CN115457067B - 一种通鼻提神药物液位检测方法 - Google Patents

一种通鼻提神药物液位检测方法 Download PDF

Info

Publication number
CN115457067B
CN115457067B CN202211395020.4A CN202211395020A CN115457067B CN 115457067 B CN115457067 B CN 115457067B CN 202211395020 A CN202211395020 A CN 202211395020A CN 115457067 B CN115457067 B CN 115457067B
Authority
CN
China
Prior art keywords
probability
pixel point
pixel
gray
pixel points
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
Application number
CN202211395020.4A
Other languages
English (en)
Other versions
CN115457067A (zh
Inventor
李易春
郭燕霞
吴桂玲
请求不公布姓名
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.)
Lebi Guangzhou Health Industry Co ltd
Original Assignee
Lebi Guangzhou Health Industry Co ltd
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 Lebi Guangzhou Health Industry Co ltd filed Critical Lebi Guangzhou Health Industry Co ltd
Priority to CN202211395020.4A priority Critical patent/CN115457067B/zh
Publication of CN115457067A publication Critical patent/CN115457067A/zh
Application granted granted Critical
Publication of CN115457067B publication Critical patent/CN115457067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/70—
    • 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
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/20004—Adaptive image processing
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明涉及图像处理技术领域，具体涉及一种通鼻提神药物液位检测方法，该方法包括：获取已装药的药瓶图像，对药瓶图像进行分块，并获取每个图像块的滤波窗口尺寸，将每个滤波窗口尺寸内像素点分为两类，确定滤波窗口的中心像素点的类型，并确定第一类像素点、第二类像素点的类型；分别计算每类像素点进行去噪时的灰度替换值，并得到去噪后的药瓶图像，对去噪后的药瓶图像、空瓶图像进行边缘检测得到对应的边缘图像，将两个边缘图像相减得到药瓶图像中的液位线，根据液位线确定液面高度，本发明实现了液位线的准确识别，从而保证识别的液位高度更准确。

Description

一种通鼻提神药物液位检测方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种通鼻提神药物液位检测方法。
背景技术
当前社会中人们对于健康呼吸的需求日渐凸显，由此为治疗鼻炎的医疗机构带来巨大的利润空间。由于传统的吃药、输液、手术等治疗方式，花费时间长，且对人体伤害大，而鼻吸式鼻腔给药法因其痛苦小，治愈率高，不伤害鼻腔等优势越来越受到人们的青睐，市场容量不断扩大，越来越多的鼻炎患者优先考虑使用这种方式治疗鼻炎。
在通鼻提神药物的灌装生产中，瓶装药物的液位是否一致，高度是否均匀，对企业在市场的影响是非常大的，在进行人工检测时，速度慢、效率低且检测质量不稳定，因此，常会出现漏检或者误检问题，而基于机器视觉的液位检测，对采集的药瓶图像质量要求较高，由于工厂内生产环境复杂，在相机采集、传输的过程中容易产生噪声，从而会使得图像中存在噪声，进而会影响后续液位检测的精度。
传统的机器视觉的液位检测方法是先进行图像滤波去噪算法，然后在进行边缘检测，而对于瓶内液体检测时，由于液体部分和仅有瓶体部分的区域的灰度值是不同的，故利用传统的均值滤波的方法进行去噪处理，会导致两个不同部分的区域的灰度值同时进行平滑，从而导致平滑后的边缘信息模糊甚至丢失，故，影响边缘检测的精度，从而影响后续液位检测的精度。
发明内容
本发明提供一种通鼻提神药物液位检测方法，以解决现有的液位检测的精度低的问题。
本发明的一种通鼻提神药物液位检测方法采用如下技术方案：
获取生产线上已装药的药瓶图像；
获取药瓶图像的药瓶连通域的外接矩形，并对外接矩形进行分块得到多个图像块，自适应获取每个图像块对应的滤波窗口尺寸；
根据图像块中每个像素点与其邻域中同类像素点的灰度差值的绝对值及同类像素点的灰度值获取对应像素点为噪声点的概率；
将每个滤波窗口尺寸内中心像素点所在行及其上方的像素点作为第一类像素点、中心像素点所在行及其下方的像素点第二类像素点；
获取滤波窗口的中心像素点的类型，其中，中心像素点的类型为瓶体像素点或者混合像素点，根据中心像素点的类型确定第一类像素点、第二类像素点的类型；
根据像素点的灰度值及其为噪声点的概率计算对应类型的像素点进行去噪时的灰度替换值，并得到去噪后药瓶图像；
利用药瓶图像去噪方法对空瓶进行去噪，对去噪后的药瓶图像、空瓶图像分别进行边缘检测得到对应的边缘图像，将药瓶图像与空瓶图像对应的边缘图像相减得到药瓶图像中的液位线，根据液位线确定液面高度。
优选的，获取对应像素点为噪声点的概率的步骤包括：
获取图像块中每个像素点与其邻域中同类像素点的灰度差绝对值；
对灰度差绝对值从小到大排序得到灰度差绝对值序列；
对灰度差绝对值序列中前一半的灰度差绝对值求和得到第一和值；
获取图像块中的前一半的灰度差绝对值对应的像素点的邻域中同类像素点的灰度值的第二和值；
将第一和值与第二和值的比值作为对应像素点为噪声点的概率。
优选的，获取每个图像块对应的滤波窗口尺寸的步骤包括：
获取每个图像块内的灰度方差与所有图像块的灰度方差之和的比值，将1减去比值得到每个图像块内的滤波窗口尺寸的第一评价概率；
获取图像块内所有像素点为噪声点的概率及概率均值，计算每个图像块对应的概率均值与所有图像块对应的概率均值的和值的比值，并作为对应图像块内像素点的滤波窗口尺寸的第二评价概率；
获取每个图像块对应的第一评价概率和第二评价概率的均值，并作为对应图像块内像素点的滤波窗口尺寸的综合评价概率；
根据所有图像块对应的滤波窗口尺寸的综合评价概率设定概率阈值区间，并根据综合评价概率与概率阈值区间确定各个图像块对应的最终滤波窗口尺寸，并将最终滤波窗口尺寸作为自适应获取的对应图像块的滤波窗口尺寸。
优选的，根据综合评价概率与概率阈值区间确定各个图像块对应的最终滤波窗口尺寸的步骤包括：
获取所有综合评价概率中的最大综合评价概率和最小综合评价概率；
根据最大综合评价概率、最小综合评价概率及最大综合评价概率与最小综合评价概率的概率差值设定多个概率阈值，且多个概率阈值从小到大依次为第一概率阈值、第二概率阈值、第三概率阈值、第四概率阈值、第五概率阈值及第六概率阈值；
当第一概率阈值≤综合评价概率＜第二概率阈值时，则最终滤波窗口尺寸为；
当第二概率阈值≤综合评价概率＜第三概率阈值时，则最终滤波窗口尺寸为；
当第三概率阈值≤综合评价概率＜第四概率阈值时，则最终滤波窗口尺寸为；
当第四概率阈值≤综合评价概率＜第五概率阈值时，则最终滤波窗口尺寸为；
当第五概率阈值≤综合评价概率≤第六概率阈值时，则最终滤波窗口尺寸为。
优选的，获取滤波窗口的中心像素点的类型的步骤包括：
将1与每类像素点中与对应的滤波窗口内中为噪声点的概率的概率占比的差值作为灰度方差的权值；
将第一类像素点的灰度方差和该类像素点的灰度方差的权值的乘积作为瓶体像素点的概率；
将第二类像素点的灰度方差和该类像素点的灰度方差的权值的乘积作为混合像素点的概率； 当瓶体像素点的概率大于混合像素点的概率，则该滤波窗口的中心像素点为瓶体像素点；当瓶体像素点的概率小于混合像素点的概率，则滤波窗口对应的中心像素点混合像素点，其中，混合像素点为瓶体和液体重叠之后的像素点。
优选的，当中心像素点的类型为瓶体像素点，则中心像素点属于第一类像素点，当中心像素点的类型为混合像素点，则中心像素点属于第二类像素点。
优选的，计算对应类型的像素点进行去噪时的灰度替换值的步骤包括：
当像素点为瓶体像素点时，计算第一类像素点中每个像素点为噪声点的概率与其所在类像素点中所有像素点为噪声点的概率和值的第一比值；
将1减去第一比值作为第一类像素点的灰度权值；
将第一类像素点的灰度权值与瓶体像素点的灰度值的乘积进行求和计算每个瓶体像素点进行去噪时的灰度替换值；
当像素点为混合像素点时，计算第二类像素点中每个像素点为噪声点的概率与其所在类像素点中所有像素点为噪声点的概率和值的第二比值；
将1减去第一比值作为混合像素点的灰度权值；
将第二类像素点的灰度权值与混合像素点的灰度值的乘积进行求和得到每个混合像素点进行去噪时的灰度替换值。
优选的，对外接矩形进行分块得到多个图像块的步骤包括：
根据外接矩形的尺寸设定分块尺寸；
根据分块尺寸对外接矩形进行分块得到多个图像块。
优选的，根据液位线确定液面高度的步骤包括：
在药瓶图像与空瓶图像对应的边缘图像相减得到药瓶图像中建立的平面坐标系；
获取平面坐标系中液位线上每个像素点的纵坐标；
将液位线上所有像素点的纵坐标的均值作为药瓶的液位高度。
本发明的一种通鼻提神药物液位检测方法的有益效果是：
1、通过自适应获取每个图像块的滤波窗口尺寸，使得后续滤波去噪更为精确，不会出现因为滤波窗口尺寸过大导致的去噪效果不好，或者因为滤波窗口尺寸过大导致边缘信息丢失的问题。
2、在自适应的滤波窗口尺寸的基础上，本发明先对各个图像块对应的滤波窗口内的非噪声点进行分类，然后对每类像素点对应的灰度值进行加权求和，实现同一类像素点的灰度值的平滑，从而避免两类不同像素点一起平滑导致的边缘模糊问题，进而在进行边缘检测时，实现液位线的准确识别，进而保证识别的液位高度更准确。
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，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地介绍，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他的附图。
图1为本发明的一种通鼻提神药物液位检测方法的实施例的结构示意图。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的一种通鼻提神药物液位检测方法的实施例，如图1所示，本实施例包括：
S1、获取生产线上已装药的药瓶图像，获取药瓶图像的药瓶连通域的外接矩形，并对外接矩形进行分块得到多个图像块。具体的，根据外接矩形的尺寸设定分块尺寸，本实施例中，若外接矩形的尺寸为MxN，则以为分块尺寸对外接矩形进行分块得到多个图像块。
S2、自适应获取每个图像块对应的滤波窗口尺寸；将每个滤波窗口尺寸内中心像素点所在行及其上方的像素点作为第一类像素点、中心像素点所在行及其下方的像素点第二类像素点。
具体的，本实施例的自适应获取每个图像块对应的滤波窗口尺寸的步骤包括：获取每个图像块内的灰度方差与所有图像块的灰度方差之和的比值，将1减去比值得到每个图像块内的滤波窗口尺寸的第一评价概率；获取图像块内所有像素点为噪声点的概率及概率均值，计算每个图像块对应的概率均值与所有图像块对应的概率均值的和值的比值，并作为对应图像块内像素点的滤波窗口尺寸的第二评价概率；获取每个图像块对应的第一评价概率和第二评价概率的均值，并作为对应图像块内像素点的滤波窗口尺寸的综合评价概率；根据所有图像块对应的滤波窗口尺寸的综合评价概率设定概率阈值区间，并根据综合评价概率与概率阈值区间确定各个图像块对应的最终滤波窗口尺寸，并将最终滤波窗口尺寸作为自适应获取的对应图像块的滤波窗口尺寸。
其中，将每个滤波窗口尺寸内中心像素点所在行及其上方的像素点作为第一类像素点、中心像素点所在行及其下方的像素点第二类像素点的过程，即从药瓶图像的每个图像块内，从上至下，从左至右的依次获取图像块中滤波窗口尺寸的中心像素点小于或者等于滤波窗口内所在行数的像素点，并记为第一类像素点，获取每个滤波窗口尺寸的中心像素点大于或者等于滤波窗口内所在行数的像素点，并记为第二类像素点。
其中，根据综合评价概率与概率阈值区间确定各个图像块对应的最终滤波窗口尺寸的步骤包括：获取所有综合评价概率中的最大综合评价概率和最小综合评价概率；根据最大综合评价概率、最小综合评价概率及最大综合评价概率与最小综合评价概率的概率差值设定多个概率阈值，且多个概率阈值从小到大依次为第一概率阈值、第二概率阈值、第三概率阈值、第四概率阈值、第五概率阈值及第六概率阈值；当第一概率阈值≤综合评价概率＜第二概率阈值时，则最终滤波窗口尺寸为；当第二概率阈值≤综合评价概率＜第三概率阈值时，则最终滤波窗口尺寸为；当第三概率阈值≤综合评价概率＜第四概率阈值时，则最终滤波窗口尺寸为；当第四概率阈值≤综合评价概率＜第五概率阈值时，则最终滤波窗口尺寸为；当第五概率阈值≤综合评价概率≤第六概率阈值时，则最终滤波窗口尺寸为 ；具体的，本实施例中，第一概率阈值为、第六概率阈值为，需要说明的是，本实施例设定5种滤波窗口尺寸，是因为滤波窗口尺寸过大会导致去燥效果不好，滤波窗口尺寸过小会导致图像的边缘信息会丢失，故本实施例以为最小的滤波窗口尺寸，为最大的滤波窗口尺寸，且滤波窗口尺寸为，其中m为自然数1、2、3、4、5，故本实施例的根据最大综合评价概率、最小综合评价概率及最大综合评价概率与最小综合评价概率的概率差值设定第二概率阈值、第三概率阈值、第四概率阈值、第五概率阈值依次为、、、，从而保证所有的概率都位于最大综合评价概率和最小综合评价概率之间，故，当综合评价概率在时，其对应图像块内各像素点的滤波窗口尺寸为；当综合评价概率在时，其对应图像块内各像素点的滤波窗口尺寸为；当综合评价概率在时，其对应图像块内各像素点的滤波窗口尺寸为；当综合评价概率在时，其对应图像块内各像素点的滤波窗口尺寸为；当综合评价概率在时，其对应图像块内各像素点的滤波窗口尺寸为。
需要说明的是，自适应获取每个图像块对应的滤波窗口尺寸的方法有很多，除过本发明公开的自适应获取每个图像块对应的滤波窗口尺寸的方法，本实施列还可以采用现有技术中的自适应窗口Lee滤波和根据窗口内的梯度变化进行窗口尺寸自适应方法，具体的，传统自适应窗口Lee滤波在对图像块的像素点进行自适应窗口时，包括：首先将初始滤波窗口设置为，依次增大初始滤波窗口边长得到新的滤波窗口，分别计算增大前和增大后的概率密度函数，通过似然比公式计算增大前后的似然比，若似然比近似于1，则将扩大窗口作为该图像块的像素点的滤波窗口，反之，则表明窗口附近纹理变化频繁，细节较多不宜，扩大窗口，故将初始窗口作为该图像块的像素点的滤波窗口；根据窗口内的梯度变化进行窗口尺寸自适应时包括：由于图像的结构信息主要是由亮度变化引起的，如果图像的亮度变化较快，该区域内结构信息较丰富，梯度绝对值之和较大，则对应的滤波窗口的尺寸就要小；反之，梯度绝对值之和较小，对应的滤波窗口的尺寸就要大，故根据梯度变化进行自适应获取每个图像块对应的滤波窗口尺寸，传统自适应窗口Lee滤波和根据窗口内的梯度变化进行窗口尺寸自适应均为现有技术，本实施例处不再赘述。
S3、根据图像块中每个像素点与其邻域中同类像素点的灰度差值的绝对值及同类像素点的灰度值获取对应像素点为噪声点的概率；获取滤波窗口的中心像素点的类型，其中，中心像素点的类型为瓶体像素点或者混合像素点，根据中心像素点的类型确定第一类像素点、第二类像素点的类型。
具体的，根据图像块中每个像素点与其邻域中同类像素点的灰度差值的绝对值及同类像素点的灰度值获取对应像素点为噪声点的概率；其中，获取像素点为噪声点的概率的步骤为：获取图像块中每个像素点与其邻域中同类像素点的灰度差绝对值；对灰度差绝对值从小到大排序得到灰度差绝对值序列；对灰度差绝对值序列中前一半的灰度差绝对值求和得到第一和值；获取图像块中的前一半的灰度差绝对值对应的像素点的邻域中同类像素点的灰度值的第二和值；将第一和值与第二和值的比值作为对应像素点为噪声点的概率，具体的，像素点为噪声点的概率计算公式：
式中，表示图像块内某个像素点为噪声点的概率；
表示图像块内某个像素点的八邻域内与该像素点为同一类像素点中的第b个像素点与该像素点的灰度差绝对值；
表示图像块内某个像素点的八邻域内与该像素点为同一类像素点中的第b个像素点的灰度值；
表示图像块内某个像素点的八邻域内的同一类像素点与该像素点对应的灰度差绝对值序列中前一半灰度差绝对值的数量，表示对 向下取整，其中，灰度值之差的绝对值由小到大进行排序，得到的序列中通过对集合中一半的数量进行向下取整，得到的前一半数据对应的像素点中，其对应的灰度值的差值绝对值比较小，则说明前一半数据中的像素点的相似性比较高，本实施例这样做的目的不仅减少了计算量，同时保证了噪声点概率计算的准确性，而当第x个像素点为噪声像素点时，第x个像素点与这些邻域像素点灰度差异较大，即像相似性小，故利用灰度差值，来获取像素点的为噪声点的概率；
需要说明的是，Q值越大，表示图像块内的该像素点的八邻域内的同一类像素点的灰度差异越大，即该像素点为噪声点的概率越大，因为，噪声点为一般在图像中表示为孤立点，故与八邻域内的同一类像素点的灰度差异越大时，则说明该像素点为噪声点的概率越大。
由于，根据药瓶连通域内的含液体像素点（液体像素点和瓶体像素点组成的混合像素点）和瓶体像素点的位置分布特征可知，以第j个图像块为例，若第j个图像块中第x个像素点为含液体像素点，则平面坐标系上该窗口内各像素点的纵坐标小于或者等于像素点x的纵坐标的像素点应为含液体像素点的混合像素点，窗口内其余像素点为瓶体像素点，即对于瓶体来说，装液体时，液体从瓶底往上逐渐注满，若第j个图像块中第x个像素点为瓶体像素点，则平面坐标系上该窗口内各像素点的纵坐标大于或者等于像素点x的纵坐标的像素点应为瓶体像素点，窗口内其余像素点为含液体像素点的混合像素点，即瓶体内装有液体时，只有瓶体像素点对应的纵坐标值大于混合像素点的坐标值。
故，根据每类像素点为噪声点与对应的滤波窗口内为噪声点的总概率的概率占比、每类像素点的灰度方差获取滤波窗口的中心像素点的类型的步骤包括：将1与每类像素点中与对应的滤波窗口内中为噪声点的概率的概率占比的差值作为灰度方差的权值；将第一类像素点的灰度方差和该类像素点的灰度方差的权值的乘积作为瓶体像素点的概率；将第二类像素点的灰度方差和该类像素点的灰度方差的权值的乘积作为混合像素点的概率；当瓶体像素点的概率大于混合像素点的概率，则该滤波窗口的中心像素点为瓶体像素点；当瓶体像素点的概率小于混合像素点的概率，则滤波窗口对应的中心像素点混合像素点，其中，混合像素点为瓶体和液体重叠之后的像素点，其中，混合像素点为瓶体和液体重叠之后的像素点，具体的，根据下式计算瓶体像素点的概率、混合像素点的概率：
式中，表示第类像素点对应的滤波窗口的中心像素点的概率，当为1时，则对应的滤波窗口的中心像素点为瓶体像素点的概率，当为2时，则对应的滤波窗口的中心像素点为混合像素点的概率；
表示第类像素点中的第个像素点为噪声点的概率；
表示第类像素点中的像素点的总数；
表示图像块中像素点的总数；
表示第类像素点中的第个像素点；
表示第类像素点的灰度方差；
需要说明的是，表示第类像素点为噪声点的概率占滤波窗口尺寸内为噪声点的概率占比，当概率占比总越大，说明第类像素点噪声点多，即对第类像素点的灰度方差影响越大，会使像素灰度方差变大，故以表示第类像素点的灰度方差的权值，权值越大，灰度方差的越大，权值越大，灰度方差越小，从而根据瓶体内液体对应的在图像中的混合像素点和仅有瓶体的瓶体像素点的位置关系，得到瓶体像素点的位置总是高于混合像素点的，故，当第一类像素点对应的权值越大，对应的该类像素点为瓶体像素点的概率越大，且由于像素点的灰度方差表示各像素点的灰度值的均匀性，灰度方差越小，则灰度值越均匀，故像素点越均匀越表示第一类像素点为同类像素点，同理第二类像素点的对应的滤波窗口的中心像素点为混合像素点的概率也根据获取第一类像素点对应的滤波窗口的中心像素点为瓶体像素点的获取方法进行获取。
由于，瓶体装有液体时的特殊性，液体未装满时，滤波窗口的中心像素点为混合像素点时，其第二类像素点一定为混合像素点，滤波窗口的中心像素点为瓶体像素点时，第一类像素点一定为瓶体像素点，故，当中心像素点的类型为瓶体像素点，则中心像素点属于第一类像素点，当中心像素点的类型为混合像素点，则中心像素点属于第二类像素点
S4、根据像素点的灰度值及其为噪声点的概率计算对应类型的像素点进行去噪时的灰度替换值，并得到去噪后药瓶图像。
具体的，本实施例当像素点为瓶体像素点时，计算第一类像素点中每个像素点为噪声点的概率与其所在类像素点中所有像素点为噪声点的概率和值的第一比值；将1减去第一比值作为第一类像素点的灰度权值；将第一类像素点的灰度权值与瓶体像素点的灰度值的乘积进行求和计算每个瓶体像素点进行去噪时的灰度替换值，其中，像素点的类型为混合像素点时，进行去噪时的灰度替换值的计算公式为：
式中，表示第一类像素点对应的滤波窗口尺寸的中心像素点进行去噪时的灰度替换值；
表示第一类像素点中像素点个数；
表示第一类像素点中的第个像素点为噪声点的概率；
表示第一类像素点中的第个像素点的灰度值；
表示第一类像素点中的第个像素点；
当像素点为混合像素点时，计算第二类像素点中每个像素点为噪声点的概率与其所在类像素点中所有像素点为噪声点的概率和值的第二比值；将1减去第一比值作为混合像素点的灰度权值；将第二类像素点的灰度权值与混合像素点的灰度值的乘积进行求和得到每个混合像素点进行去噪时的灰度替换值，其中，像素点的类型为混合像素点时，进行去噪时的灰度替换值的计算公式为：
式中，表示第二类像素点对应的滤波窗口尺寸的中心像素点进行去噪时的灰度替换值；
表示第二类像素点中的像素点总数；
表示第二类像素点中的第个像素点为噪声点的概率；
表示第二类像素点中的第个像素点的灰度值；
表示第二类像素点中的第个像素点；
需要说明的是，以混合像素点为例，表示第二类像素点中的第个像素点的灰度权值，式中的值越大，即该像素点为噪声点的概率越大，则该像素点的灰度值的可信度越小，因此，对该像素点的灰度值赋予的权值越小，且第二类像素点中的所有像素点的权值之和为1，即实现对每二像素点的灰度值进行加权求和得到平滑后的滤波窗口尺寸的中心像素点的灰度替换值，同理实现对第一类像素点的灰度值进行加权求和得到平滑后的滤波窗口尺寸的中心像素点的灰度替换值，从而实现对不同类像素点分别进行滤波去噪。
S5、利用药瓶图像去噪方法对空瓶进行去噪，对去噪后的药瓶图像、空瓶图像分别进行边缘检测得到对应的边缘图像，将药瓶图像与空瓶图像对应的边缘图像相减得到药瓶图像中的液位线，根据液位线确定液面高度。
本实施例采用Log边缘检测算法分别对去噪后的药瓶图像、空瓶图像进行边缘检测得到对应的边缘图像，本实施例还可以设定合格液位高度的阈值范围，根据通鼻提神药瓶的规格，本实施例中若药瓶高度为U，则阈值范围为(0.89U,0.91U)，故当液面高度位于阈值范围(0.89U,0.91U)时，则药瓶内液位合格，反之，则不合格。
本发明的一种通鼻提神药物液位检测方法，通过自适应获取每个图像块的滤波窗口尺寸，使得后续滤波去噪更为精确，不会出现因为滤波窗口尺寸过大导致的去噪效果不好，或者因为滤波窗口尺寸过大导致边缘信息丢失的问题，同时，在自适应的滤波窗口尺寸的基础上，本发明先对各个图像块对应的滤波窗口内的非噪声点进行分类，然后对每类像素点对应的灰度值进行加权求和，实现同一类像素点的灰度值的平滑，从而避免两类不同像素点一起平滑导致的边缘模糊问题，进而在进行边缘检测时，实现液位线的准确识别，进而保证识别的液位高度更准确。
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 (8)

1.一种通鼻提神药物液位检测方法，其特征在于，该方法包括：
获取生产线上已装药的药瓶图像；
获取药瓶图像的药瓶连通域的外接矩形，并对外接矩形进行分块得到多个图像块，自适应获取每个图像块对应的滤波窗口尺寸；
根据图像块中每个像素点与其邻域中同类像素点的灰度差值的绝对值及同类像素点的灰度值获取对应像素点为噪声点的概率；
将每个滤波窗口尺寸内中心像素点所在行及其上方的像素点作为第一类像素点、中心像素点所在行及其下方的像素点第二类像素点；
获取滤波窗口的中心像素点的类型，其中，中心像素点的类型为瓶体像素点或者混合像素点，根据中心像素点的类型确定第一类像素点、第二类像素点的类型，其中，液体像素点和瓶体像素点组成的混合像素点，当中心像素点的类型为瓶体像素点，则中心像素点属于第一类像素点，当中心像素点的类型为混合像素点，则中心像素点属于第二类像素点；
根据像素点的灰度值及其为噪声点的概率计算对应类型的像素点进行去噪时的灰度替换值，并得到去噪后药瓶图像；
利用药瓶图像去噪方法对空瓶进行去噪，对去噪后的药瓶图像、空瓶图像分别进行边缘检测得到对应的边缘图像，将药瓶图像与空瓶图像对应的边缘图像相减得到药瓶图像中的液位线，根据液位线确定液面高度。
2.根据权利要求1所述的一种通鼻提神药物液位检测方法，其特征在于，获取对应像素点为噪声点的概率的步骤包括：
获取图像块中每个像素点与其邻域中同类像素点的灰度差绝对值；
对灰度差绝对值从小到大排序得到灰度差绝对值序列；
对灰度差绝对值序列中前一半的灰度差绝对值求和得到第一和值；
获取图像块中的前一半的灰度差绝对值对应的像素点的邻域中同类像素点的灰度值的第二和值；
将第一和值与第二和值的比值作为对应像素点为噪声点的概率。
3.根据权利要求1所述的一种通鼻提神药物液位检测方法，其特征在于，获取每个图像块对应的滤波窗口尺寸的步骤包括：
获取每个图像块内的灰度方差与所有图像块的灰度方差之和的比值，将1减去比值得到每个图像块内的滤波窗口尺寸的第一评价概率；
获取图像块内所有像素点为噪声点的概率及概率均值，计算每个图像块对应的概率均值与所有图像块对应的概率均值的和值的比值，并作为对应图像块内像素点的滤波窗口尺寸的第二评价概率；
获取每个图像块对应的第一评价概率和第二评价概率的均值，并作为对应图像块内像素点的滤波窗口尺寸的综合评价概率；
根据所有图像块对应的滤波窗口尺寸的综合评价概率设定概率阈值区间，并根据综合评价概率与概率阈值区间确定各个图像块对应的最终滤波窗口尺寸，并将最终滤波窗口尺寸作为自适应获取的对应图像块的滤波窗口尺寸。
4.根据权利要求3所述的一种通鼻提神药物液位检测方法，其特征在于，根据综合评价概率与概率阈值区间确定各个图像块对应的最终滤波窗口尺寸的步骤包括：
获取所有综合评价概率中的最大综合评价概率和最小综合评价概率；
根据最大综合评价概率、最小综合评价概率及最大综合评价概率与最小综合评价概率的概率差值设定多个概率阈值，且多个概率阈值从小到大依次为第一概率阈值、第二概率阈值、第三概率阈值、第四概率阈值、第五概率阈值及第六概率阈值；
当第一概率阈值≤综合评价概率＜第二概率阈值时，则最终滤波窗口尺寸为；
当第二概率阈值≤综合评价概率＜第三概率阈值时，则最终滤波窗口尺寸为；
当第三概率阈值≤综合评价概率＜第四概率阈值时，则最终滤波窗口尺寸为；
当第四概率阈值≤综合评价概率＜第五概率阈值时，则最终滤波窗口尺寸为；
当第五概率阈值≤综合评价概率≤第六概率阈值时，则最终滤波窗口尺寸为。
5.根据权利要求1所述的一种通鼻提神药物液位检测方法，其特征在于，获取滤波窗口的中心像素点的类型的步骤包括：
将1与每类像素点中与对应的滤波窗口内中为噪声点的概率的概率占比的差值作为灰度方差的权值；
将第一类像素点的灰度方差和该类像素点的灰度方差的权值的乘积作为瓶体像素点的概率；
将第二类像素点的灰度方差和该类像素点的灰度方差的权值的乘积作为混合像素点的概率；当瓶体像素点的概率大于混合像素点的概率，则该滤波窗口的中心像素点为瓶体像素点；当瓶体像素点的概率小于混合像素点的概率，则滤波窗口对应的中心像素点混合像素点，其中，混合像素点为瓶体和液体重叠之后的像素点。
6.根据权利要求1所述的一种通鼻提神药物液位检测方法，其特征在于，计算对应类型的像素点进行去噪时的灰度替换值的步骤包括：
当像素点为瓶体像素点时，计算第一类像素点中每个像素点为噪声点的概率与其所在类像素点中所有像素点为噪声点的概率和值的第一比值；
将1减去第一比值作为第一类像素点的灰度权值；
将第一类像素点的灰度权值与瓶体像素点的灰度值的乘积进行求和计算每个瓶体像素点进行去噪时的灰度替换值；
当像素点为混合像素点时，计算第二类像素点中每个像素点为噪声点的概率与其所在类像素点中所有像素点为噪声点的概率和值的第二比值；
将1减去第一比值作为混合像素点的灰度权值；
将第二类像素点的灰度权值与混合像素点的灰度值的乘积进行求和得到每个混合像素点进行去噪时的灰度替换值。
7.根据权利要求1所述的一种通鼻提神药物液位检测方法，其特征在于，对外接矩形进行分块得到多个图像块的步骤包括：
根据外接矩形的尺寸设定分块尺寸；
根据分块尺寸对外接矩形进行分块得到多个图像块。
8.根据权利要求1所述的一种通鼻提神药物液位检测方法，其特征在于，根据液位线确定液面高度的步骤包括：
在药瓶图像与空瓶图像对应的边缘图像相减得到药瓶图像中建立的平面坐标系；
获取平面坐标系中液位线上每个像素点的纵坐标；
将液位线上所有像素点的纵坐标的均值作为药瓶的液面 高度。
CN202211395020.4A 2022-11-09 2022-11-09 一种通鼻提神药物液位检测方法 Active CN115457067B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211395020.4A CN115457067B (zh) 2022-11-09 2022-11-09 一种通鼻提神药物液位检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211395020.4A CN115457067B (zh) 2022-11-09 2022-11-09 一种通鼻提神药物液位检测方法

Publications (2)

Publication Number Publication Date
CN115457067A CN115457067A (zh) 2022-12-09
CN115457067B true CN115457067B (zh) 2023-04-07

Family

ID=84310869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211395020.4A Active CN115457067B (zh) 2022-11-09 2022-11-09 一种通鼻提神药物液位检测方法

Country Status (1)

Country Link
CN (1) CN115457067B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115661146B (zh) * 2022-12-26 2023-03-10 乐比(广州)健康产业有限公司 一种液体挥发剂的生产质量检测方法
CN116188462B (zh) * 2023-04-24 2023-08-11 深圳市翠绿贵金属材料科技有限公司 一种基于视觉鉴定的贵金属质量检测方法及系统
CN117173616B (zh) * 2023-11-03 2024-03-05 南通鑫鑫医药药材有限公司 一种用于药物生产过程中药瓶实时跟踪检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105329829A (zh) * 2015-12-02 2016-02-17 广州雄韬智能设备有限公司 全自动灌装流水线及灌装方法
CN113947611A (zh) * 2021-10-21 2022-01-18 广东电网有限责任公司 一种液位检测方法、装置、存储介质及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519972B (zh) * 2011-12-10 2014-04-16 山东明佳包装检测科技有限公司 一种pet瓶瓶盖和液位的检测方法
CN104079895A (zh) * 2014-07-24 2014-10-01 成都市晶林科技有限公司 一种储罐液位检测系统及方法
CN104819754B (zh) * 2015-05-13 2017-09-29 山东大学 一种基于图像处理的药瓶液位检测方法
CN104835166B (zh) * 2015-05-13 2017-09-29 山东大学 基于机器视觉检测平台的液体药瓶异物检测方法
JP6737164B2 (ja) * 2016-12-20 2020-08-05 日本製鉄株式会社 液面形状の抽出方法、装置及びプログラム
CN107437244B (zh) * 2017-06-20 2020-10-16 广东工业大学 一种药用袋装点滴容量视觉检测方法
CN114565848B (zh) * 2022-02-25 2022-12-02 佛山读图科技有限公司 一种复杂场景的药液液位检测方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105329829A (zh) * 2015-12-02 2016-02-17 广州雄韬智能设备有限公司 全自动灌装流水线及灌装方法
CN113947611A (zh) * 2021-10-21 2022-01-18 广东电网有限责任公司 一种液位检测方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN115457067A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN115457067B (zh) 一种通鼻提神药物液位检测方法
Dai et al. Retinal fundus image enhancement using the normalized convolution and noise removing
CN108921800A (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
CN105654436A (zh) 一种基于前景背景分离的背光图像增强去噪方法
CN114241070B (zh) Ct图像去金属伪影以及模型训练的方法和装置
CN109816666B (zh) 对称全卷积神经网络模型构建方法、眼底图像血管分割方法、装置、计算机设备及存储介质
CN112087970B (zh) 信息处理装置、信息处理方法以及记录介质
WO2020238819A1 (en) Systems and methods for image processing
CN116664574B (zh) 一种丙烯酸乳液生产废水视觉检测方法
CN111179295B (zh) 改进的二维Otsu阈值图像分割方法和系统
CN109255786B (zh) 一种检测骨龄的方法及装置
CN111192251A (zh) 基于水平集图像分割的卵泡超声处理方法和系统
CN116703784B (zh) 一种心脏超声图像视觉增强方法
CN109101985A (zh) 一种基于自适应邻域测试的图像误匹配点对剔除方法
CN108346128B (zh) 一种美颜磨皮的方法和装置
CN115330663A (zh) 眼前节oct图像中巩膜镜和泪液镜边界分割方法
CN110956616B (zh) 一种基于立体视觉的目标检测方法及系统
CN113554702B (zh) 基于人工智能的输液进度评估方法及系统
CN110728692A (zh) 一种基于Scharr算子改进的图像边缘检测方法
CN110930330A (zh) 一种基于图像分割和区域增长的椒盐噪声降噪算法
CN114219774B (zh) 图像质量评估方法、装置、终端及计算机可读存储介质
CN116416452A (zh) 基于二阶段深度学习模型的肺腺癌浸润性智能分类系统
CN112529918B (zh) 一种脑部ct图像中脑室区域分割的方法、装置及设备
CN113781360A (zh) 基于人工智能的输液装置图像增强方法与系统
CN115641286A (zh) 糖尿病视网膜病变的特征分类方法、系统、设备及介质

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