图像阴影检测方法、系统、图像分割设备及可读存储介质技术方案

本发明专利技术公开了一种图像阴影检测方法、系统、图像分割设备及可读存储介质，所述方法包括以下步骤：获取图像的色度分量；根据所述图像的色度分量与预设色度区间将所述图像以第一分割规则进行分割处理并获得第一分割结果，所述第一分割结果包括第一区域与第二区域；计算所述图像中所述第一区域或所述第二区域的特征值；根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影。本发明专利技术将图像以第一分割规则进行分割处理并获得第一分割结果，所述第一分割结果基于色度分量获得，而不受阴影影响，通过第一分割结果结合特征值的判断以辨识阴影区域，减少阴影误判的可能性。减少阴影误判的可能性。减少阴影误判的可能性。

【技术实现步骤摘要】
图像阴影检测方法、系统、图像分割设备及可读存储介质


[0001]本专利技术涉及一种图像阴影检测方法、系统、图像分割设备及可读存储介质，尤其涉及一种有效减少阴影误判的图像阴影检测方法、系统、图像分割设备及可读存储介质。

技术介绍

[0002]目前常用的阴影检测方法分为两类：基于几何模型的方法和基于阴影特征的方法。基于几何模型的方法是利用场景、运动目标、光照条件的先验信息，建立阴影模型，此方法通常在特定场景中使用。基于阴影特征的方法是利用阴影的几何特点、亮度、色彩、纹理等信息来标识阴影区域，其中颜色和纹理是当前使用最为广泛的两种性质。但是，现有的阴影检测方法具有一定的局限性，常将阴影区域的草地或是强光下的草地误判为非草坪区域。

技术实现思路

[0003]本专利技术提供一种有效减少阴影误判的图像阴影检测方法、系统、图像分割设备及可读存储介质。
[0004]本专利技术提供一种图像阴影检测方法；所述方法包括以下步骤：
[0005]获取图像的色度分量；
[0006]根据所述图像的色度分量与预设色度区间将所述图像以第一分割规则进行分割处理并获得第一分割结果；
[0007]计算所述图像相对于所述第一分割结果的特征值；
[0008]根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影
[0009]可选地，所述根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影之后包括：根据判断结果进行相应的图像处理，所述根据判断结果进行相应的图像处理包括，判断结果为存在阴影，则根据所述图像的色度分量与预设色度区间将所述图像以第二分割规则进行分割处理并获得第二分割结果，并将所述第二分割结果作为最终分割结果；判断结果为不存在阴影，则将所述第一分割结果作为最终分割结果。
[0010]可选地，所述第一分割结果包括第一区域与第二区域，所述特征值包括所述第一区域的第一平均亮度值、所述第二区域的第二平均亮度值、所述第一平均亮度值与所述第二平均亮度值的亮度差值、所述第一区域的第一粗糙度值、所述第二区域的第二粗糙度值或所述第一粗糙度值与所述第二粗糙度值的粗糙度对比值之任一或其组合，且各所述特征值设置对应的预设阈值，其中，所述根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影包括根据各所述特征值与对应的预设阈值进行比较处理，根据任一比较结果或其组合比较结果判断所述图像是否存在阴影。
[0011]可选地，所述获取图像的色度分量包括：
[0012]获取HSV图像；
[0013]将所述HSV图像进行分离处理并获取H通道图像与V通道图像，所述H通道图像包括
色度分量，所述V通道图像包括亮度分量。
[0014]可选地，所述计算所述图像相对于所述第一分割结果的特征值包括：根据所述第一区域或所述第二区域的亮度分量计算所述第一区域的第一平均亮度值、所述第二区域的第二平均亮度值、所述第一平均亮度值与所述第二平均亮度值的亮度差值。
[0015]可选地，所述计算所述图像相对于所述第一分割结果的特征值包括：
[0016]将所述V通道图像进行预处理以获得预处理图像，所述预处理包括滤波处理、归一化处理；
[0017]将所述预处理图像进行边缘提取以获得边缘图像；
[0018]计算所述边缘图像中所述第一区域的第一粗糙度值、所述第二区域的第二粗糙度值、所述第一粗糙度值与所述第二粗糙度值的粗糙度对比值。
[0019]本专利技术还提供一种智能割草机的行走控制方法，所述方法包括以下步骤：
[0020]获取草地图像的色度分量；
[0021]根据所述草地图像的色度分量与预设草地色度区间将所述草地图像以第一分割规则进行分割处理并获得第一分割结果；
[0022]计算所述草地图像相对于所述第一分割结果的特征值；
[0023]根据所述特征值与预设阈值进行比较处理以判断所述草地图像是否存在阴影；
[0024]根据判断结果进行相应的图像处理，控制智能割草机的行走方向。
[0025]本专利技术还提供一种图像阴影检测系统，所述系统包括：
[0026]色度分量获取模块，其用于获取图像的色度分量；
[0027]图像分割模块，其用于根据所述图像的色度分量与预设色度区间将所述图像以第一分割规则进行分割处理并获得第一分割结果；
[0028]特征处理模块，其用于计算所述图像相对于所述第一分割结果的特征值；
[0029]阴影识别模块，其用于根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影。
[0030]本专利技术还提供一种图像处理设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述图像阴影检测方法的步骤。
[0031]本专利技术还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述图像阴影检测方法的步骤。
[0032]相较于现有技术，本专利技术将图像以第一分割规则进行分割处理并获得第一分割结果，所述第一分割结果基于色度分量获得，而不受阴影影响，通过第一分割结果结合特征值的判断以辨识阴影区域，减少阴影误判的可能性。本专利技术根据判断结果进行相应的图像处理，存在阴影的情形下选择第二分割规则进行分割处理，不存在阴影的情形下选择第一分割规则进行分割处理，最终分割结果不受阴影影响，减少误分割的可能性。本专利技术通过多个特征值的组合比较结果判断所述图像是否存在阴影，减少阴影误判的可能性。本专利技术根据波峰与波谷获取分割阈值，分割阈值会根据不同的图像动态调整，不再使用固定的分割阈值，从而有效减少误分割。本专利技术对色度分量直方图进行滤波处理与平滑处理，减少色度分量直方图中的干扰信号，进一步减少误分割。本专利技术根据预设色度区间与预设峰谷设定条件确定所述色度分量直方图中的波峰与波谷，提高识别波峰与波谷的速度。
附图说明
[0033]图1为本专利技术图像阴影检测方法的第一实施例的流程图；
[0034]图2为本专利技术图像阴影检测方法的第二实施例的流程图；
[0035]图3为本专利技术图像阴影检测方法的第三实施例的流程图；
[0036]图4为图1中步骤S20的流程图；
[0037]图5为图4中步骤S204的流程图；
[0038]图6为本专利技术草地图像阴影检测方法的流程图；
[0039]图7为本专利技术智能割草机的行走控制方法的流程图；
[0040]图8为本专利技术图像阴影检测方法检测第一图像是否存在阴影并进行图像分割处理的结果图；
[0041]图9为本专利技术图像阴影检测方法检测第二图像是否存在阴影并进行图像分割处理的结果图；
[0042]图10为本专利技术图像阴影检测方法检测第三图像是否存在阴影并进行图像分割处理的结果图；
[0043]图11为本专利技术图像阴影检测系统的原理方框图。
具体实施方式
[0044]为了使本
的人员更好地理解本专利技术中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像阴影检测方法；其特征在于，所述方法包括以下步骤：获取图像的色度分量；根据所述图像的色度分量与预设色度区间将所述图像以第一分割规则进行分割处理并获得第一分割结果；计算所述图像相对于所述第一分割结果的特征值；根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影。2.根据权利要求1所述的图像阴影检测方法，其特征在于，所述根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影之后包括：根据判断结果进行相应的图像处理，所述根据判断结果进行相应的图像处理包括，判断结果为存在阴影，则根据所述图像的色度分量与预设色度区间将所述图像以第二分割规则进行分割处理并获得第二分割结果，并将所述第二分割结果作为最终分割结果；判断结果为不存在阴影，则将所述第一分割结果作为最终分割结果。3.根据权利要求2所述的图像阴影检测方法，其特征在于，所述第一分割结果包括第一区域与第二区域，所述特征值包括所述第一区域的第一平均亮度值、所述第二区域的第二平均亮度值、所述第一平均亮度值与所述第二平均亮度值的亮度差值、所述第一区域的第一粗糙度值、所述第二区域的第二粗糙度值或所述第一粗糙度值与所述第二粗糙度值的粗糙度对比值之任一或其组合，且各所述特征值设置对应的预设阈值，其中，所述根据所述特征值与预设阈值进行比较处理以判断所述图像是否存在阴影包括根据各所述特征值与对应的预设阈值进行比较处理，根据任一比较结果或其组合比较结果判断所述图像是否存在阴影。4.根据权利要求3所述的图像阴影检测方法，其特征在于，所述获取图像的色度分量包括：获取HSV图像；将所述HSV图像进行分离处理并获取H通道图像与V通道图像，所述H通道图像包括色度分量，所述V通道图像包括亮度分量。5.根据权利要求4所述的图像阴影检测方法，其特征在于，所述计算所述图像相对于所述第一分割结果的特征值包括：根...

【专利技术属性】
技术研发人员：朱绍明，任雪，
申请(专利权)人：苏州科瓴精密机械科技有限公司，
类型：发明
国别省市：