蓝色目标的二值化方法、装置和设备制造方法及图纸

本申请涉及一种蓝色目标的二值化方法、装置和设备。所述方法包括：将包含蓝色目标的待处理图像由RGB图像转换为HSV图像；基于预先建立的蓝色检测HSV模型，对HSV图像进行蓝色检测，初步确定所有蓝色像素的位置；判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值；将比例值大于比例阈值的蓝色像素确定为目标蓝色像素；基于目标蓝色像素对应的位置完成二值化处理。本申请中，首先对蓝色目标进行粗略检测，再通过像素三通道比例滤除的方式优化蓝色目标的检测结果，从而能够有效提高蓝色目标的定位精度，提高二值化方法对复杂光照环境的鲁棒性，有效解决现有技术中二值化方法在复杂光照环境下通用性较差的问题。

【技术实现步骤摘要】
蓝色目标的二值化方法、装置和设备
本申请涉及计算机图像处理
，尤其涉及一种蓝色目标的二值化方法、装置和设备。
技术介绍
图像二值化是图像处理算法中的基本操作，用于将待处理的图像转换为只包含黑白两种颜色的二值图像，使图像数据量减少，以突显出感兴趣的目标的轮廓。随着数字图像处理技术的快速发展，二值化方法应用的范围也越来越广泛，也越来越重要。例如，在一些工业应用场景中，为了提高对目标识别物品的识别准确率，经常在物品上标记一些指定颜色的标签作为图像识别的标记。而蓝色由于其与生活中主要的色彩重合度较低，所以经常被技术人员选择为指定标签的颜色，比如汽车车牌的底色为蓝色。目前，常见的蓝色目标二值化方法为：利用蓝色的三通道像素值特性，对三通道分别进行阈值处理，然后将三通道同时满足阈值时认定为是蓝色，从而对目标进行二值化。该方法在光照均匀、蓝色目标与背景差异度较大时表现效果较好，但是当光照不均时或者是背景光为非白光(比如蓝光、暖光等)，上述方法对蓝色目标的二值化效果很差，尤其是当蓝光照射目标物体时，使得非蓝色区域在相机里的成像偏蓝色，进而导致上述算法难以区分真实的蓝色目标与背景。
技术实现思路
本申请提供一种蓝色目标的二值化方法、装置和设备，以解决现有算法对复杂光照环境下的蓝色目标进行二值化的通用性较差的问题。本申请的上述目的是通过以下技术方案实现的：第一方面，本申请实施例提供一种蓝色目标的二值化方法，包括：将包含蓝色目标的待处理图像由RGB图像转换为HSV图像；其中，所述HSV图像包括色调H、饱和度S和亮度V三种参数；基于预先建立的蓝色检测HSV模型，对所述HSV图像进行蓝色检测，初步确定所有蓝色像素的位置；判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值；将比例值大于所述比例阈值的蓝色像素确定为目标蓝色像素；基于所述目标蓝色像素对应的位置完成二值化处理。可选的，所述蓝色检测HSV模型的建立过程包括：获取各种光照环境下只包含蓝色目标的RGB图像，组成数据集；将所述数据集中的RGB图像转换为HSV图像，从而得到每一个蓝色像素的色调H、饱和度S和亮度V的数值；基于预设的数值区间，对亮度V进行分级；统计所述数据集中，亮度V的每个分级下，色调H和饱和度S各自对应的取值范围，从而得到所述蓝色检测HSV模型。可选的，所述基于预设的数值区间，对亮度V进行分级之前，还包括：将色调H、饱和度S和亮度V的数值范围均缩放到0-255之间。可选的，所述基于预先建立的蓝色检测HSV模型，对所述HSV图像进行蓝色检测，初步确定所有蓝色像素的位置，包括：基于预先建立的蓝色检测HSV模型，依次判断每个像素的色调H、饱和度S和亮度V是否位于同一分级；若像素的色调H、饱和度S和亮度V位于同一分级，则初步确定该像素为蓝色像素。可选的，所述判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值，包括：分别计算各蓝色像素的蓝色通道的像素值所占的比例值，得到比例值集合；其中，比例值Rhoi,j的计算公式为：式中，i,j表示当前蓝色像素的坐标为(i,j)，Bi,j、Ri,j、Gi,j分别表示当前蓝色像素的B、R、G三通道的像素值，函数Max为求参数列表中的最大值；基于所述比例值集合，计算所有比例值的均值Meanrho、方差Devrho、最大值Maxrho和大津算法阈值OTSUrho，并通过以下公式计算得到所述比例阈值Trho：式中，T1、T2、T3、T4、T5为根据蓝色目标和实际应用场景设定的参数阈值；判断各蓝色像素对应的比例值是否大于所述比例阈值。可选的，所述基于所述目标蓝色像素对应的位置完成二值化处理，包括：将所述目标蓝色像素对应的位置设置为白色，并将所述待处理图像中未设置为白色的像素位置设置为黑色，从而完成二值化处理。第二方面，本申请实施例还提供一种蓝色目标的二值化装置，包括：图像转换模块，用于将包含蓝色目标的待处理图像由RGB图像转换为HSV图像；其中，所述HSV图像包括色调H、饱和度S和亮度V三种参数；蓝色检测模块，用于基于预先建立的蓝色检测HSV模型，对所述HSV图像进行蓝色检测，初步确定所有蓝色像素的位置；比例值判断模块，用于判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值；目标确定模块，用于将比例值大于所述比例阈值的蓝色像素确定为目标蓝色像素；二值化处理模块，用于基于所述目标蓝色像素对应的位置完成二值化处理。可选的，所述装置还包括：检测模型建立模块，用于建立蓝色检测HSV模型；所述检测模型建立模块包括：数据获取单元，用于获取各种光照环境下只包含蓝色目标的RGB图像，组成数据集；图像转换单元，用于将所述数据集中的RGB图像转换为HSV图像，从而得到每一个蓝色像素的色调H、饱和度S和亮度V的数值；分级单元，用于基于预设的数值区间，对亮度V进行分级；统计单元，用于统计所述数据集中，亮度V的每个分级下，色调H和饱和度S各自对应的取值范围，从而得到所述蓝色检测HSV模型。可选的，所述蓝色检测模块包括：判断单元，用于基于预先建立的蓝色检测HSV模型，依次判断每个像素的色调H、饱和度S和亮度V是否位于同一分级；初步确定单元，用于若像素的色调H、饱和度S和亮度V位于同一分级，则初步确定该像素为蓝色像素。第三方面，本申请实施例还提供一种蓝色目标的二值化设备，包括：存储器和与所述存储器相连接的处理器；所述存储器，用于存储程序，所述程序至少用于执行上述的蓝色目标的二值化方法；所述处理器，用于调用并执行所述存储器存储的所述程序。本申请的实施例提供的技术方案可以包括以下有益效果：本申请实施例提供的技术方案中，首先对待处理图像的蓝色目标粗略检测，提取出图像中可能为蓝色目标的位置，再通过像素三通道比例滤除的方式优化蓝色目标的检测结果，从而能够有效的提高蓝色目标的定位精度，同时能够提高二值化方法对复杂光照环境的鲁棒性，计算方式简单有效，更加适用于多种场景类型，有效解决现有技术中二值化方法在复杂光照环境下通用性较差的问题。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。图1为本申请实施例提供的一种蓝色目标的二值化方法的流程示意图；图2为本申请实施例提供的一种蓝色目标的二值化装置的结构示意图；图3为本申请实施例提供的一种蓝色目标的二值化设备的结构示意图。具体实施方式这里将详细地对示例性实施例进行本文档来自技高网...

【技术保护点】
1.一种蓝色目标的二值化方法，其特征在于，包括：/n将包含蓝色目标的待处理图像由RGB图像转换为HSV图像；其中，所述HSV图像包括色调H、饱和度S和亮度V三种参数；/n基于预先建立的蓝色检测HSV模型，对所述HSV图像进行蓝色检测，初步确定所有蓝色像素的位置；/n判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值；/n将比例值大于所述比例阈值的蓝色像素确定为目标蓝色像素；/n基于所述目标蓝色像素对应的位置完成二值化处理。/n

【技术特征摘要】
1.一种蓝色目标的二值化方法，其特征在于，包括：
将包含蓝色目标的待处理图像由RGB图像转换为HSV图像；其中，所述HSV图像包括色调H、饱和度S和亮度V三种参数；
基于预先建立的蓝色检测HSV模型，对所述HSV图像进行蓝色检测，初步确定所有蓝色像素的位置；
判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值；
将比例值大于所述比例阈值的蓝色像素确定为目标蓝色像素；
基于所述目标蓝色像素对应的位置完成二值化处理。


2.根据权利要求1所述的方法，其特征在于，所述蓝色检测HSV模型的建立过程包括：
获取各种光照环境下只包含蓝色目标的RGB图像，组成数据集；
将所述数据集中的RGB图像转换为HSV图像，从而得到每一个蓝色像素的色调H、饱和度S和亮度V的数值；
基于预设的数值区间，对亮度V进行分级；
统计所述数据集中，亮度V的每个分级下，色调H和饱和度S各自对应的取值范围，从而得到所述蓝色检测HSV模型。


3.根据权利要求2所述的方法，其特征在于，所述基于预设的数值区间，对亮度V进行分级之前，还包括：
将色调H、饱和度S和亮度V的数值范围均缩放到0-255之间。


4.根据权利要求2所述的方法，其特征在于，所述基于预先建立的蓝色检测HSV模型，对所述HSV图像进行蓝色检测，初步确定所有蓝色像素的位置，包括：
基于预先建立的蓝色检测HSV模型，依次判断每个像素的色调H、饱和度S和亮度V是否位于同一分级；
若像素的色调H、饱和度S和亮度V位于同一分级，则初步确定该像素为蓝色像素。


5.根据权利要求1所述的方法，其特征在于，所述判断初步确定的各蓝色像素中，蓝色通道的像素值在三通道中所占的比例值是否大于比例阈值，包括：
分别计算各蓝色像素的蓝色通道的像素值所占的比例值，得到比例值集合；其中，比例值Rhoi,j的计算公式为：



式中，i,j表示当前蓝色像素的坐标为(i,j)，Bi,j、Ri,j、Gi,j分别表示当前蓝色像素的B、R、G三通道的像素值，函数Max为求参数列表中的最大值；
基于所述比例值集合，计算所有比例值的均值Meanrho、方差Devrho、最大值Maxrho和大津算法阈值OTSUrho，并通过以下公式计算得到所述比例阈值Trho：


<...

【专利技术属性】
技术研发人员：薛林，王玉亮，王巍，袭开俣，
申请(专利权)人：青岛进化者小胖机器人科技有限公司，
类型：发明
国别省市：山东;37