[发明专利]一种适用于工业检测的自适应背景扣除的方法

说明书

本发明公开了一种适用于工业检测的自适应背景扣除的方法，旨在提供一种提高工业测量中背景扣除对环境的适应性、稳定度同时保证了精度的适用于工业检测的自适应背景扣除的方法。本发明包括以下步骤：A.输入图像；B.平面拟合图像；C.均匀化图像；D.图像金字塔；E.寻找物体；F扣除圆外背景并计算背景平均值；G.整图减去背景平均值；I输出图像。本发明应用于工业智能制造的技术领域。

技术领域

本发明涉及一种适用于工业检测的自适应背景扣除的方法。

背景技术

传统背景扣除的基本原理在于，利用每次相机开机对黑箱拍一张实时图像，作为暗电流图像，相机开始工作后拍到物体的图像均减去暗电流图，得出去噪图像。但是相机的工作条件永远不是理想的，比如黑箱漏光, 相机未达到工作温度或超过工作温度，空气湿度等环境因素都会使暗电流的过高或过低，最后影响到生成的图像质量，导致噪声过多或者图像过暗。在质量测试项目里面对于图像的清晰度，真实度要求尤为严格，该算法不能满足多数测试项目需要。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供了一种提高工业测量中背景扣除对环境的适应性、稳定度同时保证了精度的适用于工业检测的自适应背景扣除的方法。

本发明所采用的技术方案是：本发明包括以下步骤：

A.输入图像；

B.平面拟合图像，将图像所有的像素看成一个离散点的集合，再将这些离散点拟合到平面；

C.均匀化图像，通过设定阈值，将大于阈值的离散点剔除，从而达到图像平面均匀化；

D.将均匀化后的图像做图像金字塔处理；

E.寻找物体，所述寻找物体可为寻找圆形的光斑，经过所述图像金字塔处理后的图像内物体单一，得到图中最亮的地方就是圆心也就是图像的重心，然后通过二分检索法和求重心的方式可获得半径和圆心；

F.扣除寻找物体并计算图像平均值：将寻找物体中心与通过二分检索法和求重心的方式所获得的圆心对应后，再减去该寻找物体的大小，从而剔除寻找物体的干扰，获得图像基线的平均值；

G. 整图减去平均值：我们将整张图减去背景的平均值，从而达到了图像自适应背景扣除，基线校准的效果，从而使图像回到基线为0的水平。

H.输出图像。

进一步的，所述阈值为所有所述离散点到平面距离和的最小值。

进一步的，所述图像金字塔的任意一层的宽度和高度为所在层的上一层的宽度和高度的二分之一。

本发明的有益效果是：由于本发明采用平面拟合，扣除图像中不均匀的背景，不仅减少了杂质, 还能去除少量噪声；另一方面，将物体找出后，再将物体以外的所有点求背景平均值，然后整图减去背景的平均值，有了这个实时的背景平均值，图像基线达到自适应效果，得出的图像噪声更小，稳定性更高。

附图说明

图1是本发明的步骤流程图；

图2是图像金字塔示意图；

图3是找到圆心与半径的示意图；

图4是物体扣除出图像然后计算背景的平均值的直方图；

图5是将整图减去背景平均值的基线直方图；

图6是原图像基线直方图。

具体实施方式

如图1所示，在本实施例中，本发明包括以下步骤：

A.输入图像；

B.平面拟合图像，将图像所有的像素看成一个离散点的集合，再将这些离散点拟合到平面，即求这些点到平面距离和的最小值；