基于Gabor濾波器的噴絲板疵點檢測

李廣龍，李德駿，劉會清，周桂洋，程康，王成

(武漢紡織大學，湖北武漢，430000)

0 引言

噴絲板又稱紡絲帽。噴絲板的作用是將黏流態(tài)的高聚物熔體或溶液，通過微孔轉變成有特定截面狀的細流，經(jīng)過凝固介質如空氣或凝固浴固化而形成絲條。生產(chǎn)原材料生成的熔體中如果殘留了少許原材料，在經(jīng)過噴絲裝置時，容易在噴絲板處出現(xiàn)聚酯纖維堆積現(xiàn)象，形成疵點，部分疵點隨著絲噴出導致影響成品絲的質量。

噴絲桶實物參考圖1圖2。由于工廠環(huán)境，噴絲桶光照不足，噴絲板照射光角度不同，所呈現(xiàn)出不同的表面明暗對比。聚酯纖維生產(chǎn)對原材料要求嚴格，所以選用的檢測方案不能對原材料、生產(chǎn)工藝產(chǎn)生任何影響。同時由于使用時間不同，噴絲板中心位置出現(xiàn)各種污點和銹斑的噪聲程度不同。以上都對噴絲板圖像的疵點檢測識別提出了挑戰(zhàn)。

圖1 噴絲板實體圖

圖2 噴絲桶在工廠中實際位置

通過對國內外文獻研究發(fā)現(xiàn)，在檢測噴絲板方面都只是在針對噴絲板中微孔進行了檢測，且檢測環(huán)境都是在特定的條件下進行的，如實驗室搭建的平臺環(huán)境。這些研究均未在工廠實時環(huán)境下進行疵點檢測。

為保證噴絲板疵點檢測的準確性和實時性，本文提出了一種基于Gabor濾波的疵點檢測方法，對于工廠環(huán)境下的噴絲板圖像，先通過Gabor濾波器減少圖像中的干擾，再使用邊緣檢測算法進行疵點位置的計算。該方法可以在不干擾正常工作狀態(tài)下準確有效的檢測出疵點位置，提高生產(chǎn)質量。

1 Gabor濾波器

疵點的大小與分布具有特殊性，具有同樣的空間分布頻率，方向一致。噴絲板處于實時工作的狀態(tài)，絲束的存在對于采集到的圖像產(chǎn)生噪聲的影響一直存在。這些細絲分布不均勻且十分密集，很難通過常規(guī)的方法來進行優(yōu)化。因為光、抖動等出現(xiàn)的噪聲也會對圖像質量產(chǎn)生影響。由于噴絲板長時間使用，噴絲板中心位置出現(xiàn)很多銹跡污點。在這種情況下，即使采用均值濾波也無法降低污損噪聲產(chǎn)生的影響。如果進行wiener濾波處理，也會因為背景存在大量噪聲干擾而無法有合適的期望進行濾波。

由于以上所有影響因素，在此處引入Gabor濾波器對圖像進行優(yōu)化處理，從而達到減少噪聲的目的。Gabor濾波器具有較強的抗噪聲干擾能力，且Gabor濾波器對頻率與方向都極具敏感，采用Gabor濾波器可以從圖像中將特定頻率分布的疵點提取出來，能夠有效解決噴絲板中心污損，背景干擾和光照不均勻等問題。

2 噴絲板疵點檢測算法

疵點檢測算法流程如下圖3所示。首先利用3個方向的Gabor濾波器得到的濾波圖像，找出圖像中頻率不同點初步定位近似疵點位置。對疵點進一步的高精度計算。采用邊緣檢測算法提取疵點邊緣，實現(xiàn)疵點檢測。

圖3 疵點檢測算法流程圖

Gabor濾波器是一種同時保留空域和頻域信息的濾波器，在空域與頻域高效地提高測量準確度，也可對任意方向和任意頻率的信號進行濾波。在二維空間域中，使用一個三角函數(shù)（如正弦函數(shù)）與一個高斯函數(shù)疊加就可以得到一個Gabor濾波器。

二維Gabor變換函數(shù)是一個由二維高斯函數(shù)調制的定向復合正弦光柵。空間域中的公式如式（1）：

其中f0表示跨度限制的正弦光柵的中心頻率。平滑化參數(shù)σX和σ?表示高斯面的標度因子。它們決定了空間域中濾波器的選擇性大小。當σx等于σy時高斯表面是一個圓。通常情況下，參數(shù)σy也可以被表示為λσx因此可以通過改變系數(shù)λ來調整高斯曲面的形狀。（x’,y’）是由θ旋轉的（x，y）：

從方程（2）可以注意到Gabor濾波器f形成一個復數(shù)值函數(shù)，由實部和虛部組成，如方程（3）和方程（4）所示。

方程（5）特征圖像G（x,y）是由平方非線性算子得到的，它表示濾波圖像的局部度量。特征圖像G（x,y）依賴于f0，fe，σx，σy和θ的參數(shù)變化，為設計濾波器提供足夠自由的形狀，取向和頻率特性。

為減少計算時間，可以通過連續(xù)采樣，得到低分辨率圖像。本文選取3個方向2個尺度Gabor濾波器。在所采集的圖像中進行Gabor濾波，再將計算結果映射到原始分辨力圖像上。

3 實驗及分析

由于原圖像采集過程中會出現(xiàn)噴絲板以外噴絲桶內的圖像，為減少不必要的噪聲干擾，所以需要將采集到的圖像進行處理，把噴絲板上疵點有可能出現(xiàn)的位置區(qū)域進行保留，剔除圖像中其他部分。對噴絲板經(jīng)過多次測量可知道，整個噴絲板圖像中桶壁的半徑值為35mm，半徑值為28mm到3mm5的圓形區(qū)域內會出現(xiàn)晶狀結塊，半徑值為15mm到30mm之間的圓形區(qū)域內會出現(xiàn)黑色結塊。如下圖4所示。

圖4 實驗圖

所以將原圖像中噴絲板半徑15mm到30mm的圓環(huán)區(qū)域進行處理，以便檢測出黑色結塊，如下圖5所示。

圖5 原圖像及圓環(huán)

將原圖像進行切割后得到一個圓環(huán)，這樣做法即可以除去噴絲桶其他物體例如螺絲帽，噴絲桶壁等不必要的影響，也可以縮小檢測范圍，以方便圖像處理。原圖像與圓環(huán)都進行灰度處理以減少計算量，再通過灰度直方圖均衡化的處理，增強動態(tài)范圍偏小的圖像的反差，增強圖像整體對比度的效果。

處理過后的圖像應用在多種圖像濾波算法中進行對比，以驗證本文所提出的方法高效及正確性，方法如下：

（2）基于線性平滑濾波的疵點檢測方法。

（3）基于wiener濾波的檢測方法。

將本文提出的基于Gabor濾波的疵點檢測方法與經(jīng)典圖像濾波算法進行對比，研究樣本為工廠現(xiàn)場采集圖像。首先用由2個尺度和3個方向組成的6個濾波簇組提取圖像的特征，由于特征提取的過程中產(chǎn)生大量高維特征，這其中包含了圖像有用信息和冗余信息，所以通過處理原圖像圓環(huán)的方式減少冗余信息的干擾，將處理后的圖像進行灰度直方圖均衡化處理，灰度處理后的圓環(huán)圖像放入Gabor濾波器進行濾波處理，濾波后疵點位置明顯。對比不同尺度及角度濾波后的圖像結果發(fā)現(xiàn)，尺度為角度為0°，90°，270°的濾波效果在圓環(huán)范圍內明顯高于尺度為角度為0°，90°，270°的濾波效果。

其次使用線性濾波的方法對原圖像的圓環(huán)進行處理，線性濾波可以從圖像中去除特定成分的噪聲，將原圖像灰度直方圖均衡化處理后應用于3*3平滑模板進行平滑濾波。結果顯示能基本達到濾波效果，但是與比本文方法對比，明顯沒有本文方法更有效。

然后使用wiener濾波對圖像圓環(huán)進行處理，其本質是使估計誤差（定義為期望響應與濾波器實際輸出之差）均方值最小化。通過改變其參數(shù)中的期望值來達到不同的濾波效果。對比結果，與線性濾波的效果相同，并沒有本文提出的疵點檢測算法效果明顯。

圖6 Gabor濾波尺度為角度為0°

圖7 Gabor濾波尺度為角度為90°

圖8 Gabor濾波尺度為角度為270°

圖9 Gabor濾波尺度為角度為0°

圖10 Gabor濾波尺度為角度為90°

圖11 Gabor濾波尺度為角度為270°

圖12 結果圖

通過上述對比分析出，原圖像采集噴絲桶中噴絲板在工作狀態(tài)下的圖像，其中含有運動的絲束，光照不足，噴絲板中心位置銹斑及污點等各種噪聲對疵點識別的影響。本文方法經(jīng)過對比線性濾波和wiener濾波方法，通過2個尺度和3個方向的濾波簇組來分析圖像的方法，更高效而準確的將噴絲板中疵點位置顯示出來?？梢赃_到檢測疵點的標準。本文提出的基于Gabor濾波器的疵點檢測方法中不同尺度也顯示出不同的濾波效果，通過實驗得出在尺度為?時濾波效果更加高效及準確。

4 結論

本文提出一種基于Gabor濾波器疵點檢測分割算法。具體地，本文提出了一種基于Gabor濾波疵點檢測方法。該檢測方法通過Gabor濾波處理，使特定方向與特定頻率的疵點結構被過濾呈現(xiàn)出來，準確獲得疵點在圖像中的位置。通過實驗驗證了本文方法對于工業(yè)環(huán)境下的噴絲桶圖像能夠得到良好的分割效果，更加明確疵點位置。