CN111862244A - 一种基于图像处理的塑料片智能色选方法 - Google Patents

一种基于图像处理的塑料片智能色选方法 Download PDF

Info

Publication number
CN111862244A
CN111862244A CN202010685722.0A CN202010685722A CN111862244A CN 111862244 A CN111862244 A CN 111862244A CN 202010685722 A CN202010685722 A CN 202010685722A CN 111862244 A CN111862244 A CN 111862244A
Authority
CN
China
Prior art keywords
pixel
plastic sheet
color
num
pixel point
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
Application number
CN202010685722.0A
Other languages
English (en)
Inventor
林传文
汪俊锋
邓宏平
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.)
Anhui Huishi Jintong Technology Co ltd
Original Assignee
Anhui Huishi Jintong Technology Co ltd
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 Anhui Huishi Jintong Technology Co ltd filed Critical Anhui Huishi Jintong Technology Co ltd
Priority to CN202010685722.0A priority Critical patent/CN111862244A/zh
Publication of CN111862244A publication Critical patent/CN111862244A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • G06T5/73—
    • G06T5/80—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
    • B07C2501/0054—Sorting of waste or refuse
    • 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
    • G06T2207/10024—Color image

Abstract

本发明公开了一种基于图像处理的塑料片智能色选方法，涉及色选算法技术领域，将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。本发明对塑料片进行微观像素点识别，通过统计每一个像素点归属的颜色空间来判定其是否为目标塑料片，实现塑料片的精准颜色分选。

Description

一种基于图像处理的塑料片智能色选方法
技术领域
本发明涉及色选算法技术领域，尤其是一种基于图像处理的塑料片智能色选方法。
背景技术
废塑料在城市生活垃圾中占有相当大的比例，并且呈逐渐上涨态势，使得塑料分选以及资源化再利用势在必行，而色选是废塑料分选过程中的重要环节之一。
2015年12月23日授权的发明专利CN103350074B公开了一种塑料片色选分类装置，通过相机和光源对塑料片进行图像拍摄，并判断塑料片颜色，不符合色选颜色的塑料片，通过喷阀系统将其吹出。2018年8月28日授权的发明专利CN106426646B也公开了一种塑料片色选分类装置，在前述技术方案的基础上设置了均料机构，使得塑料片更加均匀、平整地经过相机。两个技术方案仅涉及塑料片色选的机械结构，对于色选算法并没有具体探讨，而破碎后的塑料片往往呈块状，由于塑料片本身颜色不均匀或受光线影响等原因，常规色选算法用于塑料片的色选容易产生误判，降低色选准确率。
发明内容
针对上述问题，本发明提供一种基于图像处理的塑料片智能色选方法，实现塑料片的精准色选。
一种基于图像处理的塑料片智能色选方法，核心思想为将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。
对塑料片图像进行颜色分析之前，根据实际需求，预先设定n个颜色空间的RGB范围，当像素点RGB值均在某一颜色RGB范围内时，则判定该像素点归属该颜色空间。
本发明公开的塑料片智能色选方法具体包括以下步骤：
1、根据实际情况，预先设定n个颜色空间的RGB范围，每个颜色空间的RGB范围表示为(Ci.Rmin,Ci.Rmax),(Ci.Gmin,Ci.Gmax),(Ci.Bmin,Ci.Bmax)，其中i＝1,2,...,n；
2、采集背景图像，统计背景像素的RGB范围；
3、获取塑料片图像并进行预处理，预处理包括畸变矫正和边缘增强；
4、逐行逐像素遍历塑料片图像，判断每个像素点归属的颜色空间并统计归属每个颜色空间的像素点数量；
5、计算像素点数量最多的颜色空间的覆盖率，若超出阈值M，且该颜色空间即为目标颜色空间，则判定为该塑料片为目标塑料片。
其中，所述步骤4具体包括以下步骤：
⑴设定并初始化变量，包括n个颜色空间的像素点数量Ci.num＝0、物料像素点数量Num＝0、背景行标识符S＝0；
⑵取一行像素点；
⑶逐个遍历选中行的像素点；
⑷判断当前遍历的像素点是否为该行最后一个像素点，
若不是该行最后一个像素点，再判断是否为背景像素点；若不是背景像素点，则置S＝1，物料像素点数量Num自加1，再判断该像素点归属的颜色空间，该颜色空间的像素点数量Ci.num自加1，跳转步骤⑶；若是背景像素点，则直接跳转步骤⑶；
若是该行最后一个像素点，再判断S是否为1；若S＝0，再判断Num是否为0，若Num＝0，则跳转步骤⑵，若Num≠0，则计算n个颜色空间中最大的像素点数量及其覆盖率；若S＝1，置S＝0，再跳转步骤⑵。
本发明对塑料片进行微观像素点识别，通过统计每一个像素点归属的颜色空间来判定其是否为目标塑料片，实现塑料片的精准颜色分选。
附图说明
图1为本发明公开的塑料片智能色选方法流程图；
图2为像素化的塑料片图像黑白示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
实施例1
本实施例以5个颜色空间为例进行阐述，本发明公开的基于图像处理的塑料片智能色选方法，如图1所示，包括以下步骤：
1、根据实际需求，预先设定5个颜色空间的RGB范围，每个颜色空间的RGB范围表示为(Ci.Rmin,Ci.Rmax),(Ci.Gmin,Ci.Gmax),(Ci.Bmin,Ci.Bmax)，其中i＝1,2,3,4,5。
2、采集背景图像，统计背景像素的RGB范围，为了便于区分，宜选取与塑料片色差较大的背景。
3、获取塑料片图像并进行预处理，预处理包括畸变矫正和边缘增强。畸变矫正和边缘增强都是常见的图像处理技术，这里对本实施例采用的具体算法进行简述。
畸变校正算法流程：
⑴采集背景图像采集：获取1帧背景图像作为校准的参考背景图，每行包含2700个RGB像素点；
⑵校准系数计算：首先计算该行图像在RGB三通道上的平均值MR、MG、MB，然后将整行图像上的2700个像素点的RGB值分别除以MR、MG、MB，得到畸变系数，最后将这2700个像素点的RGB通道上的畸变系数乘以27，实现取整数处理，得到最终的校准系数；
⑶畸变校正计算：针对输入的每一帧图像，将得到的2700个像素点的RGB值，分别乘以对应的校准系数，然后再进行右移7位的操作，实现对每个像素点的畸变校正。
整体思路为，将一行线性图像的每个像素点的RGB值乘以对应系数，实现图像拉平，去除中间凸起、两边凹陷的问题。
边缘增强算法流程：
⑴背景图像采集：获取1024帧背景图像作为背景像素点样本集；
⑵计算背景像素范围和均值：基于背景像素点样本集，统计RGB上限和下限，得到背景范围(Rmin,Rmax)&(Gmin,Gmax)&(Bmin,Bmax)，背景均值(Rmean,Gmean,Bmean)；
⑶滑动扫描线性图像：针对获取的每一帧线性图像，使用4(经验值)个像素点的滑动窗口遍历，当像素点的RGB值在背景范围内状态为1标识为背景，否则状态为0标识为物料，滑动窗口的状态可以用4位二进制4'bXXXX(高位为先到的像素)描述；
⑷识别物料边缘：按照滑动窗口的遍历方向将边缘分为“滑动进边缘”和“滑动出边缘”两类，滑动窗口状态为4'b1100时，识别为滑动进边缘，状态低位的2个像素点为边缘，滑动窗口状态为4'b0011时，识别为滑动出边缘，状态高位的2个像素点为边缘；
⑸处理物料边缘：将上述步骤被识别为边缘的2个像素的RGB值，修正为背景均值(Rmean,Gmean,Bmean)。
整体思路为，将物料图像边缘的2个像素区域修正为背景值，以减少边缘像素值对算法效果的干扰。由于图像预处理必须实时进行，所以边缘增强算法只能对单帧线性图像处理，基于线性像素点的分布情况提取边缘规律。
4、逐行逐像素遍历塑料片图像，判断每个像素点归属的颜色空间并统计归属每个颜色空间的像素点数量，具体包括以下步骤：
⑴设定并初始化变量，包括n个颜色空间的像素点数量Ci.num＝0、物料像素点数量Num＝0、背景行标识符S＝0；
⑵取一行像素点；
⑶逐个遍历选中行的像素点；
⑷判断当前遍历的像素点是否为该行最后一个像素点，
若不是该行最后一个像素点，再判断是否为背景像素点；若不是背景像素点，则置S＝1，物料像素点数量Num自加1，再判断该像素点归属的颜色空间，该颜色空间的像素点数量Ci.num自加1，跳转步骤⑶；若是背景像素点，则直接跳转步骤⑶；
若是该行最后一个像素点，再判断S是否为1；若S＝0，再判断Num是否为0，若Num＝0，则跳转步骤⑵，选取下一行像素点，若Num≠0，则计算n个颜色空间中最大的像素点数量及其覆盖率；若S＝1，置S＝0，再跳转步骤⑵，选取下一行像素点。
结合图2，并上述流程进行阐述。通过调整摄像头方位使得获取的塑料片图像包括背景像素点和塑料片像素点，每张图像的像素点数量是确定的，每行的像素点数量也是确定的。上述算法中以行为单位，进行像素点遍历，并判定一张塑料片图像是否遍历完毕。当一行全部为背景时，S不会被置1，从图2可以看出，一行全部为背景在图像的顶部和底部都会出现，那么就不能单纯根据S来判断图像是否遍历完毕。当全背景行位于图像顶部时，Num必然是0，因此结合S和Num就可以判定图像是否遍历完毕，也就是流程中提到的S＝0且Num≠0时，判定图像遍历完毕。
从另一方面来看，一行像素点只要其中存在一个塑料片像素点，那么S就被置1，那么当前行遍历结束后，就会自动进入下一行像素点的继续遍历，直至图像遍历完毕。
5、计算像素点数量最多的颜色空间的覆盖率，若超出阈值M，且该颜色空间即为目标颜色空间，则判定为该塑料片为目标塑料片。判定为该塑料片为目标塑料片，可以启动吹阀信号将目标塑料片吹出。
以上技术方案提及的都是对于塑料片色选，其实可以扩展至块片状或块状物料的色选。
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

Claims (5)

1.一种基于图像处理的塑料片智能色选方法，其特征在于，将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。
2.根据权利要求1所述的基于图像处理的塑料片智能色选方法，其特征在于，对塑料片图像进行颜色分析之前，预先设定n个颜色空间的RGB范围，当像素点RGB值均在某一颜色RGB范围内时，则判定该像素点归属该颜色空间。
3.根据权利要求2所述的基于图像处理的塑料片智能色选方法，其特征在于，具体包括以下步骤：
步骤1，根据实际情况，预先设定n个颜色空间的RGB范围，每个颜色空间的RGB范围表示为(Ci.Rmin,Ci.Rmax),(Ci.Gmin,Ci.Gmax),(Ci.Bmin,Ci.Bmax)，其中i＝1,2,...,n；
步骤2，采集背景图像，统计背景像素的RGB范围；
步骤3，获取塑料片图像并进行预处理；
步骤4，逐行逐像素遍历塑料片图像，判断每个像素点归属的颜色空间并统计归属每个颜色空间的像素点数量；
步骤5，计算像素点数量最多的颜色空间的覆盖率，若超出阈值M，且该颜色空间即为目标颜色空间，则判定为该塑料片为目标塑料片。
4.根据权利要求3所述的基于图像处理的塑料片智能色选方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1，设定并初始化变量，包括n个颜色空间的像素点数量Ci.num＝0、物料像素点数量Num＝0、背景行标识符S＝0；
步骤4.2，取一行像素点；
步骤4.3，逐个遍历选中行的像素点；
步骤4.4，判断当前遍历的像素点是否为该行最后一个像素点，
若不是该行最后一个像素点，再判断是否为背景像素点；若不是背景像素点，则置S＝1，物料像素点数量Num自加1，再判断该像素点归属的颜色空间，该颜色空间的像素点数量Ci.num自加1，跳转步骤4.3；若是背景像素点，则直接跳转步骤4.3；
若是该行最后一个像素点，再判断S是否为1；若S＝0，再判断Num是否为0，若Num＝0，则跳转步骤4.2，若Num≠0，则计算n个颜色空间中最大的像素点数量及其覆盖率；若S＝1，置S＝0，再跳转步骤4.2。
5.根据权利要求3或4所述的基于图像处理的塑料片智能色选方法，其特征在于，所述步骤3中的预处理包括畸变矫正和边缘增强。
CN202010685722.0A 2020-07-16 2020-07-16 一种基于图像处理的塑料片智能色选方法 Pending CN111862244A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010685722.0A CN111862244A (zh) 2020-07-16 2020-07-16 一种基于图像处理的塑料片智能色选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010685722.0A CN111862244A (zh) 2020-07-16 2020-07-16 一种基于图像处理的塑料片智能色选方法

Publications (1)

Publication Number Publication Date
CN111862244A true CN111862244A (zh) 2020-10-30

Family

ID=72983581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010685722.0A Pending CN111862244A (zh) 2020-07-16 2020-07-16 一种基于图像处理的塑料片智能色选方法

Country Status (1)

Country Link
CN (1) CN111862244A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739966A (zh) * 2021-08-05 2021-12-03 山东永聚医药科技有限公司 高分子预灌封注射器针筒应力的检测设备及检测方法
CN113731857A (zh) * 2021-09-15 2021-12-03 重庆大学 小包装药袋自动分拣系统及其控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231757A (zh) * 2007-12-07 2008-07-30 北京搜狗科技发展有限公司 一种图片主色调分析方法、装置及其在图片搜索中的应用
WO2016127883A1 (zh) * 2015-02-12 2016-08-18 阿里巴巴集团控股有限公司 一种图像区域检测方法及装置
JP2018074291A (ja) * 2016-10-26 2018-05-10 船井電機株式会社 画像処理装置
CN108890692A (zh) * 2018-07-05 2018-11-27 陕西大中科技发展有限公司 一种用于工业机器人视觉分拣的物料颜色识别方法
US20210004952A1 (en) * 2018-06-08 2021-01-07 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for image processing, non-transitory computer readable storage medium, and electronic device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231757A (zh) * 2007-12-07 2008-07-30 北京搜狗科技发展有限公司 一种图片主色调分析方法、装置及其在图片搜索中的应用
WO2016127883A1 (zh) * 2015-02-12 2016-08-18 阿里巴巴集团控股有限公司 一种图像区域检测方法及装置
JP2018074291A (ja) * 2016-10-26 2018-05-10 船井電機株式会社 画像処理装置
US20210004952A1 (en) * 2018-06-08 2021-01-07 Guangdong Oppo Mobile Telecommunications Corp., Ltd. Method for image processing, non-transitory computer readable storage medium, and electronic device
CN108890692A (zh) * 2018-07-05 2018-11-27 陕西大中科技发展有限公司 一种用于工业机器人视觉分拣的物料颜色识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739966A (zh) * 2021-08-05 2021-12-03 山东永聚医药科技有限公司 高分子预灌封注射器针筒应力的检测设备及检测方法
CN113731857A (zh) * 2021-09-15 2021-12-03 重庆大学 小包装药袋自动分拣系统及其控制方法
CN113731857B (zh) * 2021-09-15 2023-04-25 重庆大学 小包装药袋自动分拣系统及其控制方法

Similar Documents

Publication Publication Date Title
US8295606B2 (en) Device and method for detecting shadow in image
CN108876743B (zh) 一种图像快速去雾方法、系统、终端及存储介质
CN106096610B (zh) 一种基于支持向量机的文档图像二值化方法
CN101127908B (zh) 引入全局特征分类的视频图像运动处理方法及其实现装置
CN115170572B (zh) 一种bopp复合薄膜表面涂胶质量监测方法
CN111862244A (zh) 一种基于图像处理的塑料片智能色选方法
US20100266214A1 (en) Smart Image Enhancement Process
CN103065334A (zh) 一种基于hsv颜色空间的偏色检测、校正方法及装置
CN115131354B (zh) 一种基于光学手段的实验室用塑料薄膜缺陷检测方法
CN104680490A (zh) 一种增强文本图像可视性的方法
CN114878595B (zh) 一种书本印刷质量检测方法
CN111986222A (zh) 基于自适应混合阈值的智能电表芯片图像二值化处理方法
CN102306307A (zh) 一种彩色显微图像序列中固点噪声的定位方法
CN116703911A (zh) 一种led灯生产质量检测系统
CN110807406B (zh) 一种雾天检测方法及装置
CN116310845A (zh) 一种用于污水处理的智能监测系统
CN108965749B (zh) 基于纹理识别的缺陷像素检测和校正装置及方法
CN112819017B (zh) 基于直方图的高精度色偏图像识别方法
CN108230334B (zh) 基于灰度阈值的高浓度风沙图像分割的方法
CN108765426A (zh) 自动图像分割方法及装置
CN110188693B (zh) 改进的复杂环境车辆特征提取和停车判别方法
CN109389579A (zh) 一种结合熵约束和标准差加权的纺织品色差检测抗光照干扰方法
CN111881921A (zh) 一种用于大米色选机的优粒直选方法
CN112070771B (zh) 基于hs通道的自适应阈值分割方法、装置和存储介质
CN113569859B (zh) 一种图像处理方法、装置、电子设备及存储介质

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