[发明专利]一种炉口图像预处理方法

说明书

本发明提供一种炉口图像预处理方法，包括：采集炉口火焰图像，并去除所述炉口火焰图像四周的无效区域，获取初始ROI；对初始ROI进行检测，判断是否存在纵向贯穿性的无效区域；如存在纵向贯穿性无效区域，则将初始ROI切分为若干子图；将子图中的无效子图去除，获取精确提取ROI；本发明针对转炉工作现场的复杂光线情况，防火门、烟罩等对炉口区的遮挡带来的图像噪声问题，可以去除各类无关内容和干扰物，以获取到有效的ROI，能够明显提升转炉状态的识别准确率，具有易于实现，计算量小的有点，可以满足实时性处理的需求，保证深度学习模型中输入图像的有效性。

技术领域

本发明涉及图像处理领域，尤其涉及一种炉口图像预处理方法。

背景技术

转炉在吹炼过程很容易出现喷溅，其主要表现为炉口内有炉渣跳动、炉口外有炉渣与金属溢出或喷出。在实际生产过程中，操枪工会根据炉口区域观察到的转炉喷溅状态和各种吹炼参数进行综合评判，从而选择提升、降低氧枪枪位或者添加各类辅料。

转炉喷溅状态作为氧枪控制的关键参数，在自动化炼钢过程中有着举足若轻的作用。当前深度学习的兴起也为转炉喷溅状态的识别提供了强大工具，但是钢铁工业现场由于恶劣的空间环境和复杂的光线情况使获取图像存在大量的噪声，同时转炉外的防火门和烟罩也会对炉口区域形成严重的遮挡，所以如何消除图像中无关的信息，增强有关信息的可检测性和最大限度地简化数据是图像分类的基础。

然而，目前还没有针对转炉炉口图像处理的行之有效的方法，所以亟需一种新的技术手段，能够去除各类无关内容和干扰物，以获取到有效的ROI(region of interest，感兴趣区域)，保证深度学习模型中输入图像的有效性。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种炉口图像预处理方法，以解决上述技术问题。

本发明提供的炉口图像预处理方法，包括：

采集炉口火焰图像，并去除所述炉口火焰图像四周的无效区域，获取初始ROI；

对初始ROI进行检测，判断是否存在纵向贯穿性的无效区域；

如存在纵向贯穿性无效区域，则将初始ROI切分为若干子图；

将子图中的无效子图去除，获取精确提取ROI。

进一步，将炉口火焰图像转换为灰度图，并通过灰度矩阵表示，将所述灰度矩阵转换为布尔矩阵，根据所述布尔矩阵获取炉口火焰图像四周的无效区域。

进一步，通过m行n列的灰度矩阵表示灰度图，预先设置灰度阈值，将灰度矩阵中的数值与灰度阈值进行比较，获取m行n列的布尔矩阵，提取炉口火焰图像的边界矩形区域，根据边界矩形区域中布尔矩阵的数组的数值状态，检测炉口火焰图像四周的无效区域。

进一步，用m个元素的一维数组Rv表示行状态，用n个元素的一维数组Cv表示列状态，

如果Rv中顺序连续出现RL个1时的索引值为P1，则初始ROI的上边界Pup＝P1-RL+1，RL为正整数，P1、Pup为自然数；

如果Rv中倒序连续出现RR个1时的索引值为P2，则初始ROI下边界Pdown＝P2+RR-1，RR为正整数，P2、Pdown为自然数；

如果Cv中顺序连续出现CL个1时的索引值为P3，则初始ROI左边界Pleft＝P3-CL+1,CL为正整数，P3、Pleft为自然数；

如果Cv中倒序连续出现CR个1时的索引值为P4，则初始ROI右边界Pright＝P4+CR-1,CR为正整数，P4、Pdown为自然数；

根据Pup、Pdown、Pleft、Pright四个边界形成的矩形区域,获取初始ROI。