摘 要: 針對紋理特征的方向無序性,提出了一種基于多向梯度模算子的快速算法。在圖像預(yù)處理的基礎(chǔ)上對亮度進行修正,消除亮度的非均勻性對紋理特征提取造成的干擾。利用多向梯度算子在局部區(qū)域運算確定梯度方向,并構(gòu)建二維灰度梯度矩陣。最后,通過統(tǒng)計矩陣灰度信息建立分級模型。實驗結(jié)果表明,該方法能較好地提取羽毛的紋理特征并進行分級,可以滿足實時檢測應(yīng)用的需要。
關(guān)鍵詞: 紋理特征;預(yù)處理;梯度算法
紋理常指圖像反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則,反映宏觀意義上灰度變化的一些規(guī)律。在現(xiàn)代工業(yè)生產(chǎn)和自動化檢測中,產(chǎn)品表面紋理特征往往是衡量產(chǎn)品質(zhì)量的重要指標。不同紋理特征圖像有不同的紋理識別和描述方法,目前常用的紋理特征分析方法主要集中在基于空間域的結(jié)構(gòu)模型和統(tǒng)計模型分析方法、基于頻率域的濾波器族、小波分析方法。在空域模型中,紋理被看作一種對區(qū)域內(nèi)密度分布的量測結(jié)果,其利用對圖像灰度的分布和關(guān)系的統(tǒng)計規(guī)則來描述紋理,比較適合自然紋理的描述。HARALICK R M[1]等人提出了紋理特征的灰度共生矩陣表示,共生矩陣方法不受分析對象的限制,能夠反映圖像的灰度分布情況,但用共生矩陣提取的紋理性質(zhì)缺少視覺相似性。頻域濾波器族是一種以圖像梯度信息表示圖像紋理特征的方法,傅里葉變換[2]適合描述周期函數(shù),頻域特征比空域特征更具有抗噪性,但是對于方向性不敏感,僅包含了圖像水平和垂直方向的梯度,丟失了其他方向上的重要信息,同樣缺乏空間分布信息。小波分析[3]因其突出的局域特性和多尺度特性近年來在紋理分析中受到重視,但缺點是計算量大。
基于機器視覺的羽毛檢測是羽毛球生產(chǎn)自動化的關(guān)鍵環(huán)節(jié),波紋紋理是羽毛缺陷類型的一種,主要表現(xiàn)為羽毛片上空間周期出現(xiàn)的明暗變化,在自動化檢測中需要根據(jù)羽毛波紋的嚴重程度進行分類識別。本文的研究對象是羽毛片,在對圖像預(yù)處理的基礎(chǔ)上,提出了一種改進多向梯度算法用于紋理特征提取,針對羽毛片圖像的波紋紋理特征進行分析量化,最后設(shè)定閾值進行分類識別的方法。實驗結(jié)果表明,本算法對紋理特征的提取有較高的效率和準確率,也具有良好的泛化特性和自適應(yīng)性能。
1 圖像亮度修正
在羽毛系統(tǒng)的硬件裝置中,光源與羽毛表面呈45°角放置,使得照到羽毛表面的光比較均勻,但光射始終還是存在一定的不均勻度,導致羽毛表面亮度也不均勻。在波紋紋理羽毛的檢測中,羽毛表面亮度的非均勻性會對最終的結(jié)果判定產(chǎn)生很大的影響。對此,先在Lab顏色空間[4]下進行一定的亮度修正。
2.2 建立分級模型
實際生產(chǎn)中將波紋等級分為一級、二級、三級、四
本文提出的方法在典型梯度算法基礎(chǔ)上針對紋理方向性特征進行了改進,有效地提取圖像紋理特征,并給出量化指標進行綜合評價。全部的運算過程都是加減運算,避免了乘法運算,計算復(fù)雜度小,滿足機器視覺檢測系統(tǒng)的實時性需要。另外,圖像預(yù)處理對亮度進行修正,程序設(shè)計中的處理對邊緣信息和其他干擾信息不敏感,目標區(qū)域發(fā)生相對旋轉(zhuǎn)也不影響結(jié)果,具有較好的魯棒性。利用已分級的羽毛樣品進行檢測實驗,不同等級之間的結(jié)果存在明顯的區(qū)分度,波紋紋理越嚴重,值越大,實驗證明了本算法的有效性。本方法只是在單一尺度的基礎(chǔ)上考慮,由于紋理圖像的不規(guī)則性和復(fù)雜性,若考慮多尺度的變化,方法還要進一步改進。
參考文獻
[1] HARALICK R M, SHANMUGAM K, DINSTEIN I. Textural features for image classification[J]. IEEE Transactions on System, Man, and Cybernetie, 1973,3(6): 610-631.
[2] 熊四昌,陳國波.工件表面紋理間距提取的一種新方法[J].光學儀器,2007(6):14-17.
[3] 劉洪江,汪仁煌.基于羽毛圖像紋理分割的毛桿提取方法[J].廣東工業(yè)大學學報,2010,27(4):42-45.
[4] 林開顏,吳軍輝.彩色圖像分割方法綜述[J].中國圖像圖形學報,2005,10(1):1-10.
[5] 李偉,康晴晴,張俊雄,等.基于機器視覺的蘋果表面紋理檢測方法[J].吉林大學學報,2008,38(5):1110-1113.
[6] 溫江濤,王伯雄.基于局部灰度梯度特征的圖像快速配準方法[J].清華大學學報(自然科學版),2009,49(5): 57-59.