基于图像处理的原料油等级分类方法与流程

本技术涉及图像处理领域，具体涉及基于图像处理的原料油等级分类方法。

背景技术：

1、原料油是指用于生产各种化工产品或燃料的原始石油或植物油，主要是由不同的烃类化合物及其衍生物组成的，是许多油类产品的基础材料，由于原料油在不同领域均具有重要用途，需要根据原料油的杂质含量对原料油进行等级划分，根据原料油的不同等级对其进行不同程度的处理。由于原料油相对较为粘稠，故原料油中所包含的固体、悬浮物等杂质会被原料油包裹，与原料油颜色差异较小，边缘检测算法对原料油中的杂质进行识别划分等级时，对杂质的识别难度较大。

2、传统的图像增强算法对原料油图像增强时，能够保留图像中的细节信息，能够更好的保留图像的局部纹理特征，但参数设置较为困难，可能需要多次尝试才能得到相对合适的参数。

3、综上所述，本发明提出基于图像处理的原料油等级分类方法，采用ccd相机采集原料油图像，结合原料油与杂质之间的差异性特征，通过优化clahe算法（限制对比度自适应直方图均衡化算法）的变换函数对原料油图像进行特征增强，完成原料油等级分类。

技术实现思路

1、为了解决上述技术问题，本发明提供基于图像处理的原料油等级分类方法，以解决现有的问题。

2、本发明的基于图像处理的原料油等级分类方法采用如下技术方案：

3、本发明一个实施例提供了基于图像处理的原料油等级分类方法，该方法包括以下步骤：

4、采集原始原料油图像预处理得到原料油图像；

5、根据原料油图像的能量梯度得到原料油图像划分的区域数；根据原料油图像各区域中各像素点局部窗口内像素点的灰度信息得到各像素点的原料油标准灰度值；根据各像素点的灰度值与各区域的原料油标准灰度值的差值绝对值得到各像素点的标准差影值；根据局部窗口内各像素点的标准差影值得到局部窗口的各标准差影级；根据局部窗口的各标准差影级的分布得到各标准差影级的方向游程差；根据各像素点局部窗口内各标准差影级的方向游程差得到各像素点的杂质对比度因子；

6、根据各像素点的杂质对比度因子得到各像素点的权重；根据各像素点的权重及局部窗口内的各像素点标准差影值得到各像素点的最终权重；

7、根据各像素点的最终权重得到原料油图像标准差影值的累计分布函数，结合累计分布函数以及限制对比度自适应直方图均衡化算法获取原料油增强图像；

8、使用大津阈值分割法对原料油增强图像进行分割得到杂质区域像素点，根据杂质区域像素点数量与预设阈值得到原料油等级分类。

9、优选的，根据原料油图像的能量梯度得到原料油图像划分的区域数的具体方法为：

10、将原料油图像的能量梯度与原料油图像的面积的比值记作原料油图像的平均能量梯度，根据平均能量梯度的平方取整得到原料油图像划分的区域数。

11、优选的，根据原料油图像各区域中各像素点局部窗口内像素点的灰度信息得到各像素点的原料油标准灰度值的具体方法为：

12、根据各区域中各像素点局部窗口内的灰度信息，分别计算区域内各像素点局部窗口内的灰度均值、灰度标准差与灰度极差；

13、将局部窗口的灰度均值与区域灰度均值之差小于第一阈值作为第一优先级，将局部窗口的灰度极差作为第二优先级，将局部窗口的灰度标准差作为第三优先级；

14、根据第一优先级、第二优先级和第三优先级的优先次序找到原料油标准窗口，将原料油标准窗口的灰度均值作为原料油无杂质时的标准灰度值。

15、优选的，根据局部窗口内各像素点的标准差影值得到局部窗口的各标准差影级的具体方法为：

16、将局部窗口内各像素点相同的标准差影值作为同一标准差影级；统计局部窗口内不同标准差影级的数量作为局部窗口的标准差影级数。

17、优选的，根据局部窗口的各标准差影级的分布得到各标准差影级的方向游程差的表达式为：

18、根据局部窗口的各标准差影级中各像素点，计算各像素点在局部窗口内各方向上的序列分布情况；

19、基于各像素点在序列分布差异最大的方向计算的差异均值记为最大差异；

20、将局部窗口内各标准差影级中各像素点的最大差异求均值，得到局部窗口内各标准差影级的方向游程差。

21、优选的，根据各像素点局部窗口内各标准差影级的方向游程差得到各像素点的杂质对比度因子的表达式为：

22、

23、式中，表示局部窗口内出现的标准差影值级数，表示局部窗口内第个标准差影级出现的概率，表示局部窗口内第个标准差影级的方向游程差，表示各像素点的杂质对比度因子。

24、优选的，根据各像素点的杂质对比度因子得到各像素点的权重的表达式为：

25、

26、式中，为以为底的指数函数，表示像素点的权重，表示各像素点的杂质对比度因子，表示用于调整像素点权重函数的增长速度的加权调节因子。

27、优选的，根据各像素点的权重及局部窗口内的各像素点标准差影值得到各像素点的最终权重的表达式为：

28、

29、式中，为局部窗口大小，表示局部窗口内位置的像素点权重，表示局部窗口内位置的像素点的标准差影值，为像素点的标准差影值，表示各像素点的最终权重。

30、优选的，根据各像素点的最终权重得到原料油图像标准差影值的累计分布函数的具体方法为：

31、根据原料油图像中各像素点的最终权重，将具有相同标准差影值的各像素点的最终权重求和得到各标准差影值的概率密度函数；

32、基于各标准差影值的概率密度函数得到原料油图像中各标准差影值的累计分布函数。

33、优选的，根据杂质区域像素点数量与预设阈值得到原料油等级分类的具体方法为：

34、使用大津阈值分割法对原料油增强图像进行阈值分割，得到杂质区域像素点；

35、将原料油增强图像中的杂质区域像素点数量记作第一数量，将原料油图像中的原料油区域像素点记作第二数量，将第一数量与第二数量的比值记作杂质占比；

36、将杂质占比与预设的一级阈值和二级阈值分别进行比较，将杂质占比低于一级阈值的原料油图像划分为一级，将杂质占比高于一级阈值且低于二级阈值的原料油图像划分为二级，将杂质占比高于二级阈值的原料油图像划分为三级，完成对原料油等级分类

37、本发明至少具有如下有益效果：

38、本发明方法可实现对原料油等级的分类，相比于传统的clahe算法，本发明针对原料油与杂质之间的特征差异，分析杂质边缘像素点的灰度值递变情况得到方向游程差，更准确地反应了各像素点的方向变化情况；

39、同时，再结合各像素点窗口内与中心像素点标准差影值相同的像素点的权重，使用权重之和来表征该像素点的标准差影值占比，通过统计原料油图像中具有相同的标准差影值像素点的权重，归一化后得到原料油图像标准差影值的概率密度函数，从而优化了clahe算法的累计分布函数，更真实反映了杂质像素点的对比度增强效果，提高了原料油中杂质的检测精度，有助于对原料油等级进行精准分类。