用于纺织品漂白工艺的漂白质量识别方法与流程

1.本技术涉及数据识别技术领域，具体涉及用于纺织品漂白工艺的漂白质量识别方法。


背景技术：

2.纺织品在进行染色工艺之前，需先对纺织品进行漂白，将其纤维上的天然色素去除。若色素未漂白或漂白不均匀，均会影响后续染色的质量，因此在漂白后需对纺织品漂白的质量进行评估。现有技术中多通过人工检查的方式进行漂白的质量进行评估，若未漂白的色素点较小或漂白不均匀的区域色差小，依靠肉眼识别无法得到准确的评估结果。


技术实现要素：

3.针对上述技术问题，本发明提供了一种用于纺织品漂白工艺的漂白质量识别方法，包括：获得漂白后纺织品的正上方图像的灰度图像，并以所述灰度图像中的每一像素点为中心，分别建立预设边长的区域。
4.分别将每个区域中频数最大的灰度值作为每个区域中心像素点的亮度，获得所述灰度图像中所有像素点的亮度，根据不同亮度在所有像素点的亮度中出现的频率获得漂白均匀度。
5.利用灰度值箱形图判断每个所述区域中每个像素点是否为异常点，根据每个所述区域中每个像素点的是否为异常点，获得每个所述区域中每个像素点的区域瑕疵概率，并根据所述灰度图像中每一像素点在包含该像素点的所有所述区域中的区域瑕疵概率，分别获得所述灰度图像中每一像素点的疵点概率。
6.将所述灰度图像中所述瑕疵概率大于预设概率阈值的像素点作为疵点，并将处在八邻域的所述疵点合并为同一个疵块，得到所述第一灰度图像中所有疵块，分别将每一疵块中疵点的个数作为每一疵块的大小。
7.根据所述漂白均匀度以及所述灰度图像中疵块的大小，获得所述灰度图像的漂白完成度，判断所述漂白完成度是否大于预设完成度阈值，若判断结果为是，则纺织品的漂白质量合格，若判断结果为否，则纺织品的漂白质量不合格。
8.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，根据不同亮度在所有像素点的亮度中出现的频率获得漂白均匀度，包括：漂白均匀度，其中表示灰度图像中第个亮度，表示灰度图像所有像素点的亮度中出现的频率。表示灰度图像中第个亮度，表示表示灰度图像所有像素点的亮度值中亮度值出现的次
数，为所述灰度图像的宽度，为所述灰度图像的高度，exp（exponential，指数曲线)是指以自然常数e为底的指数函数。
9.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，根据所述灰度图像中每一像素点在包含该像素点的所有所述区域中的区域瑕疵概率，分别获得所述灰度图像中每一像素点的疵点概率，包括：灰度图像中某一像素点的疵点概率，其中表示该像素点在包含该像素点的第个区域中的区域瑕疵概率,，为包含该像素点的第个区域的权重系数，其中、表示包含该像素点的第个区域中第行第列，为区域内各像素点到中心像素点之间距离的方差，，为所述区域的预设边长。
10.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，根据所述漂白均匀度以及所述灰度图像中疵块的大小，获得所述灰度图像的漂白完成度，包括：漂白完成度，为疵块数目，表示所述灰度图像中最大的疵块的大小, 为漂白均匀度。
11.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，利用灰度值箱形图判断每个所述区域中每个像素点是否为异常点，包括：对于某个所述区域中，根据该区域中所有像素点的灰度值，绘制像素值分布箱形图，该区域中灰度值在所述像素值分布箱形图范围外的像素点为异常点。
12.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，根据每个所述区域中每个像素点的是否为异常点，获得每个所述区域中每个像素点的区域瑕疵概率，包括：当每个所述区域中某个像素点为异常点时，该像素点的区域瑕疵概率为，当每个所述区域中某个像素点不是异常点时，该像素点的区域瑕疵概率为，其中为预设第一概率，为预设第二概率。
13.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，以所述灰度图像中的每一像素点为中心，分别建立预设边长的区域前，还包括：将所述灰度图像四周的行和列向外扩展，扩展的行或列的像素灰度值与相邻行或相邻列的像素灰度值相同，使得恰好能以所述灰度图像中边缘的像素点为中心建立预设边长的区域。
14.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，获得漂白后纺织品的正上方图像的灰度图像，包括：将所述纺织品的正上方图像中像素点在rgb三个通道中像素值的最大值，作为所述灰度图像中的像素点的灰度值。
15.进一步的，所述用于纺织品漂白工艺的漂白质量识别方法，获得漂白后纺织品的正上方图像的灰度图像，还包括：对所述纺织品的正上方图像先膨胀后腐蚀。
16.相比于现有技术，本发明的有益效果在于：通过对采集到的漂白后的纺织品的表面图像进行分析和处理，实现对纺织品漂白质量的评估，操作过程简便，克服了肉眼识别及评价的主观性，提高了对漂白质量的评估效率的，同时保证了评估结果的准确性。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1是本发明实施例提供的一种用于纺织品漂白工艺的漂白质量识别方法的流程示意图。
具体实施方式
19.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
21.术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
22.本发明所针对的具体场景为：纺织品在进行染色工艺前对纺织品漂白的质量进行评估。
23.本发明实施例提供了一种用于纺织品漂白工艺的漂白质量识别方法，如图1所示，包括：101、获得漂白后纺织品的正上方图像的灰度图像，并以灰度图像中的每一像素点为中心，分别建立预设边长的区域。
24.具体的，本实施例需要根据纺织品的图像特征计算纺织品漂白完成度，所以需要先采集纺织品图像，在漂白后的纺织品上方放置相机，拍摄纺织品的正上方图像，拍摄得到的图像中仅包含纺织品，不包含其他区域，且图像尺寸为。将纺织品的正上方图像中像素点在rgb三个通道中像素值的最大值，作为灰度图像中的像素点的灰度值，得到纺织品的正上方图像的灰度图像。
25.优选的，由于纺织品上存在纹理，纹理的颜色相较于纺织品底色深，本实施例中将未漂白的色素点称为疵点，为避免纹理对疵点的识别，通过对纺织品正上方图像的灰度图像进行形态学闭运算，即先膨胀后腐蚀，从而去除图像中较亮的区域，即去除纺织品底色，
将底色填充为周围纹理颜色，膨胀和腐蚀是形态学中两个基本的算子，膨胀会使高亮部分区域更大，而腐蚀会让高亮区域更小。
26.具体的，以灰度图像中的每一像素点为中心，分别建立预设边长的区域，预设边长为，预设边长为正奇数，常用的预设边长包括3,5,7,9,11，则每个区域的尺寸为。
27.优选的，将灰度图像四周的行和列向外扩展，扩展的行或列的像素灰度值与相邻行列的像素灰度值相同，使得灰度图像中边缘的像素点恰好也能建立预设边长的区域。
28.102、分别将每个区域中频数最大的灰度值作为每个区域的中心像素点的亮度，获得灰度图像中所有像素点的亮度，根据不同亮度在所有像素点的亮度中出现的频率获得漂白均匀度。
29.若纺织品的漂白不均匀，则纺织品的不同区域之间灰度分布不一致，本实施例通过分析图像中各区域间灰度分布情况，计算纺织品漂白均匀度。
30.分别对建立的每个区域中像素点的灰度值大小及个数进行统计，分别将每个区域中个数最多的灰度值作为区域中心像素点的亮度，则图像b中每个像素点都有一个亮度值，统计亮度值大小、不同亮度值出现的次数及亮度值的频率。
31.漂白均匀度，其中表示灰度图像中第个亮度，表示灰度图像所有像素点的亮度中出现的频率。表示灰度图像中第个亮度，表示表示灰度图像所有像素点的亮度值中出现的次数，为所述灰度图像的宽度，为所述灰度图像的高度，表示不同亮度的个数，exp（exponential，指数曲线)是指以自然常数e为底的指数函数。若灰度图像中像素点的亮度值的分布越混乱，则漂白均匀度越小，漂白越不均匀。反之漂白均匀度越大，漂白越均匀，纺织品各区域基本无色差。
32.103、利用灰度值箱形图判断每个区域中每个像素点是否为异常点，根据每个区域中每个像素点的是否为异常点，获得每个区域中每个像素点的区域瑕疵概率，并根据灰度图像中每一像素点在包含该像素点的所有区域中的区域瑕疵概率，分别获得灰度图像中每一像素点的疵点概率。
33.具体的，纺织品疵点为未漂白的色素点，与同一区域内部其他像素点存在差异。对于某个区域中所有像素点的灰度值，绘制像素值分布箱形图，该区域中灰度值在像素值分布箱形图范围外的像素点为异常点。分析各区域内部像素点的灰度值分布情况，寻找出异常点，从而便于计算各像素点为疵点的概率。
34.箱形图（box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。
35.需要说明的是，若一个像素点为一个区域内的异常点，则该像素点不符合该区域内的像素整体灰度分布，则其为疵点的可能性较该区域中其他像素点大。根据像素点在该
区域内是否为异常点，对区域内的所有像素点设置一个为疵点的区域瑕疵概率，当某个区域中某个像素点为异常点时，该像素点的区域瑕疵概率为，当某个区域中某个像素点不是异常点时，该像素点的区域瑕疵概率为，其中为预设第一概率，为预设第二概率，且。
36.优选的，对于每个区域，该区域中每个像素点都有一个区域瑕疵概率，若区域内一个异常点周围包含其他异常点，则其为疵点的概率较大，若异常点周围不包含其他异常点，则其可能为噪声点，为疵点的概率较小，可以将区域中像素点的八邻域的区域瑕疵概率的均值作为该像素点的区域瑕疵概率。
37.具体的，因为每个区域的尺寸为，因此对于灰度图像中任意一个像素点，存在个区域包含该像素点，同时该像素点在包含该像素点的每个区域中，均存在一个区域瑕疵概率，若同一像素点在部分区域疵点概率较大，在其他区域疵点概率较小，表示该像素点可能为漂白不均匀位置的过渡边界。
38.需要说明的是，对于灰度图像中某一个像素点，结合该像素点在包含该像素点的个区域中的区域瑕疵概率，计算该像素点的疵点概率，其中为像素点在所属的第个区域的区域瑕疵概率,为像素点所属的第个区域的权重系数，且，其中、表示像素点在第个区域的第行第列，为区域内各到中心点距离的方差，exp（exponential，指数曲线)是指以自然常数e为底的指数函数。当区域中某一像素点越靠近区域中心时，该像素点的权重越大；相反，当区域中某一像素点越靠近区域边缘时，该像素点的权重越小。
39.104、将灰度图像中疵点概率大于预设概率阈值的像素点作为疵点，并将处在八邻域的疵点合并为同一个疵块，得到第一灰度图像中所有疵块，分别将每一疵块中疵点的个数作为每一疵块的大小。
40.具体的，根据疵点概率大小判断灰度图像中的像素点是否为疵点，预设概率阈值，当灰度图像中像素点的疵点概率，则该像素点为疵点；若灰度图像中像素点的疵点概率，则该像素点不为疵点。
41.对灰度图像中所有疵点进行遍历标记，若疵点的八邻域内有其他疵点，则将此些疵点标记为同一个疵块，得到灰度图像中所有的疵块，将每个疵块中包含的疵点个数分别作为每个疵块的大小。
42.105、根据漂白均匀度以及灰度图像中疵块的大小，获得灰度图像的漂白完成度，判断漂白完成度是否大于预设完成度阈值，若判断结果为是，则纺织品的漂白质量合格，若判断结果为否，则纺织品的漂白质量不合格。
43.具体的，结合疵块大小、数目以及漂白均匀度计算纺织品漂白完成度,
，其中为疵块数目，表示灰度图像中所有疵块中最大的疵块大小，为漂白均匀度，用以衡量灰度图像中疵块个数及疵块大小是否对后续纺织品的染色有影响。若灰度图像中不存在疵块，或者疵块大小均小于或等于，则对后续纺织品的染色无影响，该值为。反之，若该值小于，则灰度图像中存在疵块且疵块较大，对后续染色有影响。若不存在疵块或疵块大小对后续染色无影响且漂白均匀度较高，则纺织品漂白完成度较高。若存在疵块且疵块较大对后续染色有影响或者且漂白均匀度较低，则纺织品漂白完成度较低。
44.然后,根据纺织品漂白完成度，对纺织品的漂白质量进行评估，若，则纺织品上不存在疵块或疵块较小不影响后续染色并且纺织品漂白均匀，纺织品漂白质量合格；若，则纺织品上存在疵块且疵块大小影响后续染色或纺织品漂白不均匀。纺织品漂白质量不合格，其中为预设完成度阈值，的一个推荐值为0.75。
45.综上所述，相比于现有技术，本实施例通过对采集到的漂白后纺织品的表面图像进行分析和处理，实现对纺织品漂白质量的评估，操作过程简便，克服了肉眼识别及评价的主观性，提高了对漂白质量的评估效率的，同时保证了评估结果的准确性。
46.本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
47.还需要指出的是，在本发明的方法和系统中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
48.上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。