技术摘要：
本发明公开了一种自适应图像预处理方法，将原始图像划分成多个子区域，获取单个子区域中各像点的特征信息I(i，j)，对单个子区域进行预先处理，再次获取预先处理后单个子区域中各像点的特征信息D(i，j)；对特征信息I(i，j)和D(i，j)进行自适应融合处理，得到融合后子区 全部
背景技术：
在机器视觉领域，利用图像进行产品检测已成为一种主流的检测方法，其中图像 质量的好坏直接关系到检测的准确性，因此首先需要对采集的原始图像进行预处理，得出 高质量的图像再进行数据分析；图像滤波和图像融合是两种常见的图像预处理方法，现有 的图像滤波和图像融合方法在使用时，主要存在参数设置需人工反复试验得出、权重分配 不合理、预处理效果不佳的缺点。
技术实现要素：
为此，本发明提出一种自适应图像预处理方法及其应用；本方法能够自适应的设 置图像融合的权重值，避免了反复试验最佳配置参数造成的时间浪费，图像处理效果好，适 用于对各类图像的预处理。 技术方案如下： 一种自适应图像融合方法，包括以下步骤： 1)将原始图像划分成多个子区域，记单个子区域的高、宽分别为NH、NL；获取单个子 区域中各像点的特征信息，记为I(i,j)，i＝1,2…NH，j＝1,2…NL； 所述特征信息为像点的单一图像特征或多特征融合而成的特征向量； 2)对单个子区域进行预先处理，再次获取预先处理后单个子区域中各像点的特征 信息，记为D(i,j)； 然后按照如下方法进行融合处理，得到融合后子区域中各像点的特征信息D′(i,j)： D′(i,j)＝α·D(i,j) (1-α)·I(i,j) 其中， α＝γ·[D 1/2(i,j)] γ′为预设数值，其数值小于0.001； 采用相同方法，对不同的子区域分别进行预先处理和融合处理； 3)统计单个像素点参与融合处理的次数f；求取f次处理结果的均值记为该像素点 的处理结果；遍历各个像素点，完成对原始图像的融合处理。 进一步，将原始图像划分成多个子区域的方法为： 预先设置相邻子区域的间隔步长t，从原始图像的起始像点开始，沿图像水平方 向，根据步长t，依次划分成子区域，当子区域布满图像的一行时，下一子区域沿图像竖直方 向移动一个步长，再继续沿图像水平方向划分。 4 CN 111598819 A 说 明 书 2/5 页 优选，t＝1～3像素，t≤N；NH＝NL；所有子区域的尺寸相同。 进一步，所述特征信息I(i,j)或D(i,j)通过以下步骤得到： 提取单个像点的图像特征； 所述图像特征包括：灰度信息、颜色信息、SIFT特征信息、SURF特征信息和ORB特征 信息； 选择其中的一个特征记为该像点的特征信息； 或，利用特征融合算法将其中的多个特征融合为特征向量，将该特征向量记为该 像点的特征信息。 优选，特征融合算法为concat方法。 进一步，所述预先处理的方法为：图像滤波、灰度变换、直方图均衡化和Retinex图 像增强方法中的任意一种、两种或多种的组合。 进一步，所述图像滤波方法为局部同态滤波，同态滤波函数如下： 其中，gH、gL为预设值，分别表示原始图像的高、低频增益，取值gH＞1、gL＜1；c为常 数，表示锐化因子；D(u,v)为像点(u,v)到滤波器中心的距离；k为预设调节因子，取值范围 为1～3；Dc表示滤波器截止频率，其等于子区域频谱幅值的3/5～4/5。 为了削弱局部同态滤波之后出现的过增强或欠增强现象；对同态滤波后的像素点 b进行gamma校正，得到校正后的像点b’： 其中，b表示当前像素点的灰度值，bmin、bmin、bmean分别表示当前像素点所在子区域 的灰度最小值、灰度最大值及灰度均值。 进一步，各子区域的尺寸相同；NH＝L /2nH 、N nw＝Lw/2 ，n取值0～5； 其中，LH、Lw分别表示原始图像的高、宽。 进一步，n的具体取值通过以下过程得到： 将n从0遍历到5，每次遍历时，计算各子区域灰度方差中的最大值并标记为特征值 Vn，统计特征值中的最大值记为Vm； 筛选满足Vn≥0.8*Vm时，n的最小数值。 首先利用上述自适应图像融合方法分别对模板图像和目标图像进行融合处理，设 置金字塔模板匹配方法中的金字塔层数r： 其中，n1表示蒙版图像的总像素数，n2表示蒙版图像中有效区域的像素数；h、w分别 5 CN 111598819 A 说 明 书 3/5 页 表示蒙版图像中最小有效区域外接矩形的长、宽尺寸； 所述蒙版图像与模板图像尺寸一致，按需在蒙版图像中设置有效区域； 作为本发明方法的应用，利用所述金字塔模板匹配方法，对模板图像和目标图像 进行匹配计算，找到最大匹配分数对应的坐标点，记为匹配点，完成图像匹配。 本方法根据图像本身的属性，能够自适应的设置图像融合的权重值，避免了反复 试验最佳配置参数造成的时间浪费，同时本方法对现有同态滤波器进行改进，避免了同态 滤波算法在使用过程中出现的边缘块效应，选择性地拉伸了图像细节信息，更加凸显图像 中的特征，更利于后续的图像数据分析；此外，将经过本方法预处理的图像应用于金字塔搜 索策略的匹配算法，金字塔层数通过计算得出，避免手动设置引入的主观因素影响，有效提 升了模板匹配效率、精度。 附图说明 图1(a)为实施例中采集工件的原始灰度图； 图1(b)为利用现有技术中图像滤波方法对原始图像的预先处理结果图； 图1(c)为利用本发明中局部同态滤波方法对原始图像的预先处理结果图； 图1(d)为利用现有技术中图像融合方法对原始图像的处理结果图； 图1(e)为利用本发明中图像融合方法对原始图像的处理结果图； 图1(f)为利用现有技术中图像滤波和融合方法对原始图像的处理结果图； 图1(g)为利用本发明中局部同态滤波和融合方法对原始图像的处理结果图。 图2(a)为实施例中采集工件的原始灰度图； 图2(b)为利用现有技术中图像滤波方法对原始图像的预先处理结果图； 图2(c)为利用本发明中局部同态滤波方法对原始图像的预先处理结果图； 图2(d)为利用现有技术中图像融合方法对原始图像的处理结果图； 图2(e)为利用本发明中图像融合方法对原始图像的处理结果图； 图2(f)为利用现有技术中图像滤波和融合方法对原始图像的处理结果图； 图2(g)为利用本发明中局部同态滤波和融合方法对原始图像的处理结果图； 图3为原始图像中子区域划分示意图。
本发明公开了一种自适应图像预处理方法，将原始图像划分成多个子区域，获取单个子区域中各像点的特征信息I(i，j)，对单个子区域进行预先处理，再次获取预先处理后单个子区域中各像点的特征信息D(i，j)；对特征信息I(i，j)和D(i，j)进行自适应融合处理，得到融合后子区 全部
背景技术：
在机器视觉领域，利用图像进行产品检测已成为一种主流的检测方法，其中图像 质量的好坏直接关系到检测的准确性，因此首先需要对采集的原始图像进行预处理，得出 高质量的图像再进行数据分析；图像滤波和图像融合是两种常见的图像预处理方法，现有 的图像滤波和图像融合方法在使用时，主要存在参数设置需人工反复试验得出、权重分配 不合理、预处理效果不佳的缺点。
技术实现要素：
为此，本发明提出一种自适应图像预处理方法及其应用；本方法能够自适应的设 置图像融合的权重值，避免了反复试验最佳配置参数造成的时间浪费，图像处理效果好，适 用于对各类图像的预处理。 技术方案如下： 一种自适应图像融合方法，包括以下步骤： 1)将原始图像划分成多个子区域，记单个子区域的高、宽分别为NH、NL；获取单个子 区域中各像点的特征信息，记为I(i,j)，i＝1,2…NH，j＝1,2…NL； 所述特征信息为像点的单一图像特征或多特征融合而成的特征向量； 2)对单个子区域进行预先处理，再次获取预先处理后单个子区域中各像点的特征 信息，记为D(i,j)； 然后按照如下方法进行融合处理，得到融合后子区域中各像点的特征信息D′(i,j)： D′(i,j)＝α·D(i,j) (1-α)·I(i,j) 其中， α＝γ·[D 1/2(i,j)] γ′为预设数值，其数值小于0.001； 采用相同方法，对不同的子区域分别进行预先处理和融合处理； 3)统计单个像素点参与融合处理的次数f；求取f次处理结果的均值记为该像素点 的处理结果；遍历各个像素点，完成对原始图像的融合处理。 进一步，将原始图像划分成多个子区域的方法为： 预先设置相邻子区域的间隔步长t，从原始图像的起始像点开始，沿图像水平方 向，根据步长t，依次划分成子区域，当子区域布满图像的一行时，下一子区域沿图像竖直方 向移动一个步长，再继续沿图像水平方向划分。 4 CN 111598819 A 说 明 书 2/5 页 优选，t＝1～3像素，t≤N；NH＝NL；所有子区域的尺寸相同。 进一步，所述特征信息I(i,j)或D(i,j)通过以下步骤得到： 提取单个像点的图像特征； 所述图像特征包括：灰度信息、颜色信息、SIFT特征信息、SURF特征信息和ORB特征 信息； 选择其中的一个特征记为该像点的特征信息； 或，利用特征融合算法将其中的多个特征融合为特征向量，将该特征向量记为该 像点的特征信息。 优选，特征融合算法为concat方法。 进一步，所述预先处理的方法为：图像滤波、灰度变换、直方图均衡化和Retinex图 像增强方法中的任意一种、两种或多种的组合。 进一步，所述图像滤波方法为局部同态滤波，同态滤波函数如下： 其中，gH、gL为预设值，分别表示原始图像的高、低频增益，取值gH＞1、gL＜1；c为常 数，表示锐化因子；D(u,v)为像点(u,v)到滤波器中心的距离；k为预设调节因子，取值范围 为1～3；Dc表示滤波器截止频率，其等于子区域频谱幅值的3/5～4/5。 为了削弱局部同态滤波之后出现的过增强或欠增强现象；对同态滤波后的像素点 b进行gamma校正，得到校正后的像点b’： 其中，b表示当前像素点的灰度值，bmin、bmin、bmean分别表示当前像素点所在子区域 的灰度最小值、灰度最大值及灰度均值。 进一步，各子区域的尺寸相同；NH＝L /2nH 、N nw＝Lw/2 ，n取值0～5； 其中，LH、Lw分别表示原始图像的高、宽。 进一步，n的具体取值通过以下过程得到： 将n从0遍历到5，每次遍历时，计算各子区域灰度方差中的最大值并标记为特征值 Vn，统计特征值中的最大值记为Vm； 筛选满足Vn≥0.8*Vm时，n的最小数值。 首先利用上述自适应图像融合方法分别对模板图像和目标图像进行融合处理，设 置金字塔模板匹配方法中的金字塔层数r： 其中，n1表示蒙版图像的总像素数，n2表示蒙版图像中有效区域的像素数；h、w分别 5 CN 111598819 A 说 明 书 3/5 页 表示蒙版图像中最小有效区域外接矩形的长、宽尺寸； 所述蒙版图像与模板图像尺寸一致，按需在蒙版图像中设置有效区域； 作为本发明方法的应用，利用所述金字塔模板匹配方法，对模板图像和目标图像 进行匹配计算，找到最大匹配分数对应的坐标点，记为匹配点，完成图像匹配。 本方法根据图像本身的属性，能够自适应的设置图像融合的权重值，避免了反复 试验最佳配置参数造成的时间浪费，同时本方法对现有同态滤波器进行改进，避免了同态 滤波算法在使用过程中出现的边缘块效应，选择性地拉伸了图像细节信息，更加凸显图像 中的特征，更利于后续的图像数据分析；此外，将经过本方法预处理的图像应用于金字塔搜 索策略的匹配算法，金字塔层数通过计算得出，避免手动设置引入的主观因素影响，有效提 升了模板匹配效率、精度。 附图说明 图1(a)为实施例中采集工件的原始灰度图； 图1(b)为利用现有技术中图像滤波方法对原始图像的预先处理结果图； 图1(c)为利用本发明中局部同态滤波方法对原始图像的预先处理结果图； 图1(d)为利用现有技术中图像融合方法对原始图像的处理结果图； 图1(e)为利用本发明中图像融合方法对原始图像的处理结果图； 图1(f)为利用现有技术中图像滤波和融合方法对原始图像的处理结果图； 图1(g)为利用本发明中局部同态滤波和融合方法对原始图像的处理结果图。 图2(a)为实施例中采集工件的原始灰度图； 图2(b)为利用现有技术中图像滤波方法对原始图像的预先处理结果图； 图2(c)为利用本发明中局部同态滤波方法对原始图像的预先处理结果图； 图2(d)为利用现有技术中图像融合方法对原始图像的处理结果图； 图2(e)为利用本发明中图像融合方法对原始图像的处理结果图； 图2(f)为利用现有技术中图像滤波和融合方法对原始图像的处理结果图； 图2(g)为利用本发明中局部同态滤波和融合方法对原始图像的处理结果图； 图3为原始图像中子区域划分示意图。
