CN114693686B - 一种用于床单布匹污渍检测的方法 - Google Patents
一种用于床单布匹污渍检测的方法 Download PDFInfo
- Publication number
- CN114693686B CN114693686B CN202210618711.XA CN202210618711A CN114693686B CN 114693686 B CN114693686 B CN 114693686B CN 202210618711 A CN202210618711 A CN 202210618711A CN 114693686 B CN114693686 B CN 114693686B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- detected
- weight
- sheet cloth
- image
- 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
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Abstract
本发明涉及数据处理技术领域,具体涉及一种用于床单布匹污渍检测的方法。该方法结合相关的电子设备进行图像识别得到待检测床单布匹图像;根据待检测床单布匹图像获取第一权值、第二权值、第三权值和第四权值;根据第一权值、第二权值、第三权值和第四权值,得到污渍区域。本发明提供了一种结合电子设备进行图形识别的用于床单布匹污渍检测的方法,并进行相关的数据处理,提高了对床单布匹图像中污渍区域的检测效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种用于床单布匹污渍检测的方法。
背景技术
原布准备包括原布检验、翻布和缝头;原布检验的目的是检查坯布质量,发现问题并能及时加以解决。检验内容包括外观污渍检测等;在生产过程中,不可避免地会出现一些机器油污、粉末、滴胶甚至死昆虫等污物附着在成品表面上,这些污物的面积大小不一。
为满足人们对于纺织品外观美观性的要求,其污渍的存在会严重影响纺织品的美观性;由于污渍容易与纺织品图像上的图案等信息混合,增加辨识难度,因此在对床单布匹进行污渍检测时,存在污渍的部分越突出,则污渍检测的效果越好;如何凸显床单布匹的污渍部分,是提高污渍检测效果的关键。
发明内容
为了解决如何凸显床单布匹的污渍部分,以提高污渍检测效果的问题,本发明的目的在于提供一种用于床单布匹污渍检测的方法,所采用的技术方案具体如下:
本发明提供了一种用于床单布匹污渍检测的方法包括以下步骤:
获取待检测床单布匹图像;
对待检测床单布匹图像进行边缘提取,得到对应的边缘图像;根据边缘图像中各边缘像素点的坐标,获取待检测床单布匹图像中各像素点对应的第一权值;获取边缘图像中闭合边缘对应的区域,记为目标区域;根据各目标区域的面积,得到待检测床单布匹图像中各像素点对应的第二权值;
根据待检测床单布匹图像中各像素点的灰度值,计算各像素点对应的第三权值和第四权值;
根据待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,对待检测床单布匹图像进行增强处理,得到待检测床单布匹图像对应的增强图像;
对所述增强图像进行检测,得到待检测床单布匹图像中的污渍区域。
优选的,所述根据边缘图像中各边缘像素点的坐标,获取待检测床单布匹图像中各像素点对应的第一权值,包括:
根据边缘图像中各边缘像素点的坐标,将待检测床单布匹图像中对应的边缘像素点的第一权值设置为1;
将待检测床单布匹图像中不是边缘像素点的像素点对应的第一权值设置为0。
优选的,根据各目标区域的面积,得到待检测床单布匹图像中各像素点对应的第二权值,包括:
将待检测床单布匹图像中不在目标区域内的各像素点对应的第二距离权值和第二面积权值均设置为0;
对于任一目标区域中任一像素点:计算该目标区域中该像素点到该目标区域对应的各边缘像素点的距离;选取该像素点到该目标区域对应的各边缘像素点的距离的最小值,作为该像素点对应的最短距离;
对于任一目标区域:根据该目标区域内各像素点对应的最短距离,得到待检测床单布匹图像中在该目标区域内各像素点对应的第二距离权值;
根据各目标区域的面积,得到待检测床单布匹图像中各目标区域内各像素点对应的第二面积权值;
计算待检测床单布匹图像中各像素点对应的第二距离权值和第二面积权值的乘积,作为待检测床单布匹图像中各像素点对应的第二权值。
优选的,根据各目标区域的面积,得到检测床单布匹图像中各目标区域内各像素点对应的第二面积权值,包括:
根据各目标区域的面积,计算各目标区域对应的初始第二面积权值;
将各目标区域对应的初始第二面积权值进行归一化处理,得到各目标区域对应的第二面积权值;
将待检测床单布匹图像中各目标区域内的各像素点对应的第二面积权值设置为对应目标区域对应的第二面积权值;
所述计算各目标区域对应的初始第二面积权值的公式为:
优选的,根据该目标区域内各像素点对应的最短距离,得到待检测床单布匹图像中在该目标区域内各像素点对应的第二距离权值的公式为:
优选的,根据待检测床单布匹图像中各像素点的灰度值,计算各像素点对应的第三权值和第四权值,包括:
利用HC算法对待检测床单布匹图像中各像素点对应的显著值进行计算,得到待检测床单布匹图像中各像素点对应的显著值;
将待检测床单布匹图像中各像素点对应的显著值进行归一化处理,得到各像素点对应的第三权值;
设置预设大小的窗口,利用所述窗口中心点对待检测床单布匹图像中各像素点进行遍历,计算待检测床单布匹图像中各像素点对应的第四权值。
优选的,所述待检测床单布匹图像中各像素点对应的显著值的计算公式为:
其中,为待检测床单布匹图像中第u行第v列的像素点对应的显著值;为待检测床单布匹图像中灰度级的数量,为第个灰度级在待检测床单布匹图像中出现的频率,为第个灰度级对应的灰度值,为检测床单布匹图像中第u行第v列的像素点对应的灰度值;
所述计算待检测床单布匹图像中各像素点对应的第四权值的公式为:
优选的,根据待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,对待检测床单布匹图像进行增强处理,得到待检测床单布匹图像对应的增强图像,包括:
根据各像素点对应的第一权值、第二权值、第三权值和第四权值,计算待检测床单布匹图像中各像素点对应的综合权值;
对待检测床单布匹图像中各像素点对应的综合权值进行线性变换,得到各像素点对应的目标权值;
将待检测床单布匹图像中各像素点对应的灰度值与对应的目标权值相乘,若乘积大于255,则将对应像素点最终的灰度值设置为255,若乘积小于255,则将乘积作为对应像素点最终的灰度值;
根据各像素点对应的最终的灰度值,得到待检测床单布匹图像对应的增强图像。
优选的,根据各像素点对应的第一权值、第二权值、第三权值和第四权值,计算待检测床单布匹图像中各像素点对应的综合权值的公式为:
所述综合权值矩阵中各元素的值为待检测床单布匹图像中对应位置像素点对应的综合权值;所述调节矩阵中各元素的值相同且均为1;所述第一矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第一权值;所述第二矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第二权值;所述第三矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第三权值;所述第四矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第四权值。
优选的,获对待检测床单布匹图像中各像素点对应的综合权值进行线性变换,得到各像素点对应的目标权值的公式为:
本发明具有如下有益效果:
本发明结合相关的电子设备进行图像识别得到待检测床单布匹图像;根据待检测床单布匹图像获取第一权值、第二权值、第三权值和第四权值;根据第一权值、第二权值、第三权值和第四权值,得到污渍区域。本发明提供了一种结合电子设备进行图形识别的用于床单布匹污渍检测的方法,并进行相关的数据处理,提高了对床单布匹图像中污渍区域的检测效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明所提供的一种用于床单布匹污渍检测的方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功能效果,以下结合附图及较佳实施例,对依据本发明提出的一种用于床单布匹污渍检测的方法进行详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于床单布匹污渍检测的方法的具体方案。
一种用于床单布匹污渍检测的方法实施例:
如图1所示,本实施例的一种用于床单布匹污渍检测的方法包括以下步骤:
步骤S1,获取待检测床单布匹图像。
为了对床单布匹表面的污渍进行检测,本实施例使用工业相机来采集传送带上的床单布匹图像;为了后续对床单布匹图像进行分析,本实施例将采集得到的床单布匹图像进行灰度化、去噪等预处理操作,进而得到床单布匹图像对应的灰度图像,本实施例将所述灰度图像记为待检测床单布匹图像。
步骤S2,对待检测床单布匹图像进行边缘提取,得到对应的边缘图像;根据边缘图像中各边缘像素点的坐标,获取待检测床单布匹图像中各像素点对应的第一权值;获取边缘图像中闭合边缘对应的区域,记为目标区域;根据各目标区域的面积,得到待检测床单布匹图像中各像素点对应的第二权值。
本实施例考虑到在对床单布匹上存在的污渍进行检测时,由于受到床单上图案或花纹的影响,会增加辨识的难度,因此本实施例提供了一个图像增强的方法,从图像的局部和整体进行分析,来对待检测床单布匹图像进行增强处理,使待检测床单布匹图像中污渍部分更加明显,进而使后续对污渍检测的效果更好。
本实施例利用canny边缘检测算法对待检测床单布匹图像进行处理,得到对应的边缘图像,所述边缘图像中各像素点的位置与检测床单布匹图像中各像素点的位置一一对应;本实施例中canny边缘检测算法为现有技术,在此就不再赘述。
由于图像的边缘是图像的重要信息,故而在图像增强中,本实施例首先确保图像的边缘在增强过程中能够凸显出来,以便在增强过程中不会丢失图像主要信息,具体的:
本实施例获取边缘图像中各边缘像素点(边缘上的像素点记为边缘像素点)的坐标;然后根据各边缘像素点的坐标,可以得到对待检测床单布匹图像中为边缘像素点的像素点,进而对待检测床单布匹图像中各像素点赋予对应的第一权值;本实施例将待检测床单布匹图像中边缘像素点对应的第一权值设置为1,将不是边缘像素点的像素点对应的第一权值设置为0。本实施例根据待检测床单布匹图像中各像素点对应的第一权值构建一个第一矩阵,所述第一矩阵由待检测床单布匹图像中各像素点对应的第一权值构成,且第一矩阵中各元素的坐标与待检测床单布匹图像中各像素点的坐标一一对应。
本实施例考虑到图像增强时不能仅关注于图像边缘,还需关注边缘形成的区域,即大多数主体信息都是包含在边缘所形成的区域内,本实施例根据边缘图像,获取边缘图像中的闭合边缘以及对应的区域,本实施例将闭合边缘对应的区域记为目标区域。
考虑到布料上的污渍往往是中间部分的颜色与正常的布料颜色差别较大,即污渍的信息主要集中于区域内部;本实施例根据各目标区域中各像素点的位置,来对待检测床单布匹图像中各像素点设置对应的第二距离权值;本实施例将待检测床单布匹图像中不在目标区域内的各像素点对应的第二距离权值设置为0;基于目标区域内的像素点到边缘的距离,得到目标区域内的各像素点对应的第二距离权值,具体的:
本实施例以计算任一目标区域内各像素点对应的第二距离权值为例:
本实施例首先计算该目标区域中各像素点到该目标区域对应的边缘的最短距离,即计算像素点到该目标区域对应的各边缘像素点的距离,然后选取其中最短距离作为该像素点对应的最短距离。本实施例根据上述过程得到了该目标区域内各像素点对应的最短距离,然后根据该目标区域内各像素点对应的最短距离计算该目标区域内各像素点对应的第二距离权值,即将待检测床单布匹图像中在该目标区域内各像素点对应的第二距离权值,具体计算公式为:
其中,为第k个目标区域中第u行第v列的像素点对应的第二距离权值,为第k个目标区域中第u行第v列的像素点对应的最短距离,为第k个目标区域中各像素点对应的最短距离的集合,为第k个目标区域中各像素点对应的最短距离的最大值,为最大值。
本实施例根据上述过程可以计算各像素点对应的第二距离权值,若像素点对应的最短距离越小,则对应的第二距离权值越小;若像素点对应的最短距离越小,则对应的第二距离权值越大,最大值为1。
考虑到床单布匹上的污渍往往是面积较小的区域,本实施例根据各目标区域的面积大小来为检测床单布匹图像中各像素点设置对应的第二面积权值,具体的:
本实施例首先统计各目标区域面积的大小(即目标区域中像素点的个数),若目标区域面积越大,则该目标区域为污渍的可能性越小,则该目标区域中的各像素点对应的第二面积权值越小;若目标区域面积越小,则该目标区域为污渍的可能性越大,则该目标区域中的各像素点对应的第二面积权值越大。本实施例首先计算各目标区域对应的初始第二面积权值,具体的:
本实施例根据上述公式可以得到各目标区域对应的初始第二面积权值,然后将各目标区域对应的初始第二面积权值进行归一化处理,得到各目标区域对应的第二面积权值;本实施例中待检测床单布匹图像中各目标区域内的各像素点对应的第二面积权值为对应目标区域对应的第二面积权值。本实施例根据上述过程得到了目标区域中各像素点对应的第二面积权值,然后本实施例将不属于目标区域的各像素点对应的第二面积权值设置为0。
本实施例将待检测床单布匹图像中各像素点对应的第二距离权值和第二面积权值进行结合,得到各像素点对应的第二权值,本实施例中所述各像素点对应的第二权值为各像素点对应的第二距离权值和第二面积权值的乘积。
本实施例根据待检测床单布匹图像中各像素点对应的第二权值,构建对应的第二矩阵,所述第二矩阵由待检测床单布匹图像中各像素点对应的第二权值构成,且第二矩阵中各元素的坐标与待检测床单布匹图像中各像素点的坐标一一对应。
步骤S3,根据待检测床单布匹图像中各像素点的灰度值,计算各像素点对应的第三权值和第四权值。
接下来本实施例利用HC算法对待检测床单布匹图像中各像素点的显著性进行分析,所述HC算法是一种基于直方图对比度的显著性检测方法,其中像素点与其他像素之间的颜色特征差异度越大则显著性越高;对于床单布匹上的污渍来说,污渍部分的颜色是不同于正常的床单布匹的颜色,因此当像素点对应的显著值越大时,说明该像素点为污渍的概率就越大,本实施例中计算待检测床单布匹图像中各像素点对应的显著值的公式为:
其中,为待检测床单布匹图像中第u行第v列的像素点对应的显著值;为待检测床单布匹图像中灰度级的数量,为第个灰度级在待检测床单布匹图像中出现的频率,为第个灰度级对应的灰度值,为检测床单布匹图像中第u行第v列的像素点对应的灰度值。本实施例中所述灰度级的数量最多有256个,一个灰度级对应一个灰度值。本实施例中HC算法为现有技术在此就不再赘述。
本实施例根据上述公式可以计算得到待检测床单布匹图像中各像素点对应的显著值,本实施例将待检测床单布匹图像中各像素点对应的显著值进行归一化处理,得到各像素点对应的第三权值;本实施例根据待检测床单布匹图像中各像素点对应的第三权值,构建对应的第三矩阵,所述第三矩阵由待检测床单布匹图像中各像素点对应的第三权值构成,且第三矩阵中各元素的坐标与待检测床单布匹图像中各像素点的坐标一一对应。
考虑到污渍部分在图像中是突兀的,即灰度值与周围灰度值差异较大,本实施例通过对各像素点灰度值与对应邻域范围内各像素点之间的灰度差异进行分析,来确定各像素点对应第四权值;若像素点对应的第四权值越大,说明该像素点的灰度值与邻域内其他像素点的灰度值差别越大,则该像素点为污渍的可能性就越大,具体的:
本实施例设置一个α*α大小的窗口,然后利用窗口中心对待检测床单布匹图像中各像素点进行遍历,并计算出各像素点对应的第四权值;窗口在对待检测床单布匹图像进行遍历时计算窗口正中心像素点灰度值与窗口内所有像素点灰度值的差异,具体的:
本实施例根据上述公式可以计算得到待检测床单布匹图像中各像素点对应的第四权值;本实施例根据待检测床单布匹图像中各像素点对应的第四权值,构建对应的第四矩阵,所述第四矩阵由待检测床单布匹图像中各像素点对应的第四权值构成,且第四矩阵中各元素的坐标与待检测床单布匹图像中各像素点的坐标一一对应。
步骤S4,根据待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,对待检测床单布匹图像进行增强处理,得到待检测床单布匹图像对应的增强图像。
本实施例根据步骤S2和步骤S3得到了第一矩阵、第二矩阵、第三矩阵和第四矩阵,不同矩阵反映了待检测床单布匹图像中各像素点对应的不同权值;本实施例中仅根据任一一种权值来对图像增加难以突出图像中污渍的部分,因此本实施例结合待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,得到待检测床单布匹图像中各像素点对应的综合权值,具体计算公式为:
其中,D为综合权值矩阵,所述综合权值矩阵中各元素的值为待检测床单布匹图像中对应位置像素点对应的综合权值;为调节矩阵,所述调节矩阵中各元素的值相同且均为1,调节矩阵与待检测床单布匹图像等大;为第一矩阵,为第二矩阵,为第三矩阵,为第四矩阵,为第一关注程度,为第二关注程度,为第三关注程度,为第四关注程度,为第五关注程度。
上式中调节矩阵通过第一关注程度来调控待检测床单布匹图像中不关注区域与关注区域的整体对比度,越小,对比度越大,越大对比度越小;所述第一关注程度,第二关注程度,第三关注程度,第四关注程度和第五关注程度用于反映那一部分更值得关注,即哪一部分更有利于区分污渍区域,例如若更关注于颜色差异,则可以适当增加第五关注程度的取值;本实施中第一关注程度,第二关注程度,第三关注程度,第四关注程度和第五关注程度的具体取值需根据实际需要进行设置。本实施例中窗口的大小,即a的取值需根据实际需要进行设置。
接下来本实施例根据待检测床单布匹图像中各像素点对应的综合权值对图像进行增强,具体的:
本实施例首先设置一个增强阈值,若像素点对应的综合权值大于增强阈值,则将该像素点进行增强,若像素点对应的综合权值小于增强阈值,则将该像素点进行抑制;本实施例根据下面的公式对待检测床单布匹图像中各像素点对应的综合权值进行线性变换,来对待检测床单布匹图像中各像素点对应的综合权值进行相应的增强或抑制,得到各像素点对应的目标权值,具体线性变换公式为:
其中,为待检测床单布匹图像中第u行第v列的像素点对应的目标权值,为综合权值矩阵中第u行第v列的元素的值,即待检测床单布匹图像中第u行第v列的像素点对应的综合权值,z为增强阈值。本实施例中增强阈值需根据实际需要进行设置。
然后本实施例根据待检测床单布匹图像中各像素点对应的目标权值得到待检测床单布匹图像中各像素点增强后的灰度值,具体的:本实施例将待检测床单布匹图像中各像素点对应的灰度值与对应的目标权值相乘,若乘积大于255,则将对应像素点最终的灰度值设置为255,若乘积小于255,则乘积作为对应像素点最终的灰度值。
本实施例根据各像素点对应的最终的灰度值,以得到待检测床单布匹图像对应的增强图像。
步骤S5,对所述增强图像进行检测,得到待检测床单布匹图像中的污渍区域。
本实施例根据上述图像增强的方法,对传送带上拍摄到的床单布匹图像进行增强;得到的增强图像对污渍更为敏感,更易于被检测出来。
本实施例通过对待检测床单布匹图像对应的增强图像进行分析,将待检测床单布匹图像与对应的增强图像进行作差比较,将其中灰度差值变化大的像素点提取出来,并对这些像素点进行分析,即若这些像素点所在区域与周围像素点平均灰度值差异于差异阈值,那么该像素点所处位置为污渍缺陷;本实施例中差异阈值需根据实际需要进行合理的设置。
本实施例首先对获取到的待检测床单布匹图像进行边缘提取,得到对应的边缘图像,进而获取待检测床单布匹图像中各像素点对应的第一权值;获取边缘图像中的各目标区域,并根据各目标区域的面积,获取待检测床单布匹图像中各像素点对应的第二权值;根据待检测床单布匹图像中各像素点的灰度值,计算各像素点对应的第三权值和第四权值;本实施例结合待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,对待检测床单布匹图像进行增强处理,得到增强图像;本实施例中所述增强图像用于更好的对待检测床单布匹图像中的污渍区域进行检测。本实施例是基于计算机视觉的方法,根据污渍的特征对拍摄到的床单布匹图像进行增强,以尽可能突出污渍区域,提高对床单布匹图像中污渍区域的检测效果。
需要说明的是: 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)
1.一种用于床单布匹污渍检测的方法,其特征在于,该方法包括以下步骤:
获取待检测床单布匹图像;
对待检测床单布匹图像进行边缘提取,得到对应的边缘图像;根据边缘图像中各边缘像素点的坐标,获取待检测床单布匹图像中各像素点对应的第一权值;获取边缘图像中闭合边缘对应的区域,记为目标区域;根据各目标区域的面积,得到待检测床单布匹图像中各像素点对应的第二权值;
根据待检测床单布匹图像中各像素点的灰度值,计算各像素点对应的第三权值和第四权值;
根据待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,对待检测床单布匹图像进行增强处理,得到待检测床单布匹图像对应的增强图像;
对所述增强图像进行检测,得到待检测床单布匹图像中的污渍区域;
所述根据边缘图像中各边缘像素点的坐标,获取待检测床单布匹图像中各像素点对应的第一权值,包括:
根据边缘图像中各边缘像素点的坐标,将待检测床单布匹图像中对应的边缘像素点的第一权值设置为1;
将待检测床单布匹图像中不是边缘像素点的像素点对应的第一权值设置为0;
根据各目标区域的面积,得到待检测床单布匹图像中各像素点对应的第二权值,包括:
将待检测床单布匹图像中不在目标区域内的各像素点对应的第二距离权值和第二面积权值均设置为0;
对于任一目标区域中任一像素点:计算该目标区域中该像素点到该目标区域对应的各边缘像素点的距离;选取该像素点到该目标区域对应的各边缘像素点的距离的最小值,作为该像素点对应的最短距离;
对于任一目标区域:根据该目标区域内各像素点对应的最短距离,得到待检测床单布匹图像中在该目标区域内各像素点对应的第二距离权值;
根据各目标区域的面积,得到待检测床单布匹图像中各目标区域内各像素点对应的第二面积权值;
计算待检测床单布匹图像中各像素点对应的第二距离权值和第二面积权值的乘积,作为待检测床单布匹图像中各像素点对应的第二权值;
根据各目标区域的面积,得到检测床单布匹图像中各目标区域内各像素点对应的第二面积权值,包括:
根据各目标区域的面积,计算各目标区域对应的初始第二面积权值;
将各目标区域对应的初始第二面积权值进行归一化处理,得到各目标区域对应的第二面积权值;
将待检测床单布匹图像中各目标区域内的各像素点对应的第二面积权值设置为对应目标区域对应的第二面积权值;
所述计算各目标区域对应的初始第二面积权值的公式为:
根据该目标区域内各像素点对应的最短距离,得到待检测床单布匹图像中在该目标区域内各像素点对应的第二距离权值的公式为:
根据待检测床单布匹图像中各像素点的灰度值,计算各像素点对应的第三权值和第四权值,包括:
利用HC算法对待检测床单布匹图像中各像素点对应的显著值进行计算,得到待检测床单布匹图像中各像素点对应的显著值;
将待检测床单布匹图像中各像素点对应的显著值进行归一化处理,得到各像素点对应的第三权值;
设置预设大小的窗口,利用所述窗口中心点对待检测床单布匹图像中各像素点进行遍历,计算待检测床单布匹图像中各像素点对应的第四权值;
所述待检测床单布匹图像中各像素点对应的显著值的计算公式为:
其中,为待检测床单布匹图像中第u行第v列的像素点对应的显著值;为待检测床单布匹图像中灰度级的数量,为第个灰度级在待检测床单布匹图像中出现的频率,为第个灰度级对应的灰度值,为检测床单布匹图像中第u行第v列的像素点对应的灰度值;
所述计算待检测床单布匹图像中各像素点对应的第四权值的公式为:
2.根据权利要求1所述的用于床单布匹污渍检测的方法,其特征在于,根据待检测床单布匹图像中各像素点对应的第一权值、第二权值、第三权值和第四权值,对待检测床单布匹图像进行增强处理,得到待检测床单布匹图像对应的增强图像,包括:
根据各像素点对应的第一权值、第二权值、第三权值和第四权值,计算待检测床单布匹图像中各像素点对应的综合权值;
对待检测床单布匹图像中各像素点对应的综合权值进行线性变换,得到各像素点对应的目标权值;
将待检测床单布匹图像中各像素点对应的灰度值与对应的目标权值相乘,若乘积大于255,则将对应像素点最终的灰度值设置为255,若乘积小于255,则将乘积作为对应像素点最终的灰度值;
根据各像素点对应的最终的灰度值,得到待检测床单布匹图像对应的增强图像。
3.根据权利要求2所述的用于床单布匹污渍检测的方法,其特征在于,根据各像素点对应的第一权值、第二权值、第三权值和第四权值,计算待检测床单布匹图像中各像素点对应的综合权值的公式为:
所述综合权值矩阵中各元素的值为待检测床单布匹图像中对应位置像素点对应的综合权值;所述调节矩阵中各元素的值相同且均为1;所述第一矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第一权值;所述第二矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第二权值;所述第三矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第三权值;所述第四矩阵中各元素的值为待检测床单布匹图像中对应像素点对应的第四权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618711.XA CN114693686B (zh) | 2022-06-02 | 2022-06-02 | 一种用于床单布匹污渍检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210618711.XA CN114693686B (zh) | 2022-06-02 | 2022-06-02 | 一种用于床单布匹污渍检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114693686A CN114693686A (zh) | 2022-07-01 |
CN114693686B true CN114693686B (zh) | 2022-09-02 |
Family
ID=82131133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210618711.XA Active CN114693686B (zh) | 2022-06-02 | 2022-06-02 | 一种用于床单布匹污渍检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693686B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937039B (zh) * | 2022-07-21 | 2022-10-25 | 阿法龙(山东)科技有限公司 | 一种钢管缺陷智能检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9070180B2 (en) * | 2013-02-21 | 2015-06-30 | Applied Materials Israel, Ltd. | Method, system, and computer program product for detection of defects based on multiple references |
CN111812116B (zh) * | 2020-08-13 | 2022-03-15 | 北京伟杰东博信息科技有限公司 | 一种油烟管道的在线监测方法及监测系统 |
CN113362293A (zh) * | 2021-05-27 | 2021-09-07 | 西安理工大学 | 一种基于显著性的sar图像舰船目标快速检测方法 |
CN114092682A (zh) * | 2021-11-09 | 2022-02-25 | 国网辽宁省电力有限公司铁岭供电公司 | 基于机器学习的小金具类缺陷检测算法 |
CN114299051A (zh) * | 2021-12-31 | 2022-04-08 | 南京工程学院 | 基于特征建模显著性检测的皮革材料表面缺陷检测方法 |
-
2022
- 2022-06-02 CN CN202210618711.XA patent/CN114693686B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114693686A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN112446838A (zh) | 一种基于局部统计信息的图像噪声检测方法、装置 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN110781913B (zh) | 一种拉链布带缺陷检测方法 | |
CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
CN114693686B (zh) | 一种用于床单布匹污渍检测的方法 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN108647706A (zh) | 基于机器视觉的物品识别分类与瑕疵检测方法 | |
CN106651802A (zh) | 机器视觉焊锡定位检测方法 | |
CN111091111A (zh) | 一种车底危险目标识别方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN115078365A (zh) | 一种软包装印刷质量缺陷检测方法 | |
CN117314901B (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
CN114445410A (zh) | 基于图像识别的电路板检测方法、计算机及可读存储介质 | |
CN117541588A (zh) | 一种纸制品的印刷缺陷检测方法 | |
CN112395944A (zh) | 基于加权的多尺度比差联合对比度红外小目标检测方法 | |
CN115266538B (zh) | 织带透水性能检测装置及方法 | |
KR101009575B1 (ko) | 영상 처리를 통한 롤 또는 쉬트 형태로 연속 생산되는 물품의 결함영상 분류방법 |
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 |