基于相對總差和水平集的織物毛球分割*

趙喜林

（浙江工貿(mào)職業(yè)技術學院，浙江溫州325003）

基于相對總差和水平集的織物毛球分割*

趙喜林

（浙江工貿(mào)職業(yè)技術學院，浙江溫州325003）

針對傳統(tǒng)的基于灰度閾值分割方法分割織物圖像毛球區(qū)域精度低、難以分割完整的毛球區(qū)域等問題，提出了一種基于相對總差和水平集的織物毛球分割算法。該方法首先利用相對總差的結(jié)構提取算法來去除織物表面的紋理，完成對毛球的粗分割，再利用水平集分割算法對粗分割圖像進行精分割，最后利用形態(tài)學的方法對精分割結(jié)果中的候選毛球區(qū)域進行篩選和融合，得到最終的毛球區(qū)域。結(jié)果表明，該方法與傳統(tǒng)方法相比能夠提高對織物圖像毛球區(qū)域分割的精度，具有一定的實用性。

毛球分割；相對總變差模型；水平集

1 問題提出

基于圖像處理技術的客觀評價織物起球程度的方法是目前較為流行和實用的一類方法。這些方法可以歸納為：基于物理的方法[1-3]和基于變換域的方法[4-7]?；谖锢淼姆椒ㄊ墉h(huán)境的影響很大，精確度不高?；谧儞Q域的方法不容易受光照和紋理結(jié)構等外部環(huán)境因素的影響，能夠獲得較高的檢測結(jié)果，但是該類方法對紋理的規(guī)則性或?qū)ΨQ性有一定的要求。在對紋理結(jié)構進行剔除后的關鍵一步就是如何精確地對毛球進行分割。常用的分割算法大多都是基于閾值的分割，比如基于積分圖和粒子群優(yōu)化的二維OSTU分割[8]。但是織物表面的毛球沒有規(guī)則的圖形，也沒有規(guī)律的分布，并且織物表面的毛球與周圍的織物材料一致，這樣導致毛球與織物表面的灰度值過于相似，因此，在對毛球進行分割時，這些基于閾值分割的方法可能得不到滿意的結(jié)果。

為了解決上述問題，本文結(jié)合相對總差的紋理結(jié)構提取算法和魯棒快速的水平集分割算法，提出了基于相對總差和水平集的毛球分割方法。該方法分為：首先，利用相對總差的方法來剔除織物的紋理結(jié)構，并利用局部均值和方差對結(jié)果做進一步的增強，得到織物毛球的粗分割結(jié)果；其次在模糊C均值聚類的基礎上，構造水平集方程，并利用格子波爾茲曼方法對該水平集方程進行數(shù)值求解，得到精分割區(qū)域；接著利用形態(tài)學的方法剔除那些明顯不是毛球的小區(qū)域，以及融合那些相隔非常接近的區(qū)域；最后對檢測得到的毛球區(qū)域進行平移修正，得到最終的毛球區(qū)域。實驗結(jié)果顯示，該方法能有效地對織物表面的毛球進行分割，對不同等級布料的分割結(jié)果又明顯的差異，可以用于織物毛球的客觀評價，具有一定的實用性。

2 基于相對總差的織物毛球粗分割

傳統(tǒng)的毛球分割利用織物表面的具有周期特性的紋理結(jié)構的特性將織物圖像變換到頻域后進行紋理的剔除，并獲得了較好的效果。但是該方法對于不具有周期性的紋理結(jié)構不能取得較好的分割結(jié)果。Xu等[9]提出了一種基于總變差形式的新模型，稱為相對總變差模型。該模型不需要紋理具有特定的規(guī)則或?qū)ΨQ性就可以有效的分解圖像中的結(jié)構信息和紋理。利用相對總變差模型進行織物紋理剔除的過程如下所述：

1）輸入圖像I，并設置尺度參數(shù)δ，強度參數(shù)λ，初始化參數(shù)t=0;S0←I；

2）迭代計算4個中間變量，并帶入線性方程求解；

3）迭代結(jié)束得到輸出結(jié)果S

4）對輸出結(jié)果進行對數(shù)拉伸：

3 水平集的精分割

傳統(tǒng)的對水平集方程進行求解的方法是采用C-V模型，但是該方法對初始輪廓比較敏感，計算耗時較長。為此本文提出一種基于模糊聚類和格子玻爾茲曼方法(Lattice Boltzmann Method,LBM)的水平集分割算法來完成對毛球的精分割。

3.1 格子波爾茲曼方法

格子波爾茲曼模型是用于波爾茲曼粒子動力學分析的數(shù)值工具，也可用于對偏微分方程的數(shù)值求解。一種典型的LBM模型架構(D2Q5)如圖1所示，其演化方程如下：

式中：→r為顆粒的位置；t為時間；e→i為速度；ρ為當前顆粒位置的流體密度；τ為弛豫時間；γ為給定的擴散系數(shù)；fi(→r,t)為顆粒分布；為粒子的均衡分布。

在LBM中可以加入適當?shù)耐饬砜刂屏黧w的行

圖1 D2Q5模型空間結(jié)構

為，外力加入后，流體的分布變?yōu)?/p>

3.2 模糊均值聚類的水平集方程

利用模糊C均值構造的水平集方程，并給出了求解該水平集方程的3個必要方程：

式(7)的右邊的前兩項實際就是外力F，即

3.3 水平集的織物毛球精分割

基于水平集的分割步驟如下：

1）以圖像中心為原點，圖像高度的約六分之一為半徑，初始化一條閉合的曲線，曲線外的灰度均值v1=0，曲線內(nèi)的灰度均值v2=1，距離函數(shù)為?，偏移矩陣B=0，模糊系數(shù)p=2；

3）利用公式(6)更新v1和v2的值；

4）利用公式(7)更新偏移矩陣B的值；

5）利用公式(8)計算外力F；

6）利用公式(2)計算碰撞后的顆粒分布，并利用公式(4)得到外力作用后的顆粒分布；

7）利用公式(3)計算當前顆粒位置的流體密度；

8）根據(jù)各個位置的流體密度大小確定目標的輪廓，完成對目標的分割。

4 區(qū)域篩選和修正

精分割得到的記過會包含很多不是毛球的小區(qū)域，為了剔除這些小區(qū)域，采用形態(tài)學中的膨脹和腐蝕運算來去掉圖像上那些細小的非毛球區(qū)域。

A被B膨脹，記為

A被B腐蝕，記為

剔除小區(qū)域的過程簡述為先腐蝕后再膨脹，公式表達如下：

由于光照的影響，毛球會產(chǎn)生一定的陰影，這樣導致檢測得到的毛球區(qū)域與實際毛球區(qū)域會存在一定的偏差，通過設置一定的偏移值，即將檢測區(qū)域分別沿x軸和y軸平移一定的距離，并剔除邊界的一些誤檢區(qū)域，可以得到真實的毛球區(qū)域。

5 實驗結(jié)果

為了驗證該分割方法的準確性，在Pentium 3.2 GHz，內(nèi)存16 GB的PC上利用MATLAB-R2014a軟件進行實驗。測試圖片分別為對應織物表面起球程度不同的圖片，圖片大小均為500×500，如圖2所示。

圖2 實驗圖片

圖3(a)是對圖2(a)采用相對總變差模型進行紋理剔除后的結(jié)果，圖3(b)是在圖3(a)的基礎上進行對數(shù)變換拉伸后的結(jié)果。

圖3 粗分割結(jié)果對比

通過對比兩幅圖片圖3(a)和圖3(b)可以看出，圖3(b)中毛球區(qū)域與非毛球區(qū)域?qū)Ρ雀黠@，說明進過對數(shù)變換拉伸后更有利于后續(xù)對該圖片做進一步處理。圖4(a)是對圖3(a)利用水平集的方法進行分割的結(jié)果，圖4(b)是對圖3(b)利用水平集的方法進行分割的結(jié)果。從實驗結(jié)果可以看出，經(jīng)過對數(shù)變換，再采用水平集進行分割得到的結(jié)果比未經(jīng)過對數(shù)變換而采用水平集進行分割得到的結(jié)果更為準確。

圖4 精分割結(jié)果對比

圖5為采用本文方法分別對圖2中的圖片進行毛球檢測的最終結(jié)果。圖5中，白色區(qū)域為毛球區(qū)域。

圖5 毛球分割結(jié)果

由分割結(jié)果可以看出，本文方法對于不同級數(shù)的織物表面的毛球都能夠準確分割毛球區(qū)域，說明該方法可以用于對織物表面起球程度的分割具有通用性，能夠?qū)椢锉砻娴钠鹎虺潭冗M行較為客觀的評價。

5 結(jié)束語

基于圖像處理技術的織物毛球分割包含兩個關鍵步驟，第一是紋理的剔除，第二是毛球的分割?；谧儞Q域的紋理剔除對紋理的規(guī)則和對稱性等有一定的要求，不能適合部分場合的檢測，同時由于織物表面的毛球與織物的紋理的灰度值很接近，傳統(tǒng)的基于灰度值閾值的分割方法難以獲得滿意的分割效果。本文通過相對總變差模型對織物進行粗分割，再利用水平集進行精分割，最后對分割結(jié)果采用形態(tài)學處理并進行修正后得到最終的毛球區(qū)域。實驗結(jié)果表明，該方法能夠準確將織物表面的毛球區(qū)域進行分割，能夠?qū)⑵溥M一步用于基于機器視覺的織物起毛起球等級評價系統(tǒng)，具有一定的實用性和參考價值。

[1]KONDA A,XIN L C,TAKADERA M,et al.Evaluation of pilling by computer image analysis[J].Journal of the textile Machinery Society of Japan,1990,36(3):96-107.

[2]AMIRBAYAT J,ALAGHA M J.The objective assessment of fabric pilling.Part II:experimental work[J].Journal of the Textile Institute,1994,85(3):397-401.

[3]HSI C H,BRESEE R R,ANNIS P A.Characterizing fabric pilling by using image-analysis techniques.part II:comparison with visual Pill Ratings[J].Journal of the Textile Institute,1998,89(1):96-105.

[4]周圓圓,潘如如,高衛(wèi)東,等.基于標準樣照與圖像分析的織物起毛起球評等方法[J].紡織學報,2010(10):29-33.

[5]ZHANG J,WANG X,PALMER S.Performance of an objective fabric pilling evaluation method[J].Textile Research Journal,2010:80(16):1648-1657.

[6]DENG Z,WANG L,WANG X.An integrated method of feature extraction and objective evaluation of fabric pilling[J].The Journal of the Textile Institute,2011,102(1):1-13.

[7]景軍鋒,張贊贊,李鵬飛.基于Log-Gabor濾波器的織物起球客觀評級方法[J].Computer Engineering and Applications,2014,50(8):247-250.

[8]朱志亮,劉富國,陶向陽,等.基于積分圖和粒子群優(yōu)化的膚色分割[J].Optimization,2014,50(21):171-174.

[9]XU L，YAN Q，XIA Y，et al． Structure extraction from texture via relative total variation［J］． ACM Transactionson Graphics(TOG)，2012，31(6):139．

Fabric Pilling Segmentation Based on Relative Total Variation and Level Set

ZHAO Xi-lin
（Zhejiang Industry&Trade Vocational College,Wenzhou,325003,China）

The methods based on transform domain for texture removing have a certain regularity requirements and the methods based on gray value threshold can hardly segment the fabric pilling regions.To solve these two problems,this paper proposes a fabric pilling segmentation algorithm based on relative total variation and level set.This method first uses the structure extraction algorithm based on relative total variation to remove the textures of the fabric and then completes the coarse segmentation for pilling.Secondly,the method use the level set segmentation algorithm to segment the coarse segmentation result and gains the fine segmentation result.Finally,the method uses morphology method to filter and fusion the candidate pilling regions in the fine segmentation and then gains the ultimate pilling regions.The experimental results show that the method can accurately segment the fabric pilling areas with a certain practicality.

pilling segmentation;relative total variation model;level set

TP391.41

A

1672-0105(2017)03-0049-04

10.3969/j.issn.1672-0105.2017.04.011

2017-10-28

溫州市公益性科技計劃項目(S20150024),溫州市公益性科技計劃項目（G20150018）

趙喜林，男，浙江工貿(mào)職業(yè)技術學院高級工程師，研究方向：計算機應用、金融設備。

徐興華）