CN111294516A - 一种矾花图像处理方法、***、电子设备及介质 - Google Patents
一种矾花图像处理方法、***、电子设备及介质 Download PDFInfo
- Publication number
- CN111294516A CN111294516A CN202010123167.2A CN202010123167A CN111294516A CN 111294516 A CN111294516 A CN 111294516A CN 202010123167 A CN202010123167 A CN 202010123167A CN 111294516 A CN111294516 A CN 111294516A
- Authority
- CN
- China
- Prior art keywords
- image
- alumen ustum
- alum blossom
- outline
- alum
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种矾花图像处理方法,包括:采集水下矾花的实时图像,并对实时图像进行增强处理,获取增强图像信息,所述增强处理包括以下之一:对比度限制、亮度调整;对增强图像信息进行二值化处理,获取二值化图像信息;根据二值化图像信息确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。代替肉眼对混凝过程中矾花特性进行实时监测和分析,提高可靠性和精度,降低***误差。
Description
技术领域
本发明涉及工业检测技术领域,特别是涉及一种矾花图像处理方法、***、电子设备及介质。
背景技术
混凝是水处理的重要环节,不仅对影响后续的处理工艺,而且影响出水水质和处理成本。加药***如何根据来水水质的变化来确定较佳的混凝剂投加量,长期以来是给排水行业普遍关心和需要解决的问题。
一般地,根据肉眼识别混凝过程矾花特性,人工判断是否需要调整加药量。往往不能根据原水水质等因素的变化,在线对加药量进行实时控制,也无法达到真正意义上的计量投加,造成水质情况难以掌握,且导致混凝剂的过分消耗、及人力浪费。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供矾花图像处理方法、***、电子设备及介质,用于解决水下矾花不便于检测的问题。
为实现上述目的及其他相关目的,本发明提供一种矾花图像处理方法,包括:采集水下矾花的实时图像,并对实时图像进行增强处理,获取增强图像信息,所述增强处理包括以下之一:对比度限制、亮度调整;对增强图像信息进行二值化处理,获取二值化图像信息;根据二值化图像信息确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
可选的,所述对比度限制的步骤包括:将实时图像进行限制对比度,并获取阈值直方图。
可选的,所述亮度调整的步骤包括:调整所述实时图像的亮度,并依据矾花轮廓的灰度进行实时图像的二值化。
可选的,对增强图像信息进行二值化处理的步骤包括:提取矾花轮廓,确定矾花轮廓区域和区域面积;依据矾花轮廓区域确定水背景区域。
可选的,确定区域面积的数学表达为:
其中,EquivalentDiameter为矾花轮廓区域的等效直径,ContourArea为矾花轮廓区域的总面积。
可选的,确定矾花图像灰度方差的数学表达为:
其中,s为矾花图像灰度方差,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
可选的,确定矾花图像倾斜度的数学表达为:
其中,skew为矾花图像的倾斜度,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
可选的,确定矾花图像峰度的数学表达为:
其中,kurt为矾花图像峰度,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
可选的,确定矾花图像熵的数学表达为:
其中,H为矾花图像熵,P(i)为像素值为i的像素个数占矾花图像的像素总数的比值
可选的,确定矾花图像分形维数的数学表达为:
A==αLDf
其中,A为矾花轮廓区域的区域面积,L为矾花轮廓区域的轮廓周长,α为矾花轮廓区域的比例常数,Df为矾花图像分形维数。
一种矾花图像处理***,包括:图像采集单元,用于采集水下矾花的实时图像;图像处理单元,用于对实时图像进行增强处理,获取增强图像信息,对增强图像信息进行二值化处理,获取二值化图像信息;图像分析单元,用于据二值化图像信息确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
一种设备,包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行中一个或多个所述的方法。
一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行中一个或多个所述的方法。
如上所述,本发明提供的一种矾花图像处理方法、***、电子设备及介质,具有以下有益效果:
通过图像采集、增强处理和二值化处理获取矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。代替肉眼对混凝过程中矾花特性进行实时监测和分析,提高可靠性和精度,降低***误差。
附图说明
图1为实施例1提供的矾花图像处理方法的流程示意图。
图2为采集水下矾花的实时图像的示意图。
图3为实时图像进行增强处理的示意图。
图4为矾花轮廓区域的示意图。
图5为一实施例提供的终端设备的硬件结构示意图。
图6为另一实施例提供的终端设备的硬件结构示意图。
图7为实施例2提供的矾花图像处理***的结构示意图。
元件标号说明
1 图像采集单元
2 图像处理单元
3 图像分析单元
1100 输入设备
1101 第一处理器
1102 输出设备
1103 第一存储器
1104 通信总线
1200 处理组件
1201 第二处理器
1202 第二存储器
1203 通信组件
1204 电源组件
1205 多媒体组件
1206 语音组件
1207 输入/输出接口
1208 传感器组件
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
请参阅图1,实施例1提供一种矾花图像处理方法,包括:
S1:采集水下矾花的实时图像,采集图像的方式可以包括拍摄实时图像,请参阅图2,还可以包括通过实时摄像获取像素帧进而确定实时图像,对实时图像进行增强处理,获取增强图像信息,所述增强处理包括以下之一:对比度限制、亮度调整,通过对比度限制和亮度调整,起到实施图像增效效果,便于确定实时图像中矾花的区域和位置;
S2:对增强图像信息进行二值化处理,获取二值化图像信息,将增强图像信息转化为二值化的离散的灰度信息图像,便于建立特定的灰度值和矾花图像中的矾花轮廓区域的对应关系;
S3:根据二值化图像信息,例如可以根据特定的灰度值和矾花图像中的矾花轮廓区域的对应关系确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数,通过检测所述轮廓信息来判断水下矾花的状态,以替代肉眼观察水下矾花,提高矾花检测的精确性,避免了肉眼观察产生的***误差,有助于规范管理、节能降耗、减员增效。能够保障出水水质,实现混凝单元减员化、无人化,减少总体加药量,消除日常安全隐患
在一些实施过程中,所述对比度限制的步骤包括:将实时图像进行限制对比度,并获取阈值直方图,通过调整对比度,确定能够增加矾花相对于水背景的显著性的对比度,将能够加强显著性的对比度进行限制并调整实时图像,提高矾花轮廓的显著性和辨识度,在一些实施过程中,可以对实时图像的局部进行对比度的限制,以进一步地提高矾花轮廓的显著性和进一步地增强辨识度,例如,通过计算实时图像每一个显著区域的直方图,来重新分布图像的亮度值,因此它更适合于用来改善图像的局部对比度,以及增强图像边缘信息,利于图像分割,请参阅图3。
在一些实施过程中,所述亮度调整的步骤包括:调整所述实时图像的亮度,并依据矾花轮廓的灰度进行实时图像的二值化,例如,根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值,这样做的好处在于每个像素位置处的二值化阈值不是固定不变的,而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高,而亮度较低的图像区域的二值化阈值则会相适应地变小。不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。
请参阅图4,在一些实施过程中,对增强图像信息进行二值化处理的步骤包括:提取矾花轮廓,确定矾花轮廓区域和区域面积;依据矾花轮廓区域确定水背景区域,实现了目标水下矾花与水背景的分割,使得画面简洁明了,从而能够让现场操作人员更加直观地了解现场水下矾花实时状况,便于为后续的检测和调控提供依据和参考。在一些事实过程中,确定区域面积的数学表达为:
其中,EquivalentDiameter为矾花轮廓区域的等效直径,ContourArea为矾花轮廓区域的总面积,通过获取每个矾花轮廓区域的等效直径,并求均值确定EquivalentDiameter为矾花轮廓区域的等效直径,进而获取ContourArea为矾花轮廓区域的总面。
得到二值化图像信息后,通过分析处理相关参数,计算出区域面积、周长、等效直径,这些数据可以作为水下矾花的直观表现;通过一系列计算处理还能够得到总面积、黑色面积占比、矾花平均面积、矾花平均周长、矾花平均等效直径,还可以通过以上计算结果可直接清晰准确地知晓当前水下矾花的总体分布及形态情况;通过一系列计算处理还能够得到矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
可以获取矾花图像灰度方差,表示随机变量围绕中心值的散布程度,在一些实施过程中,确定矾花图像灰度方差的数学表达为:
其中,s为矾花图像灰度方差,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
矾花图像倾斜度即表示随机变量与中心分布的不对称程度,向右倾斜,值为正,向左值为负。在一些实施过程中,确定矾花图像倾斜度的数学表达为:
其中,skew为矾花图像的倾斜度,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
矾花图像峰度表征概率密度分布曲线在平均值处峰值高低的特征数,在一些实施过程中,确定矾花图像峰度的数学表达为:
其中,kurt为矾花图像峰度,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
熵值即图像熵,即一幅图像的信息熵,信息熵简单来说就是把信息进行了量化。通过熵的大小表示信息的混乱程度。一般情况下,图像中包涵的信息量多,熵值越大,在一些实施过程中,确定矾花图像熵的数学表达为:
其中,H为矾花图像熵,P(i)为像素值为i的像素个数占矾花图像的像素总数的比值。
矾花图像分形维数包含了矾花密实度等信息,可以用来表示絮凝效果,它的变化可以反映矾花的形成过程及其规律,在一些实施过程中,确定矾花图像分形维数的数学表达为:
A==αLDf
其中,A为矾花轮廓区域的区域面积,L为矾花轮廓区域的轮廓周长,α为矾花轮廓区域的比例常数,Df为矾花图像分形维数。公式去对数:
lnA=DflnL+lnα
采集所有矾花对应的面积A和周长P,分别去对数后利用最小二乘法对这些数据进行拟合,得到相应直线,此直线斜率为这个处理时间周期内的分形维数。
请参阅图7,实施例2提供一种矾花图像处理***,包括:
图像采集单元1,用于采集水下矾花的实时图像;
图像处理单元2,用于对实时图像进行增强处理,获取增强图像信息,对增强图像信息进行二值化处理,获取二值化图像信息;
图像分析单元3,用于据二值化图像信息确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
在一些实施过程中,所述对比度限制的步骤包括:将实时图像进行限制对比度,并获取阈值直方图,通过调整对比度,确定能够增加矾花相对于水背景的显著性的对比度,将能够加强显著性的对比度进行限制并调整实时图像,提高矾花轮廓的显著性和辨识度,在一些实施过程中,可以对实时图像的局部进行对比度的限制,以进一步地提高矾花轮廓的显著性和进一步地增强辨识度,例如,通过计算实时图像每一个显著区域的直方图,来重新分布图像的亮度值,因此它更适合于用来改善图像的局部对比度,以及增强图像边缘信息,利于图像分割,请参阅图3。
在一些实施过程中,所述亮度调整的步骤包括:调整所述实时图像的亮度,并依据矾花轮廓的灰度进行实时图像的二值化,例如,根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值,这样做的好处在于每个像素位置处的二值化阈值不是固定不变的,而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高,而亮度较低的图像区域的二值化阈值则会相适应地变小。不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。
请参阅图4,在一些实施过程中,对增强图像信息进行二值化处理的步骤包括:提取矾花轮廓,确定矾花轮廓区域和区域面积;依据矾花轮廓区域确定水背景区域,实现了目标水下矾花与水背景的分割,使得画面简洁明了,从而能够让现场操作人员更加直观地了解现场水下矾花实时状况,便于为后续的检测和调控提供依据和参考。在一些事实过程中,确定区域面积的数学表达为:
其中,EquivalentDiameter为矾花轮廓区域的等效直径,ContourArea为矾花轮廓区域的总面积,通过获取每个矾花轮廓区域的等效直径,并求均值确定EquivalentDiameter为矾花轮廓区域的等效直径,进而获取ContourArea为矾花轮廓区域的总面。
得到二值化图像信息后,通过分析处理相关参数,计算出区域面积、周长、等效直径,这些数据可以作为水下矾花的直观表现;通过一系列计算处理还能够得到总面积、黑色面积占比、矾花平均面积、矾花平均周长、矾花平均等效直径,还可以通过以上计算结果可直接清晰准确地知晓当前水下矾花的总体分布及形态情况;通过一系列计算处理还能够得到矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
可以获取矾花图像灰度方差,表示随机变量围绕中心值的散布程度,在一些实施过程中,确定矾花图像灰度方差的数学表达为:
其中,s为矾花图像灰度方差,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
矾花图像倾斜度即表示随机变量与中心分布的不对称程度,向右倾斜,值为正,向左值为负。在一些实施过程中,确定矾花图像倾斜度的数学表达为:
其中,skew为矾花图像的倾斜度,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
矾花图像峰度表征概率密度分布曲线在平均值处峰值高低的特征数,在一些实施过程中,确定矾花图像峰度的数学表达为:
其中,kurt为矾花图像峰度,xi为矾花图像的各个像素点的灰度,n≥i≥1,M为矾花图像的灰度平均值,n为矾花图像的像素总数。
熵值即图像熵,即一幅图像的信息熵,信息熵简单来说就是把信息进行了量化。通过熵的大小表示信息的混乱程度。一般情况下,图像中包涵的信息量多,熵值越大,在一些实施过程中,确定矾花图像熵的数学表达为:
其中,H为矾花图像熵,P(i)为像素值为i的像素个数占矾花图像的像素总数的比值。
矾花图像分形维数包含了矾花密实度等信息,可以用来表示絮凝效果,它的变化可以反映矾花的形成过程及其规律,在一些实施过程中,确定矾花图像分形维数的数学表达为:
A==αLDf
其中,A为矾花轮廓区域的区域面积,L为矾花轮廓区域的轮廓周长,α为矾花轮廓区域的比例常数,Df为矾花图像分形维数。公式去对数:
lnA=DflnL+lnα
采集所有矾花对应的面积A和周长P,分别去对数后利用最小二乘法对这些数据进行拟合,得到相应直线,此直线斜率为这个处理时间周期内的分形维数。
本申请实施例还提供了一种设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3,Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的图4中数据处理方法所包含步骤的指令(instructions)。
图5为本申请一实施例提供的终端设备的硬件结构示意图。如图所示,该终端设备可以包括:输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,第一存储器1103中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的,上述输入设备1100可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件***接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;输出设备1102可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中语音识别装置各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图6为本申请的一个实施例提供的终端设备的硬件结构示意图。图6是对图5在实现过程中的一个具体的实施例。如图所示,本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码,实现上述实施例中图4所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。第二存储器1202可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,第二处理器1201设置在处理组件1200中。该终端设备还可以包括:通信组件1203,电源组件1204,多媒体组件1205,语音组件1206,输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令,以完成上述数据处理方法中的全部或部分步骤。此外,处理组件1200可以包括一个或多个模块,便于处理组件1200和其他组件之间的交互。例如,处理组件1200可以包括多媒体模块,以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理***,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如,语音组件1206包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中,语音组件1206还包括一个扬声器,用于输出语音信号。
输入/输出接口1207为处理组件1200和***接口模块之间提供接口,上述***接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件1208可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于***SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务器建立通信。
由上可知,在图6实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图5实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (13)
1.一种矾花图像处理方法,其特征在于,包括:
采集水下矾花的实时图像,并对实时图像进行增强处理,获取增强图像信息,所述增强处理包括以下之一:对比度限制、亮度调整;
对增强图像信息进行二值化处理,获取二值化图像信息;
根据二值化图像信息确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
2.根据权利要求1所述的矾花图像处理方法,其特征在于,所述对比度限制的步骤包括:将实时图像进行限制对比度,并获取阈值直方图。
3.根据权利要求1所述的矾花图像处理方法,其特征在于,所述亮度调整的步骤包括:调整所述实时图像的亮度,并依据矾花轮廓的灰度进行实时图像的二值化。
4.根据权利要求1所述的矾花图像处理方法,其特征在于,对增强图像信息进行二值化处理的步骤包括:提取矾花轮廓,确定矾花轮廓区域和区域面积;依据矾花轮廓区域确定水背景区域。
10.根据权利要求1所述的矾花图像处理方法,其特征在于,确定矾花图像分形维数的数学表达为:
A==αLDf
其中,A为矾花轮廓区域的区域面积,L为矾花轮廓区域的轮廓周长,α为矾花轮廓区域的比例常数,Df为矾花图像分形维数。
11.一种矾花图像处理***,其特征在于,包括:
图像采集单元,用于采集水下矾花的实时图像;
图像处理单元,用于对实时图像进行增强处理,获取增强图像信息,对增强图像信息进行二值化处理,获取二值化图像信息;
图像分析单元,用于据二值化图像信息确定矾花的轮廓信息,所述轮廓信息包括以下之一:矾花轮廓区域、区域面积、矾花图像灰度方差、矾花图像倾斜度、矾花图像峰度、矾花图像熵、矾花图像分形维数。
12.一种设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行如权利要求1-10中一个或多个所述的方法。
13.一个或多个机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得设备执行如权利要求1-10中一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010123167.2A CN111294516A (zh) | 2020-02-27 | 2020-02-27 | 一种矾花图像处理方法、***、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010123167.2A CN111294516A (zh) | 2020-02-27 | 2020-02-27 | 一种矾花图像处理方法、***、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111294516A true CN111294516A (zh) | 2020-06-16 |
Family
ID=71029502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010123167.2A Pending CN111294516A (zh) | 2020-02-27 | 2020-02-27 | 一种矾花图像处理方法、***、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111294516A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833369A (zh) * | 2020-07-21 | 2020-10-27 | 中冶赛迪重庆信息技术有限公司 | 一种矾花图像处理方法、***、介质及电子设备 |
CN112456621A (zh) * | 2020-11-24 | 2021-03-09 | 四川齐力绿源水处理科技有限公司 | 一种絮凝智能加药控制***及控制方法 |
CN112875827A (zh) * | 2021-01-28 | 2021-06-01 | 中冶赛迪重庆信息技术有限公司 | 基于图像识别和数据挖掘的智能加药***和水处理*** |
CN113177926A (zh) * | 2021-05-11 | 2021-07-27 | 泰康保险集团股份有限公司 | 一种图像检测方法和装置 |
CN115147617A (zh) * | 2022-09-06 | 2022-10-04 | 聊城集众环保科技有限公司 | 基于计算机视觉的污水处理智能监控方法 |
CN117011243A (zh) * | 2023-07-11 | 2023-11-07 | 广东龙泉科技有限公司 | 矶花图像对比分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108640237A (zh) * | 2018-03-28 | 2018-10-12 | 骆登科 | 一种污水的絮凝沉淀池 |
-
2020
- 2020-02-27 CN CN202010123167.2A patent/CN111294516A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108640237A (zh) * | 2018-03-28 | 2018-10-12 | 骆登科 | 一种污水的絮凝沉淀池 |
Non-Patent Citations (4)
Title |
---|
彭烨,黄凯宁,尚昭琪,幸敏力: "基于数字图像处理技术的矾花特征提取算法研究", 《智慧工厂》 * |
王佐仁: "《调查培训实用教材 下 统计数据分析方法》", 31 August 2011 * |
王新增,严国莉: "基于纹理特征的矾花图像自动识别方法", 《电脑开发与应用》 * |
黄念禹,武彦林,李俊,全燕鸣,赖源平,王启腾: "自来水厂矾花状态自动监测应用研究", 《给水排水》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833369A (zh) * | 2020-07-21 | 2020-10-27 | 中冶赛迪重庆信息技术有限公司 | 一种矾花图像处理方法、***、介质及电子设备 |
CN112456621A (zh) * | 2020-11-24 | 2021-03-09 | 四川齐力绿源水处理科技有限公司 | 一种絮凝智能加药控制***及控制方法 |
CN112875827A (zh) * | 2021-01-28 | 2021-06-01 | 中冶赛迪重庆信息技术有限公司 | 基于图像识别和数据挖掘的智能加药***和水处理*** |
CN113177926A (zh) * | 2021-05-11 | 2021-07-27 | 泰康保险集团股份有限公司 | 一种图像检测方法和装置 |
CN113177926B (zh) * | 2021-05-11 | 2023-11-14 | 泰康保险集团股份有限公司 | 一种图像检测方法和装置 |
CN115147617A (zh) * | 2022-09-06 | 2022-10-04 | 聊城集众环保科技有限公司 | 基于计算机视觉的污水处理智能监控方法 |
CN117011243A (zh) * | 2023-07-11 | 2023-11-07 | 广东龙泉科技有限公司 | 矶花图像对比分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111294516A (zh) | 一种矾花图像处理方法、***、电子设备及介质 | |
CN105913514B (zh) | 一种指纹解锁的方法及终端 | |
CN110766743A (zh) | 基于图像识别的物料流量检测方法、装置、设备及介质 | |
CN111898495B (zh) | 一种动态阈值管理方法、***、设备及介质 | |
CN111860060A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
CN107091704A (zh) | 压力检测方法和装置 | |
CN111626229A (zh) | 一种对象管理方法、装置、机器可读介质及设备 | |
CN202534042U (zh) | 钞票数字水印检测装置 | |
WO2020168818A1 (zh) | 一种图像处理方法、***、装置、存储介质及黑板装置 | |
CN110889470A (zh) | 用于处理图像的方法和装置 | |
CN111402177A (zh) | 一种清晰度检测方法、***、设备和介质 | |
CN111814840A (zh) | 一种人脸图像质量评估方法、***、设备和介质 | |
CN114943872A (zh) | 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备 | |
CN115484408A (zh) | 一种基于高精度摄像的雪面反光系数生成方法及装置 | |
CN111626369B (zh) | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 | |
CN111008842B (zh) | 一种茶叶检测方法、***、电子设备及机器可读介质 | |
CN115035432A (zh) | 一种异常视频的检测方法、装置、介质及设备 | |
CN105808180B (zh) | 画面调整方法及*** | |
CN112347982A (zh) | 基于视频的无监督难例数据挖掘方法、装置、介质及设备 | |
CN115683267A (zh) | 液位测量方法、装置及存储介质 | |
CN111753852A (zh) | 茶叶识别方法、推荐方法、茶叶识别装置、设备及介质 | |
CN112051270A (zh) | 一种输电线缺陷检测方法、***、设备及介质 | |
CN116228593B (zh) | 一种基于分级抗锯齿的图像完善方法及装置 | |
CN116468883B (zh) | 一种高精度图像数据体积雾识别方法及装置 | |
CN115511735B (zh) | 一种雪场灰度画面优化方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200616 |