基于機器視覺的織物緯斜快速探測方法
【專利摘要】本發明公開了一種基于機器視覺的織物緯斜快速探測方法。步驟如下：采用CCD攝像機采集織物的紋理圖像，使用大津法自動尋找最佳分割閾值T，根據最佳分割閾值T對織物紋理圖像進行圖像目標與背景的分割，得到二值化的織物紋理圖像；通過窗口像素搜索方法跟蹤二值化的織物紋理圖像中條紋走向，并去除孤立點噪聲，確定所跟蹤條紋的起點和終點，最終得出條紋緯斜角度；采用條紋空間域約束的方法跟蹤多路條紋，得到一組條紋緯斜角度值，對該組條紋緯斜角度值進行選擇性平均得到最終的織物紋理圖像緯斜角度值。本發明有效地避免了環境光對緯斜角度探測的影響，檢測織物緯斜角度精度高，能夠高速、實時地檢測織物緯斜角度。
【專利說明】基于機器視覺的織物緯斜快速探測方法
【技術領域】
[0001]本發明涉及數字圖像特征提取的【技術領域】，特別是一種基于機器視覺的織物緯斜快速探測方法。
【背景技術】
[0002]針織品、紡織品在加工過程中，染色、水洗、印花等工藝使織物受到不均勻的內應力，紗支越粗、經緯密度越大、重量越大的織物在加工過程中越容易產生緯斜。緯斜會嚴重影響到服裝的外觀及質地。傳統的光電整緯儀存在檢測死角、檢測精度較低的缺點，而基于CCD的數字圖像特征提取技術在紡織工業中的應用越來越廣，如基于圖像處理的織物密度檢測、織物瑕疵點檢測等。目前面向機器視覺檢測織物緯斜的方案有兩種:
[0003]一種方案是通過對織物圖像利用形態學變換進行平滑處理，利用形態學腐蝕消除噪聲像素點、利用形態學邊緣提取方法提取緯紗邊緣像素、最后通過Hough變換對邊緣像素組成的直線進行檢測從而計算出緯斜角度。該類方法應用了大量形態學方法平滑圖像和提取圖像邊緣特征、利用Hough變換對直線進行檢測，在織物由于環境光、人影走動造成局部紋路缺失時，檢測準確度會大幅下降，而且算法復雜度比較高，不能快速高效的探測出織物緯斜角度。
[0004]另一種方案是利用傅里葉變換幅度譜的自配準性質對織物的紋理進行探測，對樣本圖案傅里葉幅度譜進行二值化計算，并存儲下各個角度下的樣本圖案經傅里葉變換后的紋理方向系數；將待測的紋理圖案與樣本庫作比較，得出最終的緯斜角度。該方法雖然自適應程度較高，但同第一種方案一樣，算法復雜度比較高，傅里葉變換在圖像像素點較多時會消耗大量的時間。此外，該方法在選取樣本時存在不可控因素，最終將降低檢測精度。

【發明內容】

[0005]本發明的目的在于提供一種高效、準確的基于機器視覺的織物緯斜快速探測方法，為整緯儀的控制系統提供實時的參考數據，從而使得織物的緯斜及時得到糾正。
[0006]實現本發明目的的技術解決方案為:一種基于機器視覺的織物緯斜快速探測方法，包括以下步驟:
[0007]步驟1，采用CCD攝像機采集織物的紋理圖像，使用大津法自動尋找最佳分割閾值T，根據最佳分割閾值T對織物紋理圖像進行圖像目標與背景的分割，得到二值化的織物紋理圖像；
[0008]步驟2，通過窗口像素搜索方法跟蹤二值化的織物紋理圖像中條紋走向，并去除孤立點噪聲，確定所跟蹤條紋的起點和終點，最終得出條紋緯斜角度；
[0009]步驟3，采用條紋空間域約束的方法跟蹤多路條紋，并得到一組條紋緯斜角度值，對該組條紋緯斜角度值進行選擇性平均得到最終的織物紋理圖像緯斜角度值。
[0010]本發明與現有技術相比，其顯著優點為:(I)采用大津法對圖像進行自適應二值化，對于不同光照條件下的織物圖像均能提取出合理的二值化緯紗信息；(2)采用窗口像素搜索法判定條紋起點終點最終得出條紋角度，并在搜索過程中去除孤立點噪聲，簡單有效的消除了噪聲像素點，并大程度保留了目標紋理中的有效信息；(3)通過同時探測多條紋路并在目標緯紗紋理上進行標注產生空間域約束作用，采用選擇性平均的方法對探測出的這些緯斜角度進行篩選，選擇出最合理的紋理角度，時間空間復雜度低，在紋理信息有效的情況下可精確的探測出條紋角度。
【專利附圖】

【附圖說明】
[0011]圖1是本發明基于機器視覺的織物緯斜快速探測方法的流程圖。
[0012]圖2是本發明方法中二值化、孤立點去除、角度標注后的織物圖像。
[0013]圖3是本發明實施例1中不同緯斜角度的織物樣本經二值化、去噪、條紋角度標注后的效果圖，其中(a)緯斜角度2°，(b)緯斜角度10°，(C)緯斜角度20°，(d)緯斜角度-7°，(e)緯斜角度-13°，(f)緯斜角度-19°。
[0014]圖4是本發明實施例1中測量得到的織物緯斜角度與實際緯斜角度的偏離程度。【具體實施方式】
[0015]下面結合附圖及【具體實施方式】對本發明作進一步詳細說明。
[0016]本發明基于機器視覺的織物緯斜快速探測方法，利用高速相機采集生產過程中織物的運動視頻序列，提取相關幀的圖像，通過自動搜索最佳閾值的大津法對該幀圖像進行二值化，并通過窗口像素搜索法確定緯斜角度，并在搜索過程中去除孤立點噪聲，通過對多條條紋搜索角度并采用空間域約束及選擇性平均的方法減小由局部光線產生的噪聲影響，結合圖1，具體步驟如下:
[0017]步驟1，采用CCD攝像機采集織物的紋理圖像，使用大津法自動尋找最佳分割閾值T，根據最佳分割閾值T對織物紋理圖像進行圖像目標與背景的分割，即將明暗相間的條紋中的亮部像素點全部變成白像素，而暗部的像素全部變成黑像素，得到二值化的織物紋理圖像。具體如下:
[0018](1.1)根據分割閾值T’，統計紋理圖像中目標點占圖像總像素點的比例，目標點占圖像總像素點的比為Pt，目標點灰度平均值記為gt，背景點數占圖像總像素數的比為Pb，背景點灰度平均值記為gb，則紋理圖像的總像素點灰度平均值g為:
[0019]g = pt X gt+pb X gb (I)
[0020]類間方差Dev表示為:
[0021]Dev = ptX (gt-g)2+PbX (gb-g)2 (2)
[0022]類間方差Dev等價表示為dev:
[0023]dev = ptXpbX (gt_gb)2 (3)
[0024](1.2)從紋理圖像的最小灰度值遍歷到最大灰度值依次作為圖像的分割閾值T’，當dev最大時，此時的分割閾值為該幅紋理圖像的最佳分割閾值T，以該最佳分割閾值T對紋理圖像進行二值化，即將明暗相間的條紋中的亮部像素點全部變成白像素，而暗部的像素全部變成黑像素。
[0025]類間方差Dev衡量了整幅圖像的灰度空間域分布的均勻性，方差最大時說明以此閾值分割出的兩類間的灰度差別最大，當部分背景被錯判為目標或部分目標被錯判為背景都會導致兩類間的灰度差別變小，因此類間方差最大時對應的閾值T為最佳分割閾值，能夠合理的將目標與背景分割出來。
[0026]步驟2，通過窗口像素搜索方法跟蹤二值化的織物紋理圖像中條紋走向，并去除孤立點噪聲，確定所跟蹤條紋的起點和終點，最終得出條紋緯斜角度；
[0027]織物紋理圖像經過二值化后，每路條紋的亮部像素全部變為白像素、暗部像素全部變為黑像素。這樣一路條紋就類似于一根空心管按中心線縱向剖開的效果，有所區別的是條紋的暗部往往由于織物本身的經緯特征經二值化后不是封閉、連續的。在這里暫且將條紋二值化后的亮部類比為管心、暗部類比為管壁。管心中含有的噪聲往往為孤立點噪聲，這些孤立點噪聲的特征表現為其與周圍像素點具有明顯差異，通常可采用圖像形態學膨脹的方法去除這些噪聲，但這種方法是對整幅圖像進行膨脹、計算量稍大，且容易腐蝕掉有用的管壁信息。在搜索過程中，假設搜索正確，那跟蹤的往往只是一路條紋，這樣只需在搜索過程中將該路條紋中的管心孤立點噪聲打掉就可以了。
[0028]通過窗口像素搜索方法跟蹤二值化的織物紋理圖像中條紋走向，并去除孤立點噪聲，具體如下:
[0029](2.1)設窗口大小為為SX S，S為大于等于3的奇數，從窗口中心坐標點(x，y)開
始，分別統計以(X，y)、(X，y±l)、......、
【權利要求】
1.一種基于機器視覺的織物緯斜快速探測方法，其特征在于，包括以下步驟: 步驟1，采用CCD攝像機采集織物的紋理圖像，使用大津法自動尋找最佳分割閾值T，根據最佳分割閾值T對織物紋理圖像進行圖像目標與背景的分割，得到二值化的織物紋理圖像； 步驟2，通過窗口像素搜索方法跟蹤二值化的織物紋理圖像中條紋走向，并在此過程中去除孤立點噪聲，確定所跟蹤條紋的起點和終點，最終得出條紋緯斜角度； 步驟3，采用條紋空間域約束的方法跟蹤多路條紋，并得到一組條紋緯斜角度值，對該組條紋緯斜角度值進行選擇性平均得到最終的織物紋理圖像緯斜角度值。
2.根據權利要求1所述的基于機器視覺的織物緯斜快速探測方法，其特征在于，步驟I所述使用大津法自動尋找分割閾值T，根據分割閾值T對織物紋理圖像進行圖像目標與背景的分割，具體如下: (1.1)根據分割閾值T’，統計紋理圖像中目標點占圖像總像素點的比例，目標點占圖像總像素點的比為Pt，目標點灰度平均值記為gt，背景點數占圖像總像素數的比為Pb，背景點灰度平均值記為gb，則紋理圖像的總像素點灰度平均值g為:g = Pt X gt+pb X gb (I) 類間方差Dev表示為:
Dev = ptX (gt-g)2+Pb X (gb-g)2 (2) 類間方差Dev等價表示為dev: dev = pt X pb X (gt-gb)2 (3) (1.2)從紋理圖像的最小灰度值遍歷到最大灰度值依次作為圖像的分割閾值T’，當dev最大時，此時的分割閾值為該幅紋理圖像的最佳分割閾值T，以該最佳分割閾值T對紋理圖像進行二值化，即將明暗相間的條紋中的亮部像素點全部變成白像素，而暗部的像素全部變成黑像素。
3.根據權利要求1所述的基于機器視覺的織物緯斜快速探測方法，其特征在于，步驟2所述通過窗口像素搜索方法跟蹤二值化的織物紋理圖像中條紋走向，并去除孤立點噪聲，具體如下: (2.1)設窗口大小為SXS，S為大于等于3的奇數，從窗口中心坐標點(x，y)開始，分別統計以(x，y)、(x，y±l)、......、
4.根據權利要求1所述的基于機器視覺的織物緯斜快速探測方法，其特征在于，步驟3所述采用條紋空間域約束的方法跟蹤多路條紋，并得到一組條紋緯斜角度值，對該組條紋緯斜角度值進行選擇性平均得到最終的織物紋理圖像緯斜角度值，具體為: (3.1)采用條紋空間域約束的方法跟蹤M路條紋，在確定各路條紋的起點坐標時，X坐標值保持一致，取一組具有固定間隔的I坐標值，順次追蹤每路條紋的起點坐標和終點坐標，并將追蹤到的起點坐標和終點坐標用黑色標注線連結畫在二值化圖像上，先追蹤出條紋的標注線對后追蹤條紋的窗口像素搜索過程產生空間約束作用，最終得到一組條紋緯斜角度值； (3.2)對該組條紋緯斜角度值進行選擇性平均，設第i路條紋緯斜角度值為Θ y i =1，2，...M，L為設定的閾值且L>0，則當
【文檔編號】D06H3/12GK103866551SQ201410124279
【公開日】2014年6月18日 申請日期:2014年3月28日 優先權日:2014年3月28日
【發明者】屈惠明, 張立廣, 陳錢, 顧國華, 吉慶, 王坤, 張一帆 申請人:南京理工大學