基于小波能量的簇绒地毯跳纱疵点的检测方法

翟琳琳，陈广锋

(东华大学纺织装备教育部工程研究中心，上海201620)

簇绒地毯的外观检测是对其进行质量控制的重要项目之一［1］。长期以来，对于簇绒地毯中的疵点都是通过人工检测，检验人员按照个人经验对地毯等级做出评定，这种方法受检验人员的主观因素影响较大［2］，效率低、漏检率高，且劳动强度大，难以得到准确的检验结果。基于机器视觉的疵点检测技术具有快速、准确和低成本等特点，可以有效解决地毯疵点的在线检测问题。

簇绒地毯的疵点种类很多，有破损、脏污、跳纱、断纱等，均呈现复杂的外观形态。疵点可以产生于生产过程中的任何阶段，而且地毯纱线较粗，纹理粗糙，地毯的颜色和式样也多种多样，这都为疵点检测带来一定的难度。目前，针对布匹表面疵点检测的相关理论研究很多，检测技术也已经比较成熟，比如纹理分析方法、傅立叶变换法等，但由于簇绒地毯上疵点的复杂性，针对于地毯上疵点检测的研究还很少。笔者针对簇绒地毯的跳纱类疵点进行了研究，并提出一种基于小波能量的疵点检测方法，有效地实现簇绒地毯上此类疵点的检测。图像疵点检测流程为:1)利用图像采集系统对地毯图像进行采集;2)对采集到的图像进行预处理;3)对地毯图像进行判断，判断其是否存在疵点;4)对存在疵点的图像进行疵点分割，提取疵点信息并在源图像中进行定位。

1 簇绒地毯图像预处理

采集到的地毯图像存在着噪声信号，需要对图像进行处理以修正灰度和校正畸变。图像预处理的主要目的是消除地毯图像中的正常纹理，增强疵点图像信息的可检测性和最大限度地简化数据［3］，从而改进图像分割和疵点识别的可靠性。本文使用空间域滤波的方法对簇绒地毯上的跳纱疵点图像进行滤波处理，以达到平滑正常纹理，突出疵点信息的目的。

空间滤波器是由一个邻域和对该邻域所包围的图像像素执行的预定义操作组成的，其滤波的过程为:对图像中的每一点(x，y)，重复下面的操作:1)对预先定义的以(x，y)为中心的邻域内的像素进行运算;2)将1)中运算的结果作为(x，y)点的新响应。

如果邻域中的像素计算为线性运算，则又称为线性空间域滤波，否则称为非线性空间域滤波。在图像中的任意一点(x，y)，滤波器的响应g(x，y)是滤波器系数与该滤波器所包围的图像像素乘积之和:

2 疵点图像的判定

文中使用小波能量对地毯图像中是否存在疵点进行判断。小波是傅立叶分析的发展，二维的小波变换可以分离为对图像数据的行和列分别作一维的小波变换;每次滤波后的下采样使数据总量保持不变。所以小波变换的方法可以很方便地应用于疵点的实时检测中，同时小波变换具有良好的时频局部特征，对奇异信号有很好的检测能力。地毯图像中正常织物纹理信号可以看成是平稳光滑的低频信号，而疵点区域因为灰度值的突变，而成为高频信号。对疵点图像进行小波分解，提取其高频细节分量，对细节图像进行小波能量的计算便可以判断出图像中是否有疵点的存在［4］。

2.1 二维离散小波变换检测原理

二维小波将纹理图像在不同尺度的伸缩和平移变换中每一层次的图像都分解为4个不同频率的图像，其中包含1个平滑逼近子图像和3个细节分量图像，每个图像为原图像的四分之一大小［5］。设二维图像信号为f(x，y)，则二维小波变换的快速分解算法为:

文中采用小波3级分解地毯图像。如图1所示，其中LL是平滑逼近，LH是垂直细节分量，HL是水平细节分量，HH是对角细节分量［6］。

图1 二维小波三层分解示意Fig.1 Schematic diagram of three-layer decomposition of two-dimensional wavelet

经过小波分解后，各细节的能量可以分别表示为［7，9］:

第i层近似细节图像的能量:

第i层垂直细节图像的能量:

取一组无疵点地毯图片，根据小波分解得到的细节图像，分别计算各图片的能量值，并设定一个能量值作为判断有无疵点的依据。地毯疵点的判定准则为:设常量ξ＞0，Ei为第i层子图能量，LevelN为分解总层数，当对某一i值成立时，可判定该图像中包含有疵点。

3 疵点分割

文中使用Otsu法实现疵点图像的自动阈值分割，Otsu算法是在判决分析最小二乘法原理的基础上推导出来的，是比较常用的计算方法［8］。

设图像中灰度为i的像素数为ni，灰度范围为［0，L-1］，则总的像素数为 N= ，各灰度值出现的概率为:Pi=ni/N。

把图像中的像素用阈值T分成两类C0和C1，C0由灰度值在［0，T-1］的像素组成，C1由灰度值在［T，L-1］的像素组成，则两个区域的总方差为:

式中，让T在［0，L-1］范围内取值，使σB2最大的T值便是最佳区域分割阈值。

使用此方法不需要人为设定其他参数，是一种自动选择阈值的方法。由于地毯表面粗糙，阈值的选择与地毯的纹理粗细、密度等密切相关，仅仅使用自动阈值不能得到很好的效果，所以根据实际情况将阈值设定为自动阈值的0.56倍。

4 疵点检测测试

对采集到的地毯图像进行测试，其中图2(a)～(c)为正常地毯图像，图2(d)～(i)为有跳纱疵点的地毯图像。

图2 地毯样品Fig.2 Carpet samples

根据对无疵点地毯图像的测试结果可设定ξ为1 000，则对地毯样品图的判定结果如表1所示。

将含有疵点的地毯图像进行二值化并提取疵点，由于簇绒地毯的纱线较粗，约为2.5 mm，所以测试中将直径小于3 mm的疵点视为正常纹理部分，对于小的疵点区域采用空洞填充使其成为背景纹理，得到二值化结果如图3所示。

表1 地毯样品测试结果Tab.1 Test results of carpet samples

为了方便检测，根据二值化结果将疵点部分在源图像的灰度图中进行定位，首先采用sobel边缘检测算子提取疵点的轮廓，将得到的轮廓信息在灰度图中进行叠加，定位结果如图4所示。

图3 地毯样品图二值化结果Fig.3 Binaryzation result of carpet samples

图4 地毯疵点定位结果Fig.4 Positioning result of carpet defects

5 结论

本文针对簇绒地毯的跳纱类疵点图像，设计了一种基于小波能量的算法，将采集到的地毯图像经小波3层分解得到各级细节子图，计算各子图的能量值。通过与正常图像细节子图的能量值比对判断所检测的图像中是否含有疵点，对含疵点图像进行二值化，并在源图像的灰度图中进行疵点定位，最后通过实验验证了此方法的可行性，此方法可以有效地将地毯图像中的跳纱类疵点检测出来。

［1］OM H，BISWAS M.An improved image denoising method based on wavelet thresholding［J］.Journal of Signal and Information Processing，2012，3(1):109-116.

［2］蒋蕾，尹业安，常利利.一种基于计算机视觉的织物疵点自动检测方法［J］.计算机与现代化，2008(12):153-156，159.JIANG Lei， YIN Yean， CHANG Lili. Anautomatic processing method to inspect and recognize fabric defects based on computer vision inspection［J］.Computer and Modernization，2008(12):153-156，159.

［3］步红刚，黄秀宝.基于计算机视觉的织物疵点检测的近期进展［J］.东华大学学报:自然科学版，2006，32(3):128-133.BU Honggang，HUANG Xiubao.Recent research of fabric defect detection based on computer vision［J］.Journal of Donghua University:Natural Science Edition，2006，32(3):128-133.

［4］BELGE M，KILMER M E，MILLER E L.Wavelet domain image restoration with adaptive edge preserving regularization［J］.IEEE Transactions on Image Processing，2000，9(4):597-608.

［5］NGAN H Y T，PANG G K H，YUNG N H C.Automated fabric defect detection-A review［J］.Image and Vision Computing，2011，29(7):442-458.

［6］BANHANM M R，KATSAGGELOS A K.Spatially adaptive wavelet-based multiscale image restoration［J］. IEEE Transactions on Image Processing，1996，5(4):619-634.

［7］LI W C，TSAI D M.Wavelet-based defect detection in solar wafer images with inhomogeneous texture［J］.Pattern Recognition，2012，45(2):742-756.

［8］VIJAVAREKHA K. Segmentation techniques appliedto citrus fruit images for external defect identification［J］.Research Journal of Applied Sciences(Engineering and Technology)，2012，4(24):5313-5319.

［9］马鑫宇，林意.基于小波子图映射的疵点织物判定方法［J］.计算机工程与应用，2012，48(6):166-168，195.MA Xinyu，LIN Yi.Defect fabric determining based on wavelet subgraph mapping［J］.Computer Engineering and Applications，2012，48(6):166-168，195.