[发明专利]一种图像中所含云的机器识别方法

说明书

技术领域

本发明涉及图像识别领域，特别涉及一种图像中所含云的机器识别方法。

背景技术

用肉眼从一副图像中识别出云是一件十分简单的事，但如果要让机器实现对图像中的云的自动识别就是一件相对困难的事。

对图像中所含云的机器识别具有显而易见的应用场景。例如，在气象领域中需要从云图中找出云层的位置、形状、厚度等信息。在太阳能热利用领域中，由于太阳能资源是影响太阳能利用效率的重要因素，而云层遮蔽对太阳能资源有着十分严重的影响，因此需要对云遮情况进行预判，而对图像中的云进行机器识别是云遮预判的基础。

在现有技术中存在对图像中的云做机器识别的方法，但这些方法或要用到较为昂贵的设备，或识别过程较为复杂，需要消耗较多的计算资源、存储资源。对于一些机器识别精度要求相对不太高的应用场景，若有一种简单方便的机器识别方法将有助于降低成本、提高效率。

发明内容

本发明的目的在于克服现有的对图像中的云进行识别的方法过程复杂、资源消耗较大的缺陷，从而提供一种实现简单、资源消耗少的识别方法。

为了实现上述目的，本发明提供了一种图像中所含云的机器识别方法，包括：

步骤1)、采集图像；

步骤2)、对步骤1)所得到的图像的各个像素点计算RGB值；

步骤3)、根据像素点的RGB值确定像素点是否属于云朵；其中，

若一像素点的B值—R值>阈值，则该像素点为天空，否则为云朵；或，

若一像素点的G值—R值>阈值，则该像素点为天空，否则为云朵；

步骤4)、统计图像中归属于云朵的像素点，从而在图像中实现云的识别。

上述技术方案中，所述步骤1)还包括对所采集的图像做滤波操作，以去除图像中的噪声。

上述技术方案中，在所述步骤3)中，所述阈值的取值与包括拍摄图像所采用的相机、与相机配合使用的外部设备、图像拍摄所在地的天气情况在内的外部条件有关联。

上述技术方案中，所述阈值大小设定为15。

本发明的优点在于：

本发明的方法具有实现简单、资源消耗少、实现成本低的优点。

附图说明

图1是本发明的图像中所含云的机器识别方法的流程图。

具体实施方式

现结合附图对本发明作进一步的描述。

众所周知，要在图像中识别出云朵最关键的是要将云朵和天空区分开来。本发明的图像中所含云的机器识别方法能够以一种简便的方法实现云朵的识别。参考图1，该方法的具体实现步骤如下：

步骤1)、采集图像。

在本步骤中，作为一种优选实现方式，图像采集后，还需要对图像做滤波操作。所述滤波操作能够去除图像中的噪声，如飞鸟、飞机等天空图像中常见的物体可通过滤波操作去除，这有助于对云朵的识别。

步骤2)、对步骤1)所得到的图像的各个像素点计算RGB值。

步骤3)、根据像素点的RGB值确定像素点是否属于云朵。

本申请人通过大量的采样发现：云在图像中RGB值的特点和天空在图像中RGB值的特点有明显差异。若一像素点的蓝色B值(或绿色G值)明显高于红色R值，则该像素点所代表的通常是天空；若一像素点的蓝色B值(或绿色G值)与红色R值相差不多，则该像素点所代表的通常是云朵。因此，在本步骤中可根据像素点的RGB值来判断该像素点属于天空还是云朵。具体的说：

若一像素点的B值(或G值)—R值>阈值，则该像素点为天空，否则为云朵。

其中，所涉及的阈值的取值与拍摄图像所采用的相机、与相机配合使用的外部设备、图像拍摄所在地的天气情况等外部条件均有关联。如相机品牌、型号不同，阈值的大小会受到影响；若相机需要与全天空仪配合使用，由于全天空仪需要做一次镜面反射，也会对阈值的大小产生影响；图像拍摄地是否会有雾霾，也会对阈值的大小产生影响。当图像拍摄的外部条件确定后，可对阈值大小进行调校，以满足机器识别的需要。在一个实施例中，可将阈值大小设定为15。

步骤4)、统计图像中归属于云朵的像素点，从而在图像中实现云的识别。

以上是对本发明的图像中所含云的机器识别方法的步骤描述。从上述描述可以知道，本发明的方法在实现时只要计算图像的RGB值，并对各个像素点的RGB值做一简单的判断就可以实现对图像中的云朵的机器识别，具有实现简单、资源消耗量少等优点。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。