汪亞明, 崔新輝, 韓永華

(浙江理工大學 信息學院, 杭州 310018)

?

基于小波變換及Gabor濾波的起毛起球圖像分割

汪亞明, 崔新輝, 韓永華

(浙江理工大學 信息學院, 杭州 310018)

摘要:針對目前織物起毛起球等級評定方法不能有效實現(xiàn)毛球、紋理有效分離,或雖能分離但對光照不勻敏感的問題,提出小波變換和Gabor濾波相結合的方法進行圖像分割。根據(jù)織物起毛起球圖像噪聲特點,利用小波變換的多分辨率特性去除光照不勻、織物不平產生的低頻噪聲和織物絨毛等引起的高頻噪聲；然后根據(jù)織物紋理的周期性和方向性,通過Gabor濾波去除織物紋理噪聲,并使用Otsu算法對去噪后圖像進行二值分割。實驗結果表明,該方法能夠有效實現(xiàn)織物起毛起球圖像的去噪處理,得到準確的織物毛球分割圖像。

關鍵詞:起毛起球; 圖像分割; 小波變換; Gabor濾波; 閾值分割; 織物

織物起毛起球是指在穿著和洗滌過程中,由于反復摩擦產生毛球顆粒的現(xiàn)象。這不僅會降低織物服用性能,也會影響織物外觀,因此織物起毛起球等級評定是紡織品檢驗的重要組成部分。傳統(tǒng)的標準樣照對比法依賴人工操作,具有主觀性。隨著計算機圖像處理技術在紡織行業(yè)的廣泛應用,出現(xiàn)了客觀的基于計算機圖像處理的自動評定技術。

在織物起毛起球等級評定中,織物毛球信息是構成等級評定指標的依據(jù)。要獲得織物毛球信息,需對織物起毛起球圖像進行圖像分割。目前常用的織物圖像分割方法大致分為兩類：一類在空間域內直接利用顏色信息來完成織物毛球提取,這種方法對高頻噪聲和織物紋理敏感[1-2]；另一類在頻域內實現(xiàn)織物毛球的分割處理。周圓圓等[3]、曹飛等[4]、Kim等[5]利用織物紋理的周期性,采用傅里葉變換將織物起毛起球圖像變換至頻域,在頻域內完成織物圖像分割,但只有表達變化性強的全局周期信息才能體現(xiàn)在頻譜圖中,因此會存在非周期噪聲不能濾除等弊端；高衛(wèi)東等[6]采用Gabor濾波器進行織物起毛起球圖像紋理去除,未考慮光照不勻等非周期噪聲影響；還有一些研究者[7-9]采用小波變換進行織物圖像去噪,小波變換既能體現(xiàn)頻率信息又能體現(xiàn)空間域信息,但由于織物毛球大小不均和織物紋理粗糙度不同,可能會造成小波分解中毛球層的定位不準確,導致毛球信息丟失?；谀壳耙殉霈F(xiàn)的基于圖像處理的織物圖像分割方法的缺點,本文提出了使用小波變換和Gabor濾波相結合的方法實現(xiàn)織物起毛起球圖像去噪,進而利用Otsu閾值分割算法實現(xiàn)織物毛球特征的提取。

1　織物圖像噪聲濾除

為有效提取織物毛球信息,必須去除織物噪聲?？椢锲鹈鹎驁D像中的噪聲主要包括光照不勻、織物不平和織物絨毛引起的噪聲,以及織物紋理背景。根據(jù)織物圖像噪聲的不同特點,本文采用不同的方法分別對噪聲進行去除。光照不勻、織物不平和織物絨毛產生的噪聲和織物毛球的頻率有很大不同,因此利用小波的多分辨率分解特性進行去噪處理；織物紋理具有周期性,是由周期性的結構基元組成,同時具有明顯的方向性,這些性質都與Gabor變換的參數(shù)選擇對應,故可采用Gabor變換濾除織物紋理。在織物噪聲濾除流程中,基于Gabor濾波器對光照不勻敏感的特性,本文選擇先進行小波去噪,再進行織物紋理的濾除。

1.1Mallat小波去噪

光照不均、織物不平及織物絨毛等引起的噪聲和織物毛球所產生的頻率不同,利用小波的多分辨率(multi-resolution)的特性,使用Mallat算法對織物圖像進行頻率分層,在圖像重構時去除織物噪聲頻率信息。Mallat算法是一種小波快速算法,它從空間的概念上表示小波的多分辨率特性[10]。隨著尺度由大到小變化,在各尺度上可以由粗到細地觀察圖像的不同特征。在大尺度時,觀察圖像的輪廓,在小尺度的空間里,觀察圖像的細節(jié)。

對圖像進行小波分解時,分解層次越多,低頻圖像表示的信息越少,高頻圖像表示的信息越多。為保證程序運行速度及小波分解的準確性,經(jīng)過翻閱多篇文章及多次實驗驗證,本文選擇的分解層次N為7。使用Mallat算法對機織物3級織物起毛起球標準樣照進行小波7級分解,結果如圖1(b)所示。其中,織物絨毛和其他一些高頻噪聲處于小波分解的較高頻率層,出現(xiàn)在小波分解的第一層和第二層的子圖像中；光照不勻、織物不平產生的噪聲主要為低頻噪聲,在第7層的近似層[11]。要去除這些噪聲,需要在小波重構過程中,將噪聲所在頻率層對應頻率系數(shù)置零。以3級織物起毛起球圖像為例,從圖1(c)和圖1(a)的比較中,可以明顯看出光照不勻產生的噪聲被去除。

圖1　小波去噪結果Fig.1　The results of wavelet denoising

1.2Gabor變換濾除織物紋理

Gabor變換最早由Gabor在1946年提出,實質上是一種加窗傅里葉變換,其中窗函數(shù)為高斯函數(shù)。在加窗傅里葉變換中,窗函數(shù)可以通過移動窗口的中心來獲得不同位置的空間域信息,使得信號具有時域局部性,同時由于高斯函數(shù)在經(jīng)過傅里葉變換以后仍然是高斯函數(shù),因此使得Gabor變換同時具有頻域局部性。

二維Gabor變換具有在空間域和頻率域同時取得最優(yōu)局部化的特性,這與人類生物視覺特性很相似,因此能夠很好地描述對應于空間頻率(尺度)、空間位置及方向選擇性的局部結構信息。在實際應用中,用Gabor函數(shù)形成的二維Gabor濾波器可以在頻域的不同尺度,不同方向上提取相關特征。Gabor濾波器處理織物圖像時,織物紋理頻率和濾波器覆蓋部分的頻率越接近產生的響應越大,反之就越小。與有一定周期和方向的織物紋理不同,織物毛球是不規(guī)則的,因此采用Gabor濾波濾除紋理時,毛球信息被有效保留下來。本文采用偶對稱二維Gabor濾波器,表達式如下式所示。

u=xcosθ+ysinθ

v=-ysinθ+xcosθ

(1)

式中：θ為角度,表示濾波器的方向；δu、δv分別為高斯包絡在x、y軸的標準差,其中u平行于θ,v軸垂直于θ,ω則表示頻率。

考慮到織物紋理的一般朝向,公式(1)中的θ分別依次取0、π/4、π/2、3π/4,針對針織物,頻率ω取0.4,δu和δv分別取2和4。采用上述參數(shù),應用公式(1)對圖1(c)進行濾波,得到的結果如圖2(a)所示。從圖2(a)看出,通過Gabor濾波,織物紋理被有效地去除。

圖2　Gabor濾波結果Fig.2　The results of Gabor filter

已有的基于Gabor濾波的織物圖像分割方法未考慮光照不勻等噪聲影響,僅采用Gabor變換對織物起毛起球圖像進行紋理去除處理。實驗證明,此方法僅適用于處理光照不勻不明顯的織物起毛起球圖像。以本文所用的如圖1(a)所示的3級織物起毛起球標準樣照圖像為例,僅采用Gabor濾波去除織物紋理的效果如圖2(b)所示。與先進行小波去噪再進行Gabor濾波的結果圖2(a)相比,圖2(b)中有明顯的光照不勻、紋理去除不干凈等現(xiàn)象,這就導致了后續(xù)織物圖像分割的不準確。圖3(b)是對圖2(b)進行圖像分割后的二值圖像,可以看出織物毛球沒有被有效提取出來。

在實際織物起毛起球圖像的采集過程中,不可避免地會受到光照不均等產生的噪聲影響,為更有效準確地提取織物毛球信息,在使用Gabor變換濾除織物紋理之前使用Mallat小波算法對織物起毛起球圖像進行相關的低頻和高頻噪聲的去除是非常必要的。

2　織物圖像分割結果與討論

2.1織物圖像分割結果

經(jīng)過上述一系列的噪聲去除處理后,織物起毛起球圖像噪聲被濾除,織物毛球與織物背景的灰度差異變大,極大方便了織物圖像的分割工作。由于織物毛球與背景的灰度差異,可通過確定一個合適的閾值將毛球和背景分開。高于閾值的像素確定為毛球,低于閾值的像素確定為背景。本文選擇一種發(fā)展成熟的自適應的閾值分割方法——Otsu算法,又叫大津法或最大類間方差法[12]。

Otsu分割后如圖3(a)所示,可以看出,閾值分割將一些小的絨毛也判斷為毛球,因此在閾值分割后,對圖像進行形態(tài)學濾波,先腐蝕去除小的絨毛噪聲,再膨脹修復因腐蝕損失的毛球信息,得到僅含有毛球的圖像,如圖3(c)。從圖3(c)和原圖像觀察對比可以看出,織物毛球基本被提取出來。

圖3　織物起毛起球圖像分割Fig.3　The image segmentation of fabric pilling

2.2分割效果對比及討論

與基于Gabor濾波的圖像分割結果(圖3(b))相比,本文提出的基于小波變換與Gabor濾波相結合的方法分割結果,(如圖3(c))更能有效準確地提取織物毛起球特征。在實驗所用的50幅織物標準樣照中,有12幅具明顯光照不勻的現(xiàn)象。在處理其余38幅圖像時,僅用Gabor濾波方法和本文提出的方法都可以有效去除織物噪聲得到織物毛球,而對于這12幅具有明顯光照不勻的織物標準樣照,已有的Gabor濾波無法準確地分割出織物毛球,因此本文提出的小波變換和Gabor濾波相結合的方法比直接采用Gabor濾波方法的織物圖像分割正確率高出24%。

3　結　論

本文利用掃描儀采集1～5級織物起毛起球圖像,以Matlab 7.11.0為分析工具完成織物圖像分割,實現(xiàn)了織物毛球特征提取。小波變換和Gabor濾波相結合的方法有效地濾除包括織物紋理、光照不勻、織物不平等引起的織物噪聲,同時增強了織物毛球信息,得到灰度差異大的織物毛球圖；Otsu閾值分割和形態(tài)學濾波能夠對毛球進行準確有效的提取,真實地反映毛球的實際狀態(tài)。實際織物的分析結果表明,本文提出的織物起毛起球圖像分割方法能準確地提取織物毛球信息,將更有利于織物起毛起球等級的客觀評定。

參考文獻：

[1]陳霞,李立輕.圖像處理技術在評估織物起球等級上的應用[J].紡織導報,2005(2):82-85.

CHEN Xia, LI Liqing.Evaluation of fabric pilling grade by using image processing technology[J].China Textile Leader, 2005(2):82-85.

[2]蔡林莉,黃志威,葉春收,等.基于圖像處理的粗梳毛織物起毛起球等級客觀評定[J].毛紡科技,2013,41(2):58-61.

CAI Linli, HUANG Zhiwei, YE Chunshou, et al.Research on objective evaluation of fabric spray test based on image processing[J].Wool Textile Journal, 2013(2):58-61.

[3]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.

ZHOU Yuanyuan, PAN Ruru, GAO Weidong, et al.Evaluation of fabric pilling based on standard images and image analysis[J].Journal of Textile Research, 2010, 31(10):29-33.

[4]曹飛,汪軍,陳霞.織物起球標準樣照的圖像分析[J].東華大學學報(自然科學版),2007,33(6):751-755.

CAO Fei, WANG Jun, CHEN Xia.The image analysis of the pilling fabric standard photos[J].Journal of Donghua University (Natural Science Edition), 2007, 33(6):751-755.

[5]KIM S M, PPAR C K.Evaluation of fabric pilling using hybrid imaging methods[J].Fibers and Polymers, 2006, 7(1):57-61.

[6]高衛(wèi)東.基于圖像分析的織物起毛起球自動評級研究[D].上海:東華大學,2011:71-89.

GAO Weidong.Automatic Grade Evaluation Research for Fabric Pilling Based on Image Analysis[D].Shanghai:Donghua University, 2011:71-89.

[7]韓永華,汪亞明,康鋒,等.基于頻率信息的織物起毛起球等級檢測[J].絲綢,2013,50(3):35-38.

HAN Yonghua, WANG Yaming, KANG Feng, et al.Evaluation of fabric pilling based on frequency information[J].Journal of Silk, 2013, 50(3):35-38.

[8]劉菁.小波分析在織物起毛起球客觀評級中的應用[J].武漢科技學院學報,2009,22(4):7-10.

LIU Jing.The objective grading of fabric pilling based on wavelet analysis[J].Journal of Wuhan University of Science and Engineering, 2009, 22(4):7-10.

[9]王靜,孫浩然,鄧中民.基于小波分析的織物起毛起球評價[J].輕紡工業(yè)與技術,2013(2):19-20.

WANG Jing, SUN Haoran, DENG Zhongmin.Evaluation of fabric pilling based on wavelet analysis[J].Light and Textile Industry and Technology, 2013(2):19-20.

[10]周凱,吳旦.基于多分辨率分析的Mallat算法研究[J].軟件導刊,2008,7(10):54-55.

ZHOU Kai, WU Dan.Research of Mallat algorithm based on multi-resolution analysis[J].Software Guide, 2008, 7(10):54-55.

[11]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.

[12]李梅,胡敏.基于Otsu算法的圖像分割研究[D].合肥:合肥工業(yè)大學,2011:16-19.

LI Mei, HU Min.Research of Image Segmentation Based on Otsu Algorithm[D].Hefei:Hefei University of Technology, 2011:16-19.

DOI:10.3969/j.issn.1001-7003.2016.03.007

收稿日期:2015-10-23; 修回日期:2016-01-02

基金項目:國家自然科學基金項目(61272311)；浙江省自然科學基金重點項目(LZ15F020004)；機械工程浙江省高校重中之重學科和浙江理工大學重點實驗室優(yōu)秀青年人才培養(yǎng)基金項目(ZSTUME01B17)；計算機應用技術重點學科研究生創(chuàng)新研究項目(XDY14003)；浙江理工大學科研啟動基金項目(13032156-Y)

作者簡介:汪亞明(1972),男,教授,主要從事計算機視覺與模式識別的研究。

中圖分類號:TS101.91

文獻標志碼:A

文章編號:1001-7003(2016)03-0037-04引用頁碼:031107

Fabric pilling image segmentation based on wavelet transform and Gabor filter

WANG Yaming, CUI Xinhui, HAN Yonghua

(School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China)

Abstract:Current pilling grading methods can not realize effective separation of pilling and texture, even though separation can be achieved, it is sensitive to uneven illumination.Thus, this paper proposes the combination of wavelet transform and Gabor filter for image segmentation.According to the characteristics of fabric pilling image noise, this paper utilizes multiresolution feature of wavelet transform to eliminate low-frequency noise caused by uneven illumination and uneven fabric and high-frequency noise caused by fabric fluff.Then, according to periodicity and direction of fabric texture, Gabor filter is applied to eliminate fabric texture noise.Meanwhile, Otsu algorithm is used for denoised binary image segmentation.The results show that this method can effectively achieve de-noising treatment of fabric pilling, and the accurate pilling segmentation image is gained.

Key words:pilling; image segmentation; wavelet transform; Gabor filter; threshold segmentation; fabrics