织物疵点的图像信息检测方法

韩晓军，黄 雷

（天津工业大学电子与信息工程学院，天津 300387）

织物疵点的图像信息检测方法

韩晓军，黄 雷

（天津工业大学电子与信息工程学院，天津 300387）

针对织物破洞、断经、跳花和浆斑这4种类型疵点的特征，提出一种基于图像信息的检测方法.根据织物疵点的几何特性选择结构元素，应用形态学运算突出疵点形状信息，应用灰度积分投影法确定织物疵点的位置信息，然后分析纹理特征，提取织物疵点面积、周长等特征参数.结果表明：本方法克服了经典边缘检测算子只能给出疵点轮廓的弊端，利用图像信息检测进行计算机辅助验布，对于纺织信息化具有一定的理论意义和实用价值.

织物疵点；图像信息；图像处理；信息检测；形态学运算；纹理特征；特征参数

features；characteristic parameter

验布是织物质量控制的一个必要环节.传统的人工检测方式劳动强度大，检测速度慢，检测的准确性与检验者的经验与疲劳程度直接相关[1].作为一种智能检测手段，计算机视觉技术随着图像处理技术的发展，已经应用于布匹疵点检测等工业表面检测领域[2].目前，国外纺织业常规的自动验布系统分为在线检测和离线检测[3]，代表性的公司如瑞士 Uster、比利时Barco，德国Obdix、以色列EVS等公司研制的自动验布设备.国内从事织物表面疵点检测研究的代表性大学，如东华大学、浙江理工大学、西安工程大学、天津工业大学等也做了基于计算机视觉和图像处理技术在纺织品检测中应用的研究与探索，申请了专利并且推出了部分样机.但是，由于算法实时性和价格等因素的影响，检测系统在纺织行业的应用还远不够普及.

规整的布匹图像是有规律的纹理图像，像素点在小范围内的浮动并不会破坏纹理的完整性.图像信息特征反映了织物纹理、形状在空间上的对应关系.应用Sobel、Prewitt、Laplacian、Canny等经典的边缘检测算子可以检测出疵点的轮廓[4]，但不能提供位置、面积等信息.本文提出的疵点检测算法可以得出疵点的位置、形状、面积、周长等图像信息.根据这些疵点信息，快速准确地找到疵点的位置，以便修整和去除疵点或者检出不合格的织物.

1 疵点检测算法研究

1.1 纹理与疵点

织造过程中布匹表面形成有规则的图案模式，即纹理.但是产生的疵点却破坏了纹理的完整性和规则性.纹理是图像的一种重要的特征，是由小范围内色调变化的空间分布所产生的视觉效果.纹理由一些小的结构单元以一定的周期重复而形成.随机纹理用一组统计特征参数描述，纹理中每一点的灰度值都是一个服从某种分布的随机变量.而结构纹理具有重复性和规律性，每一点都有一个特定的灰度值对应.因此，可以利用纹理和形状识别疵点.

1.2 形态学检测疵点形状

（1）形态学数学描述.设A为原始图像，B为结构元素图像，则集合A被结构元素B做开运算，A被B腐蚀后的结果再被B膨胀，定义为

设A为原始图像，B为结构元素图像，则集合A被结构元素B做闭运算，A被B膨胀后的结果再被B腐蚀，定义为

（2）形态学检测算法.形态学疵点检测方法主要包括阈值选取和检测2个步骤.首先分析标准织物图像，用标准图像求出图像的像素灰度值和标准偏差[5]，进而得到一个像素灰度值的阈值，进行图像二值化，再利用自相关函数求出标准图像中的经纬方向上重复单元的尺寸，从而构成一个检测模板；其次，对采集的图像经过检测模板进行先腐蚀背景后膨胀目标的形态学处理，确定出被检测织物图像中的疵点形状.

求出织物图像的像素灰度平均值和标准偏差后，图像像素灰度阈值可表示为

式中：Tm为像素灰度值的阈值；σm为所有像素的标准偏差；μm为所有像素的平均灰度值；N2为标准织物图像的像素数；f（i，j）（i，j=1，2，…，N）为每个像素的灰度值；γ为一个调整系数，根据实验取值的区间为[-5.0，5.0].

由于背景光从织物经纱和纬纱之间的空隙透射而在织物图像形成许多分布较均匀、灰度值与疵点灰度值相近、面积很小的噪声点，应用开运算中的腐蚀运算，可以将其去除.选择合适的结构元素，既要滤除噪声，又要保证原疵点图像的形状.必须根据图像的具体情况确定结构元素的形状和大小.分析可知，断经、缺纬之类疵点具有细长的几何特征，采用的结构元素是长度为3个像素、方向为30°的直线，而对破洞类型的疵点图像，采用参数为3的菱形结构元素.

疵点的类型主要有断经、缺纬、破洞等[5]，这些疵点都具有一定的几何形状和相互不同的特征，如疵点经向方向上的长度、纬向方向上的长度以及疵点面积等特征，在经过归一化处理的二值图像中，表现为一条经向或纬向上的白线或白色的矩形或类圆形.应用形态学腐蚀背景和膨胀目标的方法，突出了布匹的疵点形状信息.

2 特征信息检测实验与分析

2.1 疵点形状信息

应用形态学运算分别对4类不同疵点图像进行检测，采集原图像如图1所示，形态学提取疵点形状信息如图2所示.

图1 采集源图像Fig.1 Acquisition of source image

2.2 疵点位置信息

为了获取织物疵点位置的信息，提出灰度积分投影定位算法，对于得到的二值图像g（x，y），定位出疵点的（x，y）方向位置[6].疵点与方向位置信息的约束条件为

图2 形态学处理疵点形状Fig.2 Processing defect shape using morphological methods

式中：xi、xk为最大灰度累积值所在的行，且xi＜xk；表示垂直方向最大灰度累积值；yj、yk为最大灰度累积值所在的列，且为水平方向最大灰度累积值.

灰度积分投影定位结果如图3—图6所示.图3—图5完整显示了各类疵点的位置信息，分析图6可以看出，当疵点轮廓不封闭时，则无法定位其x方向位置[7].断经疵点y方向未封闭，也不能定位y方向位置，可以通过后期处理得到封闭轮廓后，再投影映射出x、y方向位置信息.

2.3 纹理信息

由于织物疵点图像纹理尺度的不同，其灰度共生矩阵有很大的差别.可以从灰度共生矩阵中计算出一组统计参数作为纹理描述符，用来定量描述纹理特征[8-9].

将图像的灰度级定为L级[10]，那么共生矩阵为L× L矩阵，其中位于（i，j）处元素的值表示灰度级分别为i和j且相距（Δx，Δy）的像素对出现的概率，记为则纹理特征的能量、熵和惯性矩可分别描述为

图3 破洞疵点x、y方向位置信息Fig.3 Position infomation of holes

图4 浆斑疵点x、y方向位置信息Fig.4 Position information of hard size

图5 断经疵点x方向位置信息Fig.5 Position information of cracked ends

图6 跳花疵点x、y方向位置信息Fig.6 Position information of skips

其中，能量是对纹理图像灰度分布均匀性的度量，分布越不均匀，能量越大.对形态学处理后的图像分别选用能量、熵与惯性矩3个参数作纹理分析，结果如图7所示.

2.4 特征参数信息

图像信息检测通过对研究对象进行特征提取与分析，描述织物疵点的大小、形状和周长、面积等特征，建立织物疵点检测的参数模型，表示为

式中：fi（x，y，t）为采集的图像序列；i=1，2，3，…，n为序列的长度；S、P、L分别为疵点的面积、周长、长度.对第10幅图像实验得到的面积、周长、长度3个特征参数如表1所示.

图7 纹理参数比对Fig.7 Comparison of texture parameters

表1 特征参数（i=10）Tab.1 Characteristic parameters

3 结 语

图像信息检测方法克服了经典边缘检测算子只能给出疵点轮廓信息的缺点.形态学处理得到疵点形状信息，灰度积分投影法提取疵点的位置信息，同时验证了位置信息目标轮廓必须封闭.最后提取疵点类型和周长、面积、纹理信息，并且得出能量是对纹理图像灰度分布均匀性的度量、分布越不均匀能量越大的结论.研究表明：应用图像信息可对部分织物疵点进行实时检测，当对织物进行归一化处理后，各类疵点在图像空间中具有灰度共性，因此，检测方法也可推广至更多类型的疵点检测，从而验证了计算机辅助验布的可行性.

[1]李立轻，黄秀宝.图像处理用于织物疵点自动检测的研究进展[J].东华大学学报：自然科学版，2002，28（4）：118-122.

[2]邹超，汪秉文，孙志刚.基于机器视觉的织物疵点检测方法综述[J].天津工业大学学报，2009，28（2）：78-82.

[3]李文宇，程隆棣.基于机器视觉和图像处理的织物疵点检测研究新进展[J].纺织学报，2014，35（3）：158-164.

[4]ZHOU Hui-yu,LI Xue-long,SCHAEFER G,et al.Mean shift based gradient vector flow for image segmentation[J].Computer Vision and Image Understanding,2013,117（8）：1004-1016.

[5]张达，谢植.棒材在线计数中断面定位方法研究[J].仪器仪表学报，2010，31（5）：1173-1178.

[6]MUTIARA Ayu Sari，SHANKARARAMAN Chellam.Surface water na-nofiltration incorporating（electro）coagulation-microfiltration pretreatment：Fouling control and membrane characterization[J].Journal of Membrane Science，2013，437：249-256.

[7]ZHAOF，JIAOLC，LIUHQ.KernelgeneralizedfuzzyC-means clustering with spa-tial information for image segmentation[J]. Digital Signal Process，2013，23（1）：184-199.

[8]CHEN Kaige，HAN Xiaojun，HUANG Tenghao.Target detection algorithm based on the movement of Codebook model[J]. Computer and Information Science，2012，5（2）：49-54.

[9]韩晓军.数字图像处理技术与应用[M].北京：电子工业出版社，2009.

[10]王然然，田铮，赵伟.SAR图像分割的改进参数核图割方法[J].计算机工程，2014，40（7）：221-224.

[11]朱中洋，肖志云，孙光民，等.基于Radon小波低分辨率的织物疵点检测算法[J].计算机应用，2015，35（3）：863－867.

[12]YE Xujiong，LIN Xinyu，DEHMESHKI Jamshid.Shape-based computer-aided detection of lung nodules in thoracic CT images[J].IEEE Transactions on Biomedical Engineering，2009，56（7）：1810-1820.

Image information detection method for fabric defect

HAN Xiao-jun，HUANG Lei
（School of Electronics and Information Engineering，Tianjin Polytechnic University，Tianjin 300387，China）

A detecting method based on image information is proposed for four kinds of fabric defects（holes，cracked ends，skips and hard size）detection.The structure elements are selected according to the geometric characteristics of fabric defects，the morphological operation is used to highlight the shape information of fabric defect and grayscale integral projection method is used to determine the location information of fabric defect.Then texture features are analyzed to extract characteristic parameters such as area of fabric defects and perimeter.The result shows that the proposed method overcomes the problem that the classical edge detection operators can only give profile of fabric.Meanwhile，the proposed method uses image information detection for computer-aided cloth inspection，which has theoretical significance and practical value for the textile information.

fabric defect；image information；image processing；information detection；morphological algorithm；texture

TS101.9；TP274

A

1671-024X（2015）05-0048-04

10.3969/j.issn.1671-024x.2015.05.010

2015-06-05

国家自然科学基金资助项目（61405144）

韩晓军（1958—），女，教授，硕士生导师，主要研究方向为图像处理与模式识别.E-mail：hanxiaojun@tjpu.edu.cn