阴影检测技术在裁割机样片轮廓提取中的应用研究

董 辉，陈慧慧

(浙江工业大学 信息工程学院，浙江 杭州 310023)



阴影检测技术在裁割机样片轮廓提取中的应用研究

董 辉，陈慧慧

(浙江工业大学 信息工程学院，浙江 杭州 310023)

阴影将导致轮廓提取时样片的轮廓发生扭曲变形以及部分轮廓的丢失，为了提高轮廓提取的准确性，提出了一种基于色度畸变和均值的局部多层次差分算子的阴影检测方法.新方法从彩色不变性和纹理相似性两个方面出发，通过阴影覆盖前后色度变化相对较小和纹理具有相似性的原理来确定阴影区域.实验结果表明：该方法能够有效去除样片周围的阴影，具有良好的性能.

轮廓提取；阴影检测；色度畸变；局部多层差分算子

现今，国内服装行业的市场竞争愈加激烈，对生产自动化需求也不断增长，高精度的自动化样片裁剪制作工艺成为了行业内的一种新需求[1-2].然而，服装的样片轮廓提取是裁割机裁剪布料的先决工作，只有高精度的样片轮廓提取才能保证制作出来的服装具有高精度的特点.样片的轮廓提取精度往往受到阴影的影响.由于每一块样片的尺寸、颜色和形状是不确定的，在一定的光源下，相机所采集的样片周围会产生阴影，这对后续样片轮廓提取时带来了不少问题.当样片之间距离较小时，阴影很可能将多个样片连接起来，这时会导致一部分边缘轮廓的丢失；而当阴影区域面积与真正的样片区域面积之比超过一定数值时，阴影会导致所采集到的样片外形轮廓扭曲变形，这种变形将使轮廓提取等工作的出错率大大增加[3].阴影的检测和去除方法包括两个不同方向：单幅图像中的静态阴影检测技术和视频序列中的动态阴影检测技术.目前，大多阴影检测方法适用于动态阴影检测，对静态阴影的检测的理论和算法需求迫切.经过研究者们的努力，静态阴影检测在国内外的研究机构也取得了一定的成果，如根据Retinex理论[4]进行阴影检测，即使是较复杂的纹理图像，同样也能自动检测阴影.

笔者提出基于色度畸变[5]和均值的局部多层次差分算子(LMDO)[6]的阴影检测方法，对裁割机样片采集系统中样片轮廓提取的应用进行研究.在VS2010的环境下，编写了阴影检测与消除的方法，成功地实现了图像上样片周围的阴影检测与消除.基于色度畸变的阴影检测方法是根据前景图像与背景图像的色度差来确定阴影区域，而基于均值的LMDO的阴影检测方法，利用被阴影覆盖前后的背景区域纹理近似不变性确定阴影区域.笔者将两个方法结合，能够有效减少阴影区域的误检.具体方法是：使用数字相机将无样片的背景图像信息和有样片的前景图像信息采集到计算机中；并将相机进行畸变校正，求出相机参数，对采集的前景和背景图像根据相机内参数进行畸变校正；再将前景与背景图像进行差分提取出带有阴影的目标图像，根据提出的新方法确定阴影区域并去除阴影；再提取样片的边缘轮廓并保存边缘坐标信息，将轮廓信息传送给裁割机械进行样片边缘轮廓切割.

1 图像阴影检测原理

1.1 基于均值的局部多层次差分算子(LMDO)的阴影检测方法原理

1.1.1 局部二值模式(LBP)

LBP算子[7]是一种比较某一像素点与其邻域像素值，进而产生一组比特流来描述这个像素点的局部纹理特征算子.LBP算子计算式为

(1)

(2)

式中：gc为中心点像素灰度值；gi为灰度值，以gc为中心，R为半径的P个邻域像素点灰度值.

LBP算子的计算过程如图1所示，通过比较图1(a)原图像块的中心像素点灰度值gc和邻域像素点灰度值gi，若gi大于gc，邻域像素点灰度值变为1；否则，变为0.由此可得图1(b)中心像素点的纹理特征算子：LBP8,1=(11011000)2=216，式中下标数字2表示括号内的数字为2进制.

图1 8邻域图像的纹理特征Fig.1 Texture features of 8 neighborhood images

1.1.2 局部多层次差分算子(LMDO)

由于局部二值模式算子(LBP)只考虑了中心像素点与邻域像素点之间的大小关系，而没考虑到它们之间的对比度，并不能很好的反应局部纹理信息.笔者提出基于均值的局部多层次差分算子(LMDO)，LMDO是一种中心像素点和P个邻域像素点的灰度值与该P+1个像素的灰度平均值进行比较，进而产生像素点间的对比度，然后将对比度值映射到一定的层次上去，得到多个层次的LMDO值，将LMDO值作为图像纹理特征.

在半径为R，邻域点个数为P的图像局部区域，由中心像素点与P个邻域像素点所对应的对比度层次ti生成的LMDO公式，即

(3)

如果 ti>T，则 ti=T

(4)

LMDOP,R={ti} i=0,1,2,…，P

(5)

图2对基于局部二值模式(LBP)与基于均值局部多层次差分算子(LMDO)进行纹理特征比较.图2(a)为基于LBP的纹理特征，通过邻域比较计算得到LBP码：LBP8,1=(01011011)2=91，图2(c)为基于均值得LMDO的纹理特征，通过对比度层次比较计算得到LMDO码为LMDO8,1={242431232}，由此看出基于均值的LMDO码更能突出图像的纹理特征.

图2 两种方法的纹理特征比较Fig.2 Comparison of two methods of texture feature

1.2 基于色度畸变的阴影检测方法原理

在服装样片采集过程中一般产生的是投射阴影(图3)，当物体将场景中的直射光挡住时，物体沿着直射光方向在另一个物体表面的投影就成为投射阴影，投射阴影一般分为本影和半影[8].通常无论光照的强弱变化如何，人们都能正确地观察物体表面的颜色，称为彩色不变性[9].彩色不变性是投射阴影区域的重要特征.因此，处于阴影区域的物体外表面的物理属性并没有发生变化，而处于阴影区域的像素与阴影覆盖前相比色度变化是相对较小的，亮度变化明显.根据以上原理，采用基于色度畸变的方法来确定阴影区.

图3 投射阴影的示意图Fig.3 Schematic diagram of projected shadow

利用颜色空间，将数字相机采集的有样片的前景图像和无样片的背景图像的色度分量区分开来，此处采用RGB空间.以OFi,j和OBi,j分别表示图像坐标为(i，j)的前景图像像素点和背景图像像素点在RGB空间中的特征向量，如图4所示，三维RGB颜色空间的模型，OFi,j和OBi,j之间的夹角α的大小体现了在图像坐标(i，j)上前景图像和背景图像的像素两者之间在色度上的差异，称为色度差.

图4 RGB颜色空间的三维模型Fig.4 Three dimensional model of RGB color space

色度差α的计算式为

(6)

一般位于目标图像中阴影区域的像素点的色度差较小且分布比较均匀，而位于目标图像中样片区域的像素色差波动比较大.因此，阴影区的像素点的色度差满足α

2 阴影的检测与消除过程

要想检测和消除目标图像中样片周围的阴影，首先将有样片的前景图像与无样片的背景图像利用背景差分法将前景图像中的服装样片分割出来，生成带有阴影的目标图像，然后根据亮度的变化检测出目标图像中的候选阴影区，再利用色度畸变和均值LMDO的方法来确定候选阴影区中的阴影.

(7)

式中：α，β的取值范围为0<α<β<1，由实验所得.

2)确定阴影区域.首先，将前景图像和背景图像的阴影候选区中的像素点按照式(6)计算，并把结果代入α

(8)

当某个像素点同时满足：α

3)阴影去除.通过区域生长的方法[10]将前面所得到的准确阴影点连成阴影区域并进行标记，然后将带有阴影的目标图像与已标记的阴影区域图像进行差分，得到去阴影后的目标图像.

4)后续处理.第3)步所得的样片图像进行膨胀腐蚀[11]处理，得到更准确的样片图像.

5)轮廓提取.采用Canny边缘检测方法[12].

3 实验结果与分析

实验是基于OpenCV开发包在VS2010平台上编程实现的，所用PC机硬件配置为Intel酷睿i3 370 M，主频2.40 GHz，内存5 GB，软件配置为Windows 7，64位操作系统.本实验选取了3个轮廓明显的服装样片作为实验对象，摄像头的型号为VIMICRO中星微ZC0301PLH.摄像头采取从上往下正对着实验对象的方式进行拍照，拍摄距离为150 cm.实验图包括背景图、差分后的目标图像、色度畸变去阴影图、新方法去阴影图、未去阴影的轮廓图、色度畸变去阴影后的轮廓图及新方法去阴影后的轮廓图.图5是利用基于色度畸变和均值的局部多层次差分算子的阴影检测方法在裁割机样片轮廓提取过程中进行实验所得到的实验结果图.为了客观地评价新方法的阴影检测性能，采取PRATI[13]提出的阴影检测率φ和阴影辨别率ε来进行考量，即

(9)

表1 阴影检测率和阴影辨别率

图5(b)为图5(a)原图像通过背景差分法后的目标图，图5(c)是利用基于色度畸变检测方法去阴影后的结果图，与图5(b)差分后的目标图相比，可以看出经过色度畸变的阴影检测方法后样片周围的阴影大部分已经消除.然后将图5(c)与图5(d)进行比较，可以看出图5(c)只是将由色度变化引起的部分阴影区域消除了，而图5(d)通过新方法将阴影基本消除.图5(e)为图5(b)差分后的目标图的轮廓提取图，可以看出阴影区域的存在导致样片周围的轮廓发生扭曲，再比较图5(f)与图5(g)，图5(f)色度畸变去阴影后的轮廓图中包含了部分阴影的轮廓，而图5(g)利用新方法去阴影后能准确提取出样片的轮廓，效果比利用色度畸变去阴影后的轮廓提取要好的多，轮廓更加平滑，准确度提高.

图5 实验结果图Fig.5 Experimental results

4 结 论

通过彩色不变性与纹理相似性，提出了基于色度畸变和均值局部多层次差分算子的阴影检测方法.此方法在考虑背景区域纹理相似的基础上，并结合阴影区域色度差异较小的原则来确定阴影区域，有效消除服装样片周围的阴影，并具有较好的阴影检测率和阴影辨别率，且提高了后续样片轮廓提取的精度，改善裁割机服装系统中的工作效益.

[1] 王琪，冯远静，董辉,等.基于视觉传感的服装样片位图矢量化[J].浙江工业大学学报，2010，38(3):273-277.

[2] 赵大兴，朱锦雷，李九灵,等.基于机器视觉的织物检测方法的研究[J].计算机工程与设计，2008，29(1):99-101.

[3] 李文斌，王长松.基于色度畸变和局部交叉熵的阴影消除[J].计算机应用，2007，27(5):1123-1125.

[4] SUN J， TIAN J， DU Y， et al. Retinex theory-based shadow detection and removal in single outdoor image[J].Industrial

robot，2009，36(3): 263-269.

[5] 刘洋，李玉山，张大朴.基于色度畸变和纹理特征的阴影消除方法[J].计算机科学，2005，32(9):211-214.

[6] 董辉，陈慧慧，赖宏焕，等.一种基于LMDO的注塑机械手模具异常检测方法:CN 201510168954.8[P].2015-07-15.

[7] CONNOLL C， FLEISS T. A study of efficiency and accuracy in the transformation from RGB to CIELAB color space[J]. IEEE transactions on image processing，1997，6(7):1046-8.

[8] LEVINE M D， BHATTACHARYYA J. Removing shadows[J]. Pattern recognition letter，2005，26(3):251-265.

[9] 贾云得.机器视觉[M].北京：科学出版社，2000.

[10] 陶唐飞，韩崇昭，代雪峰,等.综合边缘检测和区域生长的红外图像分割方法[J].光电工程，2004，31(10):50-52.

[11] 李晓飞，马大玮，粘永健,等.图像腐蚀和膨胀的算法研究[J].影像技术，2005(1):37-39.

[12] 薛丽霞，李涛，王佐成.一种自适应的Canny边缘检测算法[J].计算机应用研究，2010，27(9):3588-3590.

[13] PRATI A， MIKIC I， TRIVEDI M M， et al. Detecting moving shadows: algorithms and evaluation[J]. IEEE transactions on pattern analysis & machine intelligence，2003，25(7):918-923.

(责任编辑：刘 岩)

Study on the shadow detection applied in the sample contour extraction of cutting machine

DONG Hui, CHEN Huihui

(College of Information Engineering， Zhejiang University of Technology， Hangzhou 310023， China)

The shadow will lead to the sample distorted and lost when the sample contour is extracted. In order to improve the accuracy of contour extraction, a shadow detection method with local multi-level difference operator based on color distortion and means is proposed in this paper. This paper analyzes the color invariance and texture similarity, then propose a shadow detection method based on chrominance distortion and local multi-level difference operator. This shadow detection method based on chrominance distortion will determine the shadow area through comparing the area with small color change before and after shadow covering and texture similarity principle. The experimental results show that this method can effectively remove the shadow around the sample and the method has a good performance.

contour extraction; shadow detection; chrominance distortion; local multi-level difference operator

2016-01-18

董 辉(1979—)，男，浙江永康人，副教授，研究方向为嵌入式系统技术及应用，E-mal:hdong@zjut.edu.cn.

TP391

A

1006-4303(2016)05-0478-04