《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 模擬設(shè)計 > 設(shè)計應(yīng)用 > 基于改進自適應(yīng)閾值的織物疵點檢測算法研究
基于改進自適應(yīng)閾值的織物疵點檢測算法研究
來源:微型機與應(yīng)用2013年第10期
劉洲峰, 王九各, 趙全軍, 李春雷
(中原工學(xué)院 電子信息學(xué)院,河南 鄭州451191)
摘要: 提出了一種改進的自適應(yīng)閾值算法。首先引入前置低通濾波器,降低局部紋理的復(fù)雜性,同時較好地保持疵點區(qū)域,然后對濾波后的織物圖像進行自適應(yīng)閾值分割,可獲得較好的分割效果。實驗結(jié)果表明,該算法對簡單紋理和復(fù)雜紋理的織物圖像均具有較好的分割結(jié)果。
Abstract:
Key words :

摘  要: 提出了一種改進的自適應(yīng)閾值算法。首先引入前置低通濾波器,降低局部紋理的復(fù)雜性,同時較好地保持疵點區(qū)域,然后對濾波后的織物圖像進行自適應(yīng)閾值分割,可獲得較好的分割效果。實驗結(jié)果表明,該算法對簡單紋理和復(fù)雜紋理的織物圖像均具有較好的分割結(jié)果。
關(guān)鍵詞: 疵點檢測; 閾值分割; 低通濾波; 自適應(yīng)閾值

    織物疵點檢測是織物生產(chǎn)過程中的一個重要環(huán)節(jié)。傳統(tǒng)的疵點檢測方法是由驗布人員參照驗布標(biāo)準(zhǔn),尋找布面疵點。該類檢測方法勞動強度大、檢測效率低,驗布結(jié)果易受驗布人員主觀影響,且誤檢率和漏檢率高。基于機器視覺的織物疵點自動檢測成為人們關(guān)注和研究的焦點。該類方法可以根據(jù)圖像的灰度分布自動選擇最優(yōu)灰度閾值,將疵點區(qū)域從織物圖像中分離出來。
    常用閾值分割法有雙峰法、迭代法、最大類間方差法和自適應(yīng)閾值算法等。參考文獻[1]提出基于雙峰法的圖像分割技術(shù),通過計算直方圖,選取兩波峰之間谷底對應(yīng)的灰度值作為分割閾值,該類方法僅適用于背景簡單、直方圖具有典型雙峰分布特性的織物圖像,但對直方圖是多峰或雙峰差別很大的織物圖像效果不明顯。參考文獻[2]提出基于迭代法的圖像分割技術(shù),能把目標(biāo)與背景的主要部分區(qū)分出來,但圖像的部分細節(jié)不能得到很好的區(qū)分。參考文獻[3-5]提出基于最大類間方差法的圖像分割技術(shù),當(dāng)圖像中目標(biāo)與背景的大小之比很小時,該方法分割檢測圖像效果較差。參考文獻[6]提出基于自適應(yīng)閾值的圖像分割算法。該類方法通過引入權(quán)值,改進了最大類間方差法,在常見的織物圖像上取得了較好的檢測結(jié)果,但對于復(fù)雜紋理的織物表面檢測效果并不理想?;谏鲜鲈?,本文提出基于改進自適應(yīng)閾值的疵點檢測算法,通過引入前置低通濾波器,降低局部紋理的復(fù)雜性,同時較好地保持了疵點區(qū)域,對濾波后的織物圖像采用自適應(yīng)閾值分割算法,得到了滿意的效果。
1 低通濾波器設(shè)計
    織物圖像濾波可分為空域濾波和頻域濾波。頻域濾波是以對圖像的傅里葉變換系數(shù)進行濾波為基礎(chǔ)的,根據(jù)通帶和阻帶所處的范圍不同,它可分為低通濾波、帶通濾波和高通濾波。傳統(tǒng)的自適應(yīng)閾值算法檢測復(fù)雜紋理的織物圖像時效果并不好,原因在于復(fù)雜紋理織物圖像灰度值變換較為劇烈,影響分割結(jié)果。本文通過設(shè)計低通濾波器對采集的織物圖像進行平滑濾波,可以降低局部紋理的復(fù)雜性,同時消除噪聲,改善圖像質(zhì)量。
    設(shè)待處理圖像為f(x,y),其傅里葉變換表達式為F(u,v),H(u,v)是低通濾波器的傳遞函數(shù),濾波后圖像的傅里葉變換用G(u,v)表示,則低通濾波的數(shù)學(xué)表達式為:
 
2 自適應(yīng)閾值算法
    最大類間方差法根據(jù)圖像的灰度特性,把圖像分為背景和目標(biāo)兩部分。背景與目標(biāo)之間的類間方差越大,說明構(gòu)成圖像的兩部分的差別越大,如果把背景錯分為目標(biāo)或目標(biāo)錯分為背景,就會導(dǎo)致兩部分差別變小。具體算法如下。
 
     同理,當(dāng)有N-1個閾值(N個類別)時,自適應(yīng)閾值最佳閾值計算公式為:

3 實驗結(jié)果與分析
    本實驗程序代碼在Matlab 7.0環(huán)境下運行。對幾種典型的織物疵點進行檢測,所用圖像為灰度圖像(若為彩色圖像,可將其轉(zhuǎn)換為灰度圖像)。實驗結(jié)果如圖1~圖3所示。

    織物樣本1如圖1(a)所示,該織物圖像含有一個較小的暗點,該圖片紋理相對較為簡單,但光照不均勻。采用最大類間方差方法檢測結(jié)果如圖1(b)所示,可以看出該方法受光照影響較大,分割結(jié)果完全錯誤。而自適應(yīng)閾值方法及本文改進的方法均能正確分割。
    織物樣本2如圖2(a)所示,該樣本比樣本1復(fù)雜,表面有明顯的污跡,且有噪聲污染??椢飿颖?如圖3(a)所示,圖像存在破洞缺陷。采用最大類間方差法和自適應(yīng)閾值法檢測的結(jié)果如圖2(b)、圖2(c)和圖3(b)、圖 3(c)所示,由于圖像紋理復(fù)雜,直方圖不存在雙峰型分布,兩者均不能分割出疵點部分,而用本文改進的方法能正確分割,且獲得了理想的分割效果。

    本文提出了一種基于改進的自適應(yīng)閾值的織物疵點檢測方法。首先采用低通濾波器對織物圖像進行平滑處理,然后用自適應(yīng)閾值算法對圖像分割檢測。實驗結(jié)果表明,改進的自適應(yīng)閾值法不僅適用于紋理相對簡單、疵點不明顯的圖像,也適用于紋理復(fù)雜的圖像,且不受光照、噪聲影響。本文算法簡便易行,可用于實時織物疵點檢測系統(tǒng)中。
參考文獻
[1] 楊修國. 關(guān)于直方圖雙峰法的研究與改進[J]. 電子設(shè)計工程,2012,20(12):176-179.
[2] 沈圓,李國勇. 圖像的閾值分割法設(shè)計[J]. 機械工程與自動化,2012(5):45-46.
[3] 梁光明,劉東華,李波,等. 二維Otsu自適應(yīng)閾值分割法的改進[J]. 自動化技術(shù)與應(yīng)用,2002,21(5):43-47.
[4] 陰國富. 基于閾值法的圖像分割技術(shù)[J].現(xiàn)代電子技術(shù), 2007(23):107-108.
[5] LIAO P S, CHEN T S, CHUNG P C. A fast algorithm  for multilevel thresholding[J]. Journal of Information Science and Engineering,2001(17):713-727.
[6] NG H F. Automatic thresholding for defect detection[J].Pattern Recognition Letters,2006(27):1644-1649.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。