CN112465782A - 一种基于数字图像处理的水体浑浊程度判定装置及方法 - Google Patents
一种基于数字图像处理的水体浑浊程度判定装置及方法 Download PDFInfo
- Publication number
- CN112465782A CN112465782A CN202011353829.1A CN202011353829A CN112465782A CN 112465782 A CN112465782 A CN 112465782A CN 202011353829 A CN202011353829 A CN 202011353829A CN 112465782 A CN112465782 A CN 112465782A
- Authority
- CN
- China
- Prior art keywords
- water
- image
- image processing
- turbidity degree
- determining
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 125
- 238000012545 processing Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000002245 particle Substances 0.000 claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 244000025254 Cannabis sativa Species 0.000 claims abstract description 10
- 238000005286 illumination Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 11
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 2
- 238000001514 detection method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 241000252141 Semionotiformes Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于数字图像处理的水体浑浊程度判定装置及方法,包括:摄像模块,所述摄像模块由一台水下摄像机组成,用于采集待测水域的图像;光照模块,用于在待测水域中产生若干条平行光,为所述摄像模块提供光源;图像处理模块,用于获取所述待测水域的图像,对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;水质判定模块,用于接收所述统计的结果,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
Description
技术领域
本申请涉及水质检测领域,尤其涉及一种基于数字图像处理的水体浑浊程度判定装置及方法。
背景技术
悬浮颗粒是水处理的主要对象,水体经过净水设施后,应不含任何威胁健康的悬浮颗粒物,至少能将悬浮颗粒的致病风险控制在可接受的水平。
目前国内外对水中悬浮颗粒的检测一般采利用浊度仪或颗粒计数器,但随着时间的推移其灵敏度很容易下降。目前,国内外对水中悬浮颗粒的检测一般归纳起来可分为取样法和不取样法.前者如重量法、显微镜观察法等,这些方法取样代表性差,取样麻烦;后者如混浊度测量法、颗粒检测器检测法等,由于所用仪器置于水下,随着时间推移测量精度便会下降。
而数字图像处理技术,是将人眼所见的视觉图像转化为数字图像,使其成为由一系列像素组成的矩阵,具有处理方便、精度较高等优点,并能够不间断地工作,且不会因时间的推移而引起灵敏度的下降。
针对这一现状本发明提出了一种基于数字图像处理的水体浑浊程度检测设备。通过对水体图像的采集、滤波、分割后,检测系统能很好地识别出水中的悬浮颗粒并做出统计,较好地解决了水处理过程中悬浮颗粒的检测问题。
发明内容
本申请实施例的目的是提供一种基于数字图像处理的水体浑浊程度判定装置及方法,以解决相关技术中存在的仪器稳定性不高、测量精度低的问题。
根据本申请实施例的第一方面,提供一种基于数字图像处理的水体浑浊程度判定装置,包括:摄像模块,所述摄像模块由一台水下摄像机组成,用于采集待测水域的图像;光照模块,用于在待测水域中产生若干条平行光,为所述摄像模块提供光源;图像处理模块,用于获取所述待测水域的图像,对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;水质判定模块,用于接收所述统计的结果,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
进一步地,所述光照模块由LED灯构成。
进一步地,所述滤波采用线性滤波方式。
进一步地,所述分割采用自适应分割算法,具体包括:
将所述图像划分为N×N的像素块,根据各个像素块的灰度直方图,舍弃单峰值的像素块,对其他具有多峰值的灰度直方图的像素块,根据所设定阈值的大小,确定分割后的所述图像的背景峰值和数据峰值的中点;
对舍弃单峰值后的其他像素块采用各自的阈值确定分割后的图像,同时去除图像中的干扰信号,所述阈值由所处待处理像素块内部灰度值和背景灰度值的中间值定义。
进一步地,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定,包括:
将所述待测水域的图像中悬浮颗粒的大小和数量的信息输入到比较器中进行比较,输出判定结果,所述比较器内具有不同水质浑浊程度所对应的水中悬浮颗粒的大小、数量以及浓度的标准信息。
进一步地,所述水质判定模块由若干比较器组成。
进一步地,还包括:
显示模块,所述显示模块为LCD液晶显示屏幕,用于显示待测水域水下的实时状态以及水体浑浊程度的信息。
根据本申请实施例的第二方面,提供一种基于数字图像处理的水体浑浊程度判定方法,包括:采集待测水域的图像;对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
本申请的实施例提供的技术方案可以包括以下有益效果:
由上述实施例可知,本申请的设计原理为当水体中含有一定肉眼能够识别的悬浮颗粒时,水体就显得混浊,此时若用一束平行的光源照射含有悬浮颗粒的水体,悬浮颗粒便会对光进行散射和吸收,会在拍摄的照片上形成暗斑。在水处理的过程中,可以在沉淀池的水体上部安装摄像头,把水体拍摄下来,利用数字图像处理技术,识别出其中的悬浮颗粒,并计算其大小和少,获得水体中悬浮颗粒物的浓度,从而有效地实现水质检测以及控制水处理进程的目的。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为根据一示例性实施例示出的一种基于数字图像处理的水体浑浊程度判定装置的模块示意图。
图2为根据一示例性实施例示出的一种基于数字图像处理的水体浑浊程度判定装置中图像处理模块的数量统计过程所使用的Grass()算法流程图。
图3为根据一示例性实施例示出的一种基于数字图像处理的水体浑浊程度判定方法的流程图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
图1为根据一示例性实施例示出的一种基于数字图像处理的水体浑浊程度判定装置的模块示意图。该装置可包括:摄像模块、光照模块、图像处理模块、水质判定模块,所述摄像模块由一台水下摄像机组成,用于采集待测水域的图像;用于在待测水域中产生若干条平行光,为所述摄像模块提供光源;用于获取所述待测水域的图像,对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;水质判定模块用于接收所述统计的结果,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
本申请的设计原理为当水体中含有一定肉眼能够识别的悬浮颗粒时,水体就显得混浊,此时若用一束平行的光源照射含有悬浮颗粒的水体,悬浮颗粒便会对光进行散射和吸收,会在拍摄的照片上形成暗斑。在水处理的过程中,可以在沉淀池的水体上部安装摄像头,把水体拍摄下来,利用数字图像处理技术,识别出其中的悬浮颗粒,并计算其大小和少,获得水体中悬浮颗粒物的浓度,从而有效地实现水质检测以及控制水处理进程的目的。
还可包括显示模块,所述显示模块为LCD液晶显示屏幕,用于显示待测水域水下的实时状态以及水体浑浊程度的信息。
本实施例中,所述摄像模块采用水下摄像机,用于采集待测水域的图像;相比于其他的方法其安装简单并且可以适用于环境复杂的自然水域。
本实施例中,所述光照模块由LED灯构成。
本实施例中,所述图像滤波具体是由于图像中含有噪音,因此,为了能更好地对图像进行后期处理,必须对图像进行滤波处理,以便能达到理想的状态。线性滤波是图像处理中的一种有效的计算方法,它对输入函数F(x,y)使用一个系统处理P来得到一个变换的输出函数H(x,y),即H(x,y)=P{F(x,y)}。
典型的变换是通过平滑或增强边缘等内部特征来减少噪声.这些变换包括最常用的图像处理函数H(x,y)即使用滤波器。如果对于任意两个函数f(x)和g(x),叠加特性成立,则称系统为线性,此时应有:P{af(x)+bg(x)}=aP{f(x)}+bP{g(x)}。
在线性系统中,空间域的卷积能对空间频域作出有选择的衰减,达到平滑或减少噪声的目的;可通过图像变形使相应部分的低频减少,因而增强边缘并有助于确定局部边界。
在进行卷积积分时,线性处理对所有尺寸为m×m的图像点I(j,k),使用一个尺寸为m×m,屏蔽S(u,v)形成乘积和:
将邻域中的每个像素(假定邻域为3x3大小,卷积核大小与邻域相同)分别与卷积核中的每个元素相乘,乘积求和所得结果即为中心像素的新值.卷积核中的元素称作加权系数(或卷积系数),卷积核中的卷积系数的大小及排列顺序决定了对图像数据进行区处理的类型。水体中的湍流等使拍摄的图像含有高频噪音,为了去除这些噪音,必须利用卷积进行低通滤波,改变卷积核中的加权系数会影响到总和的数值与符号,从而影响滤波的截止点.用于低通滤波的卷积核称为低通滤波器,用它对原始图像进行滤波,可以消弱噪声,并起到对图像边缘的平滑作用。
本实施例中,所述分割具体是采用阈值处理的方法,实现与背景有较强对比的物体进行分割,进一步提高图像处理的精度保证检测装置的稳定性。阈值处理是一种区域分割技术,它能对与背景有较强对比的物体进行分割。所述分割采用自适应分割算法,所述自适应分割算法要用两次处理技术来实现,具体包括:
将所述图像划分为N×N的像素块,根据各个像素块的灰度直方图,舍弃单峰值的像素块,对其他具有多峰值的灰度直方图的像素块,根据所设定阈值的大小,确定分割后的所述图像的背景峰值和数据峰值的中点;
对舍弃单峰值后的其他像素块采用各自的阈值确定分割后的图像,同时去除图像中的干扰信号,所述阈值由所处待处理像素块内部灰度值和背景灰度值的中间值定义。
本实施例中,所述悬浮颗粒的识别和统计具体是:
图像分割得到二值的输出图像g(k,l)每个图像区域都应该有自己的区域号码。为了满足这样的要求,必须对每个区域的连通成分进行标记,给每个值为1的连通区域和斑点添加惟一的标号,若每个斑点对应一个目标,连通成分标记就能用于统计二值图像中目标的个数和大小。从而实现对水体中悬浮颗粒的测量。
假设对一幅二值图像从左到右、从上到下进行扫描,若要标记当前被扫描的像素则需要检查它与在它之前扫描的像素的连通性。例如当前正在被扫描的像素灰度值为1,则将它标记为与之相通的目标像素。如果它与两个或多个目标相连通,则认为这些目标是同一个,并把它们连接起来;如果发现了从灰度值为0的像素到一个孤立的灰度值为1的像素的过渡,则赋一个新的目标标记。
程序设计时采用了递归运算,在子程序Garss()中使用了火种的概念。首先按行扫描图像,直到找到第一个二值图像的目标边界点,然后在该处点燃火种,使之在当前像素的八连通域内蔓延,递归地执行此程序,直到“燃尽”该目标的所有点,这时所有的目标元素变为。无法和背景相区别。Grass()的另一个输出结果是目标的面积。Garss()函数反复执行,直到数完图像内所有的目标。在算法结束后,便可获得水体中悬浮颗粒大小和数量的统计数字.其中标记的个数就是悬浮颗粒的数量,而相应的面积即是各个悬浮颗粒的大小。图2为根据一示例性实施例示出的一种基于数字图像处理的水体浑浊程度判定装置中图像处理模块的数量统计过程所使用的Grass()算法流程图。
本实施例中,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定,包括:
将所述待测水域的图像中悬浮颗粒的大小和数量的信息输入到比较器中进行比较,输出判定结果,所述比较器内具有不同水质浑浊程度所对应的水中悬浮颗粒的大小、数量以及浓度的标准信息。
具体地,所述待测水域的水体浑浊程度判定由水质判定模块完成。所述水质判定模块由若干比较器组成。所述水质判定模块中将所述待测水域的图像中悬浮颗粒的大小和数量的信息输入已经具有不同水质浑浊程度所对应的水中悬浮颗粒的大小、数量以及浓度标准信息的比较器中,由比较器对所述统计结果进行判定并将判定结果反馈给显示模块。所述显示模块基于LCD液晶显示屏用于为使用者提供所述待测水域悬浮颗粒的大小、数量以及水体的浑浊程度信息。
图3为根据一示例性实施例示出的一种基于数字图像处理的水体浑浊程度判定方法的流程图。该方法可包括:
步骤S101,采集待测水域的图像;
步骤S102,对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;
步骤S103,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
需要说明的是,步骤S101-步骤S103的具体细化方案已经在前文中描述,这里不做赘述。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的设备实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,包括:
摄像模块,所述摄像模块由一台水下摄像机组成,用于采集待测水域的图像;
光照模块,用于在待测水域中产生若干条平行光,为所述摄像模块提供光源;
图像处理模块,用于获取所述待测水域的图像,对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;
水质判定模块,用于接收所述统计的结果,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
2.根据权利要求1所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,所述光照模块由LED灯构成。
3.根据权利要求1所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,所述滤波采用线性滤波方式。
4.根据权利要求1所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,所述分割采用自适应分割算法,具体包括:
将所述图像划分为N×N的像素块,根据各个像素块的灰度直方图,舍弃单峰值的像素块,对其他具有多峰值的灰度直方图的像素块,根据所设定阈值的大小,确定分割后的所述图像的背景峰值和数据峰值的中点;
对舍弃单峰值后的其他像素块采用各自的阈值确定分割后的图像,同时去除图像中的干扰信号,所述阈值由所处待处理像素块内部灰度值和背景灰度值的中间值定义。
5.根据权利要求1所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,根据所述统计的结果对所述待测水域的水体浑浊程度进行判定,包括:
将所述待测水域的图像中悬浮颗粒的大小和数量的信息输入到比较器中进行比较,输出判定结果,所述比较器内具有不同水质浑浊程度所对应的水中悬浮颗粒的大小、数量以及浓度的标准信息。
6.根据权利要求1所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,所述水质判定模块由若干比较器组成。
7.根据权利要求1所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,还包括:
显示模块,所述显示模块为LCD液晶显示屏幕,用于显示待测水域水下的实时状态以及水体浑浊程度的信息。
8.一种基于数字图像处理的水体浑浊程度判定方法,其特征在于,包括:
采集待测水域的图像;
对所述图像进行滤波、分割,同时使用Grass()子程序递归算法对所述图像中悬浮颗粒的大小和数量进行统计;
根据所述统计的结果对所述待测水域的水体浑浊程度进行判定。
9.根据权利要求8所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,所述滤波采用线性滤波方式。
10.根据权利要求8所述的一种基于数字图像处理的水体浑浊程度判定装置,其特征在于,所述分割采用自适应分割算法,具体包括:
将所述图像划分为N×N的像素块,根据各个像素块的灰度直方图,舍弃单峰值的像素块,对其他具有多峰值的灰度直方图的像素块,根据所设定阈值的大小,确定分割后的所述图像的背景峰值和数据峰值的中点;
对舍弃单峰值后的其他像素块采用各自的阈值确定分割后的图像,同时去除图像中的干扰信号,所述阈值由所处待处理像素块内部灰度值和背景灰度值的中间值定义。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353829.1A CN112465782A (zh) | 2020-11-26 | 2020-11-26 | 一种基于数字图像处理的水体浑浊程度判定装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353829.1A CN112465782A (zh) | 2020-11-26 | 2020-11-26 | 一种基于数字图像处理的水体浑浊程度判定装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112465782A true CN112465782A (zh) | 2021-03-09 |
Family
ID=74809569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011353829.1A Pending CN112465782A (zh) | 2020-11-26 | 2020-11-26 | 一种基于数字图像处理的水体浑浊程度判定装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465782A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062320A (zh) * | 2021-11-17 | 2022-02-18 | 北京市自来水集团有限责任公司技术研究院 | 一种台式浊度仪的浊度确定方法和装置 |
CN115655994A (zh) * | 2022-09-15 | 2023-01-31 | 浙江天禹信息科技有限公司 | 一种水域泥沙超声波测量方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201522426U (zh) * | 2008-12-04 | 2010-07-07 | 上海海争电子科技有限公司 | 带摄像头可视式浊度仪 |
CN109688382A (zh) * | 2018-12-28 | 2019-04-26 | 福州大学 | 一种水下机器人的水下图像处理系统 |
US20200034972A1 (en) * | 2018-07-25 | 2020-01-30 | Boe Technology Group Co., Ltd. | Image segmentation method and device, computer device and non-volatile storage medium |
-
2020
- 2020-11-26 CN CN202011353829.1A patent/CN112465782A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201522426U (zh) * | 2008-12-04 | 2010-07-07 | 上海海争电子科技有限公司 | 带摄像头可视式浊度仪 |
US20200034972A1 (en) * | 2018-07-25 | 2020-01-30 | Boe Technology Group Co., Ltd. | Image segmentation method and device, computer device and non-volatile storage medium |
CN109688382A (zh) * | 2018-12-28 | 2019-04-26 | 福州大学 | 一种水下机器人的水下图像处理系统 |
Non-Patent Citations (1)
Title |
---|
郭建甲和范新南: ""数字图像处理技术在水处理过程中的应用"", 《河海大学常州分校学报》, vol. 17, no. 4, pages 28 - 31 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114062320A (zh) * | 2021-11-17 | 2022-02-18 | 北京市自来水集团有限责任公司技术研究院 | 一种台式浊度仪的浊度确定方法和装置 |
CN115655994A (zh) * | 2022-09-15 | 2023-01-31 | 浙江天禹信息科技有限公司 | 一种水域泥沙超声波测量方法及系统 |
CN115655994B (zh) * | 2022-09-15 | 2023-09-19 | 浙江天禹信息科技有限公司 | 一种水域泥沙超声波测量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110399929B (zh) | 眼底图像分类方法、装置以及计算机可读存储介质 | |
AU671984B2 (en) | Method for identifying objects using data processing techniques | |
CN109816644A (zh) | 一种基于多角度光源影像的轴承缺陷自动检测系统 | |
CN110728681B (zh) | 一种Mura缺陷检测方法及装置 | |
WO2008102205A2 (en) | Detection of airborne flash artifacts using preflash image | |
CN112465782A (zh) | 一种基于数字图像处理的水体浑浊程度判定装置及方法 | |
WO2008016724A2 (en) | An iris recognition system having image quality metrics | |
Son et al. | Morphological change tracking of dendritic spines based on structural features | |
CN106530311B (zh) | 切片图像处理方法及装置 | |
CN110111283A (zh) | 一种复杂背景下红外疑似目标的提示方法及系统 | |
KR100889997B1 (ko) | 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법 | |
CN116703909B (zh) | 一种电源适配器生产质量智能检测方法 | |
CN109241948A (zh) | 一种数控刀具视觉识别方法及装置 | |
Li et al. | Metal surface defect detection based on MATLAB | |
CN108107611A (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
Dias et al. | Evaluation of retinal image gradability by image features classification | |
Panda et al. | Filtering corrupted image and edge detection in restored grayscale image using derivative filters | |
CN114140481A (zh) | 一种基于红外图像的边缘检测方法、装置 | |
CN106127738B (zh) | 凝集试验判读方法 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN116500052A (zh) | 一种食用油杂质视觉检测系统及其使用方法 | |
CN109859261A (zh) | 一种鱼眼镜头的光心定位方法和装置、及摄像模组的质量检测方法 | |
CN115496984A (zh) | 瓷砖成品缺陷自动识别方法、装置、智能终端及存储介质 | |
Patil et al. | Low light image enhancement for dark images |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210309 |
|
WD01 | Invention patent application deemed withdrawn after publication |