織物疵点快速判别算法设计与实现.docVIP

织物疵点快速判别算法设计与实现 1.概述 　　从最初的织物原料到最后织造成成品，中间历经了很多环节，比如抽丝、纺纱、织造等。在各个加工过程中，由于设备的损坏、工人操作不当、质量监督不严格等原因，都可以给产品带来疵点。从理论上讲，织物加工经过的环节越多，产生疵点的几率越大。 　　织物疵点检测的目的就是及时发现织物中已经存在的疵点，对其进行修补。织物疵点判别就是依据图像的特征将织物中不同于正常织物的部分找出来，一般使用图像处理。图像处理可以分为两种：模拟图像处理和数字图像处理。模拟图像处 　　理就是利用光学、照相等方法对模拟图像进行处理，该方法已经有很长的历史了，尤其是激光的出现，该方法得到进一步的发展。该方法具有处理速度快、经济实惠，但是处理精度不高，稳定性差，因此其发展受到了很大的限制。数字图像处理也称为计算机图像处理，其优点是精度高、再现性好、通用性高和灵活性好。数字图像处理跟图像学、数字信号、机器视觉等诸多学科有着密切的关系，因此数字图像处理是一门综合性较强的学科，汇集了光学、数学、摄影学等中多学科。由于数字图像处理具有优良的特点，因此广泛用于生物医学、航天遥感技术、工业产品质量检测、军事雷达等领域。 一般来说图像处理研究的途径可以分为两种：一种是空间域进行计算，一种是频率域进行处理。空间处理法就是针对图像的灰度特征进行相应的处理，经常采用邻域处理或者点处理。频率域处理法就是将图像变换到频率域，经常采用傅里叶变换，近年来小波理论得到了很大的发展，但是频域法需要变换两次，因此在快速判别中用的很少。 2 基于灰度直方图的织物疵点快速判别 2.1 灰度直方图简介 　　数字图像处理中，经常用到的工具就是灰度直方图。所谓的灰度直方图就是图像各个灰度值出现的概率函数，反应个该灰度出现的频率。如图1所示是一幅帘子布灰度直方图，从图像上来说，直方图是一个一维曲线图，横坐标是该图像所有的灰度值，纵坐标为各个灰度值出现的次数，该图表征了图像最基本的统计特征。 图1 帘子布灰度直方图 灰度图像直方图具有以下三个重要的性质 [39] 。 　　（1）灰度直方图是图像各个像素统计值或频率。它反映了图像不同灰度值出现的概率，不能反映该灰度值所在的位置，也就是说丢失了位置信息。 　　（2）一幅图像只能对应一幅灰度图，反之不成立。从映射学来说就是，图像和直方图是多对一的映射关系。如图2 所示，其图2a和图2b是不同的图像，但是直方图却相等。直方图相等也说明了，这两幅图像中相同像素所占的比例相同，这也是这两幅图像的共同特点。 图2. 直方图相等的图像 　　（3）根据直方图的定义可以知道，当一幅图像被分割成若干子图后，各子图像直方图之和等于原图像的直方图。灰度图是图像的重要参数，其作用如下： 　　a.衡量图像数字化的参数。灰度直方图提供了一个简单直观的可视化图像，可以用于判断图像数字化时是否全部利用了全部的灰度级。 b.用于图像分割选取阈值。图像分割是图像识别，图像测量中重要的环节。根据图像的灰度直方图，可以对一些灰度特殊分布的图像选择阈值直接分割成二值图像，比如对于具有二峰值的灰度直方图，可以利用两个峰之间的最低点（波谷）的灰度值作为分割图像的阈值。这样分割可以使分割最为彻底。 织物疵点判别是一个实时动态过程，因此需要有效率高并且判断准确的算法与之匹配。疵点快速判别的主要任务就是在尽可能短的时间里把带有疵点的图像检测出来，并且能够给出疵点的位置，将疵点部分从织物中筛选出来，然后进行疵点的识别，这样就减小了疵点识别的信息处理量，节省了宝贵的计算机内存和时间。 　　常用的织物疵点快速判别都是建立在空间域的，都是根据正常纹理和疵点纹理的变化来进行判断的，下面就介绍几种常用的方法。 2.2 灰度直方图法判别织物疵点 　　一幅图像的灰度分布情况可以使用灰度直方图来描述，灰度直方图是图像灰度的统计特征，反应了图像中某个灰度值出现的频率。当织物出现疵点时，图像的灰度分布会发生改变，这种改变就会体现到灰度直方图上。通过与正常纹理灰度直方图的比较，可以判断织物图像是否存在疵点。下面就以帘子布四种常见疵点为例，介绍正常织物和疵点织物灰度直方图的差异。 图3　正常帘子布图像及灰度直方图 图4　帘子布断经图像及灰度直方图 图 5 帘子布经线粘并图像及灰度直方图 图 6 帘子布浆斑图像及灰度直方图 图 7 帘子布劈缝图像及灰度直方图 2.3 实验结果分析 　　由以上直方图可以看出所有的图像都有相似的灰度分布，灰度值都在 20~100之间，标准的帘子布直方图呈现双峰形状如图3所示。在图4中，帘子布由于断经使帘子布灰度值局部变大，在灰度值80~90之间形成凸起；在图5中，由于经线粘并使帘子布在经线方向上形成很长的暗条，这样是图像灰度值减小，在10~20之前出现