一种基于Gabor滤波的织物毛球密度检测方法
【技术领域】
[0001] 本发明涉及图像处理以及识别技术，特别涉及一种基于Gabor滤波的织物毛球密 度检测方法。
【背景技术】
[0002] 织物在穿着、洗涤过程中，因摩擦会起毛起球，影响外观、降低织物服用性能，因此 织物起毛起球等级评定在生产质量控制和外贸检验方面显得尤为重要。传统起毛起球等级 评定方法主要依赖人工，具有很强的主观性，评定结果易受评定者生理、心理及社会环境影 响。
[0003] 随着计算机技术在纺织行业的广泛应用，国内外研宄人员开始利用计算机数字图 像处理技术对该方面做相关研宄。其中一类采用傅里叶变换，将织物起毛起球图像变换至 频域来分析、利用织物纹理的周期性去除织物纹理影响，但傅立叶变换不能表达局部信息， 只有变化很强的全局周期信息才能体现在频谱图中，因此往往存在纹理去除不干净、非周 期噪声不能滤除的弊端；还有一类方法是在空间域利用颜色信息实现织物毛球提取，完成 评定过程，这类方法对织物纹理变化敏感、仅适用于某类特定织物。
[0004] 目前，采用小波变换去噪进行织物起毛起球评定的方法，既能体现频率信息又 能体现空间域信息，是所有织物起毛起球等级评定方法中效果最好的一种，公布号CN 104021561 A公开了一种基于小波变换及形态学运算的织物起毛起球图像分割方法，首先 将采集的织物起毛起球图像进行直方图均衡化，然后进行8级小波多分辨率分解；再将表 达最高频信息的第一、第二级小波分解层及表达低频信息的小波近似分解层系数置零后重 构图像；然后用最大类间方差法将重构后的图像二值化，再依次用水平、45度、垂直、135度 方向的线形结构元对图像进行腐蚀操作；最后再对腐蚀后图像依次进行膨胀操作，膨胀操 作和腐蚀操作应用结构元顺序相反，即依次为135度、垂直、45度、水平方向的线形结构元。
[0005] 但在应用小波变换过程中，如果织物纹理或织物毛球所在小波分解层定位错误， 或织物粗糙度判断错误、或因较粗糙织物纹理会在小波较高频率的各小波分解层上都留下 信息而会导致纹理去除不净、毛球信息丢失等问题。
[0006] 还有研宄者采用本发明提出的Gabor滤波器进行织物起毛起球等级评定，但没有 考虑不规则毛球成像时产生的阴影对毛球提取的影响，尤其由专业研宄机构提供的织物起 毛起球标准样照中的不规则形状毛球往往有明显的毛球阴影，在采用Gabor滤波器处理图 像时，这些阴影会因朝向、变化周期和织物纹理不同，而被作为毛球的一部分保留下来，影 响了起毛起球等级的准确评定。
【发明内容】
[0007] 本发明提供了一种基于Gabor滤波的织物起毛起球等级检测方法，克服现有技术 的基于Gabor滤波的织物起毛起球等级评定方法不能有效去除织物毛球阴影影响的缺点， 提尚等级评定精度。
[0008] -种基于Gabor滤波的织物毛球密度检测方法，包括以下步骤：
[0009] (1)取织物样本图像，去除图像的背景及边缘区域，获得经预处理的图像；
[0010] (2)对所述经预处理的图像进行二值分割，获得体现织物毛球阴影的第一二值化 图像；
[0011] (3)采用偶对称二维Gabor滤波器对所述经预处理的图像进行滤波，获得滤波后 的图像；
[0012] (4)对所述滤波后的图像进行二值分割，获得体现织物毛球和织物毛球阴影的第 二二值化图像；
[0013] (5)根据第一二值化图像，将第二二值化图像中的织物毛球阴影去除，获得体现织 物毛球的第三二值化图像；
[0014] (6)计算第三二值化图像中织物毛球面积与织物区域图像总面积的比值，得到织 物毛球密度。
[0015] Gabor滤波器属于加窗傅立叶变换，和傅立叶变换相比，能很好的描述待处理信息 对应的空间频率、空间位置及方向性等局部结构信息，能实现最优局部化，是很好的纹理表 达、描述和去除方法。采用Gabor滤波器处理织物时，织物局部纹理频率和滤波器覆盖部 分的频率越接近，产生的响应越大，反之就越小。而和纹理相比，毛球和毛球阴影的形状、 朝向、变化周期都是不规则的，织物纹理与毛球和毛球阴影相比具有明显的周期性及方向 性，而毛球和毛球阴影大小、朝向和Gabor滤波器覆盖区域吻合的概率几乎为零，因此采用 Gabor滤波滤除纹理时，毛球、毛球阴影信息被完整地保留下来。
[0016] 本发明方法在现有的基于Gabor滤波的织物起毛起球的检测方法上，对得到的二 值图像进行去毛球阴影，克服基于Gabor滤波的织物起毛起球等级评定方法不能有效去除 织物毛球阴影影响的缺点，实现能有效、稳定去除织物纹理、毛球阴影影响，且对毛球大小、 织物类型都不敏感的、更为客观地织物起毛起球密度检测方法。
[0017] 进一步优选的，步骤（1)中，所述去除背景及边缘区域包括以下步骤：
[0018] A、对织物样本图像进行二值分割，获得二值化图像；
[0019] B、对步骤A中所述二值化图像进行自适应中值滤波；
[0020] C、对滤波后的图像进行边缘检测，获得边缘图像；
[0021] D、在边缘图像中作一正方形，去除织物样本图像正方形外的部分。
[0022] 由于图像在存储时都只能以矩阵的方式存放，因此圆形排列或者不规则排列的数 据在存放时需在圆外补充数据变成方形矩阵后存储，而补充后的数据会对后续织物图像毛 球的提取操作产生影响，因此，通过上述操作，可以有效去除背景及边缘区域，提高检测的 准确性，并且使用自适应中值滤波去除团、块状噪声，同时将边缘等细节信息有效保留下 来。
[0023] 进一步优选的，步骤A中，所述二值分割采用最大类间方差法，简称为OTSU方法。
[0024] 进一步优选的，步骤B中，自适应中值滤波的尺寸为7X7像素。
[0025] 为了简化计算过程，优选的，步骤D中，所述矩形为正四边形。
[0026] 为了便于获得所述的正四边形，优选的，步骤D中，边缘图像内作一正方形的方法 为：对边缘图像进行检测圆形的Hough变换，在圆形图像内作最大内接正方形。
[0027] 进一步优选的，步骤C中，所述边缘检测为Sobel边缘检测。
[0028] 优选的，步骤（2)中，采用最大类间方差法进行二值分割，二值分割的阈值为 aX T，T为步骤A二值分割的阈值，a = 0· 65-0. 8。
[0029] 毛球阴影与毛球和织物纹理相比，亮度明显要暗，利用OTSU方法获得的阈值T，乘 以a作为分割阈值，不仅能将毛球阴影部分分割成用像素值为0表示的背景，还能有效避免 将毛球错分为背景，而造成毛球信息的丢失。
[0030] 进一步优选的，a = 8。经过试验得到，当a = 8时，可以得到显示效果最好的毛球 阴影图像。
[0031] 进一步优选的，步骤（4)中，采用启发式全局阈值分割法。
[0032] 本发明的有益效果：
[0033] 本发明的基于Gabor滤波的织物毛球密度检测方法，不仅克服人工织物起毛起球 评定方法主观性强，评定结果易受评定者生理、心理及社会环境影响的缺点，同时还克服目 前基于小波变换方法进行的织物起毛起球评定方法一旦出现织物毛球层或织物粗糙度判 定错误就会出现纹理去除不净、毛球信息丢失或基于Gabor滤波的织物起毛起球等级评定 方法不能去除织物毛球阴影影响的缺点。
[0034] 本发明还克服基于傅里叶变换、颜色信息分割等织物起毛起球评定方法存在的织 物纹理去除不干净、仅适用于某类织物的缺点，能有效、稳定去除织物纹理、毛球阴影影响， 且对毛球大小、织物类型都不敏感的客观的织物起毛起球评定过程，简化了织物区域提取 过程并提高了织物起毛起球评定过程的自动化程度。
【附图说明】
[0035] 图1为扫描获得的织物起毛起球灰度图像。
[0036] 图2对图1进行OTSU(最大类间方差法）分割并中值滤波后获得的二值图像。
[0037] 图3为对图2进行Sobel边缘检测，获得边缘图像，再对边缘图像进行Hough变换 检测圆形织物区域后的图像，图上显示获得的圆上的点。
[0038] 图4为依据Hough变换圆检测算法获得的圆心和半径裁剪图1所不图像得到的不 包含非织物背