【集萃網(wǎng)觀(guān)察】隨著機(jī)器視覺(jué)技術(shù)在紡織行業(yè)的應(yīng)用，采用機(jī)器視覺(jué)方法來(lái)檢測(cè)紡織品印花圖像的印花精度已受到人們的重視，因此選擇合適、精確的圖像分割方法顯得尤為重要。在印花中各套色之間的對(duì)花精度是一個(gè)重要的指標(biāo)，它不僅直接影響印花產(chǎn)品的質(zhì)量，也會(huì)限制車(chē)速等技術(shù)參數(shù)。在生產(chǎn)過(guò)程中，由于受到隨機(jī)干擾因素的影響，不可避免地出現(xiàn)“錯(cuò)花”、“跑花”現(xiàn)象。目前生產(chǎn)中主要是依靠人工目測(cè)進(jìn)行對(duì)花精度的檢測(cè)。 目前，針對(duì)紡織品印花圖像的分割，大部分是基于顏色聚類(lèi)的方法來(lái)實(shí)現(xiàn)的，例如mean-shift［1］算法，K-mean 聚類(lèi)［2］等。其特點(diǎn)是:只考慮到顏色的信息，對(duì)空間的信息考慮較少;在紋理較為明顯的情況下，分割效果不理想。JSEG［3］是Deng 等提出的一種同時(shí)考慮了圖像的顏色信息和空間信息的彩色圖像分割［4 － 5］的方法。該方法通過(guò)測(cè)試一個(gè)給定顏色紋理模板的同質(zhì)性來(lái)完成對(duì)圖像的分割，它主要應(yīng)用于對(duì)視頻圖像［6］的分析、航拍圖像的分割［7］，在紋理分析［8］上也取得了比較好的效果。目前尚沒(méi)有將該算法應(yīng)用于紡織品印花圖像處理方面的報(bào)道。本文在機(jī)器視覺(jué)應(yīng)用于紡織品印花精度檢測(cè)的前提下，針對(duì)具有明顯紋理的紡織品印花圖像，使用 JSEG 算法對(duì)圖像進(jìn)行分割。【紡織品數(shù)碼噴墨印花墨水和四分色印花染料的研究】 1 紡織品印花圖像的分割 JSEG 是一種基于顏色和空間紋理信息的區(qū)域分割方法，主要包括顏色量化和空間分割。 1. 1 顏色量化 首先，將圖像的顏色空間轉(zhuǎn)換為L(zhǎng)UV 顏色空間。該空間不僅符合人類(lèi)視覺(jué)的均勻與感知特性，而且可以用歐氏距離來(lái)衡量不同顏色之間的相似程度，有利于顏色的量化和描述。 其次，采用PGF( Peer Group Filtering) 算法［9］對(duì)圖像進(jìn)行平滑、去噪，在保留邊緣信息的同時(shí)去除顆粒噪聲的影響，使圖像的區(qū)域同一性更加顯著。定義: W × W 窗中心點(diǎn)x0( n) 的同等組為P ( n ) ={ xi( n) ，i = 0，1，…，m( n) － 1}。其中xi( n) 為窗內(nèi)的像素點(diǎn)，m( n) 為窗內(nèi)數(shù)據(jù)點(diǎn)的個(gè)數(shù)。根據(jù)Fisher 判斷準(zhǔn)則得到相應(yīng)的m( n) 值，以適應(yīng)不同區(qū)域內(nèi)像素之間的差異。然后，在同等組的基礎(chǔ)上，利用各點(diǎn)的權(quán)重ωi ，計(jì)算出xnew ( n) 代替原來(lái)的中心點(diǎn)。
式中μi、σi分別為p( n) 的均值和方差。 再次，確定顏色的類(lèi)別數(shù)。令T( n) 為x0( n) 對(duì)應(yīng)的同等組的最大距離。T( n) = dm( n) － 1( n) ，di( n)表示W(wǎng) × W 窗中所有的點(diǎn)與中心點(diǎn)x0( n) 之間距離的升序排列;T ( n) 的大小表明了局部區(qū)域的平滑性，也體現(xiàn)了顏色空間的分布情況。T ( n) 的均值Tav則表示整幅圖像的平滑性，則顏色的類(lèi)別數(shù)N = βTav (3) 式中β 為常數(shù)，這里設(shè)置β = 2。 最后，利用GLA 算法［9 － 10］進(jìn)行矢量量化，生成在原像素位置上由不同顏色的類(lèi)標(biāo)組成的“類(lèi)圖”。
1. 2 空間分割
利用模板在“類(lèi)圖”上進(jìn)行掃描，根據(jù)顏色向量在模板中的分布計(jì)算出模板中心的J 值，得到反映區(qū)域信息的“J 值圖”。然后根據(jù)閾值在“J 值圖”得出區(qū)域增長(zhǎng)的種子點(diǎn)，按照非種子點(diǎn)到相鄰種子區(qū)域距離進(jìn)行區(qū)域增長(zhǎng)，最后利用區(qū)域顏色的直方圖來(lái)合并圖像。
1. 2. 1 J 圖像的計(jì)算
設(shè)Z 是一個(gè)“類(lèi)圖”中N 個(gè)數(shù)據(jù)點(diǎn)的集合，z = ( x，y) ，z∈Z，m 是均值，即:
其中計(jì)算J 值的局部窗的大小有不同的效果，小的局部窗在檢測(cè)顏色的邊緣有效，大的局部窗在檢測(cè)紋理的邊緣時(shí)有效，因此在分割圖像的時(shí)候選擇多個(gè)等級(jí)進(jìn)行處理已達(dá)到較好的分割效果。在該算法中，最小等級(jí)的窗是9 × 9 的圓形窗，采樣頻率為1;第2 等級(jí)的為17 × 17 的圓形窗;第3 等級(jí)的為 33 × 33 的圓形窗;第4 等級(jí)的為65 × 65 的圓形窗; 每一等級(jí)的采樣頻率都是上一等級(jí)的2 倍。先根據(jù)圖像的大小來(lái)選擇第3 等級(jí)的局部窗，計(jì)算出相應(yīng)的“J 值圖”。
1. 2. 2 區(qū)域的分割
令閾值TJ = μJ + ασJ。其中:μJ為非種子區(qū)域里J 的均值; σJ為非種子區(qū)域里J 的方差; α 從［－ 0. 6，－ 0. 4，－ 0. 2，0，0. 2，0. 4 ］逐漸選取。計(jì)算出TJ，采用4 連通的方式連接使J 值小于TJ的像素形成候選種子點(diǎn)。 一般認(rèn)為，候選種子點(diǎn)的區(qū)域大于相應(yīng)等級(jí)中最小區(qū)域的種子數(shù)閾值區(qū)域?yàn)榉N子區(qū)域，其余為非種子區(qū)域。
除去種子區(qū)域中的空洞。計(jì)算未合并區(qū)域的平均J 值，把小于該均值的像素連接到增長(zhǎng)的區(qū)域中。如果與增長(zhǎng)區(qū)域相鄰的只有1 個(gè)種子區(qū)，那么就把該像素加入到該種子區(qū)域中去。
利用下一個(gè)更小等級(jí)的窗口計(jì)算J 值來(lái)獲得更準(zhǔn)確的邊界信息。重復(fù)循環(huán)上一步，按照上述方法增長(zhǎng)直到最小等級(jí)的窗口。將所有未分類(lèi)的像素存在緩沖區(qū)中，每次最小J 值的像素被分配到與它相鄰的種子區(qū)域中，同時(shí)更新緩存區(qū)的內(nèi)容，直到所有的元素都被分類(lèi)。 1. 2. 3 區(qū)域的合并
合并顏色直方圖的歐幾里德距離最小的2 個(gè)相鄰區(qū)域，直到最小的區(qū)域大于聚集區(qū)域合并的閾值，完成圖像的分割。
2 實(shí)驗(yàn)結(jié)果與分析
將JSEG 算法應(yīng)用在紡織品圖像的分割當(dāng)中，其分割效果主要由2 個(gè)主要的參數(shù)控制，即顏色量化閾值( Tc ) 和區(qū)域合并閾值( Tr )。實(shí)驗(yàn)選取由 FEITH 智能相機(jī)在日光條件下所拍攝的大小為 680 × 480，分辨率為260 dpi 的印染紡織品的圖片。圖2示出了不同參數(shù)設(shè)置下的分割效果，以圖2 ( a) 為基準(zhǔn)分別作比較。
根據(jù)對(duì)紡織品印花檢測(cè)的要求，在紡織品印花圖像( 圖2 ( a) ) 的分割效果應(yīng)該分為白色、灰色和棕色3 個(gè)區(qū)域，圖2( b) 將灰色區(qū)域過(guò)分割，圖2( c) 灰色區(qū)域過(guò)分割區(qū)域減小，圖2( d) 得到了理想的分割效果，圖2 ( e) 為K-mean 分割后的邊緣。可以看出，由聚類(lèi)分割會(huì)出現(xiàn)小的顏色區(qū)域，同時(shí)邊界處不連續(xù)。而JSEG 算法能夠很好地分出邊界，得到理想的分割。
在JSEG 的圖像分割算法中，用戶(hù)可以根據(jù)圖像的特點(diǎn)調(diào)節(jié)閾值。圖2 ( b)、( c) 表明，區(qū)域合并閾值對(duì)由外部光線(xiàn)所引起的同種顏色內(nèi)部的過(guò)分割現(xiàn)象有良好的抑制作用，表明算法具有一定的魯棒性。圖2( c)、( d) 表明，顏色量化的閾值直接影響到是否能夠正確地劃分出顏色的種類(lèi)，得到分割的初始輪廓。通過(guò)實(shí)驗(yàn)得出一般顏色量化的閾值為 225，區(qū)域合并的閾值為0. 4。在實(shí)際使用過(guò)程中，根據(jù)圖像的特點(diǎn)進(jìn)行相應(yīng)的微調(diào)，當(dāng)圖像中各區(qū)域的顏色比較相近時(shí)，應(yīng)該將Tc 調(diào)小，增加量化的顏色數(shù)目，使得相近的顏色區(qū)域得到分割;當(dāng)某個(gè)圖像分割出現(xiàn)顏色過(guò)分割時(shí)，應(yīng)該將Tc 調(diào)大，減少量化的顏色數(shù)目，同時(shí)能夠抑制一些由于光線(xiàn)引起的亮度干擾;當(dāng)圖像的同種顏色內(nèi)部有過(guò)分割的現(xiàn)象，可以將Tr 調(diào)大，使得相同顏色的區(qū)域合并，達(dá)到理想的分割效果。
以上圖像的分割，在Pentium IV 2. 93 GHz系統(tǒng)中運(yùn)行時(shí)間只有秒級(jí)的數(shù)量級(jí)，并且在該分辨率下，如果與標(biāo)準(zhǔn)的分割圖像做邊緣比較，就可以得到織物中0. 1 mm的印花偏差，所以可精確地檢測(cè)出印染紡織品的印花偏差，同時(shí)表明算法在“跑花”現(xiàn)象的檢測(cè)中具有一定的可行性。
3 結(jié)語(yǔ)
在將JSEG 應(yīng)用于紡織品的印花精度檢測(cè)當(dāng)中，通過(guò)設(shè)置算法中顏色量化閾值和合并最小區(qū)域這2 個(gè)重要參數(shù)，實(shí)現(xiàn)對(duì)紡織品印花圖像的分割，并取得了比較理想的效果�？紤]到工程上的應(yīng)用，可以進(jìn)一步研究區(qū)域增長(zhǎng)的條件，提高系統(tǒng)的實(shí)時(shí)性和魯棒性。
來(lái)源：中國(guó)印花網(wǎng)
最新文章
點(diǎn)擊月排行
