一种提高密度计数精度的图像预处理方法技术

本发明专利技术提供了一种提高密度计数精度的图像预处理方法，通过对包含计数目标的图像进行HSV颜色空间值分析，再利用分析结果对使用超像素分割获得的超像素颜色均值图进行干扰因素过滤，最终获得包含计数目标的图像对应的目标过滤图用于密度计数，对经过预处理后的目标过滤图进行密度计数，提高了密度计数的准确率和计数效率。本发明专利技术消除了图像中的干扰项像素，配合现有的密度计数技术，代替人工处理计数图像，极大地减少了人工实地计数工作，减少人为因素造成的错误，保证了目标计数的准确率，提高了计数定位的效率，方法简单，适合普遍推广。

【技术实现步骤摘要】
一种提高密度计数精度的图像预处理方法
本专利技术属于图像处理
，具体涉及一种提高密度计数精度的图像预处理方法。
技术介绍
随着计算机视觉技术的迅速更新发展与理论研宄的不断深入，智能图像处理已经成为一个非常重要且活跃的研宄领域。在固定场景下的目标计数是图像处理的一个热点研究课题,在社会生活的方方面面都有着巨大的实际应用价值，比如医学领域的细胞计数工作和松材线虫病树的计数定位工作，利用图像处理中的目标计数方法可以代替人工完成这些重复又繁重的工作，并保证目标计数的准确率，提高计数效率。现有目标计数可分为：检测计数：这种方法通过定位出每个计数目标进行计数，无法适用于计数目标密度高、遮挡情况较严重的计数情况。回归计数：这种方法可以得到较好的计数结果，但失去了计数目标的空间信息，无法进行目标定位。密度计数：这种方法通过图像特征与图像计数目标密度图的映射关系来对目标计数，有效保留了计数目标的空间信息。目前计数定位效果最好的方法是密度计数法，密度计数常用于医学领域的细胞计数工作，但对于例如松材线虫病树的计数定位工作，由于松材线虫病树区域地形复杂，存在梯田、土壤、建筑等大量的干扰因素，密度计数无法达到理想的计数精度。
技术实现思路
本专利技术要解决的技术问题是：提供一种提高密度计数精度的图像预处理方法，用于提高密度计数的准确率和计数效率。本专利技术为解决上述技术问题所采取的技术方案为：一种提高密度计数精度的图像预处理方法，包括以下步骤：S1：获取多个包含计数目标的图像；S2：对包含计数目标的图像进行HSV颜色空间值分析；S3：通过包含计数目标的图像生成对应的超像素颜色均值图；S4：根据HSV颜色空间值分析结果对超像素颜色均值图进行干扰因素过滤，得到包含计数目标的图像对应的目标过滤图。按上述方案，所述的步骤S2中，具体步骤为：S21：分析判断包含计数目标的图像，得到除了计数目标以外的干扰项分类；S22：在包含计数目标的图像中对计数目标和其他干扰项分类随机提取大量中心点的HSV颜色空间通道值；S23：将提取出来的通道值根据所属分类绘制成散点图；S24：通过散点图判断计数目标在HSV颜色空间的通道阈值。按上述方案，所述的步骤S3中，具体步骤为：S31：计算包含计数目标的图像像素总数M，估计计数目标在图像中占据像素数N，计算超像素聚类中心个数K＝M÷N；S32：使用简单线性迭代聚类算法对包含计数目标的图像进行超像素分割，聚类中心个数为K；S33：将每个超像素块里的像素均值化，得到包含计数目标的图像对应的超像素颜色均值图。进一步的，所述的步骤S4中，具体步骤为：S41：根据步骤S24得到的计数目标在HSV颜色空间的通道阈值设置图像过滤规则；S42：采用过滤规则对步骤S33得到的超像素颜色均值图逐像素遍历筛选；S43：将满足过滤规则的像素设置为指定的RGB值；将不满足过滤规则的像素设置为黑色，RGB值为(0，0，0)；得到包含计数目标的图像对应的目标过滤图，表现为一幅二值图像，前景像素为指定RGB值的计数目标区域，背景像素为黑色。进一步的，所述的步骤S24中，提取中心点的HSV颜色空间通道值包括色调H通道值、饱和度S通道值、亮度V通道值；色调H通道值由计数目标H通道值散点图得到H通道值阈值，用于提高包含计数目标的图像的色调过滤效果和便于区分色调与计数目标不同的干扰项；饱和度S通道值由计数目标S通道值散点图得到S通道值阈值，用于提高包含计数目标的图像的饱和度过滤效果和便于区分饱和度与计数目标不同的干扰项；亮度V通道值由计数目标V通道值散点图得到V通道值阈值，用于提高包含计数目标的图像的亮度过滤效果和便于区分亮度与计数目标不同的干扰项。一种计算机存储介质，其内存储有可被计算机处理器执行的计算机程序，该计算机程序执行一种提高密度计数精度的图像预处理方法。本专利技术的有益效果为：1.本专利技术的一种提高密度计数精度的图像预处理方法，通过对包含计数目标的图像进行HSV颜色空间值分析，再利用分析结果对使用超像素分割获得的超像素颜色均值图进行干扰因素过滤，最终获得包含计数目标的图像对应的目标过滤图用于密度计数，对经过预处理后的目标过滤图进行密度计数，提高了密度计数的准确率和计数效率。2.本专利技术消除了图像中的干扰项像素，配合现有的密度计数技术，代替人工处理计数图像，极大地减少了人工实地计数工作，减少人为因素造成的错误，保证了目标计数的准确率，提高了计数定位的效率，方法简单，适合普遍推广。附图说明图1是本专利技术实施例的总流程图。图2是本专利技术实施例的分步骤流程图。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。参见图1，本专利技术实施例为通过无人机于高度350米航拍松材线虫病区图像，共计92张包含松材线虫病树这种计数目标的松材线虫病区图像，采用一种提高密度计数精度的图像预处理方法，包括以下步骤：S1：获取多个包含计数目标的图像；S2：对包含计数目标的图像进行HSV颜色空间值分析；S21：对所述包含计数目标的图像进行分析判断，得到除了计数目标以外的干扰项分类；S22：对计数目标和其他干扰项分类在所述图像中随机提取大量中心点的HSV颜色空间通道值；S23：将提取出来的通道值根据所属分类绘制成散点图。S24：通过散点图判断计数目标在HSV颜色空间的通道阈值。本实施例松材线虫病区图像中除计数目标松材线虫病树以外的干扰项分类包括：健康树木、土壤、梯田、建筑。最终得到的松材线虫病树在HSV颜色空间的通道阈值为：H通道9到35，S通道20到33，V通道29到46。通过对包含计数目标的图像进行分析，可以获得除计数目标以外的干扰项的信息，对计数目标和其他干扰项分类在HSV颜色空间的通道数值分析，最终获得计数目标在HSV颜色空间的通道阈值，由于HSV颜色空间相对于RGB颜色空间更接近人眼观察图像时对彩色图像的描述，因此所述阈值更利于密度计数的计数精度和准确度。其中，提取中心点的HSV颜色空间通道值有多种，例如色调H通道值，由计数目标H通道值散点图得到H通道值阈值，该阈值可以提高包含计数目标的图像的色调过滤效果，便于区分色调与计数目标不同的干扰项；例如饱和度S通道值，由计数目标S通道值散点图得到S通道值阈值，该阈值可以提高包含计数目标的图像的饱和度过滤效果，便于区分饱和度与计数目标不同的干扰项；例如亮度V通道值，由计数目标V通道值散点图得到V通道值阈值，该阈值可以提高包含计数目标的图像的亮度过滤效果，便于区分亮度与计数目标不同的干扰项。根据步骤1.3中散点图选择合适的通道设置阈值更利于密度计数的计数精度和准确度。S3：通过包含计数目标的图像生成对应的超像素颜色均值图；S31：计算包含计数目标的图像像素总数M，估计计数本文档来自技高网...

【技术保护点】
1.一种提高密度计数精度的图像预处理方法，其特征在于：包括以下步骤：/nS1：获取多个包含计数目标的图像；/nS2：对包含计数目标的图像进行HSV颜色空间值分析；/nS3：通过包含计数目标的图像生成对应的超像素颜色均值图；/nS4：根据HSV颜色空间值分析结果对超像素颜色均值图进行干扰因素过滤，得到包含计数目标的图像对应的目标过滤图。/n

【技术特征摘要】
1.一种提高密度计数精度的图像预处理方法，其特征在于：包括以下步骤：
S1：获取多个包含计数目标的图像；
S2：对包含计数目标的图像进行HSV颜色空间值分析；
S3：通过包含计数目标的图像生成对应的超像素颜色均值图；
S4：根据HSV颜色空间值分析结果对超像素颜色均值图进行干扰因素过滤，得到包含计数目标的图像对应的目标过滤图。


2.根据权利要求1所述的一种提高密度计数精度的图像预处理方法，其特征在于：所述的步骤S2中，具体步骤为：
S21：分析判断包含计数目标的图像，得到除了计数目标以外的干扰项分类；
S22：在包含计数目标的图像中对计数目标和其他干扰项分类随机提取大量中心点的HSV颜色空间通道值；
S23：将提取出来的通道值根据所属分类绘制成散点图；
S24：通过散点图判断计数目标在HSV颜色空间的通道阈值。


3.根据权利要求1所述的一种提高密度计数精度的图像预处理方法，其特征在于：所述的步骤S3中，具体步骤为：
S31：计算包含计数目标的图像像素总数M，估计计数目标在图像中占据像素数N，计算超像素聚类中心个数K＝M÷N；
S32：使用简单线性迭代聚类算法对包含计数目标的图像进行超像素分割，聚类中心个数为K；
S33：将每个超像素块里的像素均值化，得到包含计数目标的图像对应的超像素颜色均值图。


4.根据权利要求2或3所述的一种提高...

【专利技术属性】
技术研发人员：余博文，黄巍，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北;42