結合圖像頻域和空間域的緯編針織物密度檢測方法

鄧中民，胡灝東，于東洋，王 文，柯 薇

(武漢紡織大學 省部共建紡織新材料與先進加工技術國家重點實驗室，湖北 武漢 430200)

在對針織品密度的檢測中，人工檢測費時費力且效率低下；運用圖像法檢測有效快速，能極大地提高效率，實現在線檢測。目前織物密度測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]。空間域法包括灰度曲線統計法及基于織物特征求解法等。

頻域法[4-6]是將織物圖像轉到頻域求解織物密度。考慮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律。采用二維傅里葉變換[6]測定密度，是通過濾波對整個針織物圖像進行計算，然后進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，所以亮斑的處理過程較為復雜。在處理亮斑過程中，頻域圖像中心會存在白色背景噪聲，采用理想低通濾波與圖像銳化處理無法確定截止頻率，且效果較差。在放大倍數不同的緯編針織物圖像中僅僅依靠二維傅里葉變換，在橫向無法區分亮斑是由線圈區域產生還是由圈柱間隙區域產生，方法適用性有待改進。

對于空間域方法，在針織物圖像空間，采用橫向紗線提取以及核密度估計方法來測量針織物密度[8]，該方法對圖像要求較高，當線圈以及圈柱間隙區域難以區分時就會影響紗線提取的精確度，導致劃分區域混亂。并且提取出來線圈的二值圖像并非封閉的區域，質心求解也較為復雜。

為解決基于圖像處理的緯編針織物測量結果不太準確、適用性較差等問題，本文利用頻域結合空間域的方法對緯編針織物的密度測量進行研究，先利用離散小波變換對緯編針織物進行分解重構，凸顯線圈區域。再通過灰度曲線結合波谷坐標校驗算法設定臨界值，通過線圈坐標校驗算法來定位線圈所在列的坐標，再利用八鄰域廣度優先搜索算法來求得緯編針織物橫、縱線圈的數量。

1 實驗方案設計

首先使用圖像灰度曲線結合波谷坐標校驗算法來定位消除針織物圈柱間隙列的坐標；再使用圖像灰度曲線結合線圈坐標校驗算法來定位形態學操作后線圈列的坐標，如圖1所示，以此完成緯編針織物的橫密與縱密的測定。

圖1 織物結構示意圖Fig.1 Schematic diagram of fabric structure

緯編針織物密度測定總體流程如圖2所示。

圖2 總體流程圖Fig.2 Overall flow chart

2 圖像的預處理

2.1 傾斜校正

針對針織物圖像傾斜，本文采用霍夫(Hough)[9]變換矯正，以此來消除圖像采集時可能存在的一定角度傾斜，使圖像灰度曲線更加準確地反映出針織物結構信息。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，沒有周期性，波谷坐標不能定位線圈列及圈柱間隙列；通過Hough變換后圖像的灰度曲線有周期性，波谷坐標可正確定位線圈列及圈柱間隙列。

2.2 圖像增強

考慮到緯編針織物中線圈排列分布具有較強的周期性，通過離散小波變換(DWT)將緯編針織物圖像轉換到頻域空間，通過處理可凸顯線圈所在區域。對緯編針織物圖像進行N級離散小波(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；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。保留線圈所在高頻信息，將其他頻率圖像剔除，再對剩余圖像進行重構。

處理后效果如圖4(i)所示。由分解的各級圖像可以看出，每一級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(見圖4(b)、(c))以及光照不勻等低頻信息(見圖4(g)、(h))。將剩下的分級圖像(見圖4(d)～(f))合并重構，就可得到保留了線圈結構的圖像，且線圈結構與原圖相比較為突出。即使在原圖像(見圖4(a))成像效果不是很理想的情況下，通過分解重構依舊可得到如圖4(i)所示的較為清晰的線圈結構圖像，為后續空間域的處理奠定了基礎。

3 針織物橫縱向線圈統計

3.1 針織物灰度曲線提取

將針織物圖像灰度化后，就可以統計得到該圖像的灰度曲線。在統計灰度曲線灰度值時，為減少紗線自身疵點、毛羽以及圖像錄入時產生的信息誤差等原因形成的干擾信號，本文以圖像每一列灰度值的平均值來統計灰度曲線，灰度曲線的計算公式如下：

(1)

式中：M為圖像列像素點個數；f(x,y)為灰度值。

3.2 波谷坐標校驗算法

通過獲取針織物灰度曲線波谷坐標就可依據波谷橫坐標來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在橫向上應該是均勻分布的，統計波谷坐標，灰度曲線會存在雜質波谷，如圖5(a)所示(圖中波谷位置用黑色實心圓標出)，雜質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計，結果會存在較大誤差。在同一針織物中每對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，雜質波谷較少，且雜質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，波谷坐標校驗算法通過概率統計的方法，統計相鄰波谷之間的距離L(x,y)= (k1，k2，…，kn)(n是波谷間距類別個數)及每個距離所占的比率Pi=P1，P2，…，Pn，重新按降序排列Pi。通過式(2)得到的波谷間隙的臨界值TH來剔除雜質波谷。經實驗驗證，臨界值取2TH/3時準確率最高。

在灰度曲線中通過臨界值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心圓標出。

由圖5可知，通過波谷坐標校驗算法,利用概率統計的方法對圖像灰度曲線的波谷坐標進行統計分析，得到除雜后的波谷坐標，即線圈列及圈柱間隙列實際橫坐標。

3.3 針織物線圈圖像獲取

3.3.1 局部自適應閾值法

為精確統計緯編針織物圖像中線圈的個數，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換為二值圖像，通過線圈坐標校驗算法來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)來實現，但通過實驗發現，OTSU算法設定全局的閾值，不能很好地讓二值化的圖像凸顯線圈區域與其他區域的不同。為凸顯線圈所在區域，采用局部自適應閾值法[10]來二值化。以需要二值化像素點為中心，定義一個核Am×m。以圖像左上角為坐標原點，若坐標(x,y)對應的灰度值為f(x,y)，則用該核卷積整個圖像，其中(xi,yj)點均值g(xi,yj)為

(3)

式中，mean(xi,yj)為核Am×m中的權重值。

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

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

3.3.2 八鄰域廣度優先搜索算法

為得到只有線圈區域的圖像，本文利用灰度曲線結合波谷坐標校驗算法得到波谷坐標，在此基礎上通過八鄰域廣度優先搜索算法來消除二值圖中的多余區域。八鄰域廣度優先搜索是按層來處理像素點，搜索與該像素點鄰接的8個像素點，廣度優先搜索算法采用遞歸方式來完成對圈柱間隙區域的遍歷，極大地提高了遍歷的效率。

本文采用八鄰域廣度優先搜索算法求解只有線圈區域圖像的主要步驟為：1)采用相鄰波谷橫坐標值取平均值，使該列的像素值全部為1的方法，斷開圈柱間隙列與線圈列可能存在的連接，如圖7所示；2)對波谷橫坐標奇數列及偶數列分別求取八鄰域獨立區域個數，數值小的那一組坐標就是圈柱間隙列所在坐標；3)通過廣度優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，進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 紗線間隔區域與線圈區域斷開示意圖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，通過對相鄰的波谷坐標取均值，可以較好地斷開緯編針織物二值圖像中線圈列與圈柱間隙列之間的連接，結合依據圈柱列坐標進行的八鄰域廣度優先搜索算法消除圈柱間隙列，進一步證明了3.2節算法的準確性，為統計縱向線圈個數提供了條件。

3.4 縱向線圈個數統計

3.4.1 形態學運算

通過3.3節的處理，線圈區域可能不是一個完整區域，相同列相鄰線圈之間可能還存在連接情況，在后續統計線圈列上線圈個數時會產生誤差。本文采用形態學運算，先通過2次膨脹再腐蝕來消除上述影響，使得線圈間相互獨立，處理前后效果如圖9所示。

圖9 形態學運算前后的圖像Fig.9 Images before(a) and after(b) morphological operation

3.4.2 線圈坐標校驗算法

為統計每一列上線圈的數量，需要得到每一列線圈列中心橫坐標。由于根據圖5(b)灰度曲線所得到線圈列的橫坐標并非一定對應每個線圈質心的橫坐標，經3.3和3.4.1節步驟后圖像形態發生改變，所以需要第2次利用灰度曲線得到線圈列所在的橫坐標。

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。波谷橫坐標值是線圈列所在橫坐標，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域等問題，會存在雜質波谷。

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

采用線圈坐標校驗算法可得到真實的線圈列所在的橫坐標，主要步驟如下：1)通過K-Means聚類算法[11]消除高點的雜質波谷點，如圖10(a)中的三角形點；2)通過3.2節的波谷坐標校驗算法剔除低點的雜質波谷，如圖10(a)中的正方形點。得到的正確波谷坐標個數即為該針織物圖像橫向上的線圈數量Nh。利用3.3.2節八鄰域廣度優先搜索算法，通過得到的線圈列坐標，對線圈列進行像素搜索。將八鄰域連接在一起的區域視為一個線圈，可以求得每一列線圈的數量n=n1,n2,…，ni。計算得到該針織物圖像列方向上的線圈數量：

(4)

4 針織物密度計算及對比驗證

4.1 針織物密度計算

針織物密度是指針織物橫向及縱向 5 cm 長度上線圈的數量。針織物圖像可通過照相機得到，光源設置在針織物上方。經過標定可知，圖像實際對應的大小為14 mm×8.2 mm。由此可計算圖像對應針織物的橫縱密：

(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 實驗驗證及對比

4.2.1 實驗結果

本文針對針織物密度測量進行研究，采用緯平針組織進行實驗驗證。取多塊純色緯編針織物，對每塊針織物在光線充足的條件下進行拍攝取樣，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行密度檢測，將所得結果與文獻[8](方法1)的空間域方法、二維傅里葉變換方法(方法2) 以及人工測量結果進行比較，以人工測量值為標準值，則誤差ρ為

(6)

式中：ρ人工為人工測量值；ρ圖像為圖像測量值。分別對不同的方法進行測試，測試結果、處理時間、計算誤差如表1所示。

表1 部分實驗測量結果及對比Tab.1 Part of experimental measurement results and comparison

4.2.2 實驗結果對比分析

由于經過離散小波(DWT)分解重構圖像可獲得緯編針織物線圈結構較為突出的圖像，在此基礎上進行圖像空間域的統計分析得到緯編針織物的密度，可以得到較為準確的結果。由表1實驗數據可知，經過本文方法測得的數據誤差在1.7%以內。因為不論是離散小波(DWT)分解重構圖像或是八鄰域的廣度優先搜索算法都是較為快速的算法，由表1實驗數據可知，本文方法平均用時為0.45 s，檢測速度相較于其他2種方法來說較為快速。

采用方法1測試試樣5時，由于線圈的圖像并不太理想，導致在骨干化剔除分叉后不能得到正確的橫向線圈區域劃分，從而使結果失常，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測試試樣1時，間隙區域過于接近，二維傅里葉變換后頻譜圖上光斑都很明亮，導致統計時橫向間距變小，產生較大的誤差。

采用t檢驗方法來比較本文方法與人工檢測方法之間的差異性。

檢驗假設：

H0∶μ0=0

μ0表示二者結果有明顯差別，假設H0的顯著水平為0.05的拒絕域為

(7)

由t檢驗方法的計算公式可得：

所以不拒絕H0，認為2種方法無顯著差異。

5 結束語

本文提出了一種結合頻域和空間域的緯編針織物密度測定方法。該方法先基于離散小波變換增強緯編針織物圖像，然后分別2次統計圖像灰度曲線，在此基礎上結合基于概率密度統計的波谷坐標校驗算法及線圈坐標檢驗算法來測定緯編針織物密度。與現有圖像處理方法以及人工方法進行比較發現，本文方法適用性好、準確率高、穩定性好。

FZXB