結(jié)合圖像頻域和空間域的緯編針織物密度檢測(cè)方法

鄧中民，胡灝東，于東洋，王 文，柯 薇

(武漢紡織大學(xué) 省部共建紡織新材料與先進(jìn)加工技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430200)

在對(duì)針織品密度的檢測(cè)中，人工檢測(cè)費(fèi)時(shí)費(fèi)力且效率低下；運(yùn)用圖像法檢測(cè)有效快速，能極大地提高效率，實(shí)現(xiàn)在線檢測(cè)。目前織物密度測(cè)量的圖像方法大致可分為頻域法和空間域法2種方法。頻域法包括傅里葉變換和小波變換等[1-3]?？臻g域法包括灰度曲線統(tǒng)計(jì)法及基于織物特征求解法等。

頻域法[4-6]是將織物圖像轉(zhuǎn)到頻域求解織物密度?？紤]到緯編針織物是由線圈周期性地排列組成，采用頻域法能很快得到周期規(guī)律。采用二維傅里葉變換[6]測(cè)定密度，是通過(guò)濾波對(duì)整個(gè)針織物圖像進(jìn)行計(jì)算，然后進(jìn)行水平以及垂直方向的投影[7]，分析頻譜圖得到針織物密度。采用頻域法將圖像轉(zhuǎn)換到頻域，由于織物傾角未知，頻譜圖亮斑較多，所以亮斑的處理過(guò)程較為復(fù)雜。在處理亮斑過(guò)程中，頻域圖像中心會(huì)存在白色背景噪聲，采用理想低通濾波與圖像銳化處理無(wú)法確定截止頻率，且效果較差。在放大倍數(shù)不同的緯編針織物圖像中僅僅依靠二維傅里葉變換，在橫向無(wú)法區(qū)分亮斑是由線圈區(qū)域產(chǎn)生還是由圈柱間隙區(qū)域產(chǎn)生，方法適用性有待改進(jìn)。

對(duì)于空間域方法，在針織物圖像空間，采用橫向紗線提取以及核密度估計(jì)方法來(lái)測(cè)量針織物密度[8]，該方法對(duì)圖像要求較高，當(dāng)線圈以及圈柱間隙區(qū)域難以區(qū)分時(shí)就會(huì)影響紗線提取的精確度，導(dǎo)致劃分區(qū)域混亂。并且提取出來(lái)線圈的二值圖像并非封閉的區(qū)域，質(zhì)心求解也較為復(fù)雜。

為解決基于圖像處理的緯編針織物測(cè)量結(jié)果不太準(zhǔn)確、適用性較差等問(wèn)題，本文利用頻域結(jié)合空間域的方法對(duì)緯編針織物的密度測(cè)量進(jìn)行研究，先利用離散小波變換對(duì)緯編針織物進(jìn)行分解重構(gòu)，凸顯線圈區(qū)域。再通過(guò)灰度曲線結(jié)合波谷坐標(biāo)校驗(yàn)算法設(shè)定臨界值，通過(guò)線圈坐標(biāo)校驗(yàn)算法來(lái)定位線圈所在列的坐標(biāo)，再利用八鄰域廣度優(yōu)先搜索算法來(lái)求得緯編針織物橫、縱線圈的數(shù)量。

1 實(shí)驗(yàn)方案設(shè)計(jì)

首先使用圖像灰度曲線結(jié)合波谷坐標(biāo)校驗(yàn)算法來(lái)定位消除針織物圈柱間隙列的坐標(biāo)；再使用圖像灰度曲線結(jié)合線圈坐標(biāo)校驗(yàn)算法來(lái)定位形態(tài)學(xué)操作后線圈列的坐標(biāo)，如圖1所示，以此完成緯編針織物的橫密與縱密的測(cè)定。

圖1 織物結(jié)構(gòu)示意圖Fig.1 Schematic diagram of fabric structure

緯編針織物密度測(cè)定總體流程如圖2所示。

圖2 總體流程圖Fig.2 Overall flow chart

2 圖像的預(yù)處理

2.1 傾斜校正

針對(duì)針織物圖像傾斜，本文采用霍夫(Hough)[9]變換矯正，以此來(lái)消除圖像采集時(shí)可能存在的一定角度傾斜，使圖像灰度曲線更加準(zhǔn)確地反映出針織物結(jié)構(gòu)信息。矯正前后的圖像灰度曲線如圖3所示。

圖3 圖像傾斜矯正Fig.3 Image tilt correction.(a) Image gray curve correction without Hough correction;(b)Image gray curve after Hough correction

從圖3看出：原圖像的灰度曲線較為雜亂，沒(méi)有周期性，波谷坐標(biāo)不能定位線圈列及圈柱間隙列；通過(guò)Hough變換后圖像的灰度曲線有周期性，波谷坐標(biāo)可正確定位線圈列及圈柱間隙列。

2.2 圖像增強(qiáng)

考慮到緯編針織物中線圈排列分布具有較強(qiáng)的周期性，通過(guò)離散小波變換(DWT)將緯編針織物圖像轉(zhuǎn)換到頻域空間，通過(guò)處理可凸顯線圈所在區(qū)域。對(duì)緯編針織物圖像進(jìn)行N級(jí)離散小波(DWT)分解，原圖及分解后的圖像如圖4所示。

圖4 離散小波分解圖Fig.4 Discrete wavelet decomposition diagram.(a)Original image;(b)N=1;(c)N=2;(d)N=3;(e)N=4;(f)N=5;(g)N=6;(h)N=7;(g)Reconstructed image

由分解后的圖像可知：線圈信息屬于高頻信息，在分解到3、4、5級(jí)可以較為清晰地辨別；光照不勻等屬于較低頻信息，如分解圖像的6、7級(jí)；更高頻的是圖像存在的一些噪聲以及背景信息，如分解圖像的1、2級(jí)。保留線圈所在高頻信息，將其他頻率圖像剔除，再對(duì)剩余圖像進(jìn)行重構(gòu)。

處理后效果如圖4(i)所示。由分解的各級(jí)圖像可以看出，每一級(jí)圖像代表了原圖像中不同頻次的信息，由此可以剔除針織物圖像中如紗線毛羽等高頻信息(見(jiàn)圖4(b)、(c))以及光照不勻等低頻信息(見(jiàn)圖4(g)、(h))。將剩下的分級(jí)圖像(見(jiàn)圖4(d)～(f))合并重構(gòu)，就可得到保留了線圈結(jié)構(gòu)的圖像，且線圈結(jié)構(gòu)與原圖相比較為突出。即使在原圖像(見(jiàn)圖4(a))成像效果不是很理想的情況下，通過(guò)分解重構(gòu)依舊可得到如圖4(i)所示的較為清晰的線圈結(jié)構(gòu)圖像，為后續(xù)空間域的處理奠定了基礎(chǔ)。

3 針織物橫縱向線圈統(tǒng)計(jì)

3.1 針織物灰度曲線提取

將針織物圖像灰度化后，就可以統(tǒng)計(jì)得到該圖像的灰度曲線。在統(tǒng)計(jì)灰度曲線灰度值時(shí)，為減少紗線自身疵點(diǎn)、毛羽以及圖像錄入時(shí)產(chǎn)生的信息誤差等原因形成的干擾信號(hào)，本文以圖像每一列灰度值的平均值來(lái)統(tǒng)計(jì)灰度曲線，灰度曲線的計(jì)算公式如下：

(1)

式中：M為圖像列像素點(diǎn)個(gè)數(shù)；f(x,y)為灰度值。

3.2 波谷坐標(biāo)校驗(yàn)算法

通過(guò)獲取針織物灰度曲線波谷坐標(biāo)就可依據(jù)波谷橫坐標(biāo)來(lái)定位線圈列及圈柱間隙列。

由于針織物線圈在橫向上均勻排列，所以代表著線圈列及圈柱間隙列的波谷坐標(biāo)在橫向上應(yīng)該是均勻分布的，統(tǒng)計(jì)波谷坐標(biāo)，灰度曲線會(huì)存在雜質(zhì)波谷，如圖5(a)所示(圖中波谷位置用黑色實(shí)心圓標(biāo)出)，雜質(zhì)波谷不能正確反映線圈以及紗線間隙位置，如果將所有波谷全部統(tǒng)計(jì)，結(jié)果會(huì)存在較大誤差。在同一針織物中每對(duì)線圈列與圈柱列相近，所以波谷間的間距相近。由圖5(a)可知，雜質(zhì)波谷較少，且雜質(zhì)波谷與前波谷間距很小。

圖5 圖像灰度曲線Fig.5 Gray scale curve of image.(a)Coordinate map of though obtained from original gray curve;(b) Trough coordinate map obtained after removing impurities from original gray curve

基于上述原因，波谷坐標(biāo)校驗(yàn)算法通過(guò)概率統(tǒng)計(jì)的方法，統(tǒng)計(jì)相鄰波谷之間的距離L(x,y)= (k1，k2，…，kn)(n是波谷間距類別個(gè)數(shù))及每個(gè)距離所占的比率Pi=P1，P2，…，Pn，重新按降序排列Pi。通過(guò)式(2)得到的波谷間隙的臨界值TH來(lái)剔除雜質(zhì)波谷。經(jīng)實(shí)驗(yàn)驗(yàn)證，臨界值取2TH/3時(shí)準(zhǔn)確率最高。

在灰度曲線中通過(guò)臨界值TH去雜后的波谷如圖5(b) 所示，圖中去雜后波谷位置用黑色實(shí)心圓標(biāo)出。

由圖5可知，通過(guò)波谷坐標(biāo)校驗(yàn)算法,利用概率統(tǒng)計(jì)的方法對(duì)圖像灰度曲線的波谷坐標(biāo)進(jìn)行統(tǒng)計(jì)分析，得到除雜后的波谷坐標(biāo)，即線圈列及圈柱間隙列實(shí)際橫坐標(biāo)。

3.3 針織物線圈圖像獲取

3.3.1 局部自適應(yīng)閾值法

為精確統(tǒng)計(jì)緯編針織物圖像中線圈的個(gè)數(shù)，需要消除圖像中的圈柱間隙列。本文將針織物的灰度圖像轉(zhuǎn)換為二值圖像，通過(guò)線圈坐標(biāo)校驗(yàn)算法來(lái)獲取針織物線圈列的二值圖像。

二值化一般采用大津算法(OTSU)來(lái)實(shí)現(xiàn)，但通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，OTSU算法設(shè)定全局的閾值，不能很好地讓二值化的圖像凸顯線圈區(qū)域與其他區(qū)域的不同。為凸顯線圈所在區(qū)域，采用局部自適應(yīng)閾值法[10]來(lái)二值化。以需要二值化像素點(diǎn)為中心，定義一個(gè)核Am×m。以圖像左上角為坐標(biāo)原點(diǎn)，若坐標(biāo)(x,y)對(duì)應(yīng)的灰度值為f(x,y)，則用該核卷積整個(gè)圖像，其中(xi,yj)點(diǎn)均值g(xi,yj)為

(3)

式中，mean(xi,yj)為核Am×m中的權(quán)重值。

若g(xi,yj)≥f(xi,yj)，則二值化圖像中該點(diǎn)像素值為0；若g(xi,yj)

圖6 二值化處理對(duì)比圖Fig.6 Contrast diagram of binarization treatment. (a)OTSU processing image；(b)Local adaptive threshold binarization image

3.3.2 八鄰域廣度優(yōu)先搜索算法

為得到只有線圈區(qū)域的圖像，本文利用灰度曲線結(jié)合波谷坐標(biāo)校驗(yàn)算法得到波谷坐標(biāo)，在此基礎(chǔ)上通過(guò)八鄰域廣度優(yōu)先搜索算法來(lái)消除二值圖中的多余區(qū)域。八鄰域廣度優(yōu)先搜索是按層來(lái)處理像素點(diǎn)，搜索與該像素點(diǎn)鄰接的8個(gè)像素點(diǎn)，廣度優(yōu)先搜索算法采用遞歸方式來(lái)完成對(duì)圈柱間隙區(qū)域的遍歷，極大地提高了遍歷的效率。

本文采用八鄰域廣度優(yōu)先搜索算法求解只有線圈區(qū)域圖像的主要步驟為：1)采用相鄰波谷橫坐標(biāo)值取平均值，使該列的像素值全部為1的方法，斷開(kāi)圈柱間隙列與線圈列可能存在的連接，如圖7所示；2)對(duì)波谷橫坐標(biāo)奇數(shù)列及偶數(shù)列分別求取八鄰域獨(dú)立區(qū)域個(gè)數(shù)，數(shù)值小的那一組坐標(biāo)就是圈柱間隙列所在坐標(biāo)；3)通過(guò)廣度優(yōu)先搜索算法可遍歷到圈柱間隙列及與其相連接的所有像素點(diǎn)，進(jìn)而可得到消去圈柱間隙列之后的針織物圖像，如圖8所示。

圖7 紗線間隔區(qū)域與線圈區(qū)域斷開(kāi)示意圖Fig.7 Simulation diagram of disconnection between yarn interval area and loop area

圖8 消去圈柱間隙列前后圖像Fig.8 Images before(a) and after(b) eliminating clearance column

由圖7、8可知，通過(guò)對(duì)相鄰的波谷坐標(biāo)取均值，可以較好地?cái)嚅_(kāi)緯編針織物二值圖像中線圈列與圈柱間隙列之間的連接，結(jié)合依據(jù)圈柱列坐標(biāo)進(jìn)行的八鄰域廣度優(yōu)先搜索算法消除圈柱間隙列，進(jìn)一步證明了3.2節(jié)算法的準(zhǔn)確性，為統(tǒng)計(jì)縱向線圈個(gè)數(shù)提供了條件。

3.4 縱向線圈個(gè)數(shù)統(tǒng)計(jì)

3.4.1 形態(tài)學(xué)運(yùn)算

通過(guò)3.3節(jié)的處理，線圈區(qū)域可能不是一個(gè)完整區(qū)域，相同列相鄰線圈之間可能還存在連接情況，在后續(xù)統(tǒng)計(jì)線圈列上線圈個(gè)數(shù)時(shí)會(huì)產(chǎn)生誤差。本文采用形態(tài)學(xué)運(yùn)算，先通過(guò)2次膨脹再腐蝕來(lái)消除上述影響，使得線圈間相互獨(dú)立，處理前后效果如圖9所示。

圖9 形態(tài)學(xué)運(yùn)算前后的圖像Fig.9 Images before(a) and after(b) morphological operation

3.4.2 線圈坐標(biāo)校驗(yàn)算法

為統(tǒng)計(jì)每一列上線圈的數(shù)量，需要得到每一列線圈列中心橫坐標(biāo)。由于根據(jù)圖5(b)灰度曲線所得到線圈列的橫坐標(biāo)并非一定對(duì)應(yīng)每個(gè)線圈質(zhì)心的橫坐標(biāo)，經(jīng)3.3和3.4.1節(jié)步驟后圖像形態(tài)發(fā)生改變，所以需要第2次利用灰度曲線得到線圈列所在的橫坐標(biāo)。

繪制消去圈柱間隙列之后的針織物圖像灰度曲線，為凸顯波谷、波峰之間的差距，繪制灰度曲線取每列像素值和，消去圈柱間隙列之后的針織物圖像灰度曲線如圖10所示。波谷橫坐標(biāo)值是線圈列所在橫坐標(biāo)，但是由于圖像處理效果不太理想、消除圈柱間隙列有殘留區(qū)域等問(wèn)題，會(huì)存在雜質(zhì)波谷。

圖10 二值圖像灰度曲線Fig.10 Gray scale curve of binary image.(a)Coordinate map of trough obtained from original gray curve;(b)Trough coordinate map obtained after removing impurities from original gray curve

采用線圈坐標(biāo)校驗(yàn)算法可得到真實(shí)的線圈列所在的橫坐標(biāo)，主要步驟如下：1)通過(guò)K-Means聚類算法[11]消除高點(diǎn)的雜質(zhì)波谷點(diǎn)，如圖10(a)中的三角形點(diǎn)；2)通過(guò)3.2節(jié)的波谷坐標(biāo)校驗(yàn)算法剔除低點(diǎn)的雜質(zhì)波谷，如圖10(a)中的正方形點(diǎn)。得到的正確波谷坐標(biāo)個(gè)數(shù)即為該針織物圖像橫向上的線圈數(shù)量Nh。利用3.3.2節(jié)八鄰域廣度優(yōu)先搜索算法，通過(guò)得到的線圈列坐標(biāo)，對(duì)線圈列進(jìn)行像素搜索。將八鄰域連接在一起的區(qū)域視為一個(gè)線圈，可以求得每一列線圈的數(shù)量n=n1,n2,…，ni。計(jì)算得到該針織物圖像列方向上的線圈數(shù)量：

(4)

4 針織物密度計(jì)算及對(duì)比驗(yàn)證

4.1 針織物密度計(jì)算

針織物密度是指針織物橫向及縱向 5 cm 長(zhǎng)度上線圈的數(shù)量。針織物圖像可通過(guò)照相機(jī)得到，光源設(shè)置在針織物上方。經(jīng)過(guò)標(biāo)定可知，圖像實(shí)際對(duì)應(yīng)的大小為14 mm×8.2 mm。由此可計(jì)算圖像對(duì)應(yīng)針織物的橫縱密：

(5)

式中：ρh為針織物的橫密，縱行/(5 cm)；ρz為針織物的縱密，橫列/(5 cm)。

4.2 實(shí)驗(yàn)驗(yàn)證及對(duì)比

4.2.1 實(shí)驗(yàn)結(jié)果

本文針對(duì)針織物密度測(cè)量進(jìn)行研究，采用緯平針組織進(jìn)行實(shí)驗(yàn)驗(yàn)證。取多塊純色緯編針織物，對(duì)每塊針織物在光線充足的條件下進(jìn)行拍攝取樣，保證拍攝圖像的線圈形狀較為清晰。將拍攝到的圖像用本文方法進(jìn)行密度檢測(cè)，將所得結(jié)果與文獻(xiàn)[8](方法1)的空間域方法、二維傅里葉變換方法(方法2) 以及人工測(cè)量結(jié)果進(jìn)行比較，以人工測(cè)量值為標(biāo)準(zhǔn)值，則誤差ρ為

(6)

式中：ρ人工為人工測(cè)量值；ρ圖像為圖像測(cè)量值。分別對(duì)不同的方法進(jìn)行測(cè)試，測(cè)試結(jié)果、處理時(shí)間、計(jì)算誤差如表1所示。

表1 部分實(shí)驗(yàn)測(cè)量結(jié)果及對(duì)比Tab.1 Part of experimental measurement results and comparison

4.2.2 實(shí)驗(yàn)結(jié)果對(duì)比分析

由于經(jīng)過(guò)離散小波(DWT)分解重構(gòu)圖像可獲得緯編針織物線圈結(jié)構(gòu)較為突出的圖像，在此基礎(chǔ)上進(jìn)行圖像空間域的統(tǒng)計(jì)分析得到緯編針織物的密度，可以得到較為準(zhǔn)確的結(jié)果。由表1實(shí)驗(yàn)數(shù)據(jù)可知，經(jīng)過(guò)本文方法測(cè)得的數(shù)據(jù)誤差在1.7%以內(nèi)。因?yàn)椴徽撌请x散小波(DWT)分解重構(gòu)圖像或是八鄰域的廣度優(yōu)先搜索算法都是較為快速的算法，由表1實(shí)驗(yàn)數(shù)據(jù)可知，本文方法平均用時(shí)為0.45 s，檢測(cè)速度相較于其他2種方法來(lái)說(shuō)較為快速。

采用方法1測(cè)試試樣5時(shí)，由于線圈的圖像并不太理想，導(dǎo)致在骨干化剔除分叉后不能得到正確的橫向線圈區(qū)域劃分，從而使結(jié)果失常，如圖11所示。

圖11 方法1處理流程圖Fig.11 Processing flow chart of method 1.(a)Corrected process flow;(b)Abnormal processing flow

采用方法2測(cè)試試樣1時(shí)，間隙區(qū)域過(guò)于接近，二維傅里葉變換后頻譜圖上光斑都很明亮，導(dǎo)致統(tǒng)計(jì)時(shí)橫向間距變小，產(chǎn)生較大的誤差。

采用t檢驗(yàn)方法來(lái)比較本文方法與人工檢測(cè)方法之間的差異性。

檢驗(yàn)假設(shè)：

H0∶μ0=0

μ0表示二者結(jié)果有明顯差別，假設(shè)H0的顯著水平為0.05的拒絕域?yàn)?/p>

(7)

由t檢驗(yàn)方法的計(jì)算公式可得：

所以不拒絕H0，認(rèn)為2種方法無(wú)顯著差異。

5 結(jié)束語(yǔ)

本文提出了一種結(jié)合頻域和空間域的緯編針織物密度測(cè)定方法。該方法先基于離散小波變換增強(qiáng)緯編針織物圖像，然后分別2次統(tǒng)計(jì)圖像灰度曲線，在此基礎(chǔ)上結(jié)合基于概率密度統(tǒng)計(jì)的波谷坐標(biāo)校驗(yàn)算法及線圈坐標(biāo)檢驗(yàn)算法來(lái)測(cè)定緯編針織物密度。與現(xiàn)有圖像處理方法以及人工方法進(jìn)行比較發(fā)現(xiàn)，本文方法適用性好、準(zhǔn)確率高、穩(wěn)定性好。

FZXB