CN117611578B - 一种图像处理方法及图像处理系统 - Google Patents
一种图像处理方法及图像处理系统 Download PDFInfo
- Publication number
- CN117611578B CN117611578B CN202410063225.5A CN202410063225A CN117611578B CN 117611578 B CN117611578 B CN 117611578B CN 202410063225 A CN202410063225 A CN 202410063225A CN 117611578 B CN117611578 B CN 117611578B
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- coefficient
- value
- threshold
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 230000005856 abnormality Effects 0.000 claims abstract description 102
- 230000000007 visual effect Effects 0.000 claims abstract description 94
- 238000004364 calculation method Methods 0.000 claims abstract description 54
- 238000000605 extraction Methods 0.000 claims abstract description 40
- 238000013209 evaluation strategy Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 46
- 238000012937 correction Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004393 visual impairment 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
-
- 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像处理方法及图像处理系统，涉及图像处理技术领域，该系统运行时，通过图像采集模块进行图像采集，获取原始图像数据，通过提取模块进行特征提取，获取原始图像中的亮度信息和像素信息，通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集，通过图像计算模块进行计算，获取：视觉异常指数Sjzs，通过评估模块与预设的视觉异常阈值S进行匹配，获取视觉异常评估策略方案，最后通过执行模块将视觉异常评估策略方案的内容，进行具体执行和通知，进而检测拍摄图像中的出现的光斑和阴影的视觉问题，并提供个性化的调整建议，达到优化图像质量，提高工作效率，降低设备拍摄次数的目的。
Description
技术领域
本发明涉及图像处理技术领域，具体为一种图像处理方法及图像处理系统。
背景技术
图像处理作为计算机科学与工程领域的一个分支，深入应用于各种具体场景，在多种高拍仪设备的应用下，图像处理的具体一点的领域扩展到了实时图像采集和传输，高拍仪广泛应用于政府窗口、金融、学校教室、通信、医疗行业和企事业单位，在这些具体场景中，高拍仪被用于快速获取文件、证件、工程图纸和多种纸质或平面物体的图像，以实现快速、便捷、环保的办公方式。
其中，在拍摄光滑表面的文件材料时，常常出现光斑问题，光斑通常是在光线照射到光滑或反光表面时产生的亮点，这是由光的反射形成的，当阳光或者灯光直射到相机镜头或物体表面时，可能产生明亮的光斑，这些光斑在图像中形成明显的亮区，影响了图像的整体清晰度和对比度，特别是当光斑位于被拍摄物体的关键区域时，可能导致细节丢失和颜色失真，甚至使整个区域出现过曝现象。
同时，还可能出现阴影问题，阴影产生是由于光线经过物体表面的折射和反射过程中形成的暗淡区域，在强光照射下，建筑物、人物或其他物体可能投下明显的阴影，这些阴影使得图像中的局部区域变得较暗，物体轮廓不够清晰，丧失了一些细节。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种图像处理方法及图像处理系统，解决了背景技术中提到的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种图像处理系统，包括图像采集模块、提取模块、预处理模块、图像计算模块、评估模块和执行模块；
所述图像采集模块通过高拍仪设备进行图像采集，获取原始图像数据；
所述提取模块对原始图像数据进行特征提取，获取原始图像中的亮度信息和像素信息；
所述预处理模块对提取出来的亮度信息和像素信息进行校验和归一化处理，组成第一数据集和第二数据集；
所述图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs；
所述视觉异常指数Sjzs通过以下公式获取：
Sjzs＝[(A*Ldxs)+(B*Tdxs)+(C*Dbxs)]+D；
式中，Ldxs表示图像亮度系数，Tdxs表示图像梯度系数，Dbxs表示图像对比系数，A、B和C分别表示图像亮度系数Ldxs、图像梯度系数Tdxs和图像对比系数Dbxs的比例系数，D表示第一修正常数；
所述图像亮度系数Ldxs通过第一数据集计算获取，并与预设的图像亮度阈值L进行对比，获取图像亮度异常方案；
所述图像梯度系数Tdxs通过第二数据集计算获取，并与预设的图像梯度阈值T进行对比，获取图像梯度异常方案；
所述图像对比系数Dbxs通过第一数据集和第二数据集计算获取，并与预设的图像对比阈值J进行对比，获取图像对比异常方案；
所述评估模块通过预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案；
所述执行模块通过视觉异常评估策略方案内容，进行具体执行和通知。
优选的，所述图像采集模块包括图像获取单元和转换单元；
所述图像获取单元通过高拍仪设备进行拍摄，进而捕获原始图像；
所述转换单元对获取的原始图像进行转换，获取图像数字化信息，组成原始图像数据。
优选的，所述提取模块包括亮度提取单元和像素提取单元；
所述亮度提取单元对原始图像数据进行图像亮度特征提取，获取图像亮度相关信息，包括：图像最大亮度值、图像最小亮度值和多个像素亮度值；
所述像素提取单元对原始图像数据进行像素特征提取，获取图像像素相关信息，包括：红色通道值、绿色通道值、蓝色通道值和灰度值。
优选的，所述预处理模块包括校验单元和归一化单元；
所述校验单元对亮度信息和像素信息进行校验，包括检测异常值、数据缺失或不完整的数据值，进行平均化、剔除和补充操作；
所述归一化单元对亮度信息和像素信息进行归一化处理，使其处于同一量纲下，组成第一数据集和第二数据集；
第一数据集包括：最大亮值Zdlz、最小亮值Zxlz和像素亮值Xslz；
第二数据集包括：红色通道值Rtd、绿色通道值Gtd、蓝色通道值Btd和梯度值Tdz。
优选的，所述图像计算模块包括计算单元；
所述计算单元对第二数据集使用空间导数进行第一次计算，获取：图像梯度系数Tdxs，并与第一数据集进行第二次计算，获取：图像亮度系数Ldxs和图像对比系数Dbxs，再对图像梯度系数Tdxs、图像亮度系数Ldxs和图像对比系数Dbxs进行第三次计算，获取：视觉异常指数Sjzs。
优选的，所述图像亮度系数Ldxs通过以下计算公式获取：
式中，N表示总像素数量值，Xslzi表示第i个像素的像素亮值，i表示总像素数量值N中的一个像素位置，通过与总像素数量值N的计算，获取指示出图像的平均亮度值：图像亮度系数Ldxs，F表示第二修正常数；
且，图像亮度系数Ldxs与预设的图像亮度阈值L进行对比，获取图像亮度异常方案：
图像亮度系数Ldxs＜图像亮度阈值L，图像亮度值无异常；
图像亮度系数Ldxs≥图像亮度阈值L，存在图像亮度异常区域，包括存在光斑或者阴影，当图像亮度系数Ldxs≥图像亮度阈值L两倍时，判定拍摄物品或者材料存在亮度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置；
所述图像对比系数Dbxs通过以下公式获取：
式中，通过最大亮值Zdlz和最小亮值Zxlz差值与最大亮值Zdlz和最小亮值Zxlz的累积和的比例值，再与红色通道值Rtd、绿色通道值Gtd和蓝色通道值Btd的平均数值，进行计算，获取指示出图像中存在的亮暗差异值：图像对比系数Dbxs，G表示第三修正常数；
且，图像对比系数Dbxs与预设的图像对比阈值J进行对比，获取图像对比异常方案：
图像对比系数Dbxs＜图像对比阈值J，图像对比度无异常；
图像对比系数Dbxs≥图像对比阈值J，图像对比度异常，存在暗影区域或者高亮区域，当图像对比系数Dbxs≥图像对比阈值J两倍时，判定拍摄物品或者材料存在对比度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置。
优选的，所述图像梯度系数Tdxs通过以下公式获取：
式中，N表示总像素数量值，Tdzi表示第i个像素的梯度值，i表示总像素数量值N中的一个像素位置，通过与总像素数量值N的计算，指示出图像中像素亮度的变化率值：图像梯度系数Tdxs，H表示第四修正常数；
且，图像梯度系数Tdxs与预设的图像梯度阈值T进行对比，获取图像梯度异常方案：
图像梯度系数Tdxs＜图像梯度阈值T，图像梯度无异常；
图像梯度系数Tdxs≥图像梯度阈值T，图像梯度值异常，图像中存在异常边缘区域，当图像梯度系数Tdxs≥图像梯度阈值T两倍时，判定图像梯度值异常，进行语言提示工作人员调整拍摄物品位置以及整理拍摄物品表面。
优选的，所述评估模块包括匹配单元和生成单元；
所述匹配单元通过预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案：
视觉异常指数Sjzs＜视觉异常阈值S，拍摄物品无视觉异常；
视觉异常指数Sjzs≥视觉异常阈值S，拍摄物品存在视觉异常，停止拍摄物品的识别，对拍摄物品的设备进行角度调整和语言提示工作人员进行调整拍摄物品；
所述生成单元对获取的视觉异常评估策略方案内容进行生成执行指令，进而生成对设备进行角度调整和相关工作人员的语音提示的执行指令。
优选的，所述执行模块包括运行单元；
所述运行单元对视觉异常评估策略方案内容生成的执行指令进行具体执行，进而对拍摄设备进行角度调节和拍摄参数调节，以及对预设的语音提示记录进行选择和播放，同时在拍摄设备的关联交互页面上进行弹窗提示视觉异常评估策略方案的具体内容。
一种图像处理方法，包括以下步骤：
步骤一：通过图像采集模块进行图像采集，获取原始图像数据；
步骤二：通过提取模块对原始图像数据进行特征提取，获取亮度信息和像素信息；
步骤三：通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集；
步骤四：通过图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs；
步骤五：通过评估模块将预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案；
步骤六：通过执行模块对视觉异常评估策略方案内容，进行具体执行和通知。
(三)有益效果
本发明提供了一种图像处理方法及图像处理系统，具备以下有益效果：
(1)系统运行时，通过图像采集模块进行图像采集，获取原始图像数据，通过提取模块进行特征提取，获取原始图像中的亮度信息和像素信息，通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集，通过图像计算模块进行计算，获取：视觉异常指数Sjzs，通过评估模块与预设的视觉异常阈值S进行匹配，获取视觉异常评估策略方案，最后通过执行模块将视觉异常评估策略方案的内容，进行具体执行和通知，进而对能够有效地检测拍摄图像中的出现的光斑和阴影这种视觉问题，并进行定量评估拍摄图像中光斑和阴影的对拍摄图像的影响程度，根据具体的影响程度提供个性化的调整建议，进而达到优化图像质量，提高工作效率，降低设备拍摄次数的目的。
(2)通过图像亮度异常方案、图像对比异常方案、图像梯度异常方案和视觉异常评估策略方案多个异常方案，对高拍仪设备的拍摄过程中容易忽略的光斑、阴影和明暗不一致问题进行判定，同时给出了应对措施和方案，便于工作人员进行对拍摄物品进行调整，进而提高了工作效率和降低设备反复拍摄的次数，有利于延长设备使用寿命。
(3)通过步骤一至步骤六，对图像采集，获取原始图像数据，并对原始图像数据进行特征提取，获取亮度信息和像素信息，再通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集，通过图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs，再通过评估模块将预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案，最后通过执行模块对视觉异常评估策略方案内容，进行具体执行和通知，达到了对高拍仪设备工作过程被拍摄物品可能出现的光斑或者阴影进行识别，尽可能降低了因为光斑和阴影对图像数据造成的模糊和不准确的情况。
附图说明
图1为本发明一种图像处理系统框图流程示意图；
图2为本发明一种图像处理方法步骤示意图。
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、完整的描述，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。
图像处理作为计算机科学与工程领域的一个分支，深入应用于各种具体场景，在多种高拍仪设备的应用下，图像处理的具体一点的领域扩展到了实时图像采集和传输，高拍仪广泛应用于政府窗口、金融、学校教室、通信、医疗行业和企事业单位，在这些具体场景中，高拍仪被用于快速获取文件、证件、工程图纸和多种纸质或平面物体的图像，以实现快速、便捷、环保的办公方式。
其中，在拍摄光滑表面的文件材料时，常常出现光斑问题，光斑通常是在光线照射到光滑或反光表面时产生的亮点，这是由光的反射形成的，当阳光或者灯光直射到相机镜头或物体表面时，可能产生明亮的光斑，这些光斑在图像中形成明显的亮区，影响了图像的整体清晰度和对比度，特别是当光斑位于被拍摄物体的关键区域时，可能导致细节丢失和颜色失真，甚至使整个区域出现过曝现象。
同时，还可能出现阴影问题，阴影产生是由于光线经过物体表面的折射和反射过程中形成的暗淡区域，在强光照射下，建筑物、人物或其他物体可能投下明显的阴影，这些阴影使得图像中的局部区域变得较暗，物体轮廓不够清晰，丧失了一些细节。
实施例1
本发明提供一种图像处理系统，请参阅图1，包括图像采集模块、提取模块、预处理模块、图像计算模块、评估模块和执行模块；
所述图像采集模块通过高拍仪设备进行图像采集，获取原始图像数据；
所述提取模块对原始图像数据进行特征提取，获取原始图像中的亮度信息和像素信息；
所述预处理模块对提取出来的亮度信息和像素信息进行校验和归一化处理，组成第一数据集和第二数据集；
所述图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs；
所述视觉异常指数Sjzs通过以下公式获取：
Sjzs＝[(A*Ldxs)+(B*Tdxs)+(C*Dbxs)]+D；
式中，Ldxs表示图像亮度系数，Tdxs表示图像梯度系数，Dbxs表示图像对比系数，A、B和C分别表示图像亮度系数Ldxs、图像梯度系数Tdxs和图像对比系数Dbxs的比例系数，D表示第一修正常数；
其中，0.24≤A≤0.32，0.25≤B≤0.34，0.23≤C≤0.34，且，A+B+C≤1.0；
所述图像亮度系数Ldxs通过第一数据集计算获取，并与预设的图像亮度阈值L进行对比，获取图像亮度异常方案；
所述图像梯度系数Tdxs通过第二数据集计算获取，并与预设的图像梯度阈值T进行对比，获取图像梯度异常方案；
所述图像对比系数Dbxs通过第一数据集和第二数据集计算获取，并与预设的图像对比阈值J进行对比，获取图像对比异常方案；
所述评估模块通过预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案；
所述执行模块通过视觉异常评估策略方案内容，进行具体执行和通知。
本实施例中，通过图像采集模块进行图像采集，获取原始图像数据，通过提取模块进行特征提取，获取原始图像中的亮度信息和像素信息，通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集，通过图像计算模块进行计算，获取：视觉异常指数Sjzs，通过评估模块与预设的视觉异常阈值S进行匹配，获取视觉异常评估策略方案，最后通过执行模块将视觉异常评估策略方案的内容，进行具体执行和通知，进而对能够有效地检测拍摄图像中的出现的光斑和阴影这种视觉问题，并进行定量评估拍摄图像中光斑和阴影的对拍摄图像的影响程度，根据具体的影响程度提供个性化的调整建议，进而达到优化图像质量，提高工作效率，降低设备拍摄次数的目的。
实施例2
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述图像采集模块包括图像获取单元和转换单元；
所述图像获取单元通过高拍仪设备进行拍摄，进而捕获原始图像；
所述转换单元对获取的原始图像进行转换，获取图像数字化信息，组成原始图像数据。
所述提取模块包括亮度提取单元和像素提取单元；
所述亮度提取单元对原始图像数据进行图像亮度特征提取，获取图像亮度相关信息，包括：图像最大亮度值、图像最小亮度值和多个像素亮度值；
所述像素提取单元对原始图像数据进行像素特征提取，获取图像像素相关信息，包括：红色通道值、绿色通道值、蓝色通道值和灰度值。
所述预处理模块包括校验单元和归一化单元；
所述校验单元对亮度信息和像素信息进行校验，包括检测异常值、数据缺失或不完整的数据值，进行平均化、剔除和补充操作；
异常值：包括超过平均亮度值的极端高或极端低的亮度值，以及超出图像表示范围两倍的像素值；
平均化：将所有数值相加，然后除以数据的总数量得到平均值；
剔除：使用统计学方法，包括标准差或箱线图，确定异常值，并将其从数据集中剔除；
补充：使用插值方法，包括线性插值或多项式插值，根据已知平均值进行补充；
所述归一化单元对亮度信息和像素信息进行归一化处理，使其处于同一量纲下，组成第一数据集和第二数据集；
第一数据集包括：最大亮值Zdlz、最小亮值Zxlz和像素亮值Xslz；
第二数据集包括：红色通道值Rtd、绿色通道值Gtd、蓝色通道值Btd和梯度值Tdz。
所述图像计算模块包括计算单元；
所述计算单元对第二数据集使用空间导数进行第一次计算，获取：图像梯度系数Tdxs，并与第一数据集进行第二次计算，获取：图像亮度系数Ldxs和图像对比系数Dbxs，再对图像梯度系数Tdxs、图像亮度系数Ldxs和图像对比系数Dbxs进行第三次计算，获取：视觉异常指数Sjzs。
实施例3
本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述图像亮度系数Ldxs通过以下计算公式获取：
式中，N表示总像素数量值，Xslzi表示第i个像素的像素亮值，i表示总像素数量值N中的一个像素位置，通过与总像素数量值N的计算，获取指示出图像的平均亮度值：图像亮度系数Ldxs，F表示第二修正常数；
且，图像亮度系数Ldxs与预设的图像亮度阈值L进行对比，获取图像亮度异常方案：
图像亮度系数Ldxs＜图像亮度阈值L，图像亮度值无异常；
图像亮度系数Ldxs≥图像亮度阈值L，存在图像亮度异常区域，包括存在光斑或者阴影，当图像亮度系数Ldxs≥图像亮度阈值L两倍时，判定拍摄物品或者材料存在亮度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置；
所述图像对比系数Dbxs通过以下公式获取：
式中，通过最大亮值Zdlz和最小亮值Zxlz差值与最大亮值Zdlz和最小亮值Zxlz的累积和的比例值，再与红色通道值Rtd、绿色通道值Gtd和蓝色通道值Btd的平均数值，进行计算，获取指示出图像中存在的亮暗差异值：图像对比系数Dbxs，G表示第三修正常数；
且，图像对比系数Dbxs与预设的图像对比阈值J进行对比，获取图像对比异常方案：
图像对比系数Dbxs＜图像对比阈值J，图像对比度无异常；
图像对比系数Dbxs≥图像对比阈值J，图像对比度异常，存在暗影区域或者高亮区域，当图像对比系数Dbxs≥图像对比阈值J两倍时，判定拍摄物品或者材料存在对比度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置。
所述图像梯度系数Tdxs通过以下公式获取：
式中，N表示总像素数量值，Tdzi表示第i个像素的梯度值，i表示总像素数量值N中的一个像素位置，通过与总像素数量值N的计算，指示出图像中像素亮度的变化率值：图像梯度系数Tdxs，H表示第四修正常数；
且，图像梯度系数Tdxs与预设的图像梯度阈值T进行对比，获取图像梯度异常方案：
图像梯度系数Tdxs＜图像梯度阈值T，图像梯度无异常；
图像梯度系数Tdxs≥图像梯度阈值T，图像梯度值异常，图像中存在异常边缘区域，当图像梯度系数Tdxs≥图像梯度阈值T两倍时，判定图像梯度值异常，进行语言提示工作人员调整拍摄物品位置以及整理拍摄物品表面。
所述评估模块包括匹配单元和生成单元；
所述匹配单元通过预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案：
视觉异常指数Sjzs＜视觉异常阈值S，拍摄物品无视觉异常；
视觉异常指数Sjzs≥视觉异常阈值S，拍摄物品存在视觉异常，停止拍摄物品的识别，以降低产生不清晰或受影响的图像的情况，对拍摄物品的设备进行角度调整，尽可能减少或消除视觉异常的区域，语言提示工作人员进行调整拍摄物品，提醒工作人员介入并进行手动调整，使得即使自动调整不能解决问题的情况下，人工操作也能够实时纠正异常情况；
所述生成单元对获取的视觉异常评估策略方案内容进行生成执行指令，进而生成对设备进行角度调整和相关工作人员的语音提示的执行指令。
所述执行模块包括运行单元；
所述运行单元对视觉异常评估策略方案内容生成的执行指令进行具体执行，进而对拍摄设备进行角度调节和拍摄参数调节，以及对预设的语音提示记录进行选择和播放，同时在拍摄设备的关联交互页面上进行弹窗提示视觉异常评估策略方案的具体内容；
角度调节：包括控制拍摄设备进行高度、左右和前后调节角度；
拍摄参数：控制拍摄设备进行调整光圈大小、调整曝光时长和调整IOS值大小来调节。
本实施例中，通过图像亮度异常方案、图像对比异常方案、图像梯度异常方案和视觉异常评估策略方案多个异常方案，对高拍仪设备的拍摄过程中容易忽略的光斑、阴影和明暗不一致问题进行判定，同时给出了应对措施和方案，便于工作人员进行对拍摄物品进行调整，进而提高了工作效率和降低设备反复拍摄的次数，有利于延长设备使用寿命。
实施例4
一种图像处理方法，请参照图2，具体的：包括以下步骤：
步骤一：通过图像采集模块进行图像采集，获取原始图像数据；
步骤二：通过提取模块对原始图像数据进行特征提取，获取亮度信息和像素信息；
步骤三：通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集；
步骤四：通过图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs；
步骤五：通过评估模块将预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案；
步骤六：通过执行模块对视觉异常评估策略方案内容，进行具体执行和通知。
本实施例中，通过步骤一至步骤六，对图像采集，获取原始图像数据，并对原始图像数据进行特征提取，获取亮度信息和像素信息，再通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集，通过图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs，再通过评估模块将预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案，最后通过执行模块对视觉异常评估策略方案内容，进行具体执行和通知，达到了对高拍仪设备工作过程被拍摄物品可能出现的光斑或者阴影进行识别，尽可能降低了因为光斑和阴影对图像数据造成的模糊和不准确的情况。
具体示例：某某高拍仪使用的一种图像处理系统，将使用一些具体的参数和值来演示如何计算：视觉异常指数Sjzs、图像梯度系数Tdxs、图像亮度系数Ldxs和图像对比系数Dbxs；
假设拥有以下参数值：
总像素数量值N：48；
第一数据集包括：最大亮值Zdlz：255、最小亮值Zxlz：4和像素亮值Xslz：215；
第二数据集包括：红色通道值Rtd：170、绿色通道值Gtd：140、蓝色通道值Btd：130和梯度值Tdz：150；
第二修正常数F：0.53；
根据图像亮度系数Ldxs的计算公式获取：
Ldxs＝[1/48*215]+0.53＝5；
将图像亮度阈值L设置为10，与图像亮度系数Ldxs进行对比，获取：图像亮度系数Ldxs＜图像亮度阈值L，图像亮度值无异常；
第三修正常数G：0.64；
根据图像对比系数Dbxs的计算公式获取：
Dbxs＝[(170+140+130)/3]/[(255-4)/(255+4)]+G＝10；
将图像对比阈值J设置为10，与图像对比系数Dbxs进行对比，获取：图像对比系数Dbxs≥图像对比阈值J，图像对比度异常，存在暗影区域或者高亮区域，当图像对比系数Dbxs≥图像对比阈值J两倍时，判定拍摄物品或者材料存在对比度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置；
第四修正常数H：0.88；
根据图像梯度系数Tdxs的计算公式获取：
Tdxs＝[(1/48)*|150|]+0.88＝4；
将图像梯度阈值T设置为10，与图像梯度系数Tdxs进行对比，获取图像梯度系数Tdxs＜图像梯度阈值T，图像梯度无异常；
第一修正常数D：0.42，比例系数A：0.29、B：0.31和C：0.32；
根据视觉异常指数Sjzs的计算公式获取：
Sjzs＝[(0.29*5)+(0.31*10)+(0.32*4)]+0.42＝6；
将视觉异常阈值S设置为5，与视觉异常指数Sjzs进行对比，获取：视觉异常指数Sjzs≥视觉异常阈值S，拍摄物品存在视觉异常，停止拍摄物品的识别，对拍摄物品的设备进行角度调整和语言提示工作人员进行调整拍摄物品。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种图像处理系统，其特征在于：包括图像采集模块、提取模块、预处理模块、图像计算模块、评估模块和执行模块；
所述图像采集模块通过高拍仪设备进行图像采集，获取原始图像数据；
所述提取模块对原始图像数据进行特征提取，获取原始图像中的亮度信息和像素信息；
所述预处理模块对提取出来的亮度信息和像素信息进行校验和归一化处理，组成第一数据集和第二数据集；
所述图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs；
所述视觉异常指数Sjzs通过以下公式获取：
Sjzs＝[(A*Ldxs)+(B*Tdxs)+(C*Dbxs)]+D；
式中，Ldxs表示图像亮度系数，Tdxs表示图像梯度系数，Dbxs表示图像对比系数，A、B和C分别表示图像亮度系数Ldxs、图像梯度系数Tdxs和图像对比系数Dbxs的比例系数，D表示第一修正常数；
所述图像亮度系数Ldxs通过第一数据集计算获取，并与预设的图像亮度阈值L进行对比，获取图像亮度异常方案；
所述图像亮度系数Ldxs通过以下计算公式获取：
式中，N表示总像素数量值，Xslzi表示第i个像素的像素亮值，i表示总像素数量值N中的一个像素位置，通过与总像素数量值N的计算，获取指示出图像的平均亮度值：图像亮度系数Ldxs，F表示第二修正常数；
且，图像亮度系数Ldxs与预设的图像亮度阈值L进行对比，获取图像亮度异常方案：
图像亮度系数Ldxs＜图像亮度阈值L，图像亮度值无异常；
图像亮度系数Ldxs≥图像亮度阈值L，存在图像亮度异常区域，包括存在光斑或者阴影，当图像亮度系数Ldxs≥图像亮度阈值L两倍时，判定拍摄物品或者材料存在亮度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置；
所述图像梯度系数Tdxs通过第二数据集计算获取，并与预设的图像梯度阈值T进行对比，获取图像梯度异常方案；
所述图像梯度系数Tdxs通过以下公式获取：
式中，N表示总像素数量值，Tdzi表示第i个像素的梯度值，i表示总像素数量值N中的一个像素位置，通过与总像素数量值N的计算，指示出图像中像素亮度的变化率值：图像梯度系数Tdxs，H表示第四修正常数；
且，图像梯度系数Tdxs与预设的图像梯度阈值T进行对比，获取图像梯度异常方案：
图像梯度系数Tdxs＜图像梯度阈值T，图像梯度无异常；
图像梯度系数Tdxs≥图像梯度阈值T，图像梯度值异常，图像中存在异常边缘区域，当图像梯度系数Tdxs≥图像梯度阈值T两倍时，判定图像梯度值异常，进行语言提示工作人员调整拍摄物品位置以及整理拍摄物品表面；
所述图像对比系数Dbxs通过第一数据集和第二数据集计算获取，并与预设的图像对比阈值J进行对比，获取图像对比异常方案；
图像对比系数Dbxs通过以下公式获取：
式中，通过最大亮值Zdlz和最小亮值Zxlz差值与最大亮值Zdlz和最小亮值Zxlz的累积和的比例值，再与红色通道值Rtd、绿色通道值Gtd和蓝色通道值Btd的平均数值，进行计算，获取指示出图像中存在的亮暗差异值：图像对比系数Dbxs，G表示第三修正常数；
且，图像对比系数Dbxs与预设的图像对比阈值J进行对比，获取图像对比异常方案：
图像对比系数Dbxs＜图像对比阈值J，图像对比度无异常；
图像对比系数Dbxs≥图像对比阈值J，图像对比度异常，存在暗影区域或者高亮区域，当图像对比系数Dbxs≥图像对比阈值J两倍时，判定拍摄物品或者材料存在对比度异常，进行拍摄角度调整和语言提示工作人员调整拍摄物品位置；
所述评估模块通过预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案；
所述评估模块包括匹配单元和生成单元；
所述匹配单元通过预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案：
视觉异常指数Sjzs＜视觉异常阈值S，拍摄物品无视觉异常；
视觉异常指数Sjzs≥视觉异常阈值S，拍摄物品存在视觉异常，停止拍摄物品的识别，对拍摄物品的设备进行角度调整和语言提示工作人员进行调整拍摄物品；
所述生成单元对获取的视觉异常评估策略方案内容进行生成执行指令，进而生成对设备进行角度调整和相关工作人员的语音提示的执行指令；
所述执行模块通过视觉异常评估策略方案内容，进行具体执行和通知。
2.根据权利要求1所述的一种图像处理系统，其特征在于：所述图像采集模块包括图像获取单元和转换单元；
所述图像获取单元通过高拍仪设备进行拍摄，进而捕获原始图像；
所述转换单元对获取的原始图像进行转换，获取图像数字化信息，组成原始图像数据。
3.根据权利要求1所述的一种图像处理系统，其特征在于：所述提取模块包括亮度提取单元和像素提取单元；
所述亮度提取单元对原始图像数据进行图像亮度特征提取，获取图像亮度相关信息，包括：图像最大亮度值、图像最小亮度值和多个像素亮度值；
所述像素提取单元对原始图像数据进行像素特征提取，获取图像像素相关信息，包括：红色通道值、绿色通道值、蓝色通道值和灰度值。
4.根据权利要求3所述的一种图像处理系统，其特征在于：所述预处理模块包括校验单元和归一化单元；
所述校验单元对亮度信息和像素信息进行校验，包括检测异常值、数据缺失或不完整的数据值，进行平均化、剔除和补充操作；
所述归一化单元对亮度信息和像素信息进行归一化处理，使其处于同一量纲下，组成第一数据集和第二数据集；
第一数据集包括：最大亮值Zdlz、最小亮值Zxlz和像素亮值Xslz；
第二数据集包括：红色通道值Rtd、绿色通道值Gtd、蓝色通道值Btd和梯度值Tdz。
5.根据权利要求4所述的一种图像处理系统，其特征在于：所述图像计算模块包括计算单元；
所述计算单元对第二数据集使用空间导数进行第一次计算，获取：图像梯度系数Tdxs，并与第一数据集进行第二次计算，获取：图像亮度系数Ldxs和图像对比系数Dbxs，再对图像梯度系数Tdxs、图像亮度系数Ldxs和图像对比系数Dbxs进行第三次计算，获取：视觉异常指数Sjzs。
6.根据权利要求1所述的一种图像处理系统，其特征在于：所述执行模块包括运行单元；
所述运行单元对视觉异常评估策略方案内容生成的执行指令进行具体执行，进而对拍摄设备进行角度调节和拍摄参数调节，以及对预设的语音提示记录进行选择和播放，同时在拍摄设备的关联交互页面上进行弹窗提示视觉异常评估策略方案的具体内容。
7.一种图像处理方法，包括上述权利要求1～6任一一项所述的一种图像处理系统，其特征在于：包括以下步骤：
步骤一：通过图像采集模块进行图像采集，获取原始图像数据；
步骤二：通过提取模块对原始图像数据进行特征提取，获取亮度信息和像素信息；
步骤三：通过预处理模块对亮度信息和像素信息进行预处理，组成第一数据集和第二数据集；
步骤四：通过图像计算模块对第一数据集和第二数据集进行计算，获取：视觉异常指数Sjzs；
步骤五：通过评估模块将预设的视觉异常阈值S与视觉异常指数Sjzs进行匹配，获取视觉异常评估策略方案；
步骤六：通过执行模块对视觉异常评估策略方案内容，进行具体执行和通知。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410063225.5A CN117611578B (zh) | 2024-01-17 | 2024-01-17 | 一种图像处理方法及图像处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410063225.5A CN117611578B (zh) | 2024-01-17 | 2024-01-17 | 一种图像处理方法及图像处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117611578A CN117611578A (zh) | 2024-02-27 |
| CN117611578B true CN117611578B (zh) | 2024-06-11 |
Family
ID=89958117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410063225.5A Active CN117611578B (zh) | 2024-01-17 | 2024-01-17 | 一种图像处理方法及图像处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117611578B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118090730A (zh) * | 2024-04-17 | 2024-05-28 | 临沂大学 | 一种基于机器视觉的石榴发酵红茶成熟度检测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010112472A1 (fr) * | 2009-03-30 | 2010-10-07 | Universite De Nantes | Procédé et dispositif d'évaluation de la qualité visuelle d'une image ou d'une séquence d'images, mettant en oeuvre des indicateurs objectifs, et programme d'ordinateur correspondant. |
| CN105741328A (zh) * | 2016-01-22 | 2016-07-06 | 西安电子科技大学 | 基于视觉感知的拍摄图像质量评价方法 |
| CN112767327A (zh) * | 2021-01-08 | 2021-05-07 | 上海大学 | 基于神经网络的图像质量管理系统及方法 |
| CN115496668A (zh) * | 2021-06-18 | 2022-12-20 | 武汉Tcl集团工业研究院有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN116486585A (zh) * | 2023-06-19 | 2023-07-25 | 合肥米视科技有限公司 | 一种基于ai机器视觉分析预警的生产安全管理系统 |
| CN116797510A (zh) * | 2022-03-10 | 2023-09-22 | 哲库科技(上海)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8131098B2 (en) * | 2007-07-06 | 2012-03-06 | Panasonic Corporation | Image processing device, image processing method, image processing system, program, storage medium, and integrated circuit |
| TWI472989B (zh) * | 2012-12-04 | 2015-02-11 | Pixart Imaging Inc | 影像調整方法以及使用此影像調整方法的光學導航裝置 |
| WO2022064639A1 (ja) * | 2020-09-25 | 2022-03-31 | 株式会社日立国際電気 | 異常検出装置、異常検出方法及び異常検出システム |
-
2024
- 2024-01-17 CN CN202410063225.5A patent/CN117611578B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010112472A1 (fr) * | 2009-03-30 | 2010-10-07 | Universite De Nantes | Procédé et dispositif d'évaluation de la qualité visuelle d'une image ou d'une séquence d'images, mettant en oeuvre des indicateurs objectifs, et programme d'ordinateur correspondant. |
| CN105741328A (zh) * | 2016-01-22 | 2016-07-06 | 西安电子科技大学 | 基于视觉感知的拍摄图像质量评价方法 |
| CN112767327A (zh) * | 2021-01-08 | 2021-05-07 | 上海大学 | 基于神经网络的图像质量管理系统及方法 |
| CN115496668A (zh) * | 2021-06-18 | 2022-12-20 | 武汉Tcl集团工业研究院有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN116797510A (zh) * | 2022-03-10 | 2023-09-22 | 哲库科技(上海)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
| CN116486585A (zh) * | 2023-06-19 | 2023-07-25 | 合肥米视科技有限公司 | 一种基于ai机器视觉分析预警的生产安全管理系统 |
Non-Patent Citations (2)
| Title |
|---|
| No Reference Color Image Contrast and Quality Measures;K. Panetta et al.;IEEE Transactions on Consumer Electronics,;20130925;第59卷(第3期);第643-651页 * |
| 基于图像内容对比感知的图像质量客观评价;姚军财 等;物理学报;20200723;第69卷(第14期);第148702页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117611578A (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117611578B (zh) | 一种图像处理方法及图像处理系统 | |
| CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
| CN107347151A (zh) | 双目摄像头遮挡检测方法及装置 | |
| CN105744268A (zh) | 摄像头遮挡检测方法及装置 | |
| EP1300804A2 (en) | Face detecting method by skin color recognition | |
| CN110110131B (zh) | 一种基于深度学习与双目立体视觉的飞机线缆支架识别与参数获取方法 | |
| CN112839216B (zh) | 一种图像色彩校正方法及装置 | |
| CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
| CN106454144B (zh) | 一种对谷歌眼镜图像过度曝光的校正方法 | |
| CN117764986B (zh) | 基于图像处理的钛板表面缺陷检测方法 | |
| CN111915735B (zh) | 一种针对视频中三维结构轮廓的深度优化方法 | |
| CN107545251A (zh) | 人脸质量判别及图片增强的方法及装置 | |
| US7305124B2 (en) | Method for adjusting image acquisition parameters to optimize object extraction | |
| CN115731166A (zh) | 一种基于深度学习的高压电缆接头打磨缺陷检测方法 | |
| CN112200755B (zh) | 一种图像去雾方法 | |
| CN115108466A (zh) | 一种集装箱吊具智能定位的方法 | |
| CN112991329A (zh) | 一种基于gan的图像阴影检测和消除方法 | |
| CN113362221A (zh) | 用于门禁的人脸识别系统与人脸识别方法 | |
| CN112465720A (zh) | 一种基于图像天空分割的图像去雾方法、装置和存储介质 | |
| CN111738934B (zh) | 基于mtcnn的红眼自动修复方法 | |
| US20050063605A1 (en) | Region based illumination-normalization method and system | |
| CN114358131A (zh) | 数码相框智能照片优化处理系统 | |
| CN114463814A (zh) | 一种基于图像处理的快速证件照眼镜检测方法 | |
| CN111539329A (zh) | 一种自适应的变电站指针仪表识别方法 | |
| CN112132767A (zh) | 一种基于计算机视觉的太阳能电池板阴影处理方法 |
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 |