基于數(shù)字圖像處理技術(shù)的建筑陶瓷紋飾檢測研究

胡世國，柳炳祥

(景德鎮(zhèn)陶瓷學院信息工程學院，江西 景德鎮(zhèn) 333403)

基于數(shù)字圖像處理技術(shù)的建筑陶瓷紋飾檢測研究

胡世國，柳炳祥

(景德鎮(zhèn)陶瓷學院信息工程學院，江西 景德鎮(zhèn) 333403)

利用數(shù)字圖像處理技術(shù)中的邊緣檢測、圖像增強等技術(shù)對建筑陶瓷紋飾進行處理，通過Matlab軟件編程來實現(xiàn)。選取建筑陶瓷中的地面磚為代表，提取其圖像，對其圖像進行邊緣檢測、圖像增強，以快速檢測其紋飾裝飾的優(yōu)缺點。實驗結(jié)果驗證了算法的可行性和有效性，為建筑陶瓷紋飾檢測提供了一種分析思路和研究方法。

圖像處理；建筑陶瓷；陶瓷紋飾

0 引 言

邊緣檢測、圖像增強在數(shù)值圖像分割、目標區(qū)域識別、區(qū)域形狀提取等圖像分析領(lǐng)域非常重要。邊緣檢測常見的算子有sobel微分算子、priwitt微分算子、roberts算子、canny算子、laplacian微分算子等。圖像增強主要目的是改善圖像的視覺效果，提高圖像的清晰度。邊緣檢測和圖像增強二者在圖像處理技術(shù)中往往結(jié)合在一起，因為圖像增強和邊緣檢測都是對灰度圖像進行處理的。近幾年來，建筑陶瓷在地面磚、內(nèi)墻磚、外墻磚等花紋裝飾更多的接近美觀自然的裝飾效果，紋樣清晰，色彩明朗，如仿大理石、地理石等。在建筑陶瓷生產(chǎn)中，花紋條形等主要靠在成型車間的布料機和壓機來完成。目前建筑陶瓷企業(yè)在花紋條形等檢測，主要依靠人工檢測，即用肉眼去看是否有缺陷，其檢查效率低，準確性不高，且耗費時間較多，存在一定局的限性。本文利用數(shù)字圖像處理技術(shù)中的邊緣檢測、圖像增強等算法，對建筑陶瓷圖像進行分析，可以快速地查看建筑陶瓷條紋、邊緣走向、輪廓走向等，從而對產(chǎn)品是否缺陷、合格進行判斷，以達到快速分析的目的。

1 邊緣檢測和圖像增強

1.1 邊緣檢測

邊緣檢測的形式有很多，大多數(shù)情況由一階微分形式和少數(shù)二階微分定義，主要采用快速卷積函數(shù)來實現(xiàn)計算，對于一元函數(shù)f(t)，一階微分算子可以定義如下：

對于二元圖像函數(shù)f(x,y)，其一階微分的定義是通過梯度實現(xiàn)的，圖像f(x,y)在其坐標(x,y)上梯度是通過一個二維向量來定義的：

映射關(guān)系不同，對應(yīng)不同的數(shù)字圖像處理的一階微分算子。目前運用比較常見的一階微分算子有sobel微分算子、priwitt微分算子、roberts算子等，二階有l(wèi)apacian微分算子等。如roberts就是用圖像的垂直和水平差分來逼近梯度算子：

因此，當需要檢測圖像邊緣時，最簡單的方法就是對每個像素f，然后求絕對值，最后進行閾值造作就可以實現(xiàn)。Roberts算子就是基于這種思想，該算子為：

其中，f(i, j)是輸入圖像中具有整數(shù)像素坐標特征的一類，而公式中平方根的運算是計算機處理逼近于人類視覺系統(tǒng)中發(fā)生的過程，上述算子可以由2 2模板實現(xiàn)，Roberts算子模型如下公式所示：

在比較復(fù)雜的圖形中，僅有2×2的roberts的算子得不到較好的邊緣檢測，而用相對比較復(fù)雜的3×3的prewitt算子和sobel算子檢測效果較好，和Roberts算子類似，prewitt算子和spbel算子都可以通過兩個模板來實現(xiàn)，prewitt算子模型及sobel 算子模型分別如下公式所示。

以上的矩陣模型分別代表圖像的水平梯度和垂直梯度。

1.2 圖像增強

所謂圖像增強，實際上要完成的工作是通過將畫面上的重要的內(nèi)容增強突出，同時將不重要的內(nèi)容進行抑制，以此達到改善畫面質(zhì)量的方法?；叶茸儞Q增強是圖像增強的基礎(chǔ)，可使圖像的動態(tài)范圍增大，對比度得到擴展，使圖像特征明顯清晰?；叶茸儞Q主要由線性變換、分段線性變換等。如線性變換假定圖像f(x,y)的灰度范圍[a,b]，變換后的圖像g(x,y)的灰度范圍線性的擴展至[c，d]，其數(shù)學表達式如下：

圖像增強可以分成頻率域法和空間域法兩大類。前者把圖像看成一種二維信號，對其進行基于二維傅里葉變換的信號增強。采用低通濾波法，可去掉圖中的噪聲；采用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。后者空間域法中具有代表性的算法有局部求平均值法和中值濾波法等，它們可用于去除或減弱噪聲。

空域法是對圖像中的像素點進行操作，用公式描述如下：

其中，是f(x, y)原圖像，h(x, y)為空間轉(zhuǎn)換函數(shù)，g(x, y)表示進行處理后的圖像。

2 數(shù)字圖像處理技術(shù)在建筑陶瓷紋飾檢測中應(yīng)用

在建筑陶瓷生產(chǎn)中，直接通過拍攝產(chǎn)生建筑陶瓷圖像，然后把圖像直接傳輸?shù)诫娔X中，通過Matlab軟件對其進行分析檢測，快速檢測建筑陶瓷的花紋樣式，可以最短時間的發(fā)現(xiàn)生產(chǎn)中的問題，使其快速的得到處理，最大化降低生產(chǎn)成本。

圖像增強部分可以通過改變直方圖的形狀達到增強圖像對比度的效果，該方法主要以概率論為基礎(chǔ)，改變直方圖形狀常用的方法就是直方圖的灰度變換增強，本文直接使用在圖像處理工具箱中的灰度對比度調(diào)整函數(shù)imadjust（），用于調(diào)整灰度值或顏色圖，其調(diào)用格式為：

J=imadjust(M,[low - in] high - in,[low -out high-out], r)

將灰度圖像M轉(zhuǎn)化為圖像J，使值low-in到high-in與從low-out相匹配，大于high-in或小于low-out相匹配，大于high-in的值與high-out相匹配。默認值為[0 1]，其默認值根據(jù)灰度直方圖灰度級數(shù)0-255，將其除以255得到,直方圖如圖5所示。根據(jù)直方圖灰度值分布,來調(diào)整灰度對比度達到圖像增強的效果。為了使圖像增強效果更好,可以采用直方圖均衡化，直方圖均衡化是一種使輸出圖像直方圖近似服從均勻分布的變換算法，能準確的反映圖象中具有每種灰度級的象素的個數(shù)，每種灰度出現(xiàn)的頻率，所以其增強效果更好。

圖1 灰度圖Fig.1 Gray scale image

圖2 直方圖Fig.2 Histogram

圖3 邊緣檢測圖Fig.3 Edge detection

本文隨機選取一組仿大理石地面磚圖片為實驗圖片，格式為png格式，將實驗圖片導入Matlab軟件中，其灰度圖像如圖1所示。其原圖像的灰度圖比較迷糊不清晰，不利于圖像的辨別和分析。故對圖像進行邊緣檢測和圖像增強。

圖4 圖像增強Fig.4 Image enhancement

圖5 直方圖均衡化增強Fig.5 The enhancement of histogram equalization

本文由直方圖可以得出圖像波峰主要集中在200-230左右，這部分灰度圖像是圖像增強的主要部分，直方圖如圖2。

本文邊緣檢測部分選取sobel算子，其邊緣系數(shù)設(shè)置由Matlab軟件自動選擇，邊緣檢測圖像如圖3所示，從邊緣檢測圖像中可以大致看出圖像總體輪廓，保留了圖像的結(jié)構(gòu)屬性，圖像邊緣的走向等，對判別圖像紋飾裝飾是否合格有很大的幫助。

在圖像增強部分，其目的是要改善圖像的視覺效果，針對給定圖像的應(yīng)用場合，有目的地強調(diào)圖像的整體或局部特性，圖像全部增強效果如圖4所示，其與未增強的灰度圖像圖1對比，十分明顯的將原來不清晰的圖像變得清晰，擴大圖像中不同物體特征之間的差別，使圖像的判別和識別效果大大加強了。

由圖2可知直方圖灰度值基本分布在150-255之間，所以可以通過直方圖均衡化，使其灰度值均衡化，各灰度等級的比例更加平衡，亮度可以更好地在圖像上分布，直方圖均衡化增強如圖5，在經(jīng)過直方圖均衡化后，可以看出圖像的細節(jié)成分更加清楚了，圖像分布更為明顯，更易于圖像分辨。

3 結(jié) 論

本文通過數(shù)字圖像處理技術(shù)中的邊緣檢測、圖像增強等算法在建筑陶瓷生產(chǎn)中紋飾檢測中的應(yīng)用，利用Matlab軟件處理圖像，將處理后的實驗圖像與原圖對照，發(fā)現(xiàn)經(jīng)過圖像處理后的實驗圖像其花紋樣式、邊緣走向、輪廓等明顯增強，十分利于辨別花紋裝飾，在建筑陶瓷生產(chǎn)中可以大大提高檢測的效率。

[1] 俞康泰, 劉儒平. 建筑陶瓷裝飾技術(shù)的現(xiàn)狀及發(fā)展趨勢[J]. 陶瓷學報, 2006, 03: 304-308. YU Kangtai, et al. Journal of Ceramics, 2006, 03: 304-308.

[2] 張德豐. Matlab數(shù)字圖像處理[M]. 北京: 機械工業(yè)出版社, 2012.

[3]朱虹. 數(shù)字圖像處理基礎(chǔ)[M].北京: 科學出版社, 2011.

[4] SOMAN K P, DIWAKAR S. 數(shù)據(jù)挖掘基礎(chǔ)教程[M]. 北京: 機械工業(yè)出版社, 2010.

[5] 紀希禹. 數(shù)據(jù)挖掘技術(shù)應(yīng)用實例[M]. 北京: 機械工業(yè)出版社, 2009.

[6] 熊露, 唐敏. 邊緣檢測算子在古陶瓷器型研究中的應(yīng)用[J]. 佛山陶瓷, 2014, (9): 218-219.XIONG Lu, et al. Foshan Ceramics, 2014 (9): 218-219

[7] 劉莉莉. 河南陶瓷文化產(chǎn)業(yè)的現(xiàn)狀分析及對策研究[J]. 陶瓷學報, 2013, (01): 127-130.LIU Lili. Journal of Ceramics, 2013 (01): 127-130.

[8] 俞康泰, 楊穎, 江陵陵. 建筑陶瓷裝飾技術(shù)的現(xiàn)狀和展望[J].陶瓷學報, 2005, (02): 113-117.YU Kangtai, et al. Journal of Ceramics, 2005 (02): 113-117.

The Detection of Architectural Ceramic Decoration Based On Digital Image Processing Technology

HU Shiguo, LIU Bingxiang
(School of Information Engineering, Jingdezhen Ceramic Institute, Jingdezhen 333403, Jiangxi, China)

Computer image processing techniques such as edge detection and picture enhancement can be used to realize the detection of decorative designs on architectural ceramics in Matlab. In this study, ceramic floor tile samples were randomly selected, their decorative images were extracted, and then treated by picture edge detection and picture enhancement in order to achieve rapid detection of their pros and cons. Experimental results proved the feasibility and effectiveness of the algorithm, which provides a new detecting method for architectural ceramic decoration.

picture processing; architectural ceramics; ceramic decoration

TQ174.75

A

1000-2278(2015)05-0536-04

10.13957/j.cnki.tcxb.2015.05.018

2015-05-22。

2015-06-17。

國家自然科學基金項目(編號：61202313)；江西省自然科學基金項目(編號：20122BAB201044)。

柳炳祥(1966-)，男，博士，教授。

Received date: 2015-05-22. Revised date: 2015-06-17.

Correspondent author:

E-mail: lbx1966@163.com