本發(fā)明涉及織物疵點(diǎn)檢測(cè)技術(shù)領(lǐng)域，特別是涉及一種基于改進(jìn)閾值分割的織物疵點(diǎn)檢測(cè)方法。

背景技術(shù)：

在紡織品生產(chǎn)過程中，產(chǎn)品質(zhì)量檢測(cè)是極其重要的一步。一般織物的疵點(diǎn)類型有破洞、油污、粗緯、跳紗等。傳統(tǒng)織物的疵點(diǎn)檢測(cè)主要靠人工完成。人工檢測(cè)是一項(xiàng)枯燥繁重的勞動(dòng)，檢測(cè)速度慢，也易產(chǎn)生漏檢和錯(cuò)檢。目前基于視覺檢測(cè)的織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)已經(jīng)開始出現(xiàn)，如國外有瑞士Uster公司生產(chǎn)的Fabriscan自動(dòng)驗(yàn)布機(jī)、以色列Evs公司的I-TEX驗(yàn)布機(jī)、比利時(shí)Barco公司的Cyclops驗(yàn)布機(jī)。這幾類驗(yàn)布機(jī)在硬件結(jié)構(gòu)和軟件準(zhǔn)確率都較為領(lǐng)先，但其價(jià)格極高，檢測(cè)不相同的布匹效果不一。而國內(nèi)有能力研制的公司不多，試驗(yàn)檢測(cè)的成功率不高，檢測(cè)的缺陷類別有限，還沒有達(dá)到滿足面向市場(chǎng)的要求。

因此，生產(chǎn)出系統(tǒng)更穩(wěn)定，檢測(cè)更高速、準(zhǔn)確的織物疵點(diǎn)檢測(cè)系統(tǒng)是當(dāng)今紡織品生產(chǎn)企業(yè)的迫切需求。隨著信息科學(xué)技術(shù)和圖像處理技術(shù)的發(fā)展，以視覺處理為基礎(chǔ)的織物疵點(diǎn)檢測(cè)系統(tǒng)是研究的一個(gè)熱門，而系統(tǒng)的核心則是疵點(diǎn)檢測(cè)算法，重點(diǎn)是做到高速和高精度兩個(gè)要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于改進(jìn)閾值分割的織物疵點(diǎn)檢測(cè)方法，能夠?qū)Υ命c(diǎn)進(jìn)行更準(zhǔn)確地分割。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種基于改進(jìn)閾值分割的織物疵點(diǎn)檢測(cè)方法，包括以下步驟：

(1)對(duì)采集圖像進(jìn)行預(yù)處理；

(2)根據(jù)圖像的灰度值設(shè)定初始閾值，將圖像中灰度值不大于初始閾值的像素分為背景，將灰度值大于初始閾值的像素分為疵點(diǎn)目標(biāo)；

(3)計(jì)算背景、疵點(diǎn)目標(biāo)和整幅圖像的灰度均值；

(4)根據(jù)得到的灰度均值計(jì)算背景和疵點(diǎn)目標(biāo)的類內(nèi)方差和類間方差；

(5)根據(jù)得到的類內(nèi)方差和類間方差確定最優(yōu)閾值；

(6)根據(jù)得到的最優(yōu)閾值與像素點(diǎn)的像素值進(jìn)行比較確定疵點(diǎn)目標(biāo)。

所述步驟(1)中通過中值濾波的方式對(duì)采集圖像進(jìn)行去噪處理。

所述步驟(5)中最優(yōu)閾值的確定準(zhǔn)則為其中，t^*為最優(yōu)閾值，P_i表示灰度為i的像素的頻數(shù)，μ_B(t)為初始閾值下背景的灰度均值，μ_o(t)為初始閾值下疵點(diǎn)目標(biāo)的灰度均值。

所述步驟(6)中像素點(diǎn)的像素值為該像素及其領(lǐng)域像素灰度值的平均值。

有益效果

由于采用了上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，具有以下的優(yōu)點(diǎn)和積極效果：本發(fā)明可以準(zhǔn)確進(jìn)行疵點(diǎn)分割，在選取最優(yōu)分割閾值時(shí)，考慮織物疵點(diǎn)圖像的直方圖特性，該類圖像的直方圖并沒有明顯的雙峰特性，背景類像素較為分散，原始的Ostu算法不太適用。本發(fā)明的閾值選擇原則在最小類內(nèi)差準(zhǔn)則的基礎(chǔ)上，用類的直方圖灰度區(qū)間將其方差進(jìn)行標(biāo)準(zhǔn)化，在對(duì)每個(gè)像素進(jìn)行分類的時(shí)候，采取相鄰像素去均值代替原始像素，更好地減小噪聲對(duì)分割的影響。

附圖說明

圖1是本發(fā)明的流程圖；

圖2是織物疵點(diǎn)圖像示意圖；

圖3是預(yù)處理后圖像示意圖；

圖4是閾值分割后的二值化圖像示意圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例，進(jìn)一步闡述本發(fā)明。應(yīng)理解，這些實(shí)施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書所限定的范圍。

本發(fā)明的實(shí)施方式涉及一種基于改進(jìn)閾值分割的織物疵點(diǎn)檢測(cè)方法，首先對(duì)采集到的物圖像進(jìn)行預(yù)處理，采用中值濾波去除噪聲干擾，然后根據(jù)最優(yōu)閾值準(zhǔn)則確定最優(yōu)閾值，最后用鄰近像素均值與閾值比較，得到分割結(jié)果。如圖1所示，具體包括以下步驟：

(1)對(duì)采集圖像進(jìn)行預(yù)處理

采用的樣本圖像來源是CCD工業(yè)攝像機(jī)，圖像類型為灰度圖片，見圖2。在采集圖片過程中，圖像易受光源、光學(xué)系統(tǒng)等影響而有噪聲污染，因此必須對(duì)圖像進(jìn)行預(yù)處理。本實(shí)施方式中預(yù)處理方法采用濾波來改善圖像質(zhì)量，中值濾波對(duì)某些隨機(jī)的噪聲具有很強(qiáng)的降噪能力，且能較好地保留原始的圖像信息。圖3為經(jīng)過終止濾波處理后的圖像。

(2)圖像分類

令一副M行N列的灰度圖像的灰度級(jí)數(shù)為L(zhǎng)，其中灰度為i的像素個(gè)數(shù)為n_i，灰度為i的像素的頻數(shù)為p_i。設(shè)定初始閾值t，將原始圖像中灰度不大于t的像素分為背景B，而把灰度大于t的像素分為疵點(diǎn)目標(biāo)。

(3)計(jì)算兩類像素的灰度均值和整幅圖像的灰度均值

背景B類和疵點(diǎn)目標(biāo)O類中的像素的類內(nèi)灰度均值分別為：

其中，P_B(t)為初始閾值下背景B的像素個(gè)數(shù)，P_O(t)為初始閾值下疵點(diǎn)目標(biāo)O的像素個(gè)數(shù)。

所有像素的平均灰度為：

(4)計(jì)算兩類像素的類內(nèi)方差和類間方差

背景O類和疵點(diǎn)目標(biāo)O類的類內(nèi)方差分別定義為：

令為初始閾值t所分割的兩類的類內(nèi)方差：

令為初始閾值t分割的兩類的類間方差：

(5)最優(yōu)閾值的判定

一般的最佳閾值選取準(zhǔn)則為：

等價(jià)于：

從式(6)和(7)可以看出，最大類間差準(zhǔn)則等價(jià)于最小類內(nèi)差準(zhǔn)則。該準(zhǔn)則適用于直方圖雙峰明顯，目標(biāo)和背景兩類方差差異不大的情況。

本實(shí)施方式中，在最小類內(nèi)差準(zhǔn)則基礎(chǔ)上，用類的直方圖灰度區(qū)間將其方差進(jìn)行標(biāo)準(zhǔn)化，選取最優(yōu)閾值為：

其中，P_i表示灰度為i的像素的頻數(shù)，由式(8)可知，當(dāng)取最小值時(shí)，閾值取得最佳值。

(6)圖像分割

傳統(tǒng)的閾值分割算法分割過程對(duì)每一個(gè)像素點(diǎn)進(jìn)行分類時(shí)，是比較這個(gè)像素點(diǎn)的灰度值和閾值的大小。本發(fā)明在進(jìn)行比較的時(shí)候，考慮這個(gè)像素點(diǎn)和周圍像素點(diǎn)的灰度值，以減少噪聲對(duì)分割的影響。

記某個(gè)像素點(diǎn)為P(i,j),則該像素的鄰域像素為P(i-1,j)，P(i,j-1)，P(i,j+1)，P(i+1,j)，取這幾個(gè)像素灰度值的平均值作為新的像素值，即

將得到的新的像素灰度值N(i,j)與最佳閾值進(jìn)行比較，

其中，t^*為最佳閾值，若新的像素灰度值N(i,j)不大于閾值t^*，則為背景，若大于t^*，則為疵點(diǎn)目標(biāo)，最終得到如圖4所示的圖像。

不難發(fā)現(xiàn)，本發(fā)明可以準(zhǔn)確進(jìn)行疵點(diǎn)分割，在選取最優(yōu)分割閾值時(shí)，考慮織物疵點(diǎn)圖像的直方圖特性，該類圖像的直方圖并沒有明顯的雙峰特性，背景類像素較為分散，原始 的Ostu算法不太適用。本發(fā)明的閾值選擇原則在最小類內(nèi)差準(zhǔn)則的基礎(chǔ)上，用類的直方圖灰度區(qū)間將其方差進(jìn)行標(biāo)準(zhǔn)化，在對(duì)每個(gè)像素進(jìn)行分類的時(shí)候，采取相鄰像素去均值代替原始像素，更好地減小噪聲對(duì)分割的影響。