[发明专利]智能能见度测试仪

权利要求书

1.能见度检测方法，包括下列步骤：

(1)目标图像分割

(2)二值化边缘图像处理

(3)对比度计算

(4)能见度检测

2.如权利要求1所述目标图像分割方法，由下列方法得出：

目标图像分割是利用图像中目标物体与背景在灰度分布的差异，设置一个灰度阈值，凡是灰度值低这个阈值的像素，灰度值均变成为某个灰度值；而高于等于这个灰度阈值的像素灰度值均变为另一个灰度值，于是就可将图像中的目标物体和背景区别开来。

(1)最佳灰度阈值算法

设图像灰度值范围L为：1，2，3.....，256，灰度值为i的像素个数用n来表示，则灰度值为i的像素出现概率P_i为：

P i = n i N . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 1 ) ]]>

这里有

P_i≥0， Σ i = 1 L p i = 1 · · · · · · · · · · · · ( 2 ) ]]>

如果用一个灰度阈值L_i将像素分为两个集合C₀和C₁(背景和目标)，这里C_0-灰度值为[1，2，........，L_k]范围的像素集合，C_1-灰度值为[L_k+1，L_k+2，.......，L]范围的像素集合，则各个集合的均值和概率分别表示为：

m 0 = Σ i = 1 L k i P r ( i C 0 ) = m ( L k ) w ( k ) . . . . . . . . . . . . . . . . . . . . . . . . . ( 3 ) ]]>

m l = m r - m ( k ) l - w ( k ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 4 ) ]]>

式中， w ( L k ) = Σ i = 1 L k P i ]]>

m ( L k ) = Σ I = 1 L k i P 1 ]]>

原始图像灰度总均值m_r为

m r = m ( L ) = Σ i = 1 L i P i . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 5 ) ]]>

w 0 = P R ( C 0 ) = Σ i = 1 L k P i = w ( k ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 6 ) ]]>

w 1 = P R ( C 1 ) = Σ i = L k + 1 L k P i = 1 - w ( k ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 7 ) ]]>

对于选值范围内的任意L_k，则有下列恒等式：

w₀m₀+w₁m₁＝m_r    w₁+w₀＝1...................(8)

从上不难得出类方差计算式为

σ 0 2 = Σ i = 1 L k ( i - m 0 ) 2 P i w 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 9 ) ]]>

σ 1 2 = Σ i = L k + 1 L k ( i - m 1 ) 2 P i w 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 10 ) ]]>

为评价阈值选取优劣引入参量Q作为评价灰度阈值选取标准。参量Q表示为

Q = σ B 2 σ T 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 11 ) ]]>

经证明，最佳灰度阈值L_k^*应使Q值为最大，同时也应使σ_B²取最大值。同时，不难推导出：

Q ( L k ) = σ B 2 ( L k ) σ T 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 12 ) ]]>

σ B 2 ( L k ) = [ m T W ( L k ) - m ( L k ) ] 2 w ( L k ) [ 1 - w ( L k ) ] . . . . . . . . . . . . . . . . . . . . ( 13 ) ]]>

最佳灰度阈值L_k^*应使得F式成立：

σ B 2 ( L k * ) = σ B 1 < L k < L 2 ( L k * ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ( 14 ) ]]>

(2)二值化处理

假设最佳灰度阈值为L_k^*，则灰度图像f(x，y)变成二值图像的表示式为：