一种基于图像处理的洗化水质量监测方法与流程

本技术涉及图像处理，特别涉及一种基于图像处理的洗化水质量监测方法。

背景技术：

1、洗化水是指用于洗涤化妆的液体类产品，洗化水包括多种分类，如洗涤液、洗发水、清洁剂等一系列洗化用品。洗化水的种类繁多，根据不同的清洁需求和使用场景，可以选择适合的产品和工具进行清洁和洗涤。在使用洗化水时，应注意正确使用方法和安全注意事项，以确保清洁效果和个人安全。同时，由于洗化水属于直接接触并且部分洗化用品属于长期接触人体皮肤的用品，为了保护人体皮肤，防止皮肤病，需要对洗化水中的有害物质及各种微生物含量进行监测。

2、传统的洗化水质量监测方法，是通过监测洗化水中泡沫的主题色，再将其与标准颜色的色彩差异，判断细化水的质量状态。而传统监测洗化水中泡沫的主题色方法，是通过传统的色彩提取工具（比如photoshop）对洗化水的泡沫图像进行主题色提取，而传统的洗化水中泡沫的主题色提取方法存在较大误差，以使得洗化水质量监测误差较大，进一步导致洗化水质量监测的工作成本较高。

技术实现思路

1、鉴于以上内容，有必要提供一种基于图像处理的洗化水质量监测方法，相对于传统的洗化水质量监测，提高洗化水质量监测的准确性，进一步降低了洗化水质量监测的工作成本。

2、本技术第一方面提供一种基于图像处理的洗化水质量监测方法，应用于洗化水质量监测领域，所述方法包括：通过洗化水泡沫图像的像素点与其预设邻域窗口内其他像素点的色彩差异指数，确认初始泡沫像素点；根据预设区域内标准数量的初始泡沫像素点，计算每个初始泡沫像素点对应的隶属度；基于所述每个初始泡沫像素点对应的隶属度与预设的主题色提取算法，提取洗化水泡沫对应的主题色；将所述洗化水泡沫对应的主题色与标准主题色进行比对，确认所述洗化水的质量状态。

3、在其中一种实施例中，所述通过洗化水泡沫图像的像素点与其预设邻域窗口内其他像素点的色彩差异指数，确认初始泡沫像素点，具体包括：根据目标像素点与其预设邻域窗口内其他像素点在预设数量的颜色通道中的通道值，分别计算目标像素点与其他像素点对应的色彩差异指数；当所述预设数量的色彩差异指数均小于色彩差异指数阈值时，确认所述目标像素点为非初始泡沫像素点；当任意一个所述预设数量的色彩差异指数大于色彩差异指数阈值时，确认所述目标像素点为初始泡沫像素点。

4、在其中一种实施例中，所述根据目标像素点与其预设邻域窗口内其他像素点在预设数量的颜色通道中的通道值，计算目标像素点与其他像素点对应的预设数量的色彩差异指数，具体包括：

5、

6、其中，为目标像素点与第个其他像素点对应的色彩差异指数，为颜色通道的数量，为目标像素点与第个其他像素点在第个颜色通道中的最大通道值，为目标像素点与第个其他像素点在第个颜色通道中的最小通道值，为通道常数。

7、在其中一种实施例中，所述根据预设区域内标准数量的初始泡沫像素点，计算每个初始泡沫像素点对应的隶属度，具体包括：将目标初始泡沫像素点以及在其邻近的预设区域范围内标准数量的其他初始泡沫像素点进行圆形拟合处理，确认拟合圆边缘区域；基于所述拟合圆边缘区域的形状特性，计算所述目标初始泡沫像素点对应的圆心方向角与曲率；根据所述目标初始泡沫像素点对应的像素灰度值、圆心方向角、曲率以及拟合圆半径，构建目标初始泡沫像素点对应的外观特征向量；基于目标初始泡沫像素点与其预设标准邻域窗口内其他初始泡沫像素点对应的外观特征向量，计算目标初始泡沫像素点对应的隶属度。

8、在其中一种实施例中，所述基于目标初始泡沫像素点与其预设标准邻域窗口内其他初始泡沫像素点对应的外观特征向量，计算目标初始泡沫像素点对应的隶属度，具体包括：

9、

10、其中，为目标初始泡沫像素点对应的隶属度，为目标初始泡沫像素点预设邻域窗口内初始泡沫像素点的数量，为目标初始泡沫像素点在其预设标准邻域窗口内第个初始泡沫像素点对应的像素灰度值，为目标初始泡沫像素点在其预设标准邻域窗口内与第个初始泡沫像素点相邻的初始泡沫像素点对应的像素灰度值，为目标初始泡沫像素点在其预设标准邻域窗口内第个初始泡沫像素点对应的圆心方向角，为目标初始泡沫像素点在其预设标准邻域窗口内与第个初始泡沫像素点相邻的初始泡沫像素点对应的圆心方向角，为目标初始泡沫像素点在其预设标准邻域窗口内第个初始泡沫像素点对应的曲率，为目标初始泡沫像素点在其预设标准邻域窗口内与第个初始泡沫像素点相邻的初始泡沫像素点对应的曲率，为目标初始泡沫像素点在其预设标准邻域窗口内第个初始泡沫像素点对应的拟合圆半径，为目标初始泡沫像素点在其预设标准邻域窗口内与第个初始泡沫像素点相邻的初始泡沫像素点对应的拟合圆半径。

11、在其中一种实施例中，所述主题色提取算法为八叉树算法，对应的，所述基于所述每个初始泡沫像素点对应的隶属度与预设的主题色提取算法，提取洗化水泡沫对应的主题色，具体包括：基于所述八叉树算法与初始泡沫像素点，构建初始八叉树结构，其中，八叉树结构包括若干数量的叶节点；当叶节点数量超过预设节点阈值时，基于所述初始泡沫像素点对应的隶属度进行叶节点的合并，直至遍历所有初始泡沫像素点，以确认最终初始八叉树结构；根据所述最终初始八叉树结构，提取洗化水泡沫对应的主题色。

12、在其中一种实施例中，所述当叶节点数量超过预设节点阈值时，基于所述初始泡沫像素点对应的隶属度进行叶节点的合并，直至遍历所有初始泡沫像素点，以确认最终初始八叉树结构，具体包括：当所述叶节点数量超过预设节点阈值时，统计目标叶节点以及与其相同父节点的其他叶节点的初始泡沫像素点对应的隶属度；判断所述目标叶节点以及与其相同父节点的其他叶节点的初始泡沫像素点对应的隶属度均大于预设合并阈值；若是，将目标叶节点以及与其相同父节点的其他叶节点合并为一个叶节点，作为新目标节点，继续合并叶节点；若否，将最小隶属度与新增叶节点的初始泡沫像素点对应的隶属度比较，将两者最大值对应的叶节点并入原叶节点，继续合并叶节点；遍历所有的初始泡沫像素点，确认最终初始八叉树结构。

13、在其中一种实施例中，所述将所述洗化水泡沫对应的主题色与标准主题色进行比对，确认所述洗化水的质量状态，具体包括：计算洗化水泡沫对应的主题色与标准主题色在预设颜色通道中的通道值，确认每个颜色通道对应的通道值差值；基于所述每个颜色通道对应的通道值差值，计算所述洗化水的质量值；当所述洗化水的质量值大于标准质量值时，确认所述洗化水的质量状态为异常质量状态；当所述洗化水的质量值小于或等于标准质量值时，确认所述洗化水的质量状态为正常质量状态。

14、在其中一种实施例中，所述基于所述每个颜色通道对应的通道值差值，计算所述洗化水的质量值，具体包括：

15、

16、其中，为所述目标洗化水的质量值，为颜色通道的数量，为洗化水泡沫对应的主题色在第个颜色通道中的通道值，为洗化水泡沫对应的标准主题色在第个颜色通道中的通道值。

17、在其中一种实施例中，在通过洗化水泡沫图像的像素点与其预设邻域窗口内其他像素点的色彩差异指数，确认初始泡沫像素点之前，所述方法还包括：通过图像采集设别对洗化水的泡沫进行图像采集，获取rgb空间下洗化水的泡沫对应的初始洗化水泡沫图像；将所述初始洗化水泡沫图像进行预设去噪算法与图像增强算法处理，确认洗化水泡沫图像。

18、本技术实施例先通过洗化水泡沫图像的像素点与其预设邻域窗口内其他像素点的色彩差异指数，确认初始泡沫像素点，然后根据预设区域内标准数量的初始泡沫像素点，计算每个初始泡沫像素点对应的隶属度，再基于所述每个初始泡沫像素点对应的隶属度与预设的主题色提取算法，提取洗化水泡沫对应的主题色，最后将所述洗化水泡沫对应的主题色与标准主题色进行比对，确认所述洗化水的质量状态。将洗化水泡沫图像的每个初始泡沫像素点对应的隶属度作为预设的主题色提取算法的参数，以提高洗化水泡沫对应的主题色提取的准确性，相对于传统的洗化水质量监测方法，提高了洗化水质量监测的准确性，进一步降低了洗化水质量监测的工作成本。