CN116883395B - 一种基于图像处理的硫铵生产颜色检测方法与系统 - Google Patents
一种基于图像处理的硫铵生产颜色检测方法与系统 Download PDFInfo
- Publication number
- CN116883395B CN116883395B CN202311139345.0A CN202311139345A CN116883395B CN 116883395 B CN116883395 B CN 116883395B CN 202311139345 A CN202311139345 A CN 202311139345A CN 116883395 B CN116883395 B CN 116883395B
- Authority
- CN
- China
- Prior art keywords
- ammonium sulfate
- image
- region
- color
- halation
- 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
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 title claims abstract description 362
- 229910052921 ammonium sulfate Inorganic materials 0.000 title claims abstract description 362
- 235000011130 ammonium sulphate Nutrition 0.000 title claims abstract description 362
- 238000012545 processing Methods 0.000 title claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 54
- 238000005286 illumination Methods 0.000 claims abstract description 50
- 239000013598 vector Substances 0.000 claims abstract description 39
- 238000004220 aggregation Methods 0.000 claims abstract description 26
- 230000002776 aggregation Effects 0.000 claims abstract description 26
- 238000013139 quantization Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 45
- 239000001166 ammonium sulphate Substances 0.000 claims description 21
- 238000002310 reflectometry Methods 0.000 claims description 17
- 125000001475 halogen functional group Chemical group 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000006116 polymerization reaction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000000758 substrate Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- -1 iron ions Chemical class 0.000 description 2
- 239000012716 precipitator Substances 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于图像处理的硫铵生产颜色检测方法与系统,采集硫铵图像、硫铵灰度图像及参考图像;根据硫铵图像、硫铵灰度图像及参考图像各区域的灰度信息得到硫铵图像各区域的量化类别数;根据硫铵图像各区域的量化类别数采用颜色聚合技术得到硫铵图像的颜色聚合向量;根据硫铵图像、合格硫铵图像的颜色聚合向量计算硫铵图像的硫铵颜色变化率,判断硫铵图像的硫铵颜色级别。排除了光照对硫铵颜色提取的影响,解决了硫铵颜色发生微量变化未能准确提取的问题。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种基于图像处理的硫铵生产颜色检测方法与系统。
背景技术
硫铵颜色变化通常伴随着化学反应的进行。通过观察颜色变化,可以初步判断反应是否发生,以及反应的进行程度。这对于实验室合成、工业生产、环境污染等领域非常重要,有助于了解反应的即时情况。一般对硫铵生产颜色进行检测的方法是利用分光光度计测量溶液的吸光度,通过光谱特征和峰值的变化来推断硫铵颜色的变化,但该方法需要复杂的专用仪器设备和专业的操作技术,若操作失误将会严重影响检测结果。
传统的图像处理技术对硫铵颜色变化进行检测时,图像中可能存在亮度明暗不均的现象,且硫铵颜色会被光照影响使其色彩丰富度降低,如果直接针对这种图像进行主题色提取,那么就可能会在分析硫铵颜色变化时忽略一些及其微小的变化,导致硫铵颜色检测结果出现偏差。
综上所述,本发明提出一种基于图像处理的硫铵生产颜色检测方法,采集硫铵图像,通过对硫铵表面受到光照影响程度进行分析,改进颜色聚合向量的颜色量化类别,完成对硫铵生产颜色的检测。
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处理的硫铵生产颜色检测方法与系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种基于图像处理的硫铵生产颜色检测方法,该方法包括以下步骤:
采集硫铵图像和硫铵灰度图像;
采集无硫铵的参考图像,对硫铵图像、硫铵灰度图像及参考图像划分区域;
根据硫铵灰度图像与参考图像各区域的灰度信息得到硫铵灰度图像各区域的硫铵表面反射率;获取当前环境下摄像系统的像面照度及距离硫铵的垂直距离;根据所述像面照度、硫铵图像各区域的亮度分量及硫铵灰度图像各区域的硫铵表面反射率得到硫铵图像各区域的光晕强度;
采用otsu算法获取基于硫铵图像各区域的光晕强度的自适应阈值;根据所述垂直距离、硫铵图像的自适应阈值及硫铵图像各区域的光晕强度得到硫铵图像各区域的硫铵光照影响因子;根据硫铵图像各区域的硫铵光照影响因子及光晕强度得到各区域的量化类别数;
根据硫铵图像各区域的量化类别数采用颜色聚合技术得到各区域的颜色聚合向量,由所述各区域的颜色聚合向量组合得到硫铵图像的颜色聚合向量;根据硫铵图像、合格硫铵图像的颜色聚合向量计算硫铵图像的硫铵颜色变化率;根据硫铵颜色变化率确定硫铵图像的硫铵颜色级别。
优选的,所述对硫铵图像、硫铵灰度图像及参考图像划分区域,包括:
对于硫铵图像、硫铵灰度图像及参考图像,将这三张图像划分为大小相同的各区域,所述各区域在三张图像中一一对应。
优选的,所述根据硫铵灰度图像与参考图像各区域的灰度信息得到硫铵灰度图像各区域的硫铵表面反射率,包括:
分别计算硫铵灰度图像、参考图像各区域的灰度均值;
将硫铵灰度图像各区域灰度均值与参考图像对应区域灰度均值的比值作为硫铵灰度图像区域的硫铵表面反射率。
优选的,所述根据所述像面照度、硫铵图像各区域的亮度分量及硫铵灰度图像各区域的硫铵表面反射率得到硫铵图像各区域的光晕强度,包括:
获取硫铵图像各区域的亮度差异度;将所述像面照度和硫铵图像各区域的亮度差异度的乘积作为硫铵图像各区域的第一乘积;
将所述各区域的第一乘积与硫铵灰度图像各区域的硫铵表面反射率的比值作为硫铵图像各区域的光晕强度。
优选的,所述获取硫铵图像各区域的亮度差异度,包括:
计算各区域像素点的亮度分量均值,将硫铵图像中亮度分量均值最小的区域记为最小区域,将各区域与所述最小区域的亮度分量均值的差值作为所述区域的亮度差异度。
优选的,所述根据所述垂直距离、硫铵图像的自适应阈值及硫铵图像各区域的光晕强度得到硫铵图像各区域的硫铵光照影响因子,表达式为:
式中,为硫铵图像第i行第j列区域的硫铵光照影响因子,/>为硫铵图像第i行第j列区域的光晕强度,/>为硫铵图像的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域数量,/>为硫铵图像中光晕强度小于光晕阈值的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域的光晕强度均值,/>为硫铵图像中光晕强度小于光晕阈值的区域的光晕强度均值,/>为摄像系统距离硫铵的垂直距离,/>为常数调节因子。
优选的,所述根据硫铵图像各区域的硫铵光照影响因子及光晕强度得到各区域的量化类别数,表达式为:
式中,为硫铵图像第i行第j列区域的量化类别数,/>为取整函数,/>为线性归一化函数,/>为硫铵图像第i行第j列区域的硫铵光照影响因子,/>为初始量化类别数,/>为硫铵图像中光晕强度大于光晕阈值的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域中第i个区域的光晕强度,/>为调节参数。
优选的,所述根据硫铵图像、合格硫铵图像的颜色聚合向量计算硫铵图像的硫铵颜色变化率,表达式为:
式中,为硫铵图像的硫铵颜色变化率,/>为硫铵图像的颜色聚合向量,/>为合格硫铵图像的颜色聚合向量,/>为取模符号,/>为向量对应元素的乘积符号。
优选的,所述根据硫铵颜色变化率确定硫铵图像的硫铵颜色级别,包括:
当硫铵颜色变化率小于第一颜色变化阈值时,硫铵颜色未变;
当硫铵颜色变化率大于第一颜色变化阈值且小于第二颜色变化阈值时,硫铵颜色微变;
当硫铵颜色变化率大于第二颜色变化阈值时,硫铵颜色重变。
第二方面,本发明实施例还提供了一种基于图像处理的硫铵生产颜色检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明针对光照对硫铵图像造成亮暗不均的问题分析得到各区域的硫铵表面反射率,用于评价每个区域的光晕强度,即光照对硫铵表面产生的影响,基于光晕强度在整体的分布不均匀情况,结合各区域的光晕强度得到各区域的硫铵光照影响因子,将硫铵受到光照影响的程度进行量化,便于对各区域受到光照的影响程度进行判断,提高判断准确率;
通过结合硫铵图像的硫铵光照影响因子,对颜色聚合向量技术中的颜色量化类别数确定进行改进,针对每个区域都得到了自适应量化类别数,对于光照影响较大的区域,可以将微小变化的颜色区分出来,提高颜色区分度,实现硫铵颜色更精确的划分,解决硫铵颜色发生微量变化未能准确提取的问题。
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为本发明提供的一种基于图像处理的硫铵生产颜色检测方法的流程图。
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处理的硫铵生产颜色检测方法与系统,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处理的硫铵生产颜色检测方法与系统的具体方案。
本发明一个实施例提供的一种基于图像处理的硫铵生产颜色检测方法与系统。
具体的,提供了如下的一种基于图像处理的硫铵生产颜色检测方法,请参阅图1,该方法包括以下步骤:
步骤S001,获取硫铵的颜色图像,并对图像进行预处理得到硫铵图像和硫铵灰度图像。
本实施例通过图像处理技术对硫铵生产颜色进行检测,由于CCD相机具有较高的像素数和较大的光敏面积,能够捕捉细节丰富、高分辨率的图像,也能够捕捉较宽的亮度范围,从阴影到高光细节都能够得到很好的保留,有利于后续的图像处理和分析,因此,本实施例采用CCD相机对硫铵的生产结果进行拍摄,获取硫铵的RGB颜色图像。
RGB模型是一种常用的模型,但就本实施例研究的颜色检测方法的情况来看,使用HSI颜色模型来描述彩色是最自然且直观的,符合人眼的视觉特性,从而更加接近人对彩色的认识和理解;且采用HSI彩色空间能够大幅减少彩色图像处理时的复杂度,在加快处理速度的同时简化图像分析、处理的工作量。因此,本实施例将RGB颜色空间图像转化为HSI颜色空间图像和灰度图像。
为了减少图像中的噪声和干扰,提高后续图像处理算法的准确性和稳定性,本实施例采用中值滤波的方法对HSI图像和灰度图像进行滤波,得到去噪后的硫铵图像A、硫铵灰度图像B。其中,中值滤波技术为公知技术,本实施例不再赘述。
至此,即可通过这种方法采集到硫铵图像和硫铵灰度图像。
步骤S002,针对硫铵受到光照的影响程度进行分析,改进颜色聚合向量技术的颜色量化类别,提取硫铵主题色。
一般来说,硫铵纯品为接近白色的小晶粒,而在工业品中这种小晶粒呈现白色或稍微带一些黄色。如果生产的硫铵颜色出现变化,那么说明其品质较差。
为了准确评定硫铵的外观颜色,本实施例针对光照对硫铵图像造成亮暗不均的问题进行分析,对硫铵的生产颜色进行检测,采用颜色聚合向量技术对硫铵的主题色进行提取,通过判断当前硫铵图像与合格硫铵图像之间主题色的差异度,实现其生产颜色的检测。具体步骤如下:
考虑到在硫铵的生产过程中,由于摄像角度或物体遮挡的原因致使硫铵图像存在光照分布不均匀、图像存在或明或暗的现象,本实施例将硫铵灰度图像B记为,对其划分为/>个大小为/>的区域,将区域记为/>,则硫铵灰度图像B可表示为:
然后在同等的光照条件下,以同样的设备、同样的角度拍摄一张不包含硫铵的参考图像,记为图像C,按照和图像B同样的操作步骤,划分为个大小为/>的区域,将第i行第j列区域记为/>,根据图像B和图像C,计算各区域的硫铵表面反射率。其中,针对第i行第j列区域的硫铵表面反射率的表达式为:
式中,为硫铵灰度图像第i行第j列区域内的灰度均值,/>为参考图像第i行第j列区域内的灰度均值,/>为硫铵灰度图像第i行第j列区域的硫铵表面反射率。
需要说明的是,通过将包含硫铵的硫铵灰度图像区域与不包含硫铵的参考图像中对应区域内的灰度均值求其比值,以此来衡量硫铵在整个图像中的相对亮度,作为硫铵表面对入射光反射程度的度量,记为硫铵表面反射率;硫铵表面反射率越大,表示硫铵吸收的入射光较少,被反射到人眼的光较多,说明此处硫铵越亮。
然后针对硫铵图像A,将图像A同样划分为个大小为/>的区域,将图像A记为/>,划分的区域记为/>,则硫铵图像A可表示为:
对图像A不同区域的亮度进行分析,单选HSI图像中的亮度分量I,计算每个区域内亮度分量的均值,将图像A中亮度分量均值最小的区域记为最小区域/>,最小区域的最小亮度分量均值为/>,然后将图像A每个区域的/>与/>做差值运算,得到每个区域的亮度差异度,记为/>。
在摄像系统表面放置一个外置照度计,摄像系统距离硫铵的垂直距离为,以此测量在当前环境下摄像系统的像面照度,并将测量得到的数据记为/>,该步骤为现有公知技术,故不做详细陈述。针对图像A中第i行第j列区域,根据上述指标构建该区域的光晕强度。
式中,为硫铵图像第i行第j列区域的光晕强度,/>为摄像系统的像面照度,为硫铵图像第i行第j列区域的亮度差异度,/>为硫铵灰度图像第i行第j列区域的硫铵表面反射率,其中,/>记为硫铵图像第i行第j列区域的第一乘积。
需要说明的是,越大,表明该摄像系统拍摄的硫铵图像亮度越强,故会对该区域的光晕强度存在放大的影响;/>越大,表明该区域的亮度与最小亮度差值越大,则该区域的光晕强度越强;/>越小,表明图像反射的能量越少,图像吸收的能量就越多,该区域的光晕强度就越大,即该区域受到光照的影响就越大。
经过上述步骤,得到了硫铵图像中每个区域内的光晕强度,然后使用OTSU大津阈值法根据不同区域的光晕强度得到光晕阈值,硫铵图像的区域数量为/>,其中光晕强度大于光晕阈值/>的区域数量为/>,光晕强度小于光晕阈值/>的区域数量为/>,根据上述指标构建硫铵光照影响因子。
式中,为硫铵图像第i行第j列区域的硫铵光照影响因子,/>为硫铵图像第i行第j列区域的光晕强度,/>为硫铵图像的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域数量,/>为硫铵图像中光晕强度小于光晕阈值的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域的光晕强度均值,/>为硫铵图像中光晕强度小于光晕阈值的区域的光晕强度均值,/>为摄像系统距离硫铵的垂直距离,/>为常数调节因子。
其中,设置常数调节因子是为了避免分母为零的情况,本实施例取/>。
需要说明的是,越大,表示光晕强度越大,光照影响越强,即/>越大;/>越大,表示硫铵图像中光晕强度超过光晕阈值的区域占比较大,硫铵图像受光照影响的区域较多,即/>越大;/>越大,表示硫铵图像的光晕强度方差越大,图像中光晕强度分布较不均匀,即/>越大;/>越小,表示硫铵图像中光晕强度小于光晕阈值的占比较小,硫铵图像受光照影响的区域较少,即/>越大;/>越大,表示摄像系统与硫铵的距离越远,光照影响减弱,/>越小。
对于硫铵图像,使用颜色聚合向量技术提取硫铵主题色时,需要将硫铵图像各像素点的颜色值进行量化,而量化的类别数对颜色的聚合起到至关重要的作用。
考虑到硫铵在生产过程中的颜色变化较为单一,比较可能朝三个方向变化:由于电捕焦油器中的焦油含量超标发生硫铵发黑、发灰的现象,或者因为混入铁离子造成硫铵发红的现象,而且当焦油含量或铁离子混入的比例不同时,其发黑、发灰或者发红的程度也会不一样。
再加上拍摄光线的影响,会造成像素点聚合的误差,因此本实施例将根据上述指标对硫铵图像的每个区域构建一个自适应的量化类别数。
式中,为硫铵图像第i行第j列区域的量化类别数,/>为取整函数,/>为线性归一化函数,/>为硫铵图像第i行第j列区域的硫铵光照影响因子,/>为初始量化类别数,本实施例将/>取经验值4,/>为硫铵图像中光晕强度大于光晕阈值的区域数量,为硫铵图像中光晕强度大于光晕阈值的区域中第i个区域的光晕强度,/>为调节参数,取经验值10。
需要说明的是,越大,表示硫铵图像该区域的光照影响因子越强,进而会提高个别像素点的颜色值,造成区域内颜色类别减少,将相差较小的颜色被划分为相同的颜色类别,故需要增大/>,使得该区域在受到光照影响下的更能准确区分出该区域的不同类别的颜色;/>越大,表示整幅硫铵图像中各区域的光晕强度值越大,对该区域内的颜色量化类别数考虑到整幅图像的光照影响,进而需要提高该区域内颜色量化类别,越大。/>越大,可以实现硫铵颜色更精确的划分,解决硫铵颜色发生微量变化未能准确提取的问题。
重复上述步骤,可以得到硫铵图像每个区域的量化类别数。
基于每个区域的量化类别数,对每个区域的颜色值进行连通域提取,统计相同颜色值的像素点个数;
设置数量阈值,根据数量阈值判断该颜色是否聚合,得到各区域的颜色聚合向量,表征该区域的硫铵颜色信息。其中,本实施例的数量阈值取经验值50。
将硫铵图像所有区域的颜色聚合向量进行拼接得到颜色聚合向量Q,用来表征硫铵图像的颜色信息。完成硫铵图像的主题色提取。
步骤S003,将硫铵图像提取与合格硫铵图像的颜色聚合向量进行比较,判断硫铵的颜色级别。
颜色聚合向量技术不仅可以将大量的颜色信息压缩成一个向量形式,大大降低了颜色信息的计算成本,而且通过将颜色转化为向量形式,也便于使颜色通过向量之间的距离进行比较,更好的计算颜色之间的差异,从而实现更精确的颜色匹配和颜色检测。
在拍摄条件相同的情况下获取合格硫铵图像,采用上述同样的方法获取合格硫铵图像的颜色聚合向量。结合硫铵图像的颜色聚合向量/>,计算硫铵颜色变化率,从而判断硫铵颜色的变化程度,实现硫铵的颜色检测。
式中,为硫铵图像的硫铵颜色变化率,/>为硫铵图像的颜色聚合向量,/>为合格硫铵图像的颜色聚合向量,/>为取模符号,/>为向量对应元素的乘积符号。
需要说明的是,如果硫铵图像与合格硫铵图像的颜色聚合向量相差较大,则的值较小,越接近0,即硫铵图像的硫铵颜色变化率较大,说明硫铵图像的颜色出现较大的变化,即硫铵的质量较差。
设置第一颜色变化阈值和第二颜色变化阈值。本实施例将硫铵颜色变化分为未变、微变、重变三个级别,根据计算得到的硫铵颜色变化率,考虑外在因素导致出现误差的影响,允许出现一定程度的误差。
当硫铵颜色变化率小于第一颜色变化阈值时,则认为硫铵颜色未发生变化;当硫铵颜色变化率大于第一颜色变化阈值且小于第二颜色变化阈值时,则认为硫铵颜色发生微变;当硫铵颜色变化率大于第二颜色变化阈值时,则认为硫铵颜色发生重度变化。
其中,本实施例对第一颜色变化阈值和第二颜色变化阈值分别取经验值、,实施者可自行设定。
至此,可实现硫铵生产颜色的检测。
综上所述,本发明实施例提出一种基于图像处理的硫铵生产颜色检测方法,采集硫铵图像,通过对硫铵表面受到光照影响程度进行分析,改进颜色聚合向量的颜色量化类别,完成对硫铵生产颜色的检测。
本发明实施例针对光照对硫铵图像造成亮暗不均的问题分析得到各区域的硫铵表面反射率,用于评价每个区域的光晕强度,即光照对硫铵表面产生的影响,基于光晕强度在整体的分布不均匀情况,结合各区域的光晕强度得到各区域的硫铵光照影响因子,将硫铵受到光照影响的程度进行量化,便于对各区域受到光照的影响程度进行判断,提高判断准确率;
通过结合硫铵图像的硫铵光照影响因子,对颜色聚合向量技术中的颜色量化类别数确定进行改进,针对每个区域都得到了自适应量化类别数,对于光照影响较大的区域,可以将微小变化的颜色区分出来,提高颜色区分度,实现硫铵颜色更精确的划分,解决硫铵颜色发生微量变化未能准确提取的问题。
基于与上述方法相同的发明构思,本发明实施例还提供了一种基于图像处理的硫铵生产颜色检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种基于图像处理的硫铵生产颜色检测方法中任意一项所述方法的步骤。
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 (7)
1.一种基于图像处理的硫铵生产颜色检测方法,其特征在于,该方法包括以下步骤:
采集硫铵图像和硫铵灰度图像;
采集无硫铵的参考图像,对硫铵图像、硫铵灰度图像及参考图像划分区域;
根据硫铵灰度图像与参考图像各区域的灰度信息得到硫铵灰度图像各区域的硫铵表面反射率;获取当前环境下摄像系统的像面照度及距离硫铵的垂直距离;根据所述像面照度、硫铵图像各区域的亮度分量及硫铵灰度图像各区域的硫铵表面反射率得到硫铵图像各区域的光晕强度;
采用otsu算法获取基于硫铵图像各区域的光晕强度的自适应阈值;根据所述垂直距离、硫铵图像的自适应阈值及硫铵图像各区域的光晕强度得到硫铵图像各区域的硫铵光照影响因子;根据硫铵图像各区域的硫铵光照影响因子及光晕强度得到各区域的量化类别数;
根据硫铵图像各区域的量化类别数采用颜色聚合技术得到各区域的颜色聚合向量,由所述各区域的颜色聚合向量组合得到硫铵图像的颜色聚合向量;根据硫铵图像、合格硫铵图像的颜色聚合向量计算硫铵图像的硫铵颜色变化率;根据硫铵颜色变化率确定硫铵图像的硫铵颜色级别;
所述根据所述垂直距离、硫铵图像的自适应阈值及硫铵图像各区域的光晕强度得到硫铵图像各区域的硫铵光照影响因子,表达式为:
式中,为硫铵图像第i行第j列区域的硫铵光照影响因子,/>为硫铵图像第i行第j列区域的光晕强度,/>为硫铵图像的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域数量,/>为硫铵图像中光晕强度小于光晕阈值的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域的光晕强度均值,/>为硫铵图像中光晕强度小于光晕阈值的区域的光晕强度均值,/>为摄像系统距离硫铵的垂直距离,/>为常数调节因子;
所述根据硫铵图像各区域的硫铵光照影响因子及光晕强度得到各区域的量化类别数,表达式为:
式中,为硫铵图像第i行第j列区域的量化类别数,/>为取整函数,/>为线性归一化函数,/>为硫铵图像第i行第j列区域的硫铵光照影响因子,/>为初始量化类别数,为硫铵图像中光晕强度大于光晕阈值的区域数量,/>为硫铵图像中光晕强度大于光晕阈值的区域中第i个区域的光晕强度,/>为调节参数;
所述根据硫铵图像、合格硫铵图像的颜色聚合向量计算硫铵图像的硫铵颜色变化率,表达式为:
式中,为硫铵图像的硫铵颜色变化率,/>为硫铵图像的颜色聚合向量,/>为合格硫铵图像的颜色聚合向量,/>为取模符号,/>为向量对应元素的乘积符号。
2.如权利要求1所述的一种基于图像处理的硫铵生产颜色检测方法,其特征在于,所述对硫铵图像、硫铵灰度图像及参考图像划分区域,包括:
对于硫铵图像、硫铵灰度图像及参考图像,将这三张图像划分为大小相同的各区域,所述各区域在三张图像中一一对应。
3.如权利要求1所述的一种基于图像处理的硫铵生产颜色检测方法,其特征在于,所述根据硫铵灰度图像与参考图像各区域的灰度信息得到硫铵灰度图像各区域的硫铵表面反射率,包括:
分别计算硫铵灰度图像、参考图像各区域的灰度均值;
将硫铵灰度图像各区域灰度均值与参考图像对应区域灰度均值的比值作为硫铵灰度图像区域的硫铵表面反射率。
4.如权利要求1所述的一种基于图像处理的硫铵生产颜色检测方法,其特征在于,所述根据所述像面照度、硫铵图像各区域的亮度分量及硫铵灰度图像各区域的硫铵表面反射率得到硫铵图像各区域的光晕强度,包括:
获取硫铵图像各区域的亮度差异度;将所述像面照度和硫铵图像各区域的亮度差异度的乘积作为硫铵图像各区域的第一乘积;
将所述各区域的第一乘积与硫铵灰度图像各区域的硫铵表面反射率的比值作为硫铵图像各区域的光晕强度。
5.如权利要求4所述的一种基于图像处理的硫铵生产颜色检测方法,其特征在于,所述获取硫铵图像各区域的亮度差异度,包括:
计算各区域像素点的亮度分量均值,将硫铵图像中亮度分量均值最小的区域记为最小区域,将各区域与所述最小区域的亮度分量均值的差值作为所述区域的亮度差异度。
6.如权利要求1所述的一种基于图像处理的硫铵生产颜色检测方法,其特征在于,所述根据硫铵颜色变化率确定硫铵图像的硫铵颜色级别,包括:
当硫铵颜色变化率小于第一颜色变化阈值时,硫铵颜色未变;
当硫铵颜色变化率大于第一颜色变化阈值且小于第二颜色变化阈值时,硫铵颜色微变;
当硫铵颜色变化率大于第二颜色变化阈值时,硫铵颜色重变。
7.一种基于图像处理的硫铵生产颜色检测系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311139345.0A CN116883395B (zh) | 2023-09-06 | 2023-09-06 | 一种基于图像处理的硫铵生产颜色检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311139345.0A CN116883395B (zh) | 2023-09-06 | 2023-09-06 | 一种基于图像处理的硫铵生产颜色检测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883395A CN116883395A (zh) | 2023-10-13 |
CN116883395B true CN116883395B (zh) | 2023-11-21 |
Family
ID=88271840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311139345.0A Active CN116883395B (zh) | 2023-09-06 | 2023-09-06 | 一种基于图像处理的硫铵生产颜色检测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883395B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103274489A (zh) * | 2013-05-21 | 2013-09-04 | 中冶焦耐工程技术有限公司 | 一种利用荒煤气余热为热源的负压蒸氨工艺及设备 |
CN104192865A (zh) * | 2014-08-13 | 2014-12-10 | 首钢水城钢铁(集团)有限责任公司 | 一种基于改变母液颜色生产纯净硫铵的方法 |
JP2018039686A (ja) * | 2016-09-06 | 2018-03-15 | 新日鐵住金株式会社 | 硫安の製造方法、および硫安の製造設備 |
CN108596985A (zh) * | 2018-04-19 | 2018-09-28 | 华东交通大学 | 一种Grey Edge参数主动优化的稀土溶液颜色矫正方法 |
CN116309559A (zh) * | 2023-05-17 | 2023-06-23 | 山东鲁玻玻璃科技有限公司 | 一种中硼硅玻璃生产瑕疵智能识别方法 |
CN116626029A (zh) * | 2023-07-20 | 2023-08-22 | 津泰(天津)医疗器械有限公司 | 一种用于糖尿病氯化钴试纸色差的检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6327071B2 (ja) * | 2014-09-03 | 2018-05-23 | オムロン株式会社 | 画像処理装置および画像処理方法 |
-
2023
- 2023-09-06 CN CN202311139345.0A patent/CN116883395B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103274489A (zh) * | 2013-05-21 | 2013-09-04 | 中冶焦耐工程技术有限公司 | 一种利用荒煤气余热为热源的负压蒸氨工艺及设备 |
CN104192865A (zh) * | 2014-08-13 | 2014-12-10 | 首钢水城钢铁(集团)有限责任公司 | 一种基于改变母液颜色生产纯净硫铵的方法 |
JP2018039686A (ja) * | 2016-09-06 | 2018-03-15 | 新日鐵住金株式会社 | 硫安の製造方法、および硫安の製造設備 |
CN108596985A (zh) * | 2018-04-19 | 2018-09-28 | 华东交通大学 | 一种Grey Edge参数主动优化的稀土溶液颜色矫正方法 |
CN116309559A (zh) * | 2023-05-17 | 2023-06-23 | 山东鲁玻玻璃科技有限公司 | 一种中硼硅玻璃生产瑕疵智能识别方法 |
CN116626029A (zh) * | 2023-07-20 | 2023-08-22 | 津泰(天津)医疗器械有限公司 | 一种用于糖尿病氯化钴试纸色差的检测方法 |
Non-Patent Citations (1)
Title |
---|
硫铵颜色合格率低的原因及改进措施;孙峰;李学春;赵素萍;;科技创业家(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883395A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9750326B2 (en) | Transparency evaluation device, transparency evaluation method and transparency evaluation program | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN110440921B (zh) | 一种颜色识别传感器模块和颜色识别方法 | |
CN110298840B (zh) | 一种基于图像的纱线缺陷检测方法 | |
CN107563976A (zh) | 美颜参数获取方法、装置、可读存储介质和计算机设备 | |
CN114648594B (zh) | 一种基于图像识别的纺织品颜色检测方法及系统 | |
CN109118442B (zh) | 一种基于Sobel算子滤波的图像增强方法 | |
CN107180439B (zh) | 一种基于Lab色度空间的色偏特征提取和色偏检测方法 | |
CN115994907B (zh) | 用于食品检测机构综合信息的智能处理系统及方法 | |
CN111724376B (zh) | 一种基于纹理特征分析的纸病检测方法 | |
CN110044485B (zh) | 一种图像式织物颜色测量方法 | |
CN116883395B (zh) | 一种基于图像处理的硫铵生产颜色检测方法与系统 | |
US8526717B2 (en) | Rich color transition curve tracking method | |
CN112651945A (zh) | 一种基于多特征的多曝光图像感知质量评价方法 | |
CN116642827A (zh) | 基于高光谱成像技术的大批量织物沾色评级方法及系统 | |
CN103871084B (zh) | 蓝印花布图案识别方法 | |
CN114926661A (zh) | 一种纺织品表面颜色数据处理、识别方法及系统 | |
CN115100400A (zh) | 镜片膜色测量方法、系统、计算机设备及存储介质 | |
CN113297977B (zh) | 活体检测方法、装置及电子设备 | |
WO2021020482A1 (en) | Surface characteristics evaluation method, surface characteristics evaluation apparatus, and surface characteristics evaluation program | |
CN111537457A (zh) | 一种基于紫外可见光相似度的色差分析方法 | |
CN113297978B (zh) | 活体检测方法、装置及电子设备 | |
Guo et al. | Color difference matrix index for tone-mapped images quality assessment | |
CN112001288B (zh) | 一种单幅多光谱遥感图像深灰色飞机快速检测方法 | |
CN109949320A (zh) | 基于熵与互信息的高光谱图像超像元分割方法 |
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 |