基于机器视觉的污水处理效果检测方法与流程

本发明涉及图像数据处理，具体涉及基于机器视觉的污水处理效果检测方法。

背景技术：

1、随着社会发展，社会越来越重视对于污水的处理。而在处理污水的流程中，会通过图像采集设备采集污水内部图像，从而对其内部出现的例如沉淀，污垢以及水质等信息进行观察，但是水下图像中往往光线较差，加上水体浑浊，因此其中存在的例如沉淀物，污垢等细节并不明显因此较难检测处理效果。因此通常需要对所采集的图像进行增强，从而更利于观测。

2、常规的直方图均衡化在消除絮状物在水体中产生的光散射效应的影响时，仅仅根据灰度级对应频次进行拉伸，并未考虑絮状物在不同照度的区域内，对应的光散射效应不同，因此需要的拉伸程度也不同，而常规直方图均衡化会导致增强效果不佳的同时，还会使区域亮度较暗处的絮状物变模糊。

技术实现思路

1、本发明提供基于机器视觉的污水处理效果检测方法，以解决现有的问题。

2、本发明的基于机器视觉的污水处理效果检测方法采用如下技术方案：

3、本发明一个实施例提供了基于机器视觉的污水处理效果检测方法，该方法包括以下步骤：

4、获取污水水下图像；

5、根据污水灰度图中像素点的灰度值差异及位置差异将污水灰度图划分为若干个局部区域，利用边缘检测算法获取每一局部区域内若干个边缘点及若干个边缘连通域；

6、获取污水灰度图中每一像素点的梯度幅值和梯度方向，根据每一边缘连通域上边缘点的梯度方向与预设梯度方向的差异获取每一边缘连通域的背景边缘置信度，根据每一局部区域内像素点的梯度幅值差异获取每一局部区域内若干个弱边缘点及若干个弱边缘连通域，获取每一弱边缘连通域边缘上每一弱边缘点的差异值，根据每一弱边缘连通域边缘上所有弱边缘点的差异值的均值得到每一弱边缘连通域的差异程度，根据每一边缘连通域上弱边缘连通域的个数及每一边缘连通域上每一弱边缘连通域的差异程度获取每一边缘连通域的受干扰程度；

7、将每一局部区域中所有边缘连通域的背景边缘置信度与受干扰程度乘积的均值作为每一局部区域的背景边缘缺失评价，根据每一局部区域的背景边缘缺失评价获取每一局部区域的拉伸程度；

8、根据每一局部区域的拉伸系数对每一局部区域进行直方图均衡化，得到增强后的污水水下图像，利用增强后的污水水下图像进行污水处理效果检测。

9、可选的，所述根据每一边缘连通域上边缘点的梯度方向与预设梯度方向的差异获取每一边缘连通域的背景边缘置信度，计算公式如下：

10、

11、其中，表示第个局部区域中第个边缘连通域的背景边缘置信度，表示第个局部区域中第个边缘连通域上第个边缘点的梯度方向，表示第个局部区域中第个边缘连通域上边缘点的个数，表示预设梯度方向，表示第一预设梯度方向，表示第二预设梯度方向，为取最大值函数。

12、可选的，所述根据每一局部区域内像素点的梯度幅值差异获取每一局部区域内若干个弱边缘点及若干个弱边缘连通域，包括的具体步骤如下：

13、根据每一局部区域内像素点的梯度幅值获取每一局部区域的梯度直方图，利用最小二乘法对梯度直方图进行拟合，得到梯度分布曲线，获取梯度分布曲线中每点的斜率值，获取梯度分布曲线的若干个波峰点及若干个波谷点，将横坐标值最大的波峰点记为最大梯度幅值点，将最大梯度幅值点至最大梯度幅值点左侧且距最大梯度幅值点欧式距离最小的波谷点的范围中，斜率值最大的点对应的横坐标值即梯度幅值记为最大划分阈值，将最大划分阈值乘以百分之五十记为最小划分阈值，将每一局部区域中梯度幅值大于最小划分阈值且小于最大划分阈值的像素点记为弱边缘点，对弱边缘点进行连通域处理，得到若干个弱边缘连通域。

14、可选的，所述获取每一弱边缘连通域边缘上每一弱边缘点的差异值，包括的具体步骤如下：

15、记任意一弱边缘连通域为目标弱连通域，获取目标弱连通域边缘上两两弱边缘点的欧式距离，构成欧式距离集合，将欧式距离集合中的最大值对应的两个弱边缘点依次记为目标弱连通域的第一端点与第二端点，将目标弱连通域边缘上所有弱边缘点中梯度幅值的最小值对应的弱边缘点记为中心点；将第一端点与中心点连线，记为第一估计线段，将第二端点与中心点连线，记为第二估计线段；将自第一端点起始至中心点，沿目标弱连通域边缘顺序依次得到的每一弱边缘点记为第一弱边缘点，将第一弱边缘点与第一估计线段的欧式距离记为第一弱边缘点的差异值；将自中心点起始至第二端点，沿目标弱连通域边缘顺序依次得到的每一弱边缘点记为第二弱边缘点，将第二弱边缘点与第二估计线段的欧式距离记为第二弱边缘点的差异值。

16、可选的，所述根据每一边缘连通域上弱边缘连通域的个数及每一边缘连通域上每一弱边缘连通域的差异程度获取每一边缘连通域的受干扰程度，计算公式如下：

17、

18、其中，表示第个局部区域中第个边缘连通域的受干扰程度，表示第个局部区域中第个边缘连通域中弱连通域的个数，表示第个局部区域中第个边缘连通域中第个弱连通域的差异程度，表示第个局部区域中第个边缘连通域中第个弱连通域的像素点个数，表示第个局部区域中第个边缘连通域上像素点的个数。

19、可选的，所述根据每一局部区域的背景边缘缺失评价获取每一局部区域的拉伸程度，计算公式如下：

20、

21、其中，表示第个局部区域的拉伸程度，表示第个局部区域的背景边缘缺失评价，表示除第个局部区域外第个局部区域的背景边缘缺失评价，表示第个局部区域的区域中心到除第个局部区域外第个局部区域的区域中心的欧式距离，表示局部区域个数，表示权重系数。

22、本发明的技术方案的有益效果是：常规的直方图均衡化算法仅考虑灰度级所对应的在图像中出现的频率进行动态拉伸，但是当图像中的重要信息部分出现的频率较小时，其对应的拉伸效果便不佳，同时对于污水处理这一场景下，絮状物的特征与脏污斑点较为相近，因此改进效果不佳。本发明首先获得多个灰度值相近的局部区域，进而获得每一个局部区域内部的边缘连通域与弱边缘连通域，根据边缘连通域与弱边缘连通域之间的差异，获得每一个局部区域的背景缺失评价，同时为了防止直方图均衡化后局部区域之间的块效应导致增强结果不佳，因此通过每一个局部区域以其余局部区域根据之间的聚类中心距离作为权重后，得到每一个局部区域调整后的拉伸程度，从而对每一个局部区域内的高灰度区域进行不同程度的直方图均衡化拉伸，不仅极大程度上增大了絮状物的增强效果，增大了絮状物的细节表现，同时还防止了块效应的产生。

技术特征：

1.基于机器视觉的污水处理效果检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述基于机器视觉的污水处理效果检测方法，其特征在于，所述根据每一边缘连通域上边缘点的梯度方向与预设梯度方向的差异获取每一边缘连通域的背景边缘置信度，计算公式如下：

3.根据权利要求1所述基于机器视觉的污水处理效果检测方法，其特征在于，所述根据每一局部区域内像素点的梯度幅值差异获取每一局部区域内若干个弱边缘点及若干个弱边缘连通域，包括的具体步骤如下：

4.根据权利要求1所述基于机器视觉的污水处理效果检测方法，其特征在于，所述获取每一弱边缘连通域边缘上每一弱边缘点的差异值，包括的具体步骤如下：

5.根据权利要求1所述基于机器视觉的污水处理效果检测方法，其特征在于，所述根据每一边缘连通域上弱边缘连通域的个数及每一边缘连通域上每一弱边缘连通域的差异程度获取每一边缘连通域的受干扰程度，计算公式如下：

6.根据权利要求1所述基于机器视觉的污水处理效果检测方法，其特征在于，所述根据每一局部区域的背景边缘缺失评价获取每一局部区域的拉伸程度，计算公式如下：

技术总结
本发明涉及图像数据处理技术领域，具体涉及基于机器视觉的污水处理效果检测方法，包括：获取污水水下图像，划分为若干个局部区域，获取每一局部区域内若干个边缘连通域，获取每一边缘连通域的背景边缘置信度，获取每一局部区域内若干个弱边缘连通域，获取每一弱边缘连通域的差异程度，获取每一边缘连通域的受干扰程度，获取每一局部区域的背景边缘缺失评价，进而获取每一局部区域的拉伸程度，根据每一局部区域的拉伸系数对每一局部区域进行直方图均衡化，得到增强后的污水水下图像并进行污水处理效果检测。本发明旨在解决由于水中絮状物的光散射效应导致使用传统的直方图均衡化算法对污水图像进行增强处理时增强效果不佳的问题。

技术研发人员：周军
受保护的技术使用者：苏州德斯米尔智能科技有限公司
技术研发日：
技术公布日：2024/1/13