基于图像数据算法的生产监测分析方法

1.本发明涉及图像处理技术领域，具体涉及基于图像数据算法的生产监测分析方法。


背景技术：

2.生产是制造业企业的核心，生活中方方面面都离不开生产，每个行业在进行产品生产时都要对产品进行监测分析，其中，生产监测分析是对所生产的产品进行分类，分类时往往是扫描设备扫描生产后产品表面的识别码对产品进行分类，如传送带上的产品进行分类时，往往需要通过识别产品上的识别码对产品进行分类，而识别码往往距离摄像机较远，因此，导致图像中的识别码不清晰无法对产品进行分类，因此对图像进行增强，保证产品的准确分类至关重要。
3.现有的技术往往通过直方图均衡化进行图像增强，该方法是较为普遍与简单的一种技术，并且有较好的增强效果，其主要思想是将一幅图像的直方图分布通过累积分布函数变成近似均匀分布，将原图像的灰度范围进行扩展，从而增强图像的对比度；但是直方图均衡化对图像直接进行拉伸会导致图像被过渡拉伸，从而造成图像中的大量细节信息丢失的情况，即损失了原始信息，导致图像中识别码信息丢失，从而影响产品的分类。


技术实现要素：

4.本发明提供基于图像数据算法的生产监测分析方法，以解决现有的直方图均衡化进行图像增强时，导致原始信息丢失的问题。
5.本发明的基于图像数据算法的生产监测分析方法，采用如下技术方案：获取产品识别码所在面的图像的灰度图像，根据灰度图像的灰度直方图中像素点的灰度级均值、最大灰度级、最小灰度级及每个像素点在灰度图像中的梯度得到灰度直方图中每个像素点的重构灰度级，根据灰度直方图中每个像素点的重构灰度级得到重构灰度直方图；所述每个像素点的重构灰度级的具体表达式为：式中：表示像素点的重构灰度级，表示最大灰度级，表示最小灰度级，表示像素点的灰度级，表示灰度级均值，表示像素点在灰度图像中的梯度；获取otsu算法对重构灰度直方图进行分割的分割阈值，根据重构灰度直方图中每个灰度级所对应的像素点个数对分割阈值进行矫正得到新的分割阈值，根据新的分割阈值对重构灰度直方图进行分割得到子灰度直方图；根据每个子灰度直方图中的像素点的总个数和该子灰度直方图的灰度级区间长
度得到该子灰度直方图的横向分割阈值，根据该子灰度直方图的横向分割阈值和大于横向分割阈值的所有灰度级得到该子灰度直方图中灰度级的调整量；根据子灰度直方图中灰度级的调整量、该子灰度直方图的横向分割阈值和大于横向分割阈值的所有灰度级对该子灰度直方图进行矫正得到矫正后的子灰度直方图，根据矫正后的子灰度直方图得到增强后的灰度图像，对增强后的灰度图像中的识别码进行识别，并完成产品的分类。
6.进一步的，所述得到新的分割阈值的具体表达式为：式中：表示新的分割阈值，表示重构灰度图像中像素点的所对应的灰度级的个数，表示重构灰度直方图中灰度级对应的面积，表示分割阈值。
7.进一步的，所述子灰度直方图的横向分割阈值是按如下方法确定的：根据子灰度直方图中对应的像素点的总个数和该子灰度直方图的灰度级区间长度的比值得到该子灰度直方图的横向分割阈值。
8.进一步的，所述子灰度直方图中灰度级的调整量的具体表达式为：式中：表示子灰度直方图中灰度级的调整量，表示子灰度直方图的横向分割阈值，表示子灰度直方图中大于横向分割阈值的所有灰度级所对应的灰度级区间，表示子灰度直方图中大于横向分割阈值的所有灰度级。
9.进一步的，所述得到矫正后的子灰度直方图的方法是：根据子灰度直方图中灰度级的调整量、该子灰度直方图的横向分割阈值和大于横向分割阈值的所有灰度级得到矫正后的灰度级；根据矫正后的灰度级得到矫正后的子灰度直方图。
10.进一步的，所述增强后的灰度图像是按如下方法确定的：将矫正后的子灰度直方图求并集得到合并后的子灰度直方图；根据合并后的子灰度直方图得到增强后的灰度图像。
11.本发明的有益效果是：本发明首先获取了待增强图像的灰度直方图，对灰度直方图中的灰度级进行了横向拉伸得到了重构灰度直方图，其中横向拉伸时根据每个灰度级的不同，对每个灰度级赋予了拉伸权重，使得在横向拉伸灰度直方图时，保证了原始信息的完整；其次，本发明对于重构灰度图像进行了纵向变换，通过对大于横向分割阈值的灰度级重新赋予了灰度值得到矫正后的灰度直方图，提高了原始灰度图像的对比度，实现了原始灰度图像的增强。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可
以根据这些附图获得其他的附图。
13.图1为本发明的基于图像数据算法的生产监测分析方法的实施例的流程图。
具体实施方式
14.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
15.本发明的一种基于图像数据算法的生产监测分析方法的实施例，如图1所示，包括：s1、获取产品识别码所在面的图像的灰度图像，根据灰度图像的灰度直方图中像素点的灰度级均值、最大灰度级、最小灰度级及每个像素点在灰度图像中的梯度对该灰度直方图进行重构得到重构灰度直方图；获取待增强图像的灰度图像的具体步骤为：设置摄像机，其中摄像机设在传送带上的产品贴识别码的一侧，采集传送带上贴识别码的一侧的产品图像，但是在采集图像的过程中，防止产品表面产生反光，所以在采集图像时，需要光照均均匀。光线的照射方向为俯视照射，且需要多个光源，从而形成均匀的光线，照射在产品的表面。并对获得的图像进行灰度化处理，获得对应的灰度图像。
16.得到重构灰度直方图的具体步骤为：获取灰度图像的灰度直方图中像素点的灰度级均值、最大灰度级、最小灰度级及每个像素点在灰度图像中的梯度，根据灰度直方图中像素点的灰度级均值、最大灰度级、最小灰度级及每个像素点在灰度图像中的梯度得到灰度直方图中每个像素点的重构灰度级，根据灰度直方图中每个像素点的重构灰度级得到重构灰度直方图，每个像素点的重构灰度级的具体表达式为：式中：表示像素点的重构灰度级，表示最大灰度级，表示最小灰度级，表示像素点的灰度级，表示灰度级均值，表示像素点在灰度图像中的梯度，根据每个像素点的重构灰度级对灰度直方图进行重构得到重构灰度直方图，表示像素点的灰度值减去灰度直方图的灰度均值，表示此像素点的灰度值与均值的差异，目的是为了表示灰度值所处的灰度位置，从而在进行拉伸时对其赋予的权重不同；表示直方图中灰度区间的占比，为了表示灰度的分布；表示灰度值为的权重，设置权重是根据像素点的灰度值与所处的位置的像素点变化程度进行设定，因为处于边缘的像素点的灰度值变化较大，因此梯度较大，设置较大的权重。
17.其中，由于灰度图像中的识别码为灰度图像中的重要区域，因此，对于处于较小的灰度范围的灰度直方图中，在进行拉伸时，将重要区域的关键信息在进行拉伸时，赋予较大
的权重，因此拉伸的效果更加的明显，像素点的权重乘以映射函数与灰度差值，目的是为了表示此像素点是否处于灰度梯度变化较大的区域，如果处于灰度梯度较大的区域，赋予较大的权重，然后对此像素点进行变换，使得在灰度直方图中拉伸的程度更大，在进行拉伸后，灰度级数量的增多，赋予较大权重的灰度值的像素点的拉伸效果变得更加明显，使得图像中识别码更加的突出。而对于较小权重的区域的拉伸效果不明显，因此图像的对比度增大。
18.通过重构灰度直方图对灰度图像进行横向拉伸，横向拉伸的目的是为了得到重要区域更加明显的灰度图像，但是仅仅进行横向拉伸是不够的，因为在进行横向拉伸的时候的将灰度图像中关键的像素点赋予较大的权重进行拉伸的，拉伸的区域比较的局限，但是为了突出重要区域的拉伸，还要对灰度直方图进行纵向变换，使得整个重要区域都更加的突出，将灰度图像进行横向拉伸后，灰度值大和小的区域的变化明显，可能导致灰度图像中某个目标区域灰度值靠近背景灰度值，为了增大背景和目标的差别，需要进行纵向拉伸。
19.s2、获取otsu算法分割重构灰度直方图的分割阈值，根据重构灰度直方图中每个灰度级所对应的像素点个数和分割阈值对重构灰度直方图的分割阈值进行矫正得到新的分割阈值，根据新的分割阈值对重构灰度直方图进行分割得到子灰度直方图。
20.在进行直方图的纵向变换时，其基本思想是减弱较大峰值的灰度值的像素点，因为直方图的纵轴表示的像素点的个数，因此在对直方图的峰值进行削弱时，会减少图像中灰度较为集中的像素点，使得图像的许多无关的像素减少，从而突出已经增强的区域。
21.低照度灰度图像中的区域的像素在重构灰度直方图中分布往往过于集中，导致所呈现的全局重构灰度直方图容易出现尖峰状，从而引发过增强现象和细节信息丢失，因此对重构灰度直方图的尖峰进行去除。首先对重构灰度直方图进行分割，获得左右两个子灰度直方图，首先使用otsu阈值分割算法获得重构灰度直方图的分割阈值，然后再对分割阈值进行矫正，具体表达式如下：式中：表示新的分割阈值，表示重构灰度图像中像素点的所对应的灰度级的个数，表示重构灰度直方图中灰度级对应的面积，表示分割阈值。
22.其中，根据灰度值的分布对重构灰度直方图进行划分，但是需要考虑每个灰度值对应的像素个数的分布，在确定分割点时，不能将任意峰的像素数量分过多，这样会导致后续对直方图进行变换时出现另一峰的尖峰的削弱过渡，从而导致灰度图像的信息丢失严重。
23.s3、根据子灰度直方图中对应的像素点的总个数和该子灰度直方图的灰度级区间长度得到该子灰度直方图的横向分割阈值，根据该子灰度直方图的横向分割阈值和大于横向分割阈值的所有灰度级得到该子灰度直方图中灰度级的调整量。
24.在确定了重构灰度直方图的新的分割阈值后，将重构灰度直方图分为两个子灰度直方图，然后需要寻找子灰度直方图的波峰处的分割阈值即横向分割阈值，对超出横向分割阈值部分的像素重新赋值，最终达到校正子灰度直方图的目的。其横向分割阈值的具体
表达式如下：式中：表示子灰度直方图的横向分割阈值，表示子灰度直方图的像素总个数，表示子直方图的灰度级区间长度。
25.其中，根据子灰度直方图中对应的像素点的总个数和该子灰度直方图的灰度级区间长度的比值表征了该子灰度直方图的灰度分布，因此将该子灰度直方图的灰度分布作为将该子灰度直方图的横向分割阈值。
26.获取子灰度直方图中大于横向分割阈值的所有灰度级，根据子灰度直方图中大于横向分割阈值的所有灰度级和子灰度直方图中大于横向分割阈值的所有灰度级所对应的灰度级区间对该子灰度直方图中大于横向分割阈值的所有灰度级进行调整得到该子灰度直方图的灰度级调整量，具体表达式如下：式中：表示子灰度直方图中灰度级的调整量，表示子灰度直方图的横向分割阈值，表示子灰度直方图中大于横向分割阈值的所有灰度级所对应的灰度级区间，表示子灰度直方图中大于横向分割阈值的所有灰度级。
27.其中，该公式分子计算了子灰度直方图中大于横向分割阈值的所有灰度级与横向分割阈值的差值的和，分母为子灰度直方图中大于横向分割阈值的所有灰度级所对应的灰度级区间，分子与分母的比值表征了该子灰度直方图的某一灰度级，该灰度级表征了该子灰度直方图的平均量，因此将该灰度级作为该子灰度直方图中灰度级的调整量。
28.s4、根据子灰度直方图中灰度级的调整量、该子灰度直方图的横向分割阈值和大于横向分割阈值的所有灰度级对该子灰度直方图进行矫正得到矫正后的子灰度直方图，根据矫正后的子灰度直方图得到增强后的灰度图像。
29.根据子灰度直方图中灰度级的调整量、该子灰度直方图的横向分割阈值和大于横向分割阈值的所有灰度级得到该子灰度直方图矫正后的灰度级，具体表达式如下：式中：表示子灰度直方图的横向分割阈值，表示子灰度直方图中大于横向分割阈值的所有灰度级，表示子灰度直方图中灰度级的调整量，表示子灰度直方图中大于横向分割阈值的所有灰度级对应的矫正后的灰度级。
30.其中，当，将大于，且大于横向分割阈值的所有灰度级赋值为，当时，将小于等于，且大于横向分割阈值的所有灰度级赋值为，其中表示大于横向分割阈值的所有灰度级，因此在进行赋值时需要灰度级对应，子灰度直方图的横向分割阈值限制了子灰度直方图中的较大值，防止灰度级的过度拉伸，调整量增加了子灰度直方图中较小值所占的比例，一定程度上防止了灰度级的合并和细节信息丢失，同时也起到调整对比度的作用。
31.将子灰度直方图进行合并得到合并后的灰度直方图，其中，合并时是将子灰度直方图求并集。
32.根据合并后的灰度直方图得到增强后的灰度图像，对增强的灰度图像进行扫描，完成每个增强的灰度图像中的产品的分类。
33.本发明的有益效果是：本发明首先获取了待增强图像的灰度直方图，对灰度直方图中的灰度级进行了横向拉伸得到了重构灰度直方图，其中横向拉伸时根据每个灰度级的不同，对每个灰度级赋予了拉伸权重，使得在横向拉伸灰度直方图时，保证了原始信息的完整；其次，本发明对于重构灰度图像进行了纵向变换，通过对大于横向分割阈值的灰度级重新赋予了灰度值得到矫正后的灰度直方图，提高了原始灰度图像的对比度，实现了原始灰度图像的增强。
34.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。