一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法
【專利摘要】本發(fā)明公開了一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法，該方法針對帶有重組織的織物圖像特點，在色彩模式轉換的基礎上，采用混合中值濾波算法濾除掃描噪聲；再通過紋理抑制平滑濾波算法進行濾波，去除織物圖像中的重組織陰影和同顏色紗線紋理，保留紗線顏色特征；然后提取織物圖像的色差梯度，通過分水嶺算法進行圖像分割，獲得區(qū)域標記圖像；最后將顏色相近的分割區(qū)域進行合并，得到織物圖像的分色索引圖像；使得在平滑同顏色紗線紋理和重組織邊緣陰影的同時，有效保持了不同顏色紗線的邊緣，避免了高斯濾波后區(qū)域之間的邊緣細節(jié)被弱化以及雙邊濾波將紗線紋理保留為邊緣等問題。
【專利說明】一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分 割方法

【技術領域】
[0001] 本發(fā)明屬于圖像處理【技術領域】，具體涉及一種基于紋理抑制平滑濾波和分水嶺算 法的重織物圖像分割方法。

【背景技術】
[0002] 圖像分割是織物圖像處理與分析的基礎，分割的準確性往往決定著織物圖像組織 結構提取、內容分析和檢索等后處理的有效性。織物重組織（backedweave)是由兩組或兩 組以上的經(jīng)紗與一組緯紗交織，或由兩組或兩組以上緯紗與一組經(jīng)紗交織,形成二重或二 重以上的重疊組織。重織物由不同顏色或不同原料的紗線交織而成，隨著經(jīng)紗或緯紗重疊 組數(shù)的變化，形成的織物色影豐富、層次多變。重織物圖像不是一個理想的平面結構，掃描 獲取的圖像不能反映紗線的真實顏色。在掃描光照下，由于紗線呈一定的圓柱形結構，同一 紗線的中心和邊緣之間存在過渡顏色；紗線之間的縫隙顏色往往偏暗，相同顏色的紗線區(qū) 域會形成一定的紋理；由于重組織區(qū)較凸起，重組織邊緣會產(chǎn)生一定的陰影；由于掃描圖 像文件往往采用有失真的JPEG壓縮，不同顏色的紗線之間存在過渡色。這些因素的存在給 重織物圖像分割帶來了困難。
[0003] 目前，織物圖像分割方法一般采用空間域方法，主要有特征聚類、基于區(qū)域的方法 以及邊緣檢測等。特征聚類法（文獻：PanR,GaoW,LiuJ，etal.AutomaticDetection oftheLayoutofColorYarnsforYarn-dyedFabricviaaFCMAlgorithm[J]. TextileResearchJournal, 2010, 80 (12) : 1222-1231.)是一種無監(jiān)督統(tǒng)計方法，通過迭 代提取顏色等特征。這類方法需事先確定聚類數(shù)目，由于僅根據(jù)特征的統(tǒng)計信息進行分 類，如采用顏色作為特征，當某種顏色頻度較少時就會被其他顏色代替，造成關鍵細節(jié)模 糊，甚至丟失。基于區(qū)域的方法（如文獻：ZHANGYang，JIANGGaoming，YA0Junzhou，et al.Multi-textureregionsegmentationofjacquardwarpknittedfabric[J].Journal ofTextileResearch, 2012, 32(12) :51-55.)，根據(jù)圖像區(qū)域的同一性進行圖像分割，如通 過顏色、紋理分布等特征將相似像素集合起來構成區(qū)域，分割效果依賴于區(qū)域同一性特征 的穩(wěn)定性。對于重織物圖像，由于紗線顏色偏差、紗線紋理以及重組織邊緣陰影的存在，很 難定義圖像區(qū)域的同一性準則，分割效果難以保證。邊緣檢測方法（如文獻：JuZ，Zhou J,WangX,etal.Imagesegmentationbasedonadaptivethresholdedgedetection andmeanshift[C]//SoftwareEngineeringandServiceScience(ICSESS), 20134th IEEEInternationalConferenceon.IEEE, 2013:385-388.)，根據(jù)像素點灰度變化提取邊 緣，通過檢測不同區(qū)域的邊緣解決圖像分割問題。對于重織物圖像，采用邊緣檢測進行圖像 分割，首先需要將彩色圖像轉化成灰度圖像，但由于顏色偏差、紗線紋理和陰影的存在，很 難提取理想的連續(xù)、閉合邊緣，因而圖像分割往往不準確。


【發(fā)明內容】

[0004] 針對現(xiàn)有技術所存在的上述技術問題，本發(fā)明提供了一種基于紋理抑制平滑濾波 和分水嶺算法的重織物圖像分割方法，使得在平滑同顏色紗線紋理和重組織邊緣陰影的同 時，有效保持了不同顏色紗線的邊緣，避免了高斯濾波后區(qū)域之間的邊緣細節(jié)被弱化以及 雙邊濾波將紗線紋理保留為邊緣等問題。
[0005] -種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法，包括如下步 驟：
[0006] (1)將重織物圖像從RGB顏色模式轉換為Lab顏色模式，并對得到的Lab顏色空間 圖像進行混合中值濾波；
[0007] (2)對混合中值濾波后的Lab顏色空間圖像進行紋理抑制平滑濾波；
[0008] (3)對紋理抑制平滑濾波后的Lab顏色空間圖像進行色差梯度計算，得到對應的 梯度圖像；進而對該梯度圖像進行分水嶺分割，得到n個區(qū)塊并對這些區(qū)塊進行標記，n個 區(qū)塊對應標記值為1?n，區(qū)塊之間的分水線統(tǒng)一標記為0 ;
[0009] (4)根據(jù)色差將分水線上的像素合并歸類于各區(qū)塊；
[0010] (5)根據(jù)色差對各區(qū)塊進行合并，得到重織物圖像分割后的索引圖像。
[0011] 所述的步驟（1)中將織物圖像從RGB顏色模式轉換為Lab顏色模式的過程如下：
[0012]首先，根據(jù)以下算式將織物圖像從RGB顏色模式轉換為XYZ顏色模式；

【權利要求】
1. 一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法，包括如下步驟： (1) 將重織物圖像從RGB顏色模式轉換為Lab顏色模式，并對得到的Lab顏色空間圖像 進行混合中值濾波； (2) 對混合中值濾波后的Lab顏色空間圖像進行紋理抑制平滑濾波； (3) 對紋理抑制平滑濾波后的Lab顏色空間圖像進行色差梯度計算，得到對應的梯度 圖像；進而對該梯度圖像進行分水嶺分割，得到n個區(qū)塊并對這些區(qū)塊進行標記，n個區(qū)塊 對應標記值為1?n，區(qū)塊之間的分水線統(tǒng)一標記為0 ; (4) 根據(jù)色差將分水線上的像素合并歸類于各區(qū)塊； (5) 根據(jù)色差對各區(qū)塊進行合并，得到重織物圖像分割后的索引圖像。
2. 根據(jù)權利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟（1)中將織 物圖像從RGB顏色模式轉換為Lab顏色模式的過程如下： 首先，根據(jù)以下算式將織物圖像從RGB顏色模式轉換為XYZ顏色模式；
其中：對于織物圖像中任一像素，R、G和B分別為該像素在RGB色彩空間中紅、綠和藍 三個分量上的亮度值；X、Y和Z分別為該像素在XYZ色彩空間中的三個刺激值； 然后，根據(jù)以下算式將織物圖像從XYZ顏色模式轉換為Lab顏色模式；
a= 500*(f(X/Xn)-f(Y/Yn)) b= 200*(f(Y/Yn)-f(Z/Zn)) 其中：Xn、￥"和211分別為參考色白在XYZ色彩空間中的三個刺激值，L、a和b分別為 像素在Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至藍色范圍三個分量上的顏色值； f(t)為中間函數(shù)，t為函數(shù)變量，其表達式如下：
3. 根據(jù)權利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟⑴中對Lab 顏色空間圖像進行混合中值濾波的具體方法為：對于Lab色彩空間中任一分量上的顏色 值，首先計算圖像中當前像素與其上下左右四個像素在該分量上所有顏色值的中間值氏； 然后，計算當前像素與其左上、右上、左下和右下四個像素在該分量上所有顏色值的中間值 H2 ;最后，取當前像素在該分量上的顏色值以及氏和H2三個值的中間值作為當前像素在該 分量上混合中值濾波后的顏色值；依此遍歷圖像中所有像素及所有分量。
4. 根據(jù)權利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟⑵中對混 合中值濾波后的Lab顏色空間圖像進行紋理抑制平滑濾波的具體方法為：對于Lab色彩空 間中任一分量上的顏色值，根據(jù)以下算式對圖像中當前像素在該分量上的顏色值進行紋理 抑制平滑濾波，并依此遍歷圖像中所有像素及所有分量；
其中Jf為當前像素在該分量上紋理抑制平滑濾波后的顏色值，Ip為當前像素周圍八 個像素中第P個像素在該分量上混合中值濾波后的顏色值，Ls、as和bs分別為當前像素在 Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至藍色范圍三個分量上混合中值濾波后的 顏色值，Lp、ap和bp分別為所述的第p個像素在Lab色彩空間中亮度、洋紅色至綠色范圍和 黃色至藍色范圍三個分量上混合中值濾波后的顏色值，0g和0h均為高斯分布參數(shù)，th為 預設的鄰域梯度閾值，Lq為所述的第p個像素周圍八個像素中第q個像素在Lab色彩空間 中亮度分量上混合中值濾波后的顏色值。
5. 根據(jù)權利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟⑶中對紋 理抑制平滑濾波后的Lab顏色空間圖像進行色差梯度計算的具體方法為：根據(jù)以下算式計 算圖像中當前像素的色差梯度，并依此遍歷圖像中所有像素；
其中：D(f)為當前像素的色差梯度，Lf、&{和bf分別為當前像素在Lab色彩空間中亮 度、洋紅色至綠色范圍和黃色至藍色范圍三個分量上紋理抑制平滑濾波后的顏色值，Q、％ 和4分別為當前像素周圍上下左右四個像素中第i個像素在Lab色彩空間中亮度、洋紅色 至綠色范圍和黃色至藍色范圍三個分量上紋理抑制平滑濾波后的顏色值。
6. 根據(jù)權利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟（4)中將分 水線上的像素合并歸類于各區(qū)塊的方法為：對于分水線上的當前像素，根據(jù)以下算式計算 其與周圍上下左右四個像素的色差，并將其歸為色差最小的像素所屬的區(qū)塊；
其中：L^a。和b。分別為當前像素在Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至 藍色范圍三個分量上紋理抑制平滑濾波后的顏色值，Lj、a」和bj分別為當前像素周圍上下 左右四個像素中第j個像素在Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至藍色范圍 三個分量上紋理抑制平滑濾波后的顏色值，AE(j，〇)為當前像素與所述的第j個像素的色 差。
7. 根據(jù)權利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟（5)中對各 區(qū)塊進行合并的過程如下： 首先，將各區(qū)塊從Lab顏色模式轉換為RGB顏色模式，并計算區(qū)塊內所有像素R、G、B分 量上的平均值作為區(qū)塊的RGB索引顏色信息； 然后，將各區(qū)塊的RGB索引顏色信息轉換為Lab索引顏色信息； 最后，對于任一區(qū)塊，根據(jù)Lab索引顏色信息計算其與其他所有區(qū)塊的色差，并將色差 小于閾值的兩個區(qū)塊合并成同一類區(qū)塊，以得到重織物圖像分割后的索引圖像。
8. 根據(jù)權利要求7所述的重織物圖像分割方法，其特征在于：根據(jù)以下算式將各區(qū)塊 從Lab顏色模式轉換為RGB顏色模式：
P= (Lt+16)/116 其中：Lt、at和bt分別為區(qū)塊中任一像素在Lab色彩空間中亮度、洋紅色至綠色范圍和 黃色至藍色范圍三個分量上紋理抑制平滑濾波后的顏色值，Xn、￥"和Zn分別為參考色白在 XYZ色彩空間中的三個刺激值，Rt、Gt和Bt分別為區(qū)塊中任一像素在RGB色彩空間中紅、綠 和藍三個分量上的亮度值。
9. 根據(jù)權利要求7所述的重織物圖像分割方法，其特征在于：根據(jù)以下算式將各區(qū)塊 的RGB索引顏色信息轉換為Lab索引顏色信息：
ak = 500*(f(Xk/Xn)-f(Yk/Yn)) bk = 200*(f(Yk/Yn)-f(Zk/Zn))
其中：Xn、Yn和Zn分別為參考色白在XYZ色彩空間中的三個刺激值，Rk、Gk和Bk分別為區(qū) 塊RGB索引顏色信息中對應紅、綠和藍三個分量上的亮度值，Lk、ak和bk分別為區(qū)塊Lab索 引顏色信息中對應亮度、洋紅色至綠色范圍和黃色至藍色范圍三個分量上的顏色值；f(t) 為中間函數(shù)，t為函數(shù)變量。
【文檔編號】G06T7/00GK104408714SQ201410658317
【公開日】2015年3月11日 申請日期:2014年11月17日 優(yōu)先權日:2014年11月17日
【發(fā)明者】張華熊, 康鋒, 胡潔, 屠永堅, 張 誠 申請人:浙江理工大學, 浙江巴貝領帶有限公司