基于方法库的织物图像疵点检测

景军锋，张缓缓，李鹏飞

（西安工程大学 电子信息学院，陕西 西安 710048）

基于方法库的织物图像疵点检测

景军锋，张缓缓，李鹏飞

（西安工程大学 电子信息学院，陕西 西安 710048）

为准确检测织物在生产过程产生的疵点，提出一种基于改进的Gabor滤波方法、数学形态学处理法和多尺度小波检测的方法库的系统检测法.首先采用改进的Gabor滤波方法，选出最优滤波结果，进行高斯平滑，确定正常织物图像的两个阈值门限，进而分割出织物的疵点图像；其次采用数学形态学处理法对织物图像进行检测；最后采用多尺度小波检测的方法，检测最终结果.由于织物的纹理不同，在生产过程中产生疵点的种类众多，算法采用级联检测，保证了检测疵点的准确有效性.试验证明，所提出的算法检测结果较好，能准确定位疵点的位置.

织物疵点；Gabor滤波器组；数学形态学处理法；多尺度小波；级联检测

织物的质量检测是纺织工业生产过程中不可或缺的环节.然而，目前我国织物的质量检测还处于传统的检测水平，主要由人工完成.一个熟练验布员验布的速度一般在15～20m／min，完成0.8～1.0m幅宽的检验，最多能检测出70%的织物疵点［1－2］.传统织物质量检测的主要特点是工作强度大，易受人的主观因素影响，长时间的工作不仅不能保证检测精度及效率，且极大伤害工作人员的视力［3］.随着工业自动化程度的发展，传统的质量检测已满足不了当今工业领域的需求，急需发展快速、效率高的自动验布系统来代替传统的织物质量检测.

近年来，国内外学者一直关注织物疵点自动检测，并对其进行大量的研究.文献［4］针对某几类疵点，采用遗传算法离线优化Gabor滤波器的参数，使疵点与正常纹理的响应差值达到最大值.文献［5］采用最优滤波结果选取，从一组Gabor滤波器中选取最佳结果.文献［6］在Fisher准则下优化Gabor滤波器的参数.文献［7］采用Gabor滤波器的奇偶滤波器融合方法来解决滤波结果的冗余.文献［8］采用小波分解对织物的瑕疵进行检测.文献［9］采用自适应正交小波对织物疵点进行检测，获得较好的检测结果.文献［10］采用离散傅里叶变换对缺经、破洞、油污和缺纬4种疵点提取其傅里叶特征.虽然这些方法能检测织物的疵点，但检测的疵点种类有限.由于织物的纹理不同，在生产过程中产生疵点的种类众多，单一的方法不能有效地检测出疵点，本文提出基于方法库的织物图像疵点检测，该算法是改进的Gabor滤波方法、数学形态学处理法和多尺度小波检测3种方法的级联，保证了检测疵点的多样性及准确有效性.

1 疵点检测

1.1 改进型的Gabor滤波方法

Gabor滤波器是一个有限冲击响应的滤波器.因特性较好，二维的Gabor滤波器多用于图像处理和边缘增强，其冲击响应在空间域被定义为周期函数调制的高斯包络函数.本文采用改进的二维Gabor滤波器［11］，其一般形式为

其中：σxy为Guassian函数沿x轴和y轴的均方差；f为滤波器的中心频率；θ为滤波器的旋转方向角；（u，v）为定义正弦平面波的空间频率，它由中心频率f和方向角θ决定.Gabor滤波器的实部与虚部的3D图形如图1所示.Gabor滤波的实部和虚部通常用M×M的掩膜表示，通常情况下M取奇数.如图2所示为Gabor滤波器在空域和频域的表现.

本文采取一组Gabor滤波器gn（x，y），n＝1，2，…，P×Q，可以通过Gabor原函数得到这组滤波器.P和Q分别为尺度总数和方向总数.

图1 Gabor滤波器的实部和虚部Fig.1 The view of a typical Gabor filter about the real part and the imaginary part

图2 Gabor滤波器的空域和频域模型Fig.2 Gabor filter in spatial domain and frequency domain model

对一幅输入图像Ii（x，y），任意一个Gabor滤波器的幅度响应值为

1.2 利用损失评价函数对滤波结果的选取

由于布匹瑕疵对某些尺度和某些方向的Gabor滤波器具有较强的响应，利用文献［5］提出的损失评价函数来评价哪个结果最能描述瑕疵的位置特征.首先输入一幅图像经过处理变为灰度图像，使其经过P×Q个Gabor滤波器，并将每个Gabor滤波后的图像均分成N个不重叠的相同大小的正方形区域；然后计算每一个正方形区域的滤波输出幅度均值，找出最大均值Timax和最小均值Ti

min后，用损失评价函数K（i）（式（4））来衡量第i个Gabor滤波器的通道输出；最后找出损失评价函数最大的通道选其为最佳输出，并记为Ibest（x，y）.

1.3 对滤波结果进行二值化

经过Gabor滤波后的图像含有噪声，文献［7］采用Guassian低通滤波器对Gabor滤波后的图像进行滤波以减少斑点噪声，经过Guassian低通滤波后对其进行二值化.滤波的过程示意图如图3所示.

图3 高斯滤波过程Fig.3 The process of Gaussian filter

其中：W为图像中的一个中心窗，为了避免边缘像素卷积造成的影响，所有像素都必须取自这个中心窗.因此所取样本图片D（x，y）经过二值化过程显示样本图片瑕疵的位置.

依据获得的阈值上限和阈值下限对图像进行二值化处理，示意过程如图4所示.大于γmax或者小于γmin的幅度信息被视为疵点信息区域.

图4 二值化过程Fig.4 The thresholding

2 数学形态学处理方法

纹理干扰较大时，采用数学形态学的处理方法进行纹理处理分析.此算法的特点是占用时间短，与Gabor滤波图像进行串行处理，作为辅助程序来检测图像.其主要步骤：先对图像做增强处理，以期得到更好的分离效果；再做闭合运算分离出背景信息，利用Otsu方法确定阈值信息.该方法通过计算全局的阈值水平，得到一个介于［0，1］的强度值，据此来选择阈值，最大限度地减少黑白像素的组合方差.最终把一个灰度图像转化成一个二值图像，得到疵点检测的结果.

作为综合领先的白色家电品牌，格兰仕自进军家电制造20多年以来，一直引领着家电行业发展的潮流，为消费者带来更多便捷、健康、智能的产品，并在消费升级过程中，不断用更具品质的产品推动家电行业结构调整和产业升级，成为名符其实的“国民家电”。

3 多尺度小波方法

本文检测方法的流程如图5所示.

图5 疵点检测方法整体流程图Fig.5 Diagram of the defect detection method

4 图形用户界面的设计

为了便于试验织物图像的疵点检测，并为设计独立运行的实时图像采集和疵点检测软件打下基础，设计了与本文适应的基本的织物图像的监测和检测软件界面，主界面预览如图6所示.该图形用户界面具有以下特点：（1）可以分解操作疵点检测的过程，利用参数的修改以得到相关纹理织物的最佳检测条件，便于充分研究学习；（2）在线监测功能，主界面的左上角图像窗口是图像采集的实时预览视频窗口，右上角是手动采集单幅图像的显示结果，界面左下方是分类检测的任务窗口，先期设计了改进的Gabor滤波的方法、形态学处理方法和多尺度小波检测比较的方法以及3种方法级联的疵点检测；（3）窗口灵活显示的功能，界面预留检测过程中显示图像的窗口，可以方便添加，也可以显示不同方法相比较的检测效果.

图6 疵点检测主界面的设计Fig.6 The design of the main interface for defect detection

5 试验结果

本文所采用的样本图片分辨率为512像素×512像素.本试验中所有Gabor滤波器都用11×11的正方形掩膜实现，选择4尺度6方向的一组Gabor滤波器，其由中心频率f和方向角θ决定.试验中选取f＝ （2∧L）／4，L＝－2，－1，0，1（L为一个参数，在程序编程中用来产生4个尺度）；θ＝π（n＋1）／6，n＝0，1，2，3，4，5；P＝4，Q＝6，N＝16.

首先，对每种织物疵点样本选取其对应的正常样本，正常布匹的图片要经过Gabor滤波并进行最优选取，再经过Guassian滤波得到参考样本图片B（x，y）来确定其阈值上限γmax和阈值下限γmin.其次，使疵点样本经过4×6个Gabor滤波器，并将每个Gabor滤波后的图像均分成16个相同大小不重叠的正方形区域.然后，计算每一个正方形区域的滤波输出幅度均值，找出正常样本和疵点样本各自最大均值和最小均值，将疵点样本最大均值和最小均值按损失评价函数公式计算，找出损失函数最大的滤波器即最优滤波输出Ibest（x，y）.最后，将正常图片得到的阈值作为疵点图片分割的阈值，疵点图片经二值化显示样本图片疵点的位置.试验结果如图7所示.对未检测出来的样本采取数学形态学的方法，该方法首先对织物疵点图像进行调整，然后提取背景、分离纹理，最后分割出疵点，检测的试验结果如图8所示.对仍未检测出的织物疵点图像采用多尺度小波检测，检测结果如图9所示.从检测结果中看出，图7检测出较多类型的疵点，图8和9检测疵点类型虽然不多，但能检测出Gabor滤波器不能检测出的疵点，3种方法级联解决了单一方法检测织物疵点类型有限的问题.

图7 样本、Gabor滤波结果图和二值化结果图Fig.7 The samples，Gabor filter results and thresholding results

图8 数学形态学处理法检测织物棉球和破洞疵点Fig.8 Morphological operations to detect the cotton and hole defect

图9 竹节、条干疵点的多尺度小波检测结果Fig.9 Slub yarn and the yarn evenness defects detection results using multi－scale wavelet

6 结 语

本文首先利用改进的Gabor滤波方法对织物图像进行滤波，该方法采用4尺度6方向的Gabor滤波器组，用损失评价函数选出最优滤波输出，对这个最优滤波结果采用正常纹理图片获得的阈值对其进行二值化，进而分割出织物的疵点图像；其次采用数学形态学处理方法对未检测的织物疵点图片进行检测；最后采用了多尺度小波检测的方法，给出最终检测结果.由于织物的纹理不同，在生产过程中产生的疵点种类众多，采用级联检测算法，保证了检测疵点的准确有效性.试验证明，采用级联的检测算法可确保检测结果较好，且能准确定位出疵点的位置.

参 考 文 献

［1］SCHICKTANZ K Automatic fault detection possibilities on nonwoven fabrics ［J］. Melliand Textilberichte， 1993，74：294－295.

［2］KIM S C，KANG T J.Automated defect detection system using wavelet packet frame and Gaussian mixture model［J］.Journal of the Optical Society of America A，2006，23（11）：2690－2701.

［3］SARI－SARRAF H，GODDARD J S.Vision system for on－loom fabric inspection ［J］. IEEE Transactions on Industry Applications，1999，35（6）：1252－1259.

［4］POLZLEITNER W.Defect detection on wooden surface using Gabor filters with evolutionary algorithm design［C］／／IEEE Intenational Joint Conference on Neural Networks.NewYork：IEEE Press，2001：750－755.

［5］KUMAR A，PANG G K H.Defect detection in textured materials using Gabor filters［J］.IEEE Transactions on Industry Applications，2002，38（2）：425－440.

［6］BODNAROVA A，BENNAMOUN M，LATHAM S.Optimal Gabor filters for textile flaw detection［J］.Pattern Recognition，2002，35（12）：2973－2991.

［7］MAK K，PENG P.An automated inspection system for textile fabrics based on Gabor filters［J］.Robotics and Computer－Integrated Manufacturing，2008，24（3）：359－369.

［8］NGAN H Y T，PANG G K H，YUNG S P，et al.Wavelet based methods on patterned fabric defect detection［J］.Pattern Recognition，2005，38（4）：559－576.

［9］JASPER W， GAMIER S， POTLAPALLI H. Texture characterization and defect detection using adaptive wavelets［J］.Optical Engineering，1996，35（11）：3140－3149.

［10］TSAI I S，HU M C.Automatic inspection of fabric defects using an artificial neural network technique［J］. Textile Research Journal，1996，66（7）：474－482.

［11］HUANG L L，SHIMIZU A，KOBATAKE H.Robust face detection using Gabor filter features［J］.Pattern Recognition，2005，26（11）：1641－1649.

Fabric Image Defect Detection Based on Method Library

JINGJun－feng，ZHANGHuan－huan，LIPeng－fei
（School of Electronic and Information，Xi'an Polytechnic University，Xi'an Shaanxi 710048，China）

To detect the fabric defects in production process accurately，a method library defect detection approach which was based on the improved Gabor filter method，morphological operations and multiscale wavelet detection was proposed.Firstly，the optimal filtering results were selected using the improved Gabor filter method，and the two thresholding of the normal fabric image were determined through the Gauss smoothing，then the defects were segmented.Secondly，the morphological operations were applied to detect defect.Finally，multi－scale wavelet detection method was used and detected the final detection results.Numerous defect species are produced in the process of production due to the different fabric texture，so the cascade detection algorithm was applied to ensure the effectiveness of the defect detection accuracy.The experiments show that the proposed algorithm detection result is better and the defects are located accurately.

fabric defects； Gabor filter bank； morphological operations； multi－scale wavelet；cascade detection

TP 391

A

1671－0444（2013）05－0650－06

2012－07－17

陕西省西安市科技攻关资助项目（CX1257③）；西安工程大学研究生创新基金资助项目（chx121012）

景军锋（1978—），男，陕西澄城人，副教授，博士研究生，研究方向为图像处理.E－mail：413066458＠qq.com