瑕疵检测方法、系统及装置与流程

本发明设计一种瑕疵检测技术，尤其设计一种用于纺织品瑕疵检测的方法、系统及装置。
背景技术：
：纺织品瑕疵检测在纺织品生产过程中极为重要，优秀的纺织品能带来好的收益，而残次品则容易造成经济损失。现有的纺织品瑕疵检测技术常采用人工肉眼观察来进行检测，或基于计算机视觉进行纺织品缺陷的自动检测。随着机器视觉及相关技术的发展，纺织品缺陷的自动检测技术将越来越多地应用于现代工业生产中。目前纺织品缺陷的自动检测技术主要分为两大类：一是将纺织品图像变换到频域，之后再进行分析和缺陷的检测，其典型算法主要是基于小波变换的方法，但是该方法针对性比较强，无法应用于多样的纺织品瑕疵检测中；二是使用模板匹配的方法，不过现在的模板匹配方法无法做到自适应，还需要投入人力进行模板匹配，且时间花销大，不适用于工业生产。根据上述描述可知，现有的纺织品瑕疵检测中普遍存在以下问题：(1)在保证检测正确率的同时常忽视检测效率；(2)涉及空间域与频率域转化的检测方法，针对性强，纺织品类型发生改变的同时会造成检测出现较大的偏差；(3)基于模板的瑕疵检测方法，针对模板的选取无法实现自适应，需要手工选取模板大小，增加了工业生产中人力的消耗，提高了成本；(4)基于模板的瑕疵检测方法，为了减少由纺织物图像发生拉伸等产生的细微影响，多数情况下需要对无瑕纺织物图像进行大量训练，针对少数类型的纺织物图像进行训练所消耗的时间尚可接受，然而，对于类型众多的纺织品而言，训练在工业中不是可行的方法。因此，设计一种可克服上述缺陷的纺织品瑕疵检测技术是亟需解决的问题。技术实现要素：本发明针对现有技术存在的问题，其目的在于提供一种瑕疵品检测方法、系统及装置，通过对纺织品图像中的瑕疵部分进行检测，以实现纺织品瑕疵的检测。为实现上述目的，本发明提供了一种瑕疵检测方法，该方法包括以下步骤：输入待检测的纺织品图像；计算该纺织品图像的模板大小；根据所述模板大小对纺织品图像进行分割，并获得多个区块；计算各区块与所有区块的相关系数，并获得一个相关系数矩阵；及根据所述相关系数矩阵计算可达矩阵，并根据该可达矩阵确定纺织品图像中的瑕疵部分。作为本发明的进一步改进，所述方法还包括以下步骤：对输入的纺织品图像进行灰度化处理，以将该输入的纺织品图像转换为灰度图像。作为本发明的进一步改进，所述模板大小采用统计学方法进行计算，包括以下步骤：在纺织品图像的水平方向取步长c且在纺织品图像的垂直方向取步长r对纺织品图像进行均匀分割及边缘裁剪；将分割所得的分割图像叠加以形成一个三维矩阵，求取该三维矩阵水平方向及垂直方向的方差均值；及获取所述方差均值在水平方向及垂直方向的极小值，并根据该水平方向及垂直方向的极小值求取纺织品图像的模板大小。作为本发明的进一步改进，通过以下步骤求取纺织品图像的模板大小：根据水平方向及垂直方向的极小值对步长r和步长c的取值遍历以求取r和c的最佳值作为模板大小；或令步长c等于纺织品图像的水平方向图像长度进行r的求解，再求解c，或令步长r等于纺织品图像的垂直方向图像宽度进行c的求解，再求解r，并获取r和c的最佳值作为模板大小。作为本发明的进一步改进，通过以下步骤获得多个区块：根据模板大小及纺织品图像的长度及宽度对纺织品图像进行裁剪；根据模板大小将裁剪后的纺织品平均分割为多个大小相同的区块；及对每个区块进行编号。作为本发明的进一步改进，通过以下步骤确定纺织品图像中的瑕疵部分：计算各区块四邻域内与其他区块相关系数的最小值，将该计算所得最小值存储至最小值矩阵中；根据该最小值矩阵的中位数确定自适应阈值T；根据该自适应阈值T对所述相关系数矩阵中的每个元素进行阈值判断，并获得阈值判断后的相关系数矩阵；对该阈值判断后的相关系数矩阵进行逻辑运算以获得可达矩阵；根据该可达矩阵实现纺织品图像无暇部分与瑕疵部分的分类；及获取瑕疵部分所对应的编号，并确定纺织品图像中的瑕疵部分。作为本发明的进一步改进，通过以下步骤对所述相关系数矩阵中的每个元素进行阈值判断：将相关系数矩阵中的每个元素的值与所述自适应阈值T进行比对；在该元素的值小于或等于所述自适应阈值T时，将该元素的值记为0；在该元素的值大所述自适应阈值T时，将该元素的值记为1；及根据所述各元素的值得到阈值判断后的相关系数矩阵。作为本发明的进一步改进，通过以下步骤对该阈值判断后的相关系数矩阵进行逻辑运算：通过公式Pk＝logical(TCk)进行逻辑运算，k＝0，1，2，...，(水平方向的区块数量×垂直方向的区块数量)；TC为所述阈值判断后的相关系数矩阵，TCk为矩阵TC内每个元素经过k步跳转得到的结果；logical运算将矩阵TC变成逻辑矩阵，将矩阵TC中大于0的数值均记为1，等于0的数值保持不变；及当Pk+1＝Pk时求得的Pk为所述可达矩阵。为实现上述目的，一种瑕疵检测系统，所述系统用于：输入待检测的纺织品图像；计算该纺织品图像的模板大小；根据所述模板大小对纺织品图像进行分割，并获得多个区块；计算各区块与所有区块的相关系数，并获得一个相关系数矩阵；及根据所述相关系数矩阵计算可达矩阵，并根据该可达矩阵确定纺织品图像中的瑕疵部分。为实现上述目的，一种瑕疵检测装置，所述装置包括微处理器，该微处理器用于：输入待检测的纺织品图像；计算该纺织品图像的模板大小；根据所述模板大小对纺织品图像进行分割，并获得多个区块；计算各区块与所有区块的相关系数，并获得一个相关系数矩阵；及根据所述相关系数矩阵计算可达矩阵，并根据该可达矩阵确定纺织品图像中的瑕疵部分。利用本发明所述的瑕疵检测方法、系统及装置，可以对纺织品图像求取模板，并根据该求取的模板切割纺织品图像并实现瑕疵部分的检测，减少了人工的参与，提高了纺织品瑕疵检测自动化的能力，节约了成本，且检测方法适应性强，同时也减少了检测的时间复杂度。附图说明图1为本发明较佳实施例瑕疵检测系统的运行环境图；图2为本发明较佳实施例瑕疵检测方法的流程框图。图3为本发明较佳实施例呈周期变化规律的纺织品图像。图4为本发明较佳实施例水平方向及垂直方向的方差均值曲线图。图5为本发明较佳实施例分割后所得的纺织品图像。图6为本发明较佳实施例四邻域的示意图。图7为本发明较佳实施例瑕疵检测的中间过程图。图8为本发明较佳实施例求出的不同纺织品图像的瑕疵示意图。主要元件符号说明如下具体实施方式将结合上述附图进一步说明本发明。具体实施方式以下将结合附图所示的各实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构或功能上的变换均包含在本发明的保护范围内。参阅图1所示为本发明较佳实施例瑕疵检测系统的运行环境图。该瑕疵检测系统用于对纺织品图像中的瑕疵部分进行检测，以实现纺织品瑕疵的检测。所述瑕疵检测系统10运行于计算装置100中，该瑕疵检测系统10包括计算机化程序指令。该计算装置100可以为计算机、笔记本电脑或服务器等终端设备。所述计算装置100还包括处理器20、存储单元30、输入单元40及显示单元50。所述处理器20用于执行计算装置100中的程序指令。所述存储单元30用于存储计算装置100的数据。该存储单元30可以为内置于计算装置100中的存储装置(例如内存及硬盘等)，也可以为外接的存储设备(例如移动硬盘等)。本较佳实施例以存储单元30为内置于计算装置100中的存储装置为例进行介绍。所述瑕疵检测系统10存储于存储单元30中，并运行于处理器20上，由处理器20执行其计算机化程序指令。所述输入单元40可以为鼠标、键盘等输入设备，用于接收操作者输入的待检测的纺织品图像。所述显示单元50可以为显示屏等显示设备，用于显示待检测的纺织品图像及检测结果所对应的图像等。所述瑕疵检测系统10用于输入待检测的纺织品图像。该待检测的纺织品图像可由操作者经输入单元40进行输入，或从存储单元30中存储的待检测纺织品图像中进行选取。所述瑕疵检测系统10用于对输入的纺织品图像进行预处理操作。该预处理操作可以为灰度化处理，以将该输入的纺织品图像转换为灰度图像。所述预处理操作可减少纺织品图像后续计算及处理等的时间复杂度。所述瑕疵检测系统10用于计算经预处理操作的纺织品图像的模板大小。在本较佳实施例中，所述瑕疵检测系统10采用统计学方法计算模板大小。所述统计学方法计算模板大小的具体步骤如下：在纺织品图像的水平方向取步长c且在纺织品图像的垂直方向取步长r对纺织品图像进行均匀分割及边缘裁剪；将分割所得的分割图像叠加以形成一个三维矩阵，求取该三维矩阵水平方向及垂直方向的方差均值；获取所述方差均值在水平方向及垂直方向的极小值，并根据该水平方向及垂直方向的极小值求取纺织品图像的模板大小。当步长c为水平方向周期的整数倍时方差均值取得在水平方向的极小值，当步长r为垂直方向周期的整数倍时方差均值取得在垂直方向的极小值。在求取模板大小时，可以根据上述水平方向及垂直方向的极小值对r和c的取值遍历以求取最佳值作为模板大小；也可以令c＝纺织品图像的水平方向图像长度，先进行r的求解，然后再求解c，或是令r＝纺织品图像的垂直方向图像宽度，先进行c的求解，然后求解r，并获取r和c的最佳值作为模板大小。参阅图3所示，纺织品图像呈现明显的周期变化规律。对于一张含有周期性变化规律的纺织品图像X，图像大小设为Row×Col，Row表示纺织品图像垂直方向图像宽度，Col表示纺织品图像水平方向图像长度，该纺织品图像的模板大小未知。选取垂直方向步长为r，水平方向步长为c，将图像按照r×c大小的模板进行均匀分割以及边缘裁剪，其中垂直方向分为块，水平方向分为块，则得到I×J块r×c大小的分割图像。将得到的分割图像叠加，得到一个r×c×(I×J)的三维矩阵，并将其放入三维空间中，该三维空间的原点设为O。在rOc平面，各点竖直方向的方差可表示为S2(i,j)，其中1≤i≤r,1≤j≤c，计算三维矩阵水平方向及垂直方向的方差均值的公式如下：1r×cΣi=1rΣj=1cS2(i,j)---(1)]]>其中，1≤r≤Row2,1≤c≤Color1≤c≤Col2,1≤r≤Row]]>当且仅当步长为周期的正整数倍时，式(1)取得极小值。也就是说，当步长c为水平方向周期的整数倍时方差均值取得在水平方向的极小值，当步长r为垂直方向周期的整数倍时方差均值取得在垂直方向的极小值。针对式(1)的求解，可以考虑对r和c的取值遍历求取最佳值作为模板大小；也可以令c＝Col先进行r的求解，然后再求解c，或是令r＝Row先进行c的求解，然后求解r。实际操作中，第二种方法效率更高，速度更快。参阅图4所示，为纺织品图像在水平方向及垂直方向方差均值。从图3中可知方差均值在水平方向取得极小值的点为21、42、63、84；方差均值在垂直方向取得极小值的点为16、33、50、67、83，求取所得纺织品图像的模板大小为17×21。所述瑕疵检测系统10用于根据所述模板大小对纺织品图像进行分割，并获得多个区块。在本较佳实施例中，瑕疵检测系统10根据模板大小及纺织品图像的长度及宽度对纺织品图像进行裁剪，并根据模板大小将裁剪后的纺织品平均分割为多个大小相同的区块，及对每个区块进行编号。例如，纺织品图像大小为Row×Col，模板大小为r×c，令根据模板大小与I、J值裁剪纺织品图像；将裁剪后的纺织品图像，水平方向按照c像素大小平均分割，垂直方向按照r像素大小平均分割，以将图像分割为I×J块相同大小的区块，记为B(1,1)、B(1,2)、...、B(I,J)；对每一个区块编号，记为No.1、No.2.....。参阅图5所示为本发明较佳实施例中分割后所得的纺织品图像。所述瑕疵检测系统10用于计算各区块与所有区块的相关系数，并获得一个相关系数矩阵。在本较佳实施例中，以获得的区块为B(1,1)、B(1,2)、...、B(I,J)进行介绍，所述瑕疵检测系统10计算B(1,1)与B(1,1)、B(1,2)、...、B(I,J)，B(1,2)与B(1,1)、B(1,2)、...、B(I,J)，……，B(I,J)与B(1,1)、B(1,2)、...、B(I,J)的相关系数并保存到一个矩阵中。相关系数的计算方法如式(2)：Re=ΣmΣn(Amn-A‾)(Bmn-B‾)(ΣmΣn(Amn-A‾)2)(ΣmΣn(Bmn-B‾)2)---(2)]]>在式(2)中，Re表示相关系数，A、B表示两个大小为m×n的矩阵，表示矩阵中元素的均值：A‾=1m×nΣi=1mΣj=1nA(i,j),B‾=1m×nΣi=1mΣj=1nB(i,j).]]>在相关系数计算完成后，所述瑕疵检测系统10得到一个(I×J)×(I×J)的矩阵以保存相关系数，记为相关系数矩阵C，C中每一个元素表示为C(x,y)，其中1≤x≤(I×J)，1≤y≤(I×J)。所述瑕疵检测系统10用于根据所述相关系数矩阵计算可达矩阵，并根据该可达矩阵确定纺织品图像中的瑕疵部分。所述获取瑕疵部分的具体步骤如下：计算各区块四邻域内与其他区块相关系数的最小值，将该计算所得最小值存储至最小值矩阵中，并根据该最小值矩阵的中位数确定自适应阈值T；根据该自适应阈值T对所述相关系数矩阵中的每个元素进行阈值判断，并获得阈值判断后的相关系数矩阵；对该阈值判断后的相关系数矩阵进行逻辑运算以获得可达矩阵，根据该可达矩阵实现纺织品图像无暇部分与瑕疵部分的分类；获取瑕疵部分所对应的编号，并确定纺织品图像中的瑕疵部分。在本较佳实施例中，以获取的区块为B(1,1)、B(1,2)、...、B(I,J)进行介绍。观察分割后的纺织品图像可以发现，在进行分割的过程中会发生若干像素的细微的偏差，造成这种情况的原因是纺织品在水平和垂直方向发生了拉伸，为了减少拉伸对最后结果造成的偏差，常考虑邻域对区块的影响。所述瑕疵检测系统10计算每一个区块四邻域内与其他区块相关系数的最小值，并将该计算所得最小值存储至最小值矩阵R中，其大小为I×J，并取矩阵中位数作为自适应阈值T。四邻域的位置参阅图6所示。假设当前区块为B(i,j)，其中2≤i≤I-1，2≤j≤J-1，计算该区块B(i,j)与B(i-1,j)、B(i+1,j)、B(i,j-1)、B(i,j+1)的相关系数分别记为Re1,Re2,Re3,Re4，取R(i,j)＝min{Re1,Re2,Re3,Re4}，计算规则需要根据i、j的变化发生改变，计算完成之后得到一个最小值矩阵R，大小为I×J，取矩阵中位数作为自适应阈值T。所述瑕疵检测系统10根据所述自适应阈值T对所述相关系数矩阵中的每个元素进行阈值判断。所述阈值判断的步骤如下：对于相关系数矩阵C中各元素，若C(x,y)≤T，则将该元素记为0，反之则将该元素记为1，获得阈值判断后的相关系数矩阵TC。该矩阵TC与相关系数矩阵C一样，同为(I×J)×(I×J)大小的矩阵，该矩阵TC是一个只有0和1元素的矩阵，且对角线元素为1。所述瑕疵检测系统10根据阈值判断后的相关系数矩阵进行逻辑运算以获得可达矩阵，并根据该可达矩阵实现纺织品图像无暇部分与瑕疵部分的分类。可达矩阵的计算方法如下：对阈值判断后的相关系数矩阵TC进行逻辑运算：Pk＝logical(TCk)(3)，k＝0，1，2，...，(I×J)，当Pk+1＝Pk时结束，Pk即为所求的可达矩阵。(3)式中logical运算代表将矩阵TC变成逻辑矩阵，即将矩阵TC中大于0的数值均记为1，等于0的数值保持不变；TCk代表矩阵TC内每个元素经过k步跳转得到的结果。当k值变大时无瑕疵部分的值会固定为1，瑕疵部分的值会固定为0，从而实现无瑕部分与瑕疵部分的分类。参阅图7所示为针对图5检测的中间过程图，图7的中间图像代表的是通过矩阵TC求取的可达矩阵，在次数较高的时候无暇部分及瑕疵部分分类的效果，黑色线形部分代表无法进入类中的部分，也就是瑕疵部分。图7的右边图像代表的是水平方向黑色部分对应的编号，也就是瑕疵部分所在区块对应的编号，根据该编号即可确定瑕疵部分的位置。不同类型纺织品的瑕疵检测效果图参阅图8所示，该瑕疵检测效果图显示于现实单元50上。参阅图2所示为本发明较佳实施例瑕疵检测方法的流程框图。步骤S10，所述瑕疵检测系统10输入待检测的纺织品图像，并对输入的纺织品图像进行预处理操作。该预处理操作可以为灰度化处理，以将该输入的纺织品图像转换为灰度图像。步骤S20，所述瑕疵检测系统10计算经预处理操作的纺织品图像的模板大小。在本较佳实施例中，所述瑕疵检测系统10采用统计学方法计算模板大小。所述统计学方法计算模板大小的具体步骤如下：在纺织品图像的水平方向取步长c且在纺织品图像的垂直方向取步长r对纺织品图像进行均匀分割及边缘裁剪；将分割所得的分割图像叠加以形成一个三维矩阵，求取该三维矩阵水平方向及垂直方向的方差均值；获取所述方差均值在水平方向及垂直方向的极小值，并根据该水平方向及垂直方向的极小值求取纺织品图像的模板大小。当步长c为水平方向周期的整数倍时方差均值取得在水平方向的极小值，当步长r为垂直方向周期的整数倍时方差均值取得在垂直方向的极小值。在求取模板大小时，可以根据上述水平方向及垂直方向的极小值对r和c的取值遍历以求取最佳值作为模板大小；也可以令c＝纺织品图像的水平方向图像长度，先进行r的求解，然后再求解c，或是令r＝纺织品图像的垂直方向图像宽度，先进行c的求解，然后求解r，并获取r和c的最佳值作为模板大小。步骤S30，所述瑕疵检测系统10根据所述模板大小对纺织品图像进行分割，并获得多个区块。在本较佳实施例中，瑕疵检测系统10根据模板大小及纺织品图像的长度及宽度对纺织品图像进行裁剪，并根据模板大小将裁剪后的纺织品平均分割为多个大小相同的区块，及对每个区块进行编号。步骤S40，所述瑕疵检测系统10计算各区块与所有区块的相关系数，并获得一个相关系数矩阵。步骤S50，所述瑕疵检测系统10根据所述相关系数矩阵计算可达矩阵，并根据该可达矩阵确定纺织品图像中的瑕疵部分。所述获取瑕疵部分的具体步骤如下：计算各区块四邻域内与其他区块相关系数的最小值，将该计算所得最小值存储至最小值矩阵中，并根据该最小值矩阵的中位数确定自适应阈值T；根据该自适应阈值T对所述相关系数矩阵中的每个元素进行阈值判断，并获得阈值判断后的相关系数矩阵；对该阈值判断后的相关系数矩阵进行逻辑运算以获得可达矩阵，根据该可达矩阵实现纺织品图像无暇部分与瑕疵部分的分类；获取瑕疵部分所对应的编号，并确定纺织品图像中的瑕疵部分。应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。当前第1页1 2 3