[发明专利]图像特征增强方法、装置及可读存储介质在审

专利信息
申请号: 202110110980.0 申请日: 2021-01-27
公开(公告)号: CN112862709A 公开(公告)日: 2021-05-28
发明(设计)人: 程蓉;陈鹏宇 申请(专利权)人: 昂纳工业技术(深圳)有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T7/90;G06F17/18
代理公司: 深圳市瑞方达知识产权事务所(普通合伙) 44314 代理人: 高瑞
地址: 518000 广东省深圳市坪山区龙田*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 特征 增强 方法 装置 可读 存储 介质
【权利要求书】:

1.一种用于工业智能相机的图像特征增强方法,其特征在于,包括:

步骤S10.接收待处理的原始图像及用户输入的排除因子;

步骤S20.对所述原始图像进行自适应亮度处理,以获取第一中间图像;

步骤S30.根据所述排除因子,对所述第一中间图像进行去除灰度干扰处理,并确定去除灰度干扰处理后的图像中的最大灰度值和最小灰度值;

步骤S40.根据所述最大灰度值、所述最小灰度值及所获取的增强因子,对所述第一中间图像进行增强处理,以获取第二中间图像;

步骤S50.对所述第二中间图像进行反亮度处理,以获取最终图像,其中,所述反亮度处理与所述步骤S20中的自适应亮度处理相关。

2.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,所述步骤S20包括:

步骤S21.计算所述原始图像的所有像素的灰度值的平均值μ;

步骤S22.判断所述平均值μ是否大于灰度级数的一半,并根据判断结果按照公式1对所述原始图像进行以下处理:

其中,G′为第一中间图像,G为原始图像,L为灰度级数。

3.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,所述步骤S30包括:

步骤S31.统计所述第一中间图像中各个灰度值的像素个数hi

步骤S32.根据公式2计算累积密度函数;

其中,N为所述第一中间图像的像素个数,L为灰度级数,pi为所述第一中间图像中灰度值i的像素对应的概率密度,f(x)为累积密度函数;

步骤S33.根据公式3计算最大灰度值和最小灰度值;

其中,Min为最小灰度值,Max为最大灰度值,noiseCut为排除因子。

4.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,所述增强因子为用户输入的一大于0的数,而且,所述步骤S40包括:

步骤S41.根据公式4计算第二中间图像;

其中,enhanceFactor为增强因子,mul为第一变量,add为第二变量,G′为第一中间图像,G″为第二中间图像。

5.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,所述步骤S50包括:

步骤S51.根据公式5计算最终图像;

其中,G″′为最终图像,G″为第二中间图像,L为灰度级数。

6.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,在所述排除因子为一组灰度值时,所述步骤S30包括:

将所述第一中间图像中灰度值等于所述排除因子中的任意一个灰度值的像素排除掉;

在排除后的第一中间图像中找出最大灰度值和最小灰度值。

7.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,所述步骤S40包括:

步骤S42.根据公式6计算增强因子;

S43.根据公式7计算第二中间图像;

其中,Min为最小灰度值,Max为最大灰度值,L为灰度级数,enhanceFactor为增强因子,add′为第三变量。

8.根据权利要求1所述的用于工业智能相机的图像特征增强方法,其特征在于,所述增强因子为用户输入的一对大于0的数,而且,所述步骤S40包括:

步骤S44.根据公式8计算第三中间图像;

其中,Min为最小灰度值,Max为最大灰度值,expectedLow,expectedHigh为一对增强因子,mul′为第四变量,G′为第一中间图像,G″为第二中间图像。

9.一种用于工业智能相机的图像特征增强装置,包括处理器及存储有计算机程序的存储器,其特征在于,所述处理器在执行所述计算机程序时实现权利要求1-8任一项所述图像特征增强方法的步骤。

10.一种可读存储介质,存储有计算机程序,其特征在于,所述计算机程序在所述处理器执行时实现权利要求1-8任一项所述图像特征增强方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昂纳工业技术(深圳)有限公司,未经昂纳工业技术(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110110980.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top