景的织物起毛起球区域图像。
[0039] 图5为先采用OTSU方法获得图4所示图像的分割阈值T，再用0. 8XT作为阈值对 图4所示图像进行分割，获得的二值图像。
[0040] 图6为对图4所示图像进行Gabor滤波后得到的图像。
[0041] 图7为对图6所示图像进行启发式全局阈值分割后得到的二值图像。
[0042] 图8为将图7所示图像中和图5所示图像中像素值为零的坐标点相对应的像素值 置〇后，得到的去除毛球阴影后的毛球二值图像。
【具体实施方式】
[0043] 下面结合实例，对本发明作进一步说明。
[0044] 步骤1 :依据全国纺织品标准化技术委员会发布的GB/T 4802. 1-2008《织物起毛 起球性能的测定第1部分圆轨迹法》进行织物起毛起球实验，并采用DCP-7010激光多功能 一体机扫描获得织物起毛起球图像，本实施例所示的是精梳棉织物，如图1所示；
[0045] 从图1可以看出，扫描过程获得的非织物背景噪声为白色，为了能看清背景噪声 范围，在图1上按图像大小加了一个黑色边框线的文本框。
[0046] 步骤2 :提取织物起毛起球图像的织物区域，去除织物起毛起球采集过程引入的 非织物背景影响；
[0047] 提取织物起毛起球图像织物区域的具体步骤为：
[0048] 步骤2. 1 :对织物起毛起球图像采用最大类间方差法（简称OTSU)进行二值分割 获得二值图像；
[0049] 步骤2. 2 :对步骤2. 1获得的二值图像进行最大尺寸为7 X 7像素的自适应中值滤 波获得滤波后的织物起毛起球图像，如图2所示；
[0050] 自适应中值滤波用于去除团、块状噪声，同时将边缘等细节信息有效保留下来。
[0051] 步骤2. 3 :对步骤2. 2获得的滤波后的织物起毛起球图像进行Sobel边缘检测，获 得边缘图像；
[0052] 步骤2. 4 :再对步骤2. 3获得的边缘图像进行检测圆形的Hough变换，检测出的圆 上的点如图3所示，同时获得圆形织物区域的圆心（Χ(ι，％)和半径R，按公式（1)计算圆形 织物区域的最大内接正方形四个顶点坐标（X niin, ynin)、（Xniin, y_)、（x_，Yniin)、（x_，y_);
[0053] Xmin= x 0-R cos45°
[0054] Xniax= x 0+R cos45°
[0055] Ymin= y 〇-R sin45°
[0056] ymax= y O+R sin45。 (I)
[0057] 公式⑴中的1_、^、7_、7_分别为构成圆形织物区域内接最大正方形四个顶 点坐标的横坐标最小值、横坐标最大值及纵坐标最小值、纵坐标最大值。
[0058] 步骤2. 5 :依据步骤2. 4获得的圆形织物区域的最大内接正方形四个顶点坐标裁 剪步骤1获得的织物起毛起球图像，获取去除了非织物背景噪声、仅含织物区域的织物起 毛起球图像，如图4所示，可采用Matlab的imcrop命令实现。
[0059] 因为图像在存储时都只能以矩阵的方式存放，圆形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，圆外补充数据即背景图像，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，因此图像需要剪切成正方形或者矩形，从而避免增加干扰 的补充数据。
[0060] 步骤3 :织物毛球阴影提取以及织物噪声去除，具体为：
[0061] 步骤3. 1 :利用OTSU方法获得步骤2. 5处理后得到的仅含织物区域的织物起毛起 球图像的分割阈值T，再以0. 8*T作为阈值对仅含织物区域的织物起毛起球图像（图4)进 行二值分割，获得体现织物毛球阴影的二值图，如图5所示；
[0062] 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 以〇. 8作为分割阈值，不仅能将毛球阴影部分分割成用像素值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。
[0063] 步骤3. 2 :采用如公式⑵所示的偶对称二维Gabor滤波器对步骤2. 5获得的仅 含织物区域的织物起毛起球图像进行滤波，获得滤波后的图像，如图6所示；
[0064] 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。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、去除方法。
[0066]
[0065] 式⑵中的Θ为角度，表示滤波器的方向，Su、δν分别为高斯包络在 u、v轴的标 准差，其中u平行于θ，V轴垂直于θ，ω则表示频率。
【主权项】
1. 一种基于Gabor滤波的织物毛球密度检测方法，其特征在于，包括以下步骤： (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； (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； (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； (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； (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； (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。
2. 如权利要求1所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，步骤 (1) 中，所述去除背景及边缘区域包括以下步骤： A、 对织物样本图像进行二值分割，获得二值化图像； B、 对步骤A中所述二值化图像进行自适应中值滤波； C、 对滤波后的图像进行边缘检测，获得边缘图像； 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。
3. 如权利要求2所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，步骤A 中，所述二值分割采用最大类间方差法。
4. 如权利要求2所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，步骤B 中，自适应中值滤波的尺寸为7X7像素。
5. 如权利要求2所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，步骤C 中，所述边缘检测为Sobel边缘检测。
6. 如权利要求2所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，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。
7. 如权利要求2所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，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aXT，T为步骤A二值分割 的阈值，a = 0. 65-0. 8。
8. 如权利要7所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，a = 8。
9. 如权利要求1所述的基于Gabor滤波的织物毛球密度检测方法，其特征在于，步骤 (4)中，采用启发式全局阈值分割法。
【专利摘要】本发明公开了一种基于Gabor滤波的织物毛球密度检测方法，包括以下步骤：取织物样本图像，去除图像的背景及边缘区域；对所述经预处理的图像进行二值分割，提取织物毛球阴影；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；对所述滤波后的图像进行二值分割，提取织物毛球和织物毛球阴影；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，提取织物毛球；计算第三二值化图像中织物毛球与织物区域图像总面积相比的比值，得到织物毛球密度；本发明能实现有效、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等级评定过程，提高了织物起毛起球等级评定过程的自动化程度。
【IPC分类】G06T7-00, G06T5-00
【公开号】CN104657983
【申请号】CN201510027541
【发明人】韩永华
【申请人】浙江理工大学
【公开日】2015年5月27日
【申请日】2015年1月20日