织物纬斜检测图像光照不均匀的校正方法

刘建宝， 李平

(华侨大学 信息科学与工程学院， 福建 厦门 361021)

织物在染色、印花、挂浆及定型等加工过程中不可避免地会产生纬纱歪斜或者弯曲的情况，这种现象叫做纬斜[1].如果织物纬斜不及时纠正，将严重影响最终的产品质量.纬斜的纠正必须通过整纬器完成，而整纬器动作幅度的大小需要根据纬斜的程度而定.因此，织物纬斜的检测是保证整纬器整纬动作准确的重要前提.纬斜的检测方法主要有光电法和图像法两种[2].相较于光电法，图像法具有检测精度高、可以适应厚织物的检测等优势.

近年来，国内学者们提出了一些利用图像法的纬斜检测方法.吉庆高[3]提出一种基于大津法和像素搜索算法的纬斜检测方法；金守峰[4]提出一种基于霍夫变换的织物纬斜检测方法；董燕等[5]提出一种将图像进行傅立叶变换后进行投影映射的方法.这些方法都能很好地检测出光照均匀情况下织物的纬斜，但是当光照不均匀时，采用这些方法检测的误差较大，甚至无法检测出纬斜角度.为了降低检测误差，必须对光照不均匀的织物图像加以处理.处理方法有局部二值化方法和先校正后使用全局二值化的方法.利用这些方法可以得到接近光照均匀的二值化图像，使用光照均匀情况下的纬斜检测方法就能检测出织物的纬斜.

目前，常见的全局二值化的方法有Otsu法[6]、双峰法[7]、迭代法[8].这些方法主要用于对光照均匀的图像进行处理，获得光照均匀情况下的二值图像，无法在光照不均匀情况下得到良好的二值化效果.局部二值化的方法包括分块二值化法和自适应二值化法.分块二值化法[9]主要针对光照不均匀程度有明显的分界的图像，把图像分为不同光照程度的块；然后，对每一块分别使用全局阈值化的方法进行处理，得到二值化图像.该方法对光照程度分块不明显等复杂情况的分块具有较大的难度.常见的自适应二值化法有White法[10]、Bernsen法[11]、Niblack法[12]、Sauvola法[13].自适应二值化法可以提高光照不均匀图像的二值化效果，使二值化图像接近光照均匀的情况，但是该方法对于每个像素点的阈值都要进行计算，耗时较多.常见的校正方法有直方图均衡化[14-16]、Retimex方法[17-19]等.直方图均衡化法实现了图像的亮度增强和对比度改善,但是，在有局部阴影等光照强度有明显变化边界的情况下，容易丢失图像细节，不适用于织物图像的处理.Retimex方法可以提高图像的对比度，突出图像的细节，但是，在有局部阴影和光照复杂情况下，处理效果较差.

本文提出一种织物纬斜检测过程中光照不均匀的校正方法.通过处理使同一纬向的像素值恢复到同一灰度级别，从而将光照不均匀的图像校正.将校正过图像进行二值化，首先,与其他二值化方法进行对比;然后,用基于像素搜索的纬斜检测方法[3]进行测试;最后,说明该方法能够在光照不均匀的情况下降低纬斜检测误差.

1 织物纬斜检测方法

由于织物的纬线平行排列，纬线部分凸起受到的光照较强,形成较亮的条纹;两根纬线中间部分凹下受到的光线弱,形成较暗的条纹.利用摄像机采集到的理想的织物图像为一条条明暗相间的条纹,如图1所示.

图1 织物图像 图2 织物纬斜情况 Fig.1 Fabric image Fig.2 Fabric weft condition

织物纬斜情况，如图2所示.假设AC(AD)为根据图像得到的纬线方向，AB为标准纬线方向，BC或BD的距离为d，AB的距离为h，则织物的纬斜率(s)为

(1)

此外，纬斜角度(θW)为AC(AD)与AB的夹角.

2 光照不均匀织物图像的校正

2.1 光照不均匀图像校正原理

对于光照均匀的织物图像，提取图像垂直于标准纬线方向的一列，随着行号的增加，该列像素的灰度值将周期性地出现波峰和波谷.光照均匀时织物图像的灰度变化，如图3所示.图3中：N为行号.

图3 光照均匀时织物图像的灰度值变化 图4 光照不均匀时的织物图像 Fig.3 Gray value change of fabric image Fig.4 Fabric image under under uniform illumination uneven illumination

光照不均匀时的织物图像，如图4所示.将图4中光照不均匀的织物图像提取1列，随着行号的增大，该列像素的灰度值变化，如图5所示.

由图3可知：当光照均匀时，灰度值周期性地出现波峰和波谷，波峰和波谷附近分别代表明条纹像素点和暗条纹像素点，每两个相邻的波峰和波谷中心基本处于同一灰度水平，所以，可以找到一个阈值，分割出明条纹像素和暗条纹像素.由图5可知：在光照不均匀的情况下，灰度值仍周期性地出现波峰和波谷，但是相邻两个波峰和波谷的中心不处于同一灰度水平，所以，无法使用同一个阈值分割，需要在每个波峰和波谷之间寻找一个阈值才能二值化.

在光照不均匀的情况下，每一列的灰度值仍然不断由小变大，再由大变小，且每次变化周期基本不变.对于每个像素点，统计1个变化周期内，灰度值小于等于该像素点灰度值的像素个数，把统计结果作为该像素点的值，就可以把每条纬线同一位置点的像素值统一到同一个灰度水平，只考虑织物灰度的变化情况，滤除光照对灰度的影响.根据这个变化情况，按比例对织物图像进行校正，每个变化周期的阈值就能恢复到同一灰度水平，得到灰度校正图像.校正后的灰度值变化曲线，如图6所示.

图5 光照不均匀情况下灰度值变化曲线 图6 校正后的灰度值变化曲线 Fig.5 Gray value curve under uneven illumination Fig.6 Corrected gray value change curve

2.2 织物纬斜图像光照不均匀校正步骤

步骤1计算织物图像能容纳的不重叠的窗口数m为

m=[c/w].

(2)

式(2)中：c为图像纵向长度;w为窗口的宽度;[]表示取整.

步骤2计算每个窗口的纵坐标范围，第k个窗口的纵坐标的最大值和最小值分别为

(3)

步骤3对每一个窗口,计算纵向每一个点的灰度值,即

(4)

步骤4根据比例对原图进行还原，将正常光照下图像灰度最小值转换为0,即

f2(x，y)=f(x，y)-fmin.

计算该图像灰度平均值和经过处理后的图像灰度平均值的比例(b)为

b=avg(f2)/avg(f1).

将图像转换到对应的灰度范围，得到校正后的图像,即f′=f1b+fmin.

3 实验结果与分析

将几个织物销售商提供的实际织物照片进行筛选后，从中挑选200张作为实验数据.对采集的一张光照均匀的样本图像进行处理，得到4种光照不均匀的织物图像，如图7所示.

(a) 有阴影 (b) 纵向光照不均匀 (c) 横向光照不均匀 (d) 前3种情况的复合图7 4种光照不均匀的织物图像Fig.7 Four kinds of fabric images with uneven illumination

由于光照均匀的织物图像经过二值化处理后仍可保留纬斜信息，为了能更直观地比较不同方法对光照不均匀织物图像的处理效果，文中实验对3种方法的处理结果都经过二值化后，再进行比较.

根据文献[3]的分析可知，对于织物纬斜的检测，使用Otsu法进行全局二值化的效果较好.对于图7中光照不均匀的情况，使用Retimex法校正后，再经过Otsu法的二值化效果图，如图8所示.当邻域大小与织物宽度相同，且修正参数为1时，使用Sauvola法的二值化效果图，如图9所示.使用文中方法校正后,再经过Otsu法得到的二值化效果图，如图10所示.

(a) 有阴影 (b) 纵向光照不均匀 (c) 横向光照不均匀 (d) 前3种情况的复合 图8 使用Retimex法+Otsu法的二值化效果图Fig.8 Rendering of binarization by Retimex method + Otsu method

(a) 有阴影 (b) 纵向光照不均匀 (c) 横向光照不均匀 (d) 前3种情况的复合 图9 使用Sauvola法的二值化效果图Fig.9 Effect pictures of binary processing with Sauvola method

(a) 有阴影 (b) 纵向光照不均匀 (c) 横向光照不均匀 (d) 前3种情况的复合 图10 使用文中方法+Otsu法的二值化效果图Fig.10 Effect pictures of binarization by using the method in the paper + Otsu method

由图8～10可知：使用Retimex法+Otsu法对不含局部阴影图像的二值化效果较好，对光照过亮或者过暗部分的二值化效果较差；使用Sauvola法可以较好地分出前景和背景，但是暗条纹部分出现较多的断裂，且对有局部阴影、光照复杂的图像，其二值化效果较差；文中方法+Otsu法可以使织物图像在4种光照不均匀的情况下都保持良好的二值化效果.

误分类误差指数(Me)[20]反映了错误地将背景像素分配给前景的百分比和错误地将前景像素分配给背景的百分比.采用误分类误差指数，比较光照不均匀情况下，Retimex法+Otsu法、Sauvola法、文中方法+Otsu法的二值化效果.对于二值化问题，Me可以简单表示为

(5)

式(5)中：Bo和Fo表示原始图像用Otsu法二值化得到的背景和前景；BT和FT表示光照不均匀图像使用二值化方法得到的背景和前景区域像素.对于完全没有错误的二值化图像，Me值为0;对于完全分类

表1 3种方法的误分类误差指数对比Tab.1 Misclassification error index comparison of three methods

错误的图像，Me值为1.

对4种光照不均匀的情况进行编号：“1”为有阴影；“2”为纵向光照不均匀；“3”为横向光照不均匀；“4”为前3种情况的复合.3种方法的误分类误差指数对比，如表1所示.由表1可知：Retimex法+Otsu法对只有局部阴影的情况处理效果最好；Sauvola法对没有阴影的情况处理效果最好；文中方法+Otsu法在4种情况下的Me值均最小，说明文中方法处理的结果最接近光照均匀情况下的二值化效果，与观察结果一致.

对上述4种情况首先直接使用文献[3]的方法进行纬斜角度的测量;然后,使用文中方法代替文献[3]中的二值化方法再次进行测量.使用文中方法前、后的检测结果对比,如表2所示.表2中：θW为纬斜角度；θ1为仅使用文献[3]方法二值化后的纬斜角度；θ2为先采用文中方法进行校正，再使用文献[3]方法二值化后的纬斜角度.

表2 使用文中方法前、后的检测结果对比Tab.2 Comparison of test results before and after using the proposed method

由表2可知：对于4幅角度一致但是光照不均匀类型不同的图片，未使用文中方法时，测得的平均误差较大，方差较大；使用文中方法后，测得的平均误差较小，方差较小.说明未使用文中方法时，在光照不均匀的情况下，无法保证检测结果的精度，且对于不同光照条件，检测结果波动较大；而文中方法能够降低光照不均匀条件下的检测误差，且对于不同的光照不均匀类型也有很好的适应能力.

将200张图像进行处理后，得到800张光照不均匀的样本图像，首先，使用像素搜索的方法进行纬斜角度检测；然后，使用文中方法代替文献[3]中的二值化方法再次进行检测，观察使用文中方法前、后检测误差的变化情况.结果表明：样本数为800，误差提高和误差不变的数目为0，误差降低的数目为800.由此可知，文中方法能够降低不同光照不均匀织物的检测误差.

4 结束语

通过分析光照不均匀情况下的织物在垂直于标准纬线方向上的变化规律，提出一种光照不均匀校正方法.对4种常见的光照不均匀类型进行分析，通过实验证明文中方法能够减小光照不均匀带来的影响，降低光照不均匀情况下的检测误差，并且对这些光照不均匀类型有很好的适应能力.