1.低亮度多角度环境下皮带损伤样本的优化和预处理方法,其特征在于,具体步骤如下:
步骤一、采用工业相机对皮带进行拍照取样;
步骤二、确定拍摄图片内的干扰区域,将干扰区域内的各个顶点按顺序使用直线相连,构成所需的填充区域,对填充区域进行颜色填充;
步骤三、对拍摄图片的皮带图像上端两顶点拉伸至图片的两个上端点,对拍摄图片的皮带图像下端两端点拉伸至图片的两个下端点,皮带图像铺满整个拍摄图片;
步骤四、调整步骤三中处理后图像的局部对比度,削弱局部图像的对比度过度增强,抑制噪声信号的放大,并为图片匹配颜色对比度阙值limit;
步骤五:对图片进行自适应均衡化。
2.根据权利要求1所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法,其特征在于,在步骤二中,使用fillpoly函数对填充区域进行黑色填充。
3.根据权利要求2所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法,其特征在于,使用cv2.fillpoly(frame,[triangleleft,triangleright],(0,0,0))函数对填充区域进行颜色填充;
其中,frame表示将要修改的图片;第二参数为列表,列表中每个元素为一个numpy类型的序列,标识需要填图区域的顶点,填充区域会将顶点按顺序使用直线相连,构成所需要的填充区域;第三参数标识填充的颜色值,fillpoly函数将皮带以外的填充区域填充为黑色。
4.根据权利要求1所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法,其特征在于,在步骤三中,使用getperspectivetransform函数对拍摄图片进行透视变换。
5.根据权利要求4所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法,其特征在于,使用opencv库的m=cv2.getperspectivetransform(pts1,pts3)函数对拍摄图片进行透视变换,其中,第一参数表示原来图像中测定的四点坐标,第二参数为目标图像中的四点坐标;
选用cv2.warpperspective(frame,m,(width,1824))函数得到透视变换后的图像,其中,frame表示需要变化的图像源,m表示变换矩阵,第三个参数代表图像大小,即宽度和高度。
6.根据权利要求1所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法,其特征在于,在步骤四中,limit值的匹配方法为:每通过四千张图片后,重新计算limit值,使用(mean_current,stddv_current)=cv2.meanstddev(image),meanstddev函数计算并取得当前图片矩阵的均值,用当前图片均值与初始化均值比较,结合最大值与最小值计算,得到新的limit值;通过cv2.createclahe(cliplimit=limit,tilegridsize=(8,8))函数使用新的limit值生成自适应均衡化图像模型;使用frame=clahe.apply(frame)对图片进行自适应均衡化,实现均衡化效果。