基于改進Otsu的墻紙缺陷檢測方法研究

宋 柯，謝維成，夏興洋，蔣文波

（西華大學 電氣與電子信息學院，成都 610039）

0 引言

墻紙也稱作壁紙，是用來裝飾墻面的一種室內裝修材料。由于其美觀且環保等特點，目前已廣泛應用于家庭、辦公環境等室內裝修，并逐漸代替傳統涂料。由于機械老化等多種原因使得生產出來的墻紙產品具有缺陷，最為常見的缺陷有褶皺、孔洞、裂紋、黑斑。

由于墻紙具有紋路種類多、花紋復雜等特點，因此墻紙缺陷檢測變得困難。針對近似圓形幾何特征缺陷，文獻[1]利用半徑與圓心距以及利用Sobel算子計算梯度來減少由于隨機Hough變換引起的無效積累，增加檢測精度。該方法對標準圓形區域檢測具有一定的準確度，而實際墻紙缺陷區域形狀多為橢圓及不規則形狀。文獻[2]、文獻[3]在隨機Hough變換的基礎上利用橢圓公式進行改進，以達到檢測橢圓區域目的，但文獻[1]、文獻[2]、文獻[3]的方法在墻紙缺陷檢測中，容易受曲線紋路墻紙影響，產生較多的錯誤檢測，并且消耗時間長，不適用于在線檢測。文獻[4]使用魯棒主成分分析法（Robust Principal Component Analysis，RPCA）對缺陷進行分割。文獻[5]首先進行位平面分解，利用格雷碼對圖像位平面進行增強，用得到的增強位平面檢測缺陷。雖然文獻[4]、文獻[5]的方法均能夠將缺陷從原始圖像中分割出來，但僅適用于光滑、簡單背景下的缺陷提取，對于墻紙這種復雜背景下的缺陷不能較好地進行檢測[6]。Aiger D和Talbot H[7]將原始圖像利用快速傅里葉變換得到頻譜圖像，再使用PHOT（Phase Only Transform）將背景紋理濾除從而得到缺陷，該方法雖能夠較準確分割出缺陷，但其分割后的缺陷區域存在失真現象，且耗時較長。Seba Susa[8]等搭建高斯混合模型來自動檢測缺陷，但其對黑斑缺陷檢測的誤差較大。閾值分割方法是常用的缺陷檢測方式，由于傳統閾值分割方法[9]已經不能滿足缺陷圖像的檢測需求，因此目前已研究出許多圖像閾值分割方法[10,11]，并用于缺陷圖像分割檢測[12]，但由于墻紙背景復雜、紋路較多的特點，將缺陷從墻紙圖像中準確、完整地分割出來仍然比較困難。

針對上述問題，提出一種能夠適應不同背景紋路的墻紙缺陷分割方法。該方法首先在RGB空間中對R、G、B三個分量處理后疊加，以抑制墻紙圖像背景紋理、增強缺陷。然后再對Otsu方法改進，使得傳統Otsu方法能夠適用于墻紙缺陷分割，使其能夠分割出裂紋、孔洞、褶皺、黑斑缺陷。

1 墻紙缺陷圖像預處理

由于墻紙背景樣式繁多、花紋復雜等因素，對墻紙缺陷的分割有較大影響，因此在對缺陷進行分割之前需要對圖像進行預處理操作，預處理操作的目的是對墻紙背景進行濾除以及增強缺陷部分。由于原始圖像是以RGB顏色空間為基礎，通過紅、綠、藍三種顏色通道進行疊加而產生更多顏色，而觀察圖像缺陷部分的顏色特征，相對于墻紙背景的顏色更深，因此，對RGB顏色公式進行調整，使其能夠保留缺陷部分的同時，濾除背景部分。其修改公式如下：

其中R表示原始RGB圖像中紅色通道分量，G表示綠色通道分量，B表示藍色通道分量，而a、b、c為對三個分量的修改值。通過對各像素點的三個分量值進行修改，最后疊加在一起得到最后預處理后的圖像。實驗表明，當a為1、a為時處理效果最好，其處理效果如圖1所示。

圖1 預處理效果

2 基于改進Otsu的墻紙缺陷分割

最大類間方差法又稱大津法（Otsu），是由日本學者大津提出的一種自適應閾值分割方法[9]，其原理如下：

其中m1、m2為分割前景、背景區域中的像素平均值，mG為整個圖像像素均值，P1、P2為像素點被分配到前景、背景區域的概率。當方差σG最大時，可以認為前景和背景的差異最大，此時灰度級T被看作是分割的最佳閾值。Otsu方法在墻紙缺陷分割結果如圖2所示。

圖2 傳統Otsu分割效果

從圖中可以看出，由于傳統Otsu方法對于在直方圖當中前景與背景分隔較大的圖像分割效果較好，而對于前后景直方圖區分不明顯的圖像Otsu方法分割效果不理想。在墻紙缺陷分割當中，分割的最佳閾值是在靠近前景附近，且不同墻紙圖像分割缺陷最佳閾值與Otsu所得到閾值偏移的位置不同，因此對上式進行改進，使其在不同缺陷圖像當中均能適用，找到分割最佳閾值。在式中，前景部分的概率乘上背景部分概率，使得缺陷分割最佳閾值隨背景的復雜程度改變。

從圖3中可以看出，m、n取值不同所得到的分割效果不同，因此通過對m和n取不同值得到分割效果對比。當n為0.5和m為5時分割效果最好，能夠完整地分割出缺陷部分。

圖3 改進Otsu方法不同參數效果

圖4 傳統Otsu與改進Otsu分割結果比較

3 實驗結果分析

實驗在PC處理器為Intel Core i7-2620M 2.70GHz，內存大小為6GB，MATLAB R2010a平臺上進行仿真。首先在RGB空間中對R、G、B三個分量處理后疊加，再使用改進后的Otsu方法實現墻紙缺陷的分割。為驗證該方法，分別對本文方法、文獻[4]、文獻[13]的方法進行對比。

從圖4中可以看出，與傳統Otsu方法相比，改進后的Otsu方法更能適應墻紙缺陷的分割。從圖5比較結果，本文提出的方法受背景紋理影響較小，能夠將裂紋、孔洞、褶皺、黑斑四種缺陷從不同紋理墻紙中有效地分割出來。本文方法與文獻[4]、文獻[13]方法分割效果比較如圖6所示。

從圖4中可以看出，文獻[4]的方法受背景影響較大，背景越復雜分割效果越差，文獻[13]的方法對于缺陷部分產生多余分割，并且在黑斑缺陷部分產生錯誤分割，與文獻[4]、文獻[13]的方法相比，本文方法對于墻紙缺陷均能夠正確分割，且分割效果更好。

對于裂紋、孔洞、褶皺、黑斑四種缺陷，在不同背景紋路墻紙上的檢測結果如圖6所示。從圖中可以看出，本文方法能夠準確、有效地檢測出這四種缺陷，并且從表1中可以看出，對于不同墻紙中的四種缺陷檢測時間較短，平均耗時0.157s。

圖5 不同方法分割效果對比

表1 缺陷檢測消耗的時間

圖6 不同缺陷檢測結果

4 結束語

針對墻紙裂紋、孔洞、褶皺、黑斑四種缺陷，在圖像預處理中，提出兩種方案并進行對比，并能夠有效地分割出這四種缺陷。圖像預處理在RGB空間中，通過對各像素點地R、G、B三個分量修改后進行疊加，得到處理后的圖像；對傳統Otsu方法進行修改，使其能夠適用在墻紙缺陷分割當中。實驗結果表明，修改后的方法能夠有效地分割出裂紋、孔洞、褶皺、黑斑四種缺陷，為進一步的缺陷識別分類研究打下基礎。