駱然然，鮑 敏，沈衛(wèi)平，費(fèi) 鑫

(浙江理工大學(xué)機(jī)械與自動控制學(xué)院，浙江杭州310018)

0 引 言

在織造行業(yè)中往往需要對織物產(chǎn)品進(jìn)行表面紋理、疵點(diǎn)的檢測，且由于織物產(chǎn)品尺寸一般較大，必須使用寬幅掃描儀進(jìn)行織物圖像掃描。

以生產(chǎn)大幅面掃描儀著稱的英國Colortrac公司生產(chǎn)的最寬幅面掃描儀SmartLF CX42的掃描規(guī)格為1 118 mm×1 067 mm，國內(nèi)掃描儀生產(chǎn)制造商可提供的掃描幅面寬度范圍一般在210 mm～1 296 mm。而目前市場上的床單、被褥尺寸可達(dá)2 300 mm×2 500 mm，顯然，普通寬幅掃描儀無法滿足織造行業(yè)的特殊要求，并且這類掃描儀的掃描厚度大多只可滿足工程圖紙、地圖和書畫等紙制品。根據(jù)紡織織造行業(yè)的材料特點(diǎn)，國內(nèi)自主研發(fā)的超寬幅掃描儀可以較好地解決掃描過程中織物尺寸和材質(zhì)厚度這兩個(gè)問題。

織物疵點(diǎn)的檢測在紡織品檢測中是最重要的檢測項(xiàng)目之一。長期以來，疵點(diǎn)檢測都是由人工視覺完成，其檢測速度一般在10 m/min～15 m/min，該方法容易受到外界環(huán)境的影響，并且存在勞動強(qiáng)度大、效率低、漏檢率高等缺點(diǎn)［1］。近些年國內(nèi)外學(xué)者在織物檢測方面進(jìn)行了很多研究，基本上是圖像處理技術(shù)，包括小波變換、Gabor濾波器、數(shù)學(xué)形態(tài)學(xué)、共生矩陣以及Markov隨機(jī)場等多種工具［2］。目前，圖像處理技術(shù)在紡織檢測中獲得了廣泛應(yīng)用，以工業(yè)掃描儀驗(yàn)布系統(tǒng)代替人工視覺，實(shí)現(xiàn)對紡織品的自動檢測，可以更好地提高紡織企業(yè)的自動化程度，提高產(chǎn)品的正品率，從而對國民經(jīng)濟(jì)的發(fā)展起到促進(jìn)作用［3］。

基于以上兩點(diǎn)，本研究開發(fā)一款可以配套超寬幅掃描儀的圖像疵點(diǎn)檢測軟件，并通過實(shí)驗(yàn)實(shí)現(xiàn)對織物表面掃描、織物數(shù)字圖像校正以及對目標(biāo)織物疵點(diǎn)檢測等功能。

1 織物掃描問題分析

在超寬幅掃描儀獲取圖像的過程中，由于成像系統(tǒng)的非線性、掃描姿態(tài)及掃描鏡頭與織物的相對運(yùn)動等原因，所產(chǎn)生的圖像像元的幾何位置相對于原景物圖像產(chǎn)生的擠壓、伸展、偏移和扭曲等變形，解決這類失真問題的方法稱為幾何校正［4］。超寬幅掃描儀實(shí)物如圖1所示。

圖1 超寬幅掃描儀

此外，在紡織工業(yè)中往往會因?yàn)榧徔棛C(jī)械的勞損或編織程序的錯誤導(dǎo)致織物存在各種各樣的瑕疵點(diǎn)，包括錯線、破洞、堵孔、斷線等等。因此，通過超寬幅掃描儀對目標(biāo)織物與標(biāo)準(zhǔn)織物進(jìn)行掃描配準(zhǔn)、尋找目標(biāo)織物的瑕疵點(diǎn)也是超寬幅掃描儀需要解決的問題之一。

2 圖像幾何校正

圖像幾何校正的基本方法是先建立幾何校正的數(shù)學(xué)模型，其次利用已知條件確定模型參數(shù)，最后根據(jù)模型對圖像進(jìn)行幾何校正。圖像幾何校正通常分為兩步:首先對圖像進(jìn)行空間坐標(biāo)變換，然后再重新確定新像素的灰度值［5］。

2.1 空間坐標(biāo)變換

在實(shí)際操作中，筆者先用超寬幅掃描儀獲得一幅沒有畸變或畸變較小的圖像，以此作為基準(zhǔn)，然后根據(jù)基準(zhǔn)圖像去校正幾何失真圖像［6］。

將基準(zhǔn)圖像設(shè)為f(x，y)，而有較大幾何畸變的圖像用g(x'，y')表示，空間坐標(biāo)變化如圖2所示，是一種畸變情形。

圖2 空間坐標(biāo)變化

兩幅圖像幾何畸變的關(guān)系可以用下列解析式來描述:

通常和可用多項(xiàng)式來近似表示:

如此，便可以用基準(zhǔn)圖與畸變圖的采樣點(diǎn)來確定函數(shù)和，以便整幅圖像的像素點(diǎn)變換坐標(biāo)。

2.2 雙線性灰度內(nèi)插

雙線性內(nèi)插法是利用待求點(diǎn)4個(gè)相鄰像素的灰度在二方向上做線性內(nèi)插，雙線性內(nèi)插法如圖3所示。

圖3 雙線性內(nèi)插法

下面推導(dǎo)待求像素灰度值的計(jì)算式［7］。

對于(i，j+v)，有:

該方法具有低通濾波性質(zhì)，使高頻分量受損，圖像輪廓有一定模糊，但沒有灰度不連續(xù)的缺點(diǎn)，結(jié)果令人滿意。

2.3 幾何校正方法

設(shè)恢復(fù)的圖像像素在基準(zhǔn)坐標(biāo)系統(tǒng)為等距網(wǎng)格的交叉點(diǎn)，從網(wǎng)格交叉點(diǎn)坐標(biāo)(x，y)出發(fā)，根據(jù)下式和若干已知點(diǎn)，求解未知數(shù):

據(jù)此推算出各網(wǎng)格點(diǎn)在已知畸變圖形上的坐標(biāo)(x'，y')。由于(x'，y')一般不為整數(shù)，不會位于畸變圖像像素中心，因而不能直接確定該點(diǎn)的灰度值，而只能由該像點(diǎn)在畸變圖像的周圍像素灰度值內(nèi)插求出，將它作為對應(yīng)像素(x，y)的灰度值，從而獲得校正圖像，以備下一步圖相配準(zhǔn)及查找織物疵點(diǎn)。

3 圖像配準(zhǔn)

圖像配準(zhǔn)就是將不同時(shí)間、不同傳感器或不同條件下(天候、照度、攝像位置和角度等)獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過程。本研究將圖像配準(zhǔn)計(jì)算應(yīng)用于超寬幅掃描儀的織物掃描圖像，來進(jìn)行織物疵點(diǎn)的監(jiān)測［8-9］。

基于灰度信息的圖像配準(zhǔn)方法一般不需要對圖像進(jìn)行復(fù)雜的預(yù)先處理，而是利用圖像本身具有灰度的一些統(tǒng)計(jì)信息來度量圖像的相似程度。

該方法的基本思路［10］是:將標(biāo)準(zhǔn)織物圖像T(大小為N×N，單位:像素)疊放在目標(biāo)織物圖像S(大小為M×M，單位:像素)上滑動，標(biāo)準(zhǔn)織物圖像覆蓋下的那塊目標(biāo)織物圖像為子圖 Si，j，i，j為 T左上角像點(diǎn) A在S中的坐標(biāo)，比較T和Si，j的灰度信息即可尋找標(biāo)準(zhǔn)織物圖像和目標(biāo)織物圖像的差異點(diǎn)，即找到目標(biāo)織物的瑕疵點(diǎn)。配準(zhǔn)原理圖如圖4所示。

圖4 配準(zhǔn)原理圖

4 實(shí)驗(yàn)結(jié)果

該設(shè)計(jì)利用TWAIN協(xié)議接口從超寬幅掃描儀設(shè)備上獲取織物靜態(tài)圖像，其軟件結(jié)構(gòu)流程如圖5所示。

圖5 圖像處理流程圖

疵點(diǎn)檢測實(shí)驗(yàn)結(jié)果如圖6所示。

圖6 實(shí)驗(yàn)結(jié)果

5 結(jié)束語

本研究通過對超寬幅掃描儀在工業(yè)掃描過程中遇到的幾何失真及織物疵點(diǎn)識別的介紹，引出對數(shù)字圖像失真校正及圖相配準(zhǔn)的研究，利用數(shù)字圖像的像素空間坐標(biāo)變換和像素灰度內(nèi)插法對失真圖像進(jìn)行校正處理，并通過基于灰度化的圖相配準(zhǔn)計(jì)算進(jìn)行織物疵點(diǎn)檢測。通過對織物進(jìn)行檢測實(shí)驗(yàn)，證實(shí)了該軟件能夠準(zhǔn)確地得到織物疵點(diǎn)信息，且方便技術(shù)人員操作，對織造檢測行業(yè)具有一定的意義。

掃描檢測技術(shù)應(yīng)用前景廣闊，但是，目前國內(nèi)超寬幅掃描儀市場尚未成熟，織物檢測關(guān)鍵技術(shù)的研究狀況仍處于初級階段，尚需進(jìn)一步提高自動檢測技術(shù)水平。

［1］李立輕，黃秀寶.圖像處理用于織物疵點(diǎn)檢測的研究進(jìn)展［J］.東華大學(xué)學(xué)報(bào):自然科學(xué)版，2002，28(4):118-112.

［2］孫文立，劉金珠，金宏健.一種基于圖像處理技術(shù)的坯布疵點(diǎn)檢測及評估方法［J］.紡織機(jī)械，2012(4):54-56.

［3］劉君杰，趙曉娣.圖像處理技術(shù)在紡織品評定中的應(yīng)［J］.毛紡科技，2005(11):50-54.

［4］崔洪州，孔 淵，周起勃，等.基于畸變率的圖像幾何校正［J］.應(yīng)用光學(xué)，2006，27(3):183-185.

［5］楊大力，翁正新.圖像校正技術(shù)的研究及應(yīng)用［J］.控制工程，2008，15(5):168-171.

［6］張 金，成媛媛，李 洋，等.一種基于虛擬鍵盤圖像坐標(biāo)變換的幾何失真校正方法［J］.計(jì)算機(jī)應(yīng)用與軟件，2012，29(6):84-88.

［7］曹亞君，邵玉蘭.基于雙線性內(nèi)插的圖像處理算法及其優(yōu)化［J］.中州大學(xué)學(xué)報(bào)，2012，29(3):111-113.

［8］謝永勝，余正生.圖像快速配準(zhǔn)算法的改進(jìn)［J］.機(jī)電工程，2010，27(2):36-38.

［9］唐雪蓮，畢明德，孫志剛.基于支持向量機(jī)的布匹圖案匹配算法設(shè)計(jì)［J］.機(jī)電工程，2011，28(12):1523-1526.

［10］TSAI D M，LIN C T.Fast normalized cross correlation for defect detection［J］.Pattern Recognition Letters，2003，24(15):2625-2631.