System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于图像处理,具体涉及一种基于物流商品的图像处理方法。
技术介绍
1、随着经济的不断发展,不同地区之间商品的买卖与退换变得越来越频繁。快递员在上门取货时通常会对用户寄出的商品进行拍照,并上传至数据库进行留存,这个操作在商品退换过程中起到非常重要的作用,可以保证物流商品的安全性,确保物流商品安全送达。然而,快递员在对物流商品拍照时,由于环境影响,物流商品的图像清晰度会降低,因此目前需要对拍摄的物流商品图像进行质量提升。
技术实现思路
1、本专利技术为了解决以上问题,提出了一种基于物流商品的图像处理方法。
2、本专利技术的技术方案是:一种基于物流商品的图像处理方法包括以下步骤:
3、s1、利用手持终端拍摄物流商品的实时图像,为实时图像构建全局特征矩阵;
4、s2、构建图像处理模型,将全局特征矩阵输入至图像处理模型中,为实时图像确定像素校正系数;
5、s3、根据像素校正系数,对实时图像进行校正,完成图像处理。
6、进一步地,s1包括以下子步骤:
7、s11、利用手持终端拍摄物流商品的实时图像,提取实时图像的轮廓;
8、s12、根据实时图像的轮廓所在区域,确定每一行的轮廓分布系数;
9、s13、根据每一行的轮廓分布系数,确定全局特征矩阵。
10、上述进一步方案的有益效果是:在本专利技术中,快递员在利用手持终端采集物流商品的实时图像时,可能会因为环境因素导致实时图像的噪声较大
11、进一步地,s12中,第m行的轮廓分布系数lm的计算公式为:,;式中,ri表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的红色分量,gi表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的绿色分量,bi表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的蓝色分量,i表示实时图像的第m行中不属于轮廓所在区域的像素点个数,rj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的红色分量,gj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的绿色分量,bj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的蓝色分量,wj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的色彩权重,j表示实时图像的第m行中属于轮廓所在区域的像素点个数,max(·)表示最大值函数。
12、进一步地,s13中,全局特征矩阵l的表达式为:;式中,l1表示第一行的轮廓分布系数,l2表示第二行的轮廓分布系数,lm表示第m行的轮廓系数,lm+1表示第m+1行的轮廓分布系数,lm-1表示第m-1行的轮廓分布系数,lm表示第m行的轮廓分布系数,m表示实时图像的像素点行数。
13、进一步地,s2包括以下子步骤:
14、s21、对全局特征矩阵进行奇异值分解;
15、s22、构建图像处理模型;
16、s23、将全局特征矩阵输入至图像处理模型,得到图像全局特征值;
17、s24、根据全局特征矩阵的奇异值和图像全局特征值,生成像素校正系数。
18、上述进一步方案的有益效果是:在本专利技术中,图像处理模型可以反映整个实时图像的像素点的rgb分量情况,再与全局特征矩阵结合,即可得到像素校正系数,用于图像校正。
19、进一步地,s22中,图像处理模型f的表达式为:;式中,rh表示实时图像中第h个像素点的红色分量,gh表示实时图像中第h个像素点的绿色分量,bh表示实时图像中第h个像素点的蓝色分量,h表示实时图像的像素点个数,l表示全局特征矩。
20、进一步地,s24中,像素校正系数x的计算公式为:;式中,f表示图像全局特征值,γ表示全局特征矩阵的奇异值。
21、进一步地,s3中,将像素校正系数作为gamma值,利用gamma校正算法对实时图像进行校正,完成图像处理。
22、在本专利技术中,校正的处理过程还可以为:将像素校正系数分别乘以各个像素点的红色分量、绿色分量以及蓝色分量,得到校正后图像的红色分量、绿色分量和蓝色分量。
23、本专利技术的有益效果是:本专利技术公开了一种基于物流商品的图像处理方法,对手持终端采集的实时图像的每一行像素点的rgb分量进行分析处理,得到可以表征每行像素点rgb分量情况的轮廓分布系数,并根据相邻两行的轮廓分布系数确定最终的全局特征矩阵;由全局特征矩阵以及构建的图像处理模型来完成图像校正,可以有效提高物流商品实时图像的质量,保证上传至数据库时图像的清晰度高。
本文档来自技高网...【技术保护点】
1.一种基于物流商品的图像处理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于物流商品的图像处理方法,其特征在于,所述S1包括以下子步骤:
3.根据权利要求2所述的基于物流商品的图像处理方法,其特征在于,所述S12中,第m行的轮廓分布系数lm的计算公式为:,;式中,Ri表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的红色分量,Gi表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的绿色分量,Bi表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的蓝色分量,I表示实时图像的第m行中不属于轮廓所在区域的像素点个数,Rj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的红色分量,Gj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的绿色分量,Bj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的蓝色分量,wj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的色彩权重,J表示实时图像的第m行中属于轮廓所在区域的像素点个数,max(·)表示最大值函数。
4.根据权利要求2所述的基于物流商品的图像处理方法,其特
5.根据权利要求1所述的基于物流商品的图像处理方法,其特征在于,所述S2包括以下子步骤:
6.根据权利要5所述的基于物流商品的图像处理方法,其特征在于,所述S22中,图像处理模型F的表达式为:;式中,Rh表示实时图像中第h个像素点的红色分量,Gh表示实时图像中第h个像素点的绿色分量,Bh表示实时图像中第h个像素点的蓝色分量,H表示实时图像的像素点个数,L表示全局特征矩。
7.根据权利要求5所述的基于物流商品的图像处理方法,其特征在于,所述S24中,像素校正系数X的计算公式为:;式中,f表示图像全局特征值,γ表示全局特征矩阵的奇异值。
8.根据权利要求1所述的基于物流商品的图像处理方法,其特征在于,所述S3中,将像素校正系数作为Gamma值,利用Gamma校正算法对实时图像进行校正,完成图像处理。
...【技术特征摘要】
1.一种基于物流商品的图像处理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于物流商品的图像处理方法,其特征在于,所述s1包括以下子步骤:
3.根据权利要求2所述的基于物流商品的图像处理方法,其特征在于,所述s12中,第m行的轮廓分布系数lm的计算公式为:,;式中,ri表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的红色分量,gi表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的绿色分量,bi表示实时图像的第m行中第i个不属于轮廓所在区域的像素点的蓝色分量,i表示实时图像的第m行中不属于轮廓所在区域的像素点个数,rj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的红色分量,gj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的绿色分量,bj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的蓝色分量,wj表示实时图像的第m行中第j个属于轮廓所在区域的像素点的色彩权重,j表示实时图像的第m行中属于轮廓所在区域的像素点个数,max(·)表示最大值函数。
4.根据权利要求2所述的基于物流商品的图像处理方法,其特征在于,所述s13...
【专利技术属性】
技术研发人员:宁家川,褚风波,朱睿,
申请(专利权)人:青岛冠成软件有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。