一种改进的干电池图像增强方法

改造者：方 浩 李瑜煜 陈观应 许伟明

一种改进的干电池图像增强方法

改造者：方 浩 李瑜煜 陈观应 许伟明

将干电池图像的自身特点与传统局部对比度增强算法相结合，提出了一种适用于干电池缺陷图像增强的改进算法，可以较好的改善干电池图像的模糊问题，并明显的突出了图像中的边缘细节信息，加强了图像缺陷的视觉效果，从而为后续的干电池缺陷检测做好了铺垫。

我国是干电池生产大国及消费大国，但目前干电池生产的在线质量检测主要靠人工视觉检测，这会造成生产成本的不断增加及产品质量的不稳定，因而在干电池缺陷检测中开展机器视觉检测技术与应用研究有着积极的意义和较高的价值。底碗纸位于干电池底部，由于该处位置空间深而窄，光照不足，从外部采集图像较为困难。通过CCD相机从外部采集的干电池缺陷图像如图1所示。图2为对应的直方图。

从图1中可以看出，干电池缺陷图像对比度较低，边缘细节较为模糊。因而，本文针对干电池图像的特点设计了相应的图像局部对比度增强改进算法，以改善图像的质量，提高清晰度，方便后续的图像缺陷检测。

传统局部对比度增强算法

令f(i,j)，g(i,j)分别表示一幅图像在增强前后像素点(i,j)的像素值，则传统局部对比度增强算法的公式为：

其中，mf(i,j)表示原图像中以像素点

(i,j)为中心的邻域内的灰度平均值，k为比例系数，是用于调整像素点变化幅度的权值，当k＞1时，如果f(i,j)小于mf(i,j)，将会使g(i,j)小于f(i,j)，即降低像素点(i,j)的灰度值；相反，若f(i,j)大于mf(i,j)，则g(i,j)大于f(i,j)，即提高该像素点的亮度值。

该算法在增强图像局部细节中具有一定的效果，但是，在使用该算法进行图像增强时，无法调节比例系数k的值，因此，在图像整体增强的同时，无法对图像的不同区域进行一定的调整，局部对比度动态范围受到限制，尤其是感兴趣的目标部分。

结合直方图局部峰值的改进算法

对于具有多个不同灰度区域的图像来说，图像的灰度直方图也会在不同区域分别具有一个局部最大值。如果在图像局部增强中恰当的利用该类图像的灰度分布特点，可以较好的提高图像的增强效果，因此，提出了一种基于灰度直方图局部峰值的局部对比度优化算法。

图1 干电池缺陷图像

图2 缺陷图像直方图

该算法的思想是：在对图像进行传统局部对比度增强算法之前，以图像直方图主要不同灰度区域的局部最大值对应的像素值作为标志点，接着，对于图像中的每一个像素点，计算其灰度值与哪一个标志点的距离最近，并相应的调整局部对比度增强算法的权值。

该算法的具体步骤如下：

作出原始图像的直方图，求出主要的不同灰度区域的局部最大值，并以相应的灰度值作为标志点P1,P2,…,Pn；

对于图像中的每个像素，计算其灰度值与所有标志点的距离即灰度差值的绝对值d1,d2,…,dn；

取所有距离中的最短距离并得到对应的标志点P；

遍历图像中的所有像素点，重复步骤（2）和（3）；

对图像进行传统局部对比度增强算法，并以标志点信息调整权值。

缺陷图像增强实验

为验证本文所提出的改进算法可以在干电池缺陷图像增强中能够取得较好的效果，对采集的干电池缺陷图像进行图像增强，与传统的局部对比度增强算法和基于对数变换的图像局部增强算法进行比较，图像增强效果如图3所示。

从图3可以看出，传统局部对比度算法提高了各部分区域之间的对比度，但对于图像中边缘细节信息的增强效果不明显；基于对数变换的局部增强算法需要通过大量的实验才可以得到较好的系数值，并且该方法只能增强图像中的低灰度区域对比度，其他区域未进行处理；对于本节提出的改进算法求出的标志点灰度值分别为2、80和248，对于灰度值距离2或248更近的像素点，设置加权系数为3，对于灰度值距离80更近的像素点设置的加权系数为1.5，从而不仅可以更好的提高干电池图像中各部分区域之间的对比度，还较为明显的突出了图中各部分区域边缘细节信息，有效地改善了缺陷部分的视觉效果。

结语

由于干电池生产线质量监控检测采用人工目测的方法存在效率低、不稳定的问题，开展基于机器视觉的干电池缺陷自动检测是必然趋势，本文提出的干电池缺陷图像增强改进算法可以较好地改善干电池图像的模糊问题，并明显的突出了图像中的边缘细节信息，加强了图像缺陷的视觉效果，从而为后续的干电池缺陷检测做好了铺垫。

方 浩 李瑜煜 陈观应 许伟明

广东工业大学材料与能源学院

方浩（1990－）男，硕士研究生，研究领域为机器视觉、模式识别等；李瑜煜，男，副教授，研究领域为传感器应用，机器视觉等；陈观应（1988－）男，硕士研究生，研究领域为机器视觉、模式识别等；许伟明 （1991－）男，硕士研究生，研究领域为传感器应用等。

10.3969/j.issn.1001-8972.2016.09.037