CN116416252B - 一种勃姆石生产工艺废水沉降图像检测方法 - Google Patents
一种勃姆石生产工艺废水沉降图像检测方法 Download PDFInfo
- Publication number
- CN116416252B CN116416252B CN202310686453.3A CN202310686453A CN116416252B CN 116416252 B CN116416252 B CN 116416252B CN 202310686453 A CN202310686453 A CN 202310686453A CN 116416252 B CN116416252 B CN 116416252B
- Authority
- CN
- China
- Prior art keywords
- sedimentation
- image
- moment
- gray
- coefficient
- 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
- 238000004062 sedimentation Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 38
- 229910001593 boehmite Inorganic materials 0.000 title claims abstract description 29
- FAHBNUUHRFUEAI-UHFFFAOYSA-M hydroxidooxidoaluminium Chemical compound O[Al]=O FAHBNUUHRFUEAI-UHFFFAOYSA-M 0.000 title claims abstract description 29
- 239000002351 wastewater Substances 0.000 title claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 108
- 238000004069 wastewater sedimentation Methods 0.000 claims abstract description 42
- 230000002776 aggregation Effects 0.000 claims abstract description 37
- 238000004220 aggregation Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004065 wastewater treatment Methods 0.000 claims abstract description 7
- 239000012535 impurity Substances 0.000 claims description 92
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 239000013049 sediment Substances 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 230000003014 reinforcing effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T7/187—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
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种勃姆石生产工艺废水沉降图像检测方法,该方法包括:在勃姆石生产制造工艺中的废水处理过程中获取废水沉降时间段内不同时刻的沉降灰度图像;获取每个时刻沉降灰度图像中像素点的分布特征值;进而获得每个时刻沉降灰度图像的分布特征系数和聚集特征系数;根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数,根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理,根据每个时刻增强后的图像获得废水沉降图像检测结果。本发明解决了废水沉降图像检测结果较不准确的问题,能够获得更加准确的废水沉降图像检测结果。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种勃姆石生产工艺废水沉降图像检测方法。
背景技术
在锂电池的生产制造中,锂电隔膜的使用具有重要作用,而锂电隔膜的重要基础原料之一是勃姆石,随着对锂电池需求的增加,对勃姆石的生产需求也大幅增长,对勃姆石自动化生产的要求也在不断提高。在勃姆石生产过程中废水沉降过程也是整个工艺制作流程重要的一部分。传统的方法对废水沉降过程分析较不准确,导致无法准确确定絮凝剂的投入量。因此,作者为王超,名称为“基于图像处理技术的污水处理沉降速度测量”提出了通过图像检测的方法,对勃姆石生产工艺过程中废水沉降图像进行分析,找到最佳的絮凝剂的投入量。但是在研究中发现,采集到的废水沉降图像对比度较低且细节较为模糊,影响最终投入量的获取结果,故在对废水沉降图像进行分析检测前需要对图像进行增强处理。现有的局部均方差增强算法,高频增强系数的取值过大,容易导致图像中部分区域过度增强,高频增强系数过小,容易导致图像增强效果不好。因此,现有的图像增强算法的效果较差,导致废水沉降图像检测结果较不准确。
发明内容
为了解决废水沉降图像检测结果较不准确的技术问题,本发明的目的在于提供一种勃姆石生产工艺废水沉降图像检测方法,所采用的技术方案具体如下:
在勃姆石生产制造工艺中的废水处理过程中,获取废水沉降时间段内不同时刻的沉降灰度图像;根据每个时刻沉降灰度图像中像素点与其周围像素点的梯度特征得到每个时刻沉降灰度图像中像素点的分布特征值;
根据每个时刻沉降灰度图像中像素点的分布特征值的分布特征得到每个时刻沉降灰度图像的分布特征系数;
获取每个时刻沉降灰度图像中的杂质连通域,根据每个时刻沉降灰度图像中杂质连通域内部信息分布和形状特征得到每个时刻沉降灰度图像的聚集特征系数;
根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数,根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理,根据每个时刻增强后的图像获得废水沉降图像检测结果。
优选地,所述根据每个时刻沉降灰度图像中像素点的分布特征值的分布特征得到每个时刻沉降灰度图像的分布特征系数具体为:
对于任意一个时刻的沉降灰度图像,利用分布特征值对像素点的像素值重新赋值得到特征图像;根据特征图像中像素点的纹理信息得到特征图像对应的沉降灰度图像的分布特征系数。
优选地,所述根据特征图像中像素点的纹理信息得到特征图像对应的沉降灰度图像的分布特征系数具体为:
构建特征图像的灰度游程矩阵,记为特征游程矩阵,将特征游程矩阵的能量值作为特征图像对应的沉降灰度图像的分布特征系数。
优选地,所述根据每个时刻沉降灰度图像中杂质连通域内部信息分布和形状特征得到每个时刻沉降灰度图像的聚集特征系数具体为:
对于任意一个时刻的沉降灰度图像,将沉降灰度图像中任意一个杂质连通域记为目标杂质连通域,对目标杂质连通域进行角点检测,将角点检测获得的角点记为目标杂质连通域的特征点;计算目标杂质连通域内每任意两个特征点之间的欧氏距离,将目标杂质连通域内所有任意两个特征点之间的欧氏距离的均值作为第一系数;将目标杂质连通域的面积与沉降灰度图像的面积之间的比值作为第二系数;将第一系数与第二系数之间的乘积作为目标杂质连通域的特征系数;将沉降灰度图像中所有杂质连通域的特征系数的均值作为沉降灰度图像的聚集特征系数。
优选地,所述获取每个时刻沉降灰度图像中的杂质连通域具体为:
对于任意一个时刻的沉降灰度图像,获取沉降灰度图像中的连通域,分别计算每个连通域内所有像素点的灰度值的均值,将灰度值的均值小于预设的灰度阈值对应的连通域记为杂质连通域。
优选地,所述根据每个时刻沉降灰度图像中像素点与其周围像素点的梯度特征得到每个时刻沉降灰度图像中像素点的分布特征值具体为:
对于任意一个时刻的沉降灰度图像,将沉降灰度图像中任意一个像素点记为选定像素点,获取以选定像素点为中心,预设尺寸的窗口内每个像素点的梯度值,计算选定像素点所在的窗口内所有像素点的梯度值的和值,对和值进行向下取整得到选定像素点的分布特征值。
优选地,所述根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数具体为:
对于任意一个时刻的沉降灰度图像,将沉降灰度图像的分布特征系数和聚集特征系数的乘积作为该沉降灰度图像对应的调节系数。
优选地,所述根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理具体为:
对于任意一个时刻的沉降灰度图像,获取沉降灰度图像中所有像素点的灰度值的均方差记为全局均方差,将全局均方差与调节系数的比值,作为局部均方差增强算法中高频部分的增强系数,利用局部均方差增强算法对沉降灰度图像进行增强处理。
本发明实施例至少具有如下有益效果:
本发明首先通过获取勃姆石生产制造工艺中的废水处理过程中,废水沉降时间段内不同时刻的沉降灰度图像,使得后续分别对每个时刻的沉降灰度图像进行分析,为能够更加准确的获得每个时刻沉降灰度图像对应的调整系数做基础。然后先对每个时刻的沉降灰度图像中像素点及其周围像素点的梯度信息进行分析,利用像素点的分布特征值表征像素点周围的特征分布情况,进而再针对像素点周围的特征分布情况进行进一步的分析,获得分布特征系数,利用分布特征系数表征沉降灰度图像中特征部分的分布均匀情况。进一步的,将获取的杂质连通域表征沉降灰度图像中杂质部分,进而对沉降灰度图像中的杂质部分进行分析获得聚集特征系数,利用聚集特征系数表征沉降灰度图像中杂质部分的聚集特征,最终结合两个方面的分布特征,获得每个时刻沉降灰度图像对应的调节系数,根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理,能够实现对不同时刻的沉降灰度图像采用不同的增强系数进行增强处理,能够获得效果较佳的增强图像,进而利用增强后的图像进行废水沉降图像检测时,能够获得更加准确的废水沉降图像检测结果。
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是本发明的一种勃姆石生产工艺废水沉降图像检测方法的方法流程图。
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效,以下结合附图及较佳实施例,对依据本发明提出的一种勃姆石生产工艺废水沉降图像检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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勃姆石生产工艺废水沉降图像检测方法的具体方案。
实施例:
本发明的主要目的是:在勃姆石的生产制造工艺过程,需要对废水处理过程进行自动化的控制,通过拍摄废水沉降时的图像,对图像进行预处理操作。由于采集的废水沉降时的图像,图像的对比度较低且细节较为模糊,不利于后续对废水沉降情况的分析,因此需要对废水沉降时的图像进行图像增强处理,增强图像的对比度信息和纹理细节信息,提高后续对图像进行检测的结果的准确性,找到合适的絮凝剂的投入量。
请参阅图1,其示出了本发明一个实施例提供的一种勃姆石生产工艺废水沉降图像检测方法的方法流程图,该方法包括以下步骤:
步骤一,在勃姆石生产制造工艺中的废水处理过程中,获取废水沉降时间段内不同时刻的沉降灰度图像;根据每个时刻沉降灰度图像中像素点与其周围像素点的梯度特征得到每个时刻沉降灰度图像中像素点的分布特征值。
首先,在勃姆石生产制造工艺中的废水处理过程中,利用相机拍摄废水沉降时间段内不同时刻的废水沉降图像,在废水沉降时间段内相邻两个时刻之间的时间间隔,实施者可根据具体实施场景进行设置,例如设置为5min。由于拍摄图像时周围环境光照的影响和其他因素的影响,可能会使采集到的废水沉降过程中的图像的清晰度较差,存在噪声的影响,需要对图像进行预处理操作。
在本实施例中,采用中值滤波算法对废水沉降图像进行处理,去除图像中的噪声,保留图像的边缘信息,实施者也可以根据具体实施场景选择其他对图像进行降噪处理的方法。然后,将降噪处理过的图像转换为灰度图像,记为沉降灰度图像。其中,对图像进行灰度化的方法实施者可根据具体实施场景进行选择,在此不再过多介绍。
在废水沉降时间段内不同沉降阶段的沉降灰度图像存在不同的特征,在废水沉降的初始阶段,废水较为浑浊,沉降灰度图像整体的灰度值分布较为均匀。在废水沉降了一段时间后,废水上层会逐渐变得清澈,即表现为废水中存在一些浑浊物较为聚集的现象,沉降灰度图像中灰度值变化不再均匀。在废水沉降完成后,废水上层较为清澈,下层存在沉淀物堆积的情况。
在废水沉降时间段内,由于光照等客观因素的影响,造成采集到的图像模糊,对比度较低,故需要分别对每个时刻的沉降灰度图像进行增强处理。采用局部均方差增强算法分别对每个时刻的沉降灰度图像进行增强处理,该算法中高频增强系数是由局部均方差和全局均方差来确定的,由于废水沉降时间段内,随着时间的变化每个时刻的沉降灰度图像中沉淀物会发生一定的变化,仅根据图像的均方差进行确定高频增强系数可能会由于图像中沉淀物的变化情况导致图像增强效果较差,并且增强系数的取值大小关系着图像中的高频部分是否会被过度增强。因此,在对废水沉降时间段内,对于不同时刻的沉降灰度图像需要自适应的获取对应的高频增强系数,使得图像增强效果较佳。
为了后续能够更加准确的分析废水沉降时间段内每个时刻的沉降灰度图像中沉淀物的分布情况,首先对沉降灰度图像中像素的梯度信息进行分析,即根据每个时刻沉降灰度图像中像素点与其周围像素点的梯度特征得到每个时刻沉降灰度图像中像素点的分布特征值,利用分布特征值表征像素点周围的特征分布情况。
具体地,对于任意一个时刻的沉降灰度图像,将沉降灰度图像中任意一个像素点记为选定像素点,获取以选定像素点为中心,预设尺寸的窗口内每个像素点的梯度值,计算所有像素点的梯度值的和值,对和值进行向下取整得到选定像素点的分布特征值。
在本实施例中,以任意一个时刻的沉降灰度图像为例进行分析。将沉降灰度图像中第z个像素点作为选定像素点,以选定像素点为中心像素点,构建预设尺寸的窗口,其中预设尺寸为5×5,实施者可根据具体实施场景进行设置,则选定像素点的分布特征值的计算公式可以表示为:
其中,表示沉降灰度图像中第z个像素点的分布特征值,表示以沉降灰度图
像中第z个像素点为中心的窗口内第t个像素点的梯度值,表示沉降灰度图像中第z个像素
点为中心的窗口内包含像素点的总数量,表示向下取整符号。
若沉降灰度图像中第z个像素点位于水体部分,其周围也均是水体,而不存在沉淀物等杂质部分,则以第z个像素点为中心的窗口内,像素点的纹理信息较弱,进而说明像素点的梯度值较小,则第z个像素点的分布特征值的取值越小。
若沉降灰度图像中第z个像素点位于沉淀物部分,其周围大部分也是沉淀物,则以第z个像素点为中心的窗口内,像素点的纹理信息较强,说明像素点的梯度值较大,则第z个像素点的分布特征值取值越大。
像素点的分布特征值表征了像素点周围的纹理信息分布情况,反映了像素点周围的梯度变化情况,能够较为准确的表示像素点周围的杂质分布信息。
步骤二,根据每个时刻沉降灰度图像中像素点的分布特征值的分布特征得到每个时刻沉降灰度图像的分布特征系数。
在废水沉降时间段内,不同沉降阶段的沉降灰度图像中沉淀物与水的混合程度不同,进而不同时刻的沉降灰度图像中沉淀物等杂质部分的分布情况也就不同,而像素点的分布特征值表征了像素点周围的纹理信息分布情况,故可基于像素点的分布特征值对杂质部分的分布情况进行分析。
基于此,对于任意一个时刻的沉降灰度图像,利用分布特征值对像素点的像素值重新赋值得到特征图像,在本实施例中,仅是将像素点的分布特征值重新赋值为对应位置处的像素点得到特征图像,并不是生成了一张新的图像,即只是需要记录每个位置处像素点的分布特征值的取值情况,故不对像素点的分布特征值的取值进行限制,在其他实施例中,实施者也可以根据具体实施场景选择对分布特征值的取值进行限制,使其的取值范围为[0,255]。
然后,根据特征图像中像素点的纹理信息得到特征图像对应的沉降灰度图像的分布特征系数。具体地,根据灰度游程矩阵的获取方法,构建特征图像的特征游程矩阵,即将像素点的分布特征值类比像素点的灰度值,在本实施例中构建特征图像在0度方向上的游程矩阵得到特征游程矩阵,将特征游程矩阵的能量值作为特征图像对应的沉降灰度图像的分布特征系数。
在特征图像中,通过统计0度方向上具有相同分布特征值的连续出现的像素点的数量,获得特征游程矩阵。特征游程矩阵反映了分布特征值的纹理分布信息,进而计算特征游程矩阵的能量值,其计算公式可以表示为:
其中,D表示沉降灰度图像的分布特征系数,ASM表示沉降灰度图像对应的特征游
程矩阵的能量值,表示沉降灰度图像对应的特征图像的特征游程矩阵中第a行第b
列元素的数值,表示沉降灰度图像对应的特征游程矩阵中包含的行的总数量,x表示特
征游程矩阵的行,表示沉降灰度图像对应的特征游程矩阵中包含的列的总数量,y表示
特征游程矩阵的列。
特征游程矩阵中元素的数值表征了特征图像中在0度方向上具有相同分布特征值的连续出现的像素点的数量,特征游程矩阵的能量变化反映了分布特征值分布的均匀程度和纹理粗细程度。若特征图像对应的沉降灰度图像中杂质分布较为均匀时,相应的水体部分分布也较为均匀,则特征游程矩阵中元素的数值相近,能量值较小,对应的分布特征系数的取值也就越小。
若特征图像对应的沉降灰度图像中杂质分布较不均匀,相应的水体部分分布也较不均匀,则特征游程矩阵中元素的数值差异较大,一些数值较大,一些数值较小,能量值较大,对应的分布特征系数的取值也就越大。
步骤三,获取每个时刻沉降灰度图像中的杂质连通域,根据每个时刻沉降灰度图像中杂质连通域内部信息分布和形状特征得到每个时刻沉降灰度图像的聚集特征系数。
在废水沉降时间段内,利用每个时刻的沉降灰度图像的分布特征系数表征水中的沉淀物等杂质部分的分布情况,进一步的,需要对水中的杂质的聚集情况进行分析,首先需要获取每个时刻沉降灰度图像中的杂质连通域。
具体地,对于任意一个时刻的沉降灰度图像,获取沉降灰度图像中的连通域,在本实施例中,利用区域生长算法提取沉降灰度图像中的连通域,其中将区域生长算法的区域生长规则设置为,两个像素点的灰度值差异需小于预设的差异阈值,在本实施例中,差异阈值的取值可以为10,实施者可根据具体实施场景进行设置,两个像素点的灰度值差异表示两个像素点的灰度值之间的差值绝对值。同时,区域生长算法为公知技术,在此不再过多介绍。
然后,分别计算每个连通域内所有像素点的灰度值的均值,将灰度值的均值小于预设的灰度阈值对应的连通域记为杂质连通域。在本实施例中,灰度阈值的取值为100,而水体部分的像素点的灰度值取值较大,杂质部分的像素点的灰度值取值相对较小,当连通域内所有像素点的灰度值的均值小于100时,说明该连通域可能为杂质部分所在区域,故将其记为杂质连通域。
在获得杂质部分对应的杂质连通域后,可以分别对杂质连通域的纹理信息进行分析,即杂质部分内部一般存在较为复杂的纹理信息,对杂质部分进行角点检测时能够检测获得较多的角点信息。具体地,在本实施例中,利用Harris角点检测算法分别对每个时刻的沉降灰度图像进行角点检测,将检测获得的角点记为特征点,即可以获得每个时刻的沉淀灰度图像中每个杂质连通域内的特征点。
基于此,根据每个时刻沉降灰度图像中杂质连通域内部信息分布和形状特征得到每个时刻沉降灰度图像的聚集特征系数。具体地,对于任意一个时刻的沉降灰度图像,将沉降灰度图像中任意一个杂质连通域记为目标杂质连通域,分别计算每个特征点与其特征点之间的距离,即计算目标杂质连通域内每任意两个特征点之间的欧氏距离,将目标杂质连通域内所有任意两个特征点之间的欧氏距离的均值作为第一系数。
将目标杂质连通域的面积与沉降灰度图像的面积之间的比值作为第二系数,其中目标杂质连通域的面积可以利用目标杂质连通域内包含的像素点的总数量来表示,也可以利用Hu不变矩算法获得目标连通域的零阶矩,利用零阶矩表征目标连通域的面积,实施者可根据具体实施场景选择合适的方法获取连通域的面积以及图像的面积。其中,Hu不变矩算法为公知技术,在此不再过多介绍。
将第一系数与第二系数之间的乘积作为目标杂质连通域的特征系数;将沉降灰度图像中所有杂质连通域的特征系数的均值作为沉降灰度图像的聚集特征系数。
在本实施例中,以任意一个时刻的沉降灰度图像为例进行说明,将沉降灰度图像中第v个杂质连通域作为目标杂质连通域,则沉降灰度图像的聚集特征系数的计算公式可以表示为:
其中,Q表示沉降灰度图像的聚集特征系数,表示沉降灰度图像中包含的杂质
连通域的总数量,表示沉降灰度图像中第v个杂质连通域的第一系数,表示沉降灰度
图像中第v个杂质连通域的第二系数,表示沉降灰度图像中第v个杂质连通域的面积,S表
示沉降灰度图像的面积,表示沉降灰度图像中第v个杂质连通域的特征系数。
第v个杂质连通域的第一系数反映了第v个杂质连通域内各个特征点之间的距
离的表征值,反映了杂质连通域内的聚集程度,其取值越大,对应的聚集特征系数的取值越
大,说明杂质部分的分布情况越聚集。
第v个杂质连通域的第二系数反映了第v个杂质连通域的面积占比情况,第二系数的取值越大,对应的聚集特征系数的取值越大,沉降灰度图像中杂质部分分布越密集且数量越多时,对应的杂质部分的分布情况越密集。
步骤四,根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数,根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理,根据每个时刻增强后的图像获得废水沉降图像检测结果。
在废水沉降时间段内,每个时刻沉降灰度图像对应的分布特征系数表征了沉降灰度图像中杂质部分的分布均匀程度,每个时刻沉降灰度图像对应的聚集特征系数表征了沉降灰度图像中杂质部分的聚集程度。在不同的沉降阶段,沉降灰度图像中杂质部分的表现不同,需要自适应的获取图像对应的高频增强系数。
当杂质部分在水中分布较为均匀且较不聚集时,说明此时沉降灰度图像对应废水沉降过程的初始阶段,此时需要增强废水水体部分和杂质部分之间的对比度,以便后续对沉降灰度图像进行分析时,能够较为清晰的识别图像中的灰度信息。当杂质部分分布较不均匀且较为聚集时,说明此时沉降灰度图像对应废水沉降过程的结束阶段,此时水体部分和沉淀物等杂质部分之间存在较为明显的界限,不需要过多的增强水体与杂质部分的对比度。
基于此,根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数,具体地,对于任意一个时刻的沉降灰度图像,将沉降灰度图像的分布特征系数和聚集特征系数的乘积作为该沉降灰度图像对应的调节系数。进一步的,获取沉降灰度图像中所有像素点的灰度值的均方差记为全局均方差,将全局均方差与调节系数的比值,作为局部均方差增强算法中高频部分的增强系数,利用局部均方差增强算法对沉降灰度图像进行增强处理。
根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理,用公式可以表示为:
其中,表示沉降灰度图像中像素点坐标为的像素点增强后的灰度值,
i表示像素点所在行,j表示像素点所在列,表示局部均方差增强算法中计算像素
点的低频分量,表示像素点的高频分量,表示像素点的灰度值,具体计算公式由局部均方差算法中可知,在此不再过多介绍。W表示沉降灰
度图像中灰度值的全局均方差,D表示沉降灰度图像的分布特征系数,Q表示沉降灰度图像
的聚集特征系数,表示沉降灰度图像的调节系数。
在局部均方差算法中原始的计算公式可知,高频部分的增强系数为图像的全局均方差与局部均方差的比值,在本实施例中,利用全局均方差与调节系数的比值作为高频部分的增强系数,通过全局均方差表征考虑图像全局特征的参数,限制了将局部噪声放大的情况。当沉降灰度图像的分布特征系数D越小,且聚集特征系数Q越小时,说明沉降灰度图像中杂质部分的分布情况较为均匀且不聚集,对应的高频部分的增强系数的取值越大,图像增强效果越好。当沉降灰度图像的分布特征系数D越大,且聚集特征系数Q越大时,说明沉降灰度图像中杂质部分分布较不均匀其较为聚集,对应的高频部分的增强系数的取值越小。
根据改进后的高频部分的增强系数,利用局部均方差增强算法对每个时刻的沉降灰度图像分别进行增强处理时,可以根据不同时刻沉降灰度图像中杂质部分的分布情况的不同,考虑不同时刻杂质部分的分布特征和聚集特征,结合全局参数,针对具体沉降过程进行不同程度的增强处理,使得图像的增强效果较好。
在分别对每个时刻的沉降灰度图像进行增强处理后,可以根据每个时刻增强后的图像获得废水沉降图像检测结果,获得较为准确的絮凝剂的投入量,在本实施例中,废水沉降图像检测结果记为絮凝剂的投入量。根据作者为王超,名称为“基于图像处理技术的污水处理沉降速度测量”,公开了如何根据污水处理过程中的图像,进行絮凝剂投入量的确定。
综上所述,本发明针对废水沉降过程中的沉降灰度图像中杂质部分与水体部分的对比度的增强处理,由于不同部分的像素点的增强情况不同,因此对图像进行局部对比度增强时,增强系数不能使用定值。故本发明通过对沉降灰度图像中杂质部分的分布均匀特征和分布聚集特征进行分析,自适应地获取沉降灰度图像对应的调节系数,能够使得图像增强效果更佳,进而获得的图像检测结果更加准确。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,该方法包括以下步骤:
在勃姆石生产制造工艺中的废水处理过程中,获取废水沉降时间段内不同时刻的沉降灰度图像;根据每个时刻沉降灰度图像中像素点与其周围像素点的梯度特征得到每个时刻沉降灰度图像中像素点的分布特征值;
根据每个时刻沉降灰度图像中像素点的分布特征值的分布特征得到每个时刻沉降灰度图像的分布特征系数;
获取每个时刻沉降灰度图像中的杂质连通域,根据每个时刻沉降灰度图像中杂质连通域内部信息分布和形状特征得到每个时刻沉降灰度图像的聚集特征系数;
根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数,根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理,根据每个时刻增强后的图像获得废水沉降图像检测结果。
2.根据权利要求1所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述根据每个时刻沉降灰度图像中像素点的分布特征值的分布特征得到每个时刻沉降灰度图像的分布特征系数具体为:
对于任意一个时刻的沉降灰度图像,利用分布特征值对像素点的像素值重新赋值得到特征图像;根据特征图像中像素点的纹理信息得到特征图像对应的沉降灰度图像的分布特征系数。
3.根据权利要求2所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述根据特征图像中像素点的纹理信息得到特征图像对应的沉降灰度图像的分布特征系数具体为:
构建特征图像的灰度游程矩阵,记为特征游程矩阵,将特征游程矩阵的能量值作为特征图像对应的沉降灰度图像的分布特征系数。
4.根据权利要求1所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述根据每个时刻沉降灰度图像中杂质连通域内部信息分布和形状特征得到每个时刻沉降灰度图像的聚集特征系数具体为:
对于任意一个时刻的沉降灰度图像,将沉降灰度图像中任意一个杂质连通域记为目标杂质连通域,对目标杂质连通域进行角点检测,将角点检测获得的角点记为目标杂质连通域的特征点;计算目标杂质连通域内每任意两个特征点之间的欧氏距离,将目标杂质连通域内所有任意两个特征点之间的欧氏距离的均值作为第一系数;将目标杂质连通域的面积与沉降灰度图像的面积之间的比值作为第二系数;将第一系数与第二系数之间的乘积作为目标杂质连通域的特征系数;将沉降灰度图像中所有杂质连通域的特征系数的均值作为沉降灰度图像的聚集特征系数。
5.根据权利要求1所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述获取每个时刻沉降灰度图像中的杂质连通域具体为:
对于任意一个时刻的沉降灰度图像,获取沉降灰度图像中的连通域,分别计算每个连通域内所有像素点的灰度值的均值,将灰度值的均值小于预设的灰度阈值对应的连通域记为杂质连通域。
6.根据权利要求1所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述根据每个时刻沉降灰度图像中像素点与其周围像素点的梯度特征得到每个时刻沉降灰度图像中像素点的分布特征值具体为:
对于任意一个时刻的沉降灰度图像,将沉降灰度图像中任意一个像素点记为选定像素点,获取以选定像素点为中心,预设尺寸的窗口内每个像素点的梯度值,计算选定像素点所在的窗口内所有像素点的梯度值的和值,对和值进行向下取整得到选定像素点的分布特征值。
7.根据权利要求1所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述根据每个时刻沉降灰度图像的分布特征系数和聚集特征系数得到调节系数具体为:
对于任意一个时刻的沉降灰度图像,将沉降灰度图像的分布特征系数和聚集特征系数的乘积作为该沉降灰度图像对应的调节系数。
8.根据权利要求1所述的一种勃姆石生产工艺废水沉降图像检测方法,其特征在于,所述根据调节系数利用局部均方差增强算法对每个时刻沉降灰度图像进行增强处理具体为:
对于任意一个时刻的沉降灰度图像,获取沉降灰度图像中所有像素点的灰度值的均方差记为全局均方差,将全局均方差与调节系数的比值,作为局部均方差增强算法中高频部分的增强系数,利用局部均方差增强算法对沉降灰度图像进行增强处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686453.3A CN116416252B (zh) | 2023-06-12 | 2023-06-12 | 一种勃姆石生产工艺废水沉降图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686453.3A CN116416252B (zh) | 2023-06-12 | 2023-06-12 | 一种勃姆石生产工艺废水沉降图像检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116416252A CN116416252A (zh) | 2023-07-11 |
CN116416252B true CN116416252B (zh) | 2023-08-08 |
Family
ID=87049652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310686453.3A Active CN116416252B (zh) | 2023-06-12 | 2023-06-12 | 一种勃姆石生产工艺废水沉降图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116416252B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823835B (zh) * | 2023-08-30 | 2023-11-10 | 山东省永星食品饮料有限公司 | 基于机器视觉的瓶装水杂质检测方法 |
CN117218586B (zh) * | 2023-09-21 | 2024-07-26 | 北京市自来水集团有限责任公司技术研究院 | 测定悬浮物沉降速度的图像识别方法、装置、设备及介质 |
CN117649414B (zh) * | 2024-01-30 | 2024-04-09 | 天津工大纺织助剂有限公司 | 一种纺织助剂生产废水处理设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0412173A1 (de) * | 1985-12-06 | 1991-02-13 | SIGMA koncern | Verfahren und Anlage zur Aufbereitung und Reinigung von Abwasser |
CN101266258A (zh) * | 2008-04-30 | 2008-09-17 | 重庆大学 | 湍动条件下低浓度污泥沉降速率的测量方法和装置 |
CN114882031A (zh) * | 2022-07-11 | 2022-08-09 | 江苏瑞立环保工程股份有限公司 | 一种基于活性污泥法的污水处理方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10372144B2 (en) * | 2015-11-30 | 2019-08-06 | International Business Machines Corporation | Image processing for improving coagulation and flocculation |
-
2023
- 2023-06-12 CN CN202310686453.3A patent/CN116416252B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0412173A1 (de) * | 1985-12-06 | 1991-02-13 | SIGMA koncern | Verfahren und Anlage zur Aufbereitung und Reinigung von Abwasser |
CN101266258A (zh) * | 2008-04-30 | 2008-09-17 | 重庆大学 | 湍动条件下低浓度污泥沉降速率的测量方法和装置 |
CN114882031A (zh) * | 2022-07-11 | 2022-08-09 | 江苏瑞立环保工程股份有限公司 | 一种基于活性污泥法的污水处理方法与系统 |
Non-Patent Citations (1)
Title |
---|
卡鲁塞尔氧化沟反应器两相流PIV图像处理研究及实验分析;许丹宇;张代钧;陈钊;郭永彩;戴巍;;环境工程学报(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116416252A (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116416252B (zh) | 一种勃姆石生产工艺废水沉降图像检测方法 | |
CN113538433B (zh) | 基于人工智能的机械铸件缺陷检测方法及系统 | |
CN114882031B (zh) | 一种基于活性污泥法的污水处理方法与系统 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN113554629A (zh) | 基于人工智能的带钢红锈缺陷检测方法 | |
CN117058147B (zh) | 基于计算机视觉的环保塑料制品缺陷检测方法 | |
CN115035106B (zh) | 一种带钢缺陷智能检测方法 | |
CN116309599B (zh) | 基于污水前置处理的水质视觉监测方法 | |
CN116758077B (zh) | 一种冲浪板表面平整度在线检测方法及系统 | |
CN110910367A (zh) | 生物反应器细胞培养质量评价方法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及系统 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN118225803B (zh) | 一种推土机刀片表面外观视觉检测方法 | |
CN116703251A (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN110930425B (zh) | 基于邻域向量内积局部对比度图像增强的损伤目标检测方法 | |
CN116612112A (zh) | 一种水桶表面缺陷视觉检测方法 | |
CN115511814A (zh) | 一种基于兴趣区域多纹理特征融合的图像质量评价方法 | |
CN117541605B (zh) | 一种钢结构锈蚀图像区域快速分割方法 | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN117808799A (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
CN116740065B (zh) | 基于大数据的人造板瑕疵品快速溯源方法及系统 | |
CN114170200B (zh) | 基于人工智能的金属点蚀缺陷程度评估方法及系统 |
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 |