhesive effect Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000003709 image segmentation Methods 0.000 abstract 1
- 238000010223 real-time analysis Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000005507 spraying Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G06T5/70—
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G01N15/075—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30242—Counting objects in image
Abstract
本发明公开了一种照相机中雾滴样本图像处理方法，涉及喷雾质量检测领域；该方法包括采集被光源均匀照射的样本图像，在样本图像中截取亮暗均匀的采样图像，并对采样图像进行双边滤波降噪以及灰度化处理，将灰度化的图像畸变矫正，把矫正后的图像进行粘连雾滴判定，判定的粘连雾滴采用形态学开运算的分割方法充分分割并标记后，用分水岭分割法把雾滴分离计数、把矫正后的灰度图像二值化，将二值图像分类求和得到雾滴的像素点的总个数和采样图像像素点总个数，并带入公式计算得出喷雾质量参数；解决了现有技术中仪器笨重、雾滴图像分割算法不准确、噪声像素点降低结果准确性的问题；可广泛应用于田间恶劣环境下的喷雾质量实时分析。
Description
技术领域
本发明涉及喷雾质量检测领域，特别是涉及一种照相机中雾滴样本图像处理方法。
背景技术
在农业生产中为提高农业施药的精准度、控制施药成本、降低农药残留，惯用的施药方法是将农药雾化，以达到均匀喷洒、精准施药的目的，而喷洒的均匀度则依赖于农户的经验去评判，科学性过低、准确度不高，因此喷雾质量分析就显得尤为重要。
目前现有的喷雾质量分析方法，大多借助水敏试纸的水敏特性，喷药后计算分析水敏试纸上雾滴的总个数和雾滴的总面积，通过这两个参数来计算喷雾质量参数，而这两个参数的求取，则需要建立对应的雾滴图像处理算法。
目前公开的雾滴图像处理算法中，对于粘连雾滴的分割问题，大多采用经验建模的方法，导致计数误差很大；并且现有技术中图像的采集、数据的分析、结果的输出往往需要多台仪器配合完成，仪器笨重不适合喷雾质量的实地测量；而且采集到的水敏试纸样本图像噪声像素点含量很高，直接进行图像的分割计数，会在很大程度上降低结果的准确度。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种照相机中雾滴样本图像处理方法，具有考虑全面，操作设计人性化的特性，解决了现有技术中粘连雾滴分割误差大、仪器笨重以及噪声像素点对测量结果的影响问题。
为实现上述目的，本发明采用的技术方案为：
一种照相机中雾滴样本图像处理方法，包括如下步骤：
S1、用照相机采集被光源均匀照射的雾滴样本图像；
S2、在样本图像中亮暗均匀的图像位置处截取采样图像，并用双边滤波法去除采样图像中的噪声像素点；
S3、将去除噪声像素点影响后的采样图像中的像素点，通过加权平均法，将像素值由不同亮度的红、绿、蓝三原色三维矩阵值，转化为代表明暗程度的单一像素值的灰度化图像；
S4、将步骤S3所述的灰度化图像和采用张氏标定法求取的相机内外参数，带入OpenCV库中的畸变校正公式，得到畸变校正后的采样图像；
S5、将畸变矫正后的采样图像中所有相邻且灰度值大于阈值的像素点组成的区域作为初步雾滴，首先进行对初步雾滴粘连情况的判定，其次是对粘连雾滴的充分分割，最后是雾滴的个数统计，采用的具体方法是：
所述初步雾滴粘连情况的判定，采用根据初步雾滴面积S与周长C确定的形状因子进行判定，具体判定方法是，粘连雾滴形状因子小于判定值，单个雾滴形状因子大于判定值,其中面积S等于初步雾滴的像素点总个数，周长C等于初步雾滴边界的像素点总个数；
所述粘连雾滴的充分分割，将判定的粘连雾滴采用形态学开运算的分割算法进行分割，完成一次分割后重新进行粘连雾滴判定，直到其分割后的每个雾滴的形状因子都大于预设的形状因子判定值，则表示充分分割完成，最后将充分分割后的每个雾滴标记为分水岭分割的标记；
所述雾滴的个数统计，是将单个雾滴以及充分分割并标记后的粘连雾滴，通过分水岭分割的方法，将分离后相互独立的分水岭区域逐个计数；
S6、将畸变矫正后的采样图像，进行二值化操作，对二值化后的图像的每个像素点进行分类求和，并分别计算雾滴覆盖率和单个雾滴面积；
所述雾滴覆盖率采用的计算公式为：
式中M为采样图像中雾滴的像素点总数、N采样图像的像素点总数、μ雾滴覆盖率；
所述单个雾滴面积采用的计算公式为：
式中M为采样图像中雾滴的像素点总数、X为步骤S5中统计的雾滴总个数、
为单个雾滴面积；
S7、最后在树莓派处理器的控制下，可在7寸触摸显示屏上直接显示雾滴轮廓形状图片和喷雾质量参数，其中喷雾质量参数包括雾滴覆盖率μ、单个雾滴面积值
雾滴总个数X。
由于以上技术方案的采用，本发明与现有技术相比具有如下优点：
1.本发明通过引入雾滴的形状因子判定雾滴的粘连情况，对判定的粘连雾滴采用形态学开运算的分割算法，在不改变其面积的前提下完成粘连雾滴的充分分割，为粘连雾滴的分割提供了可靠的方法。
2.本发明集样本采样、图像分析、数据计算、结果输出于一体，提高了雾滴分析的智能化程度，解决了现有技术中仪器笨重不适用于喷雾质量的实地测量问题。
3.本发明在目标样本图像采集后增加了图像的光照均匀判断、图像的滤波降噪和图像的畸变矫正，大大降低了噪声像素点对喷雾质量参数计算的影响，提高了测量结果的科学性、准确性。
附图说明
图1是本发明喷雾质量分析的整体流程示意图；
图2是本发明过分分割问题优化算法的流程示意图；
图3是本发明样本图像畸变矫正的流程示意图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1-3对实施过程的详细说明中，将可清楚的呈现。
实施例一，本发明公开了一种照相机中雾滴样本图像的处理方法，包括以下步骤：
S1、用LED点光源在预置的漫反射板后形成的发散面光源均匀照射雾滴样本水敏试纸，而后采用微焦距镜头固定的摄像头对样本水敏试纸进行图像采集，得到样本图像；
S2、首先，用与水敏试纸相同大小的白纸，代替水敏试纸，使用本装置进行拍摄，并将拍摄得到的图像灰度化，在灰度化后图像的左上角上截取长为a、宽为b的矩形采样图像，记为M1；
其次，在M1的四个顶角以及中心位置各截取一个边长为c的正方形，记为n1、n2、n3、n4、n5，分别计算这个五个正方形区域中每个像素点对应像素值的平均值，记为K1、K2、K3、K4、K5，而后求K1、K2、K3、K4、K5的平均值，记为K0，以及这五个正方形区域像素平均值的方差，记为S1，采用的方差公式为：
最后，将采样图像依次向右平移距离c，并重复上述步骤S2的操作，计算方差，直到采样图像的最左端与样本图像的最左端重合，再将采样图像向下平移距离c，重复上述操作，直到整个样本图像扫描完毕，得到n个不同位置采样图像的方差，分别记为S1、S2、S3...Sn，其中Si＝Min{S1、S2、S3...Sn}，则对应Mi的采样位置，即为亮暗均匀的采样图像位置，在此位置截取样本图像Mi，即为采样图像，并用双边滤波法去除采样图像中的噪声像素点；
S3、将去除噪声像素点影响后的采样图像中的像素点，由原先不同程度的红、绿、蓝三原色三维矩阵值，通过加权平均法，将采样图像转化为代表明暗程度的单一像素值的灰度化图像；采用的加权平均法公式为：
X＝0.2989R+05870G+0.1140B (4)
公式中X代表灰度图像像素点的灰色亮度值、R代表采样图像像素点的红色亮度值、G代表采样图像像素点的绿色亮度值、B代表采样图像像素点的蓝色亮度值；
S4、将步骤S3所述的灰度化图像和采用张氏标定法求取的相机内外参数，带入OpenCV库中的畸变校正公式，得到畸变校正后的采样图像；
所述相机内外参数求取采用的公式为：
式中S为尺度因子、
代表图像平面的像素坐标(u，v，1)、
代表世界坐标系下的像素坐标(X,Y,Z,1)、A为相机内参数矩阵、[R|t]为相机外参数矩阵、R代表相机外参数旋转矩阵、t代表相机外参数平移矩阵；
所述畸变校正采用公式包括切向畸变校正公式和径向畸变校正公式
其中径向畸变校正采用的公式为：
切向畸变对应的公式为：
式中k1、k2、k3为相机的径向畸变系数、p1、p2相机的切向畸变系数、u′和v′为畸变校正后的像素坐标、r为坐标到原点的距离；
通过带入至少四组亚像素角点坐标(u，v)可以求得切向畸变系数、径向畸变系数和相机内外参数矩阵；所述亚像素角点坐标的提取，采用张氏标定法和现有的标定板图像，进行像素角点坐标的检验和亚像素角点坐标的提取；
最后将图像平面像素坐标带入畸变校正公式得到畸变校正后的像素坐标；将所有像素点都带入畸变校正公式，即可得到畸变校正后的采样图像，解决了拍摄图像歪斜的问题。
上述步骤S1-S4降低拍摄过程产生的噪声像素点含量。
S5、将畸变矫正后的采样图像中所有相邻的且灰度值大于阈值的像素点组成的区域作为初步雾滴，首先进行初步雾滴粘连情况的判定，其次是对粘连雾滴的充分分割，最后是雾滴的个数统计，采用的具体方法是：
所述雾滴粘连情况的判定，采用根据初步雾滴面积S与周长C确定的形状因子进行判定，具体判定方法是，粘连雾滴形状因子小于判定值，单个雾滴形状因子大于判定值,其中面积S等于初步雾滴的像素点总个数，周长C等于初步雾滴边界的像素点总个数；
其中形状因子的计算采用公式为：
式中α为所定义的形状因子、S为初步雾滴面积，C为初步雾滴的周长；
所述粘连雾滴的充分分割，将判定的粘连雾滴，采用形态学开运算的分割算法，完成一次分割算法后重新进行粘连雾滴判定，直到其分割后的每个雾滴的形状因子都大于预设的形状因子判定值，则表示充分分割完成，最后将充分分割后的每个雾滴标记为分水岭分割的标记；
所述雾滴的个数统计，是将单个雾滴以及充分分割并标记后的粘连雾滴，通过分水岭分割的方法，将分离后相互独立的分水岭区域逐个计数，得到雾滴总个数X；步骤S5中采用的形态开运算的分割算法和粘连雾滴判定相结合，使得粘连雾滴得到了充分分割，提高了结果的准确度。
S6、将畸变矫正后的采样图像二值化，所述二值化的具体方法是，把每个大于等于阈值的像素点的像素值变为255，低于阈值的像素点的像素值变为0，对二值化后的图像的每个像素点进行分类求和，其中灰度值为255的表示为雾滴像素点，从而得到雾滴像素点总数M和采样图像像素点总数N，并分别计算雾滴覆盖率和单个雾滴面积；所述雾滴覆盖率采用公式(1)计算得出,所述单个雾滴面积采用公式(2)计算得出；
S7、最后通过树莓派处理器在7寸触摸显示屏上直接显示雾滴轮廓形状图片和喷雾质量参数，其中喷雾质量参数包括雾滴覆盖率μ、单个雾滴面积值
雾滴总个数X。
本发明在具体使用时：
首先用户按下开关键，5V/3A移动电源开始为树莓派处理器和LED灯供电，而后用户将光源对准水敏试纸，点击图像采样，则可得到试纸样本图像，而后用户再次以相同位置采集与水敏试纸大小相同的白纸样本图像，将两样本图像传输至树莓派处理器中，树莓派处理器自动完成图像的光照均匀位置判断、图像的噪声点去除、雾滴的分割计数、喷雾质量参数的计算以及结果的输出，具体的处理过程如下：
树莓派处理器根据白纸样本图像确定图像中亮暗均匀的图像位置，并在该位置截取长为a、宽为b的矩形作为采样图像，将采样图像采用双边滤波法进行图像降噪。
将截取并降噪后的采样图像，通过树莓派处理器的灰度图像算法，完成采样图像的灰度化。
将灰度化的采样图像带入畸变校正公式，完成对采样图像的畸变矫正。
将图像中所有相邻且灰度值大于阈值的像素点作为一个目标雾滴，计算目标雾滴的形状因子，并与预设的形状因子进行比较，大于预设值的标记为单个雾滴，小于预设值的标记为粘连雾滴；粘连雾滴进行多次形态学开运算的分割算法，直到分割后的每个雾滴的形状因子都大于预设的形状因子判定值，并标记分割后的雾滴为分水岭分割的标记；雾滴全部分割完成后，采用分水岭分割法，将雾滴分割成相互独立的分水岭区域，并逐个计数。
将畸变矫正后的灰度采样图像二值化，并对二值化后的图像的每个像素点进行分类求和；而后根据公式(1)求得雾滴覆盖率，根据公式(2)求得单个雾滴面积。
最后在7寸触摸显示屏上直接显示雾滴轮廓形状图片、雾滴覆盖率、单个雾滴面积值以及雾滴总个数。
其中所述摄像头、树莓派处理器、LED灯、7寸触摸显示屏、电源开关和5V/3A移动电源具体连接方式是，电源开关的一端与5V/3A移动电源相连，电源开关的另一端与树莓派处理器的Micro USB和LED灯连接，为LED灯和树莓派处理器供电；CSI摄像头接口与摄像头输出端口连接；DSI显示端口与7寸触摸显示屏连接，上述连接方式的采用使得仪器体积大大减小，解决了现有喷雾质量分析装置笨重的问题。
以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。
Claims (1)
1.一种照相机中雾滴样本图像处理方法，其特征在于，包括如下步骤：
S1、用照相机采集被光源均匀照射的雾滴样本图像；
S2、在样本图像中亮暗均匀的图像位置处截取采样图像，并用双边滤波法去除采样图像中的噪声像素点；
S3、将去除噪声像素点影响后的采样图像中的像素点，通过加权平均法，将像素值由不同亮度的红、绿、蓝三原色三维矩阵值，转化为代表明暗程度的单一像素值的灰度化图像；
S4、将步骤S3所述的灰度化图像和采用张氏标定法求取的相机内外参数，带入OpenCV库中的畸变校正公式，得到畸变校正后的采样图像；
S5、将畸变矫正后的采样图像中所有相邻且灰度值大于阈值的像素点组成的区域作为初步雾滴，首先进行对初步雾滴粘连情况的判定，其次是对粘连雾滴的充分分割，最后是雾滴的个数统计，采用的具体方法是：
所述初步雾滴粘连情况的判定，采用根据初步雾滴面积S与周长C确定的形状因子进行判定，具体判定方法是，粘连雾滴形状因子小于判定值，单个雾滴形状因子大于判定值,其中面积S等于初步雾滴的像素点总个数，周长C等于初步雾滴边界的像素点总个数；
所述粘连雾滴的充分分割，将判定的粘连雾滴采用形态学开运算的分割算法进行分割，完成一次分割后重新进行粘连雾滴判定，直到其分割后的每个雾滴的形状因子都大于预设的形状因子判定值，则表示充分分割完成，最后将充分分割后的每个雾滴标记为分水岭分割的标记；
所述雾滴的个数统计，是将单个雾滴以及充分分割并标记后的粘连雾滴，通过分水岭分割的方法，将分离后相互独立的分水岭区域逐个计数；
S6、将畸变矫正后的采样图像，进行二值化操作，对二值化后的图像的每个像素点进行分类求和，并分别计算雾滴覆盖率和单个雾滴面积；
所述雾滴覆盖率采用的计算公式为：
式中M为采样图像中雾滴的像素点总数、N采样图像的像素点总数、μ雾滴覆盖率；
所述单个雾滴面积采用的计算公式为：
式中M为采样图像中雾滴的像素点总数、X为步骤S5中统计的雾滴总个数、
为单个雾滴面积；
S7、最后在树莓派处理器的控制下，可在7寸触摸显示屏上直接显示雾滴轮廓形状图片和喷雾质量参数，其中喷雾质量参数包括雾滴覆盖率μ、单个雾滴面积值
雾滴总个数X；
所述步骤S1中，对样本图像采集前，采用灯光模组对样本试纸进行照射，所述灯光模组，采用LED点光源在预置漫反射板后，形成发散面光源；所述照相机，包括微焦距镜头和摄像头，其中微焦距镜头安装在摄像头前；
所述步骤S2中在样本图像中亮暗均匀的图像位置处截取采样图像的具体方法是：
首先，用与水敏试纸相同大小的白纸，代替水敏试纸，使用本装置进行拍摄，并将拍摄得到的图像灰度化，在灰度化后图像的左上角上截取长为a、宽为b的矩形采样图像，记为M1；
其次，在M1的四个顶角以及中心位置各截取一个边长为c的正方形，记为n1、n2、n3、n4、n5，分别计算这个五个正方形中像素值的平均值，记为K1、K2、K3、K4、K5，并求K1、K2、K3、K4、K5的平均值，记为K0，以及这五个正方形区域像素平均值的方差，记为S1，采用的方差公式为：
最后，将采样图像依次向右平移距离c，并重复上述操作，计算方差，直到采样图像的最左端与样本图像的最左端重合，再将采样图像向下平移距离c，重复上述操作，直到整个样本图像扫描完毕，得到n个不同位置采样图像的方差，分别记为S1、S2、S3…Sn，其中Si＝Min{S1、S2、S3…Sn}，则对应Mi的采样位置，即为亮暗均匀的采样图像位置；
所述步骤S3中加权平均法的计算公式为：
X＝0.2989R+05870G+0.1140B (4)
式中X代表灰度图像像素点的灰色亮度值、R代表采样图像像素点的红色亮度值、G代表采样图像像素点的绿色亮度值、B代表采样图像像素点的蓝色亮度值；
所述步骤S4中相机内外参数，包括相机内参数和相机外参数，其中相机外参数是指：张氏标定法数学模型中世界坐标系与相机坐标系的对应关系，相机内参数是指：图像物理坐标系与图像像素坐标系的对应关系；所述相机内外参数具体的求解公式为：
其中S为尺度因子、
代表图像平面的像素坐标(u，v，1)、
代表世界坐标系下的像素坐标(X,Y,Z,1)、A为相机内参数矩阵、[R|t]为相机外参数矩阵、R代表相机外参数旋转矩阵、t代表相机外参数平移矩阵；
所述畸变校正公式分别包括切向畸变公式和径向畸变公式，
径向畸变对应的公式为：
切向畸变对应的公式为：
k1、k2、k3为相机的径向畸变系数、p1、p2相机的切向畸变系数、u′和v′为畸变校正后的像素坐标、r代表坐标到原点的距离；
通过带入至少四组角点像素坐标(u，v)可以求得切向畸变系数、径向畸变系数和相机内外参数矩阵；
最后将图像平面像素坐标带入畸变校正公式得到畸变校正后的像素坐标；
所述步骤S5中形状因子计算采用的公式为：
式中α为所定义的形状因子、S为初步雾滴面积，C为初步雾滴的周长；
所述步骤S6中二值化操作具体方法是，对灰度图像每个像素点的像素值通过设置阈值的方法，令高于阈值的灰度值变为255，低于阈值的灰度值变为0，并显示为黑白分明的二值图像；
所述步骤S2-S6采用树莓派处理器，进行图像的处理和数据的计算，所述树莓派处理器包括Micro USB电源接口、CSI摄像头接口和DSI显示端口，所述Micro USB电源接口与电源开关的一端连接，电源开关的另一端与5V/3A移动电源相连；所述CSI摄像头接口与摄像头输出端口连接；所述DSI显示端口与7寸触摸显示屏连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910789583.3A CN110490826B (zh) | 2019-08-26 | 2019-08-26 | 一种照相机中雾滴样本图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910789583.3A CN110490826B (zh) | 2019-08-26 | 2019-08-26 | 一种照相机中雾滴样本图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110490826A CN110490826A (zh) | 2019-11-22 |
| CN110490826B true CN110490826B (zh) | 2021-09-17 |
Family
ID=68554047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910789583.3A Active CN110490826B (zh) | 2019-08-26 | 2019-08-26 | 一种照相机中雾滴样本图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110490826B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110992353B (zh) * | 2019-12-13 | 2021-04-06 | 哈尔滨工业大学 | 基于智能感知的芯片涂层薄膜质量检测方法 |
| CN112288710A (zh) * | 2020-10-28 | 2021-01-29 | 哈尔滨工程大学 | 一种船用柴油机多孔喷雾图像的喷雾贯穿距和锥角自动求解方法 |
| CN116703913B (zh) * | 2023-08-07 | 2023-10-24 | 山东大拇指喷雾设备有限公司 | 一种喷雾机喷雾质量检测方法 |
| CN116862814B (zh) * | 2023-09-05 | 2023-11-28 | 欣瑞华微电子(上海)有限公司 | 图像处理方法、图像处理设备及计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105300854A (zh) * | 2015-10-27 | 2016-02-03 | 潍坊学院 | 雾滴参数测量装置及利用该装置的雾滴参数测量分析方法 |
| CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
| CN109035320A (zh) * | 2018-08-12 | 2018-12-18 | 浙江农林大学 | 基于单目视觉的深度提取方法 |
| CN109410222A (zh) * | 2018-11-01 | 2019-03-01 | 浩云科技股份有限公司 | 一种火焰检测方法及装置 |
-
2019
- 2019-08-26 CN CN201910789583.3A patent/CN110490826B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105300854A (zh) * | 2015-10-27 | 2016-02-03 | 潍坊学院 | 雾滴参数测量装置及利用该装置的雾滴参数测量分析方法 |
| CN107909596A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于Android的药片计数方法 |
| CN109035320A (zh) * | 2018-08-12 | 2018-12-18 | 浙江农林大学 | 基于单目视觉的深度提取方法 |
| CN109410222A (zh) * | 2018-11-01 | 2019-03-01 | 浩云科技股份有限公司 | 一种火焰检测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Polymeric droplet deposition and self-release forming micro parts on heterogeneous surfaces;K.Z. Tu et al.;《2011 16th International Solid-State Sensors, Actuators and Microsystems Conference》;20110801;全文 * |
| 雾滴图像粘连特征改进判断及分离计数方法优化;吴亚垒 等;《农业机械学报》;20171225;第48卷(第1期);全文 * |
| 雾滴沉积特性参数的图像检测算法改进;郭娜 等;《农业工程学报》;20180831;第34卷(第17期);正文第1章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110490826A (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110490826B (zh) | 一种照相机中雾滴样本图像处理方法 | |
| CN108355987B (zh) | 一种基于分块模板匹配的电池丝印质量检测方法 | |
| CN110807355B (zh) | 一种基于移动机器人的指针仪表检测与读数识别方法 | |
| CN106969708B (zh) | 一种骨料形态质量的检测装置和方法 | |
| CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
| CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
| CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
| CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
| CN111145163A (zh) | 一种纸张褶皱缺陷检测方法及装置 | |
| CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
| CN111879735B (zh) | 一种基于图像的大米外观品质检测方法 | |
| CN113706566B (zh) | 一种基于边缘检测的加香喷雾性能检测方法 | |
| CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
| CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
| CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
| CN114926410A (zh) | 制动盘外观缺陷检测方法 | |
| CN104483243A (zh) | 大米粘连米检测分割方法、装置及系统 | |
| CN114638797A (zh) | 一种基于线阵相机的铜表面缺陷检测方法及装置 | |
| CN110032946A (zh) | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 | |
| CN111521128A (zh) | 一种基于光学投影的贝类外部形态自动测量方法 | |
| CN108257127A (zh) | 一种应用于急性中毒安全预评价的系统 | |
| CN114972204A (zh) | 一种钢制品表面裂纹检测方法及设备 | |
| CN110413143A (zh) | 基于激光雷达的人机交互方法 | |
| CN113205099A (zh) | 一种镀镍金属表面去料字符视觉检测系统及方法 | |
| CN112435290A (zh) | 基于饱和度分割的叶面积图像测量方法 |
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 |