一种基于形态学分析的布匹瑕疵检测方法
【专利摘要】本发明公开了一种基于形态学分析的布匹瑕疵检测方法，采用线阵相机对运动中的布匹进行图像采集，通过对布匹灰度图像进行，获取布匹相邻组织点间距，作为结构元素大小参考值；接着进行形态学闭操作，填充常规的织点缝隙，瑕疵处的织点数偏少且不规律，在亮度上被突显出来；最后，对图像进行二值化处理，其阈值的确定通过灰度幂次变换的γ训练选取进行控制，统计并标注二值瑕疵图，输出瑕疵信息，完成布匹的瑕疵检测过程。本发明方法结构更加准确简单，提高了计算速度；能够减弱背景亮度不均的干扰；便于实现自动检测。
【专利说明】—种基于形态学分析的布匹瑕疵检测方法
【技术领域】
[0001]本发明涉及一种织物的检测方法，具体涉及一种布匹的瑕疵检测方法，尤其是一种基于形态学分析的布匹瑕疵检测方法。
【背景技术】
[0002]在纺织品生产过程中，质量控制和检测是非常重要的，布匹瑕疵检测是其中尤为关键的组成部分。目前，大部分纺织企业的检测方式仍是人工检测，这种方式检测速度低，易受检测员主观因素的影响，误检、漏检的情况多有发生，并且国内劳动力成本越来越高，因而人工检测越来越满足不了现代制造企业的要求。以先进的自动检测技术代替人工检测，能很好地提高检测效率、减小劳动力、降低劳动强度和进一步提高布匹的质量。
[0003]目前，市场上有以比利时Barco公司的Cyclops验布系统、以色列Evs公司的1-TEX2000验布系统、瑞士 Uster公司的Fabri scan布匹品质自动检测系统等为主的布匹检测系统。上述设备大多价格十分昂贵，国内的纺织企业多数难以承担。
[0004]现有技术中，布匹瑕疵检测方法大致分为3类:基于统计法、基于模型法和基于谱分析法。较为经典的方法有:基于统计的灰度共生矩方法、基于谱分析的傅里叶变换方法、小波变换方法、Gabor滤波器方法和基于模型的马尔科夫随机场方法。其中，常用的检测算法是基于谱分析的方法或与其他方法的结合，这些方法通过空间域与频域的转换，提取相关特征信息，但涉及频域的方法计算量较大，域间来回转换使部分信息的准确性难以保证。
[0005]随着线阵相机的发展，高速采集高分辨率图像成为可能，再加上空间域的直观性的优势，这为发展一些新的基于空间域的瑕疵检测方法提供了基础。
【发明内容】
[0006]本发明的发明目的是提供一种基于形态学分析的布匹瑕疵检测方法，以降低对布匹瑕疵进行自动检测的成本，替代国内普遍使用的人工检测手段。
[0007]为达到上述发明目的，本发明采用的技术方案是:一种基于形态学分析的布匹瑕疵检测方法，包括如下步骤:
(1)、采用线阵相机对运动中的布匹进行图像采集，获取位深度为8的布匹灰度图像；
(2)、将布匹灰度图像进行基本亮度拉伸、二值化处理，统计组织点分布数目，并计算出布匹相邻组织点间距r，作为结构元素大小参考值；
(3)、根据瑕疵类型选取结构元素，对于呈近似圆形的瑕疵，所述结构元素取为半径为r的圆盘结构，对于线型的瑕疵，所述结构元素取为边长为r的方形结构；
(4)、对原布匹灰度图像通过顶、底帽变换进行对比度拉伸，同时减弱环境光对图像的影响；
(5)、采用形态学中膨胀、腐蚀的方式对对比度拉伸后的灰度图像进行处理，先膨胀再腐蚀，以填充常规组织点间的暗色缝隙，与瑕疵处形成亮度上的对比；
(6)、对(5)所得图像用灰度幂次变换进行负片操作，使瑕疵部分成为亮色主体，同时训练调整灰度幂次变换中的f值，对灰度值进行拉伸压缩，直至同一环境亮度下完好部分与瑕疵部分灰度值分布于127.5两侧；
(7)、对(6)所得图像进行以127.5为阈值的二值化处理，并作结构元素大小为r的膨胀运算，对瑕疵进行凹陷填充； (8)、在二值化处理后的图像中，对于取值为I的点利用八连通的方式进行标注连通，连通区域的数目即为瑕疵个数；统计每个连通区域内包含的像素之和为该瑕疵的面积，计算连通区域的质心为该瑕疵的中心位置，由此实现布匹瑕疵的检测。
[0008]上述技术方案中，首先对输入图像进行基本二值化操作，分析获取布匹相邻织点距离，为后续形态学处理提供结构元素大小；然后用顶帽变换的方式灰度值的拉伸，增强图像对比度，使其不局限于较小的灰度范围；接着进行形态学闭操作，填充常规的织点缝隙，瑕疵处的织点数偏少且不规律，在亮度上被突显出来；最后，对图像进行二值化处理，其阈值的确定通过灰度幂次变换中Y值的训练调整进行控制，统计并标注二值瑕疵图，输出瑕疵信息，完成布匹的瑕疵检测过程。
[0009]上述技术方案中，步骤(2)中，直接从空间域角度用几何方式，统计其组织点数，从而计算出相邻组织点间的距离，作为形态学结构元素大小的参考值。
[0010]步骤￠)中，训练f值代替二值化的阈值。在进行负片操作的时候进行灰度调整，
灰度调整的方式为幂次变换，/、Λ分别为变换前后的灰度图像，则Ii = IifLfc、Y为正常
数，fc取为1，Y值由对无瑕疵图像的训练调整得到。
[0011]由于上述技术方案运用，本发明与现有技术相比具有下列优点:
本发明从空间域角度通过对图像的结构分析采用数学形态学的方法解决了瑕疵检测这一复杂的现实问题。其难点在于形态学结构元素的大小的确定，结构元素的选取是保证形态学运算准确性的关键，本发明用线阵高清相机采集图像，布匹组织点结构清晰，利用几何知识便可计算出结构元素的取值参考值，而不用转换到频域来计算相关尺度参数，并且本方法结构更加准确简单，提高了计算速度；另本发明在进行对比度拉伸时，并不是使用一般的亮度变换，而是采用顶、底帽变换方式，因为在进行顶帽变换时能够减弱背景亮度不均的干扰；再者，本发明将二值化处理时的阈值的设定转化为灰度幂次变换时Y值的选取，不同图像阈值不同的原因是环境亮度改变影响图像灰度值，则从灰度角度来对这一变量进行控制，处理结果会更准确。
【专利附图】
【附图说明】
[0012]图1是本发明实施例中基于形态学分析的布匹瑕疵检测方法流程图；
图2-图6是实施例中采集的常见不同环境亮度时布匹瑕疵样本图像；
图7-图12是以图4为例的瑕疵检测过程图像；
图13-16是常见的布匹瑕疵图像的检测结果输出图像。
【具体实施方式】[0013]下面结合附图及实施例对本发明作进一步描述:
实施例一:参见图1所示，为基于形态学分析的布匹瑕疵检测方法研究的流程图。首先利用对采集的图像计算结构元素，用形态学方式增强对比度、闭操作填充组织点缝隙，进行压缩性负片运算后二值化，统计标记瑕疵输出相关信息。
[0014]如图2至图6是本发明采集的典型瑕疵图像，以下以图4为例对检测算法进行具体阐述:
1、计算结构元素大小
首先计算所采集布匹图像的相邻组织点间距，当布匹图像较大时，可以对布匹图像进行样本分割采集，如截取长为a=500、宽为b=200的大致均为分布于原图中的4块样本图像，如图7所示。
[0015]将样本图像进行线性亮度拉伸，使得图像灰度值覆盖于O-255，以127.5为阈值作二值化处理，则图像中组织点表现为白色亮点(值为I)。用八连通的方式对标记值为I的点标记连通分量，统计得500X200像素的各样本组织点分布数目平均值为n=1376，则计算
出布匹相邻组织点间距的公式为
【权利要求】
1.一种基于形态学分析的布匹瑕疵检测方法，其特征在于，包括如下步骤: (1)、采用线阵相机对运动中的布匹进行图像采集，获取位深度为8的布匹灰度图像； (2)、将布匹灰度图像进行基本亮度拉伸、二值化处理，统计组织点分布数目，并计算出布匹相邻组织点间距r，作为结构元素大小参考值； (3)、根据瑕疵类型选取结构元素，对于呈近似圆形的瑕疵，所述结构元素取为半径为r的圆盘结构，对于线型的瑕疵，所述结构元素取为边长为r的方形结构； (4)、对原布匹灰度图像通过顶、底帽变换进行对比度拉伸，同时减弱环境光对图像的影响； (5)、采用形态学中膨胀、腐蚀的方式对对比度拉伸后的灰度图像进行处理，先膨胀再腐蚀，以填充常规组织点间的暗色缝隙，与瑕疵处形成亮度上的对比； (6)、对(5)所得图像用灰度幂次变换进行负片操作，使瑕疵部分成为亮色主体，同时训练调整灰度幂次变换中的Y值，对灰度值进行拉伸压缩，直至同一环境亮度下完好部分与瑕疵部分灰度值分布于127.5两侧； (7)、对(6)所得图像进行以127.5为阈值的二值化处理，并作结构元素大小为r的膨胀运算，对瑕疵进行凹陷填充； (8)、在二值化处理后的图像中，对于取值为I的点利用八连通的方式进行标注连通，连通区域的数目即为瑕疵个数；统计每个连通区域内包含的像素之和为该瑕疵的面积，计算连通区域的质心为该瑕疵的中心位置，由此实现布匹瑕疵的检测。
2.根据权利要求1所述的基于形态学分析的布匹瑕疵检测方法，其特征在于:步骤(2)中，直接从空间域角度用几何方式统计其组织点数，从而计算出相邻组织点间的距离，作为形态学结构元素大小的参考值。
3.根据权利要求1所述的基于形态学分析的布匹瑕疵检测方法，其特征在于:步骤(6)中，训练Y值代替二值化的阈值；在进行负片操作的时候进行灰度调整，灰度调整的方式为幂次变换,/、ft分别为变换前后的灰度图像，则A =、Y为正常数，fc取为1，Y值由对无瑕疵图像的训练调整得到。
【文档编号】G06T7/00GK103456021SQ201310437747
【公开日】2013年12月18日 申请日期:2013年9月24日 优先权日:2013年9月24日
【发明者】何志勇, 胡佳娟, 孙立宁, 翁桂荣, 左保齐 申请人:苏州大学