基于图像三色分割的厨房油烟浓度标识方法技术

一种基于图像三色分割的厨房油烟浓度标识方法，步骤如下：(1)将待处理的初始图像定义为目标图像，对目标图像进行开运算去噪，得到去噪图像；(2)获取最小值新生图像；(3)求取绝对值灰度差值，获得绝对值灰度差值图像；(4)将绝对灰度差值进行归一化处理得到归一化绝对灰度差值，将归一化绝对灰度差值与油烟阈值进行对比，将归一化绝对灰度差值进行高、中、低灰度值梯度划分；(5)在目标图像中，将设定好的油烟阈值用三种不同的单通道颜色标识，并根据步骤(4)的灰度值梯度划分结果进行标记；(6)生成叠加效果对比图。本发明专利技术具有效率高、结果精确的特点。

【技术实现步骤摘要】
基于图像三色分割的厨房油烟浓度标识方法
本专利技术涉及厨房油烟处理
，特别是涉及一种基于图像三色分割的厨房油烟浓度标识方法。
技术介绍
厨房是居家必备的配置之一，厨房油烟处理的效果直接影响人们的生活品质。随着科技的不断发展，对厨房油烟的监控及处理手段也越来越多。继传统的抽油烟机设置几个抽吸档位后，还出现了对厨房油烟浓度进行检测等技术。现有技术中，针对厨房油烟浓度的检测，主要有红外投射法和物理检测法。红外投射法通过一端发射红外光，另一端进行接收，通过接收到的红外光强度来判断油烟浓度大小。但是，由于油烟飘散具有不确定性，实际中还会存在人手遮挡等干扰，故，需在不同位置安装多个红外发射器才能保证油烟检测的相对准确，成本较高，对安装位置要求也较高。物理检测法类似于烟雾报警器的原理，通过检测空气中漂浮颗粒数来判断油烟浓度，但此法有两个缺点，一是必须当油烟接触到报警器时才能进行检测，不能实现远距离检测；二是当空气中飘浮的不是油烟而是水雾时就无法检测。油烟图像浓度判断的关键在于对油烟图像的处理效果。图像分割是指根据相似和均匀的准则将图像分为互相不重叠、本身相连的图像组元的过程，是从图像处理到图像分析的关键步骤，图像分割质量的好坏，很大程度决定着后续图像分析的效果。现阶段无论是对彩色还是灰度图像的分割，通常是人为地将想要提取的颜色所对应的图像区域标记出来，再将标记出的图像区域与图像所在的坐标系统进行转换，从而确定出提取颜色所对应的图像区域的坐标位置，再根据坐标对标记出的区域进行分析处理。然而通过人工的方式确定出的标记区域会存在较大误差，对图像采集设备的稳定性的成像系统的精度也会造成影响，同时人工的方式效率并不高，极易受到干扰而出现标记错误和处理误差。因此，针对现有技术不足，提供一种分割效率高、结果精确的基于图像三色分割的厨房油烟浓度标识方法以克服现有技术不足甚为必要。
技术实现思路
本专利技术的目的在于避免现有技术的不足之处而提供一种基于图像三色分割的厨房油烟浓度标识方法，具有效率高、结果精确的特点。本专利技术的目的通过以下技术措施实现。提供一种基于图像三色分割的厨房油烟浓度标识方法，图像处理单元以成像设备采集的初始图像作为基础进行处理，初始图像为灰度图，所采集的初始图像被序列化存储；对任意一帧待处理的初始图像进行油烟浓度标识，步骤如下：(1)将待处理的初始图像定义为目标图像，对目标图像进行开运算去噪，得到去噪图像；(2)获取最小值新生图像；(3)求取绝对值灰度差值，获得绝对值灰度差值图像；(4)将绝对灰度差值进行归一化处理得到归一化绝对灰度差值，将归一化绝对灰度差值与油烟阈值进行对比，将归一化绝对灰度差值进行高、中、低灰度值梯度划分；(5)在目标图像中，将设定好的油烟阈值用三种不同的单通道颜色标识，并根据步骤(4)的灰度值梯度划分结果进行标记；(6)生成叠加效果对比图。优选的，步骤(1)中，对目标图像进行开运算去噪，得到去噪图像，具体是：先对目标图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复图像中的明显特征。优选的，目标图像D由m*n个像素构成，目标图像D的像素灰度值以矩阵DH表示，DH＝{dhi,j}，dhi,j代表目标图像D中第i行、第j列像素对应的灰度值，1≤i≤m，1≤j≤n；对目标图像D进行腐蚀操作，具体包括如下步骤：2-11，任意定义一个卷积核A；2-12，将卷积核A与目标图像进行卷积；在卷积核A遍历目标图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C；像素点C的灰度通过矩阵CH＝{ck,q}表示，k、q为像素点C的行序号和列序号，获得在卷积核A遍历目标图像过程中得到的卷积结果最小值像素点矩阵P，最小值像素点矩阵P的灰度通过矩阵PH＝{pk,q}表示；2-13将像素点矩阵P的灰度对应覆予像素点C，得到腐蚀图像；对腐蚀图像进行膨胀操作，具体包括如下步骤：2-21，任意定义一个卷积核B；2-22，将卷积核B与腐蚀图像进行卷积；在卷积核B遍历腐蚀图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R；像素点R的灰度通过矩阵RH＝{rl,v}表示，l、v为像素点R的行序号和列序号，获得在卷积核B遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O，最大值像素点矩阵O的灰度通过矩阵OH＝{ol,v}表示；2-13将最大值像素点矩阵O的灰度对应覆予像素点R，得到膨胀图像，得到的膨胀图像即为去噪图像。优选的，卷积核A为3*3矩阵，卷积核B为3*3矩阵。优选的，步骤(2)获取最小值新生图像具体通过如下步骤进行：选取包含目标图像所在帧的连续Z帧初始图像作为取样图像，Z个取样图像分别为去噪图像Q、取样图像Y1、取样图像Y2、......、取样图像YZ-1；Z为大于等于3的自然数；去噪图像Q的像素灰度值以矩阵QH表示，QH＝{qhi,j}，qhi,j代表最小值新生图像Q中第i行、第j列像素对应的灰度值；取样图像Y1的像素灰度值以矩阵Y1H表示，Y1H＝{y1hi,j}，y1hi,j代表取样图像Y1中第i行、第j列像素对应的灰度值；取样图像Y2的像素灰度值以矩阵Y2H表示，Y2H＝{y2hi,j}，y2hi,j代表取样图像Y2中第i行、第j列像素对应的灰度值；......取样图像YZ-1的像素灰度值以矩阵YZ-1H表示，YZ-1H＝{yz-1hi,j}，yz-1hi,j代表取样图像YZ-1中第i行、第j列像素对应的灰度值；最小值新生图像X的像素灰度值以矩阵XH表示，XH＝{xhi,j}，xhi,j代表最小值新生图像X中第i行、第j列像素对应的灰度值；xhi,j＝min(qhi,j、y1hi,j、y2hi,j、......、yz-1hi,j)。优选的，步骤(3)求取绝对灰度差值具体步骤如下：(3-1)在Z个取样图像中，寻找像素灰度值最大的像素所在的取样图像，命名为最大值图像E；最大值图像E的像素灰度值以矩阵EH表示，EH＝{ehi,j}，ehi,j代表最大值图像E中第i行、第j列像素对应的灰度值；(3-2)将最小值新生图像X的像素灰度值与最大值图像E的像素灰度值相减，得到绝对值灰度差值图像V，绝对值灰度差值图像V的像素灰度值以矩阵VH表示，VH＝{vhi,j}，vhi,j代绝对值灰度差值图像V中第i行、第j列像素对应的灰度值；vhi,j＝{|xhij-ehi,j|}。优选的，步骤4中的归一化处理按照如下公式进行：Gi,j为绝对值灰度差值图像V的第i行、第j列像素对应的归一化绝对灰度差值；将归一化绝对灰度差值为大于0且小于等于6.0/255范围的像素划为第一梯度区域，对应低油烟浓度区域；将归一化绝对灰度差值为大于6.0/255且小于等于12.0/255范围的像素划为第二梯度区域，对应中等油烟浓度区域；将归一化绝对灰度差值为大于12.0/255且小于等于20.0/255范围的像素划为第三梯度区域，对应高油烟浓度区域。优选的，步骤(5)具体是：在目标图像中分割出与步骤(4)得到的第一梯度区域所对应的图像，使用单通道绿色标识，在目标图像中分割出与步骤(4)得到的第二梯度区域所对应的图像，使用单通道蓝色标识，在目标图像本文档来自技高网...

【技术保护点】
1.一种基于图像三色分割的厨房油烟浓度标识方法，其特征在于，图像处理单元以成像设备采集的初始图像作为基础进行处理，初始图像为灰度图，所采集的初始图像被序列化存储；对任意一帧待处理的初始图像进行油烟浓度标识，步骤如下：(1)将待处理的初始图像定义为目标图像，对目标图像进行开运算去噪，得到去噪图像；(2)获取最小值新生图像；(3)求取绝对值灰度差值，获得绝对值灰度差值图像；(4)将绝对灰度差值进行归一化处理得到归一化绝对灰度差值，将归一化绝对灰度差值与油烟阈值进行对比，将归一化绝对灰度差值进行高、中、低灰度值梯度划分；(5)在目标图像中，将设定好的油烟阈值用三种不同的单通道颜色标识，并根据步骤(4)的灰度值梯度划分结果进行标记；(6)生成叠加效果对比图。

【技术特征摘要】
1.一种基于图像三色分割的厨房油烟浓度标识方法，其特征在于，图像处理单元以成像设备采集的初始图像作为基础进行处理，初始图像为灰度图，所采集的初始图像被序列化存储；对任意一帧待处理的初始图像进行油烟浓度标识，步骤如下：(1)将待处理的初始图像定义为目标图像，对目标图像进行开运算去噪，得到去噪图像；(2)获取最小值新生图像；(3)求取绝对值灰度差值，获得绝对值灰度差值图像；(4)将绝对灰度差值进行归一化处理得到归一化绝对灰度差值，将归一化绝对灰度差值与油烟阈值进行对比，将归一化绝对灰度差值进行高、中、低灰度值梯度划分；(5)在目标图像中，将设定好的油烟阈值用三种不同的单通道颜色标识，并根据步骤(4)的灰度值梯度划分结果进行标记；(6)生成叠加效果对比图。2.根据权利要求1所述的基于图像三色分割的厨房油烟浓度标识方法，其特征在于，步骤(1)中，对目标图像进行开运算去噪，得到去噪图像，具体是：先对目标图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复图像中的明显特征。3.根据权利要求2所述的基于图像三色分割的厨房油烟浓度标识方法，其特征在于，目标图像D由m*n个像素构成，目标图像D的像素灰度值以矩阵DH表示，DH＝{dhi,j}，dhi,j代表目标图像D中第i行、第j列像素对应的灰度值，1≤i≤m，1≤j≤n；对目标图像D进行腐蚀操作，具体包括如下步骤：2-11，任意定义一个卷积核A；2-12，将卷积核A与目标图像进行卷积；在卷积核A遍历目标图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C；像素点C的灰度通过矩阵CH＝{ck,q}表示，k、q为像素点C的行序号和列序号，获得在卷积核A遍历目标图像过程中得到的卷积结果最小值像素点矩阵P，最小值像素点矩阵P的灰度通过矩阵PH＝{pk,q}表示；2-13将像素点矩阵P的灰度对应覆予像素点C，得到腐蚀图像；对腐蚀图像进行膨胀操作，具体包括如下步骤：2-21，任意定义一个卷积核B；2-22，将卷积核B与腐蚀图像进行卷积；在卷积核B遍历腐蚀图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R；像素点R的灰度通过矩阵RH＝{rl,v}表示，l、v为像素点R的行序号和列序号，获得在卷积核B遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O，最大值像素点矩阵O的灰度通过矩阵OH＝{ol,v}表示；2-13将最大值像素点矩阵O的灰度对应覆予像素点R，得到膨胀图像，得到的膨胀图像即为去噪图像。4.根据权利要求3所述的基于图像三色分割的厨房油烟浓度标识方法，其特征在于，卷积核A为3*3矩阵，卷积核B为3*3矩阵。5.根据权利要求4所述的基于图像三色分割的厨房油烟浓度标识方法，其特征在于，步骤(2)获取最小值新生图像具体通过如下步骤进行：选取包含目标图像所在帧的连续Z帧初始图像作为取样图像，Z个取样图像分别为去噪图像Q、取样图像Y1、取样图像Y2、......、取样图像YZ-1；Z为大于等于3的自然数；去噪图像Q的像素灰度值以矩阵QH表示，QH＝...

【专利技术属性】
技术研发人员：陈小平，陈超，
申请(专利权)人：佛山市云米电器科技有限公司，陈小平，
类型：发明
国别省市：广东,44