一种基于纹理稳定性的零件图像增强方法技术

本发明专利技术涉及人工智能领域，提供一种基于纹理稳定性的零件图像增强方法，包括：S101:获取零件灰度图像；S102:对灰度图像处理得到每一个频率级的多层图像集合；S103:对图像进行上采样得到与灰度图像尺度相同的多层图像集合；S201：提取目标像素点，得到对比度均值；S202:得到该像素点相邻两层之间的稳定性；得到稳定性变化率均值；S203：得到增强权重；计算平均稳定性；S204:重复201

【技术实现步骤摘要】
一种基于纹理稳定性的零件图像增强方法


[0001]本专利技术涉及人工智能领域，具体涉及一种基于纹理稳定性的零件图像增强方法。

技术介绍

[0002]由于光照等原因会使得拍摄到的零件图片存在雾化效果，或者因为零件本身纹理较浅，影响进一步提取图片中零件信息，需要对图像进行增强处理，凸显出图片中的纹理信息。
[0003]现有图片增强方法多采用直方图均衡化和线性灰度拉伸算法，直方图均衡化是通过扩大灰度级量化间隔来达到增强图像的目的，由于该处理是通过各灰度级对应概率密度来扩大量化间隔，导致处理后的效果常出现一些伪轮廓，同时还会将一些纹理细节丢失。线性灰度拉伸没有考虑纹理像素和普通像素的特征，采用一致的拉伸系数对像素的灰度值进行拉伸处理，该处理可能会造成纹理信息的丢失。

技术实现思路

[0004]为了克服上述现有技术的缺点，本专利技术提供一种基于纹理稳定性的零件图像增强方法。
[0005]为达到上述目的，本专利技术采用如下技术方案，一种基于纹理稳定性的零件图像增强方法，包括以下步骤：
[0006]S101:获取零件灰度图像；
[0007]S102:采用不同频率级的高斯滤波器和图像下采样对零件灰度图像进行处理得到不同频率级的第一层图像，对第一层图像按照得到该第一层图像对应的频率级进行高斯滤波器和图像下采样得到第二层图像，依次类推得到每一个频率级对应的多层图像集合；
[0008]S103:对每一频率级中每一层图像进行上采样得到与零件灰度图像尺度相同的多层图像集合；
[0009]S201：提取一个像素点作为目标像素点，选取任一频率级中每一层图像相对应的像素点，利用该像素点灰度值和该像素点相邻像素点的灰度值得到对比度均值；
[0010]S202:提取目标像素点及该像素点相邻像素点的灰度值得到该像素点相邻两层之间的稳定性；利用该稳定性得到该频率下的稳定性变化率均值；
[0011]S203：利用目标像素点对应的对比度均值及稳定性变化率均值得到该像素点的增强权重；利用像素点相邻两层之间的稳定性计算该频率下的平均稳定性；
[0012]S204:重复201
‑
203，得到目标像素点所有频率下的增强权重和平均稳定性，通过该像素点所有频率下的增强权重和平均稳定性计算像素点的灰度拉伸系数；
[0013]S205：利用灰度拉伸系数对目标像素点的灰度值进行增强得到该像素点增强后的灰度值；
[0014]S206：重复201
‑
205，计算其它像素点增强后的灰度值，通过所有像素点增强后的灰度值得到增强后的灰度图像。
[0015]进一步的，所述的一种基于纹理稳定性的零件图像增强方法，S201中利用该像素点灰度值和该像素点相邻像素点的灰度值得到对比度均值的方法是：
[0016]提取目标像素点的灰度值；
[0017]计算目标像素点八邻域内的灰度值均值；
[0018]将目标像素点的灰度值与其八邻域内的灰度值均值做差得到目标像素点的对比度；
[0019]利用各层图像目标像素点的对比度得到对比度均值。
[0020]进一步的，所述的一种基于纹理稳定性的零件图像增强方法，所述对比度均值的表达式为：
[0021][0022]式中：表示第j级频率目标像素点的对比度均值，dbo
ij
表示第j级频率第i层图像目标像素点的对比度，k
j
‑1σ表示第j级频率对应的高斯滤波器的方差，i表示第i层图像,μ表示图像的总层数。
[0023]进一步的，所述的一种基于纹理稳定性的零件图像增强方法，S202中提取目标像素点及该像素点相邻像素点的灰度值得到该像素点相邻两层之间的稳定性的方法是：
[0024]提取每一层目标像素点及该像素点相邻像素点的灰度值得到每一层目标像素点的方向幅值向量；
[0025]筛选每一层中的最大灰度幅值对应的方向角度作为目标像素点的梯度方向；
[0026]计算目标像素点相邻两层之间的方向幅值相似度和梯度方向偏差；
[0027]通过目标像素点相邻两层之间的方向幅值相似度和梯度方向偏差计算目标像素点相邻两层之间的稳定性。
[0028]进一步的，所述的一种基于纹理稳定性的零件图像增强方法，S205中所述像素点增强后的灰度值表达式为：
[0029][0030]式中：(x
o
,y
o
)表示目标像素点的坐标，p(x
o
,y
o
)表示零件灰度图像中目标像素点的灰度值，p1(x
o
,y
o
)表示零件灰度图像中目标像素点增强后的灰度值，p(x
f
,y
f
)表示零件灰度图像中(x
f
,y
f
)坐标处像素点的灰度值，M表示零件灰度图像中的像素点个数，f表示零件灰度图像中第f个像素点，LSo表示目标像素点的灰度拉伸系数。
[0031]进一步的，所述的一种基于纹理稳定性的零件图像增强方法，所述像素点的灰度拉伸系数的表达式为：
[0032][0033]式中：LSo表示目标像素点的灰度拉伸系数，j表示第j级频率，L表示频率级个数，Wdo
j
表示第j级频率目标像素点的平均稳定性，Qzo
j
表示第j级频率目标像素点的增强权重。
[0034]本专利技术的有益效果是：本专利技术结合金字塔算法分析纹理的稳定性特征，对不同稳定性层级的像素给出不同的增强系数，使得能够反映事物种类的粗特征表征效果更强；本专利技术在对纹理增强时还考虑了该纹理属于噪声的可能性，对有可能是噪声的纹理进行了有效抑制。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术实施例中一种基于纹理稳定性的零件图像增强方法流程示意图；
[0037]图2为增强权重曲线示意图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]实施例1
[0040]本实施例所针对的场景为：获得一张在自然光下拍摄的零件图片，通过分析该图像中纹理特征的稳定性来计算出灰度拉伸系数，从而实现对图像进行自适应的增强处理，使得增强后的图片纹理信息更丰富。
[0041]本专利技术实施例提供一种基于纹理稳定性的零件图像增强方法，如图1所示，包括：
[0042]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纹理稳定性的零件图像增强方法，其特征在于，包括：S101:获取零件灰度图像；S102:采用不同频率级的高斯滤波器和图像下采样对零件灰度图像进行处理得到不同频率级的第一层图像，对第一层图像按照得到该第一层图像对应的频率级进行高斯滤波器和图像下采样得到第二层图像，依次类推得到每一个频率级对应的多层图像集合；S103:对每一频率级中每一层图像进行上采样得到与零件灰度图像尺度相同的多层图像集合；S201：提取一个像素点作为目标像素点，选取任一频率级中每一层图像相对应的像素点，利用该像素点灰度值和该像素点相邻像素点的灰度值得到对比度均值；S202:提取目标像素点及该像素点相邻像素点的灰度值得到该像素点相邻两层之间的稳定性；利用该稳定性得到该频率下的稳定性变化率均值；S203：利用目标像素点对应的对比度均值及稳定性变化率均值得到该像素点的增强权重；利用像素点相邻两层之间的稳定性计算该频率下的平均稳定性；S204:重复201
‑
203，得到目标像素点所有频率下的增强权重和平均稳定性，通过该像素点所有频率下的增强权重和平均稳定性计算像素点的灰度拉伸系数；S205：利用灰度拉伸系数对目标像素点的灰度值进行增强得到该像素点增强后的灰度值；S206：重复201
‑
205，计算其它像素点增强后的灰度值，通过所有像素点增强后的灰度值得到增强后的灰度图像。2.根据权利要求1所述的一种基于纹理稳定性的零件图像增强方法，其特征在于，S201中利用该像素点灰度值和该像素点相邻像素点的灰度值得到对比度均值的方法是：提取目标像素点的灰度值；计算目标像素点八邻域内的灰度值均值；将目标像素点的灰度值与其八邻域内的灰度值均值做差得到目标像素点的对比度；利用各层图像目标像素点的对比度得到对比度均值。3.根据权利要求2所述的一种基于纹理稳定性的零件图像增强方法，其特征在于，所述对比度均值的表达式为：式中：表示第j级频率目标像素点的对比度均值，dbo
ij
...

【专利技术属性】
技术研发人员：张秀梅，王仁，
申请(专利权)人：海门宝宏机械有限公司，
类型：发明
国别省市：