CN116805316A - 基于图像增强的可降解塑料加工质量检测方法 - Google Patents

Abstract

本发明涉及图像数据处理领域，具体涉及一种基于图像增强的可降解塑料加工质量检测方法，获取需要进行处理的可降解塑料的图像，根据各个像素点的像素值获取同一通道内每两个像素点之间的相似度，进而确定每个像素点对应的相似度分布图；获取每个通道下各个像素点与相似度分布图之间的整体相似程度；根据整体相似程度确定对每个像素点使用非局部均值滤波算法进行处理时对应的自相似窗口大小；对图像进行处理获得增强图像；对增强图像中可降解塑料加工质量进行判断，实现对加工质量的检测。本发明在保证图像处理效果的前提下减小窗口大小以减小计算量和计算时间，实现不同像素点位置均可达到较好的图像处理效果的目的，提升对图像增强的效果。

Description

基于图像增强的可降解塑料加工质量检测方法

技术领域

本申请涉及图像数据处理领域，具体涉及一种基于图像增强的可降解塑料加工质量检测方法。

背景技术

可降解塑料加工的质量检测可确保其加工完成的可降解塑料符合相关的技术标准和质量要求，有效预防和排除产品中的缺陷和质量问题，提高产品的可靠性和可持续性，满足消费者和市场需求，促进降解塑料加工的健康发展。目前，可降解塑料加工质量检测方法的主要包括物理性能检测、化学成分检测以及环境指标检测等方面，在对可降解塑料加工质量进行物理性能检测时，首先需要对可降解塑料的色差和颜色分布进行分析，初步评估可降解塑料的质量，对色差较大、表面瑕疵较为明显的可降解塑料进行剔除。在这个过程中，为了更准确地评价其表面质量，需要使用相机获取需要进行质量检测的可降解塑料的彩色图像，再对图像进行分析，根据不同可降解塑料块之间的颜色特征进行分析。当获取的彩色图像存在干扰信息、质量不佳时，需要对图像进行增强，减少干扰信息的影响。

考虑到降解塑料块间存在一致性和相似性，对获取的图像使用非局部均值滤波算法进行处理，根据图像各个部分之间的自相似性，在减少干扰信息的同时保护图像的纹理和边缘信息，达到良好的图像处理效果。但是，在处理的过程中，需要根据人为设置的固定自相似窗口确定每个像素点与其他各个像素点的相似性，进而得到去噪后的像素值，而不同像素点处的具体特征不同，达到合适的图像增强效果的自相似窗口也不相同。为了提升图像增强的效果，需要一种对获取的彩色图像不同像素点进行不同程度的增强的方法。

发明内容

为了解决上述技术问题，本发明提供一种基于图像增强的可降解塑料加工质量检测方法，以解决现有的问题。

本发明的基于图像增强的可降解塑料加工质量检测方法采用如下技术方案：

本发明一个实施例提供了一种基于图像增强的可降解塑料加工质量检测方法，该方法包括以下步骤：

获取塑料图像，将塑料图像分为三张单通道塑料图像，根据单通道塑料图像中各个像素点的像素值获取同一通道内每两个像素点之间的相似度，根据相似度确定每个像素点对应的相似度分布图；

根据单通道塑料图像中各个像素点对应的相似度分布图获取每个通道下各个像素点的高质量塑料置信度；

根据每个像素点的高质量塑料置信度获取每个像素点对应的自相似窗口大小；

根据每个像素点对应的自相似窗口大小对单通道塑料图像进行处理获得单通道增强图像，根据所有单通道增强图像获取塑料增强图像；

对塑料增强图像中可降解塑料加工质量进行判断，实现对加工质量的检测。

进一步，所述根据单通道塑料图像中各个像素点的像素值获取同一通道内每两个像素点之间的相似度，根据相似度确定每个像素点对应的相似度分布图，具体为：

对每个单通道塑料图像使用非局部均值滤波算法获取每两个像素点之间的相似程度；

将单通道塑料图像中的任意一个像素点记为一个待分析像素点，将待分析像素点与各个像素点对应的相似度填写到各像素点对应的位置，得到待分析像素点对应的相似度分布图。

进一步，所述根据单通道塑料图像中各个像素点对应的相似度分布图获取每个通道下各个像素点的高质量塑料置信度，获取的具体步骤为：

根据每个待分析像素点对应的相似度分布图确定相似度分布图中每个像素点对应的生长区域；

根据生长区域内包含的像素点个数、全包围像素点的个数和边缘包含的像素点个数确定相似度分布图中每个像素点对应的相似度聚集度；

根据相似度分布图中每个像素点对应的相似度聚集度获取其中与待分析像素点同一簇的点，将这些同一簇的点标记为一级像素点；

根据一级像素点确定同一簇的连通域，取连通域边缘像素点，取连通域边缘像素点八邻域内的所有相邻的像素点，选取所述相邻的像素点中的非一级像素点，将所述非一级像素点记为二级像素点；

根据连通域内包含的像素点数量占所有连通域中像素点数量最多的连通域内像素点数量的比值、连通域对应的各个二级像素点对应的异常分数值的均值、连通域内包含的一级像素点对应的相似度聚集度的均值和连通域内包含的一级像素点对应的相似度聚集度的标准差，获取同一簇的连通域对应的相似度密集度；

根据同一簇的连通域对应的相似度密集度获取待分析像素点对应的高质量塑料置信度。

进一步，所述相似度分布图中每个像素点对应的生长区域，获取的具体方法为：

将待分析像素点对应的相似度分布图中每个像素点均记为比较像素点，分别计算待分析像素点对应的相似度分布图中每个比较像素点与其八邻域内各个像素点对应的相似度的差值的绝对值，取每个比较像素点对应的这些绝对值的中值作为该比较像素点对应的相似度差异；

取相似度分布图中各像素点对应的相似度差异的均值作为生长阈值；

在相似度分布图中分别以每个像素点为种子点，当其八邻域内像素点对应的相似度与其差异小于等于生长阈值时，则将这些像素点进行标记，直至标记的像素点的八邻域内像素点对应的相似度与其差异均大于生长阈值；

将标记的这些像素点组成的区域记为种子点对应的生长区域。

进一步，所述相似度聚集度的表达式为：

式中，为相似度分布图中的像素点对应的相似度聚集度；/>为生长区域内包含的全包围像素点的个数；/>为像素点对应的生长区域内包含的像素点个数；/>为像素点对应的生长区域边缘包含的像素点个数。

进一步，所述相似度密集度的表达式为：

式中，为连通域/>对应的相似度密集度；/>为连通域/>内包含的像素点数量占所有连通域中像素点数量最多的连通域内像素点数量的比值；/>为连通域/>对应的各个二级像素点对应的异常分数值的均值；/>为连通域/>内包含的一级像素点对应的相似度聚集度的均值；/>为连通域/>内包含的一级像素点对应的相似度聚集度的标准差。

进一步，所述全包围像素点，获取的具体方法为：

获取生长区域内的各个像素点，选取其八邻域内包含的像素点均在生长区域内的各个像素点，将满足条件的像素点记为生长区域内包含的全包围像素点。

进一步，所述自相似窗口大小获取的具体方法为：

根据各个像素点与图像之间的整体相似程度确定像素点对应的自相似窗口边长；

以像素点对应的自相似窗口边长作为像素点对应的自相似窗口的边长，确定自相似窗口大小；

其中，自相似窗口边长的表达式为：

式中，为像素点/>对应的自相似窗口边长；/>为归一化函数，作用为取括号内的归一化值；/>均为常数系数；/>为四舍五入函数。

进一步，所述根据所有单通道增强图像获取塑料增强图像，具体方法为：

以所述每个像素点对应的自相似窗口大小作为对单通道塑料图像使用非局部均值滤波进行处理时每个像素点对应的自相似窗口大小，对每张单通道塑料图像使用非局部均值滤波进行处理，将获取的处理后的图像记为单通道增强图像；

各单通道增强图像中像素点的像素值即为经过处理后的像素值，根据三张单通道增强图像对应的通道和图像内各像素点对应的像素值获取经过处理后的塑料图像，该图像即为进行处理获得的增强图像。

进一步，所述对塑料增强图像中可降解塑料加工质量进行判断，实现对加工质量的检测，具体方法为：

对塑料增强图像使用图割划分出图像中的各个塑料块，将划分出的区域均记为塑料块区域；

分别计算各个塑料块区域在R、G、B三个通道对应的像素值的均值和极差，当塑料增强图像中各塑料块对应的极差均小于等于预设阈值且各个塑料块区域对应的三个通道值的均值的极差均小于等于预设阈值时，则认为这些可降解塑料块加工质量良好，否则，认为加工质量不良，需要将这些塑料块挑选出来。

本发明至少具有如下有益效果：

本发明以需要进行处理的可降解塑料的图像中每个通道内各个像素点之间的相似度作为基础进行分析，建立每个像素点对应的相似度分布图，解决仅以像素值之间的差异对图像进行处理导致的处理效果不佳的问题，提升后续分析的准确性；

然后，根据相似度分布图中各个像素点对应的相似度之间的聚集程度获取各个像素点对应的相似度聚集度，以此为基础筛选出图像中与相似度分布图中对应的像素点相似程度较大的多个区域，根据这些区域内包含的像素点对应的相似度聚集度和这些像素点之间的聚集性对上述筛选出的各个区域呈块状聚集的特征的显著度进行评价，根据该显著度确定每个像素点的自适应窗口边长，进而使用自相似窗口作为非局部均值滤波算法的滤波窗口对图像进行处理，解决对图像进行增强的过程中不同像素点位置的处理窗口均为人未设置的定值，使处理效果不确定的问题；

本发明在保证图像处理效果的前提下减小窗口大小以减小计算量和计算时间，实现不同像素点位置均可达到较好的图像处理效果的目的，提升对图像增强的效果。

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为本发明提供的基于图像增强的可降解塑料加工质量检测方法的流程图。

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效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像增强的可降解塑料加工质量检测方法，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基于图像增强的可降解塑料加工质量检测方法的具体方案。

本发明一个实施例提供的基于图像增强的可降解塑料加工质量检测方法。

具体的，本实施例的基于图像增强的可降解塑料加工质量检测方法提供了如下的用于基于图像增强的可降解塑料加工质量检测方法，请参阅图1，该方法包括以下步骤：

步骤S001，获取塑料图像，将塑料图像分为三张单通道塑料图像，根据单通道塑料图像中各个像素点的像素值获取同一通道内每两个像素点之间的相似度，根据相似度确定每个像素点对应的相似度分布图。

使用工业相机获取需要进行表面质量检测的可降解塑料的图像，记为塑料图像，塑料图像为RGB图像。分别对塑料图像三个通道的像素值进行提取，获得三个单通道图像，均记为单通道塑料图像。

以为相似窗口的边长，/>为高斯核标准差，/>为控制滤波程度系数，分别对每个单通道塑料图像使用非局部均值滤波算法获取每两个像素点之间的相似程度。其中，均为常数系数，经验值为3，1，1，实施者可根据需要自行设定。其中，根据非局部均值滤波算法获取每两个像素点之间的相似程度为现有公知技术，不在本实施例做详细阐述。

对图像中的任意像素点，图像中的任意一个像素点与/>之间均有一个对应的相似度，将各个像素点对应的相似度填写到像素点对应的位置，得到像素点/>对应的相似度分布图。

当像素点与单通道塑料图像中各个像素点的相似程度越大时，则相似度分布图中各个像素点的像素值越大。

至此，获取每个单通道图像中各个像素点与其他每个像素点对应的相似度，同时，获取图像中各个像素点对应的相似度分布图。

步骤S002，根据单通道塑料图像中各个像素点对应的相似度分布图获取每个通道下各个像素点的高质量塑料置信度。

考虑到降解塑料块间存在一致性和相似性，对获取的图像使用非局部均值滤波算法进行处理，根据图像各个部分之间的自相似性，在减少干扰信息的同时保护图像的纹理和边缘信息，达到良好的图像处理效果。

在对获取的图像使用非局部均值滤波算法进行处理的过程中，为了在达到应有的图像处理效果的基础下降低计算量、减少计算时间，对每个像素点对应的相似度分布图分别进行分析，确定该像素点位置对应的自相似窗口大小。

可降解塑料呈块状在图像中分布，当可降解塑料的质量良好时，不同块间的相似度较大，所以，当像素点对应的相似度分布图中各个相似度值较大且较大的相似度呈较多的块状聚集在图像中不同位置时，该像素点对应良好质量的可降解塑料的可能性较大，在进行图像增强时对该像素点赋予较小的自适应窗口即可达到较好的图像增强效果。

为方便理解，下文描述以对像素点对应的相似度分布图为例，其他像素点的分析同理。

计算像素点对应的相似度分布图中每个像素点与其八邻域内各个像素点对应的相似度的差值的绝对值，取这些绝对值的中值作为该像素点对应的相似度差异。取相似度分布图中各像素点对应的相似度差异的均值作为生长阈值/>。

以相似度分布图中各个像素点对应的相似度确定生长阈值，可获取更为适宜对相似度进行分析的生长阈值。

在相似度分布图中分别以每个像素点为种子点，当其八邻域内像素点对应的相似度与其差异小于等于生长阈值时，则将这些像素点进行标记，直至标记的像素点的八邻域内像素点对应的相似度与其差异均大于生长阈值/>，将标记的这些像素点组成的区域记为种子点对应的生长区域。当相似度分布图中像素点与其相邻的像素点的相似度越为接近时，则其对应的生长区域越大。其中，区域生长为现有公知技术，不在本实施例做详细阐述。

统计每个像素点对应的生长区域内包含的像素点个数和生长区域边缘包含的像素点个数。取生长区域内的各个像素点，选取其八邻域内包含的像素点均在生长区域内的各个像素点，将这些像素点记为生长区域内包含的全包围像素点，统计生长区域内包含的八邻域像素点的个数和全包围像素点的个数。

根据各个像素点对应的生长区域的相关指标确定每个像素点对应的相似度聚集度。

式中，为相似度分布图中的像素点对应的相似度聚集度；/>为生长区域内包含的全包围像素点的个数；/>为像素点对应的生长区域内包含的像素点个数；/>为像素点对应的生长区域边缘包含的像素点个数。

当像素点对应的生长区域越大、包含的全包围像素点的个数越多、生长区域边缘包含的像素点个数越多时，则该像素点对应的相似度聚集度越大，即该像素点对应的较为一致的相似度越为密集。

至此，相似度分布图中每个像素点均有一个对应的相似度聚集度。

建立平面直角坐标系，横轴数值对应相似度密集度，纵轴对应相似度，根据图中每个像素点对应的上述两个指标值在平面直角坐标系中标示出每个像素点对应的映射点。对平面直角坐标系中各个映射点使用K-means算法进行聚类，将这些映射点聚类为两类。其中，使用K-means算法对映射点进行聚类为现有公知技术，不在本实施例做详细阐述。选取像素点对应的映射点所在的簇，将该簇记为目标簇，目标簇内包含的各个映射点对应的像素点即为相似度分布图中与像素点/>相似度较大的点，将这些点标记为一级像素点。

根据各一级像素点的坐标建立二值图，将一级像素点位置的像素点对应的像素值标记为255，将其他像素点对应的像素值标记为0，在二值图中标记出所有一级像素点。对这些一级像素点进行连通域分析，统计二值图内包含的连通域的个数。其中，连通域分析为现有公知技术，不在本实施例做详细阐述。

对每个连通域进行分析。获取连通域边缘像素点，取这些边缘像素点八邻域内的所有相邻的像素点，选取这些相邻的像素点中的非一级像素点，将这些非一级像素点记为二级像素点。二级像素点即为连通域外圈的像素点。

获取各个连通域内包含的一级像素点和各个二级像素点对应的相似度聚集度，对这些相似度聚集度使用孤立森林获取每个数值对应的异常分数值。当该连通域包含的像素点越为相似时，则该连通域对应的各二级像素点与各一级像素点的差异越大，即这些二级像素点对应的异常分数值越大。其中，使用孤立森林获取每个数值对应的异常分数值为现有公知技术，不在本实施例做详细阐述。

获取连通域内包含的一级像素点对应的相似度聚集度的标准差和均值。获取各个连通域内包含的一级像素点个数的标准差和相似度聚集度的标准差。当各个连通域内包含的一级像素点对应的相似度聚集度的标准差和个数的标准差越小、通域内包含的一级像素点对应的相似度聚集度的均值越大时，则不同连通域包含的像素点的聚集程度越为接近，即与像素点相似度较大的各个像素点呈现均匀的块状聚集的特征越为明显，该像素点对应良好质量的可降解塑料的可能性越大，在进行图像增强时对该像素点赋予较小的自适应窗口即可达到较好的图像增强效果。

根据上述分析获取各个连通域对应的相似度密集度。

式中，为连通域/>对应的相似度密集度；/>为连通域/>内包含的像素点数量占所有连通域中像素点数量最多的连通域内像素点数量的比值；/>为连通域/>对应的各个二级像素点对应的异常分数值的均值；/>为连通域/>内包含的一级像素点对应的相似度聚集度的均值；/>为连通域/>内包含的一级像素点对应的相似度聚集度的标准差。

当连通域内包含的像素点数量越多、对应的相似度聚集度差异越小、与其对应的二级像素点的相似度聚集度差异越大时，则该连通域对应的相似度密集度越大，即像素点与该连通域的相似程度越大、该连通域位置呈块状聚集的特征越为明显。

根据上述分析像素点对应的高质量塑料置信度。

式中，为像素点/>对应的高质量塑料置信度。式中/>为对应的这些连通域内包含的像素点总个数占相似度分布图中像素点个数总数的比值；/>分别为各个连通域内包含的一级像素点对应的相似度聚集度的标准差和个数的标准差；/>为取以自然常数e为底负的括号内数值的对数；/>为二值图内包含的连通域的个数；/>为二值图内连通域/>对应的相似度密集度。

当像素点对应的这些连通域的相似度密集度越大、这些连通域内包含的像素点的个数和对应的相似度聚集度差异越小、这些连通域包含的像素点总数在图像中所占个数比越大时，则像素点/>对应的高质量塑料置信度越大，该像素点对应良好质量的可降解塑料的可能性越大，在进行图像增强时对该像素点赋予较小的自适应窗口即可达到较好的图像增强效果。

至此，可根据单通道塑料图像中每个像素点对应的相似度分布图获取该像素点对应的高质量塑料置信度。

步骤S003，根据每个像素点的高质量塑料置信度获取每个像素点对应的自相似窗口大小。

根据每个像素点对应的高质量塑料置信度获取对该像素点使用非局部均值滤波算法进行处理时对应的自相似窗口大小。

式中，为像素点/>对应的自相似窗口边长；/>为归一化函数，作用为取括号内的归一化值；/>均为常数系数，经验值分别为6，3，实施者可根据需要自行设定；/>为四舍五入函数，作用为取括号内数值的四舍五入值。

常数系数和四舍五入函数的作用为保证像素点对应的自相似窗口边长为奇数。

至此，每张单通道塑料图像中每个像素点均可获取对应的自相似窗口大小，以该值确定的自相似窗口可以使非局部均值滤波对图像进行处理时在保证图像处理效果的前提下尽量减小窗口大小以减小计算量和计算时间。

步骤S004，根据每个像素点对应的自相似窗口大小对单通道塑料图像进行处理获得单通道增强图像，根据所有单通道增强图像获取塑料增强图像。

以上述确定的每个像素点对应的自相似窗口大小作为窗口边长，对每张单通道塑料图像使用非局部均值滤波进行处理，将处理后的图像记为单通道增强图像。各单通道增强图像中像素点的像素值即为经过处理后的像素值，根据三张单通道增强图像对应的通道和图像内各像素点对应的像素值获取经过处理后的塑料图像，将该图像记为塑料增强图像，塑料增强图像为RGB图像。

步骤S005，对塑料增强图像中可降解塑料加工质量进行判断，实现对加工质量的检测。

对塑料增强图像使用grabcut图割划分出图像中的各个塑料块，将划分出的区域均记为塑料块区域。其中，使用grabcut图割划分出图像中的各个塑料块为现有公知技术，不在本实施例做详细阐述。

分别计算各个塑料块区域在R、G、B三个通道对应的像素值的均值和极差，当塑料增强图像中各塑料块对应的极差均小于等于且各个塑料块区域对应的三个通道值的均值的极差均小于等于/>时，则认为这些可降解塑料块加工质量良好，否则，认为加工质量不良，需要将这些塑料块挑选出来。其中，/>的经验值为20，实施者可根据需要自行设定。

至此，完成对可降解塑料的加工质量检测。

本实施例以需要进行处理的可降解塑料的图像中每个通道内各个像素点之间的相似度作为基础进行分析，建立每个像素点对应的相似度分布图，解决仅以像素值之间的差异对图像进行处理导致的处理效果不佳的问题，提升后续分析的准确性；然后，根据相似度分布图中各个像素点对应的相似度之间的聚集程度获取各个像素点对应的相似度聚集度，以此为基础筛选出图像中与相似度分布图中对应的像素点相似程度较大的多个区域，根据这些区域内包含的像素点对应的相似度聚集度和这些像素点之间的聚集性对上述筛选出的各个区域呈块状聚集的特征的显著度进行评价，根据该显著度确定每个像素点的自适应窗口边长，进而使用自相似窗口作为非局部均值滤波算法的滤波窗口对图像进行处理，解决对图像进行增强的过程中不同像素点位置的处理窗口均为人未设置的定值，使处理效果不确定的问题；本实施例在保证图像处理效果的前提下减小窗口大小以减小计算量和计算时间，实现不同像素点位置均可达到较好的图像处理效果的目的，提升对图像增强的效果。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

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；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，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 (10)

1.基于图像增强的可降解塑料加工质量检测方法，其特征在于，该方法包括以下步骤：

获取塑料图像，将塑料图像分为三张单通道塑料图像，根据单通道塑料图像中各个像素点的像素值获取同一通道内每两个像素点之间的相似度，根据相似度确定每个像素点对应的相似度分布图；

根据单通道塑料图像中各个像素点对应的相似度分布图获取每个通道下各个像素点的高质量塑料置信度；

根据每个像素点的高质量塑料置信度获取每个像素点对应的自相似窗口大小；

根据每个像素点对应的自相似窗口大小对单通道塑料图像进行处理获得单通道增强图像，根据所有单通道增强图像获取塑料增强图像；

对塑料增强图像中可降解塑料加工质量进行判断，实现对加工质量的检测。

2.如权利要求1所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述根据单通道塑料图像中各个像素点的像素值获取同一通道内每两个像素点之间的相似度，根据相似度确定每个像素点对应的相似度分布图，具体为：

对每个单通道塑料图像使用非局部均值滤波算法获取每两个像素点之间的相似程度；

将单通道塑料图像中的任意一个像素点记为一个待分析像素点，将待分析像素点与各个像素点对应的相似度填写到各像素点对应的位置，得到待分析像素点对应的相似度分布图。

3.如权利要求1所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述根据单通道塑料图像中各个像素点对应的相似度分布图获取每个通道下各个像素点的高质量塑料置信度，获取的具体步骤为：

根据每个待分析像素点对应的相似度分布图确定相似度分布图中每个像素点对应的生长区域；

根据生长区域内包含的像素点个数、全包围像素点的个数和边缘包含的像素点个数确定相似度分布图中每个像素点对应的相似度聚集度；

根据相似度分布图中每个像素点对应的相似度聚集度获取其中与待分析像素点同一簇的点，将这些同一簇的点标记为一级像素点；

根据一级像素点确定同一簇的连通域，取连通域边缘像素点，取连通域边缘像素点八邻域内的所有相邻的像素点，选取所述相邻的像素点中的非一级像素点，将所述非一级像素点记为二级像素点；

根据连通域内包含的像素点数量占所有连通域中像素点数量最多的连通域内像素点数量的比值、连通域对应的各个二级像素点对应的异常分数值的均值、连通域内包含的一级像素点对应的相似度聚集度的均值和连通域内包含的一级像素点对应的相似度聚集度的标准差，获取同一簇的连通域对应的相似度密集度；

根据同一簇的连通域对应的相似度密集度获取待分析像素点对应的高质量塑料置信度。

4.如权利要求3所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述相似度分布图中每个像素点对应的生长区域，获取的具体方法为：

将待分析像素点对应的相似度分布图中每个像素点均记为比较像素点，分别计算待分析像素点对应的相似度分布图中每个比较像素点与其八邻域内各个像素点对应的相似度的差值的绝对值，取每个比较像素点对应的这些绝对值的中值作为该比较像素点对应的相似度差异；

取相似度分布图中各像素点对应的相似度差异的均值作为生长阈值；

在相似度分布图中分别以每个像素点为种子点，当其八邻域内像素点对应的相似度与其差异小于等于生长阈值时，则将这些像素点进行标记，直至标记的像素点的八邻域内像素点对应的相似度与其差异均大于生长阈值；

将标记的这些像素点组成的区域记为种子点对应的生长区域。

5.如权利要求3所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述相似度聚集度的表达式为：

式中，为相似度分布图中的像素点对应的相似度聚集度；/>为生长区域内包含的全包围像素点的个数；/>为像素点对应的生长区域内包含的像素点个数；/>为像素点对应的生长区域边缘包含的像素点个数。

6.如权利要求3所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述相似度密集度的表达式为：

式中，为连通域/>对应的相似度密集度；/>为连通域/>内包含的像素点数量占所有连通域中像素点数量最多的连通域内像素点数量的比值；/>为连通域/>对应的各个二级像素点对应的异常分数值的均值；/>为连通域/>内包含的一级像素点对应的相似度聚集度的均值；/>为连通域/>内包含的一级像素点对应的相似度聚集度的标准差。

7.如权利要求5所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述全包围像素点，获取的具体方法为：

获取生长区域内的各个像素点，选取其八邻域内包含的像素点均在生长区域内的各个像素点，将满足条件的像素点记为生长区域内包含的全包围像素点。

8.如权利要求1所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述自相似窗口大小获取的具体方法为：

根据各个像素点与图像之间的整体相似程度确定像素点对应的自相似窗口边长；

以像素点对应的自相似窗口边长作为像素点对应的自相似窗口的边长，确定自相似窗口大小；

其中，自相似窗口边长的表达式为：

式中，为像素点/>对应的自相似窗口边长；/>为归一化函数，作用为取括号内的归一化值；/>均为常数系数；/>为四舍五入函数。

9.如权利要求1所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述根据所有单通道增强图像获取塑料增强图像，具体方法为：

以所述每个像素点对应的自相似窗口大小作为对单通道塑料图像使用非局部均值滤波进行处理时每个像素点对应的自相似窗口大小，对每张单通道塑料图像使用非局部均值滤波进行处理，将获取的处理后的图像记为单通道增强图像；

各单通道增强图像中像素点的像素值即为经过处理后的像素值，根据三张单通道增强图像对应的通道和图像内各像素点对应的像素值获取经过处理后的塑料图像，该图像即为进行处理获得的增强图像。

10.权利要求1所述的基于图像增强的可降解塑料加工质量检测方法，其特征在于，所述对塑料增强图像中可降解塑料加工质量进行判断，实现对加工质量的检测，具体方法为：

对塑料增强图像使用图割划分出图像中的各个塑料块，将划分出的区域均记为塑料块区域；

分别计算各个塑料块区域在R、G、B三个通道对应的像素值的均值和极差，当塑料增强图像中各塑料块对应的极差均小于等于预设阈值且各个塑料块区域对应的三个通道值的均值的极差均小于等于预设阈值时，则认为这些可降解塑料块加工质量良好，否则，认为加工质量不良，需要将这些塑料块挑选出来。