[发明专利]一种环境洁净度检测的图像处理方法

权利要求书

1.一种用于环境洁净度检测的图像处理方法，其特征在于，获取多种环境情况下的不同图像，采用机器学习和概率论与概率统计的方法进行归类与“学习”，然后综合多种评价方式，从而形成一个评判环境卫生情况的标准，具体包括下述步骤：

S1、图像灰度化，将从多种环境情况下获得的不同的图像进行灰度化并提取轮廓，排除外部环境光照的影响；

S2、将经过步骤S1图像灰度化处理并提取轮廓的图像利用朴素贝叶斯分类器原理进行不同环境卫生等级的标记，然后形成一个样本容量，即先验概率；

步骤S2具体为：

S21、获取餐厅或厨房桌面或地板照片；

S22、图像灰度化及canny边缘化处理，图像灰度化用于排除光照强度的干扰，边缘化处理用于提取特征轮廓；

S23、通过多次实验，将多次实验结果进行标记后放入数据库中形成分类器样本库；

S24、将进行过处理的图像与分类器样本库样本进行对比；

S25、根据朴素贝叶斯公式计算，获得的值与样本库中的标记值进行对比，从而得到静态分析下的环境情况；

S26、综合静态分析情况及微小生物数量进行带权计算从而得到环境情况值；

S3、利用帧间差分法对图像进行中值滤波处理，去掉图像随机噪声；

步骤S3具体为：

S31、获取餐厅或厨房桌面或地板照片；

S32、选取时间间隔为30帧的任意三帧图像；

S33、对选取的三帧图像进行帧间差分法处理，识别出快速移动的物体；

S34、对识别出的快速移动的物体进行颜色的筛选，将图上的像素点的像素值进行筛选；

S35、还要对上述筛选的物体与有害微小生物进行相似度处理，获取匹配都高的物体并标记；

S36、通过帧间差分法结果，判断是否有有害生物；

S37、计数；

S38、综合静态环境分析结果及有害微小生物的数量进行环境情况的带权计算并评级；

S4、特征点检测，通过对图像中一些几何结构的关节点作为特征点来研究，计算其与周围点变化率的平均值；

S5、通过opencv数据看进行色差分析，从而区分出桌面或者地板是否有污点和脏物，通过对图像进行适当的二值化操作，使图像中原本较为微小的差异扩大，从而能够更准确地对图片进行色差分析，达到全面分析图片中是否有污点的目的；

S6、通过对整个图像遍历并计算，得到污点所占整幅图的百分比，然后对其进行等级划分，形成对环境卫生情况的整体评价体系。

2.根据权利要求1所述用于环境洁净度检测的图像处理方法，其特征在于，步骤S1包括下述步骤：

S11、加载彩色图像；

S12、初始化变量；

S13、初始化灰度图像；

S14、将图像进行灰度化处理；

S15、提取图像轮廓，排除光照等外界环境的干扰；

S16、利用朴素贝叶斯分类器进行分类形成先验概率；

S17、帧间差分法对图像进行中值滤波处理，去除噪声信号；

S18、特征点检测及色差分析；

S19、显示灰度图像。

3.根据权利要求1所述用于环境洁净度检测的图像处理方法，其特征在于，步骤S25中，

根据样本容量可以算出餐桌或地板在对比度达到哪个情况下的环境卫生情况，然后根据朴素贝叶斯公式即可进行初步的脏乱程度的判断；

4.根据权利要求1所述用于环境洁净度检测的图像处理方法，其特征在于，步骤S33中，帧间差分法具体如下：

计算当前帧与背景帧的差得到FD(x,y)，从图像中提取出完整的目标，计掉当前1帧的差得到FG(x,y)，得到目标的变化量，求帧差FD(x,y)与FG(x,y)的交集得到运动目标粗糙的运动区域幽像，数学形志学运算使得运动区域封川、连续、完整，并去掉背持中的噪声；

上述公式中，d(x,y)为经过帧差法后得到的二值差分图像，H_δi(x,y)为差分图像二值化阈值，|I_i+1(x,y)-u_i(x,y)|为前后两帧图像之间的变化。