織物疵點(diǎn)的圖像信息檢測(cè)方法

韓曉軍，黃 雷

（天津工業(yè)大學(xué)電子與信息工程學(xué)院，天津 300387）

織物疵點(diǎn)的圖像信息檢測(cè)方法

韓曉軍，黃 雷

（天津工業(yè)大學(xué)電子與信息工程學(xué)院，天津 300387）

針對(duì)織物破洞、斷經(jīng)、跳花和漿斑這4種類型疵點(diǎn)的特征，提出一種基于圖像信息的檢測(cè)方法.根據(jù)織物疵點(diǎn)的幾何特性選擇結(jié)構(gòu)元素，應(yīng)用形態(tài)學(xué)運(yùn)算突出疵點(diǎn)形狀信息，應(yīng)用灰度積分投影法確定織物疵點(diǎn)的位置信息，然后分析紋理特征，提取織物疵點(diǎn)面積、周長(zhǎng)等特征參數(shù).結(jié)果表明：本方法克服了經(jīng)典邊緣檢測(cè)算子只能給出疵點(diǎn)輪廓的弊端，利用圖像信息檢測(cè)進(jìn)行計(jì)算機(jī)輔助驗(yàn)布，對(duì)于紡織信息化具有一定的理論意義和實(shí)用價(jià)值.

織物疵點(diǎn)；圖像信息；圖像處理；信息檢測(cè)；形態(tài)學(xué)運(yùn)算；紋理特征；特征參數(shù)

features；characteristic parameter

驗(yàn)布是織物質(zhì)量控制的一個(gè)必要環(huán)節(jié).傳統(tǒng)的人工檢測(cè)方式勞動(dòng)強(qiáng)度大，檢測(cè)速度慢，檢測(cè)的準(zhǔn)確性與檢驗(yàn)者的經(jīng)驗(yàn)與疲勞程度直接相關(guān)[1].作為一種智能檢測(cè)手段，計(jì)算機(jī)視覺(jué)技術(shù)隨著圖像處理技術(shù)的發(fā)展，已經(jīng)應(yīng)用于布匹疵點(diǎn)檢測(cè)等工業(yè)表面檢測(cè)領(lǐng)域[2].目前，國(guó)外紡織業(yè)常規(guī)的自動(dòng)驗(yàn)布系統(tǒng)分為在線檢測(cè)和離線檢測(cè)[3]，代表性的公司如瑞士 Uster、比利時(shí)Barco，德國(guó)Obdix、以色列EVS等公司研制的自動(dòng)驗(yàn)布設(shè)備.國(guó)內(nèi)從事織物表面疵點(diǎn)檢測(cè)研究的代表性大學(xué)，如東華大學(xué)、浙江理工大學(xué)、西安工程大學(xué)、天津工業(yè)大學(xué)等也做了基于計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)在紡織品檢測(cè)中應(yīng)用的研究與探索，申請(qǐng)了專利并且推出了部分樣機(jī).但是，由于算法實(shí)時(shí)性和價(jià)格等因素的影響，檢測(cè)系統(tǒng)在紡織行業(yè)的應(yīng)用還遠(yuǎn)不夠普及.

規(guī)整的布匹圖像是有規(guī)律的紋理圖像，像素點(diǎn)在小范圍內(nèi)的浮動(dòng)并不會(huì)破壞紋理的完整性.圖像信息特征反映了織物紋理、形狀在空間上的對(duì)應(yīng)關(guān)系.應(yīng)用Sobel、Prewitt、Laplacian、Canny等經(jīng)典的邊緣檢測(cè)算子可以檢測(cè)出疵點(diǎn)的輪廓[4]，但不能提供位置、面積等信息.本文提出的疵點(diǎn)檢測(cè)算法可以得出疵點(diǎn)的位置、形狀、面積、周長(zhǎng)等圖像信息.根據(jù)這些疵點(diǎn)信息，快速準(zhǔn)確地找到疵點(diǎn)的位置，以便修整和去除疵點(diǎn)或者檢出不合格的織物.

1 疵點(diǎn)檢測(cè)算法研究

1.1 紋理與疵點(diǎn)

織造過(guò)程中布匹表面形成有規(guī)則的圖案模式，即紋理.但是產(chǎn)生的疵點(diǎn)卻破壞了紋理的完整性和規(guī)則性.紋理是圖像的一種重要的特征，是由小范圍內(nèi)色調(diào)變化的空間分布所產(chǎn)生的視覺(jué)效果.紋理由一些小的結(jié)構(gòu)單元以一定的周期重復(fù)而形成.隨機(jī)紋理用一組統(tǒng)計(jì)特征參數(shù)描述，紋理中每一點(diǎn)的灰度值都是一個(gè)服從某種分布的隨機(jī)變量.而結(jié)構(gòu)紋理具有重復(fù)性和規(guī)律性，每一點(diǎn)都有一個(gè)特定的灰度值對(duì)應(yīng).因此，可以利用紋理和形狀識(shí)別疵點(diǎn).

1.2 形態(tài)學(xué)檢測(cè)疵點(diǎn)形狀

（1）形態(tài)學(xué)數(shù)學(xué)描述.設(shè)A為原始圖像，B為結(jié)構(gòu)元素圖像，則集合A被結(jié)構(gòu)元素B做開(kāi)運(yùn)算，A被B腐蝕后的結(jié)果再被B膨脹，定義為

設(shè)A為原始圖像，B為結(jié)構(gòu)元素圖像，則集合A被結(jié)構(gòu)元素B做閉運(yùn)算，A被B膨脹后的結(jié)果再被B腐蝕，定義為

（2）形態(tài)學(xué)檢測(cè)算法.形態(tài)學(xué)疵點(diǎn)檢測(cè)方法主要包括閾值選取和檢測(cè)2個(gè)步驟.首先分析標(biāo)準(zhǔn)織物圖像，用標(biāo)準(zhǔn)圖像求出圖像的像素灰度值和標(biāo)準(zhǔn)偏差[5]，進(jìn)而得到一個(gè)像素灰度值的閾值，進(jìn)行圖像二值化，再利用自相關(guān)函數(shù)求出標(biāo)準(zhǔn)圖像中的經(jīng)緯方向上重復(fù)單元的尺寸，從而構(gòu)成一個(gè)檢測(cè)模板；其次，對(duì)采集的圖像經(jīng)過(guò)檢測(cè)模板進(jìn)行先腐蝕背景后膨脹目標(biāo)的形態(tài)學(xué)處理，確定出被檢測(cè)織物圖像中的疵點(diǎn)形狀.

求出織物圖像的像素灰度平均值和標(biāo)準(zhǔn)偏差后，圖像像素灰度閾值可表示為

式中：Tm為像素灰度值的閾值；σm為所有像素的標(biāo)準(zhǔn)偏差；μm為所有像素的平均灰度值；N2為標(biāo)準(zhǔn)織物圖像的像素?cái)?shù)；f（i，j）（i，j=1，2，…，N）為每個(gè)像素的灰度值；γ為一個(gè)調(diào)整系數(shù)，根據(jù)實(shí)驗(yàn)取值的區(qū)間為[-5.0，5.0].

由于背景光從織物經(jīng)紗和緯紗之間的空隙透射而在織物圖像形成許多分布較均勻、灰度值與疵點(diǎn)灰度值相近、面積很小的噪聲點(diǎn)，應(yīng)用開(kāi)運(yùn)算中的腐蝕運(yùn)算，可以將其去除.選擇合適的結(jié)構(gòu)元素，既要濾除噪聲，又要保證原疵點(diǎn)圖像的形狀.必須根據(jù)圖像的具體情況確定結(jié)構(gòu)元素的形狀和大小.分析可知，斷經(jīng)、缺緯之類疵點(diǎn)具有細(xì)長(zhǎng)的幾何特征，采用的結(jié)構(gòu)元素是長(zhǎng)度為3個(gè)像素、方向?yàn)?0°的直線，而對(duì)破洞類型的疵點(diǎn)圖像，采用參數(shù)為3的菱形結(jié)構(gòu)元素.

疵點(diǎn)的類型主要有斷經(jīng)、缺緯、破洞等[5]，這些疵點(diǎn)都具有一定的幾何形狀和相互不同的特征，如疵點(diǎn)經(jīng)向方向上的長(zhǎng)度、緯向方向上的長(zhǎng)度以及疵點(diǎn)面積等特征，在經(jīng)過(guò)歸一化處理的二值圖像中，表現(xiàn)為一條經(jīng)向或緯向上的白線或白色的矩形或類圓形.應(yīng)用形態(tài)學(xué)腐蝕背景和膨脹目標(biāo)的方法，突出了布匹的疵點(diǎn)形狀信息.

2 特征信息檢測(cè)實(shí)驗(yàn)與分析

2.1 疵點(diǎn)形狀信息

應(yīng)用形態(tài)學(xué)運(yùn)算分別對(duì)4類不同疵點(diǎn)圖像進(jìn)行檢測(cè)，采集原圖像如圖1所示，形態(tài)學(xué)提取疵點(diǎn)形狀信息如圖2所示.

圖1 采集源圖像Fig.1 Acquisition of source image

2.2 疵點(diǎn)位置信息

為了獲取織物疵點(diǎn)位置的信息，提出灰度積分投影定位算法，對(duì)于得到的二值圖像g（x，y），定位出疵點(diǎn)的（x，y）方向位置[6].疵點(diǎn)與方向位置信息的約束條件為

圖2 形態(tài)學(xué)處理疵點(diǎn)形狀Fig.2 Processing defect shape using morphological methods

式中：xi、xk為最大灰度累積值所在的行，且xi＜xk；表示垂直方向最大灰度累積值；yj、yk為最大灰度累積值所在的列，且為水平方向最大灰度累積值.

灰度積分投影定位結(jié)果如圖3—圖6所示.圖3—圖5完整顯示了各類疵點(diǎn)的位置信息，分析圖6可以看出，當(dāng)疵點(diǎn)輪廓不封閉時(shí)，則無(wú)法定位其x方向位置[7].斷經(jīng)疵點(diǎn)y方向未封閉，也不能定位y方向位置，可以通過(guò)后期處理得到封閉輪廓后，再投影映射出x、y方向位置信息.

2.3 紋理信息

由于織物疵點(diǎn)圖像紋理尺度的不同，其灰度共生矩陣有很大的差別.可以從灰度共生矩陣中計(jì)算出一組統(tǒng)計(jì)參數(shù)作為紋理描述符，用來(lái)定量描述紋理特征[8-9].

將圖像的灰度級(jí)定為L(zhǎng)級(jí)[10]，那么共生矩陣為L(zhǎng)× L矩陣，其中位于（i，j）處元素的值表示灰度級(jí)分別為i和j且相距（Δx，Δy）的像素對(duì)出現(xiàn)的概率，記為則紋理特征的能量、熵和慣性矩可分別描述為

圖3 破洞疵點(diǎn)x、y方向位置信息Fig.3 Position infomation of holes

圖4 漿斑疵點(diǎn)x、y方向位置信息Fig.4 Position information of hard size

圖5 斷經(jīng)疵點(diǎn)x方向位置信息Fig.5 Position information of cracked ends

圖6 跳花疵點(diǎn)x、y方向位置信息Fig.6 Position information of skips

其中，能量是對(duì)紋理圖像灰度分布均勻性的度量，分布越不均勻，能量越大.對(duì)形態(tài)學(xué)處理后的圖像分別選用能量、熵與慣性矩3個(gè)參數(shù)作紋理分析，結(jié)果如圖7所示.

2.4 特征參數(shù)信息

圖像信息檢測(cè)通過(guò)對(duì)研究對(duì)象進(jìn)行特征提取與分析，描述織物疵點(diǎn)的大小、形狀和周長(zhǎng)、面積等特征，建立織物疵點(diǎn)檢測(cè)的參數(shù)模型，表示為

式中：fi（x，y，t）為采集的圖像序列；i=1，2，3，…，n為序列的長(zhǎng)度；S、P、L分別為疵點(diǎn)的面積、周長(zhǎng)、長(zhǎng)度.對(duì)第10幅圖像實(shí)驗(yàn)得到的面積、周長(zhǎng)、長(zhǎng)度3個(gè)特征參數(shù)如表1所示.

圖7 紋理參數(shù)比對(duì)Fig.7 Comparison of texture parameters

表1 特征參數(shù)（i=10）Tab.1 Characteristic parameters

3 結(jié) 語(yǔ)

圖像信息檢測(cè)方法克服了經(jīng)典邊緣檢測(cè)算子只能給出疵點(diǎn)輪廓信息的缺點(diǎn).形態(tài)學(xué)處理得到疵點(diǎn)形狀信息，灰度積分投影法提取疵點(diǎn)的位置信息，同時(shí)驗(yàn)證了位置信息目標(biāo)輪廓必須封閉.最后提取疵點(diǎn)類型和周長(zhǎng)、面積、紋理信息，并且得出能量是對(duì)紋理圖像灰度分布均勻性的度量、分布越不均勻能量越大的結(jié)論.研究表明：應(yīng)用圖像信息可對(duì)部分織物疵點(diǎn)進(jìn)行實(shí)時(shí)檢測(cè)，當(dāng)對(duì)織物進(jìn)行歸一化處理后，各類疵點(diǎn)在圖像空間中具有灰度共性，因此，檢測(cè)方法也可推廣至更多類型的疵點(diǎn)檢測(cè)，從而驗(yàn)證了計(jì)算機(jī)輔助驗(yàn)布的可行性.

[1]李立輕，黃秀寶.圖像處理用于織物疵點(diǎn)自動(dòng)檢測(cè)的研究進(jìn)展[J].東華大學(xué)學(xué)報(bào)：自然科學(xué)版，2002，28（4）：118-122.

[2]鄒超，汪秉文，孫志剛.基于機(jī)器視覺(jué)的織物疵點(diǎn)檢測(cè)方法綜述[J].天津工業(yè)大學(xué)學(xué)報(bào)，2009，28（2）：78-82.

[3]李文宇，程隆棣.基于機(jī)器視覺(jué)和圖像處理的織物疵點(diǎn)檢測(cè)研究新進(jìn)展[J].紡織學(xué)報(bào)，2014，35（3）：158-164.

[4]ZHOU Hui-yu,LI Xue-long,SCHAEFER G,et al.Mean shift based gradient vector flow for image segmentation[J].Computer Vision and Image Understanding,2013,117（8）：1004-1016.

[5]張達(dá)，謝植.棒材在線計(jì)數(shù)中斷面定位方法研究[J].儀器儀表學(xué)報(bào)，2010，31（5）：1173-1178.

[6]MUTIARA Ayu Sari，SHANKARARAMAN Chellam.Surface water na-nofiltration incorporating（electro）coagulation-microfiltration pretreatment：Fouling control and membrane characterization[J].Journal of Membrane Science，2013，437：249-256.

[7]ZHAOF，JIAOLC，LIUHQ.KernelgeneralizedfuzzyC-means clustering with spa-tial information for image segmentation[J]. Digital Signal Process，2013，23（1）：184-199.

[8]CHEN Kaige，HAN Xiaojun，HUANG Tenghao.Target detection algorithm based on the movement of Codebook model[J]. Computer and Information Science，2012，5（2）：49-54.

[9]韓曉軍.數(shù)字圖像處理技術(shù)與應(yīng)用[M].北京：電子工業(yè)出版社，2009.

[10]王然然，田錚，趙偉.SAR圖像分割的改進(jìn)參數(shù)核圖割方法[J].計(jì)算機(jī)工程，2014，40（7）：221-224.

[11]朱中洋，肖志云，孫光民，等.基于Radon小波低分辨率的織物疵點(diǎn)檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用，2015，35（3）：863－867.

[12]YE Xujiong，LIN Xinyu，DEHMESHKI Jamshid.Shape-based computer-aided detection of lung nodules in thoracic CT images[J].IEEE Transactions on Biomedical Engineering，2009，56（7）：1810-1820.

Image information detection method for fabric defect

HAN Xiao-jun，HUANG Lei
（School of Electronics and Information Engineering，Tianjin Polytechnic University，Tianjin 300387，China）

A detecting method based on image information is proposed for four kinds of fabric defects（holes，cracked ends，skips and hard size）detection.The structure elements are selected according to the geometric characteristics of fabric defects，the morphological operation is used to highlight the shape information of fabric defect and grayscale integral projection method is used to determine the location information of fabric defect.Then texture features are analyzed to extract characteristic parameters such as area of fabric defects and perimeter.The result shows that the proposed method overcomes the problem that the classical edge detection operators can only give profile of fabric.Meanwhile，the proposed method uses image information detection for computer-aided cloth inspection，which has theoretical significance and practical value for the textile information.

fabric defect；image information；image processing；information detection；morphological algorithm；texture

TS101.9；TP274

A

1671-024X（2015）05-0048-04

10.3969/j.issn.1671-024x.2015.05.010

2015-06-05

國(guó)家自然科學(xué)基金資助項(xiàng)目（61405144）

韓曉軍（1958—），女，教授，碩士生導(dǎo)師，主要研究方向?yàn)閳D像處理與模式識(shí)別.E-mail：hanxiaojun@tjpu.edu.cn