一种基于图像处理的塑料片智能色选方法技术

本发明专利技术公开了一种基于图像处理的塑料片智能色选方法，涉及色选算法技术领域，将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。本发明专利技术对塑料片进行微观像素点识别，通过统计每一个像素点归属的颜色空间来判定其是否为目标塑料片，实现塑料片的精准颜色分选。

【技术实现步骤摘要】
一种基于图像处理的塑料片智能色选方法
本专利技术涉及色选算法
，尤其是一种基于图像处理的塑料片智能色选方法。
技术介绍
废塑料在城市生活垃圾中占有相当大的比例，并且呈逐渐上涨态势，使得塑料分选以及资源化再利用势在必行，而色选是废塑料分选过程中的重要环节之一。2015年12月23日授权的专利技术专利CN103350074B公开了一种塑料片色选分类装置，通过相机和光源对塑料片进行图像拍摄，并判断塑料片颜色，不符合色选颜色的塑料片，通过喷阀系统将其吹出。2018年8月28日授权的专利技术专利CN106426646B也公开了一种塑料片色选分类装置，在前述技术方案的基础上设置了均料机构，使得塑料片更加均匀、平整地经过相机。两个技术方案仅涉及塑料片色选的机械结构，对于色选算法并没有具体探讨，而破碎后的塑料片往往呈块状，由于塑料片本身颜色不均匀或受光线影响等原因，常规色选算法用于塑料片的色选容易产生误判，降低色选准确率。
技术实现思路
针对上述问题，本专利技术提供一种基于图像处理的塑料片智能色选方法，实现塑料片的精准色选。一种基于图像处理的塑料片智能色选方法，核心思想为将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。对塑料片图像进行颜色分析之前，根据实际需求，预先设定n个颜色空间的RGB范围，当像素点RGB值均在某一颜色RGB范围内时，则判定该像素点归属该颜色空间。本专利技术公开的塑料片智能色选方法具体包括以下步骤：1、根据实际情况，预先设定n个颜色空间的RGB范围，每个颜色空间的RGB范围表示为(Ci.Rmin,Ci.Rmax),(Ci.Gmin,Ci.Gmax),(Ci.Bmin,Ci.Bmax)，其中i＝1,2,...,n；2、采集背景图像，统计背景像素的RGB范围；3、获取塑料片图像并进行预处理，预处理包括畸变矫正和边缘增强；4、逐行逐像素遍历塑料片图像，判断每个像素点归属的颜色空间并统计归属每个颜色空间的像素点数量；5、计算像素点数量最多的颜色空间的覆盖率，若超出阈值M，且该颜色空间即为目标颜色空间，则判定为该塑料片为目标塑料片。其中，所述步骤4具体包括以下步骤：⑴设定并初始化变量，包括n个颜色空间的像素点数量Ci.num＝0、物料像素点数量Num＝0、背景行标识符S＝0；⑵取一行像素点；⑶逐个遍历选中行的像素点；⑷判断当前遍历的像素点是否为该行最后一个像素点，若不是该行最后一个像素点，再判断是否为背景像素点；若不是背景像素点，则置S＝1，物料像素点数量Num自加1，再判断该像素点归属的颜色空间，该颜色空间的像素点数量Ci.num自加1，跳转步骤⑶；若是背景像素点，则直接跳转步骤⑶；若是该行最后一个像素点，再判断S是否为1；若S＝0，再判断Num是否为0，若Num＝0，则跳转步骤⑵，若Num≠0，则计算n个颜色空间中最大的像素点数量及其覆盖率；若S＝1，置S＝0，再跳转步骤⑵。本专利技术对塑料片进行微观像素点识别，通过统计每一个像素点归属的颜色空间来判定其是否为目标塑料片，实现塑料片的精准颜色分选。附图说明图1为本专利技术公开的塑料片智能色选方法流程图；图2为像素化的塑料片图像黑白示意图。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细的说明。本专利技术的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本专利技术限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本专利技术的原理和实际应用，并且使本领域的普通技术人员能够理解本专利技术从而设计适于特定用途的带有各种修改的各种实施例。实施例1本实施例以5个颜色空间为例进行阐述，本专利技术公开的基于图像处理的塑料片智能色选方法，如图1所示，包括以下步骤：1、根据实际需求，预先设定5个颜色空间的RGB范围，每个颜色空间的RGB范围表示为(Ci.Rmin,Ci.Rmax),(Ci.Gmin,Ci.Gmax),(Ci.Bmin,Ci.Bmax)，其中i＝1,2,3,4,5。2、采集背景图像，统计背景像素的RGB范围，为了便于区分，宜选取与塑料片色差较大的背景。3、获取塑料片图像并进行预处理，预处理包括畸变矫正和边缘增强。畸变矫正和边缘增强都是常见的图像处理技术，这里对本实施例采用的具体算法进行简述。畸变校正算法流程：⑴采集背景图像采集：获取1帧背景图像作为校准的参考背景图，每行包含2700个RGB像素点；⑵校准系数计算：首先计算该行图像在RGB三通道上的平均值MR、MG、MB，然后将整行图像上的2700个像素点的RGB值分别除以MR、MG、MB，得到畸变系数，最后将这2700个像素点的RGB通道上的畸变系数乘以27，实现取整数处理，得到最终的校准系数；⑶畸变校正计算：针对输入的每一帧图像，将得到的2700个像素点的RGB值，分别乘以对应的校准系数，然后再进行右移7位的操作，实现对每个像素点的畸变校正。整体思路为，将一行线性图像的每个像素点的RGB值乘以对应系数，实现图像拉平，去除中间凸起、两边凹陷的问题。边缘增强算法流程：⑴背景图像采集：获取1024帧背景图像作为背景像素点样本集；⑵计算背景像素范围和均值：基于背景像素点样本集，统计RGB上限和下限，得到背景范围(Rmin,Rmax)&(Gmin,Gmax)&(Bmin,Bmax)，背景均值(Rmean,Gmean,Bmean)；⑶滑动扫描线性图像：针对获取的每一帧线性图像，使用4(经验值)个像素点的滑动窗口遍历，当像素点的RGB值在背景范围内状态为1标识为背景，否则状态为0标识为物料，滑动窗口的状态可以用4位二进制4'bXXXX(高位为先到的像素)描述；⑷识别物料边缘：按照滑动窗口的遍历方向将边缘分为“滑动进边缘”和“滑动出边缘”两类，滑动窗口状态为4'b1100时，识别为滑动进边缘，状态低位的2个像素点为边缘，滑动窗口状态为4'b0011时，识别为滑动出边缘，状态高位的2个像素点为边缘；⑸处理物料边缘：将上述步骤被识别为边缘的2个像素的RGB值，修正为背景均值(Rmean,Gmean,Bmean)。整体思路为，将物料图像边缘的2个像素区域修正为背景值，以减少边缘像素值对算法效果的干扰。由于图像预处理必须实时进行，所以边缘增强算法只能对单帧线性图像处理，基于线性像素点的分布情况提取边缘规律。4、逐行逐像素遍历塑料片图像，判断每个像素点归属的颜色空间并统计归属每个颜色空间的像素点数量，具体包括以下步骤：⑴设定并初始化变量，包括n个颜色空间的像素点数量Ci.num＝0、物料像素点数量Num＝0、背景行标识符S＝0；⑵取一行像素点；⑶逐个遍历选中行的像素点；本文档来自技高网...

【技术保护点】
1.一种基于图像处理的塑料片智能色选方法，其特征在于，将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。/n

【技术特征摘要】
1.一种基于图像处理的塑料片智能色选方法，其特征在于，将获取的塑料片图像进行逐行逐像素的颜色分析，若该塑料片图像中归属目标颜色的像素点覆盖率超出阈值，则判定为该塑料片为目标塑料片。


2.根据权利要求1所述的基于图像处理的塑料片智能色选方法，其特征在于，对塑料片图像进行颜色分析之前，预先设定n个颜色空间的RGB范围，当像素点RGB值均在某一颜色RGB范围内时，则判定该像素点归属该颜色空间。


3.根据权利要求2所述的基于图像处理的塑料片智能色选方法，其特征在于，具体包括以下步骤：
步骤1，根据实际情况，预先设定n个颜色空间的RGB范围，每个颜色空间的RGB范围表示为(Ci.Rmin,Ci.Rmax),(Ci.Gmin,Ci.Gmax),(Ci.Bmin,Ci.Bmax)，其中i＝1,2,...,n；
步骤2，采集背景图像，统计背景像素的RGB范围；
步骤3，获取塑料片图像并进行预处理；
步骤4，逐行逐像素遍历塑料片图像，判断每个像素点归属的颜色空间并统计归属每个颜色空间的像素点数量；
步骤5，计算像素点数量最多的颜色空间的覆盖率，若超出阈值M，且该颜色空间...

【专利技术属性】
技术研发人员：林传文，汪俊锋，邓宏平，
申请(专利权)人：安徽慧视金瞳科技有限公司，
类型：发明
国别省市：安徽;34