一种鱼罐头生产信息追溯方法及系统与流程

本发明涉及图像增强，具体涉及一种鱼罐头生产信息追溯方法及系统。

背景技术：

1、食品生产安全追溯是指通过对食品生产全过程进行记录和追溯，以确保食品质量和安全的一种管理方法。它包括从食品原材料的采购、生产加工、包装到流通环节的监控和追溯，旨在提供可靠的食品供应链信息和证据，确保食品的质量和安全。食品生产安全追溯系统的实施可以提高食品安全管理的效果，帮助企业及时发现问题、解决问题，并在食品安全事件发生时能够快速追溯受影响的产品批次和流通路径，实施有效的召回和处置措施。此外，食品生产安全追溯还可以加强食品行业的监管和政府对食品安全的监督力度，保障广大消费者的食品安全权益。

2、鱼罐头作为一种常见的食品产品，其安全性对消费者的健康至关重要。然而，在鱼罐头生产过程中可能存在一些风险和安全隐患，例如原料质量问题、添加剂使用不当、金属杂质等，这些问题可能会影响产品的质量和安全。为了应对这些问题，鱼罐头生产企业逐渐引入了生产安全追溯方法。由于鱼罐头在进行运输过程中，鱼罐头表面二维码可能会受到损伤，在通过二维码进行信息追溯时，可能会导致追溯效率低，或者追溯不到，故需要对采集得到的二维码进行图像增强，在使用自适应对比度增强算法中，算法本身仅考虑局部对比度信息，并没有考虑全局对比度信息，故本发明通过对图像进行分析，进而通过自适应调节增强系数，达到考虑全局对比度信息使得图像增强效果更好的目的。

3、综上所述，本发明提出一种鱼罐头生产信息追溯方法及系统，通过获取鱼罐头表面的二维码图像，分析二维码图像的灰度特征、边缘特征最终得到图像增强系数，改进自适应对比度增强算法，完成基于图像增强的鱼罐头生产信息追溯，提高了鱼罐头生产信息追溯的效率。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种鱼罐头生产信息追溯方法及系统，所采用的技术方案具体如下：

2、第一方面，本发明实施例提供了一种鱼罐头生产信息追溯方法，该方法包括以下步骤：

3、采集鱼罐头表面的二维码图像；

4、获取二维码图像的标记判证区；采用大津阈值算法获取标记判证区的分割阈值；将标记判证区内灰度值大于等于分割阈值的像素点作为高阈值像素点；将标记判证区内灰度值小于分割阈值的像素点作为低阈值像素点；根据标记判证区内像素点的灰度分布得到标记判证区的区域对照度；根据标记判证区内低阈值像素点的梯度幅值分布得到各低阈值像素点的邻域梯度相似性；

5、根据标记判证区内低阈值像素点的梯度方向分布得到各低阈值像素点的邻域梯度方向相似性；结合各低阈值像素点的邻域梯度相似性及邻域梯度方向相似性得到各低阈值像素点的邻域梯度一致性；对于高阈值像素点采用低阈值像素点邻域梯度一致性的获取方法计算各高阈值像素点的邻域梯度一致性；利用标记判证区内各像素点的邻域梯度一致性进行聚类；根据低阈值像素点及高阈值像素点的聚类结果得到标记判证区的区域逼真度；

6、获取标记判证区的区域边缘对比度；结合各标记判证区的区域对照度、区域逼真度、区域边缘对比度得到二维码图像的图像增强系数；结合自适应对比度增强算法及图像增强系数完成基于图像增强的鱼罐头生产信息追溯。

7、进一步的，所述获取二维码图像的标记判证区，包括：

8、对二维码图像进行边缘检测，将检测到的各边缘利用矩形拟合算法进行拟合，获取二维码图像中的矩形区域，将二维码图像中左上角、左下角、右上角三个位置的矩形区域作为二维码图像的标记判证区。

9、进一步的，所述根据标记判证区内像素点的灰度分布得到标记判证区的区域对照度，包括：

10、计算标记判证区内各低阈值像素点与所有低阈值像素点的均值的差值绝对值，将所有低阈值像素点的所述差值绝对值的均值作为所有低阈值像素点的第一区域对照度；以此类推，计算标记判证区内所有高阈值像素点的第二区域对照度；将标记判证区内第一区域对照度与第二区域对照度的和值的相反数作为以自然常数为底数的指数函数的指数；将所述指数函数的计算结果作为标记判证区的区域对照度。

11、进一步的，所述根据标记判证区内低阈值像素点的梯度幅值分布得到各低阈值像素点的邻域梯度相似性，包括：

12、根据低阈值像素点与邻域内各像素点的梯度幅值差异构建第一邻域梯度相似性，表达式为：

13、

14、式中，表示第a个低阈值像素点与邻域内第b个像素点的第一邻域梯度相似性，表示第a个低阈值像素点的梯度幅值，表示第a个低阈值像素点邻域内第b个像素点的梯度幅值，为预设梯度阈值；

15、将各低阈值像素点邻域内所有第一邻域梯度相似性的和值作为各低阈值像素点的邻域梯度相似性。

16、进一步的，所述根据标记判证区内低阈值像素点的梯度方向分布得到各低阈值像素点的邻域梯度方向相似性，包括：

17、根据低阈值像素点与邻域内各像素点的梯度方向差异构建第一邻域梯度方向相似性，表达式为：

18、

19、式中，表示第a个低阈值像素点与邻域内第b个像素点的第一邻域梯度方向相似性，表示第a个低阈值像素点的梯度方向，表示第a个低阈值像素点邻域内第b个像素点的梯度方向，为预设梯度方向阈值；

20、将各低阈值像素点邻域内所有第一邻域梯度方向相似性的和值作为各低阈值像素点的邻域梯度方向相似性。

21、进一步的，所述结合各低阈值像素点的邻域梯度相似性及邻域梯度方向相似性得到各低阈值像素点的邻域梯度一致性，包括：

22、将各低阈值像素点的邻域梯度相似性及邻域梯度方向相似性的和值的归一化值作为各低阈值像素点的邻域梯度一致性。

23、进一步的，所述根据低阈值像素点及高阈值像素点的聚类结果得到标记判证区的区域逼真度，包括：

24、根据低阈值像素点不同聚类集合内邻域梯度一致性的差异构建低阈值混乱度，表达式为：

25、

26、式中，表示所有低阈值像素点的低阈值混乱度，表示标记判证区内所有低阈值像素点的聚类集合个数，表示第个聚类集合周围相邻、具有共同边缘的聚类集合个数，表示第个聚类集合周围相邻的第个聚类集合所包含像素点的个数，计算第个聚类集合内所有像素点的邻域梯度一致性的均值，确定为第一均值，计算第个聚类集合周围相邻的第个聚类集合所包含像素点的邻域梯度一致性均值，确定为第二均值，表示第一均值与第二均值的差值绝对值，表示第个聚类集合所包含的像素点数量，表示第个聚类集合内所有像素点的邻域梯度一致性的均值；

27、以此类推，对于高阈值像素点，采用低阈值混乱度的计算方法获取所有高阈值像素点的高阈值混乱度；

28、将标记判证区内所有像素点的邻域梯度一致性的信息熵作为标记判证区的邻域梯度熵；计算标记判证区内低阈值混乱度与高阈值混乱度的和值，将所述和值与邻域梯度熵的乘积的倒数作为标记判证区的区域逼真度。

29、进一步的，所述获取标记判证区的区域边缘对比度，包括：

30、在标记判证区内利用canny边缘检测算法进行边缘检测，预设不同的低阈值，针对标记判证区，计算不同预设低阈值下检测到的最外围边缘像素点个数与所有预设低阈值下检测到的最外围边缘像素点个数的均值的差值绝对值，将所述差值绝对值的相反数作为以自然常数为底数的指数函数的指数，将所述指数函数的计算结果作为各低阈值下标记判证区的矩形完整度；

31、计算各矩形完整度与所有矩形完整度的均值的差值绝对值，记为第一差值绝对值，计算所述第一差值绝对值与各矩形完整度的比值，将标记判证区内所有低阈值下所述比值的和值的相反数作为以自然常数为底数的指数函数的指数，记为第一指数函数，将所述第一指数函数的计算结果作为标记判证区的区域边缘对比度。

32、进一步的，所述结合各标记判证区的区域对照度、区域逼真度、区域边缘对比度得到二维码图像的图像增强系数，包括：

33、将标记判证区的区域对照度、区域逼真度及区域边缘对比度的乘积作为标记判证区的矩形清晰度；将二维码图像中所有标记判证区的矩形清晰度的均值作为二维码图像的完全对比度；将二维码图像的完全对比度的倒数的归一化值作为二维码图像的图像增强系数。

34、第二方面，本发明实施例还提供了一种鱼罐头生产信息追溯系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

35、本发明至少具有如下有益效果：

36、本发明通过获取鱼罐头表面的二维码图像，对二维码图像的灰度特征、梯度特征、边缘特征进行分析，最终得到图像增强系数以此改进自适应对比度增强算法，完成基于图像增强的鱼罐头生产信息追溯。本发明通过对鱼罐头表面的二维码图像进行图像增强，提高了鱼罐头生产信息追溯的效率；

37、进一步，根据二维码图像特征，获取标记判证区，并根据标记判证区灰度分布信息、梯度信息以及边缘信息进行分析进而获取矩形清晰度，并根据三个标记判证区的矩形清晰度得到二维码图像的完全对比度，从而改进自适应对比度增强算法中的增强系数，使得改进后的自适应对比度增强算法在图像增强过程中考虑局部信息的同时也能分析全局信息，提高了鱼罐头表面二维码的图像增强效果。本发明解决了鱼罐头生产运输过程中由于磕碰等原因造成表面二维码图像模糊不清从而导致生产信息追溯困难的问题。本发明具有高效、准确的有益效果。