CN117173188A - 一种玻璃瘢痕识别方法 - Google Patents

Abstract

本发明提供了一种玻璃瘢痕识别方法，属于图像处理技术领域，本发明中通过对玻璃图像的各个颜色通道进行增强，得到颜色增强图，从而凸显局部异常区域的像素点与正常区域不同，在颜色增强图上更好区分异常区域，对颜色增强图进行灰度处理，再去除异常点，从而规避个别噪点的影响，得到待识别图像，根据待识别图像上灰度值分布情况，找到异常区域，作为疑似瘢痕区域，再与正常区域进行比较，进一步的确定其为瘢痕区域，实现一种无需人工的自动玻璃瘢痕识别方法。

Description

一种玻璃瘢痕识别方法

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种玻璃瘢痕识别方法。

背景技术

在玻璃出厂时，需要对玻璃的外观进行检查，检查其上面的平滑程度，观察其是否存在瘢痕。虽然在玻璃上存在瘢痕，较容易通过人肉眼进行判断，但是通过人工来观察，在工作时间长，且玻璃存在反光的情况下，细小的瘢痕容易遗漏，特别是在玻璃面积大时，更难全面检查玻璃的整体情况。

发明内容

本发明的目的在于提供一种玻璃瘢痕识别方法，其解决了现有缺乏一种玻璃瘢痕自动识别方法的问题。

本发明的实施例通过以下技术方案实现：一种玻璃瘢痕识别方法，包括以下步骤：

S1、对玻璃图像进行通道颜色增强，得到颜色增强图；

S2、对颜色增强图进行灰度处理，得到灰度图；

S3、对灰度图进行去除异常点，得到待识别图像；

S4、根据待识别图像上灰度值分布情况，找到疑似瘢痕区域；

S5、计算疑似瘢痕区域与待识别图像上正常区域的瘢痕程度，在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

进一步地，所述S1包括：对玻璃图像的R通道值进行颜色增强，对玻璃图像的G通道值进行颜色增强，对玻璃图像的B通道值进行颜色增强，颜色增强的表达式均为：

其中，为增强后第/>类通道的第/>个通道值，/>为第/>类通道的最大通道值，为第/>类通道的最小通道值，/>为通道距离，/>为通道调节参数，/>为玻璃图像上第/>类通道的第/>个通道值，/>为第/>个通道值/>邻域范围内的第/>类通道的第/>个通道值。

上述进一步地方案的有益效果为：本发明中找到每种类型的通道的最大通道值和最小通道值，确定每种类型的通道值增强比例，并采用待增强通道值周围的8个通道值实现对当前位置处通道值的衡量，避免个别是异常点。

进一步地，所述通道距离的计算公式为：

其中，为第/>个通道值/>上侧的第/>类通道的通道值，/>为第/>个通道值/>下侧的第/>类通道的通道值，/>为第/>个通道值/>右侧的第/>类通道的通道值，/>为第/>个通道值/>左侧的第/>类通道的通道值，/>时为R通道值，/>时为G通道值，时为B通道值。

上述进一步地方案的有益效果为：本发明中通道距离采用待增强通道值上下左右四个同类型通道值来计算，在四个同类型通道值距离越大时，则说明该处颜色变化剧烈，可能为瘢痕与玻璃的交界点，因此，侧重保留待增强通道值/>，在四个同类型通道值距离越小时，则颜色变化平缓，则侧重取边8个通道值的均值，达到去除非正常通道值的目的。

进一步地，所述S3包括以下分步骤：

S31、设置3*3灰度块，采用灰度块在灰度图上进行移动，遍历灰度图上的像素点；

S32、根据灰度块下各个像素点的灰度值，计算周边任一像素点到灰度块下其他像素点的距离，得到周边灰度距离，其中，周边任一像素点为灰度块下除中心像素点外的其他像素点；

S33、根据灰度块下各个像素点的灰度值，在灰度块下计算中心像素点与灰度块下其他像素点的距离，得到中心灰度距离；

S34、在中心灰度距离和周边灰度距离满足距离条件时，中心像素点为异常点；

S35、采用灰度块下除中心像素点外的其他像素点的灰度平均值替换异常点的灰度值，得到待识别图像。

上述进一步地方案的有益效果为：本发明中通过周边任一像素点到灰度块下其他像素点的距离，得到周边灰度距离，从而估计出周边像素点的灰度值情况，再根据中心像素点与其他像素点的距离，从而估计出中心像素点的灰度值情况。

进一步地，所述S32中周边灰度距离的计算公式为：

其中，为第/>个周边灰度距离，/>为周边任一像素点的灰度值，/>为自然常数，为灰度块下除灰度值/>外的第/>个像素点的灰度值；

所述中心灰度距离的计算公式为：

其中，为第/>个中心灰度距离，/>为中心像素点的灰度值，/>为灰度块下除灰度值/>外的第/>个像素点的灰度值。

上述进一步地方案的有益效果为：本发明中在计算灰度距离时，先通过指数函数增强像素点的灰度值，从而使得像素点之间灰度值区别更显著，更便于找到细微区别。

进一步地，所述S34中距离条件为：

其中，为距离阈值。

上述进一步地方案的有益效果为：本发明中在周边灰度距离与中心灰度距离相近时，越接近1，中心像素点为异常点的概率越小，因此，本发明中设置小于1的距离阈值/>，挑选出灰度距离分布不同的像素点。

进一步地，所述S4包括以下分步骤：

S41、计算待识别图像上整体的灰度分布系数；

S42、计算待识别图像上每个局部区域的灰度分布系数；

S43、在局部区域的灰度分布系数大于整体灰度分布系数时，该区域为疑似瘢痕区域。

进一步地，所述S41和S42中计算灰度分布系数的公式为：

其中，为灰度分布系数，/>为以自然常数为底的指数函数，/>为待计算灰度分布系数区域的第/>个像素点的灰度值，/>为待计算灰度分布系数区域中像素点的数量，为待计算灰度分布系数区域中最大灰度值，/>为待计算灰度分布系数区域中最小灰度值。

上述进一步地方案的有益效果为：本发明中通过计算待识别图像上整体的灰度分布系数，从而表征整体的灰度分布情况，再取局部区域，计算局部区域的灰度分布系数，将整体与局部区域进行对比，从而找出异常的区域为疑似瘢痕区域。玻璃本身是光滑平面，其上存在灰度波动的地方较少，或者是由于玻璃上光线强度不同，造成的部分区域存在灰度值变化。本发明利用该点常识，找到待计算灰度分布系数区域上最大的灰度值和最小灰度值，从而表征该区域的灰度波动范围，在计算整体的灰度分布系数时，虽然整体上的最大灰度值和最小灰度值差距最大，但其均分到整体上的个像素点，每个像素点均摊的灰度差距较少，因此，瘢痕区域存在的灰度值波动肯定大于整体。

进一步地，所述S5包括以下分步骤：

S51、根据疑似瘢痕区域的面积，取待识别图像上同等面积的正常区域；

S52、计算正常区域与疑似瘢痕区域的瘢痕程度值；

S53、在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

上述进一步地方案的有益效果为：本发明中找出了玻璃图像上疑似瘢痕区域，则非疑似瘢痕区域为正常区域，取正常区域与疑似瘢痕区域进行比较，计算瘢痕程度值，在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

进一步地，所述S52中计算瘢痕程度值的公式为：

其中，为瘢痕程度值，/>为疑似瘢痕区域上灰度均值，/>为正常区域上灰度均值，/>为疑似瘢痕区域上灰度散布度，/>为正常区域上灰度散布度，/>为疑似瘢痕区域和正常区域共同的灰度散布度；

其中，为疑似瘢痕区域上第/>个像素点的灰度值，/>为正常区域上第/>个像素点的灰度值，/>为疑似瘢痕区域或者正常区域上像素点的数量，| |为绝对值。

上述进一步地方案的有益效果为：本发明中灰度均值用于比较两个区域间整体亮度的相近程度，灰度散布度用于比较两个区域间灰度值分布的相近程度，在两个区域相差较大时，瘢痕程度值越大。

本发明实施例的技术方案至少具有如下优点和有益效果：本发明中通过对玻璃图像的各个颜色通道进行增强，得到颜色增强图，从而凸显局部异常区域的像素点与正常区域不同，在颜色增强图上更好区分异常区域，对颜色增强图进行灰度处理，再去除异常点，从而规避个别噪点的影响，得到待识别图像，根据待识别图像上灰度值分布情况，找到异常区域，作为疑似瘢痕区域，再与正常区域进行比较，进一步的确定其为瘢痕区域，实现一种无需人工的自动玻璃瘢痕识别方法。

附图说明

图1为一种玻璃瘢痕识别方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

如图1所示，一种玻璃瘢痕识别方法，包括以下步骤：

S1、对玻璃图像进行通道颜色增强，得到颜色增强图；

所述S1包括：对玻璃图像的R通道值进行颜色增强，对玻璃图像的G通道值进行颜色增强，对玻璃图像的B通道值进行颜色增强，颜色增强的表达式均为：

其中，为增强后第/>类通道的第/>个通道值，/>为第/>类通道的最大通道值，为第/>类通道的最小通道值，/>为通道距离，/>为通道调节参数，/>为玻璃图像上第/>类通道的第/>个通道值，/>为第/>个通道值/>邻域范围内的第/>类通道的第/>个通道值。

本发明中找到每种类型的通道的最大通道值和最小通道值，确定每种类型的通道值增强比例，并采用待增强通道值周围的8个通道值实现对当前位置处通道值的衡量，避免个别是异常点。

所述通道距离的计算公式为：

其中，为第/>个通道值/>上侧的第/>类通道的通道值，/>为第/>个通道值/>下侧的第/>类通道的通道值，/>为第/>个通道值/>右侧的第/>类通道的通道值，/>为第/>个通道值/>左侧的第/>类通道的通道值，/>时为R通道值，/>时为G通道值，时为B通道值。

本发明中通道距离采用待增强通道值上下左右四个同类型通道值来计算，在四个同类型通道值距离越大时，则说明该处颜色变化剧烈，可能为瘢痕与玻璃的交界点，因此，侧重保留待增强通道值/>，在四个同类型通道值距离越小时，则颜色变化平缓，则侧重取边8个通道值的均值，达到去除非正常通道值的目的。

S2、对颜色增强图进行灰度处理，得到灰度图；

S3、对灰度图进行去除异常点，得到待识别图像；

所述S3包括以下分步骤：

S31、设置3*3灰度块，采用灰度块在灰度图上进行移动，遍历灰度图上的像素点；

在步骤S31中，尽可能让每一个灰度图上的像素点均作为过中心像素点。

S32、根据灰度块下各个像素点的灰度值，计算周边任一像素点到灰度块下其他像素点的距离，得到周边灰度距离，其中，周边任一像素点为灰度块下除中心像素点外的其他像素点；

S33、根据灰度块下各个像素点的灰度值，在灰度块下计算中心像素点与灰度块下其他像素点的距离，得到中心灰度距离；

S34、在中心灰度距离和周边灰度距离满足距离条件时，中心像素点为异常点；

S35、采用灰度块下除中心像素点外的其他像素点的灰度平均值替换异常点的灰度值，得到待识别图像。

本发明中通过周边任一像素点到灰度块下其他像素点的距离，得到周边灰度距离，从而估计出周边像素点的灰度值情况，再根据中心像素点与其他像素点的距离，从而估计出中心像素点的灰度值情况。

所述S32中周边灰度距离的计算公式为：

其中，为第/>个周边灰度距离，/>为周边任一像素点的灰度值，/>为自然常数，为灰度块下除灰度值/>外的第/>个像素点的灰度值；

所述中心灰度距离的计算公式为：

其中，为第/>个中心灰度距离，/>为中心像素点的灰度值，/>为灰度块下除灰度值/>外的第/>个像素点的灰度值。

本发明中在计算灰度距离时，先通过指数函数增强像素点的灰度值，从而使得像素点之间灰度值区别更显著，更便于找到细微区别。

所述S34中距离条件为：

其中，为距离阈值。

本发明中在周边灰度距离与中心灰度距离相近时，越接近1，中心像素点为异常点的概率越小，因此，本发明中设置小于1的距离阈值/>，挑选出灰度距离分布不同的像素点。

S4、根据待识别图像上灰度值分布情况，找到疑似瘢痕区域；

所述S4包括以下分步骤：

S41、计算待识别图像上整体的灰度分布系数；

S42、计算待识别图像上每个局部区域的灰度分布系数；

S43、在局部区域的灰度分布系数大于整体灰度分布系数时，该区域为疑似瘢痕区域。

所述S41和S42中计算灰度分布系数的公式为：

其中，为灰度分布系数，/>为以自然常数为底的指数函数，/>为待计算灰度分布系数区域的第/>个像素点的灰度值，/>为待计算灰度分布系数区域中像素点的数量，为待计算灰度分布系数区域中最大灰度值，/>为待计算灰度分布系数区域中最小灰度值。

在本发明中，待计算灰度分布系数区域为：整体区域或局部区域。

本发明中通过计算待识别图像上整体的灰度分布系数，从而表征整体的灰度分布情况，再取局部区域，计算局部区域的灰度分布系数，将整体与局部区域进行对比，从而找出异常的区域为疑似瘢痕区域。玻璃本身是光滑平面，其上存在灰度波动的地方较少，或者是由于玻璃上光线强度不同，造成的部分区域存在灰度值变化。本发明利用该点常识，找到待计算灰度分布系数区域上最大的灰度值和最小灰度值，从而表征该区域的灰度波动范围，在计算整体的灰度分布系数时，虽然整体上的最大灰度值和最小灰度值差距最大，但其均分到整体上的个像素点，每个像素点均摊的灰度差距较少，因此，瘢痕区域存在的灰度值波动肯定大于整体。

S5、计算疑似瘢痕区域与待识别图像上正常区域的瘢痕程度，在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

所述S5包括以下分步骤：

S51、根据疑似瘢痕区域的面积，取待识别图像上同等面积的正常区域；

S52、计算正常区域与疑似瘢痕区域的瘢痕程度值；

S53、在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

本发明中找出了玻璃图像上疑似瘢痕区域，则非疑似瘢痕区域为正常区域，取正常区域与疑似瘢痕区域进行比较，计算瘢痕程度值，在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

所述S52中计算瘢痕程度值的公式为：

其中，为瘢痕程度值，/>为疑似瘢痕区域上灰度均值，/>为正常区域上灰度均值，/>为疑似瘢痕区域上灰度散布度，/>为正常区域上灰度散布度，/>为疑似瘢痕区域和正常区域共同的灰度散布度；

其中，为疑似瘢痕区域上第/>个像素点的灰度值，/>为正常区域上第/>个像素点的灰度值，/>为疑似瘢痕区域或者正常区域上像素点的数量，| |为绝对值。

本发明中灰度均值用于比较两个区域间整体亮度的相近程度，灰度散布度用于比较两个区域间灰度值分布的相近程度，在两个区域相差较大时，瘢痕程度值越大。

在本实施例中，异常阈值可根据经验或者实验过程进行具体设置。

本发明中通过对玻璃图像的各个颜色通道进行增强，得到颜色增强图，从而凸显局部异常区域的像素点与正常区域不同，在颜色增强图上更好区分异常区域，对颜色增强图进行灰度处理，再去除异常点，从而规避个别噪点的影响，得到待识别图像，根据待识别图像上灰度值分布情况，找到异常区域，作为疑似瘢痕区域，再与正常区域进行比较，进一步的确定其为瘢痕区域，实现一种无需人工的自动玻璃瘢痕识别方法。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种玻璃瘢痕识别方法，其特征在于，包括以下步骤：

S1、对玻璃图像进行通道颜色增强，得到颜色增强图；

S2、对颜色增强图进行灰度处理，得到灰度图；

S3、对灰度图进行去除异常点，得到待识别图像；

S4、根据待识别图像上灰度值分布情况，找到疑似瘢痕区域；

S5、计算疑似瘢痕区域与待识别图像上正常区域的瘢痕程度，在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

2.根据权利要求1所述的玻璃瘢痕识别方法，其特征在于，所述S1包括：对玻璃图像的R通道值进行颜色增强，对玻璃图像的G通道值进行颜色增强，对玻璃图像的B通道值进行颜色增强，颜色增强的表达式均为：

其中，为增强后第/>类通道的第/>个通道值，/>为第/>类通道的最大通道值，为第/>类通道的最小通道值，/>为通道距离，/>为通道调节参数，/>为玻璃图像上第/>类通道的第/>个通道值，/>为第/>个通道值/>邻域范围内的第/>类通道的第/>个通道值。

3.根据权利要求2所述的玻璃瘢痕识别方法，其特征在于，所述通道距离的计算公式为：

其中，为第/>个通道值/>上侧的第/>类通道的通道值，/>为第/>个通道值下侧的第/>类通道的通道值，/>为第/>个通道值/>右侧的第/>类通道的通道值，/>为第/>个通道值/>左侧的第/>类通道的通道值，/>时为R通道值，/>时为G通道值，时为B通道值。

4.根据权利要求1所述的玻璃瘢痕识别方法，其特征在于，所述S3包括以下分步骤：

S31、设置3*3灰度块，采用灰度块在灰度图上进行移动，遍历灰度图上的像素点；

S32、根据灰度块下各个像素点的灰度值，计算周边任一像素点到灰度块下其他像素点的距离，得到周边灰度距离，其中，周边任一像素点为灰度块下除中心像素点外的其他像素点；

S33、根据灰度块下各个像素点的灰度值，在灰度块下计算中心像素点与灰度块下其他像素点的距离，得到中心灰度距离；

S34、在中心灰度距离和周边灰度距离满足距离条件时，中心像素点为异常点；

S35、采用灰度块下除中心像素点外的其他像素点的灰度平均值替换异常点的灰度值，得到待识别图像。

5.根据权利要求4所述的玻璃瘢痕识别方法，其特征在于，所述S32中周边灰度距离的计算公式为：

其中，为第/>个周边灰度距离，/>为周边任一像素点的灰度值，/>为自然常数，/>为灰度块下除灰度值/>外的第/>个像素点的灰度值；

所述中心灰度距离的计算公式为：

其中，为第/>个中心灰度距离，/>为中心像素点的灰度值，/>为灰度块下除灰度值/>外的第/>个像素点的灰度值。

6.根据权利要求5所述的玻璃瘢痕识别方法，其特征在于，所述S34中距离条件为：

其中，为距离阈值。

7.根据权利要求1所述的玻璃瘢痕识别方法，其特征在于，所述S4包括以下分步骤：

S41、计算待识别图像上整体的灰度分布系数；

S42、计算待识别图像上每个局部区域的灰度分布系数；

S43、在局部区域的灰度分布系数大于整体灰度分布系数时，该区域为疑似瘢痕区域。

8.根据权利要求7所述的玻璃瘢痕识别方法，其特征在于，所述S41和S42中计算灰度分布系数的公式为：

其中，为灰度分布系数，/>为以自然常数为底的指数函数，/>为待计算灰度分布系数区域的第/>个像素点的灰度值，/>为待计算灰度分布系数区域中像素点的数量，/>为待计算灰度分布系数区域中最大灰度值，/>为待计算灰度分布系数区域中最小灰度值。

9.根据权利要求8所述的玻璃瘢痕识别方法，其特征在于，所述S5包括以下分步骤：

S51、根据疑似瘢痕区域的面积，取待识别图像上同等面积的正常区域；

S52、计算正常区域与疑似瘢痕区域的瘢痕程度值；

S53、在瘢痕程度大于异常阈值时，疑似瘢痕区域上存在瘢痕。

10.根据权利要求9所述的玻璃瘢痕识别方法，其特征在于，所述S52中计算瘢痕程度值的公式为：

其中，为瘢痕程度值，/>为疑似瘢痕区域上灰度均值，/>为正常区域上灰度均值，/>为疑似瘢痕区域上灰度散布度，/>为正常区域上灰度散布度，/>为疑似瘢痕区域和正常区域共同的灰度散布度；

其中，为疑似瘢痕区域上第/>个像素点的灰度值，/>为正常区域上第/>个像素点的灰度值，/>为疑似瘢痕区域或者正常区域上像素点的数量，| |为绝对值。