[發(fā)明專利]低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010193853.7
• 申請(qǐng)日: 2020-03-18
• 公開（公告）號(hào): CN111369554A
• 公開（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 袁雪;史銘翰
• 申請(qǐng)（專利權(quán)）人: 山西安數(shù)智能科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/00;G06T5/40;G06T11/40
• 代理公司: 太原中正和專利代理事務(wù)所(普通合伙) 14116
• 代理人: 焦進(jìn)宇

1.低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法，其特征在于，具體步驟如下：

步驟一、采用工業(yè)相機(jī)對(duì)皮帶進(jìn)行拍照取樣；

步驟二、確定拍攝圖片內(nèi)的干擾區(qū)域，將干擾區(qū)域內(nèi)的各個(gè)頂點(diǎn)按順序使用直線相連，構(gòu)成所需的填充區(qū)域，對(duì)填充區(qū)域進(jìn)行顏色填充；

步驟三、對(duì)拍攝圖片的皮帶圖像上端兩頂點(diǎn)拉伸至圖片的兩個(gè)上端點(diǎn)，對(duì)拍攝圖片的皮帶圖像下端兩端點(diǎn)拉伸至圖片的兩個(gè)下端點(diǎn)，皮帶圖像鋪滿整個(gè)拍攝圖片；

步驟四、調(diào)整步驟三中處理后圖像的局部對(duì)比度，削弱局部圖像的對(duì)比度過度增強(qiáng)，抑制噪聲信號(hào)的放大，并為圖片匹配顏色對(duì)比度闕值limit；

步驟五：對(duì)圖片進(jìn)行自適應(yīng)均衡化。

2.根據(jù)權(quán)利要求1所述的低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法，其特征在于，在步驟二中，使用fillPoly函數(shù)對(duì)填充區(qū)域進(jìn)行黑色填充。

3.根據(jù)權(quán)利要求2所述的低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法，其特征在于，使用cv2.fillPoly(frame,[triangleLeft,triangleRight],(0,0,0))函數(shù)對(duì)填充區(qū)域進(jìn)行顏色填充；

其中，frame表示將要修改的圖片；第二參數(shù)為列表，列表中每個(gè)元素為一個(gè)numpy類型的序列，標(biāo)識(shí)需要填圖區(qū)域的頂點(diǎn)，填充區(qū)域會(huì)將頂點(diǎn)按順序使用直線相連，構(gòu)成所需要的填充區(qū)域；第三參數(shù)標(biāo)識(shí)填充的顏色值，fillPoly函數(shù)將皮帶以外的填充區(qū)域填充為黑色。

4.根據(jù)權(quán)利要求1所述的低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法，其特征在于，在步驟三中，使用getPerspectiveTransform函數(shù)對(duì)拍攝圖片進(jìn)行透視變換。

5.根據(jù)權(quán)利要求4所述的低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法，其特征在于，使用opencv庫的M＝cv2.getPerspectiveTransform(pts1,pts3)函數(shù)對(duì)拍攝圖片進(jìn)行透視變換，其中，第一參數(shù)表示原來圖像中測(cè)定的四點(diǎn)坐標(biāo)，第二參數(shù)為目標(biāo)圖像中的四點(diǎn)坐標(biāo)；

選用cv2.warpPerspective(frame,M,(width,1824))函數(shù)得到透視變換后的圖像，其中，frame表示需要變化的圖像源，M表示變換矩陣，第三個(gè)參數(shù)代表圖像大小，即寬度和高度。

6.根據(jù)權(quán)利要求1所述的低亮度多角度環(huán)境下皮帶損傷樣本的優(yōu)化和預(yù)處理方法，其特征在于，在步驟四中，limit值的匹配方法為：每通過四千張圖片后，重新計(jì)算limit值，使用(mean_current,stddv_current)＝cv2.meanStdDev(image)，meanStdDev函數(shù)計(jì)算并取得當(dāng)前圖片矩陣的均值，用當(dāng)前圖片均值與初始化均值比較，結(jié)合最大值與最小值計(jì)算，得到新的limit值；通過cv2.createCLAHE(clipLimit＝limit,tileGridSize＝(8,8))函數(shù)使用新的limit值生成自適應(yīng)均衡化圖像模型；使用frame＝clahe.apply(frame)對(duì)圖片進(jìn)行自適應(yīng)均衡化，實(shí)現(xiàn)均衡化效果。