[发明专利]光照不均匀图像的灰度波动阈值分割方法

说明书

技术领域

本发明属于机器视觉检测中的图像分割领域，具体涉及图像分析系统(如目标缺陷检测系统、字符识别系统、目标定位测量系统)中的一种用于处理工业光照不均匀图像的灰度波动阈值分割方法。

背景技术

图像阈值分割是机器视觉检测技术的重要预处理部分，对后续的处理精度具有至关重要的作用。其中，全局算法利用整幅图像的类间方差或者熵等信息来划定像素的类别，而局部算法通过图像的局部信息来确定像素的类别。相比全局算法而言，局部算法在处理工业复杂环境下拍摄的光照不均匀检测图像方面具有明显的优势，因而成为检测技术的重要攻克方向。从最新研究动态来看，局部算法在复杂文本处理领域应用较多，而对工业光照不均匀图像的分割仍是以传统全局算法居多。

芬兰奥卢大学Sauvola教授提出通过统计给定窗口内的均值和方差方法来寻求单个像素阈值，邻域均值通过乘以最大标准差和固定常数，以一种自适应的形式放大方差的影响。这种局部算法不但对参数的调节比较敏感，而且实时性较差。中国科学院Huang教授通过基于Lorentz信息度的金字塔结构来自适应地调整分块大小，并使用Otsu算法分割各个子块，该方法在一定程度上降低了不均匀光照的影响，但是仍无法消除分块间的不连续现象。台湾淡江大学Chou博士则利用支持向量机判定子块类别并对子块采取不同的分割策略，但该方法需要大量的先验知识，实用性不强。因此，设计一种能够抗复杂背景干扰、不均匀光照干扰，适用于工业图像的自适应阈值分割方法具有广泛的实际应用价值。

发明内容

本发明的目的是克服现有全局算法的固定绝对阈值的不足，发挥局部算法的分割优势，提出一种分割性能优越、适用于实时性要求较高的工业流水线图像的灰度波动阈值分割方法，以此降低不均匀光照的影响。

本发明方法是基于如下考虑：上业图像往往属于光照不均匀图像，因此可以将图像看作三维地形，地形的山峰区域对应着目标，低谷区域对应着背景，即图像的像素灰度在二维空间中波动。对于单个像素，其灰度的局部特性与它在波动上的位置相关，倘若能够搜索到二维波动上的波峰和波谷，并对波峰和波谷的邻近像素作恰当的处理，就可以浮动地进行局部阈值分割。

为了解决上述光照不均匀图像的灰度波动阈值分割技术问题，本发明包括以下步骤：

(1)实时获取工业灰度图像f(x，y)，从水平、垂直2个方向提取原始图像f(x，y)在该方向上的所有截线f_i(x，y)，i＝1，2，…，即为该方向上的所有灰度波动曲线g_i(k)。

(2)定位给定方向上的每一条灰度波动曲线上较大的波峰点和波谷点，剔除较小波动，预先设定波动幅度阈值T来控制灰度波动幅度的敏感程度。

(3)定位灰度波动曲线上所有较大波动的波峰点。如图1所示，假定P_m是满足波动幅度阈值的前一个波谷，P_j(t_j，f(t_j))是P_i(c_i，f(c_i))之后的一个极小值，则：