【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。