（机械电子工程专业论文）织物疵点检测方法及其基于dm642图像处理系统的软件设计.pdf

织物疵点检测方法及其基于d m 6 4 2 图像处理系统的软件设计 摘要 针对织物疵点自动检测这一难题，本文结合织物疵点图像及其相对应的无疵点标准图 像的像素灰度值特点，提出了分块法、改进的类间方差法、基于灰度直方图的方法。三种 方法检测原理简单，检测时间较短，仿真结果表明疵点检测率较高。 本文还提出了基于g a b o r 滤波器模板的织物疵点检测方法。本方法利用g a b o r 滤波器 具有的方向选择性、对称性、频域带宽和中心频率可调性，用遗传算法优化出能大致描述 无疵点标准图像纹理特征的奇对称最优g a b o r 滤波器参数，从而得到奇对称和偶对称最优 g a b o r 滤波器模板，再分别用这两种模板对织物疵点图像和其对应的标准图像进行滤波处 理。根据无疵点标准图像的滤波结果对疵点图像的滤波结果进行二值化处理，然后融合使 用两个模板获得的二值化结果图像，得到最终疵点分割结果。仿真结果表明此方法的疵点 检测率更高。 此外，本文在d m 6 4 2 图像处理系统平台上完成了基于灰度直方图检测方法的软件设 计，编写了织物图像b m p 文件的获取程序，设计了织物疵点检测软件的图像采集模块、 疵点检测模块、疵点检测结果保存模块和图像显示模块，并调试成功，得到与仿真结果一 致的疵点检测结果。 关键词：织物疵点检测；遗传算法；g a b o r 滤波器；卷积模板；d m 6 4 2 f a b r i cd e f e c td e t e c t i o nm e t h o da n di t ss o f t w a r e d e s i g nb a s e do nd m 6 4 2i m a g ep r o c e s s i n gs y s t e m a b s t r a c t s of a r , f a b r i cd e f e c td e t e c t i o nh a ss t i l lb e e nac h a l l e n g i n gp r o b l e mf o rr e s e a r c h e r s i nt h i s p a p e r ，b l o c km e t h o d ，i m p r o v e db e t w e e n c l a s sm e t h o da n d m e t h o db a s e do ng r a yh i s t o g r a ma r e p r o p o s e db ys t u d y i n gp i x e lg r a y - v a l u ec h a r a c t e r i s t i c so fd e f e c ti m a g ea n di t sc o r r e s p o n d i n g d e f e c t - f r e ei m a g e t h ed e t e c t i o np r i n c i p l e so ft h et h r e em e t h o d sa r es i m p l e a n da l ld e t e c t i o n t i m en e e d e db yt h r e em e t h o d sa r eq u i t es h o r t t h ee x p e r i m e n t a lr e s u l t sd e m o n s t r a t et h a t d e t e c t i o nr a t e so ft h r e em e t h o d sa r er e l a t i v e l yh i g h i nt h i sp a p e r ，f a b r i cd e f e c td e t e c t i o nm e t h o db a s e do ng a b o rf i l t e rm a s k si sa l s op r o p o s e d i nt h i sm e t h o d ，d i r e c t i o n a ls e l e c t i v i t y ，s y m m e t r y ，f r e q u e n c yb a n d w i d t hs e l e c t i v i t ya n dc e n t e r f r e q u e n c ys e l e c t i v i t yo fg a b o rf i l t e ra r eu t i l i z e d t h ep a r a m e t e r so fo d ds y m m e t r i co p t i m a l g a b o rf i l t e rw h i c hc a na p p r o x i m a t e l yd e s c r i b ead e f e c t - f r e ef a b r i ci m a g ea r eo p t i m i z e db yg a t h e n ，e v e ns y m m e t r i ca n do d ds y m m e t r i co p t i m a lg a b o rf i l t e rm a s k sa r ed e r i v e d a nf a b r i c s a m p l ei m a g ea n d i t sc o r r e s p o n d i n gd e f e c t - f r e ei m a g ea r ef i l t e r e db yu s i n gt h i st w of i l t e rm a s k s r e s p e c t i v e l yi no r d e rt oo b t a i nt w of i l t e r e ds a m p l ei m a g e sa n dt w of i l t e r e dd e f e c t f r e ei m a g e s ， a n dt h e nw ec a ng e tt w ob i n a r yi m a g e sb yc o n d u c t i n gb i n a r i z a t i o no p e r a t i o no nt w of i l t e r e d s a m p l ei m a g e sr e s p e c t i v e l y ，i nw h i c ht h et h r e s h o l dv a l u e sa r eo b t a i n e do nt h eb a s i so ft h et w o f i l t e r e dd e f e c t - f r e ei m a g e ss e p a r a t i v e l y t h ef i n a ls e g m e n t a t i o nr e s u l tc a nb ea c q u i r e db yf u s i n g t h et w ob i n a r yi m a g e s t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ed e t e c t i o nr a t eo ft h i sm e t h o di s m u c hh i g h e r i na d d i t i o n ，s o f t w a r ed e s i g no ft h ef a b r i cd e f e c td e t e c t i o nm e t h o db a s e do ng r a yh i s t o g r a m i sa c c o m p l i s h e db a s e do nt h ed m 6 4 2i m a g ep r o c e s s i n gs y s t e m 1 1 1 er e a d i n gm o d u l eo fb m p f i l e s ，i m a g ea c q u i s i t i o nm o d u l e ，d e f e c td e t e c t i o nm o d u l e ，i m a g ep r e s e r v a t i o nm o d u l ea n di m a g e d i s p l a ym o d u l eo ft h es o f t w a r ea r ed e s i g n e ds u c c e s s f u l l y t h er u n n i n gr e s u l t so ft h es o f t w a r e s h o wt h a td e f e c td e t e c t i o nr e s u l t sa r et h es a m ea st h o s eo b t a i n e di nm a t l a bs i m u l a t i o n e n v i r o n m e n t k e y w o r d s ：f a b r i cd e f e c td e t e c t i o n ；g e n e t i ca l g o r i t h m ；g a b o rf i l t e r ；c o n v o l u t i o nm a s k ； d m 6 4 2 i i 原创性声明 本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的 成果，论文中有关资料和数据是实事求是的。除文中已经注明引用的内容外，本论文不含 任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和 集体，均已在文中以明确方式标明。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名：张最匈史日期：硼矿年l 月1 0 日 学位论文版权使用授权书 学位论文作者完全了解北京服装学院有关保留和使用学位论文的规定，即：研究生在 校攻读学位期间论文工作的知识产权单位属北京服装学院。学校有权保留并向国家有关部 门或机构送交论文的复印件和电子版，允许学位论文被查阅、借阅和复印；学校可以将学 位论文的全部或部分内容公丌或编入有关数据库进行检索，可以允许采用影印、缩印或其 它复制手段保存、汇编学位论文。 保密的学位论文在解密后适用本授权书。 学位论文作者签名：狠最敏 导师签名： 韩力习 1 日期：砌8 年zx 月，d 日 日期：弘哪年，月，9 日 北京服装学院硕十学位论文 第l 章绪论 l 。l 课题的研究背景及意义 织物疵点检测是纺织品检验中最重要的检验项目之。长期以来，疵点检测都是由人 工视觉完成，检测人员用肉眼寻找奄匹上的疵点，按照自己的经验对织物评分，并填写各 种织物疵点报表。这种方法显然存在缺点，如劳动强度大、效率低、漏检率和误检率高、 受检测入员主观因素影响大、难以褥到准确的检验结果等等，丽旦需要长时闻专心工作， 对检测人员身体健康很不利。尽管如此，人工检测也仅能检测出4 0 6 0 的疵点。织物疵 点检测已被证实是所有纺织生产过程中最难实现自动化的工序。 为了提高纺织产品的质量管理水平，实现织物疵点的客观评价，织物疵点自动检测系 统r 益受到国内钤专家学者的关注。人们已花费了数十年的时间来提高计算枫的性能和图 像采集技术，改进疵点检测方法来攻克这一难题，试图找出一种快速、客观又准确的自动 检测方法来代替入工检测。同时，织物疵点自动检测是控制织物质量和实现织造及验奄工 序自动化的关键环节。长期以来它一直是国内外学者共同关注和热心研究并得到许多国家 官方机构资助的重要谋题之一。 随着数字图像处理技术、机器视觉技术和模式识别技术的发展，使得基于微型计算机 平台的织物疵点检测成为可麓，并逐渐形成织物疵点自动检测的一个很重要的方向。但是 到目前为止，尽管已经出现了大量有价值的文献成果，科研水平也稳步提高，新的方法不 断出现，但较为成熟的检测系统甚少。国外一些公司在商场上推出了离己的自动验靠系统， 但也存在一些缺陷，如它们对织物品种适应性和对疵点种类的区分能力有限，实际应用中 的局限性较大，成本太高等。在把自动化技术应用于纺织行业的生产检测和管理已变得越 来越重要的今天，研发适合于我国纺织业的织物疵点自动检测系统对提高纺织品的质量， 增强出口竞争力有重要酌社会意义和经济意义。 1 2 研究方法 疵点检测方法大致分为两大类；空闻域方法和频率域方法。空闻域方法是直接根据图 像的像素灰度值在空间域计算，提取特征值，将待检测图像的特征值与无疵点标准织物图 像的特征值比较后分割出疵点；频率域方法是通过傅立时变换、小波变换和g a b o r 变换等 方法，将无疵点标准图像和待检测图像变换到频率域后，通过分析计算，实现疵点分割。 ( 1 ) 空 自j 域方法 灰度匹配法：灰度匹配法一般通过将待检测织物图像与无疵点标准图像进行灰度值 比较，求出两者灰度值的一种度量差，再与设定闽值比较，从待检测织物中分割出疵点。 l 第1 章绪论 灰度匹配法操作简单，但是对外界条件的要求较高，如恒定酶照明条俸等瓣】。 形态法：形态法首先根据无疵点标准织物图像的自相关函数计算织物的基本重复单 元，得到结构元素，然后计算织物疵点图像像素的灰度均值以及标准差，并根据它们的大 小确定织物图像疵点区域与无疵点区域的判别阈值，将疵点从被检测图像中分割出来【2 j 。 形态法能够判断具体疵点的类别，但蘸j 于它要对像素点进季亍逐点二值纯，因丽受噪声 的影响大，容易引起错误检测，而且这种检测方法的计算步骤多，一般处理速度较慢。 纹理模型法：通过对无疵点标准织物图像的分析，褥到织物纹理的某些参数，作为 检测过程的特征值。检测时，对待检测织物图像分块，再计算每块图像的对应参数，通过 与特征值对比，判别该图像块是否存在疵点【3 】。 纹理模型法的最大优点在于采用较少的随机场模型参数表示一幅织物图像；其次由于 该方法从图像时域信号统计的角度出发，因此对织物疵点的检测不受疵点类别的限制。该 方法的不足在于仅仅通过随机场模型并不能最大限度地降低图像分析的计算复杂度，因此 不能提高图像处理的速度，还不能实现织物疵点的快速自动检测 2 1 。 灰度共生矩阵法：灰度共生矩阵是分析纹理结构的基本方法。图像的灰度共生矩阵 反映了图像灰度关于方向、相邻间隔和变化幅度的综合信息，它是分析图像局部模式结构 及其排列规则的基础。从灰度共生矩阵中可以提取纹理特征量参数。检测时，根据提取的 纹理特征量参数判断待检测图像中是否含有疵点滞】。 基于灰度共生矩阵法的检测不受疵点种类的限制【5 1 ，而且不需要依据阈值对待检测织 物迸行疵点检测。但其计算量非常大，不适宜进彳亍在线实时织物疵点检测。 ( 2 ) 频率域方法 基于傅立叶变换的方法：任何周期函数都可以表示为不同频率的正弦或余弦和的形 式。将待检测的疵点图像及其对应的无疵点标准图像通过傅立叶变换从空间域变换到频率 域，研究图像的频谱特征并进行滤波处理或提取图像特征后，将图像反变换到时域，根据 提取的特征量对疵点图像进行检测。 基于小波变换的方法：小波变换是一个时间和频率的局部变换，它通过对织物疵点 图像做小波分解，计算分解后子图像的特征值，再对子图像进行检测后融合检测结果得到 最终疵点分割结果。该方法具有多分辨率的特点，以及在时域和频域表征信号局部特征的 能力，适合检测信号的奇异点，便于织物痰点检测，有利于织物疵点正确定位。但是小波 变换不提供具体的频率信息，它只是在不同的尺度上提供信号的细节。因此，小波变换在 多数情况下仅作为前处理程序，特征值的提取还要结合其他方法才能完成【6 j 。 2 北京服装学院硕十学位论文 g a b o r 变换法：g a b o r 变换是一种重要的时频分析方法，g a b o r 变换函数又称g a b o r 滤 波器，它在空间域和频率域均有较好的分辨能力。用g a b o r 滤波器进行疵点检测时，首先 根据无疵点标准图像设计能描述其特征的g a b o r 滤波器，然后采用该滤波器对待检测图像 进行处理，在得到的图像中疵点图像被增强，而正常纹理图像被减弱，最后通过图像阈值 化得到疵点的位置和形状信息。 1 3 织物疵点自动检测系统国内外现状 自从2 0 世纪8 0 年代计算机图像处理技术进入纺织领域以来，机器视觉技术就一直在纺 织彳亍业中扩展其应用领域。由于验布机上在线实时检测系统，需要很快的计算速度，因此 对检测设备要求很高，费用也比较昂贵。目前国外已l 有一些产品推向市场，市场占有率较 高的主要有以色列e v s 、瑞士u s t e r 、比利时b a r c o 和德国o p d i x 等公司的产品，这些产品在 功能和技术实现上各有特色。 以色列e v s 公司可为各类纺织品提供采用计算机处理的检测技术，包括机织和非机织、 天然和合成纤维织物、牛仔布和工艺布以及其他织物的检测。i - t e x 系统基于独立图像理 解算法模仿人类的视觉机制。该系统可以检测出最大宽度达3 9 0 c m 织物上d , 至l j 0 5 m m 的疵 点，检测速度高达3 0 0 m m i n 。e v s 公司验布系统目前已更新了数代，其中，i - t e x l 0 0 用于 本色布( 坯布) 和工艺织物的检验；i - t e x 2 0 0 用于单色已染色和已整理织物的检验； i - t e x 2 0 0 0 可检验各类织物，如牛仔布、家具布和工艺布等f 8 1 。 u s t e r 公司提供两种囱动化验匆系统：一种是在线或离线系统一u s t e rf a b r i s c a n 系统；另 一种是装在织机上的验布系统一u s t e rf a b r i s c a no n l o o m 系统【9 1 。 u s t e r f a b r i s c a n 系统可检测出绝大部分疵点，速度在1 2 0 m m i n 以上。因实时处理速度的 需要，系统采用了2 5 0 个奔腾处理器并行处理，利用图像处理和神经网络技术来判别和分 类疵点。其工作方式是先对正常布面进行学习，然后通过经纬向的最大长度及疵点的异常 程度来对其进行分类，并对疵点进行记录，输入质量管理系统，进一步对织物质量评价f 8 - 9 1 。 u s t e rf a b r i s c a no n 。l o o m 系统可以按照用户的具体需求提供和安装，它适用于宽度为 1 5 m - 3 0 m 的单幅织机。该系统能够检验各种质地与各种类型的织物，例如：配色花纹达 2 5 c r n 的织物，织物的密度为1 0 5 0 根c m 。 b a r e o 公司c y c l o p s 验布系统的扫描头包括摄像头和照明系统，摄像头是基于c m o s 技 术制造的。扫攒头的移动速度为1 8c m s ，最大检测幅宽2 6 0 c m 。c y c l o p s 系统使餍一种特有 的算法，使专用嵌入式硬件设备与基于其开发的软件相结合完成大量的图像处理运算。该 软件具有照相机校准、照明系统设置、织物经纬密度和组织的测试与调整等功能，并能将 3 第1 章绪论 疵点图片以j p e g 格式储存。当疵点产生时，系统不仅会促使织机停机，而置会发出警摄提 醒操作工注意。 德国o p d i x 光电子技术公司开发的纺织品自动检测系统是把力学和光学原理相结合， 在神经网络的支持下，用传感器对正在织造的织物表面进行检测，该系统可识别污物、破 洞、断经、断纬、跳纱和色疵等疵点f 潮。 以上各系统价格过于昂贵，系统硬件投资过大，只有山东德棉股份有限公司为了提高 市场竞争力，在2 0 0 3 年从e v s 公司购买了2 套i - t e x 系统，价格约为2 5 万美元套。 近几年，国内也出现了研制和开发织物疵点自动检测系统的热潮，但目前的研究尚处 于起步阶段。 香港大学的自动检测系统c a v i s 在坯布运动速度为3 0 5 c m s 的情况下可以达到9 8 的 主要瑕疵检测率。系统中坯布图像通过线阵照相机扫描而获得，采用g a b o r 滤波器的方法 对图像进行处理以便提高检测效果，并对最终得到的结果进行分析，从中得到几何特征以 便于模式识别和分类。 姜荣等人提如的基于机器视觉的纺织品疵点检测系统，硬件部分采用模块化设计，图 像处理软件满足实时检测的要求，并设计了一种基于规则表分类器、模糊算法及人工神经 网络的组合式多级分类器，具有一定的学习能力，可有效检测出生产线上的疵点【1 2 】。 织物疵点检测的研究、发展和应用还没有达到成熟的程度。主要存在的闷题有：1 ) 疵 点检测算法的实时性、检测率等指标还不能满足在线实时检测系统的要求。2 ) 图像采集技 术还有待发展。 综上所述，尽管目前这些新技术新方法在实际应用于纺织业织物疵点检测中还不尽完 善，存在一定的缺陷，但其可行性和明显的优势让我们认识到，随着研究的不断深入，数 字图像处理、机器视觉和模式识别等技术的进一步发展和有效结合必将使织物疵点自动检 测系统得到更好地发展。 1 4 论文的主要内容与安排 本课题在湖北省数字化纺织装备重点实验室开放课题( d t l 2 0 0 7 0 7 ) 的资助下，利用 图像处理技术和机器视觉的相关知识对织物疵点检测方法进行了研究。本文的主要内容安 排如下： 第一章主要介绍了本课题的研究背景、研究意义，总结了织物疵点检测的研究方法以 及织物疵点自动检测系统的国内外发展现状，最后给出了论文的主要内容与安排。 第二章介绥了基于灰度信息的疵点检测方法。针对无疵点标准图像及疵点图像的像素 4 北京服装学院硕士学位论文 灰度值特点，提出了三种简单、有效的疵点检测方法：分块法、改进的类闻方差法和基予 灰度直方图的方法，并详细地介绍了各个方法的检测原理，分别给出了检测结果及分析。 最后分析了三种疵点检测方法的特点和检测性能。 第三章为第四章用到的遗传算法作铺鹅，详细介绍了遗传算法的基本思想、理论基础， 分析了遗传算法相对于传统优纯方法的优点，最盾总结了遗传算法的基本原理与方法。 第四章介绍了基于最优g a b o r 滤波器模板的织物疵点检测方法。首先，介绍了此方法 的具体流程，然后详细介绍了如何应用遗传算法优化g a b o r 滤波器的参数。最后给出了此 种检测方法的检测结果及分析。 第五章介绍了基于d m 6 4 2 图像处理系统的织物疵点检测软件设计过程。首先介绍了 d m 6 4 2 图像处理系统，接着阐述了软件开发流程，设计了织物疵点检测软件的图像采集模 块、b m p 文件获取模块、疵点检测模块、疵点检测结果保存模块和图像显示模块，并调试 成功，得到与仿真环境下一致的检测结果。 第六章总结了本文所做的工作，指出了研究过程中存在的闻题及难点，并对下一步的 研究方向提出了建议。 5 第2 章基于灰度信息的疵点检测方法 第2 章基于灰度信息的疵点检测方法 在时域内，像素狄度值是图像特征的直接体现。无论是无疵点标准图像还足疵点图像， 其背景纹理、疵点种类、图像亮暗等信息都可以由像素狄度值反映。因此，在时域内对织 物图像进行疵点检测，主要是对像素灰度值进行操作。通过研究织物疵点图像与无疵点标 准图像可以发现，一般疵点区域的像素扶度值要比正常区域偏小或者偏大。在本章中，如 果疵点区域的扶度值比正常区域灰度值偏小，则称之为暗疵点，反之为亮疵点。 本章所提出的方法基于织物疵点图像和无疵点标准图像的空域信息，应用荻度值信息 分析理解图像，通过研究标准图像与疵点图像的像素灰度值，发现其中规律，提出了分块 法、改进的类自j 方差法和基于狄度直方图的织物疵点检测方法。 2 1 分块法 分块法顾名思义就是将图像分成若干个子图像方块通过在每个方块内求均值，以达 到减小像素自j 扶度值差异的目的，从而平滑织物背景纹理：通过在每个方块内求方差，以 增犬像素叫扶度值的差异，从而突出疵点区域信息。如果待检测图像中包含有疵点，经过 分块操作后，直接用大津法求取闺值后二值化处理，便可将疵点分割出来。 2 1 1 下采样 对于一个样值序列间隔几个样值取样一次，这样得到的新序列就是原序列的下采样。 下采样相对于最初的连续时间信号而言，其必须满足采样定理，否则会引起信号成分混叠。 对于一个离散的信号序列，如果采样因子是，下采样就是每隔一1 个值取一个值，这 样组成一个新的序列。比如序列1 2 3 4 5 6 7 8 9 ，对其进行下2 采样，就变成1 3 5 7 9 。对于分 块法中下采样来说是2 个方向的取样。 分块法中用到的下采样，是将原图像的n 个相邻灰度值求均值或者方差后产生一 幅新图像。如图i 所示，图( a ) 为输入疵点图像，图彻为| 堇| ( a ) 均值下2 采样的结果图。由图 可以观察到：经过均值下采样后，图像的纹理得到平滑。 图l 双方向下采样 21 2 双线性插值原理 插值就是在不影响原有像素灰度值的情况下改变图像像素个数的一种方法，它在原有 6 北京服装学院硕十学位论文 像素灰度值的基础上用数学公式计算出新插入像素的灰度值。所以在图像放大时，图像看 上去会比较平滑。常用的插值算法有最近邻插值( n e a r e s tn e i g h b o ri n t e r p o l a t i o n ) 、双线性插 值( b i l i n e a ri n t e r p o l a t i o n ) 和双三次插值( b i c u b i ci n t e r p o l a t i o n ) 。 在对图像进行空间变换的过程中，典型的情况是对图像进行放大处理的时候，图像会 出现失真的现象。这是由于在变换之后的图像中，存在着一些变换之前图像中没有的像素。 为了说明这个问题，假设有一副大小为6 4 x6 4 的灰度图1 瓢，现在将图像放大到2 5 6 x2 5 6 ， 设其为图像b ，如图2 所示。显然，根据简单的几何换算关系，可以知：i 勃图像中“y ) 处的 像素灰度值应该对应着么图像中的( x 1 4 , y 4 ) 处的像素灰度值，即 b ( x , y ) = 彳( 詈，寺) ( 2 一1 ) - n 杯魄甜 一，一一一一一 图2 双线性插值坐标映射 对于b 中的( 4 ，4 ) ，( 4 ，8 ) ，( 4 ，1 6 ) ，( 2 5 6 ，2 5 6 ) 这些像素坐标点，通过公式( 2 1 ) 就可以计 算出其在a 中的位置，从而得到灰度值。但是，对于b 中的( 1 ，1 ) ，( 1 ，2 ) ，( 1 ，3 ) 等等这些像素 坐标点而言，如果按照公式( 2 1 ) 计算的话，那么它们在彳中对应的坐标不再是整数。对于 数字图像而言，小数坐标没有意义。因此，必须考虑采用某种方法来得到曰中像素点在彳 中对应位置上的灰度值。 在双线性插值中，新产生的像素灰度值，是根据四个相邻点的灰度值，分别在x 枷方 向上进行两次插值后计算出的值。这种方法得到的图像拥有平滑的边缘，锯齿难以察觉。 假设输出图像的宽度为d s t w i d t h ，高度为d s t h e i g h t ，输入图像的宽度为w i d t h ，高度 为h e i g h t ，要将输入图像的尺度拉伸或压缩变换至输出图像的尺度。按照线性插值的方法， 其灰度值就应该由输入图像中四点( 口，6 ) 、0 + l ，6 ) 、0 ，6 + 1 ) 和0 + 1 ，6 + 1 ) 的灰度值来确定【1 3 】， 如图3 所示。 7 第2 章基于灰度信息的疵点检测方法 i 灰 i 度 i 值 l n + 1 b + l 其中口和6 的值分别如公式( 2 2 ) 、( 2 - 3 ) 所示。m 表示不大于x 的整数部分。 =xmdth(石一rod,h)a 1 o s t w t c t t h d s t w i d t h ( 2 2 ) = 石sr 2 夕、 、一， 6=yheight(ydstheighdstheight r )( 2 3 ) 。 ，、_ 一， 设输入图像像素点( t 力的灰度值为如力，输出图像像素“力点的灰度值为舷y ) ，则： m ，y ) 2 g ( 咖) 当怫罴且两，瓦h 拙e i g 嘞h tf 耐i ( 2 - 4 ) 否则： s ( x ，y ) - ( b + l 一少) s ( x ，6 ) + ( y 一6 ) s ( x ，b + 1 ) ( 2 5 ) 其中： s ( x ，6 + 1 ) = ( x 一口) g ( a + l ，6 + 1 ) + ( 口+ l z ) g ( a ，b + 1 ) ( 2 6 ) s ( x ，b ) = ( x 一口) g ( a + l ，6 ) + ( 口+ 1 一x ) g ( a ，b ) ( 2 7 ) 为了保持图像的连续性，实际应用中输出图像的顶点边界灰度值与输入图像的顶点边 界灰度值保持不变。如公式( 2 8 ) 所示。 s ( 1 ，1 ) = g ( 1 ，1 ) ( 2 8 a ) f ( 1 ，d s t w i d t h ) = g ( 1 ，w i d t h )( 2 8 b ) f ( d s t h e i g h t ，1 ) = g ( h e i g h t ，1 ) ( 2 8 c ) f ( d s t h e i g h t ，d s t w i d t h ) = g ( h e i g h t ，w i d t h ) ( 2 8 d ) 北京服装学院硕士学位论文 2 1 3 中值滤波 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心像素的灰 度值。它是一种非线性的图像平滑方法，对脉冲干扰及椒盐噪声的抑制效果好，并且在抑 制噪声的同时能有效保护边缘【1 4 1 。 中值滤波的基本原理是：首先确定一个以某像素为中心点的邻域，然后将该邻域中的 各个像素的灰度值进行排序，取其中间值作为中心点像素的新灰度值。这里的邻域称为窗 口，当窗口在图像中上下左右移动后，利用中值滤波算法就可以很好地对图像进行平滑处 理。图4 所示为中值滤波过程，模板大小为3 x 3 。 l2l43 12234 57689 57688 56789 12143 l2344 5 5669 56788 56789 图4 中值滤波过程 中值滤波器的窗口形状可以有很多种，图5 所示为常用的四种形状，不同形状的窗口 产生不同的滤波效果【15 1 。本文分块法采用的中值滤波器模板为3 3 。 图5 中值滤波器窗口 2 1 4 阈值化 阈值是指在图像分割时区分目标与背景像素灰度值的界限，常用的阈值通常包括全局 阈值、自适应阈值、最佳阈值等。 所谓全局阈值是指整幅图像使用同一个阈值做分割处理，适用于背景和目标对比度较 大的图像；然而，在许多情况下，如果将图像分成若干区域，每块区域中目标和背景的对 比度不一样，这时很难用统一的阈值分割。实际处理中，在每块区域中分别选择阈值，进 行图像分割，即自适应阈值分割；最佳阈值即是阈值的选择需要根据具体问题来确定，对 于给定的图像，可以通过分析直方图的方法确定最佳的阂值，例如当直方图明显呈现双峰 情况时，可以选择两个峰值的中点作为最佳阈值。 对于分块法中，当对图像进行阈值化处理时，由于图像中目标和背景对比度较大，故 选用全局阈值即可解决问题。 阈值化的变换函数表达式如下： 9 第2 章基丁灰度信息的疵点检测方法 小，= 雠孙 上式中t 即为设定的阈值，阈值化变换原理图如图6 所示。 ( 2 9 ) 网6 阕值变换原理示意图 2 1 5 分块法流程 相比钢铁、纸来说，织物图像背景纹理细节丰富，因此要完成癜点检测必须肖f l 弱背景 纹理、突出疵点。疵点检测的难点在于背景纹理的干扰，如果平滑背景纹理，势必疵点也 被平滑；如果突懑疵点，同样背景纹理也褥到加强，结果也不会降低检测的难度。理想的 方法是弱化背景纹理的同时突出疵点，只有在二者之间得到平衡，才能达到好的检测效果。 分块法中先用均值下采样淡化背景纹理，然后用方差下采样突出疵点。具体步骤如下。 均值下采样。将输入图像( 本论文使用的图像大小为1 2 8 x 1 2 8 ) 分成w x w 个方块， 对每个方块求均值，每个均值作为二维下采样的值，这样就生成了一幅w x w 的图像，然后 用双线性插值法将该下采样图像拉伸到原始图像大小，此步操作目的是通过求均值来缓解 由于光照条件不均匀带来的像素灰度值的不连续性，削弱织物背景纹理。 w 值的选择要兼顾以下两个方面： a w 要足够大，获缛均值的局部变化信息，以免遗漏掉疵点信息。 b w 要足够小，使图像背景纹理得到平滑。 方差下采样。在上步产生的图像的基础上，继续下采样，此次将中生成的图像 分成s x 3 个方块，对每个方块求方差后所得的值作为下采样图像的像素灰度值，再用双线 性撬值法将该下采样图像拉姊到原始图像大小，此步操作凳的是突出织物疵点，这是鼹为 疵点区域的方差通常要比正常区域的方差大。 s 值的选择要兼顾以下两个方面： a s 要足够大，获得方差的局部变化信息，以便于精确定位疵点。 b 。s 要是够小，这样背景纹理对比度较大时( 组成纹理的基本单元灰度值相差较大) 不 会被误认为疵点；也可以忽略微小的、不重要的伪疵点( 灰尘、微小纱粒等) 。 阈值纯。经过上两步操作，背景纹理得到削弱、疵点区域信息得到增强，将产生 1 0 j l 服装学院硕f 学位冶文 的图像直接用人津法求刚值进行疵点分割即可( 大滓法的原理在22 肖中详细介绍) ，此步 操作的h 的是将舭点从织物背景纹理中分割出束。 中值滤波。此步谍作的h 的是去除椒盐噪卢，叶 值滤波u j 以在保护舭点边缘的同 时去除椒盐噪卢。 只体的检测山法流程图如目7 所示。 囝7 分块法流程图 2 l6 疵点检测结果及分析 检删结粜如目8 所小。其r h b n ( a ) i j 原始图像，图( b ) 为w6 4 时均值下采样拉伸后图像 图( c ) 为，- 6 4 时冉差f 采样 t 仲后图像蚓( d ) 为闽值化h 像，阿( e ) 为中位滤波后图像。从 图f b l 可咀看出，织物的背景纹理淡化，但同时疵点电不明显，n 经过方差下采样后加大r 罔像中像素灰度值的对比度，弱化背景纹理同时增强了疵点。经过前两步操作后，疵点与 背景纹研7 对比度增人，幽像卣方图呈现双峰，用人津法求得闺值i - - 1 9 5 。从图( e ) 町以观察 到，。 一值滤波后椒特噪声消失。 旺 ( c )( 由 圈8 分块泣疵点检铡结果 脯。一+一一一一。+一+蓁|l黼 脯。一+一j一一一一。+一+一一黼 第2 章基丁灰胜信窟的此r 。二捡一w 方往 此种疵_ 检测力法的关键是均值下采样和，j 斧下采样r 1 1 分块的大小。r 面首先研究均 值f 采样c w 的取值对疵点检测结粜的影响。 翻阡 ( a )m )( c ) d ) 图9 w 取值变化时的疵点检测结果 图9 为s 一6 4 叫，改变w 的值得到的疵点检测结果，h9 ( b ) 、( c ) 、( d ) 分别对应w - 1 6 、 3 2 、6 4 时疵点柃测结果，可以看出= 6 4 时检测效果最好。当u f l 6 时，即把幽像分成1 6 1 6 块，虽然均值采样后图像，叟得很、f 滑，但是疵点信息大大削弱从而无法正确定位疵 点。绎过人量实聆，j 以得出：如果纵物疵点背景纹理对比度较小( 组成纹理的基本单元灰 度值相差较小) 时，w般取3 2 或者6 4 比较合理，批_ r 检测效果最好。_ t r 【是当蛰：物背景 纹理对比度较大h , j 川般取8 或者1 6 这样罔像背景纹理_ 叫以得到平滑。图1 0 给 了 f 景纹理对比度较大的织物图像的疵点抢测结粜。图1 0 ( b ) 、( c ) 、( d ) 分别对应c 1 6 、3 2 、 6 4 时疵点榆测结粜。当w = 1 6 时榆测教果最好。 习_ ( 旬0 )( c ) ( 由 图1 0w 取值变化时的疵点检测结粜 f i f f ；b ) f 究办差r 采样中s 值变化对疵点检测结粜的影响。吲1 1 为h 像在w - 6 4 时s 值 变化得到的检测结果= 幽1 2 为图像任w r l 6 时s 值变化得到的检测结果。两幅矧像中( b ) 、 ( c ) 、( d ) 分别对应s = 1 6 、3 2 、6 4 时疵点检测结果。山图可以看2 hj 值太小，容易把疵点信 息遗漏掉。 i f ( 曲( 。 ( 旬 图1 1 j 取值变化时的疵点检测结果 一墨=r f - ( d )扛) 图1 2s 取值变化时的疵点检测结果 蕊 北京服装学院硕士学位论文 2 2 改进的类问方差法 2 2 1 大津法原理概述 自动阈值分割在机器视觉领域已经被广泛应用于疵点的自动检测。求取阈值常用的方 法有：双峰法、迭代法、大津法( 阻s u 法) 、k i r s h 算子。合理的图像分割结果应该体现 同一区域内部的相似性和不同区域之间的差异性。如果选择一个阈值，基于它的分割结果 使目标秘背景区域之间的总体差别最大，在某种程度上，可以认为这样的分割结果达到最 优。区域间的这种差别常用方差来描述。大津法就是通过求类间方差的最大值得出阈值， 下面先简单介绍一下大津法原理。 对图像，灰度值为i = l ，2 ，3 ，工，记灰度值t 为目标与背景的分割阈值，分割后目标像 素的灰度值为i = 1 ，2 ，3 ，# ，背景像素的灰度值为i = t + l ，舛2 ， 。设灰度值为i 的像素个数为 臻，整幅图像的像素个数为靠，则灰度值为f 的像素出现的概率为易= h a ( 。 髫标像素个数占图像比例为： ( ) 黑霉 ( 2 一l 。) 1 = 1 目标平均灰度值为： 背景像素个数占图像比例为： 背景平均灰度值为： i 骞 觞( f ) 。葡 2 。1 1 f 露 鼹( f ) 2 箭 图像总平均灰度值为： = w o ( f ) i g o ( t ) + w l ( t ) h ( # ) = f 露 类闻方差为： ( 2 - 1 2 ) ( 2 1 3 ) ( 2 1 4 ) o - b 2 ( f ) = w oo ) p 0 2 ( f ) + h ( f ) - 4 2 ( t ) - u 2 ( 2 1 5 ) 对大津法可作如下理解：o b 2t ) 实际主就是类闯方差值，类闻方差是灰度分布均匀性 1 3 第2 章基丁灰度信息的疵点检测方法 的一种度量，方差值越大，说明构成盈像的两部分差别越大，当部分西标错分为背景或部 分背景错分为目标时都会导致两部分差别变小，因此使类间方差取得最大值的分割意味着 错分概率最小湖。从最小灰度值到最大灰度值遍历f ，当徽得类间方差20 ) 取最大值时， 得到的t 为最佳阂值。即 t = a r g m a x w o ( t ) a 0 2 ( f ) + w l ( f ) 硒2 ( f ) ( 2 1 6 ) 大津法很容易扩展到多阈值分割，把一幅图像玢割为膨类：嫉，最佳阈值 ( ，f 2 ，一，) 满足式【1 7 1 ( 2 1 7 ) 。 rm、 ，f 2 ，t m 一， = a r g m a x t 艺w k ( f ) 鼹2 ( f ) ( 2 1 7 ) l 露= ij 2 。2 2 改进的类闫方差法原理 大津法对于双峰直方图分割效果较好，但当图像直方图为单峰或者多峰时，效果不理 想。这是因为直方图为双峰时( 典型图像为车牌图像) ，图像的匿标与背景对比度较大， 容易分割。当直方图为单峰或者多峰时，园标与背景掺杂在一起，区域间的差异性很小， 加大了分割难度。如果我们在阈值计算时应用一个权重系数p 或g ，增大区域间的差异性， 那么改进后类间方差的表达式变为 删删础h 州分州沪嘶it 学 或者 2 ( f ) = w o ( o 飓2 ( f ) + 壤( f ) 4 2 ( f ) 孽= w o ( t ) 风2 ( t ) + w j ( f ) z + w l ( t ) 4 2 ( t ) ( 2 1 8 ) 学卜柳 f )| 、7 此时阈值 f = a r g m a x w o ( t ) z 0 2 ( f ) p + w l ( t ) 朋2 ( f ) ( 2 - 2 0 ) 或者 f = a r g m a x w o ( t ) 风2 ( f ) + ( f ) 肛2 ( f ) q ) ( 2 埘) p 越小，阂值越小；窜越大，阕值越小。当p 垡= l 时，得出的阈值褶厨。当疵点为暗疵 点时，p 的取值范围为 o ，l 】，当疵点为亮疵点时，p 的取值为矿l 。对于暗疵点来说，( 2 - 1 8 ) 式可以理解为将疵点图像中露标像素灰度值缩小到原来的矗倍，( 2 1 9 ) 式可以理解为将背 1 4 j 匕糸服裂学院硕十学位论文 鬟囵霉区霉旷 图1 4 参数曲线图 改进类阃方差法可以适用于多闯值分割，把一幅图像，分割为m 类 佳阐值( ，f ：，一，o ) 满足式( 2 - 2 2 ) 。 r “、 h o ，o i = a r g m a x i 艺w k ( f ) “2 ( f ) ，( t ) q ，e ，勺，最 f 2 2 2 ) 第2 审基j 扶删信息的疵点检测方法 目1 = 1 ”目“j目r ；1 1 1目f 1 1 日 m( 0( 圈1 5 部分样本图像疵点检测结果 23 基于灰度直方图的方法 231 基于灰度直方图的检测方法原理 用空域方法进行疵点检测，主要是对像素狄度值进行操作。图像的直 h 包含了丰富 的图像信息，反映了图像的扶度分如怙况。j i 于荻度阿力图的方法是根据疵 区域的像豢 灰度值j = 【l ! 律结合疵点图像直方图信息求出闽值，进而榆测舭点。下文以暗舭点为例介绍_ 幺 方法原理。 01 口02 叩 圈1 6