基于圆锥曲线的亮度可控的土壤图像处理方法技术

本发明专利技术提供的一种基于圆锥曲线的亮度可控的土壤图像处理方法，包括以下步骤：S1.确定目标土壤图像中各像素的灰度值，并找出灰度值最小点；S2.构建亮度迁移模型，其中，亮度迁移模型包括圆锥曲线亮度增强模型和圆锥曲线亮度减弱模型，S3.将目标土壤图像分别在RGB空间和HSV空间中按照亮度迁移模型由初始亮度迁移到目标亮度；S4.将在RGB空间和HSV空间下完成亮度迁移的图像进行融合得到最终输出图像；在土壤亮度增强处理时采用圆锥曲线进行亮度迁移，从而能够有效解决方式亮度过度迁移或者迁移不足，使得土壤图像的亮度能够达到目标效果，而且在处理过程中还将RGB空间和HSV空间两种亮度迁移结果进行融合，有效避免色彩偏差，从而确保最终土种识别结果的精确度。从而确保最终土种识别结果的精确度。从而确保最终土种识别结果的精确度。

【技术实现步骤摘要】
基于圆锥曲线的亮度可控的土壤图像处理方法


[0001]本专利技术涉及一种图像处理方法，尤其涉及一种基于圆锥曲线的亮度可控的土壤图像处理方法。

技术介绍

[0002]对于土壤的土种识别大多基于机器学习实现，即将目标土壤的图像信息输入至训练好的识别网络中进行识别处理，从而输出相应的土种分类。
[0003]在进行土种识别之前，需要对土壤的图像进行处理，以便识别网络能够准确识别土壤特征，但是，在实际获取土壤图像时，由于拍摄角度、光照以及其他环境因素的影响，导致土壤图像的亮度不能达到理想的亮度，从而影响土种识别精度。
[0004]现有技术中，对于土壤图像的亮度迁移处理(包括增强处理和减弱处理)后，导致土壤图像与原图之间差异较大，从而使得土壤图像失真明显，导致土种识别精度低。
[0005]因此，为了解决上述技术问题，亟需提出一种新的技术手段。

技术实现思路

[0006]有鉴于此，本专利技术提供的一种基于圆锥曲线的亮度可控的土壤图像处理方法，在土壤亮度增强处理时采用圆锥曲线进行亮度迁移，从而能够有效解决方式亮度过度迁移或者迁移不足，使得土壤图像的亮度能够达到目标效果，而且在处理过程中还将RGB空间和HSV空间两种亮度迁移结果进行融合，有效避免色彩偏差，从而确保最终土种识别结果的精确度。
[0007]本专利技术提供的一种基于圆锥曲线的亮度可控的土壤图像处理方法，包括以下步骤：
[0008]S1.确定目标土壤图像中各像素的灰度值，并找出灰度值最小点；
[0009]S2.构建亮度迁移模型，其中，亮度迁移模型包括圆锥曲线亮度增强模型和圆锥曲线亮度减弱模型，亮度增强模型为：
[0010]f(x)＝y
conic
‑
y
wq
；
[0011]亮度减弱模型为：
[0012]g(x)＝y
conic_neg
‑
y
nwq
；
[0013]其中：y
conic
为亮度增强迁移曲线输出的灰度值，y
wq
为像素的亮度由暗到亮映射方向下加权二次曲线的输出的灰度值；y
conic_neg
为亮度减弱迁移曲线输出的灰度值，y
nwq
为像素的亮度由亮到暗映射方向下的加权二次曲线的输出的灰度值；
[0014]S3.将目标土壤图像分别在RGB空间和HSV空间中按照亮度迁移模型由初始亮度迁移到目标亮度；
[0015]S4.将在RGB空间和HSV空间下完成亮度迁移的图像进行融合得到最终输出图像：
[0016]Y
e
＝λY1+(1
‑
λ)Y2；其中，Y
e
表示融合后最终输出的图像，Y1为目标土壤图像在RGB空间下完成亮度迁移后的图像，Y2为目标土壤图像在HSV空间下完成亮度迁移后的图像；λ为
平衡因子且λ∈[0，1]。
[0017]进一步，步骤S1中：通过如下方法确定y
conic_neg
：
[0018]其中：x
s
为目标土壤图像的灰度值最小的点并作为亮度迁移曲线的起始点，ε为亮度迁移的偏移量，x
e
为亮度迁移曲线的终点，ω为反应亮度迁移曲线弯曲度的加权因子；y
l
′
为点(x
s
，x
s
)与(x
e
，x
e
+ε)之间的直线，θ为中间变量且θ＝x
e
‑
x
s
。
[0019]进一步，通过如下方法确定y
conic
：
[0020]其中：x
s
为目标土壤图像的灰度值最小的点并作为亮度迁移曲线的起始点，ε为亮度迁移的偏移量，x
e
为亮度迁移曲线的终点，ω为反应亮度迁移曲线弯曲度的加权因子；y
l
为点(x
s
，x
s
+ε)与(x
e
，x
e
)之间的直线，θ为中间变量且θ＝x
e
‑
x
s
。
[0021]进一步，通过如下方法确定y
nwq
：
[0022][0023][0024][0025]进一步，根据如下方法确定y
wq
：
[0026][0027][0028][0029]进一步，通过如下方法确定亮度迁移曲线的终点x
e
：
[0030]SA.设定加权因子ω的初始值为0；
[0031]SB.设置8位二进制数，并将该二进制数最高位置为1，其余位置为0，将该二进制数对应的十进制数作为终点x
e
；
[0032]SC.将终点x
e
、起始点x
s
和加权因子ω代入到亮度迁移模型中，并按照亮度迁移模型将土壤图像的亮度迁移到目标亮度；
[0033]SD.计算亮度迁移后的土壤图像的平均亮度
[0034]SE.当亮度迁移为增强时：
[0035]如果则将8位二级制数的当前位置为1，否则，置为0；
[0036]当亮度迁移为减弱时：
[0037]如果则将8位二级制数的当前位置为1，否则，置为0；为原土壤图像的亮度平均值；
[0038]SF.将8位二进制数的次高位置为1，将当前的8位二进制数对应的十进制数作为终点x
e
，并返回步骤SC中，直至将8位二进制数的每一位确定；
[0039]SG.将每一位的值都确定完成后的8位二进制数对应的十进制数作为终点x
e
的值代入优化模型中：
[0040]当亮度迁移增强时，优化模型为：
[0041][0042]当亮度迁移减弱时，优化模型为：
[0043][0044]两个优化模型的约束条件为：
[0045][0046]其中：X(i，j)表示图像X在坐标(i，j)下的迁移前的像素亮度，H，W对应为图像的高和宽，为亮度迁移补偿值；
[0047]判断终点x
e
是否满足优化模型和约束条件，如是，则当前终点x
e
为最终的迁移曲线的终点，且当前的加权因子作为最优的加权因子，如否，则进入下一步；
[0048]SH.将ω+0.1赋值给加权因子ω，并返回至步骤SB。
[0049]进一步，当土壤图像亮度迁移完成后，还包括进行拉伸处理：
[0050]亮度增强时的拉伸处理为：
[0051][0052]亮度减弱时的拉伸处理为：
[0053][0054]V
min
表示土壤图像亮度通道的最小灰度值，V
max
表示土壤图像亮度通道的最大灰度值，x表示像素点拉伸前的亮度值，y表示像素点拉伸后的亮度值。
[0055]本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于圆锥曲线的亮度可控的土壤图像处理方法，其特征在于：包括以下步骤：S1.确定目标土壤图像中各像素的灰度值，并找出灰度值最小点；S2.构建亮度迁移模型，其中，亮度迁移模型包括圆锥曲线亮度增强模型和圆锥曲线亮度减弱模型，亮度增强模型为：f(x)＝y
conic
‑
y
wq
；亮度减弱模型为：g(x)＝y
conic_neg
‑
y
nwq
；其中：y
conic
为亮度增强迁移曲线输出的灰度值，y
wq
为像素的亮度由暗到亮映射方向下加权二次曲线的输出的灰度值；y
conic_neg
为亮度减弱迁移曲线输出的灰度值，y
nwq
为像素的亮度由亮到暗映射方向下的加权二次曲线的输出的灰度值；S3.将目标土壤图像分别在RGB空间和HSV空间中按照亮度迁移模型由初始亮度迁移到目标亮度；S4.将在RGB空间和HSV空间下完成亮度迁移的图像进行融合得到最终输出图像：Y
e
＝λY1+(1
‑
λ)Y2；其中，Y
e
表示融合后最终输出的图像，Y1为目标土壤图像在RGB空间下完成亮度迁移后的图像，Y2为目标土壤图像在HSV空间下完成亮度迁移后的图像；λ为平衡因子且λ∈[0，1]。2.根据权利要求1所述基于圆锥曲线的亮度可控的土壤图像处理方法，其特征在于：步骤S1中：通过如下方法确定y
conic_neg
：其中：x
s
为目标土壤图像的灰度值最小的点并作为亮度迁移曲线的起始点，ε为亮度迁移的偏移量，x
e
为亮度迁移曲线的终点，ω为反应亮度迁移曲线弯曲度的加权因子；y
l
′
为点(x
s
，x
s
)与(x
e
，x
e
+ε)之间的直线，θ为中间变量且θ＝x
e
‑
x
s
。3.根据权利要求1所述基于圆锥曲线的亮度可控的土壤图像处理方法，其特征在于：通过如下方法确定y
conic
：其中：x
s
为目标土壤图像的灰度值最小的点并作为亮度迁移曲线的起始点，ε为亮度迁移的偏移量，x
e
为亮度迁移曲线的终点，ω为反应亮度迁移曲线弯曲度的加权因子；y
l
为点(x

【专利技术属性】
技术研发人员：曾绍华，吴蔚然，夏燕，王帅，刘国一，
申请(专利权)人：重庆市农业技术推广总站西藏自治区农牧科学院农业资源与环境研究所，
类型：发明
国别省市：