CN115861451A - 一种基于机器视觉的多功能图像处理方法及系统 - Google Patents
一种基于机器视觉的多功能图像处理方法及系统 Download PDFInfo
- Publication number
- CN115861451A CN115861451A CN202211707114.0A CN202211707114A CN115861451A CN 115861451 A CN115861451 A CN 115861451A CN 202211707114 A CN202211707114 A CN 202211707114A CN 115861451 A CN115861451 A CN 115861451A
- Authority
- CN
- China
- Prior art keywords
- image
- result
- identification
- data
- color
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的多功能图像处理方法及系统,涉及图像数据处理领域,其中,所述方法包括:获得基础处理控制参数;基于识别主体数据和基础处理控制参数生成关注区域选定参数;根据识别主体匹配结果和关注区域选定参数进行图像分割,获得图像分割结果;根据识别结果生成增强控制数据;生成轮廓标识结果;将轮廓标识结果同步至待处理图像,对待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和轮廓标识结果生成待处理图像的图像处理结果。解决了现有技术中针对图像处理的准确性不足,进而造成图像处理效果不佳的技术问题。达到了提高图像处理的准确性,提高图像处理质量等技术效果。
Description
技术领域
本发明涉及图像数据处理领域,具体地,涉及一种基于机器视觉的多功能图像处理方法及系统。
背景技术
图像处理在工业生产监测、城市安全管理等诸多领域发挥着重要作用。随着图像处理的广泛应用,图像处理的复杂程度、多样性、精确度需求不断增长,传统的图像处理模式已无法满足现代化图像处理的需要,如何实现高质量的图像处理,受到人们的广泛关注。
现有技术中,存在针对图像处理的准确性不足,进而造成图像处理效果不佳的技术问题。
发明内容
本申请提供了一种基于机器视觉的多功能图像处理方法及系统。解决了现有技术中针对图像处理的准确性不足,进而造成图像处理效果不佳的技术问题。达到了提高图像处理的准确性,实现智能化、精准化的图像处理,提高图像处理质量的技术效果。
鉴于上述问题,本申请提供了一种基于机器视觉的多功能图像处理方法及系统。
第一方面,本申请提供了一种基于机器视觉的多功能图像处理方法,其中,所述方法应用于一种基于机器视觉的多功能图像处理系统,所述方法包括:采集获得待处理图像,对所述待处理图像进行拍摄参数读取,获得拍摄数据;基于所述拍摄数据进行图像处理模式匹配,获得基础处理控制参数;获得识别主体数据,基于所述识别主体数据和所述基础处理控制参数生成关注区域选定参数;通过所述识别主体数据进行所述待处理图像的识别主体匹配,根据识别主体匹配结果和所述关注区域选定参数进行图像分割,获得图像分割结果;通过所述识别主体数据对所述图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;通过所述增强控制数据进行所述图像分割结果的增强处理,生成轮廓标识结果;将所述轮廓标识结果同步至所述待处理图像,对所述待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和所述轮廓标识结果生成所述待处理图像的图像处理结果。
第二方面,本申请还提供了一种基于机器视觉的多功能图像处理系统,其中,所述系统包括:拍摄参数读取模块,所述拍摄参数读取模块用于采集获得待处理图像,对所述待处理图像进行拍摄参数读取,获得拍摄数据;模式匹配模块,所述模式匹配模块用于基于所述拍摄数据进行图像处理模式匹配,获得基础处理控制参数;选定参数生成模块,所述选定参数生成模块用于获得识别主体数据,基于所述识别主体数据和所述基础处理控制参数生成关注区域选定参数;匹配分割模块,所述匹配分割模块用于通过所述识别主体数据进行所述待处理图像的识别主体匹配,根据识别主体匹配结果和所述关注区域选定参数进行图像分割,获得图像分割结果;异常特征识别模块,所述异常特征识别模块用于通过所述识别主体数据对所述图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;增强处理模块,所述增强处理模块用于通过所述增强控制数据进行所述图像分割结果的增强处理,生成轮廓标识结果;图像处理结果生成模块,所述图像处理结果生成模块用于将所述轮廓标识结果同步至所述待处理图像,对所述待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和所述轮廓标识结果生成所述待处理图像的图像处理结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过对待处理图像进行拍摄参数读取,获得拍摄数据;通过拍摄数据进行图像处理模式匹配,获得基础处理控制参数,结合识别主体数据确定关注区域选定参数;通过识别主体数据进行待处理图像的识别主体匹配,根据识别主体匹配结果和关注区域选定参数进行图像分割,获得图像分割结果;通过识别主体数据对图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;通过增强控制数据进行图像分割结果的增强处理,生成轮廓标识结果;将轮廓标识结果同步至待处理图像,对待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和轮廓标识结果,获得待处理图像的图像处理结果。达到了提高图像处理的准确性,实现智能化、精准化的图像处理,提高图像处理质量的技术效果。
附图说明
图1为本申请一种基于机器视觉的多功能图像处理方法的流程示意图;
图2为本申请一种基于机器视觉的多功能图像处理方法中生成增强控制数据的流程示意图;
图3为本申请一种基于机器视觉的多功能图像处理系统的结构示意图。
附图标记说明:拍摄参数读取模块11,模式匹配模块12,选定参数生成模块13,匹配分割模块14,异常特征识别模块15,增强处理模块16,图像处理结果生成模块17。
具体实施方式
本申请通过提供一种基于机器视觉的多功能图像处理方法及系统。解决了现有技术中针对图像处理的准确性不足,进而造成图像处理效果不佳的技术问题。达到了提高图像处理的准确性,实现智能化、精准化的图像处理,提高图像处理质量的技术效果。
实施例一
请参阅附图1,本申请提供一种基于机器视觉的多功能图像处理方法,其中,所述方法应用于一种基于机器视觉的多功能图像处理系统,所述方法具体包括如下步骤:
步骤S100:采集获得待处理图像,对所述待处理图像进行拍摄参数读取,获得拍摄数据;
步骤S200:基于所述拍摄数据进行图像处理模式匹配,获得基础处理控制参数;
具体而言,本申请中的一种基于机器视觉的多功能图像处理系统与图像采集装置通信连接,利用图像采集装置进行图像采集,获得待处理图像,并对待处理图像进行拍摄参数查询,获得拍摄数据。进一步,根据拍摄数据进行图像处理模式匹配,获取基础处理控制参数。其中,所述待处理图像为使用所述一种基于机器视觉的多功能图像处理系统进行智能化图像处理的任意图像数据。所述拍摄数据包括待处理图像的拍摄距离参数、拍摄焦距参数、拍摄光圈参数、拍摄快门参数、拍摄机型参数、拍摄时间参数等拍摄参数信息。所述图像处理模式包括位图模式、灰度模式、双色调模式、RGB模式等多个图像处理模式。所述基础处理控制参数包括待处理图像的图像分辨率、图像大小、图像颜色等参数信息。达到了通过对待处理图像进行图像参数分析,确定可靠的基础处理控制参数,为对待处理图像进行图像处理奠定基础的技术效果。
步骤S300:获得识别主体数据,基于所述识别主体数据和所述基础处理控制参数生成关注区域选定参数;
步骤S400:通过所述识别主体数据进行所述待处理图像的识别主体匹配,根据识别主体匹配结果和所述关注区域选定参数进行图像分割,获得图像分割结果;
具体而言,基于待处理图像确定识别主体数据,并根据识别主体数据对基础处理控制参数进行匹配,获得关注区域选定参数。进一步,根据识别主体数据对待处理图像进行识别主体匹配,获得识别主体匹配结果。根据识别主体匹配结果、关注区域选定参数对待处理图像进行图像分割,获得图像分割结果。其中,所述识别主体数据包括待处理图像的拍摄主体信息。例如,所述待处理图像为A工件的图像数据信息。则所述识别主体数据为A工件。所述关注区域选定参数包括与识别主体数据对应的基础处理控制参数。所述识别主体匹配结果包括待处理图像中,识别主体数据对应的具体图像位置、图像面积、图像边界等参数信息。所述图像分割结果包括待处理图像中,识别主体数据对应的图像数据信息。达到了通过识别主体匹配结果、关注区域选定参数对待处理图像进行准确地图像分割,获得图像分割结果,从而提高对待处理图像进行图像处理的精准性的技术效果。
步骤S500:通过所述识别主体数据对所述图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;
进一步的,如附图2所示,本申请步骤S500还包括:
步骤S510:根据异常特征识别结果进行颜色相似分析,获得颜色相似分析结果;
步骤S520:判断所述颜色相似分析结果是否在预设颜色相近范围内;
步骤S530:当所述颜色相似分析结果不在所述预设颜色相近范围内时,则将异常特征颜色和识别主体颜色输入增强参数匹配模型;
步骤S540:获得输出结果,根据所述输出结果获得所述增强控制数据。
具体而言,根据识别主体数据对图像分割结果进行异常特征识别,获得识别结果。进一步,对识别主体数据、识别结果中的异常特征识别结果进行颜色相似分析,获得颜色相似分析结果。继而,对颜色相似分析结果是否在预设颜色相近范围内进行判断,如果颜色相似分析结果不在预设颜色相近范围内,将异常特征颜色、识别主体颜色作为输入信息,输入增强参数匹配模型,获得输出结果,输出结果包括增强控制数据。其中,所述识别结果包括异常特征信息、异常特征识别结果。所述异常特征信息包括图像分割结果中识别主体数据存在的脏污类型、脏污面积、脏污位置等异常特征。所述异常特征识别结果包括图像分割结果中,异常特征信息对应的图像数据。所述颜色相似分析结果包括异常特征识别结果与识别主体数据之间的颜色相似程度参数信息。所述预设颜色相近范围包括预先设置确定的异常特征识别结果与识别主体数据之间的颜色相似程度范围信息。所述异常特征颜色包括颜色相似分析结果对应的异常特征识别结果的颜色参数信息。所述识别主体颜色包括识别主体数据对应的颜色参数信息。所述增强参数匹配模型包括经由大量的历史异常特征颜色、历史识别主体颜色进行不断的自我训练学习至收敛状态获得,具备对输入的异常特征颜色、识别主体颜色进行智能化分析及增强参数匹配的功能。所述增强控制数据包括提高图像亮度、对比度增强、图像灰度变换等用于对异常特征识别结果与识别主体数据之间的颜色相似程度进行区分度提高的图像处理参数。达到了通过识别主体数据对图像分割结果进行异常特征识别,结合增强参数匹配模型,获得准确的增强控制数据,提高对待处理图像进行图像处理的全面性、精确度的技术效果。
步骤S600:通过所述增强控制数据进行所述图像分割结果的增强处理,生成轮廓标识结果;
进一步的,本申请步骤S600还包括:
步骤S610:当所述颜色相似分析结果在所述预设颜色相近范围内时,则根据所述异常特征颜色和所述识别主体颜色匹配照射光源数据;
步骤S620:通过所述照射光源数据进行识别主体的照射,并采集获得新增图像;
具体而言,在对颜色相似分析结果是否在预设颜色相近范围内进行判断时,如果颜色相似分析结果在预设颜色相近范围内,根据异常特征颜色、识别主体颜色匹配照射光源参数,获得照射光源数据。进一步,根据照射光源数据对识别主体进行照射,对照射光源数据下的识别主体进行图像采集,获得新增图像。其中,所述照射光源数据包括照射光源颜色、照射光源强度、照射光源方向等可以对异常特征颜色、识别主体颜色进行有效区分的照射光源参数。所述识别主体包括识别主体数据。所述新增图像包括照射光源数据下的识别主体对应的图像数据信息。达到了在颜色相似分析结果在预设颜色相近范围时,通过照射光源数据对识别主体进行照射,获得新增图像,从而提高图像处理的准确性的技术效果。
此外,为了提高后续对新增图像进行轮廓识别的精准性,可以对新增图像进行异常特征识别,获得新增异常特征颜色,并将新增异常特征颜色、识别主体颜色作为输入信息,输入增强参数匹配模型,获得补充增强控制数据。采用补充增强控制数据对新增图像进行图像处理之后,再对新增图像进行轮廓识别,从而提高获得的轮廓标识结果的准确性,进一步提高图像处理质量。补充增强控制数据与增强控制数据的获得方式相同,为了说明书的简洁,在此不再赘述。
步骤S630:基于所述新增图像进行轮廓识别,生成所述轮廓标识结果。
进一步的,本申请步骤S630还包括:
步骤S631:获得所述识别主体的表面粒度信息;
步骤S632:通过所述表面粒度信息进行所述新增图像的图像粒度匹配,获得粒度匹配结果;
具体而言,根据表面粒度信息对新增图像进行图像粒度匹配,获得粒度匹配结果。其中,所述表面粒度信息包括新增图像中识别主体的表面粗糙度、表面光滑度、表面平整度等表面粒度参数信息。所述粒度匹配结果包括新增图像中,表面粒度信息对应的图像数据信息。达到了通过表面粒度信息对新增图像进行图像粒度匹配,获得粒度匹配结果,为后续确定轮廓标识结果提供数据参考的技术效果。
步骤S633:根据所述粒度匹配结果生成辅助轮廓识别区域,基于所述辅助轮廓识别区域获得所述轮廓标识结果。
进一步的,本申请步骤S633还包括:
步骤S6331:对基于所述照射光源数据照射的所述识别主体进行第二角度图像采集,获得第二角度图像;
步骤S6332:通过所述第二角度图像进行脏污高度影响分析,获得影响分析值;
步骤S6333:判断所述影响分析值是否满足预设影响阈值;
步骤S6334:当所述影响分析值满足所述预设影响阈值时,则基于所述辅助轮廓识别区域获得所述轮廓标识结果。
具体而言,对粒度匹配结果进行轮廓识别,获得辅助轮廓识别区域。进一步,对照射光源数据下的识别主体进行第二角度图像采集,获得第二角度图像,并对第二角度图像进行脏污高度影响分析,获得影响分析值。进而,对影响分析值是否满足预设影响阈值进行判断,如果影响分析值满足预设影响阈值,对辅助轮廓识别区域进行标识,获得轮廓标识结果。其中,所述辅助轮廓识别区域包括粒度匹配结果中的图像边界位置、图像边界大小、图像边界形状等图像边界参数信息。所述第二角度包括预先设置确定的图像采集侧角度。所述第二角度图像包括照射光源数据下的识别主体对应的第二角度图像采集数据信息。所述影响分析值是用于表征第二角度图像的脏污高度影响的参数信息。第二角度图像中的脏污区域越大、脏污高度越高,对应影响分析值越高。所述预设影响阈值包括预先设置确定的影响分析值的阈值参数信息。所述轮廓标识结果包括满足预设影响阈值的影响分析值对应的辅助轮廓识别区域。达到了通过对第二角度图像进行脏污高度影响分析,确定可靠的轮廓标识结果,为后续获得待处理图像的图像处理结果夯实基础的技术效果。
进一步的,本申请步骤S633还包括:
步骤S6335:当所述影响分析值不满足所述预设影响阈值时,对所述辅助轮廓识别区域进行阴影空间的颜色识别,获得阴影区域;
进一步的,本申请步骤S6335还包括:
步骤S63351:根据所述待处理图像采集获得所述阴影区域的颜色数据;
步骤S63352:基于所述异常特征颜色、所述识别主体颜色和所述颜色数据进行多层级增强调控,获得多层级增强调控结果;
步骤S63353:对所述多层级增强调控结果进行边缘轮廓拟合,根据边缘轮廓拟合结果获得所述阴影区域。
步骤S6336:基于所述阴影区域进行所述辅助轮廓识别区域的区域修正;
步骤S6337:根据区域修正结果获得所述轮廓标识结果。
具体而言,在对影响分析值是否满足预设影响阈值进行判断时,如果影响分析值不满足预设影响阈值,对辅助轮廓识别区域进行阴影空间的颜色识别,获得阴影区域。进一步,将异常特征颜色、识别主体颜色、颜色数据输入增强参数匹配模型,通过增强参数匹配模型对异常特征颜色、识别主体颜色、颜色数据进行多层级增强调控,获得多层级增强调控结果,根据多层级增强调控结果对阴影区域进行图像处理、边缘轮廓拟合,获得边缘轮廓拟合结果,并根据边缘轮廓拟合结果获得边缘轮廓清楚、边界明确的阴影区域。进一步,根据阴影区域对辅助轮廓识别区域进行区域修正,获得区域修正结果,进而确定轮廓标识结果。其中,所述阴影区域包括辅助轮廓识别结果中的阴影空间信息。所述颜色数据包括阴影区域对应的颜色组成、颜色亮度等颜色参数信息。所述多层级增强调控结果包括图像灰度变换等用于对阴影区域进行图像处理的参数。所述边缘轮廓拟合结果包括根据多层级增强调控结果对阴影区域进行图像处理、边缘轮廓拟合后的边缘轮廓清楚、边界明确的阴影区域。所述区域修正结果包括根据阴影区域对辅助轮廓识别区域进行区域修正后的辅助轮廓识别区域。示例性地,在根据阴影区域对辅助轮廓识别区域进行区域修正时,可按照阴影区域对辅助轮廓识别区域进行区域放大、区域缩小、区域边界调整。所述轮廓标识结果包括不满足预设影响阈值的影响分析值对应的区域修正结果。达到了当影响分析值不满足预设影响阈值时,对辅助轮廓识别区域进行阴影空间识别、区域修正,获得准确、适配的轮廓标识结果,提高图像处理的适配度、精准性的技术效果。
此外,针对颜色相似分析结果不在预设颜色相近范围内时,已获得的增强控制数据,可按照增强控制数据对图像分割结果进行图像处理后,对图像分割结果进行轮廓识别,获得轮廓标识结果。图像分割结果的轮廓识别过程与上述新增图像的轮廓识别过程相同,为了说明书的简洁,在此不再赘述。
步骤S700:将所述轮廓标识结果同步至所述待处理图像,对所述待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和所述轮廓标识结果生成所述待处理图像的图像处理结果。
具体而言,将轮廓标识结果添加至待处理图像,获得待处理图像的轮廓标识结果。进而,对待处理图像的轮廓标识结果进行颜色特征识别,获得颜色特征识别结果,结合轮廓标识结果,获得待处理图像的图像处理结果。其中,所述颜色特征识别结果包括待处理图像的轮廓标识结果对应的颜色亮度、颜色RGB参数等颜色特征参数。所述待处理图像的图像处理结果包括颜色特征识别结果、轮廓标识结果。达到了获得准确、可靠的待处理图像的图像处理结果,提高图像处理质量的技术效果。
综上所述,本申请所提供的一种基于机器视觉的多功能图像处理方法具有如下技术效果:
1.通过对待处理图像进行拍摄参数读取,获得拍摄数据;通过拍摄数据进行图像处理模式匹配,获得基础处理控制参数,结合识别主体数据确定关注区域选定参数;通过识别主体数据进行待处理图像的识别主体匹配,根据识别主体匹配结果和关注区域选定参数进行图像分割,获得图像分割结果;通过识别主体数据对图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;通过增强控制数据进行图像分割结果的增强处理,生成轮廓标识结果;将轮廓标识结果同步至待处理图像,对待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和轮廓标识结果,获得待处理图像的图像处理结果。达到了提高图像处理的准确性,实现智能化、精准化的图像处理,提高图像处理质量的技术效果。
2.通过识别主体匹配结果、关注区域选定参数对待处理图像进行准确地图像分割,获得图像分割结果,从而提高对待处理图像进行图像处理的精准性。
3.通过识别主体数据对图像分割结果进行异常特征识别,结合增强参数匹配模型,获得准确的增强控制数据,提高对待处理图像进行图像处理的全面性、精确度。
实施例二
基于与前述实施例中一种基于机器视觉的多功能图像处理方法,同样发明构思,本发明还提供了一种基于机器视觉的多功能图像处理系统,请参阅附图3,所述系统包括:
拍摄参数读取模块11,所述拍摄参数读取模块11用于采集获得待处理图像,对所述待处理图像进行拍摄参数读取,获得拍摄数据;
模式匹配模块12,所述模式匹配模块12用于基于所述拍摄数据进行图像处理模式匹配,获得基础处理控制参数;
选定参数生成模块13,所述选定参数生成模块13用于获得识别主体数据,基于所述识别主体数据和所述基础处理控制参数生成关注区域选定参数;
匹配分割模块14,所述匹配分割模块14用于通过所述识别主体数据进行所述待处理图像的识别主体匹配,根据识别主体匹配结果和所述关注区域选定参数进行图像分割,获得图像分割结果;
异常特征识别模块15,所述异常特征识别模块15用于通过所述识别主体数据对所述图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;
增强处理模块16,所述增强处理模块16用于通过所述增强控制数据进行所述图像分割结果的增强处理,生成轮廓标识结果;
图像处理结果生成模块17,所述图像处理结果生成模块17用于将所述轮廓标识结果同步至所述待处理图像,对所述待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和所述轮廓标识结果生成所述待处理图像的图像处理结果。
进一步的,所述系统还包括:
颜色相似分析模块,所述颜色相似分析模块用于根据异常特征识别结果进行颜色相似分析,获得颜色相似分析结果;
颜色范围判断模块,所述颜色范围判断模块用于判断所述颜色相似分析结果是否在预设颜色相近范围内;
颜色输入模块,所述颜色输入模块用于当所述颜色相似分析结果不在所述预设颜色相近范围内时,则将异常特征颜色和识别主体颜色输入增强参数匹配模型;
增强控制数据确定模块,所述增强控制数据确定模块用于获得输出结果,根据所述输出结果获得所述增强控制数据。
进一步的,所述系统还包括:
照射光源数据确定模块,所述照射光源数据确定模块用于当所述颜色相似分析结果在所述预设颜色相近范围内时,则根据所述异常特征颜色和所述识别主体颜色匹配照射光源数据;
新增图像采集模块,所述新增图像采集模块用于通过所述照射光源数据进行识别主体的照射,并采集获得新增图像;
轮廓识别模块,所述轮廓识别模块用于基于所述新增图像进行轮廓识别,生成所述轮廓标识结果。
进一步的,所述系统还包括:
粒度信息获得模块,所述粒度信息获得模块用于获得所述识别主体的表面粒度信息;
粒度匹配结果确定模块,所述粒度匹配结果确定模块用于通过所述表面粒度信息进行所述新增图像的图像粒度匹配,获得粒度匹配结果;
轮廓标识结果确定模块,所述轮廓标识结果确定模块用于根据所述粒度匹配结果生成辅助轮廓识别区域,基于所述辅助轮廓识别区域获得所述轮廓标识结果。
进一步的,所述系统还包括:
第二角度图像采集模块,所述第二角度图像采集模块用于对基于所述照射光源数据照射的所述识别主体进行第二角度图像采集,获得第二角度图像;
脏污高度影响分析模块,所述脏污高度影响分析模块用于通过所述第二角度图像进行脏污高度影响分析,获得影响分析值;
影响分析值判断模块,所述影响分析值判断模块用于判断所述影响分析值是否满足预设影响阈值;
第一执行模块,所述第一执行模块用于当所述影响分析值满足所述预设影响阈值时,则基于所述辅助轮廓识别区域获得所述轮廓标识结果。
进一步的,所述系统还包括:
阴影区域获得模块,所述阴影区域获得模块用于当所述影响分析值不满足所述预设影响阈值时,对所述辅助轮廓识别区域进行阴影空间的颜色识别,获得阴影区域;
区域修正模块,所述区域修正模块用于基于所述阴影区域进行所述辅助轮廓识别区域的区域修正;
第二执行模块,所述第二执行模块用于根据区域修正结果获得所述轮廓标识结果。
进一步的,所述系统还包括:
第三执行模块,所述第三执行模块用于根据所述待处理图像采集获得所述阴影区域的颜色数据;
多层级增强调控模块,所述多层级增强调控模块用于基于所述异常特征颜色、所述识别主体颜色和所述颜色数据进行多层级增强调控,获得多层级增强调控结果;
边缘轮廓拟合模块,所述边缘轮廓拟合模块用于对所述多层级增强调控结果进行边缘轮廓拟合,根据边缘轮廓拟合结果获得所述阴影区域。
本申请提供了一种基于机器视觉的多功能图像处理方法,其中,所述方法应用于一种基于机器视觉的多功能图像处理系统,所述方法包括:通过对待处理图像进行拍摄参数读取,获得拍摄数据;通过拍摄数据进行图像处理模式匹配,获得基础处理控制参数,结合识别主体数据确定关注区域选定参数;通过识别主体数据进行待处理图像的识别主体匹配,根据识别主体匹配结果和关注区域选定参数进行图像分割,获得图像分割结果;通过识别主体数据对图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;通过增强控制数据进行图像分割结果的增强处理,生成轮廓标识结果;将轮廓标识结果同步至待处理图像,对待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和轮廓标识结果,获得待处理图像的图像处理结果。解决了现有技术中针对图像处理的准确性不足,进而造成图像处理效果不佳的技术问题。达到了提高图像处理的准确性,实现智能化、精准化的图像处理,提高图像处理质量的技术效果。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于机器视觉的多功能图像处理方法,其特征在于,所述方法包括:
采集获得待处理图像,对所述待处理图像进行拍摄参数读取,获得拍摄数据;
基于所述拍摄数据进行图像处理模式匹配,获得基础处理控制参数;
获得识别主体数据,基于所述识别主体数据和所述基础处理控制参数生成关注区域选定参数;
通过所述识别主体数据进行所述待处理图像的识别主体匹配,根据识别主体匹配结果和所述关注区域选定参数进行图像分割,获得图像分割结果;
通过所述识别主体数据对所述图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;
通过所述增强控制数据进行所述图像分割结果的增强处理,生成轮廓标识结果;
将所述轮廓标识结果同步至所述待处理图像,对所述待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和所述轮廓标识结果生成所述待处理图像的图像处理结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据异常特征识别结果进行颜色相似分析,获得颜色相似分析结果;
判断所述颜色相似分析结果是否在预设颜色相近范围内;
当所述颜色相似分析结果不在所述预设颜色相近范围内时,则将异常特征颜色和识别主体颜色输入增强参数匹配模型;
获得输出结果,根据所述输出结果获得所述增强控制数据。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
当所述颜色相似分析结果在所述预设颜色相近范围内时,则根据所述异常特征颜色和所述识别主体颜色匹配照射光源数据;
通过所述照射光源数据进行识别主体的照射,并采集获得新增图像;
基于所述新增图像进行轮廓识别,生成所述轮廓标识结果。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
获得所述识别主体的表面粒度信息;
通过所述表面粒度信息进行所述新增图像的图像粒度匹配,获得粒度匹配结果;
根据所述粒度匹配结果生成辅助轮廓识别区域,基于所述辅助轮廓识别区域获得所述轮廓标识结果。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
对基于所述照射光源数据照射的所述识别主体进行第二角度图像采集,获得第二角度图像;
通过所述第二角度图像进行脏污高度影响分析,获得影响分析值;
判断所述影响分析值是否满足预设影响阈值;
当所述影响分析值满足所述预设影响阈值时,则基于所述辅助轮廓识别区域获得所述轮廓标识结果。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
当所述影响分析值不满足所述预设影响阈值时,对所述辅助轮廓识别区域进行阴影空间的颜色识别,获得阴影区域;
基于所述阴影区域进行所述辅助轮廓识别区域的区域修正;
根据区域修正结果获得所述轮廓标识结果。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述待处理图像采集获得所述阴影区域的颜色数据;
基于所述异常特征颜色、所述识别主体颜色和所述颜色数据进行多层级增强调控,获得多层级增强调控结果;
对所述多层级增强调控结果进行边缘轮廓拟合,根据边缘轮廓拟合结果获得所述阴影区域。
8.一种基于机器视觉的多功能图像处理系统,其特征在于,所述系统包括:
拍摄参数读取模块,所述拍摄参数读取模块用于采集获得待处理图像,对所述待处理图像进行拍摄参数读取,获得拍摄数据;
模式匹配模块,所述模式匹配模块用于基于所述拍摄数据进行图像处理模式匹配,获得基础处理控制参数;
选定参数生成模块,所述选定参数生成模块用于获得识别主体数据,基于所述识别主体数据和所述基础处理控制参数生成关注区域选定参数;
匹配分割模块,所述匹配分割模块用于通过所述识别主体数据进行所述待处理图像的识别主体匹配,根据识别主体匹配结果和所述关注区域选定参数进行图像分割,获得图像分割结果;
异常特征识别模块,所述异常特征识别模块用于通过所述识别主体数据对所述图像分割结果进行异常特征识别,根据识别结果生成增强控制数据;
增强处理模块,所述增强处理模块用于通过所述增强控制数据进行所述图像分割结果的增强处理,生成轮廓标识结果;
图像处理结果生成模块,所述图像处理结果生成模块用于将所述轮廓标识结果同步至所述待处理图像,对所述待处理图像的轮廓标识结果进行颜色特征识别,根据颜色特征识别结果和所述轮廓标识结果生成所述待处理图像的图像处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211707114.0A CN115861451B (zh) | 2022-12-27 | 2022-12-27 | 一种基于机器视觉的多功能图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211707114.0A CN115861451B (zh) | 2022-12-27 | 2022-12-27 | 一种基于机器视觉的多功能图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115861451A true CN115861451A (zh) | 2023-03-28 |
CN115861451B CN115861451B (zh) | 2023-06-30 |
Family
ID=85655892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211707114.0A Active CN115861451B (zh) | 2022-12-27 | 2022-12-27 | 一种基于机器视觉的多功能图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861451B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101626A1 (zh) * | 2015-12-15 | 2017-06-22 | 努比亚技术有限公司 | 一种实现图像处理的方法及装置 |
CN108805883A (zh) * | 2018-06-08 | 2018-11-13 | Oppo广东移动通信有限公司 | 一种图像分割方法、图像分割装置及电子设备 |
CN110335216A (zh) * | 2019-07-09 | 2019-10-15 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
WO2021098486A1 (zh) * | 2019-11-22 | 2021-05-27 | 重庆海尔洗衣机有限公司 | 衣物颜色识别的处理方法、装置、设备及存储介质 |
US20210303928A1 (en) * | 2020-03-31 | 2021-09-30 | Alibaba Group Holding Limited | Data processing method, means and system |
CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能系统股份有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN115115841A (zh) * | 2022-08-30 | 2022-09-27 | 苏州朗开医疗技术有限公司 | 一种阴影斑点图像处理分析方法及系统 |
-
2022
- 2022-12-27 CN CN202211707114.0A patent/CN115861451B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017101626A1 (zh) * | 2015-12-15 | 2017-06-22 | 努比亚技术有限公司 | 一种实现图像处理的方法及装置 |
CN108805883A (zh) * | 2018-06-08 | 2018-11-13 | Oppo广东移动通信有限公司 | 一种图像分割方法、图像分割装置及电子设备 |
CN110335216A (zh) * | 2019-07-09 | 2019-10-15 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、终端设备及可读存储介质 |
WO2021098486A1 (zh) * | 2019-11-22 | 2021-05-27 | 重庆海尔洗衣机有限公司 | 衣物颜色识别的处理方法、装置、设备及存储介质 |
US20210303928A1 (en) * | 2020-03-31 | 2021-09-30 | Alibaba Group Holding Limited | Data processing method, means and system |
CN114821114A (zh) * | 2022-03-28 | 2022-07-29 | 南京业恒达智能系统股份有限公司 | 一种基于视觉系统的坡口切割机器人图像处理方法 |
CN115115841A (zh) * | 2022-08-30 | 2022-09-27 | 苏州朗开医疗技术有限公司 | 一种阴影斑点图像处理分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
权欢欢;张洛平;: "基于机器视觉的装配线上零件识别的研究", 组合机床与自动化加工技术, no. 12 * |
沈红雷;: "基于机器视觉技术的塑料制品缺陷检测研究", 塑料科技, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN115861451B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114821114B (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN111951237A (zh) | 外观视觉检测方法 | |
CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
KR20100072772A (ko) | 스테레오 비전을 이용한 실시간 얼굴 검출 시스템 및 그 방법 | |
CN112634125B (zh) | 一种基于离线人脸数据库的自动面部替换方法 | |
CN110197153A (zh) | 一种户型图中墙体自动识别方法 | |
CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
CN112906529A (zh) | 人脸识别补光方法、装置、人脸识别设备及其系统 | |
CN108146093A (zh) | 一种去除票据印章的方法 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN116310845A (zh) | 一种用于污水处理的智能监测系统 | |
CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 | |
CN114241047B (zh) | 一种用于园林绿篱修剪的双目视觉识别和定位方法 | |
TWI383690B (zh) | 影像處理的方法 | |
CN108764230A (zh) | 一种基于卷积神经网络的银行卡号自动识别方法 | |
CN117456590B (zh) | 一种针对智能城市应用的视觉转换的人脸识别方法及装置 | |
CN115861451B (zh) | 一种基于机器视觉的多功能图像处理方法及系统 | |
CN116843581B (zh) | 一种多场景图的图像增强方法、系统、设备和存储介质 | |
JPH05108804A (ja) | 3次元物体の識別方法及びその実施装置 | |
CN117058182A (zh) | 一种用于视觉测距的目标检测边框优化方法 | |
JPH11306325A (ja) | 対象物検出装置及び対象物検出方法 | |
CN116124783A (zh) | 一种毛坯布织造的瑕疵检测方法及装置 | |
JPH11306348A (ja) | 対象物検出装置及び対象物検出方法 | |
CN114820707A (zh) | 一种用于摄像头目标自动追踪的计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |