[发明专利]一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机在审

专利信息
申请号: 201811152676.7 申请日: 2018-09-29
公开(公告)号: CN109360218A 公开(公告)日: 2019-02-19
发明(设计)人: 陈小平;陈超;李思成 申请(专利权)人: 佛山市云米电器科技有限公司;陈小平
主分类号: G06T7/13 分类号: G06T7/13;G06T7/168;G06T5/00;G06T5/20;F24C15/20
代理公司: 北京科亿知识产权代理事务所(普通合伙) 11350 代理人: 赵蕊红
地址: 528300 广东省佛山市顺德区伦*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 油烟 滤波器 图像 弱边缘 中心像素点 边缘检测 边缘点 位置处 油烟机 遍历 中心像素点邻域 图像识别系统 计算滤波器 同一位置 小波变换 油烟处理 计算量 像素点 灰度 去噪 相减 判定 统计
【说明书】:

一种油烟图像弱边缘提取方法及油烟处理系统及油烟机,油烟图像弱边缘提取方法,包括以下步骤:3‑1,定义一个滤波器Y;3‑2,使滤波器Y遍历油烟图像,计算滤波器在每一位置处的中心像素点的边缘检测值Xz;3‑3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值一一相减,并判断在同一位置处每个差值的绝对值是否大于阈值Δ;统计差值的绝对值大于阈值的数量,判定边缘点并进行标记;3‑4,滤波器遍历完整个去噪图像,得到所有标记的边缘点。本发明基于小波变换,不需要很大的计算量便可得到较为准确的油烟图像弱边缘提取效果。

技术领域

本发明涉及油烟检测技术领域,尤其涉及一种油烟图像弱边缘提取方法及油烟图像识别系统和油烟机。

背景技术

边缘是图像重要特征之一,边缘是指周围像素灰度有阶跃变化或屋顶变化的像素集合。边缘检测主要是灰度变化的度量、检测和定位。边缘检测与提取是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点,从而提取出目标区域的边缘,剔除图像中的非目标区域部分。

现阶段针对图像边缘检测与提取的算法很多,但往往都依赖于大量的计算,需要消耗大量的算力来得到较为准确的边缘检测结果,这在嵌入式图像处理产品上是不适用的。而且传统的图像边缘提取算法对灰度值异变明显的强边缘效果不错,但对图像目标区域弱边缘的检测就显得捉襟见肘了。

因此,针对现有技术不足,提供一种简单易行,不需要消耗大量计算,对弱边缘的检测具有较高的准确率的油烟图像弱边缘提取方法及基于该方法的油烟图像识别系统和油烟机,以克服现有技术不足甚为必要。

发明内容

本发明的目的在于避免现有技术的不足之处而提供一种油烟图像弱边缘提取方法及基于该方法的油烟处理系统及油烟机,具有操作简单、计算量小、对弱边缘检测准确率高的特点。

本发明的上述目的通过以下技术措施实现。

提供一种油烟图像弱边缘提取方法,包括以下步骤:

3-1,定义一个滤波器Y,滤波器为t*t矩阵,t为奇数;

3-2,使滤波器Y遍历油烟图像,滤波器Y遍历油烟图像时与油烟图像中对应的区域重叠,z为滤波器Y遍历油烟图像时对应区域的标记;

计算滤波器在每一位置处的中心像素点所在的油烟图像的灰度值以及中心像素点邻域内其它像素点所在的油烟图像的灰度值,并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz

f、g为为像素点的矩阵序号,1≤f≤t,1≤g≤t,e为滤波器在每一位置处的像素点所在的油烟图像的灰度值;α为权重系数,与滤波器位置相对应;

3-3,将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值一一相减,并判断在同一位置处每个差值的绝对值是否大于阈值Δ;

统计差值的绝对值大于阈值的数量,如果数量超过K,判定滤波器所处位置的中心像素点对应的油烟图像的像素点位置为边缘点,并进行标记,K为正整数;

3-4,滤波器遍历完整个去噪图像,得到所有标记的边缘点。

进一步的,步骤3-3中,阈值Δ=2ef,g,

进一步的,步骤3-3中,

进一步的,步骤3-3中标记以高亮的方式标记。

优选的,上述的基油烟图像弱边缘提取方法,滤波器Y为3*3的矩阵。

优选的,上述的油烟图像弱边缘提取方法,

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山市云米电器科技有限公司;陈小平,未经佛山市云米电器科技有限公司;陈小平许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811152676.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top