基于組織點(diǎn)充滿度的機(jī)織物圖像自動(dòng)傾斜糾正

陶 晨(浙江農(nóng)業(yè)商貿(mào)職業(yè)學(xué)院，浙江 紹興 312000)

基于組織點(diǎn)充滿度的機(jī)織物圖像自動(dòng)傾斜糾正

陶 晨
(浙江農(nóng)業(yè)商貿(mào)職業(yè)學(xué)院，浙江 紹興 312000)

傾斜糾正一直是織物圖像自動(dòng)分析和處理的瓶頸所在，故提出一種織物圖像自動(dòng)傾斜糾正的方法。首先，使用數(shù)學(xué)形態(tài)學(xué)操作對(duì)織物圖像進(jìn)行預(yù)處理，達(dá)到去噪和增強(qiáng)的目的；然后采用大津法和光柵掃描定位圖像中的目標(biāo)矩形，從而決定織物組織點(diǎn)的輪廓。在此基礎(chǔ)上提出了組織點(diǎn)充滿度的概念，并探討了組織點(diǎn)充滿度與織物圖像規(guī)正角之間的聯(lián)系，從而進(jìn)一步提出了規(guī)正系數(shù)的概念，用以克服織物扭曲對(duì)組織點(diǎn)充滿度分析的干擾，準(zhǔn)確、全面地確定織物圖像的規(guī)正角。

織物圖像；傾斜糾正；組織點(diǎn)充滿度；規(guī)正角；規(guī)正系數(shù)；圖像分析

近年來(lái)，隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，織物圖像分析和識(shí)別業(yè)已成為紡織數(shù)字化技術(shù)中的研究熱點(diǎn)之一。莊國(guó)瑜等[1]運(yùn)用小波多頻道分解方法提取圖像的水平分量和豎直分量，得到織物圖像的經(jīng)緯向信息。李艷梅等[2]運(yùn)用功率譜分析和自相關(guān)分析，確定經(jīng)緯紗密度和組織循環(huán)紗線數(shù)。高衛(wèi)東等[3-4]根據(jù)紗線的實(shí)際排列特點(diǎn)，對(duì)經(jīng)緯紗線密度用不同的方法予以識(shí)別。

目前為止，各種相關(guān)研究方法與技術(shù)都建立在嚴(yán)格規(guī)正的織物圖像之上。對(duì)于傾斜的圖像，需要事先在預(yù)處理環(huán)節(jié)中進(jìn)行人工糾正，才能為后道的分析和識(shí)別技術(shù)利用。然而，實(shí)際操作中獲取的織物圖像難免有一定的傾斜度，人工傾斜糾正因而成為織物圖像自動(dòng)化分析與識(shí)別過(guò)程的瓶頸所在。本研究提出一種基于組織點(diǎn)充滿度分析的方法，實(shí)現(xiàn)織物圖像的自動(dòng)傾斜糾正。

1 圖像預(yù)處理

本研究使用數(shù)學(xué)形態(tài)學(xué)[5]來(lái)進(jìn)行圖像的預(yù)處理。圖1a是一幅用攝像頭獲取的放大10倍的3枚斜紋織物(經(jīng)密542根/10cm，緯密390根/10cm)的圖像，該圖像相對(duì)于垂直方向傾斜26°。經(jīng)過(guò)256階灰度化處理后，首先對(duì)圖像運(yùn)用形態(tài)學(xué)開(kāi)運(yùn)算，以達(dá)到去除噪音和平滑圖像的目的，如圖1b所示。接著，對(duì)圖像運(yùn)用形態(tài)學(xué)增強(qiáng)，以提高目標(biāo)與背景之間的對(duì)比度，如圖1c所示。

2 組織點(diǎn)輪廓測(cè)定

在織物圖像中，組織點(diǎn)是具有相對(duì)一致的形狀特征和亮度范圍的圖像區(qū)域，這為測(cè)定各個(gè)組織點(diǎn)的輪廓提供了可能性。本研究把圖像中滿足一定灰度范圍的矩形區(qū)域稱為目標(biāo)區(qū)域。利用OTSU方法[6]做圖像分割，可計(jì)算得目標(biāo)區(qū)域的灰度閾值范圍。然后，基于光柵的圖像掃描可找出每個(gè)目標(biāo)區(qū)域的位置。圖2a中虛線所包圍的區(qū)域是一組灰度在235以上的目標(biāo)區(qū)域。

圖1 圖像的預(yù)處理Fig.1 Image Pretreatment

確定了目標(biāo)區(qū)域的位置之后，從區(qū)域中心向四周發(fā)出用于測(cè)定邊界的射線，射線在灰度衰減積累到一定程度時(shí)終止，如圖2b。連接所有射線的終止點(diǎn)就構(gòu)成了組織點(diǎn)的輪廓線，如圖2c。

圖2 組織點(diǎn)輪廓測(cè)定Fig.2 Determination of Interlacing Point Outlines

3 組織點(diǎn)充滿度分析

織物圖像逆時(shí)針旋轉(zhuǎn)一定的角度后，其經(jīng)向(或緯向)與圖像邊緣平行，把這個(gè)角度稱為織物圖像的規(guī)正角，此時(shí)的織物圖像稱為規(guī)正圖像。找出規(guī)正角后，即可對(duì)織物圖像實(shí)施準(zhǔn)確的傾斜糾正。

設(shè)織物圖像中某一組織點(diǎn)輪廓所包圍的像素面積為A，將其逆時(shí)針旋轉(zhuǎn)角度θ(0°≤θ≤90°)，所得外接矩形的面積為Sθ，令fθ＝A/Sθ×100 %。fθ稱為該組織點(diǎn)在角度θ上的充滿度。圖3所示為一個(gè)組織點(diǎn)在不同角度上的充滿度。

圖3 組織點(diǎn)充滿度Fig.3 Interlacing Points Fullness

對(duì)照?qǐng)D1a不難看出，使得組織點(diǎn)充滿度最大的角度即是接近織物圖像規(guī)正角的角度。然而，實(shí)際拍攝的織物圖像不只存在傾斜現(xiàn)象，還存在扭曲現(xiàn)象，僅從個(gè)別組織點(diǎn)來(lái)判斷圖像的規(guī)正角難以取得全面、準(zhǔn)確的結(jié)果。

設(shè)織物圖像中存在n個(gè)組織點(diǎn)輪廓，在角度θ上各個(gè)組織點(diǎn)充滿度之和為Fθ，方差為σθ，令Cθ＝Fθ/(1＋σθ)。Cθ稱為織物圖像在角度θ上的規(guī)正系數(shù)。σθ越小，說(shuō)明Fθ越可靠，綜合考慮了兩者，規(guī)正系數(shù)在一定程度上克服織物圖像中的扭曲現(xiàn)象給規(guī)正角分析帶來(lái)的干擾。

本研究利用C#編程實(shí)現(xiàn)了織物圖像自動(dòng)傾斜糾正算法，圖4為程序繪制的圖1a所示織物圖像在0°～90°各個(gè)角度上的規(guī)正系數(shù)，或稱規(guī)正系數(shù)數(shù)組。

圖4 斜紋織物的規(guī)正系數(shù)數(shù)組Fig.4 Correcting Coeffi cient Array of Twill Weave

從圖4看出，θ＝26°時(shí)規(guī)正系數(shù)最大，據(jù)此推斷：該角度是織物圖像的規(guī)正角，將原圖逆時(shí)針旋轉(zhuǎn)26°可得到規(guī)正圖像。這與在圖1a中觀察到的事實(shí)相符。

本研究還發(fā)現(xiàn)，與斜紋織物相比，平紋和緞紋織物表面由于沒(méi)有明顯的紋路效應(yīng)的干擾，因而其圖像規(guī)正角上的規(guī)正系數(shù)更為顯著。圖5、6分別為平紋(密度560×520 根/10cm)和五枚緞紋(密度476× 55 根/10cm)及其規(guī)正系數(shù)數(shù)組。

圖5 平紋織物及其規(guī)正系數(shù)數(shù)組Fig.5 Correcting Coeffi cient Array of Plain Weave

圖6 緞紋織物及其規(guī)正系數(shù)數(shù)組Fig.6 Correcting Coeffi cient Array of Satin and Sateen Weave

4 結(jié) 語(yǔ)

實(shí)驗(yàn)表明，在組織點(diǎn)充滿分析的基礎(chǔ)上，利用規(guī)正系數(shù)可以有效地自動(dòng)糾正織物圖像傾斜角度。其算法簡(jiǎn)單、可靠，非常適合編程實(shí)現(xiàn)。該方法能為織物圖像自動(dòng)化分析與識(shí)別這一課題的研究提供有益的工具和手段。

[1]莊國(guó)瑜，孫悅.織物紋理計(jì)算機(jī)圖像處理的多頻道分解方法[J]. 天津工業(yè)大學(xué)學(xué)報(bào)，2001，20(3)：26-28.

[2]李艷梅，徐伯俊，高衛(wèi)東.織物組織結(jié)構(gòu)參數(shù)自動(dòng)識(shí)別系統(tǒng)的研究[J].北京紡織，2002，23(2)：54-57.

[3]高衛(wèi)東，劉基宏，徐伯俊，等.織物中緯紗排列參數(shù)的自動(dòng)識(shí)別[J].棉紡織技術(shù)，2002，30(1)：28-31.

[4]高衛(wèi)東，劉基宏，徐伯俊，等.織物中經(jīng)紗排列參數(shù)的自動(dòng)識(shí)別[J]. 棉紡織技術(shù)，2002，30(3)：31-34.

[5]唐常青.數(shù)學(xué)形態(tài)學(xué)方法及其應(yīng)用[M].北京：科學(xué)出版社，1990，445-454.

[6]付忠良.圖像閾值選取方法[J].計(jì)算機(jī)應(yīng)用，2000，20(5)：37-39.

Automatic Weave Image Tilt Correction based on Interlacing Point Fullness

TAO Chen
(Zhejiang Agriculture & Trade Occupational Academy, Shaoxing 31200, China)

As tilt correction has always been the bottleneck of automatic weave image analysis and processing, this paper proposed a means by which automatic weave image tilt correction can be achieved. First, mathematical morphology is carried out in weave image preprocessing for de-noise and enhancement. OTSU and raster scanning are followed to detect target rectangles in the image so as to determine the outlines of interlacing spots, on which the Interlacing Spot Fullness (ISF) is established. Then the relationship between ISF and the correcting angle of weave image is discussed and the correcting coefficient built on ISF is used to counteract the disturbance of weave surface distortions in order to identify the correcting angle in a comprehensive way.

Weave image; Tilt correction; Interlacing point fullness; Correcting angle; Correcting coefficient; Image analysis

TS103.4；TP911.73

A

1001-7003(2010)07-0010-02

2010-04-27

陶晨(1981－ )，助教，主要從事紡織新產(chǎn)品開(kāi)發(fā)及紡織數(shù)字化檢測(cè)技術(shù)的研究。