CN113516584B - 一种图像灰度处理方法、系统及计算机存储介质 - Google Patents
一种图像灰度处理方法、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN113516584B CN113516584B CN202111071600.3A CN202111071600A CN113516584B CN 113516584 B CN113516584 B CN 113516584B CN 202111071600 A CN202111071600 A CN 202111071600A CN 113516584 B CN113516584 B CN 113516584B
- Authority
- CN
- China
- Prior art keywords
- gray
- image
- background
- histogram
- original digital
- 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 abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004380 ashing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000007493 shaping process Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 abstract description 14
- 230000006978 adaptation Effects 0.000 abstract description 3
- 238000005282 brightening Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明涉及一种图像灰度处理方法、系统及计算机存储介质,其方法包括,对目标物进行拍摄,得到原始数字图像;对所述原始数字图像进行灰度处理,得到原始数字灰度图像;对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像。本发明一种图像灰度处理方法、系统及计算机存储介质根据特征区域的灰度值将图像中的目标物和背景分别推向相反的两个灰度极值,从而让目标物图像边界更“显著”和“稳定”,达到动态适配各类场景,使图像摆脱外界条件的干扰,形成稳定的重心,提高亚像素精度。
Description
技术领域
本发明涉及数字图像处理领域,具体涉及一种图像灰度处理方法、系统及计算机存储介质。
背景技术
利用机器视觉技术进行的数字图像测量是一项新兴的测量技术,计算机可以通过对数字图像内的目标物的像素、色彩等信息进行运算,从而得到目标物在相机坐标系、世界坐标系的位置、大小等信息。
一般而言,采集设备进行图像拍摄时,是将物理世界中连续的图像进行了离散化处理,到成像面上每一个像素点只代表本像素对应离散物理点的色彩。与刻度尺类似的原理,测量时的最小的刻度,就是一个像素。
对于物体位置测量问题,为了进一步提高测量精度,业界往往采用色彩重心法来进行计算,即通过计算目标物成像覆盖区域的总的像素点的重心,来精确定位物体的位置,达到亚像素级别。色彩重心法在场景固定、光照固定、提前标定的场景,往往能够获得较好的效果。但是,如果现场情况不是标准场景,光照过程不能统一恒定,亚像素精度往往不能提前标定,导致色彩重心法的亚像素精度可靠性降低。
发明内容
本发明所要解决的技术问题是提供一种图像灰度处理方法、系统及计算机存储介质,通过将图像中的目标物和背景分别推向相反的两个灰度极值,从而让目标物图像边界更“显著”和“稳定”,达到动态适配各类场景,维持稳定亚像素精度的目的。
本发明解决上述技术问题的技术方案如下:一种图像灰度处理方法,包括以下步骤,
S1,对目标物进行拍摄,得到原始数字图像;
S2,对所述原始数字图像进行灰度处理,得到原始数字灰度图像;
S3,对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;
S4,根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像。
基于上述一种图像灰度处理方法,本发明还提供一种图像灰度处理系统。
一种图像灰度处理系统,包括以下模块,
图像获取模块,其用于对目标物进行拍摄,得到原始数字图像;
灰度处理模块,其用于对所述原始数字图像进行灰度处理,得到原始数字灰度图像;
特征区域划分模块,其用于对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;
灰度补偿模块,其用于根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像。
基于上述一种图像灰度处理方法,本发明还提供一种计算机存储介质。
一种计算机存储介质,包括存储器以及存储在所述存储器内的计算机程序,所述计算机程序被处理器执行时实现如上述所述的图像灰度处理方法。
本发明的有益效果是:本发明一种图像灰度处理方法、系统及计算机存储介质根据特征区域的灰度值将图像中的目标物和背景分别推向相反的两个灰度极值,从而让目标物图像边界更“显著”和“稳定”,达到动态适配各类场景,使图像摆脱外界条件的干扰,形成稳定的重心,提高亚像素精度。
附图说明
图1为本发明一种图像灰度处理方法的流程图;
图2为目标物示意图;
图3为原始数字灰度图像及其对应的灰度柱状图;
图4为基准特征区域、第一特征区域、第二特征区域和第三特征区域的示意图;
图5为部分剔 除拟合背景灰度柱状图;
图6为有效背景灰度曲面图;
图7为整体灰度柱状图与有效背景灰度曲面的叠加示意图;
图8为去背景灰度柱状图;
图9为拉伸正形灰度柱状图;
图10为标准化灰度柱状图;
图11为灰度重心示意图;
图12为本发明一种图像灰度处理系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种图像灰度处理方法,包括以下步骤,
S1,对目标物进行拍摄,得到原始数字图像;
S2,对所述原始数字图像进行灰度处理,得到原始数字灰度图像;
S3,对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;
S4,根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像。
在本具体实施例中:
在所述S1中,对于已知物理形状和尺寸的目标物进行拍摄;其中,目标物可以是一个临时粘贴或者永久固定的标记符号,也可以是绘制符号,用以表征对象物检测的对象物是否运动。本实施例目标物以打印在白色底板上的纯黑色正方形为例(目标物不限于矩形标记,还可以是其他任何形状),如图2所示,图2中的w代表纯黑色正方形的尺寸(边长)。对目标物进行拍摄并灰度化处理,得到的原始数字灰度图像如图3左侧部分所示,将原始数字图像进行灰度化处理后,每个像素仅仅包含灰度值信息,将灰度值用柱状图表示即为图3右侧部分所示。
由图3左侧部分可以看出,图片的背景不一定是纯白色,有呈现一定灰度的背景,目标物的成像并非纯黑色,而是有一定噪声的高灰度区域。反应在图3右侧部分就是,背景区域存在一定的残余灰度,目标物区域的灰度没有整齐到达灰度极值。
图3右侧部分的数据可以定义为二维数组:pic0=f1(x,y);其中,该二维数组表示原始数字灰度图像中,在坐标(x,y)处的像素点的灰度值为pic0。
在所述S3中,对所述原始数字灰度图像进行特征区域划分,得到多个特征区域,便于后续计算。
本实施例根据所述原始数字灰度图像中的目标物、背景以及目标物与背景之间的分界,将所述原始数字灰度图像进行区域划分,得到基准特征区域、第一特征区域、第二特征区域和第三特征区域;
其中,所述基准特征区域用于表征基于边缘识别的目标物图像区域,所述第一特征区域用于表征相对所述基准特征区域外扩预设像素且带有背景的目标物图像区域,所述第二特征区域用于表征相对所述基准特征区域外扩至灰度变化截止线处的目标物图像区域,所述第三特征区域用于表征相对所述基准特征区域内缩至灰度变化截止线处的目标物图像区域;
具体的,所述第二特征区域位于所述第一特征区域内,所述基准特征区域位于所述第二特征区域内,所述第三特征区域位于所述基准特征区域内。
如图4所示,方框E0所包围的区域即为基准特征区域,其定义为原始数字灰度图像根据简单边缘识别算法得到的图像区域,或者将原始数字灰度图像简单黑白二值化所覆盖的区域;
方框E1所包围的区域即为第一特征区域,E1为E0外扩N1像素之后形成的区域,一般取N1>8,表示包括大范围背景的目标物成像区;
方框E2所包围的区域即为第二特征区域,E2为E0外扩N2像素之后形成的区域,一般取N2=2,表示紧贴图像边缘但包括上升斜坡的区域;
方框E3所包围的区域即为第三特征区域,E3为E0收缩N3像素之后形成的区域,一般取N3=2,表示目标物成像区域剔除了边缘斜坡之后的区域。
因此,可以简单理解,E1到E2之间为纯背景区域,E3包括的是纯目标物区域。
在本具体实施例中,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,具体为,
对所述原始数字灰度图像中的背景的灰度值进行亮化补偿,对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿。
具体的,对所述原始数字灰度图像中的背景的灰度值进行亮化补偿以及对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿的具体过程如下:
将所述原始数字灰度图像中各像素点的灰度值用三维柱状图表示出来,得到所述数字灰度图像的整体灰度柱状图;所述整体灰度柱状图如图3右侧部分所示;
从所述整体灰度柱状图中提取出背景灰度柱状图,并根据所述背景灰度柱状图对应的灰度值对所述原始数字灰度图像中的背景进行曲面拟合,得到拟合背景灰度柱状图;
在所述拟合背景灰度柱状图中剔除所述第一特征区域之外的拟合背景灰度,得到部分剔 除拟合背景灰度柱状图;所述部分剔 除拟合背景灰度柱状图如图5所示,即仅仅查看方框E1到方框E2之间的纯背景区域;
对所述部分剔 除拟合背景灰度柱状图中的有效灰度区间进行曲面拟合,得到有效背景灰度曲面以及有效灰度拟合函数;根据所述有效灰度拟合函数计算出所述有效背景灰度曲面中的背景像素灰度值;所述有效背景灰度曲面如图6所示,所述有效灰度拟合函数为pic_bg = f2(x,y);
将所述整体灰度柱状图叠加在所述有效背景灰度曲面上,如图7所示,并将所述整体灰度柱状图中的背景像素灰度值减去所述有效背景灰度曲面中的背景像素灰度值(即用pic0减去pic_bg),得到去除背景噪音之后的去背景灰度柱状图;所述去背景灰度柱状图如图8所示;
依据所述第三特征区域(方框E3所包围的区域)内各像素的灰度值将所述去背景灰度柱状图进行整体拉伸正形,直至拉伸正形后的所述去背景灰度柱状图中第三特征区域内各像素的灰度值达到灰度极值,得到拉伸正形灰度柱状图;所述拉伸正形灰度柱状图如图9所示;
在所述拉伸正形灰度柱状图中将所述第二特征区域(方框E2所包围的区域)之外的所有像素的灰度值剔除(仅保留“拉伸正形”在方框E2所包围的区域内的信息),得到用于灰度重心计算的标准化灰度柱状图;所述标准化灰度柱状图如图10所示;
所述标准化灰度柱状图对应的数字图像为所述标准化数字灰度图像。
在本实施例中,对背景灰度进行曲面拟合,用于剔除背景灰度的影响,实现“亮化补偿”;将“去背景图”进行线性拉伸,实现“灰化补偿”;对原始数字灰度图像做区域划分,根据各个特征区域内的灰度值决定上述“亮化补偿”和“灰化补偿”的强度。
上述对所述原始数字灰度图像中的背景的灰度值进行亮化补偿,即为亮化背景(将背景的灰度推向纯白极值);对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿,即为灰化目标物(将目标物的灰度推向纯黑极值)。
在本发明中,用相机在物距2205mm距离上,对5cm*5cm正方形的目标物进行数字图像采集后,按照上述所述方法进行处理,各步得到图像的灰度重心如图11所示,图11中的横轴为灰度重心的横坐标,纵轴为灰度重心的纵坐标,单位为cm;具体的:
原始数字灰度图像的灰度重心为(18.4181 ,17.7849),
去背景灰度柱状图对应的数字图像的灰度重心为(18.8594,18.9233),
拉伸正形灰度柱状图对应的数字图像的灰度重心为(18.8547 ,18.8813),
标准化数字灰度图像的灰度重心为(18.8000,18.4585);
由此可以看出,标准化数字灰度图像的灰度重心更为稳定,可以提高亚像素精度。
在本发明中,并不局限于将目标物变暗,背景变亮;还可以将目标物变亮,背景变暗(对所述原始数字灰度图像中的背景的灰度值进行灰化补偿,对所述原始数字灰度图像中的目标物的灰度值进行亮化补偿);本发明的核心主要是将目标物和背景的灰度分别推向相反的两个极值(纯黑和纯白),从而产生显著、稳定的对比度,进而让亚像素精度更稳定。
基于上述一种图像灰度处理方法,本发明还提供一种图像灰度处理系统。
如图12所示,一种图像灰度处理系统,包括以下模块,
图像获取模块,其用于对目标物进行拍摄,得到原始数字图像;
灰度处理模块,其用于对所述原始数字图像进行灰度处理,得到原始数字灰度图像;
特征区域划分模块,其用于对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;
灰度补偿模块,其用于根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像。
在本具体实施例中:所述特征区域划分模块具体用于,
根据所述原始数字灰度图像中的目标物、背景以及目标物与背景之间的分界,将所述原始数字灰度图像进行区域划分,得到基准特征区域、第一特征区域、第二特征区域和第三特征区域;
其中,所述基准特征区域用于表征基于边缘识别的目标物图像区域,所述第一特征区域用于表征相对所述基准特征区域外扩预设像素且带有背景的目标物图像区域,所述第二特征区域用于表征相对所述基准特征区域外扩至灰度变化截止线处的目标物图像区域,所述第三特征区域用于表征相对所述基准特征区域内缩至灰度变化截止线处的目标物图像区域;
具体的,所述第二特征区域位于所述第一特征区域内,所述基准特征区域位于所述第二特征区域内,所述第三特征区域位于所述基准特征区域内。
在本具体实施例中:所述灰度补偿模块具体用于,
对所述原始数字灰度图像中的背景的灰度值进行亮化补偿,对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿。
在本具体实施例中:所述灰度补偿模块具体用于,
将所述原始数字灰度图像中各像素点的灰度值用三维柱状图表示出来,得到所述数字灰度图像的整体灰度柱状图;
从所述整体灰度柱状图中提取出背景灰度柱状图,并根据所述背景灰度柱状图对应的灰度值对所述原始数字灰度图像中的背景进行曲面拟合,得到拟合背景灰度柱状图;
在所述拟合背景灰度柱状图中剔除所述第一特征区域之外的拟合背景灰度,得到部分剔 除拟合背景灰度柱状图;
对所述部分剔 除拟合背景灰度柱状图中的有效灰度区间进行曲面拟合,得到有效背景灰度曲面以及有效灰度拟合函数;根据所述有效灰度拟合函数计算出所述有效背景灰度曲面中的背景像素灰度值;
将所述整体灰度柱状图叠加在所述有效背景灰度曲面上,并将所述整体灰度柱状图中的背景像素灰度值减去所述有效背景灰度曲面中的背景像素灰度值,得到去除背景噪音之后的去背景灰度柱状图;
依据所述第三特征区域内各像素的灰度值将所述去背景灰度柱状图进行整体拉伸正形,直至拉伸正形后的所述去背景灰度柱状图中第三特征区域内各像素的灰度值达到灰度极值,得到拉伸正形灰度柱状图;
在所述拉伸正形灰度柱状图中将所述第二特征区域之外的所有像素的灰度值剔除,得到标准化灰度柱状图;
所述标准化灰度柱状图对应的数字图像为所述标准化数字灰度图像。
在其他具体实施例中:所述灰度补偿模块还可以具体用于,
对所述原始数字灰度图像中的背景的灰度值进行灰化补偿,对所述原始数字灰度图像中的目标物的灰度值进行亮化补偿。
其中,此处对所述原始数字灰度图像中的背景的灰度值进行灰化补偿的过程与上述对所述原始数字灰度图像中的背景的灰度值进行亮化补偿的过程相同,不同的是上述背景亮化补偿是剔除背景灰度,而此处背景灰化补偿是拉伸背景灰度至灰度极值。此处对所述原始数字灰度图像中的目标物的灰度值进行亮化补偿的过程与上述对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿的过程相同,不同的是上述对目标物灰化补偿是拉伸目标物灰度至灰度极值,而此处目标物亮化补偿是剔除目标物灰度。
基于上述一种图像灰度处理方法,本发明还提供一种计算机存储介质。
一种计算机存储介质,包括存储器以及存储在所述存储器内的计算机程序,所述计算机程序被处理器执行时实现如上述所述的图像灰度处理方法。
本发明一种图像灰度处理方法、系统及计算机存储介质根据特征区域的灰度值将图像中的目标物和背景分别推向相反的两个灰度极值,从而让目标物图像边界更“显著”和“稳定”,达到动态适配各类场景,使图像摆脱外界条件的干扰,形成稳定的重心,提高亚像素精度。
以上所述仅为本发明的较佳实施例,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 (4)
1.一种图像灰度处理方法,其特征在于:包括以下步骤,
S1,对目标物进行拍摄,得到原始数字图像;
S2,对所述原始数字图像进行灰度处理,得到原始数字灰度图像;
S3,对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;
S4,根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像;
所述S3具体为,
根据所述原始数字灰度图像中的目标物、背景以及目标物与背景之间的分界,将所述原始数字灰度图像进行区域划分,得到基准特征区域、第一特征区域、第二特征区域和第三特征区域;
其中,所述基准特征区域用于表征基于边缘识别的目标物图像区域,所述第一特征区域用于表征相对所述基准特征区域外扩预设像素且带有背景的目标物图像区域,所述第二特征区域用于表征相对所述基准特征区域外扩至灰度变化截止线处的目标物图像区域,所述第三特征区域用于表征相对所述基准特征区域内缩至灰度变化截止线处的目标物图像区域;
具体的,所述第二特征区域位于所述第一特征区域内,所述基准特征区域位于所述第二特征区域内,所述第三特征区域位于所述基准特征区域内;
对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,具体为,
对所述原始数字灰度图像中的背景的灰度值进行亮化补偿,对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿;
对所述原始数字灰度图像中的背景的灰度值进行亮化补偿以及对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿的具体过程为,
将所述原始数字灰度图像中各像素点的灰度值用三维柱状图表示出来,得到所述数字灰度图像的整体灰度柱状图;
从所述整体灰度柱状图中提取出背景灰度柱状图,并根据所述背景灰度柱状图对应的灰度值对所述原始数字灰度图像中的背景进行曲面拟合,得到拟合背景灰度柱状图;
在所述拟合背景灰度柱状图中剔除所述第一特征区域之外的拟合背景灰度,得到部分剔除拟合背景灰度柱状图;
对所述部分剔除拟合背景灰度柱状图中的有效灰度区间进行曲面拟合,得到有效背景灰度曲面以及有效灰度拟合函数;根据所述有效灰度拟合函数计算出所述有效背景灰度曲面中的背景像素灰度值;
将所述整体灰度柱状图叠加在所述有效背景灰度曲面上,并将所述整体灰度柱状图中的背景像素灰度值减去所述有效背景灰度曲面中的背景像素灰度值,得到去除背景噪音之后的去背景灰度柱状图;
依据所述第三特征区域内各像素的灰度值将所述去背景灰度柱状图进行整体拉伸正形,直至拉伸正形后的所述去背景灰度柱状图中第三特征区域内各像素的灰度值达到灰度极值,得到拉伸正形灰度柱状图;
在所述拉伸正形灰度柱状图中将所述第二特征区域之外的所有像素的灰度值剔除,得到标准化灰度柱状图;
所述标准化灰度柱状图对应的数字图像为所述标准化数字灰度图像。
2.根据权利要求1所述的图像灰度处理方法,其特征在于:对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,具体为,
对所述原始数字灰度图像中的背景的灰度值进行灰化补偿,对所述原始数字灰度图像中的目标物的灰度值进行亮化补偿。
3.一种图像灰度处理系统,其特征在于:包括以下模块,
图像获取模块,其用于对目标物进行拍摄,得到原始数字图像;
灰度处理模块,其用于对所述原始数字图像进行灰度处理,得到原始数字灰度图像;
特征区域划分模块,其用于对所述原始数字灰度图像进行特征区域划分,得到多个特征区域;
灰度补偿模块,其用于根据各个所述特征区域的灰度值,对所述原始数字灰度图像中的背景以及目标物进行相反两个方向的灰度补偿,得到标准化数字灰度图像;
所述特征区域划分模块具体用于,
根据所述原始数字灰度图像中的目标物、背景以及目标物与背景之间的分界,将所述原始数字灰度图像进行区域划分,得到基准特征区域、第一特征区域、第二特征区域和第三特征区域;
其中,所述基准特征区域用于表征基于边缘识别的目标物图像区域,所述第一特征区域用于表征相对所述基准特征区域外扩预设像素且带有背景的目标物图像区域,所述第二特征区域用于表征相对所述基准特征区域外扩至灰度变化截止线处的目标物图像区域,所述第三特征区域用于表征相对所述基准特征区域内缩至灰度变化截止线处的目标物图像区域;
具体的,所述第二特征区域位于所述第一特征区域内,所述基准特征区域位于所述第二特征区域内,所述第三特征区域位于所述基准特征区域内;
所述灰度补偿模块具体用于,
对所述原始数字灰度图像中的背景的灰度值进行亮化补偿,对所述原始数字灰度图像中的目标物的灰度值进行灰化补偿;
将所述原始数字灰度图像中各像素点的灰度值用三维柱状图表示出来,得到所述数字灰度图像的整体灰度柱状图;
从所述整体灰度柱状图中提取出背景灰度柱状图,并根据所述背景灰度柱状图对应的灰度值对所述原始数字灰度图像中的背景进行曲面拟合,得到拟合背景灰度柱状图;
在所述拟合背景灰度柱状图中剔除所述第一特征区域之外的拟合背景灰度,得到部分剔除拟合背景灰度柱状图;
对所述部分剔除拟合背景灰度柱状图中的有效灰度区间进行曲面拟合,得到有效背景灰度曲面以及有效灰度拟合函数;根据所述有效灰度拟合函数计算出所述有效背景灰度曲面中的背景像素灰度值;
将所述整体灰度柱状图叠加在所述有效背景灰度曲面上,并将所述整体灰度柱状图中的背景像素灰度值减去所述有效背景灰度曲面中的背景像素灰度值,得到去除背景噪音之后的去背景灰度柱状图;
依据所述第三特征区域内各像素的灰度值将所述去背景灰度柱状图进行整体拉伸正形,直至拉伸正形后的所述去背景灰度柱状图中第三特征区域内各像素的灰度值达到灰度极值,得到拉伸正形灰度柱状图;
在所述拉伸正形灰度柱状图中将所述第二特征区域之外的所有像素的灰度值剔除,得到标准化灰度柱状图;
所述标准化灰度柱状图对应的数字图像为所述标准化数字灰度图像。
4.一种计算机存储介质,其特征在于:包括存储器以及存储在所述存储器内的计算机程序,所述计算机程序被处理器执行时实现如上述权利要求1或2所述的图像灰度处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111071600.3A CN113516584B (zh) | 2021-09-14 | 2021-09-14 | 一种图像灰度处理方法、系统及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111071600.3A CN113516584B (zh) | 2021-09-14 | 2021-09-14 | 一种图像灰度处理方法、系统及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516584A CN113516584A (zh) | 2021-10-19 |
CN113516584B true CN113516584B (zh) | 2021-11-30 |
Family
ID=78063077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111071600.3A Active CN113516584B (zh) | 2021-09-14 | 2021-09-14 | 一种图像灰度处理方法、系统及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516584B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006195651A (ja) * | 2005-01-12 | 2006-07-27 | Sanyo Electric Co Ltd | 階調補正装置 |
KR20060123951A (ko) * | 2005-05-30 | 2006-12-05 | 삼성전자주식회사 | 계조 값 보정방법, 보정 회로, 및 이를 구비하는디스플레이 장치 |
CN101136192A (zh) * | 2006-08-11 | 2008-03-05 | 奥普提克斯晶硅有限公司 | 用于显示几何和色彩的自动校准和校正的系统和方法 |
CN110298282A (zh) * | 2019-06-21 | 2019-10-01 | 华南师范大学 | 文档图像处理方法、存储介质和计算设备 |
CN111275697A (zh) * | 2020-02-10 | 2020-06-12 | 西安交通大学 | 一种基于orb特征匹配和lk光流法的电池丝印质量检测方法 |
CN111593090A (zh) * | 2020-03-25 | 2020-08-28 | 暨南大学 | 一种环境胁迫下植物中酶活性的原位可视化测定方法 |
CN111798467A (zh) * | 2020-06-30 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
CN112785579A (zh) * | 2021-01-26 | 2021-05-11 | 西京学院 | 基于图像处理技术的混凝土裂缝识别方法 |
CN113033522A (zh) * | 2021-05-25 | 2021-06-25 | 风脉能源(武汉)股份有限公司 | 基于视觉检测塔筒晃动的标记物识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136068B (zh) * | 2011-03-31 | 2012-11-21 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
-
2021
- 2021-09-14 CN CN202111071600.3A patent/CN113516584B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006195651A (ja) * | 2005-01-12 | 2006-07-27 | Sanyo Electric Co Ltd | 階調補正装置 |
KR20060123951A (ko) * | 2005-05-30 | 2006-12-05 | 삼성전자주식회사 | 계조 값 보정방법, 보정 회로, 및 이를 구비하는디스플레이 장치 |
CN101136192A (zh) * | 2006-08-11 | 2008-03-05 | 奥普提克斯晶硅有限公司 | 用于显示几何和色彩的自动校准和校正的系统和方法 |
CN110298282A (zh) * | 2019-06-21 | 2019-10-01 | 华南师范大学 | 文档图像处理方法、存储介质和计算设备 |
CN111275697A (zh) * | 2020-02-10 | 2020-06-12 | 西安交通大学 | 一种基于orb特征匹配和lk光流法的电池丝印质量检测方法 |
CN111593090A (zh) * | 2020-03-25 | 2020-08-28 | 暨南大学 | 一种环境胁迫下植物中酶活性的原位可视化测定方法 |
CN111798467A (zh) * | 2020-06-30 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
CN112785579A (zh) * | 2021-01-26 | 2021-05-11 | 西京学院 | 基于图像处理技术的混凝土裂缝识别方法 |
CN113033522A (zh) * | 2021-05-25 | 2021-06-25 | 风脉能源(武汉)股份有限公司 | 基于视觉检测塔筒晃动的标记物识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113516584A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10699476B2 (en) | Generating a merged, fused three-dimensional point cloud based on captured images of a scene | |
Malik et al. | Consideration of illumination effects and optimization of window size for accurate calculation of depth map for 3D shape recovery | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
KR101795823B1 (ko) | 광학 문자 인식되는 텍스트 영상의 텍스트 개선 기법 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
CN113538491B (zh) | 一种基于自适应阈值的边缘识别方法、系统及存储介质 | |
CN111724430A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
KR20100005042A (ko) | 화상 처리 장치, 화상 처리 방법, 화상 처리 프로그램을 기록한 컴퓨터 판독 가능한 매체 | |
CN111612765A (zh) | 一种圆形透明镜片识别和定位的方法 | |
US20180184012A1 (en) | Image processing apparatus, control method, and storage medium | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN111757014A (zh) | 网络摄像头的焦距调节方法、装置、设备和存储介质 | |
CN110796696A (zh) | 对象的体积的确定方法、装置、存储介质和电子装置 | |
CN117152165A (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
CN113052754A (zh) | 一种图片背景虚化的方法及装置 | |
JP5338762B2 (ja) | ホワイトバランス係数算出装置及びプログラム | |
JP2004133919A (ja) | 擬似3次元画像生成装置および生成方法並びにそのためのプログラムおよび記録媒体 | |
CN113516584B (zh) | 一种图像灰度处理方法、系统及计算机存储介质 | |
KR20170047780A (ko) | 적응적 윈도우 마스크를 이용하는 로우 코스트 계산장치 및 그 방법 | |
CN110501339B (zh) | 一种复杂环境下的布面定位方法 | |
CN111539975A (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
JP3906221B2 (ja) | 画像処理方法及び画像処理装置 | |
CN110537202B (zh) | 相关值运算装置 | |
CN113723432B (zh) | 一种基于深度学习的智能识别、定位追踪的方法及系统 | |
US11699303B2 (en) | System and method of acquiring coordinates of pupil center point |
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 |