解祥新，江小靜，劉琴琴，魏 燕

(南通理工學(xué)院，江蘇 南通 226002)

0 引言

基于閾值分割的布匹疵點(diǎn)檢測算法可以大致分為以下幾個(gè)步驟，首先對采集到的布匹圖像進(jìn)行降噪，消除無關(guān)信息，增強(qiáng)細(xì)節(jié)對比度等[1]，再利用閾值分割算法進(jìn)行圖像分割，最后將得到的分割后的圖像進(jìn)行疵點(diǎn)分類等后續(xù)處理。在實(shí)際生產(chǎn)中，疵點(diǎn)類型主要以破洞、斷經(jīng)為主[2]，因此本文中所檢測的疵點(diǎn)類型基本為破洞、斷經(jīng)。

1 改進(jìn)最大類間方差法

OTSU全稱最大類間方差法，該方法將待檢測樣本的前景和背景分離開來。本文將素色布匹的正常底紋看作背景，把待檢測素色布匹的瑕疵區(qū)域看作前景。通過OTSU閾值分割算法把素色布匹瑕疵區(qū)域和標(biāo)準(zhǔn)紋理背景信息進(jìn)行解耦[3]，得出的最佳閾值將布匹瑕疵與紋理背景分割開來，實(shí)現(xiàn)瑕疵檢測。

最大類間方差算法具有檢測周期短和運(yùn)算速度快等優(yōu)點(diǎn)[4]，可以滿足工業(yè)現(xiàn)場的實(shí)時(shí)檢測要求。

傳統(tǒng)最大類間方差算法原理：假定待檢測的素色布匹圖像共有L個(gè)灰度級，nq是灰度級為q的像素點(diǎn)個(gè)數(shù)，則圖像灰度級的概率Pq如下式：

(1)

K級灰度以下像素的灰度概率均值和累積值分別是ωk和μk，如式(2)和式(4)所示：

(2)

ω(L-1)=1

(3)

(4)

假設(shè)按照灰度閾值T把待檢測素色布匹樣本圖像分為布匹正常底紋和表面瑕疵區(qū)域兩類：C0類(灰度級為從0到T)，C1類(灰度級為從T+1到L-1)。則C0類和C1類兩類的概率公式為式(5)和式(6)所示：

(5)

(6)

兩類的均值可以用式(7)和式(8)表示：

(7)

(8)

對于整個(gè)圖像來說，其灰度均值為式(9)：

μ=μ0ω0+μ1ω1

(9)

(10)

傳統(tǒng)的最大類間方差法的缺點(diǎn)：

(1)對于一些灰度級不連續(xù)的圖像來說，通過傳統(tǒng)的最大類間方法所計(jì)算出來的閾值很難收斂到全局最優(yōu)。

(2)若背景圖像與前景圖像分布差異非常大，那么最大類間方差算法將有可能會失效。

(3)當(dāng)圖像中僅有兩種類別時(shí)，最大類間方差能夠很好地適用；但是當(dāng)超過兩種類別時(shí)，就需要改進(jìn)增加額外閾值，來進(jìn)行分割。

因此針對以上傳統(tǒng)最大類間方差法的缺點(diǎn)進(jìn)行如下改進(jìn)：

(1)計(jì)算圖像灰度級L。計(jì)算圖像的灰度平均值μT，將μT取整|μT|作為圖像的灰度級，即L=|μT|；

(2)給分割次數(shù)賦以初始值J=1；

(3)利用最大類間方差法計(jì)算圖像的像素N、閾值K、閾值選擇函數(shù)η、類內(nèi)方差σw；

迭代，N(J)=N;K(J)=K;L=K;η(J)=η;σ(J)=σw;J=J+1;

(4)如果J≤1，那么返回步驟3；若大于1，則計(jì)算出ε的值。

(11)

(5)如果ε≥0，那么返回步驟3；若小于0，則查找最大η(J)所對應(yīng)的閾值，作為最佳閾值K。

2 實(shí)驗(yàn)步驟及仿真

本節(jié)算法的流程如圖1所示。

圖1 基于改進(jìn)最大類間方差法的檢測算法流程

具體步驟如下：

步驟1：采集現(xiàn)場布匹圖像，進(jìn)行雙邊濾波處理，經(jīng)過雙邊濾波處理之后能夠較好的濾除低頻信息，減少低頻信息的干擾，并且能夠很好地保存圖像邊緣處的細(xì)節(jié)信息。雙邊濾波的數(shù)學(xué)表達(dá)式如下：

(12)

其中，(k,l)為模板窗口的中心坐標(biāo)；(i,j)為模板窗口的其他系數(shù)的坐標(biāo)；σd為高斯函數(shù)的標(biāo)準(zhǔn)差。

步驟2：將雙邊濾波處理后的圖像再通過中值濾波濾除斑點(diǎn)噪聲及椒鹽噪聲，中值濾波在降噪的同時(shí)也能夠有效保存邊緣處的細(xì)節(jié)。用中值濾波處理雙邊濾波處理后的圖像g(i,j)：

G(x,y)=mid{g(x-a,y-b),a,b∈W}

(13)

其中，G(x,y)為進(jìn)行中值濾波后的二階矩陣，W為選擇的二維模板，選取3×3的區(qū)域；

步驟3：將預(yù)處理后的圖像，利用改進(jìn)的最大類間方差法進(jìn)行閾值分割。計(jì)算圖像灰度級L，計(jì)算圖像的灰度平均值μT，令L=|μT|；給分割次數(shù)賦以初始值J=1；利用最大類間方差法計(jì)算圖像的像素N、閾值K、閾值選擇函數(shù)η、類內(nèi)方差σw；再進(jìn)行迭代，直到計(jì)算出最佳閾值K。

步驟4：分割完成后判斷是否存在疵點(diǎn)，如果不存在疵點(diǎn)，則繼續(xù)采集圖像進(jìn)行疵點(diǎn)檢測；若存在疵點(diǎn)，則進(jìn)行邊緣檢測，標(biāo)識出疵點(diǎn)，進(jìn)行數(shù)據(jù)保存后，再繼續(xù)采集圖像。

傳統(tǒng)最大類間方差法在閾值分割時(shí)，并不能很好地將疵點(diǎn)分割出來，而通過改進(jìn)的最大類間方差法，能夠很好地分割出疵點(diǎn)。傳統(tǒng)最大類間方差法檢測準(zhǔn)確率只有78%，而改進(jìn)后的最大類間方差法檢測準(zhǔn)確率可達(dá)到94%。

3 結(jié)語

本文主要研究基于改進(jìn)最大類間方差法的檢測算法。并通過實(shí)驗(yàn)仿真分析這種算法在針對無樣本的疵點(diǎn)檢測上精度高，具有一定的效果。