董 輝，陳慧慧

(浙江工業(yè)大學 信息工程學院，浙江 杭州 310023)

?

陰影檢測技術(shù)在裁割機樣片輪廓提取中的應(yīng)用研究

董 輝，陳慧慧

(浙江工業(yè)大學 信息工程學院，浙江 杭州 310023)

陰影將導致輪廓提取時樣片的輪廓發(fā)生扭曲變形以及部分輪廓的丟失，為了提高輪廓提取的準確性，提出了一種基于色度畸變和均值的局部多層次差分算子的陰影檢測方法.新方法從彩色不變性和紋理相似性兩個方面出發(fā)，通過陰影覆蓋前后色度變化相對較小和紋理具有相似性的原理來確定陰影區(qū)域.實驗結(jié)果表明：該方法能夠有效去除樣片周圍的陰影，具有良好的性能.

輪廓提取；陰影檢測；色度畸變；局部多層差分算子

現(xiàn)今，國內(nèi)服裝行業(yè)的市場競爭愈加激烈，對生產(chǎn)自動化需求也不斷增長，高精度的自動化樣片裁剪制作工藝成為了行業(yè)內(nèi)的一種新需求[1-2].然而，服裝的樣片輪廓提取是裁割機裁剪布料的先決工作，只有高精度的樣片輪廓提取才能保證制作出來的服裝具有高精度的特點.樣片的輪廓提取精度往往受到陰影的影響.由于每一塊樣片的尺寸、顏色和形狀是不確定的，在一定的光源下，相機所采集的樣片周圍會產(chǎn)生陰影，這對后續(xù)樣片輪廓提取時帶來了不少問題.當樣片之間距離較小時，陰影很可能將多個樣片連接起來，這時會導致一部分邊緣輪廓的丟失；而當陰影區(qū)域面積與真正的樣片區(qū)域面積之比超過一定數(shù)值時，陰影會導致所采集到的樣片外形輪廓扭曲變形，這種變形將使輪廓提取等工作的出錯率大大增加[3].陰影的檢測和去除方法包括兩個不同方向：單幅圖像中的靜態(tài)陰影檢測技術(shù)和視頻序列中的動態(tài)陰影檢測技術(shù).目前，大多陰影檢測方法適用于動態(tài)陰影檢測，對靜態(tài)陰影的檢測的理論和算法需求迫切.經(jīng)過研究者們的努力，靜態(tài)陰影檢測在國內(nèi)外的研究機構(gòu)也取得了一定的成果，如根據(jù)Retinex理論[4]進行陰影檢測，即使是較復(fù)雜的紋理圖像，同樣也能自動檢測陰影.

筆者提出基于色度畸變[5]和均值的局部多層次差分算子(LMDO)[6]的陰影檢測方法，對裁割機樣片采集系統(tǒng)中樣片輪廓提取的應(yīng)用進行研究.在VS2010的環(huán)境下，編寫了陰影檢測與消除的方法，成功地實現(xiàn)了圖像上樣片周圍的陰影檢測與消除.基于色度畸變的陰影檢測方法是根據(jù)前景圖像與背景圖像的色度差來確定陰影區(qū)域，而基于均值的LMDO的陰影檢測方法，利用被陰影覆蓋前后的背景區(qū)域紋理近似不變性確定陰影區(qū)域.筆者將兩個方法結(jié)合，能夠有效減少陰影區(qū)域的誤檢.具體方法是：使用數(shù)字相機將無樣片的背景圖像信息和有樣片的前景圖像信息采集到計算機中；并將相機進行畸變校正，求出相機參數(shù)，對采集的前景和背景圖像根據(jù)相機內(nèi)參數(shù)進行畸變校正；再將前景與背景圖像進行差分提取出帶有陰影的目標圖像，根據(jù)提出的新方法確定陰影區(qū)域并去除陰影；再提取樣片的邊緣輪廓并保存邊緣坐標信息，將輪廓信息傳送給裁割機械進行樣片邊緣輪廓切割.

1 圖像陰影檢測原理

1.1 基于均值的局部多層次差分算子(LMDO)的陰影檢測方法原理

1.1.1 局部二值模式(LBP)

LBP算子[7]是一種比較某一像素點與其鄰域像素值，進而產(chǎn)生一組比特流來描述這個像素點的局部紋理特征算子.LBP算子計算式為

(1)

(2)

式中：gc為中心點像素灰度值；gi為灰度值，以gc為中心，R為半徑的P個鄰域像素點灰度值.

LBP算子的計算過程如圖1所示，通過比較圖1(a)原圖像塊的中心像素點灰度值gc和鄰域像素點灰度值gi，若gi大于gc，鄰域像素點灰度值變?yōu)?；否則，變?yōu)?.由此可得圖1(b)中心像素點的紋理特征算子：LBP8,1=(11011000)2=216，式中下標數(shù)字2表示括號內(nèi)的數(shù)字為2進制.

圖1 8鄰域圖像的紋理特征Fig.1 Texture features of 8 neighborhood images

1.1.2 局部多層次差分算子(LMDO)

由于局部二值模式算子(LBP)只考慮了中心像素點與鄰域像素點之間的大小關(guān)系，而沒考慮到它們之間的對比度，并不能很好的反應(yīng)局部紋理信息.筆者提出基于均值的局部多層次差分算子(LMDO)，LMDO是一種中心像素點和P個鄰域像素點的灰度值與該P+1個像素的灰度平均值進行比較，進而產(chǎn)生像素點間的對比度，然后將對比度值映射到一定的層次上去，得到多個層次的LMDO值，將LMDO值作為圖像紋理特征.

在半徑為R，鄰域點個數(shù)為P的圖像局部區(qū)域，由中心像素點與P個鄰域像素點所對應(yīng)的對比度層次ti生成的LMDO公式，即

(3)

如果 ti>T，則 ti=T

(4)

LMDOP,R={ti} i=0,1,2,…，P

(5)

圖2對基于局部二值模式(LBP)與基于均值局部多層次差分算子(LMDO)進行紋理特征比較.圖2(a)為基于LBP的紋理特征，通過鄰域比較計算得到LBP碼：LBP8,1=(01011011)2=91，圖2(c)為基于均值得LMDO的紋理特征，通過對比度層次比較計算得到LMDO碼為LMDO8,1={242431232}，由此看出基于均值的LMDO碼更能突出圖像的紋理特征.

圖2 兩種方法的紋理特征比較Fig.2 Comparison of two methods of texture feature

1.2 基于色度畸變的陰影檢測方法原理

在服裝樣片采集過程中一般產(chǎn)生的是投射陰影(圖3)，當物體將場景中的直射光擋住時，物體沿著直射光方向在另一個物體表面的投影就成為投射陰影，投射陰影一般分為本影和半影[8].通常無論光照的強弱變化如何，人們都能正確地觀察物體表面的顏色，稱為彩色不變性[9].彩色不變性是投射陰影區(qū)域的重要特征.因此，處于陰影區(qū)域的物體外表面的物理屬性并沒有發(fā)生變化，而處于陰影區(qū)域的像素與陰影覆蓋前相比色度變化是相對較小的，亮度變化明顯.根據(jù)以上原理，采用基于色度畸變的方法來確定陰影區(qū).

圖3 投射陰影的示意圖Fig.3 Schematic diagram of projected shadow

利用顏色空間，將數(shù)字相機采集的有樣片的前景圖像和無樣片的背景圖像的色度分量區(qū)分開來，此處采用RGB空間.以O(shè)Fi,j和OBi,j分別表示圖像坐標為(i，j)的前景圖像像素點和背景圖像像素點在RGB空間中的特征向量，如圖4所示，三維RGB顏色空間的模型，OFi,j和OBi,j之間的夾角α的大小體現(xiàn)了在圖像坐標(i，j)上前景圖像和背景圖像的像素兩者之間在色度上的差異，稱為色度差.

圖4 RGB顏色空間的三維模型Fig.4 Three dimensional model of RGB color space

色度差α的計算式為

(6)

一般位于目標圖像中陰影區(qū)域的像素點的色度差較小且分布比較均勻，而位于目標圖像中樣片區(qū)域的像素色差波動比較大.因此，陰影區(qū)的像素點的色度差滿足α

2 陰影的檢測與消除過程

要想檢測和消除目標圖像中樣片周圍的陰影，首先將有樣片的前景圖像與無樣片的背景圖像利用背景差分法將前景圖像中的服裝樣片分割出來，生成帶有陰影的目標圖像，然后根據(jù)亮度的變化檢測出目標圖像中的候選陰影區(qū)，再利用色度畸變和均值LMDO的方法來確定候選陰影區(qū)中的陰影.

(7)

式中：α，β的取值范圍為0<α<β<1，由實驗所得.

2)確定陰影區(qū)域.首先，將前景圖像和背景圖像的陰影候選區(qū)中的像素點按照式(6)計算，并把結(jié)果代入α

(8)

當某個像素點同時滿足：α

3)陰影去除.通過區(qū)域生長的方法[10]將前面所得到的準確陰影點連成陰影區(qū)域并進行標記，然后將帶有陰影的目標圖像與已標記的陰影區(qū)域圖像進行差分，得到去陰影后的目標圖像.

4)后續(xù)處理.第3)步所得的樣片圖像進行膨脹腐蝕[11]處理，得到更準確的樣片圖像.

5)輪廓提取.采用Canny邊緣檢測方法[12].

3 實驗結(jié)果與分析

實驗是基于OpenCV開發(fā)包在VS2010平臺上編程實現(xiàn)的，所用PC機硬件配置為Intel酷睿i3 370 M，主頻2.40 GHz，內(nèi)存5 GB，軟件配置為Windows 7，64位操作系統(tǒng).本實驗選取了3個輪廓明顯的服裝樣片作為實驗對象，攝像頭的型號為VIMICRO中星微ZC0301PLH.攝像頭采取從上往下正對著實驗對象的方式進行拍照，拍攝距離為150 cm.實驗圖包括背景圖、差分后的目標圖像、色度畸變?nèi)リ幱皥D、新方法去陰影圖、未去陰影的輪廓圖、色度畸變?nèi)リ幱昂蟮妮喞獔D及新方法去陰影后的輪廓圖.圖5是利用基于色度畸變和均值的局部多層次差分算子的陰影檢測方法在裁割機樣片輪廓提取過程中進行實驗所得到的實驗結(jié)果圖.為了客觀地評價新方法的陰影檢測性能，采取PRATI[13]提出的陰影檢測率φ和陰影辨別率ε來進行考量，即

(9)

表1 陰影檢測率和陰影辨別率

圖5(b)為圖5(a)原圖像通過背景差分法后的目標圖，圖5(c)是利用基于色度畸變檢測方法去陰影后的結(jié)果圖，與圖5(b)差分后的目標圖相比，可以看出經(jīng)過色度畸變的陰影檢測方法后樣片周圍的陰影大部分已經(jīng)消除.然后將圖5(c)與圖5(d)進行比較，可以看出圖5(c)只是將由色度變化引起的部分陰影區(qū)域消除了，而圖5(d)通過新方法將陰影基本消除.圖5(e)為圖5(b)差分后的目標圖的輪廓提取圖，可以看出陰影區(qū)域的存在導致樣片周圍的輪廓發(fā)生扭曲，再比較圖5(f)與圖5(g)，圖5(f)色度畸變?nèi)リ幱昂蟮妮喞獔D中包含了部分陰影的輪廓，而圖5(g)利用新方法去陰影后能準確提取出樣片的輪廓，效果比利用色度畸變?nèi)リ幱昂蟮妮喞崛∫玫亩?，輪廓更加平滑，準確度提高.

圖5 實驗結(jié)果圖Fig.5 Experimental results

4 結(jié) 論

通過彩色不變性與紋理相似性，提出了基于色度畸變和均值局部多層次差分算子的陰影檢測方法.此方法在考慮背景區(qū)域紋理相似的基礎(chǔ)上，并結(jié)合陰影區(qū)域色度差異較小的原則來確定陰影區(qū)域，有效消除服裝樣片周圍的陰影，并具有較好的陰影檢測率和陰影辨別率，且提高了后續(xù)樣片輪廓提取的精度，改善裁割機服裝系統(tǒng)中的工作效益.

[1] 王琪，馮遠靜，董輝,等.基于視覺傳感的服裝樣片位圖矢量化[J].浙江工業(yè)大學學報，2010，38(3):273-277.

[2] 趙大興，朱錦雷，李九靈,等.基于機器視覺的織物檢測方法的研究[J].計算機工程與設(shè)計，2008，29(1):99-101.

[3] 李文斌，王長松.基于色度畸變和局部交叉熵的陰影消除[J].計算機應(yīng)用，2007，27(5):1123-1125.

[4] SUN J， TIAN J， DU Y， et al. Retinex theory-based shadow detection and removal in single outdoor image[J].Industrial

robot，2009，36(3): 263-269.

[5] 劉洋，李玉山，張大樸.基于色度畸變和紋理特征的陰影消除方法[J].計算機科學，2005，32(9):211-214.

[6] 董輝，陳慧慧，賴宏煥，等.一種基于LMDO的注塑機械手模具異常檢測方法:CN 201510168954.8[P].2015-07-15.

[7] CONNOLL C， FLEISS T. A study of efficiency and accuracy in the transformation from RGB to CIELAB color space[J]. IEEE transactions on image processing，1997，6(7):1046-8.

[8] LEVINE M D， BHATTACHARYYA J. Removing shadows[J]. Pattern recognition letter，2005，26(3):251-265.

[9] 賈云得.機器視覺[M].北京：科學出版社，2000.

[10] 陶唐飛，韓崇昭，代雪峰,等.綜合邊緣檢測和區(qū)域生長的紅外圖像分割方法[J].光電工程，2004，31(10):50-52.

[11] 李曉飛，馬大瑋，粘永健,等.圖像腐蝕和膨脹的算法研究[J].影像技術(shù)，2005(1):37-39.

[12] 薛麗霞，李濤，王佐成.一種自適應(yīng)的Canny邊緣檢測算法[J].計算機應(yīng)用研究，2010，27(9):3588-3590.

[13] PRATI A， MIKIC I， TRIVEDI M M， et al. Detecting moving shadows: algorithms and evaluation[J]. IEEE transactions on pattern analysis & machine intelligence，2003，25(7):918-923.

(責任編輯：劉 巖)

Study on the shadow detection applied in the sample contour extraction of cutting machine

DONG Hui, CHEN Huihui

(College of Information Engineering， Zhejiang University of Technology， Hangzhou 310023， China)

The shadow will lead to the sample distorted and lost when the sample contour is extracted. In order to improve the accuracy of contour extraction, a shadow detection method with local multi-level difference operator based on color distortion and means is proposed in this paper. This paper analyzes the color invariance and texture similarity, then propose a shadow detection method based on chrominance distortion and local multi-level difference operator. This shadow detection method based on chrominance distortion will determine the shadow area through comparing the area with small color change before and after shadow covering and texture similarity principle. The experimental results show that this method can effectively remove the shadow around the sample and the method has a good performance.

contour extraction; shadow detection; chrominance distortion; local multi-level difference operator

2016-01-18

董 輝(1979—)，男，浙江永康人，副教授，研究方向為嵌入式系統(tǒng)技術(shù)及應(yīng)用，E-mal:hdong@zjut.edu.cn.

TP391

A

1006-4303(2016)05-0478-04