[发明专利]一种基于Retinex的工业透明薄膜包装检测方法

摘要

本发明涉及一种基于Retine x的工业透明薄膜包装检测方法，其特征在于，步骤为：第一步、运用多尺度Retine x算法对拍摄到的工业透明薄膜包装图像进行图像初步增强；第二步、根据初步增强后的图像，确定增强系数；第三步、将初步增强后的图像和其负片结合处理，在颜色恒定性的基础上，增强图像；第四步、将增强后的图像片转化到饱和度空间，阈值分割，进行破损检测；第五步、运用神经BP神经网络进行关于破损的判别。本发明提出了一种新的图像处理算法，将初步增强后的图像与其负片结合进行处理，对不同亮度区域采用线性变换，增强了图像特征区域的亮度和对比度，具有运行时间短，检测准确性高的优点。

主权项

一种基于Retine x的工业透明薄膜包装检测方法，其特征在于运用本文算法代替硬件，进行透明薄膜包装的破损检测，步骤为：第一步、运用多尺度Retine x算法对拍摄到的工业透明薄膜包装图像进行图像初步增强，多尺度Retine x算法表示为：$\left\{\begin{array}{c}S(x,y)=R(x,y)\×L(x,y)\\ L(x,y)=S(x,y)*G(x,y)\end{array}\right.,$式中，L(x，y)表示入射光，为高频信号；R(x，y)表示物体的反射性质，为低频信号；对L(x，y)进行低通滤波，就得到R(x，y)；S(x，y)是摄像头接收到的光线所构成的图像；G(x，y)代表高斯滤波器：G(x，y)＝λexp[‑(x²+y²)/σ²]，其中，σ是尺度参数，越大锐化越厉害，λ是归一化常数，并使得∫∫G(x，y)dxdy＝1成立；第二步、根据初步增强后的图像，确定增强系数；第三步、将初步增强后的图像和其负片结合处理，在颜色恒定性的基础上，增强图像，第二步及第三步包括：步骤1、在对数域上有：log(S(x，y))＝log(R(x，y))+log(G(x，y)×S(x，y))，则有：$\log R(x,y)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ω}}_k\{\log S(x,y)-\log [G(x,y)\×S(x,y)\left]\right\},$式中，K为3，ω_k为1/3；步骤2、将R(x，y)表示为$R(x,y)=W-\stackrel{\‾}{R^c(x,y)}c\∈\{r,g,b\},$W表示和S(x，y)大小相同的矩阵，矩阵的数值均为255；表示图像的负片；c表示各颜色通道；步骤3、图片中的颜色由R，G，B间的比例决定，亮度由R，G，B的大小决定，为了保持在颜色恒定的基础上，进行图像特征区域的增强，对负片进行线性变换，则有：$\left\{\begin{array}{c}\stackrel{\‾}{I^c(x,y)}={\mathrm{\λ}}_1\stackrel{\‾}{R_1^c(x,y)}+{\mathrm{\λ}}_2\stackrel{\‾}{R_2^c(x,y)}\\ \stackrel{\‾}{I_1^c(x,y)}={\mathrm{\λ}}_1\stackrel{\‾}{R_1^c(x,y)}\\ \stackrel{\‾}{I_2^c(x,y)}={\mathrm{\λ}}_2\stackrel{\‾}{R_2^c(x,y)}\end{array}\right.c\∈\{r,g,b\},$式中，负片的亮度与R(x，y)相反，R(x，y)中的亮区域对应中的暗区域，将分为其中，表示亮度在前20％的区域，在负片空间中破损区域的亮度较大，增大其线性变换的系数，有利于增强其在饱和度空间中的特征；步骤4、分别对区域进行线性拉伸，为了增强负片亮度，取λ₁，λ₂为大于1的数值；步骤5、根据$I^c(x,y)=R^c(x,y)-{\mathrm{\β}}_1\stackrel{\‾}{R_1^c(x,y)}-{\mathrm{\β}}_2\stackrel{\‾}{R_2^c(x,y)}$c∈{r，g，b}得到增强后的图像I(x，y)，式中，β₁＝λ₁‑1，β₂＝λ₂‑1；第四步、将增强后的图像I(x，y)片转化到饱和度空间，阈值分割，进行破损检测；第五步、运用神经BP神经网络进行关于破损的判别。