[发明专利]灰度图像增强方法、增强系统及存储介质在审

专利信息
申请号: 202310295904.0 申请日: 2023-03-24
公开(公告)号: CN116363004A 公开(公告)日: 2023-06-30
发明(设计)人: 王陈龙;孙开胜;左方睿;王思文 申请(专利权)人: 中科新松有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T7/62;G06T7/73;G06V10/80
代理公司: 北京科石知识产权代理有限公司 11595 代理人: 李艳霞
地址: 201206 上海市浦东新区*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 灰度 图像 增强 方法 系统 存储 介质
【权利要求书】:

1.一种灰度图像增强方法,其特征在于,包括以下步骤:

架设工业相机,调整位置后固定工业相机的相对位姿;

利用工业相机对目标物体进行拍照,得到灰度图像和深度图像;其中,灰度图像用灰度矩阵表示,深度图像用深度矩阵表示;

根据深度图像的尺寸和像素值,计算深度矩阵的行方向差分矩阵、列方向差分矩阵和深度方向上的单位阵;

根据深度矩阵的行方向差分矩阵、列方向差分矩阵和深度方向上的单位阵计算归一化矩阵;

计算灰度矩阵的梯度融合矩阵;

对梯度融合矩阵做归一化处理,得到梯度权重系数矩阵;

利用归一化矩阵和梯度权重系数矩阵对灰度矩阵进行特征融合和放大处理,得到增强后的灰度图像。

2.根据权利要求1所述的灰度图像增强方法,其特征在于,所述深度矩阵的行方向差分矩阵、列方向差分矩阵和深度方向上的单位阵分别为:

式中,dx表示深度矩阵的行方向差分矩阵、dy表示深度矩阵的列方向差分矩阵,dz表示深度矩阵的深度方向上的单位阵;h表示深度矩阵D的行数,w表示深度矩阵D的列数。

3.根据权利要求2所述的灰度图像增强方法,其特征在于,所述根据深度矩阵的行方向差分矩阵、列方向差分矩阵和深度方向上的单位阵计算归一化矩阵的具体过程为:

计算深度矩阵D的行方向差分矩阵dx在x方向上的分量矩阵dx1、列方向差分矩阵dy在y方向上的分量矩阵dy1和深度方向上的单位阵dz在z方向上的分量矩阵dz1;

式中,dl表示三维空间中原点到当前坐标点的距离,

根据分量矩阵dx1、dy1、dz1对应位置的索引点,分别取出分量矩阵dx1、dy1、dz1中(m,n)位置的数值,由取出的数值构成一个空间坐标点;该空间坐标点与三维空间中原点组成一个空间向量,计算该空间向量与三维空间中原点和坐标点(0,0,1)组成的空间向量之间的夹角,得到角度值;

对所有得到的角度值进行归一化处理,并将归一化后的值乘以255后取整;

取整后的数值根据分量矩阵dx1、dy1、dz1对应位置的索引点构成归一化矩阵Mnorm

4.根据权利要求3所述的灰度图像增强方法,其特征在于,所述计算灰度矩阵的梯度融合矩阵的具体过程为:

采用Sober算子在灰度矩阵的宽度和高度方向上分别做差分计算,得到宽度方向上的梯度矩阵和高度方向上的梯度矩阵;

对宽度方向上的梯度矩阵和高度方向上的梯度矩阵进行加权平均,生成梯度融合矩阵。

5.根据权利要求4所述的灰度图像增强方法,其特征在于,所述梯度权重系数矩阵为:

Ms=Mk/255,

式中,Mk表示梯度融合矩阵,Ms表示梯度权重系数矩阵。

6.根据权利要求5所述的灰度图像增强方法,其特征在于,所述利用归一化矩阵和梯度权重系数矩阵对灰度矩阵进行特征融合和放大处理,得到增强后的灰度图像的过程为:

利用归一化矩阵和梯度权重系数矩阵对灰度矩阵进行特征融合,得到融合后的灰度图像,融合后的灰度图像用矩阵Rs表示为:

Rs=M*Ms+Mnorm*(1-Ms),

式中,M表示灰度矩阵;

对融合后的灰度图像进行放大处理,得到增强后的灰度图像,增强后的灰度图像用矩阵R′s表示为:

R′s=Rs*255。

7.一种灰度图像增强系统,其特征在于,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器处理所述计算机程序时实现如所述权利要求1~6任一项所述灰度图像增强方法。

8.一种存储介质,其特征在于,其上存储有可执行程序,当可执行程序被调用时,执行如权利要求1-6中任一项所述灰度图像增强方法中的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科新松有限公司,未经中科新松有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310295904.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top