[发明专利]一种基于云计算的纸张质量检测的优化方法

权利要求书

1.一种基于云计算的纸张质量检测的优化方法，其特征在于：包括以下步骤：

S1:将获取的均匀光照下的纸张图像传输至云服务器中；

S2:对云服务器中的纸张图像进行灰度级量化，得到纸张灰度分级图像；

S3:获取纸张灰度分级图像中每个像素点对应的邻域，计算各邻域的特征值，将该特征值作为该邻域对应像素点的特征值；其中计算邻域特征值的步骤包括：

S301:将各邻域进行傅里叶变化得到各邻域对应的局部幅频图；

S302:提取每个局部幅频图中每个频率点的信息计算每张局部幅频图中所有频率点的明显程度；

S303:筛选出各局部幅频图中所有明显频率点，构建各明显频率点对应的局部灰度共生矩阵；

S304:根据每个局部灰度共生矩阵中的元素数值计算各局部灰度共生矩阵对应的纹理宽度；

S305:根据每个局部灰度共生矩阵中的元素数量计算各局部灰度共生矩阵对应的纹理变化速率；

S306:根据每个局部灰度共生矩阵对应的纹理宽度和纹理变化速率计算各局部灰度共生矩阵对应的有效性；

S307:根据各邻域对应的局部幅频图中所有局部灰度共生矩阵的有效性计算各邻域的特征值；

S4:根据纸张图像中每个像素点的特征值生成纸张纹理特征图，对纸张纹理特征图进行模板匹配确定纸张的质量；

S5:根据纸张质量确定是否对该纸张进行印刷。

2.根据权利要求1所述的一种基于云计算的纸张质量检测的优化方法，其特征在于：

所述纸张图像中每个像素点的特征值的计算公式如下：

式中：E为像素点的特征值，i为该像素点对应的第i个局部灰度共生矩阵，n为该像素点对应的局部灰度共生矩阵的数量，D_i为该像素点对应的第i个局部灰度共生矩阵的有效性，为该像素点对应的第i个局部灰度共生矩阵的能量值。

3.根据权利要求1所述的一种基于云计算的纸张质量检测的优化方法，其特征在于：

所述计算每张局部幅频图中每个频率点的明显程度的过程为：

利用最小二乘法将每张局部幅频图中的幅度拟合成高斯函数，局部幅频图中每个位置代表一个方向的频率；

局部幅频图中像素点的明显程度的计算公式如下：

式中：A为局部幅频图中像素点的明显程度，A_F为每个局部幅频图中像素点对应的幅度，A_G为将每个像素点的位置代入高斯函数中的值。

4.根据权利要求1所述的一种基于云计算的纸张质量检测的优化方法，其特征在于：

所述每个局部灰度共生矩阵对应的有效性的计算公式如下：

式中：D为局部灰度共生矩阵的有效性，A为该局部灰度共生矩阵对应的纹理方向所对应幅频图中频率点的明显程度，B为该局部灰度共生矩阵的对应的纹理宽度，C为该局部灰度共生矩阵的变化速率。

5.根据权利要求4所述的一种基于云计算的纸张质量检测的优化方法，其特征在于：

所述每个局部灰度共生矩阵对应的纹理宽度计算公式如下：

式中：N′为该局部灰度共生矩阵的对角线元素的值的和；H为该局部灰度共生矩阵的所有元素的值的和；H为该局部灰度共生矩阵的对角线元素的值的极差。

6.根据权利要求4所述的一种基于云计算的纸张质量检测的优化方法，其特征在于：

所述每个局部灰度共生矩阵对应的纹理变化速率的计算公式如下：

式中：Y为局部灰度共生矩阵的对角线元素的熵；Z为当前局部灰度共生矩阵的对角线元素的数量；Z′为当前局部灰度共生矩阵的对角线上值为零的元素的数量。