CN114418942B - 一种基于canny算法的火焰轮廓解算方法 - Google Patents

Abstract

本发明提出一种基于canny算法的火焰轮廓解算方法，在canny图像轮廓追踪方法的基础上对干扰光斑进行滤除；通过相似性加权平均与火焰轮廓的理论对称性能有效的去除区域光斑干扰，消除了在实际高速摄影拍摄工作中出现背景反光干扰因素，使得到的火焰轮廓完整、清晰明确，避免了后期反复进行高速摄影拍摄工作造成试验数据、弹药的浪费，提高了试验测试效率；采用本发明方法获得的轮廓计算出的面积符合同类弹药最大火焰面积的统计规律，不会产生出现极值的情况；处理后的火焰轮廓及最大面积等数据可以被弹药厂、枪炮厂等采用，做为后续设计改进的依据。本方法也适用于连续关联图像的融合、降噪处理。

Description

一种基于canny算法的火焰轮廓解算方法

技术领域

本发明属于炮口火焰图像处理领域，具体涉及一种基于canny算法的火焰轮廓解算方法。

背景技术

小口径火炮炮口焰特性参数做为武器性能指标的重要组成部分。特别是四代隐身战机在选用挂载航炮时对火焰持续时间、传播速度、距离以及火焰面积大小都有着严格的考核，避免火焰对隐身涂层的破坏，缩短涂层使用寿命，降低飞机隐身效果。

炮口火焰具有形成剧烈，持续时间短，形态不固定且快速传播运动等特点目前国内对炮口焰运动形态主要测试手段为利用超高速摄影相机拍摄整个火焰周期，再逐帧进行分析。由于火炮射击试验多在野外靶场进行，使用高速摄影进行拍摄测试时无法保证拍摄背景、自然光线强弱。所以经常出现炮口焰面积最大、火光最强的时候，背景物体反光与炮口焰混杂在一起无法区分开来。这种现象的出现对炮口焰轮廓、面积、传播速度的分析极为不利。只能重新组织射击试验进行反复的高速摄影拍摄工作，不仅浪费了大量试验数据，而且造成不必要的经济损失。

发明内容

为了解决在高速摄影拍摄炮口火焰时经常出现背景在火焰强光照射下反光、太阳光线变化以及相机光圈设置不合适产生区域亮斑，使得拍摄的图像不能真实反映炮口焰形态，导致无法求解火焰面积的问题，本发明提供一种基于canny算法的火焰轮廓解算方法。

本发明的技术方案是：一种基于canny算法的火焰轮廓解算方法，包括以下步骤：

步骤一：火炮进行多发连续射击时，拍摄每发弹丸炮口火焰形成的连续图像，且拍摄前将射击炮管调整到图像中轴线位置；

在每发弹丸炮口焰形成的连续图像中，选出各发炮弹的最大火焰图像，其中图像无干扰的按弹丸顺序记为max₁、max₂…max_n-1；受反光干扰的一发弹丸的最大火焰图像记为max_n；

步骤二：获取类比火焰图像灰度矩阵；

子步骤1、分别读取图像序列(max₁、max₂.。。。max_n)，得到各图像灰度矩阵：

a为像素灰度值取值范围为0-255；

k为图像序列号，取值范围为1-n；

b为图像宽度，h为图像高度；

子步骤2、使用均值哈希算法，切割矩阵为8*8得到max₁、max₂.。。。max_n-1对比max_n相同灰度值区域数分别为x₁、x₂。。。。。x_n-1；则图像序列中第k图像加权因数为：

子步骤3、分别将各图像相同位置像素灰度值按加权因子η_k进行加权平均，并得到新的类比后的图像灰度矩阵记为max_filter；

其中b_xy＝a_1xy*η₁+a_2xy*η₂+...+a(_n-1)_xy*η_n-1，

x∈(0...b)，y∈(0...h)；

b_xy为图像中任一像素点灰度值；

x为该像素点在图像中横向坐标，取值范围(0...b)；

y为该像素点在图像中纵向坐标，取值范围(0...h)；

a_(n-1)xy表示max_n-1图像矩阵中坐标xy的像素点灰度值；

步骤三：采取部分区域对称的方法，实现干扰图像自身火焰扩散特征的保留；

根据步骤二子步骤1中的反光干扰的图像矩阵max_n干扰区域像素位置、面积大小创建矩阵cut1；其在max_n中的起始位置为x、y，宽度为bw，高度为hg；

结合步骤一中射击炮管在图像中轴线位置，依据图像矩阵max_n的对称性，对cut1赋值；

c_xy＝a_x(|h-y|)；

步骤四：创建和cut1相同大小的矩阵cut2，并将步骤二中的类比矩阵max_fliter与步骤三中的矩阵cut1相同位置像素点的灰度值平均后赋值cut2；利用矩阵cut2对步骤二中的矩阵max_n进行同像素点位置赋值；

步骤五：通过梯度因子以及步骤四降噪后的矩阵max_n，解算该图像的各像素点梯度，根据梯度分布确定阈值达到追踪火焰轮廓目的。

本发明进一步的技术方案是：所述步骤四中，包括以下步骤：

子步骤1、创建和cut1相同大小的矩阵cut2；

子步骤2、步骤二中的类比矩阵max_fliter与步骤三中的矩阵cut1相同位置像素点的灰度值平均后赋值cut2；

d_xy＝0.5*b_xy+0.5*c_xy

子步骤3、使用灰度矩阵cut2对图像max_n灰度矩阵进行相同位置像素{xy...(x+bw) (y+hg)}替换；

本发明进一步的技术方案是：所述步骤五中，梯度因子为

发明效果

本发明的技术效果在于：

本发明方法在canny图像轮廓追踪方法的基础上对干扰光斑进行滤除；通过相似性加权平均与火焰轮廓的理论对称性能有效的去除区域光斑干扰，消除了在实际高速摄影拍摄工作中出现背景反光干扰因素，使得到的火焰轮廓完整、清晰明确，避免了后期反复进行高速摄影拍摄工作造成试验数据、弹药的浪费，提高了试验测试效率；

采用本发明方法获得的轮廓计算出的面积符合同类弹药最大火焰面积的统计规律，不会产生出现极值的情况；处理后的火焰轮廓及最大面积等数据可以被弹药厂、枪炮厂等采用，作为后续设计改进的依据。

本方法也适用于连续关联图像的融合、降噪处理。

附图说明

图1为同组射击中无干扰光斑时的最大炮口焰图像

图2为存在光斑干扰的最大炮口焰图像

图3是本发明中最大火焰图像通过类比加权后的图像

图4是本发明中光斑通过降噪处理后的最大火焰图像

图5是图4经过canny算法后的火焰轮廓图

具体实施方式

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

参照图3-图5；本发明一种基于canny算法的火焰轮廓解算方法，具体包括以下步骤：

步骤一、筛选同组射击中各发炮弹最大炮口焰图像；

火炮进行多发连续射击时，拍摄每发弹丸炮口火焰形成的连续图像，且拍摄前将射击炮管调整到图像中轴线位置；

在每发弹丸炮口焰形成的连续图像中，选出各发炮弹的最大火焰图像，其中图像无干扰的按弹丸顺序记为max₁、max₂.。。。max_n-1，如图1。受反光干扰的一发弹丸的火焰图像，其火焰最大图像记为max_n，如图2。

步骤二、获取类比火焰图像灰度模板；

子步骤一、分别读取图像序列(max₁、max₂.。。。max_n)，得到各图像灰度矩阵：

a为像素灰度值取值范围为0-255；

k为图像序列号，取值范围为1-n；

b为图像宽度，h为图像高度。

子步骤二、使用均值哈希算法，分割矩阵为8*8得到max₁、max₂.。。。max_n-1对比max_n具有相同灰度值区域的数量分别为x₁、x₂。。。。。x_n-1。则图像序列中第k图像加权因数为：

子步骤三、分将各图像相同位置像素灰度值按加权因子η_k进行加权平均，并得到新的图像灰度矩阵记为max_filter。图3为图1中12发弹丸火焰图像加权平均后的max_filter矩阵生成的火焰图像。

其中b_xy＝a_1xy*η₁+a_2xy*η₂+...+a(_n-1)_xy*η_n-1，

x∈(0...b)，y∈(0...h)。

b_xy为图像中任一像素点灰度值；

x为该像素点在图像中横向坐标，取值范围(0...b)；

y为该像素点在图像中纵向坐标，取值范围(0...h)；

a_(n-1)xy表示max_n-1图像矩阵中坐标x、y的像素点灰度值；

步骤三、采取部分区域对称的方法，实现干扰图像自身火焰扩散特征的保留。

根据步骤二子步骤一中的矩阵max_n的干扰区域像素位置、面积大小创建矩阵cut1；

其在max_n中的起始位置为x、y，宽度为bw，高度为hg；

由于在用高速摄影进行火焰面积拍摄时，已经将射击炮管调整到图像中轴线位置，即弹道线位于图像中轴线位置，对称轴线为h/2；通过受干扰图像灰度矩阵max_n及对称原则对灰度矩阵cut1进行赋值。

c_xy＝a_x(|h-y|)

步骤四、利用max_filter与cut1矩阵对max_n受干扰区域的灰度值进行重新赋值。

子步骤一、创建和cut1相同大小的矩阵cut2；

子步骤二、步骤二中的类比矩阵max_fliter与步骤三中的矩阵cut1相同位置像素点的灰度值平均后赋值cut2；

d_xy＝0.5*b_xy+0.5*c_xy

子步骤三、使用灰度矩阵cut2对图像max_n灰度矩阵进行相同位置像素{xy... (x+bw)(y+hg)}替换；

图4为图2经过矩阵cut2替换赋值后的降噪图像，反光干扰大大降低。

步骤五：通过步骤四降噪后的炮口焰最大面积的灰度矩阵max_n，利用canny算法及梯度因子求解降噪后图像的梯度，根据梯度分布确定域值达到追踪火焰轮廓目的，如图5为图4火焰轮廓。

Claims (3)

1.一种基于canny算法的火焰轮廓解算方法，其特征在于，包括以下步骤：

步骤一：火炮进行多发连续射击时，拍摄每发弹丸炮口火焰形成的连续图像，且拍摄前将射击炮管调整到图像中轴线位置；

在每发弹丸炮口焰形成的连续图像中，选出各发炮弹的最大火焰图像，其中图像无干扰的按弹丸顺序记为max₁、max₂…max_n-1；受反光干扰的一发弹丸的最大火焰图像记为max_n；

步骤二：获取类比火焰图像灰度矩阵；

子步骤1、分别读取图像序列(max₁、max₂.···max_n)，得到各图像灰度矩阵：

a为像素灰度值取值范围为0-255；

k为图像序列号，取值范围为1-n；

b为图像宽度，h为图像高度；

子步骤2、使用均值哈希算法，切割矩阵为8*8得到max₁、max₂.···max_n-1对比max_n相同灰度值区域数分别为x₁、x₂···x_n-1；则图像序列中第k图像加权因数为：

子步骤3、分别将各图像相同位置像素灰度值按加权因子ηk进行加权平均，并得到新的类比后的图像灰度矩阵记为max_filter；

其中b_xy＝a_1xy*η₁+a_2xy*η₂+...+a_(n-1)xy*η_n-1，

x∈(0...b)，y∈(0...h)；

b_xy为图像中任一像素点灰度值；

x为该像素点在图像中横向坐标，取值范围(0...b)；

y为该像素点在图像中纵向坐标，取值范围(0...h)；

a_(n-1)xy表示max_n-1图像矩阵中坐标xy的像素点灰度值；

步骤三：采取部分区域对称的方法，实现干扰图像自身火焰扩散特征的保留；

根据步骤二子步骤1中的反光干扰的图像矩阵max_n干扰区域像素位置、面积大小创建矩阵cut1；其在max_n中的起始位置为x、y，宽度为bw，高度为hg；

结合步骤一中射击炮管在图像中轴线位置，依据图像矩阵max_n的对称性，对cut1赋值；

c_xy＝a_x(|h-y|)；

步骤四：创建和cut1相同大小的矩阵cut2，并将步骤二中的类比矩阵max_fliter与步骤三中的矩阵cut1相同位置像素点的灰度值平均后赋值cut2；利用矩阵cut2对步骤二中的矩阵max_n进行同像素点位置赋值；

步骤五：通过梯度因子以及步骤四降噪后的矩阵max_n，解算该图像的各像素点梯度，根据梯度分布确定阈值达到追踪火焰轮廓目的。

2.如权利要求1所述的一种基于canny算法的火焰轮廓解算方法，其特征在于，所述步骤四中，包括以下步骤：

子步骤1、创建和cut1相同大小的矩阵cut2；

子步骤2、步骤二中的类比矩阵max_fliter与步骤三中的矩阵cut1相同位置像素点的灰度值平均后赋值cut2；

d_xy＝0.5*b_xy+0.5*c_xy

子步骤3、使用灰度矩阵cut2对图像max_n灰度矩阵进行相同位置像素{xy...(x+bw)(y+hg)}替换；

3.如权利要求1所述的一种基于canny算法的火焰轮廓解算方法，其特征在于，所述步骤五中，梯度因子为