1.基于图像处理的获取雾滴特征参数方法,其特征在于,包括:获取目标区域的雾滴图像;
对雾滴图像进行图像预处理;
所述对雾滴图像进行图像预处理,包括:获取雾滴原始彩色图像;
原始彩色图像通过固定阈值二值化转换为二值化图像;
将二值化图像进行膨胀学操作;
对膨胀后图像进行拉普拉斯图像增强操作;
所述膨胀学操作包括:先定义3*3的十字交叉形的结构元;
遍历二值化图像的各个像素点,对像素点的3*3邻域与结构元的原点对应进行判断;
如果像素点的值为0,则将该像素点的3*3邻域与结构元对应位置;
若对应结构元中的值为1,则将该像素点的值重设为1;
根据图像预处理的结果,筛选出特征区域,计算特征区域中可匹配雾滴,并根据图像预处理的结果获取雾滴图像的雾滴个数、雾滴所占像素大小以及雾滴坐标位置;
根据特征区域中可匹配雾滴的匹配计算的结果和匹配雾滴的坐标位置,计算可匹配雾滴的运动速度;
对雾滴特征参数计算识别并提取雾滴的相关信息,具体包括:使用findContours函数识别出每个雾滴轮廓后,使用标签化算法,按照从左到右、从上到下的规则给雾滴进行标号;
使用count_nonzero函数计算每个雾滴轮廓内的像素个数;
使用boundingRect函数提取雾滴轮廓的边界矩形坐标,计算雾滴的中心位置;
计算可匹配雾滴的运动速度;
根据邻域雾滴匹配计算部分中的可匹配雾滴的结果和匹配雾滴的坐标位置计算得出匹配雾滴的运动速度;
对所述雾滴特征参数中雾滴大小可通过以下公式计算获得:M=L/N D=(P*M)/a
其中,M为一个像素点的实际长度,单位:cm;
L为网格标定中网格大小,单位:cm;
N为网格在图像中所占的像素数,单位:像素;
D为雾滴原始大小,单位:cm;
P为雾滴所占图像中的像素数,单位:像素;
a为关系系数。
2.根据权利要求1所述基于图像处理的获取雾滴特征参数方法,其特征在于,对特征区域中可匹配雾滴的匹配计算,包括:输入两幅经过图像预处理的相邻图像,并进行HARRIS角点检测第一图像计算以获取候选角点;
计算候选角点的相关信息,进行候选角点的特征描述;
根据特征描述,使用归一化互相关计算的第一图像中与第二图像中匹配度最高的角点;
展示匹配雾滴结果,并返回对应匹配角点的相关信息。
3.根据权利要求2所述基于图像处理的获取雾滴特征参数方法,其特征在于,所述进行HARRIS角点检测第一图像计算以获取候选角点,包括,使用卷积框在第一图像的每一点进行向上或者向下,向左或者向右平移一个像素点后的平移操作;
对图像中的每一个像素(x,y),在9*9卷积框的邻域中,使用尺寸为9的Sobel算子计算梯度图的协方差矩阵M;
定义角点响应函数R为0.06,判断R>0.04的结果视为角点。
4.根据权利要求1所述基于图像处理的获取雾滴特征参数方法,其特征在于,包括:可匹配成对雾滴的运动速度的计算可通过以下公式计算获得:其中,S为雾滴运动的实际距离;X1,X2 ,Y1,Y2是由计算雾滴特征参数中的计算雾滴中心坐标位置里得出;
M为一个像素点的实际长度,单位:cm,计算方式与计算雾滴原始大小中的计算公式一致;
V=S/T
其中,S为雾滴运动的实际距离,V为雾滴运动速度,单位:m/s,S为雾滴运动的实际距离,单位:cm,T为两幅图像的时间间隔,单位:s。