一种用于云化视觉检测的图像传输方法与流程

1.本发明属于图像传输技术领域，具体涉及一种用于云化视觉检测的图像传输方法。


背景技术：

2.随着机器视觉检测技术在工业产线的广泛应用，部分用户提出检测数据进行云端备份的需求，方便用户进行二次分析和开发。这就要求每台检测设备都能够持续和云端服务器进行通讯，并将检测信息和图像数据进行上传。
3.由于受到网络带宽和图像数据大小本身的限制，导致单位时间内上传图片数量存在限制。以一幅分辨率为744
×
480的三通道彩色图像为例，图像总数据量约为1071414个字节，即使在100mbps网络中传输，理论上每秒钟只能传输约12张。
4.在实际检测过程中，工业相机采集的待检测目标图像内相邻像素之间有较大的相关性，存在冗余度，数据冗余会造成以太网传输时比特数的浪费。其次，用户可能并非对整幅图像感兴趣，往往着重于某些目标区域。因此，可以对上传图像进行前景和背景图像分离，对前景图像进行无损压缩，对背景图像则采取有损压缩，综合起来降低单张图像上传的数据量，提高单周期内上传图像数量，进而实现多通道图像数据的云端上传和备份。


技术实现要素：

5.针对现有技术中存在的上述技术问题，本发明提出了一种用于云化视觉检测的图像传输方法，设计合理，克服了现有技术的不足，具有良好的效果。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种用于云化视觉检测的图像传输方法，包括如下步骤：
8.步骤1：自动分离出待上传图像的前景和背景区域；
9.步骤2：利用图像数据内相邻像素之间的相关性以及相邻帧图像之间的相关性，对前景图像和背景图像分别采用无损和有损压缩算法进行处理；
10.步骤3：通过以太网将压缩后的数据上传到云端服务器；
11.步骤4：云端服务器接收到数据后，重构出前景和背景图像，进行叠加处理，解析出图像数据，实现图像数据的高效上传。
12.优选地，在步骤1中，具体包括如下步骤：
13.步骤1.1：根据公式(1)，计算含目标图像和未含目标图像两幅图像间的标准差，得到差值图像，并进行灰度化；
[0014][0015]
其中，i＝0，1，2.....m，表示图像宽度，j＝0，1，2.....n，表示图像高度，i
c
(i，j)表示含目标的图像，i
nc
(i，j)表示未含目标的图像，i
abs
(i，j)为两幅图像的标准差；
[0016]
步骤1.2：对灰度图像进行自适应阈值分割，并对其进行多次腐蚀和膨胀操作，消除掉小的连接区域和噪点，并填充掉部分孔洞；
[0017]
步骤1.3：查找最大图像区域，计算最小外接矩形，生成前景图像蒙版mask(i，j)；
[0018]
步骤1.4：得到前景图像蒙版mask(i，j)之后，根据公式(2)和公式(3)，分离出待上传示例图像i
s
(i，j)的目标和背景区域；
[0019][0020][0021]
其中，(i，j)表示原始图像，mask(i，j)表示前景图像蒙版，表示背景图像蒙版，and表示与操作，i
dst
(i，j)表示前景图像，i
back
(i，j)表示背景图像。
[0022]
优选地，在步骤2中，具体包括如下步骤：
[0023]
步骤2.1：对前景图像i
dst
(i，j)采用无损压缩算法，将图像数据以png格式压缩到流中，压缩后的图像数据量为173408个字节；
[0024]
步骤2.2：对背景图像采用有损压缩压缩算法，将图像数据以jpeg格式压缩到流中，压缩后的图像数据量为24393个字节。
[0025]
优选地，在步骤3中，具体包括如下步骤：
[0026]
步骤3.1：云端服务器在接收到数据后，重构出背景图像i
′
back
(i，j)和前景图像i
′
dst
(i，j)；
[0027]
步骤3.2：根据公式(4)，将重构出来的前景图像和背景图像进行叠加运算，即解析出待上传的示例图像，并进行数据备份；
[0028][0029]
其中，i
′
dst
(i，j)表示重构出来的前景图像，i
′
back
(i，j)表示重构出来的背景图像，i
′
s
(i，j)表示重构出来的原始图像。
[0030]
本发明所带来的有益技术效果：
[0031]
本发明公开了一种用于云化视觉检测的图像传输方法，首先自动分离出待上传图像的前景和背景区域，然后利用图像数据内相邻像素之间的相关性以及相邻帧图像之间的相关性，对前景图像和背景图像分别采用无损和有损压缩算法进行处理，有效降低单张图像上传时的数据量，提高了单位时间内图像传输的数量。通过以太网将压缩后的数据上传到云端服务器，云端服务器接收到数据后，重构出前景和背景图像，进行叠加处理，解析出图像数据，最终实现图像数据的高效上传；实际操作过程中，也可通过调整前景图像蒙版尺寸控制上传图像的压缩比，具有广泛的应用空间；具体优点如下：
[0032]
新颖性：本发明中采用了自动前景和背景分离算法，对待上传图像进行目标分离，对前景和背景图像分别采用无损和有损压缩的思路，保持用户感兴趣区域像素不丢失的情况下，有效的减少单张图片上传数据量，提高单位时间内图像传输的数量，实现多通道图像数据的上传和备份。通过以太网将压缩后的数据上传到云端服务器，云端在接收到数据后进行逆向操作，首先重构前景和背景图像，进行叠加运算，即可解析出待上传图像。
[0033]
创新性：本发明中采用以太网传输技术是成熟技术，使用到的图像处理算法在各种商用或开源的机器视觉函数库中都有包含，开发人员可直接调用，整体技术可行性较强。
[0034]
实用性：本发明中提出的一种用于云化视觉检测的图像传输方法，可以有效提高单位时间内图像传输的数量，具有广泛的应用空间。
附图说明
[0035]
图1分别是未含目标图像、含目标图像。
[0036]
其中，(a)是未含目标图像；(b)是含目标图像。
[0037]
图2分别是差值图像、灰度图像。
[0038]
其中，(a)是差值图像；(b)是灰度图像。
[0039]
图3分别是阈值分割后的图像、形态学处理后的图像。
[0040]
其中，(a)是阈值分割后的图像；(b)是形态学处理后的图像。
[0041]
图4是前景图像蒙版。
[0042]
图5是待上传示例图像。
[0043]
图6分别是背景图像和前景图像。
[0044]
其中，(a)是背景图像；(b)是前景图像。
[0045]
图7分别是重构出的背景图像和前景图像。
[0046]
其中，(a)是重构出的背景图像；(b)是重构出的前景图像。
[0047]
图8是重构出的原始图像。
具体实施方式
[0048]
下面结合附图以及具体实施方式对本发明作进一步详细说明：
[0049]
实际检测过程中，视觉检测设备控制工业相机拍照采集图像，如图1所示，示例一张含目标图像和一张未含目标图像。计算两幅图像间的标准差，得到差值图像，计算过程如公式(1)所示，并进行灰度化，最终效果如图2所示。
[0050][0051]
对灰度图像进行自适应阈值分割，分割后的图像如图3所示，并对其进行多次腐蚀和膨胀操作，消除掉小的连接区域和噪点，并填充掉部分孔洞。然后，查找最大图像区域，计算最小外接矩形，生成前景图像蒙版mask(i，j)，如图4所示。得到蒙版图像之后，就可以用来对图像进行前景和背景的分离操作。图5是工业相机随机采集的一幅图像，对其进行目标和背景区域的分离，计算过程如公式(2)、公式(3)所示，分离后的得到的前景和背景图像如图6所示。
[0052][0053][0054]
对前景图像i
dst
(i，j)采用无损压缩算法，将图像数据以png格式压缩到流中，压缩后的图像数据量为173408个字节；对背景图像采用有损压缩压缩算法，将图像数据以jpeg格式压缩到流中，压缩后的图像数据量为24393个字节，压缩后数据量之和相当于原始图像的1/5.4，单位时间传输图像的数量可以提高约5.4倍。
[0055]
云端服务器在接收到数据后，重构出背景图像i
′
back
(i，j)和前景图像i
′
dst
(i，j)，如图7所示，最后将重构出来的前景图像和背景图像进行叠加运算，即解析出待上传的示例图像，计算过程如公式(4)所示，最终效果如图8所示，并进行数据备份。
[0056]
[0057]
此外，用户可以通过调整蒙版尺寸控制图像压缩比。例如，前景蒙版图像为空时，待上传图像直接以jpeg格式压缩到流中，压缩后的图像数据量为34354个字节；当前景蒙版图像为整幅图像时，待上传图像直接以png格式压缩到流中，压缩后的图像数据量为584247个字节。
[0058]
本发明公开了一种用于云化视觉检测的图像传输方法，首先自动分离出待上传图像的前景和背景区域，然后利用图像数据内相邻像素之间的相关性以及相邻帧图像之间的相关性，对前景图像和背景图像分别采用无损和有损压缩算法进行处理，有效降低单张图像上传时的数据量，提高了单位时间内图像传输的数量。通过以太网将压缩后的数据上传到云端服务器，云端服务器接收到数据后，重构出前景和背景图像，进行叠加处理，解析出图像数据，最终实现图像数据的高效上传。实际操作过程中，也可通过调整前景图像蒙版尺寸控制上传图像的压缩比，具有广泛的应用空间。
[0059]
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。