CN112507856A - 一种快速判断海水水下图像奇异点的方法 - Google Patents

一种快速判断海水水下图像奇异点的方法 Download PDF

Info

Publication number
CN112507856A
CN112507856A CN202011407984.7A CN202011407984A CN112507856A CN 112507856 A CN112507856 A CN 112507856A CN 202011407984 A CN202011407984 A CN 202011407984A CN 112507856 A CN112507856 A CN 112507856A
Authority
CN
China
Prior art keywords
image
underwater
point
gray
seawater
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
CN202011407984.7A
Other languages
English (en)
Inventor
程岩
张�浩
李向春
刘凤庆
王小红
王起维
王雷
贾欣鑫
段利亚
尹佳玮
巩龙翔
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.)
Oceanographic Instrumentation Research Institute Shandong Academy of Sciences
Institute of Oceanographic Instrumentation Shandong Academy of Sciences
Original Assignee
Oceanographic Instrumentation Research Institute Shandong Academy of Sciences
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 Oceanographic Instrumentation Research Institute Shandong Academy of Sciences filed Critical Oceanographic Instrumentation Research Institute Shandong Academy of Sciences
Priority to CN202011407984.7A priority Critical patent/CN112507856A/zh
Publication of CN112507856A publication Critical patent/CN112507856A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06T2207/30181—Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明属于图像分析技术领域，涉及一种快速判断图像奇异点的方法。一种快速判断海水水下图像奇异点的方法，包括以下步骤：把图像转换为灰度图像，并计算图像的宽度m和高度n；确定查找半径r，遍历宽度范围为(r+1)到(m‑r)、高度范围为(r+1)到(n‑r)内的像素点；计算所遍历到的像素点为中心、半径为r范围内所有像素点灰度值的和∑Vg，Vg表示像素点的灰度值；计算所遍历到的像素点的灰度概率值：
Figure DDA0002816472210000011
重复步骤(2)，遍历所有像素点的灰度概率值
Figure DDA0002816472210000012
是否小于1/(2*r+1)2；如果步骤5为真，判定该像素点为奇异点，记录该像素点所在的位置。本发明提供的快速判断海水水下图像奇异点的方法，不受累积时间的限制，也不受海洋环境干扰的限制，能够快速识别海水水下图像中存在的奇异点及其位置，达到提高水下图像分析的效率和准确度的目的。

Description

一种快速判断海水水下图像奇异点的方法
技术领域
本发明属于图像分析技术领域，涉及一种快速判断图像奇异点的方法。
背景技术
在海洋水下图像的分析过程中，如果采集海水水下图像时存在噪音干扰，导致检测到图像的像素信号发生无规律的变化，造成图像中某一点，或者某几个点的像素出现异常值，影响海水水下图像的分析结果。检测海水水下图像奇异点的方法，是海洋水下图像分析所必须的，是目前国内海洋水下图像分析的核心。
在实际作业过程中发现，海洋环境的变化对海洋水下图像的测量存在干扰，其现象是检测到的信号的幅度会出现无规律的变化，即使在发现海水水下图像的基础上，也很难快速找到水下图像奇异点的真正的位置。通常在水下图像检测过程中，会出现很多的异常值。基于以上原因，现有的用于检测海水水下图像的异常值的方法，不具有实时性。因此，为得到真正海水水下图像的检测结果，现场测量必须找到一种方法来准确判断海水水下图像异常值，并确定异常值在图像中的位置。
发明内容
为解决上述技术问题，本发明提供一种快速判断海水水下图像奇异点的方法，能够在测量海水水下图像的基础上，判断异常值所在图像中的位置，以达到提高图像分析的效率和准确度的目的。
本发明的解决其技术问题采用的技术方案如下：一种快速判断海水水下图像奇异点的方法，包括以下步骤：
(1)把图像转换为灰度图像，并计算图像的宽度m和高度n；
(2)确定查找半径r，遍历宽度范围为(r+1)到(m-r)、高度范围为(r+1)到(n-r)内的像素点；
(3)计算所遍历到的像素点为中心、半径为r范围内所有像素点灰度值的和∑Vg，Vg表示像素点的灰度值；
(4)计算所遍历到的像素点的灰度概率值
Figure BDA0002816472190000011
(5)重复步骤2，遍历所有像素点的灰度概率值
Figure BDA0002816472190000012
是否小于1/(2*r+1)2；
(6)如果步骤5为真，判定该像素点为奇异点，记录该像素点所在的位置。
上述方案中，所述步骤(1)中，用于计算的图像为一个通道的灰度图像；图像的宽度m和高度n为图像在宽和高的像素个数，即图像数据的列和行的个数。
上述方案中，所述步骤(2)中，查找半径r的确定方法为：分别用图像的宽m和高n除以100，所得结果中取较小值为查找半径。
上述方案中，所述图像的像素大于200*200。
本发明提供的快速判断海水水下图像奇异点的方法，不受累积时间的限制，也不受海洋环境干扰的限制，能够快速识别海水水下图像中存在的奇异点及其位置，达到提高水下图像分析的效率和准确度的目的。
附图说明
图1为本发明实施例所公开的快速判断海水水下图像奇异点的方法流程示意图；
图2为本发明实例中提供的原始图像；
图3为采用本发明的方法在原始图像中识别出的奇异点位置标记。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种快速判断海水水下图像奇异点的方法，流程如图1所示，具体过程如下：
S101、把图像转换为灰度图像，并计算图像的宽度m和高度n；用于计算的图像为一个通道的灰度图像；图像的宽度和高度为图像在宽和高的像素个数，也就是图像数据的列和行。
在本实施实例中，采集的水下图像的宽为640个像素，高为480个像素的三个通道的彩色图像；把三个通道的640*480的图像变为一个通道的640*480的灰度图像。
Gray＝0.299*R+0.587*G+0.114*B
根据三个通道红绿蓝(R,G,B)的值，计算得到对应的灰度数据值。
S102、确定查找半径r，分别遍历宽度范围为：(r+1)到(m–r)、高度范围为：(r+1)到(n-r)之内的所有像素点。其中，查找半径r为大于等于2的正整数，而且半径r小于等于宽度除以100，和半径r小于等于高度除以100，通常r取值为2到10之间的整数。
在本实施实例中，半径r＝2，遍历的宽度范围为：2+1到640-2，高度范围为2+1到480-2；这些像素点围成的区间，也就是遍历3到638列；3到478行，如表1中灰色部分。
表1图像为640*480，半径为2的遍历范围
Figure BDA0002816472190000031
S103、计算所遍历到的像素点为中心、半径为r范围内所有像素点灰度值的和∑Vg，Vg表示像素点的灰度值。
在本实施实例中，通过上一步计算遍历第3列到第638列、第3行到第478行，计算所遍历到的像素点上下左右半径范围内所有像素点的和；如第一个遍历点，也就是第3行，第3列的像素点，以改点为中心，它周围上下左右r＝2范围内所有像素点，即行3-r到行3+r，列3-r到列3+r的范围，也就是1到5列，和1到5行，(1,1)到(5,5)区间内所有像素点的灰度值的和。遍历3到638列；3到478行范围内的所有像素点，计算该像素点对应半径为2范围内的所有像素点的灰度值的和。
在本例中(1,1)到(5,5)区间的像素为{{1,2,2,3,3}，{1,2,3,3,3}，{1,2,3,4,4}，{2,2,4,3,3}，{2,3,3,2,4}}，如表2所示。
表2图像从(1,1)到(5,5)像素点的灰度值
1 2 3 4 5
1 1 2 2 3 3
2 1 2 3 3 3
3 1 2 3 4 4
4 2 2 4 3 3
5 2 3 3 2 4
该区间的和为每行灰度值相加后，再把得到的5个和再相加，也就是所有点灰度值的和：11+12+14+14+14＝65，是位置为(3,3)像素点半径为2范围内的所有像素点的灰度值的和∑Vg，如表3所示。
表3(3,3)像素点附近半径为2的范围内所有像素点的灰度值的和
1 2 3 4 5
1
2
3 65
4
5
S104、计算所遍历到的像素点的灰度值Vg，计算该像素点的灰度概率值
Figure BDA0002816472190000041
在本实施实例中，位置为(3,3)像素点的灰度值为3，求得该点对应半径为2范围内的所有像素点的灰度值的和65。该点的灰度概率值
Figure BDA0002816472190000042
S105、重复步骤2，重新遍历宽度范围为：(r+1)到(m-r)、高度范围为：(r+1)到(n-r)之内的所有像素点，并判断该范围内任一像素点的灰度概率值是否小于1/(2*r+12。
S106、如果步骤5为真，判定该像素点为奇异点，记录该像素点所在的位置；该像素点的位置就是列的值和行的值。
在本实施实例中，1/(2*r+1)2＝1/25，1/25＜3/65，所以位于(3,3)的点不是奇异点。继续判断下一个待检测的像素点。
如果步骤5为真，则判定该点为奇异值点，记录该像素点的位置。
采用本发明的方法对海水水下图像进行奇异点的识别，原始图像如图2所示，找到的奇异点如图3中位置所示。本发明的方法，操作简单快速，准确率高。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种快速判断海水水下图像奇异点的方法，包括以下步骤：
(1)把图像转换为灰度图像，并计算图像的宽度m和高度n；
(2)确定查找半径r，遍历宽度范围为(r+1)到(m-r)、高度范围为(r+1)到(n-r)内的像素点；
(3)计算所遍历到的像素点为中心、半径为r范围内所有像素点灰度值的和∑Vg，Vg表示像素点的灰度值；
(4)计算所遍历到的像素点的灰度概率值：
Figure FDA0002816472180000011
(5)重复步骤2，遍历所有像素点的灰度概率值
Figure FDA0002816472180000012
是否小于1/(2*r+1)2；
(6)如果步骤5为真，判定该像素点为奇异点，记录该像素点所在的位置。
2.根据权利要求1所述的快速判断海水水下图像奇异点的方法，其特征在于：所述步骤(1)中，用于计算的图像为一个通道的灰度图像；图像的宽度m和高度n为图像在宽和高的像素个数，即图像数据的列和行的个数。
3.根据权利要求1所述的快速判断海水水下图像奇异点的方法，其特征在于，所述步骤(2)中，查找半径r的确定方法为：分别用图像的宽m和高n除以100，所得结果中取较小值为查找半径。
4.根据权利要求1-3任一项所述的快速判断海水水下图像奇异点的方法，其特征在于：所述图像的像素大于200*200。
CN202011407984.7A 2020-12-04 2020-12-04 一种快速判断海水水下图像奇异点的方法 Pending CN112507856A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011407984.7A CN112507856A (zh) 2020-12-04 2020-12-04 一种快速判断海水水下图像奇异点的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011407984.7A CN112507856A (zh) 2020-12-04 2020-12-04 一种快速判断海水水下图像奇异点的方法

Publications (1)

Publication Number Publication Date
CN112507856A true CN112507856A (zh) 2021-03-16

Family

ID=74970580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011407984.7A Pending CN112507856A (zh) 2020-12-04 2020-12-04 一种快速判断海水水下图像奇异点的方法

Country Status (1)

Country Link
CN (1) CN112507856A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1595957A (zh) * 2004-06-22 2005-03-16 东软飞利浦医疗设备系统有限责任公司 医学影像坏点自动检测门限确定方法
CN104376537A (zh) * 2014-11-25 2015-02-25 中国兵器工业集团第二一四研究所苏州研发中心 一种去除emccd图像亮点的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1595957A (zh) * 2004-06-22 2005-03-16 东软飞利浦医疗设备系统有限责任公司 医学影像坏点自动检测门限确定方法
CN104376537A (zh) * 2014-11-25 2015-02-25 中国兵器工业集团第二一四研究所苏州研发中心 一种去除emccd图像亮点的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张泽: "基于DSP的水下移动平台图像处理系统研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN115082482B (zh) 一种金属表面缺陷检测方法
CN115170576B (zh) 基于机器视觉的铝管表面缺陷检测方法
CN107292310B (zh) 一种圆形指针式表盘视觉定位及自动读数方法
CN109060836B (zh) 基于机器视觉的高压油管接头外螺纹检测方法
CN109115800B (zh) 一种产品毛刺的快速检测及长度精确测量方法
CN106303158B (zh) 一种视频图像中的条纹异常检测方法
CN114943739B (zh) 一种铝管质量检测方法
CN114549981A (zh) 一种基于深度学习的智能巡检指针式仪表识别及读数方法
CN115115638B (zh) 一种液压系统漏油检测及判定方法
CN110084241A (zh) 一种基于图像识别的电表自动读数方法
CN114549441B (zh) 基于图像处理的吸管缺陷检测方法
CN115063430B (zh) 基于图像处理的电气管道裂纹检测方法
CN115439481A (zh) 基于图像处理的除氧器焊接质量检测方法
CN109300104B (zh) 角点检测方法、装置
CN107796826A (zh) 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法
CN118334028B (zh) 基于图像处理的无缝钢管质量检测方法
CN107392216B (zh) 一种基于灰度数据的盾构隧道管片环缝快速识别方法
CN110084786A (zh) 一种渐变背景的数字x射线图像缺陷自动识别方法
CN109948629B (zh) 一种基于sift特征的gis设备x射线图像故障检测方法
CN116842976A (zh) 一种基于图像粗定位后的DataMatrix二维码识别方法及系统
CN112507856A (zh) 一种快速判断海水水下图像奇异点的方法
CN104992218A (zh) 一种生产线产量实时自动计数装置及其计数方法
CN106778515B (zh) 一种法兰轴向漏磁阵列信号自动识别方法
CN109472772A (zh) 图像污点检测方法、装置和设备
CN115272331A (zh) 基于图像处理的瓦楞纸质量检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316