利用小波變換對(duì)紡織品在線監(jiān)測(cè)圖像的處理

譚燕玲，周獻(xiàn)珠，張 強(qiáng)

（1.新疆輕工職業(yè)技術(shù)學(xué)院，烏魯木齊，830021；2.新疆大學(xué) 電氣工程學(xué)院，烏魯木齊，830047）

0 引言

隨著新疆紡織業(yè)的迅猛發(fā)展，用戶對(duì)紡織品質(zhì)量要求提高，大量紡織廠廣泛應(yīng)用了在線監(jiān)測(cè)技術(shù)，其中包括對(duì)紡織品質(zhì)地、顏色、圖案等的監(jiān)測(cè)。然而，對(duì)監(jiān)測(cè)信號(hào)深層次處理一直是制約在線監(jiān)測(cè)發(fā)展的一個(gè)瓶頸［1－3］。筆者基于小波在信號(hào)處理方面的強(qiáng)大功能，利用小波分析對(duì)紡織品圖案和染色監(jiān)測(cè)圖樣進(jìn)行單元個(gè)體編碼、圖樣去噪、分解、增強(qiáng)及銳化等多方面深層次處理，為紡織品的圖案和染整的控制做好前期準(zhǔn)備。

1 利用小波對(duì)圖樣的構(gòu)成單元進(jìn)行編碼

1.1 采集圖樣

完善的紡織品生產(chǎn)過(guò)程離不開(kāi)可靠的在線監(jiān)測(cè)系統(tǒng)，然而監(jiān)測(cè)系統(tǒng)受到光線、粉塵、電磁信號(hào)干擾等各方面因素影響，導(dǎo)致監(jiān)測(cè)圖像模糊不清。這樣的監(jiān)測(cè)信號(hào)圖像，微機(jī)無(wú)法直接進(jìn)行后臺(tái)分析。編寫(xiě)小波程序1（如圖1）的監(jiān)測(cè)花布圖樣fabric，無(wú)論是背景亮度均勻程度或圖案的清晰度均不理想。

程序1：clear，close all；

ii＝imread（’fabric.tif’）

imshow（ii）

圖1 花布監(jiān)測(cè)圖樣

1.2 圖樣背景亮度估計(jì)

從圖樣1可以看出檢測(cè)圖像亮度不均勻，中心位置背景亮度高于其他部分的亮度。利用小波程序2對(duì)花布圖樣fabric進(jìn)行亮度估計(jì)分析，生成的背景圖如圖2所示，三維背景表面圖見(jiàn)圖3。

程序2：background＝imopen（ii，strel（’disk’，15））；

imshow（background）

figure，surf（double（background（1：8：end，1：8：end））），zlim（［0 256］）；

set（gca，’Ydir’，’reverse’）；

圖2 背景圖

圖3 三維背景表面圖

1.3 原始圖像減去利用小波程序提取的背景圖樣

編寫(xiě)小波程序3，現(xiàn)從監(jiān)測(cè)圖樣1中減去背景圖2，如圖4。處理完畢后，比較圖1和圖4，圖樣背景亮度均勻度已有所改善。

程序3：i32＝imsubtract（ii，background）；

figure，imshow（i32）

圖4 除去背景后的圖樣

1.4 調(diào)節(jié)圖樣對(duì)比度以改善圖樣的清晰度

從圖4可以看出處理后的圖樣對(duì)比度并不理想。因此，編寫(xiě)程序4，調(diào)節(jié)圖樣的對(duì)比度，調(diào)節(jié)后的花布圖樣如圖5所示，相比圖4其圖樣的清晰度明顯提高。

程序4：i33＝imadjust（i2，stretchlim（i2），［0 1］）；

figure，imshow（i33）

圖5 調(diào)節(jié)對(duì)比度后的圖樣

1.5 利用閾值操作將圖樣轉(zhuǎn)換為離散的二進(jìn)制圖樣

要對(duì)圖樣進(jìn)行深度處理，需要將采集的模擬信號(hào)離散化，轉(zhuǎn)化為二進(jìn)制數(shù)據(jù)。因此，利用程序5將圖樣5轉(zhuǎn)化為離散的二進(jìn)制圖樣，以便微機(jī)對(duì)花布圖樣fabric圖案進(jìn)行分析、處理、定位和診斷。

程序5：level1＝graythresh（i33）；

bww＝im2bw（i33，level1）；

figure，imshow（bww）

1.6 確定并統(tǒng)計(jì)圖樣單元的數(shù)目

編寫(xiě)程序6，用來(lái)分析二進(jìn)制圖樣中所有單元，并返回相應(yīng)單元數(shù)目，運(yùn)行后可以統(tǒng)計(jì)出fabric共有2 313個(gè)單元。

程序 6：［labeled，numobjects1］＝bwlabel（bww，4）

numobjects 1＝

2313

1.7 對(duì)二進(jìn)制圖樣單元的準(zhǔn)確定位

編寫(xiě)小波程序7，移動(dòng)鼠標(biāo)到達(dá)所需要定位的圖樣單元時(shí)，將顯示個(gè)體在圖樣中的坐標(biāo)位置及背景像素。運(yùn)行程序，結(jié)果為單元定位，如圖6所示，可以看出圖像為第1 652個(gè)單元個(gè)體，背景顏色為RGB 0.714，0.714，0.714，位置為x：476，y：348。

程序7：grain1＝imcrop（labeled）

1652

圖6 圖中單元個(gè)體的定位

通過(guò)以上步驟實(shí)現(xiàn)了檢測(cè)圖像由整體到個(gè)體，實(shí)現(xiàn)了圖樣的轉(zhuǎn)換和定位，為后期圖樣處理提供了必備條件。

2 基于二維靜態(tài)小波對(duì)監(jiān)測(cè)圖樣進(jìn)行深層次頻域分解

對(duì)紡織品監(jiān)測(cè)圖樣本質(zhì)的研究是獲得圖樣深層次信號(hào)細(xì)節(jié)的唯一途徑。采集圖樣信號(hào)往往包含各種高低頻信息，利用對(duì)信號(hào)頻域的分解可客觀地獲得圖樣的各種細(xì)節(jié)信息，分解的層數(shù)越多，越有利于揭示圖樣的細(xì)節(jié)信息。筆者采用二維靜態(tài)小波的高通濾波器和低通濾波器對(duì)監(jiān)測(cè)圖樣進(jìn)行頻域分解，利用小波的db1編寫(xiě)程序8對(duì)采樣絲綢圖樣julia1從近似、水平、豎直、對(duì)焦4個(gè)角度進(jìn)行頻域3層處理，分解出12個(gè)圖像，如圖7所示。從level3中可以看出有大量的噪聲信號(hào)聚集在高頻信號(hào)中，影響了圖像的清晰度；而對(duì)高頻信號(hào)的去噪是圖像清晰化的重要手段。

圖7 用小波分析圖樣julia1

程序8：close all

clear

load julia1

［swa，swh，swv，swd］＝swt2（X，3，’db1’）；

whos

colormap（map）

kp＝0；

for ii＝1∶3

subplot（3，4，kp＋1），image（wcodemat（swa（：，：，ii），192））；

title（［’approx，cfs，level’，num2str（ii）］）

subplot（3，4，kp＋2），image（wcodemat（swh（：，：，ii），192））；

title（［’Horiz，det.cfs，level’，num2str（ii）］）

subplot（3，4，kp＋3），image（wcodemat（swv（：，：，ii），192））；

title（［’vert，det.cfs，level’，num2str（ii）］）

subplot（3，4，kp＋4），image（wcodemat（swd（：，：，ii），192））；

title（［’diag，det.cfs，level’，num2str（ii）］）

kp＝kp＋4；

end

3 利用小波分析對(duì)監(jiān)測(cè)圖樣高頻信號(hào)部分進(jìn)行去噪處理

噪聲信號(hào)的來(lái)源是隨機(jī)的，過(guò)多的噪聲將嚴(yán)重影響監(jiān)測(cè)圖樣的質(zhì)量，進(jìn)而影響對(duì)圖樣的整個(gè)過(guò)程處理和分析。噪聲信號(hào)，一方面在圖像采集過(guò)程中要盡可能弱化，另一方面對(duì)采集完畢的圖樣也要利用軟件手段進(jìn)行去噪處理。去噪已成為影響圖像處理效果極其重要的一部分。二維小波處理二維圖像信號(hào)優(yōu)勢(shì)在于對(duì)圖像的深層次頻域分解，可根據(jù)噪聲所在的頻域進(jìn)行濾波處理以達(dá)到去噪的目的。

其步驟為：① 小波分解，即選擇分解層次N，然后從第1層到第N層的分解，并對(duì)每一層進(jìn)行高頻系數(shù)閾值量化處理。② 對(duì)信號(hào)的重構(gòu)，即對(duì)量化后各層高頻系數(shù)進(jìn)行小波重構(gòu)。

對(duì)圖像julia編寫(xiě)程序9去噪，去噪過(guò)程如圖8所示，可以發(fā)現(xiàn)去噪效果良好。

程序9：load julia1；

subplot（224）；image（X）；colormap（map）；

title（’原始圖像’）；

axis square

init＝2055615866；

randn（’seed’，init）

x＝X＋38×randn（size（X））；

subplot（221）；image（X）；colormap（map）；

title（’含噪聲圖像’）

axis square

［c，s］＝wavedec2（x，2，’sym4’）；

a1＝wrcoef2（’a’，c，s，’sym4’）；

subplot（222）；image（a1）；

title（’去噪圖’）

axis square

a2＝wrcoef2（’a’，c，s，’sym4’，2）

subplot（223）；image（a2）；

title（’完全去噪處理后的圖像’）

axis square；

圖8 圖樣julia1去噪處理效果對(duì)比

4 對(duì)重構(gòu)信號(hào)低頻部分進(jìn)行小波增強(qiáng)處理

重構(gòu)的圖樣視覺(jué)上比較模糊，圖像質(zhì)量不高，主要是圖像的灰度不高，對(duì)比度不夠。小波增強(qiáng)技術(shù)不能改變圖像本身所包含的特征信息，但是可以凸顯其特征。從某種意義上看，小波增強(qiáng)的目標(biāo)就是放大圖樣中特征信息的對(duì)比度，增強(qiáng)圖樣的可理解性，提高視覺(jué)質(zhì)量［4－5］。對(duì)于圖像julia1，由于經(jīng)過(guò)二維小波db1分解后，圖像的輪廓主要集中在低頻部分，細(xì)節(jié)部分體現(xiàn)在高頻部分。因此對(duì)低頻分解系數(shù)增強(qiáng)處理，可以提高圖像對(duì)比度，增強(qiáng)圖樣特征量，提高圖樣質(zhì)量。如圖9所示。

圖9 利用小波增強(qiáng)圖樣julia1

5 對(duì)重構(gòu)信號(hào)高頻部分進(jìn)行小波銳化處理

高頻部分是獲得細(xì)節(jié)信號(hào)的主要部分，而小波銳化就是突出高頻信息，并從高頻信號(hào)中分離出定位系統(tǒng)特征或子系統(tǒng)成分，以便進(jìn)一步分析和處理。對(duì)圖樣julia1進(jìn)行銳化處理，比較DCT方法和小波處理的結(jié)果。處理過(guò)程如圖10所示，從結(jié)果中可以看出，DCT方法得到的是圖像邊緣上的低頻信息，而用小波方法得到不僅是邊緣低頻成分的信息，還能反應(yīng)低頻變化的內(nèi)容及高頻成分。

6 利用小波對(duì)采樣圖樣進(jìn)一步多樣化處理

對(duì)布匹圖樣flower進(jìn)行各種方法處理，略去程序和處理過(guò)程，效果如圖11所示。

圖10 DCT方法和小波銳化圖樣效果對(duì)比

圖11 對(duì)采樣圖樣flower圖形處理

7 結(jié)語(yǔ)

隨著對(duì)紡織產(chǎn)品在線監(jiān)測(cè)度的提高，如何處理監(jiān)測(cè)圖樣，并對(duì)監(jiān)測(cè)信號(hào)進(jìn)行深層次處理成為技術(shù)瓶頸。由于監(jiān)測(cè)圖像受到噪聲、光線強(qiáng)弱等因素影響，已經(jīng)具備了一定的失真度，而筆者采用小波對(duì)監(jiān)測(cè)的圖像信息進(jìn)行了多方面處理，使圖樣均勻度、清晰度明顯提高，為后期紡織產(chǎn)品質(zhì)量判斷和染整控制提供了科學(xué)依據(jù)。

［1］董延華，王慕坤.小波變換在圖像壓縮中的應(yīng)用研究［J］.吉林師范大學(xué)學(xué)報(bào)，2005，5（2）：38－43.

［2］薛文，宋國(guó)鄉(xiāng).提升的M通道小波變換在圖像壓縮中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用，2005，25（12）：31－36.

［3］于貴江，孟紹良，李繼征.小波變換在圖像壓縮中的應(yīng)用［J］.大連海事大學(xué)學(xué)報(bào)，2005，31（6）：9－14.

［4］張德豐.MATLAB小波分析［M］.北京：機(jī)械工業(yè)出版社，2010.

［5］成禮智，王紅霞.小波的理論與應(yīng)用［M］.北京：科學(xué)出版社，2004.