[发明专利]不均匀光照下的棉花伪异性纤维彩色图像增强方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种不均匀光照下的棉花伪异性纤维彩色图像增强方法及系统。

背景技术

棉花中的伪异性纤维，是指在棉花种植、采摘、摊晒过程中混入棉花中的与异性纤维在尺寸、颜色、形状上很难区分的一些非纤维性软硬杂质，主要包括：棉花叶、棉籽屑、棉杆、草叶等。伪异性纤维在皮棉中的含量比异性纤维多，并且其成像从颜色、形状等方面与异性纤维很难区分，对基于机器视觉的棉花异性纤维检测和精确计量影响很大，因此需要通过一些图像处理和机器视觉技术，将伪异性纤维和异性纤维进行区分。图像增强是图像处理和机器视觉中最为基础的环节，是图像分割、图像分析和模式识别的前提。

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。由于图像的特点各有不同，很难找到一个适合所有图像的增强算法。

Retinex是视网膜“Retina”和大脑皮层“Cortex”的缩写，是EdwinLand等人通过大量视觉和心理学实验，总结提出的关于人类视觉系统(Human Visual System)如何调节感知到的物体的颜色和亮度的模型。传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等，Retinex模型可以在灰度动态范围压缩，边缘增强和彩色恒定性三个方面达到平衡，因而适合于棉花伪异性纤维图像的增强。

由于棉花伪异性纤维多为植物性杂质，颜色一般为米黄、浅褐或深棕色，因此通过彩色图像增强更有利于伪异性纤维目标的识别。颜色空间由于计算模型不同可以分为RGB空间和HSI空间。其中RGB空间使用比较普遍，但它不太适合人类的视觉特点，因此产生了其他不同的颜色空间表示法。

HSI色彩空间从人类的视觉系统角度出发，用色调(Hue)、色饱和度(Saturation)和亮度(Intensity)来描述色彩，由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于色彩处理和识别，一些系统经常采用HSI色彩空间，它比RGB色彩空间更符合人的视觉特性。并且使用Retinex模型对HSI彩色图像进行增强时，只需对亮度分量I求其反射图像R，因此其处理速度明显优于RGB空间图像处理。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种不均匀光照下的棉花伪异性纤维彩色图像增强方法和系统，对机器视觉平台采集到的棉花伪异性纤维彩色图像进行增强，以解决基于机器视觉的棉花异性纤维检测中的伪异性纤维识别问题，便于后续的分割和识别等工作。

(二)技术方案

为解决上述问题，本发明一方面提供了一种不均匀光照下的棉花伪异性纤维彩色图像增强方法，包括以下步骤：

S1：读入原始棉花伪异性纤维彩色图像；

S2：将原始彩色棉花伪异性纤维图像从RGB空间转换到HSI空间；

S3：对转换后得到的HSI彩色图像的I分量进行增强；

S4：对经步骤S3增强后的图像进行增强后处理；

S5：将经步骤S4处理后的HSI图像转换回RGB空间。

优选地，所述步骤S3具体包括：

S31：找出所述HSI彩色图像I分量的灰度最大值和最小值；

S32：根据所述I分量的灰度最大值和最小值调整图像I分量的灰度范围为[0，255]；

S33：将图像I分量的灰度转换为对数空间；

S34：获得图像I分量的最佳光度图像；

S35：将最佳光度图像从对数空间转换到指数空间；

S36：将原始棉花HSI彩色图像I分量除以最佳光度图像，得到增强的I分量图像。

优选地，所述步骤S34中获得图像I分量的最佳光度图像的步骤包括：

S341：初始化光度图像；

S342：初始化距离数组；

S343：初始化循环次数；

S344：初始化步长；

S345：开始循环；

S346：计算光度图像的梯度；

S347：通过梯度和步长计算新的光度图像；

S348：计算光度图像的距离；