图像处理方法及相关装置与流程

1.本发明涉及图像处理领域，特别涉及一种图像处理方法及相关装置。


背景技术：

2.在智能化的无人机光伏电站巡检中，光伏组串的分割对光伏电站全景地图的指标量化具有重要意义。例如，(1)光伏组串的分割和编号能映射每个组串与电站建站的竣工图中方阵到汇流箱的位置关系，方便日常运维。(2)光伏组串的分割能一步指导更精细化的组件分割，以达到电站容量的精准核查。(3)为光伏电站的无人机故障巡检提供故障的定位基础。
3.在实际中，无人机航拍到最终获取的全景地图背景受到屋顶和水面等复杂背景的影响，极容易产生环境背景的误分割情况，通过人工标注又费时费力。因此，如何快速准确地从图像中确定光伏组串成为本领域人员亟待解决的技术问题。


技术实现要素：

4.鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的一种图像处理方法及相关装置。
5.第一方面，一种图像处理方法，包括：
6.检测目标图像中各子区域的边缘水平直线和边缘竖直线；
7.针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；
8.根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。
9.可选的，在某些可选的实施方式中，在所述根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声之后，所述方法还包括：
10.基于所述目标图像对应的掩膜图中掩膜区域的背景像素值，对所述图像背景噪声进行像素替换，以对所述目标图像进行去噪处理。
11.可选的，在某些可选的实施方式中，在所述检测目标图像中各子区域的边缘水平直线和边缘竖直线之前，所述方法还包括：
12.基于预先训练的图像分割模型，对原始图像进行图像块级别的分割，得到所述目标图像。
13.可选的，在某些可选的实施方式中，所述检测目标图像中各子区域的边缘水平直线和边缘竖直线，包括：
14.基于所述目标图像对应的掩膜图，将所述目标图像中倾斜的子区域矫正至水平；
15.扣取各所述子区域的轮廓；
16.针对任一所述子区域，基于霍夫直线检测算法计算所述子区域的轮廓的所述边缘水平直线和所述边缘竖直线。
17.可选的，在某些可选的实施方式中，所述基于所述目标图像对应的掩膜图，将所述目标图像中倾斜的子区域矫正至水平，包括：
18.针对所述目标图像中倾斜的所述子区域，计算所述子区域在所述掩膜图中的倾角；
19.根据所述倾角，将所述子区域调整至水平状态。
20.可选的，在某些可选的实施方式中，所述扣取各所述子区域的轮廓，包括：
21.基于所述掩膜图，计算各所述子区域的最小内接矩坐标，以扣取各所述子区域的轮廓。
22.可选的，在某些可选的实施方式中，所述针对任一所述子区域，基于霍夫直线检测算法计算所述子区域的轮廓的所述边缘水平直线和所述边缘竖直线，包括：
23.针对任一所述子区域，将所述子区域的轮廓进行转灰度处理，得到灰度轮廓；
24.检测所述灰度轮廓的边缘；
25.基于所述霍夫直线检测算法计算所述灰度轮廓的所有直线；
26.对各所述直线进行滤除，以获得所述边缘水平直线和所述边缘竖直线。
27.可选的，在某些可选的实施方式中，所述根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声，包括：
28.根据各所述目标子区域的纹理，将各所述目标子区域进行分类，其中，纹理一致的划分为同一类，纹理不一致的划分为不同类；
29.将第一类别的各所述目标子区域确定为所述目标区域，剩余其他类别的各所述目标子区域均确定为图像背景噪声，其中，所述第一类别的各所述目标子区域的面积总和最大。
30.可选的，在某些可选的实施方式中，所述根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声，包括：
31.将各所述目标子区域的纹理与目标纹理进行比对；
32.针对任一所述目标子区域，若所述目标子区域的纹理与所述目标纹理的相似度大于预设相似度阈值，则确定所述目标子区域为所述目标区域，否则确定所述目标子区域为图像背景噪声。
33.可选的，在某些可选的实施方式中，所述预设阈值范围为90度上下偏差一定阈值的范围内。
34.可选的，在某些可选的实施方式中，所述目标区域为光伏组串对应的区域。
35.第二方面，一种图像处理装置，包括：直线检测单元、第一区域确定单元和第二区域确定单元；
36.所述直线检测单元，用于检测目标图像中各子区域的边缘水平直线和边缘竖直线；
37.所述第一区域确定单元，用于针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；
38.所述第二区域确定单元，用于根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。
39.借由上述技术方案，本发明提供的一种图像处理方法及相关装置，可以检测目标
图像中各子区域的边缘水平直线和边缘竖直线；针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。由此可以看出，本发明可以综合直线的夹角与纹理，从目标图像中确定出目标区域和图像背景噪声，这里的目标区域可以理解为光伏组串对应的区域。即，本发明无需人工参与，可以快速准确地从目标图像中确定相应的光伏组串和图像背景噪声。
40.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
41.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
42.图1示出了本发明提供的一种图像处理方法的流程图；
43.图2示出了本发明提供的第一种光伏组串的示意图；
44.图3示出了本发明提供的第二种光伏组串的示意图；
45.图4示出了本发明提供的第三种光伏组串的示意图；
46.图5示出了本发明提供的第四种光伏组串的示意图；
47.图6示出了本发明提供的第五种光伏组串的示意图；
48.图7示出了本发明提供的一种图像处理装置的结构示意图；
49.图8示出了本发明提供的一种电子设备的结构示意图。
具体实施方式
50.在智能化的无人机光伏电站巡检中，光伏组串的分割对光伏电站全景地图的指标量化具有重要意义。例如，(1)光伏组串的分割和编号能映射每个组串与电站建站的竣工图中方阵到汇流箱的位置关系，方便日常运维。(2)光伏组串的分割能一步指导更精细化的组件分割，以达到电站容量的精准核查。(3)为光伏电站的无人机故障巡检提供故障的定位基础。
51.经本方案发明人研究发现：在实际中，无人机航拍到最终获取的全景地图背景受到屋顶和水面等复杂背景的影响，极容易产生环境背景的误分割情况，通过人工标注又费时费力。因此，本方案发明人提出可以结合光伏组串横平竖直的属性和具有特定纹理的属性，基于这两种属性快速准确地从图像中找到光伏组串和背景图像噪声。
52.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
53.如图1所示，本发明提供了一种图像处理方法，包括：s100、s200和s300；
54.s100、检测目标图像中各子区域的边缘水平直线和边缘竖直线；
55.可选的，本发明所说的目标图像可以经过一定处理的图像，以提高本发明的准确率和效率。例如，在某些可选的实施方式中，在所述s100之前，所述方法还包括：步骤1.1；
56.步骤1.1、基于预先训练的图像分割模型，对原始图像进行图像块级别的分割，得到所述目标图像。
57.以光伏组串的应用场景为例，为了能够准确快速地从图像中确定光伏组串和背景图像噪声。本发明可以先对无人机航拍到的原始图像进行分割，切割掉一些明显不是光伏组串的区域，以降低背景图像噪声对于识别光伏组串的影响程度。即，通过降低图中背景图像噪声的比例，以提高本发明识别光伏组串的效率和准确率。
58.需要说明的是：本发明可以针对光伏组串如上特点，对原始图像进行如下处理：
59.(1)根据原始图像转换得到mask图；
60.(2)对原始图像和mask图进行预处理，包括：图像增强(左右随机旋转、随机翻转、中心裁剪和尺度缩放等)和图像像素调整；其中，图像像素调整包括：1、限制对比度直方图均衡化：提高图像对比度的同时抑制被过度放大的局部噪声，增强图像纹理特征。2、gamma矫正：通过非线性变换对因曝光造成图像过亮和过暗的图像进行矫正，来降低过度曝光对图像分割的影响。
61.(3)网络结构unet可以采用编码和解码的结构，采用skip-connection拼接，将特征在channel维度上拼接在一起，形成更具判别性的特征，实现pixel-wise的图像分类。
62.(4)图像拼接。图像拼接时采用比较受欢迎的overlap-tile策略。即，对图像的某一块像素点进行预测时，需要该图像块周围的像素点提供上下文信息，以获得更准确的预测。同时当在图像边界没有周围像素，采用了镜像扩充，其周围扩充的像素点均由原图沿白线对称得到，如此，使得边界图像块也能得到准确的预测。
63.即，在某些可选的实施方式中，所述目标区域为光伏组串对应的区域。
64.可选的，本发明所述的子区域可以是光伏组串对应的区域，也可以是湖泊、水库、水田、鱼塘和房屋等对应的区域。即，本发明所说的子区域既可以是目标区域，也可以是图像背景噪声，具体需要执行后续的过程，以进行区分。
65.可选的，本发明对于检测子区域的边缘水平直线和边缘竖直线的过程不做具体限制，任何可行的方式均属于本发明的保护范围。
66.例如，在某些可选的实施方式中，所述s100包括：步骤2.1、步骤2.2和步骤2.3；
67.步骤2.1、基于所述目标图像对应的掩膜图，将所述目标图像中倾斜的子区域矫正至水平；
68.可选的，掩膜图属于本领域的公知概念，本发明对此不做过多描述，具体请参见本领域的相关说明。以图2所示的目标图像为例，其对应的掩膜图如图3所示。需要说明的是：如图2所示中的单个组串倾斜，即可以理解为倾斜的子区域。
69.可选的，通过单独计算掩膜图中的各个子区域的直线的倾角，本发明可以确定相应的子区域是否倾斜，例如如图4所示。
70.可选的，本发明可以针对倾斜的组串对应的子区域，单独矫正至水平，例如如图5所示。
71.即，在某些可选的实施方式中，所述步骤2.1，包括：步骤2.11和步骤2.12；
72.步骤2.11、针对所述目标图像中倾斜的所述子区域，计算所述子区域在所述掩膜
图中的倾角；
73.步骤2.12、根据所述倾角，将所述子区域调整至水平状态。
74.可选的，在调整子区域时，具体可以将子区域逆时针(或者顺时针)旋转至水平状态(直线的倾角接近180度或者等于180度)，以便于后续进一步的对光伏组串进行直线检测，进而获取到正交(或者接近正交)的直线，本发明对此不做限制。
75.步骤2.2、扣取各所述子区域的轮廓；
76.可选的，本发明对于扣取子区域的轮廓的实现过程不做具体限制。例如，在某些可选的实施方式中，所述步骤2.2，包括：步骤2.21；
77.步骤2.21、基于所述掩膜图，计算各所述子区域的最小内接矩坐标，以扣取各所述子区域的轮廓。
78.即，对于掩膜图的二值化图像，通过轮廓提取可以获取每个轮廓的最小内接矩坐标，然后依据最小内接矩坐标提取全景地图中的子区域的轮廓。代码示例如下：
79.conters,_＝cv2.findcontours(mask_data,cv2.retr_external,cv2.chain_approx_simple)
80.for cnt in conters:
81.x_pv,y_pv,w_pv,h_pv＝cv2.boundingrect(cnt)
82.rect＝cv2.minarearect(cnt)
83.angle＝rect[-1]
[0084]
box＝np.int0(cv2.boxpoints(rect))
[0085]
步骤2.3、针对任一所述子区域，基于霍夫直线检测算法计算所述子区域的轮廓的所述边缘水平直线和所述边缘竖直线。
[0086]
可选的，霍夫直线检测算法是本领域公知的技术概念，本发明对此不做过多描述，具体请参见本领域的相关说明。需要说明的是：以光伏组串为例，单个光伏组串对应的子区域不仅有边缘的直线，在组串中间还会有很多直线，如图6所示。因此，为了排除中间其他直线的影响，本发明可以检测轮廓边缘的直线。即，检测边缘水平直线和边缘竖直线，本发明对此不做限制。
[0087]
例如，在某些可选的实施方式中，所述步骤2.3包括：步骤2.31、步骤2.32、步骤2.33和步骤2.34；
[0088]
步骤2.31、针对任一所述子区域，将所述子区域的轮廓进行转灰度处理，得到灰度轮廓；
[0089]
可选的，本发明可以通过对子区域转灰度处理，以实现对子区域的轮廓进行转灰度处理。需要说明的是：转灰度能让子区域的轮廓的边缘更加明显，以便于提高后续检测灰度轮廓的边缘的准确性。
[0090]
步骤2.32、检测所述灰度轮廓的边缘；
[0091]
可选的，如前所述，光伏组串的四个边缘是横平竖直，夹角一般是90度左右。基于这一属性，本发明可以检测轮廓的边缘，以便于后续检测得到边缘的直线。
[0092]
步骤2.33、基于所述霍夫直线检测算法计算所述灰度轮廓的所有直线；
[0093]
步骤2.34、对各所述直线进行滤除，以获得所述边缘水平直线和所述边缘竖直线。
[0094]
可选的，结合图6，针对任一子区域，本发明可以计算出多条直线，但有些不是边缘
的直线。因此，本发明需要对计算得到的直线进行滤除，保留边缘水平直线和边缘竖直线。
[0095]
具体的，本发明可以通过如下代码，实现对直线进行滤除，保留边缘水平直线和边缘竖直线。
[0096]
代码如下：
[0097]
deflines_filter(lines:list,_type:str＝"x")-》tuple:
[0098]
#由于直线检测变为双阈值检测，因此检测部分需要复用这部分代码；
[0099]
#将其单独作为函数；
[0100]
#输入检测的直线总和，只yield出符合要求的直线；
[0101]
#输出为((x1,y1),(x2,y2))的形式；
[0102]
list_x＝[]
[0103]
list_y＝[]
[0104]
with contextlib.suppress(exception):
[0105]
#由于需要霍夫直线检测出来的直线是rho-theta形式的；
[0106]
#而聚类时需要使用其在直角坐标系中的坐标信息；
[0107]
#因此，需要先将其转换成直角坐标系下；
[0108]
#然后，再使用聚类来将其聚合输出；
[0109]
for line in lines:
[0110]
rho,theta＝line[0]
[0111]
iftheta＝＝0:
[0112]
theta＝1
[0113]
a＝np.cos(theta)
[0114]
b＝np.sin(theta)
[0115]
x0＝a*rho
[0116]
y0＝b*rho
[0117]
x1＝int(x0+10000*(-b))
[0118]
y1＝int(y0+10000*a)
[0119]
x2＝int(x0-10000*(-b))
[0120]
y2＝int(y0-10000*a)
[0121]
#需要满足直线尽可能接近水平或垂直；
[0122]
if_type＝＝"x"and(abs((y1-y2)/(x1-x2))《0.014):
[0123]
#yield((x1,y1),(x2,y2))
[0124]
list_x.append((x1,y1,x2,y2))
[0125]
if_type＝＝"y"and(abs((y1-y2)/(x1-x2))》19.081):
[0126]
#yield((x1,y1),(x2,y2))
[0127]
list_y.append((x1,y1,x2,y2))
[0128]
iflist_x:
[0129]
yield from clustering(list_x,"x")
[0130]
iflist_y:
[0131]
yield from clustering(list_y,"y")
[0132]
s200、针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；
[0133]
可选的，本发明所说的预设阈值范围可以是90度左右，具体可以根据实际需要进行设定。即，在某些可选的实施方式中，所述预设阈值范围为90度上下偏差一定阈值的范围内。
[0134]
可选的，结合图6，若子区域的边缘直线(边缘水平直线与边缘竖直线)的夹角在90度左右，即四个角均是90度左右，则说明该子区域是一个矩形区域，比较符合光伏组串的属性。因此，本发明可以确定其为目标子区域。
[0135]
s300、根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。
[0136]
可选的，在确定目标区域(在本发明可以理解为光伏组串对应的区域)和图像背景噪声之后，本发明可以对目标图像进行去噪处理，以提高本发明标注目标区域的准确率和效率。
[0137]
例如，在某些可选的实施方式中，在所述s300之后，所述方法还包括：步骤3.1；
[0138]
步骤3.1、基于所述目标图像对应的掩膜图中掩膜区域的背景像素值，对所述图像背景噪声进行像素替换，以对所述目标图像进行去噪处理。
[0139]
可选的，结合前述掩膜图，目标区域在掩膜图中可以是浅色区域，背景可以是深色区域。因此，对于图像背景噪声，本发明可以使用深色区域的像素值对其进行替换。
[0140]
可选的，在基于掩膜图进行去噪处理之后，可以转换得到相应的实景图，从而得到经过去噪的目标图像。
[0141]
可选的，通过纹理做进一步判断，可以提高本发明的准确性。一般而言，原始图片在经过前述图片分割之后，目标图片中光伏组串所占的比例会比湖泊、水库、水田、鱼塘和房屋等所占的面积大。因此，本发明可以基于纹理和相同纹理的目标子区域的面积，确定目标区域和图像背景噪声。
[0142]
例如，在某些可选的实施方式中，所述s300包括：步骤4.1和步骤4.2；
[0143]
步骤4.1、根据各所述目标子区域的纹理，将各所述目标子区域进行分类，其中，纹理一致的划分为同一类，纹理不一致的划分为不同类；
[0144]
可选的，假设目标图像中有光伏组串、稻田和房屋3种子区域，由于三种子区域的纹理不一样，所以目标图像中的各子区域最终可以分为3类。本发明可以确定面积最大的一类对应的各目标子区域为目标区域。
[0145]
步骤4.2、将第一类别的各所述目标子区域确定为所述目标区域，剩余其他类别的各所述目标子区域均确定为图像背景噪声，其中，所述第一类别的各所述目标子区域的面积总和最大。
[0146]
可选的，除了根据面积确定目标区域，还可以根据纹理直接确定目标区域。因为一般而言，光伏组串的纹理是特有的。因此，本发明可以提前录入光伏组串的纹理，后续只需要将各个目标子区域的纹理与光伏组串的纹理进行比对即可。可选的，在某些可选的实施方式中，所述s300包括：步骤5.1和步骤5.2；
[0147]
步骤5.1、将各所述目标子区域的纹理与目标纹理进行比对；
[0148]
步骤5.2、针对任一所述目标子区域，若所述目标子区域的纹理与所述目标纹理的
相似度大于预设相似度阈值，则确定所述目标子区域为所述目标区域，否则确定所述目标子区域为图像背景噪声。
[0149]
如图7所示，本发明提供了一种图像处理装置，包括：直线检测单元100、第一区域确定单元200和第二区域确定单元300；
[0150]
所述直线检测单元100，用于检测目标图像中各子区域的边缘水平直线和边缘竖直线；
[0151]
所述第一区域确定单元200，用于针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；
[0152]
所述第二区域确定单元300，用于根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。
[0153]
可选的，在某些可选的实施方式中，所述装置还包括：图像去噪单元；
[0154]
所述图像去噪单元，用于在所述根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声之后，基于所述目标图像对应的掩膜图中掩膜区域的背景像素值，对所述图像背景噪声进行像素替换，以对所述目标图像进行去噪处理。
[0155]
可选的，在某些可选的实施方式中，所述装置还包括：图像分割单元；
[0156]
所述图像分割单元，用于在所述检测目标图像中各子区域的边缘水平直线和边缘竖直线之前，基于预先训练的图像分割模型，对原始图像进行图像块级别的分割，得到所述目标图像。
[0157]
可选的，在某些可选的实施方式中，所述直线检测单元100，包括：区域矫正子单元、轮廓扣取子单元和直线检测子单元；
[0158]
所述区域矫正子单元，用于基于所述目标图像对应的掩膜图，将所述目标图像中倾斜的子区域矫正至水平；
[0159]
所述轮廓扣取子单元，用于扣取各所述子区域的轮廓；
[0160]
所述直线检测子单元，用于针对任一所述子区域，基于霍夫直线检测算法计算所述子区域的轮廓的所述边缘水平直线和所述边缘竖直线。
[0161]
可选的，在某些可选的实施方式中，所述区域矫正子单元，包括：倾角计算子单元和水平调整子单元；
[0162]
所述倾角计算子单元，用于针对所述目标图像中倾斜的所述子区域，计算所述子区域在所述掩膜图中的倾角；
[0163]
所述水平调整子单元，用于根据所述倾角，将所述子区域调整至水平状态。
[0164]
可选的，在某些可选的实施方式中，所述轮廓扣取子单元，包括：内接坐标计算子单元；
[0165]
所述内接坐标计算子单元，用于基于所述掩膜图，计算各所述子区域的最小内接矩坐标，以扣取各所述子区域的轮廓。
[0166]
可选的，在某些可选的实施方式中，所述直线检测子单元，包括：灰度处理子单元、边缘检测子单元、直线计算子单元和直线滤除子单元；
[0167]
所述灰度处理子单元，用于针对任一所述子区域，将所述子区域的轮廓进行转灰度处理，得到灰度轮廓；
[0168]
所述边缘检测子单元，用于检测所述灰度轮廓的边缘；
[0169]
所述直线计算子单元，用于基于所述霍夫直线检测算法计算所述灰度轮廓的所有直线；
[0170]
所述直线滤除子单元，用于对各所述直线进行滤除，以获得所述边缘水平直线和所述边缘竖直线。
[0171]
可选的，在某些可选的实施方式中，所述第二区域确定单元300，包括：区域分类子单元和第一确定子单元；
[0172]
所述区域分类子单元，用于根据各所述目标子区域的纹理，将各所述目标子区域进行分类，其中，纹理一致的划分为同一类，纹理不一致的划分为不同类；
[0173]
所述第一确定子单元，用于将第一类别的各所述目标子区域确定为所述目标区域，剩余其他类别的各所述目标子区域均确定为图像背景噪声，其中，所述第一类别的各所述目标子区域的面积总和最大。
[0174]
可选的，在某些可选的实施方式中，所述第二区域确定单元300，包括：纹理比对子单元和第二确定子单元；
[0175]
所述纹理比对子单元，用于将各所述目标子区域的纹理与目标纹理进行比对；
[0176]
所述第二确定子单元，用于针对任一所述目标子区域，若所述目标子区域的纹理与所述目标纹理的相似度大于预设相似度阈值，则确定所述目标子区域为所述目标区域，否则确定所述目标子区域为图像背景噪声。
[0177]
本发明提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现上述任一项所述的图像处理方法。
[0178]
如图8所示，本发明提供了一种电子设备70，所述电子设备70包括至少一个处理器701、以及与所述处理器701连接的至少一个存储器702、总线703；其中，所述处理器701、所述存储器702通过所述总线703完成相互间的通信；所述处理器701用于调用所述存储器702中的程序指令，以执行上述任一项所述的图像处理方法。
[0179]
在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0180]
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0181]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本发明中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本发明所示的这些实施例，而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。
[0182]
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种图像处理方法，其特征在于，包括：检测目标图像中各子区域的边缘水平直线和边缘竖直线；针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。2.根据权利要求1所述的方法，其特征在于，在所述根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声之后，所述方法还包括：基于所述目标图像对应的掩膜图中掩膜区域的背景像素值，对所述图像背景噪声进行像素替换，以对所述目标图像进行去噪处理。3.根据权利要求1-2中任一项所述的方法，其特征在于，在所述检测目标图像中各子区域的边缘水平直线和边缘竖直线之前，所述方法还包括：基于预先训练的图像分割模型，对原始图像进行图像块级别的分割，得到所述目标图像。4.根据权利要求1-2中任一项所述的方法，其特征在于，所述检测目标图像中各子区域的边缘水平直线和边缘竖直线，包括：基于所述目标图像对应的掩膜图，将所述目标图像中倾斜的子区域矫正至水平；扣取各所述子区域的轮廓；针对任一所述子区域，基于霍夫直线检测算法计算所述子区域的轮廓的所述边缘水平直线和所述边缘竖直线。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标图像对应的掩膜图，将所述目标图像中倾斜的子区域矫正至水平，包括：针对所述目标图像中倾斜的所述子区域，计算所述子区域在所述掩膜图中的倾角；根据所述倾角，将所述子区域调整至水平状态。6.根据权利要求4所述的方法，其特征在于，所述扣取各所述子区域的轮廓，包括：基于所述掩膜图，计算各所述子区域的最小内接矩坐标，以扣取各所述子区域的轮廓。7.根据权利要求4所述的方法，其特征在于，所述针对任一所述子区域，基于霍夫直线检测算法计算所述子区域的轮廓的所述边缘水平直线和所述边缘竖直线，包括：针对任一所述子区域，将所述子区域的轮廓进行转灰度处理，得到灰度轮廓；检测所述灰度轮廓的边缘；基于所述霍夫直线检测算法计算所述灰度轮廓的所有直线；对各所述直线进行滤除，以获得所述边缘水平直线和所述边缘竖直线。8.根据权利要求1-2或5-7中任一项所述的方法，其特征在于，所述根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声，包括：根据各所述目标子区域的纹理，将各所述目标子区域进行分类，其中，纹理一致的划分为同一类，纹理不一致的划分为不同类；将第一类别的各所述目标子区域确定为所述目标区域，剩余其他类别的各所述目标子区域均确定为图像背景噪声，其中，所述第一类别的各所述目标子区域的面积总和最大。9.根据权利要求1-2或5-7中任一项所述的方法，其特征在于，所述根据各所述目标子
区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声，包括：将各所述目标子区域的纹理与目标纹理进行比对；针对任一所述目标子区域，若所述目标子区域的纹理与所述目标纹理的相似度大于预设相似度阈值，则确定所述目标子区域为所述目标区域，否则确定所述目标子区域为图像背景噪声。10.根据权利要求1-2或5-7中任一项所述的方法，其特征在于，所述预设阈值范围为90度上下偏差一定阈值的范围内。11.根据权利要求1-2或5-7中任一项所述的方法，其特征在于，所述目标区域为光伏组串对应的区域。12.一种图像处理装置，其特征在于，包括：直线检测单元、第一区域确定单元和第二区域确定单元；所述直线检测单元，用于检测目标图像中各子区域的边缘水平直线和边缘竖直线；所述第一区域确定单元，用于针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；所述第二区域确定单元，用于根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。

技术总结
本发明公开了一种图像处理方法及相关装置，可以检测目标图像中各子区域的边缘水平直线和边缘竖直线；针对任一所述子区域，若所述边缘水平直线与所述边缘竖直线的夹角在预设阈值范围内，则确定所述子区域为目标子区域；根据各所述目标子区域的纹理，从各所述目标子区域中确定目标区域和图像背景噪声。由此可以看出，本发明可以综合直线的夹角与纹理，从目标图像中确定出目标区域和图像背景噪声，这里的目标区域可以理解为光伏组串对应的区域。即，本发明无需人工参与，可以快速准确地从目标图像中确定相应的光伏组串和图像背景噪声。标图像中确定相应的光伏组串和图像背景噪声。标图像中确定相应的光伏组串和图像背景噪声。


技术研发人员：王新乐 方振宇 周锐 张锐
受保护的技术使用者：阳光智维科技股份有限公司
技术研发日：2023.05.30
技术公布日：2023/8/21