基于图像特征的纺织物瑕疵快速检测方法与流程

本发明涉及图像处理，具体涉及基于图像特征的纺织物瑕疵快速检测方法。

背景技术：

1、纺织物生产场景中，常会存在断经、断纬、破洞等各种不同的缺陷瑕疵，其往往由于机器故障、棉线断裂、缺少纱线等生产问题引起的。这些缺陷瑕疵会对织物质量和外观产生负面影响，因此在纺织物的生产制造过程中，质量控制和检查是非常重要的，如何提高纺织物的瑕疵检测速度与准确度是首要考虑目标。采用人工目测法的纺织物瑕疵检测结果准确程度难以保证，采用神经网络识别纺织物瑕疵区域需要大量的训练集且识别环境条件要求较高。采用基于图像特征的纺织物瑕疵检测，可以做到快速、精准识别纺织物表面的缺陷瑕疵，节约大量的人力物力资源。

2、由于采用灰度共生矩阵对纺织物图像进行纹理提取时，其纹理提取结构受灰度共生矩阵的距离与角度参数影响较大，当纺织物由于其物理特性出现部分形变时，其灰度值信息基本不发生改变但像素点间的相对位置会发生改变，此时由于其距离与角度的敏感性会影响到纹理提取的准确性，进而影响到纺织物瑕疵区域检测的准确性。

技术实现思路

1、为了解决上述问题，本发明提供基于图像特征的纺织物瑕疵快速检测方法，所述方法包括：

2、获取纺织物灰度图像；

3、根据纺织物灰度图像获取重设纺织灰度图像；获取重设纺织灰度图像的所有滑窗；获取每个滑窗内每个像素点对的第一权值；获取每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对；根据每个滑窗内每个像素点对的第一权值和每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对获得重设纺织灰度图像在每个参考方向下的像素点对整体调整量；根据重设纺织灰度图像在每个参考方向下的像素点对整体调整量获得重设纺织灰度图像在每个参考方向下的误差程度；

4、对重设纺织灰度图像进行分块处理获取若干个图像块；获取图像块在每个参考方向下的纹理分布规则程度；根据图像块在每个参考方向下的纹理分布规则程度和重设纺织灰度图像在每个参考方向下的误差程度获得图像块的纹理分布规则程度；

5、根据图像块的纹理分布规则程度和区域灰度特征获得图像块的局部区域异常程度；根据图像块的局部区域异常程度获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域。

6、优选的，所述获取每个滑窗内每个像素点对的第一权值的具体公式为：

7、

8、式中，表示第个滑窗内第个像素点对的第一权值；表示第个滑窗的中心像素点与第个滑窗内第个邻域像素点的欧式距离；表示一维高斯函数。

9、优选的，所述获取每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对，包括的具体方法为：

10、以水平向右为初始方向，逆时针方向为正方向；对于第个滑窗内，获取第个滑窗的中心像素点与中心像素点的第个邻域像素点组成第个滑窗内第个像素点对，将第个像素点对中两个像素点的连线与初始方向的夹角记为第个像素点对的方向；

11、将四个方向分别记为第一参考方向、第二参考方向、第三参考方向和第四参考方向，对于任意一个参考方向，若第个像素点对的方向不等于所述参考方向，则需要进行归属，归属具体过程为：获取与第个像素点对的方向最相邻的两个所述参考方向，并将两个所述参考方向分别记为第一归属方向和第二归属方向；将第个滑窗内在第一归属方向上所有像素点的灰度值的均值，记为第一灰度均值；将第个滑窗内在第二归属方向上所有像素点的灰度值的均值，记为第二灰度均值；将第个邻域像素点与第一灰度均值的差值的绝对值记为第一差值；将第个邻域像素点与第二灰度均值的差值的绝对值记为第二差值；若第一差值大于等于第二差值，则将第个像素点对归属到第二归属方向上，并将第个像素点对记为第二归属方向的归属像素点对；反之，将第个像素点对归属到第一归属方向上，并将第个像素点对记为第一归属方向的归属像素点对；

12、获得每个滑窗内每个参考方向上的所有归属像素点对；

13、若第个像素点对的方向等于所述参考方向，则将第个像素点对记为所述参考方向的一个原始像素点对；进而获得每个滑窗内每个参考方向上的所有原始像素点对。

14、优选的，所述根据每个滑窗内每个像素点对的第一权值和每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对获得重设纺织灰度图像在每个参考方向下的像素点对整体调整量的具体公式为：

15、

16、式中，表示重设纺织灰度图像在参考方向下的像素点对整体调整量；表示重设纺织灰度图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有归属像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有原始像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像素点对的第一权值；表示重设纺织灰度图像中第个滑窗在参考方向下第个原始像素点对的第一权值；为预设参数。

17、优选的，所述根据重设纺织灰度图像在每个参考方向下的像素点对整体调整量获得重设纺织灰度图像在每个参考方向下的误差程度，包括的具体方法为：

18、重设纺织灰度图像在参考方向下的误差程度计算表达式为：

19、

20、式中，表示重设纺织灰度图像在参考方向下的误差程度；表示重设纺织灰度图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有归属像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像素点对的第一权值；表示重设纺织灰度图像在参考方向下的像素点对整体调整量；为预设参数；为线性归一化函数。

21、优选的，所述对重设纺织灰度图像进行分块处理获取若干个图像块，包括的具体方法为：

22、预设大小为的滑窗，滑窗从重设纺织灰度图像的左上角开始滑动，其滑动步长为，直至重设纺织灰度图像的右下角停止；滑动过程中的每个滑窗作为一个图像块，滑动完成后得到若干图像块。

23、优选的，所述获取图像块在每个参考方向下的纹理分布规则程度，包括的具体方法为：

24、对于重设纺织灰度图像中的任意一个图像块，将每个图像块内每个参考方向上的所有归属像素点对和所有原始像素点对作为每个图像块内每个参考方向上的调整后的所有像素点对，对于任意两个调整后的像素点对，若所述两个像素点对的灰度级相同且像素点对的方向也一致，则所述两个像素点对属于同一类像素点类，进而获取每个图像块在每个参考方向上的所有类别的像素点对；则任意一个图像块在参考方向下的纹理分布规则程度的计算表达式为：

25、

26、式中，表示图像块在参考方向下的纹理分布规则程度；表示图像块在参考方向下的所有类别像素点对的类别数量；表示图像块在参考方向下的第种类别像素点对的数量；表示重设纺织灰度图像在参考方向下的第种类别像素点对的数量。

27、优选的，所述根据图像块在每个参考方向下的纹理分布规则程度和重设纺织灰度图像在每个参考方向下的误差程度获得图像块的纹理分布规则程度的具体公式为：

28、

29、式中，表示图像块的纹理分布规则程度；表示图像块在参考方向下的纹理分布规则程度，为第参考方向；表示重设纺织灰度图像在参考方向下的误差程度。

30、优选的，所述根据图像块的纹理分布规则程度和区域灰度特征获得图像块的局部区域异常程度，包括的具体方法为：

31、获取图像块中每个像素点的灰度值与图像块中灰度均值之间的差值的绝对值，记为每个像素点第一绝对差值；将图像块中所有像素点的第一绝对差值的平均值作为图像块的区域灰度特征；则图像块的局部区域异常程度的计算表达式为：

32、

33、式中，表示图像块的局部区域异常程度；图像块的纹理分布规则程度；表示图像块的区域灰度特征。

34、优选的，所述根据图像块的局部区域异常程度获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域，包括的具体方法为：

35、对于重设纺织灰度图像中任意一个图像块，若所述图像块的局部区域异常程度大于等于预设参数，则所述图像块为异常图像块；所述图像块的局部区域异常程度小于预设参数，则所述图像块为正常图像块；进而获得所有异常图像块；则所有异常图像块组成的区域为纺织物的瑕疵区域。

36、本发明的技术方案的有益效果是：针对由于使用灰度共生矩阵时，其距离与角度的敏感性会影响到纹理提取的准确性，进而影响到纺织物瑕疵区域检测的准确性的问题；本发明根据纺织物形变区域的像素级仿射变换，精准获取灰度共生矩阵对于像素对在误差范围内的提取，得到图像块区域的纹理规则程度，结合灰度分布特征与经验异常阈值，完成瑕疵区域的检测；进而有效提升了应对于发生较大形变的纺织物的瑕疵检测结果的准确率。