劉建寶， 李平

(華僑大學 信息科學與工程學院， 福建 廈門 361021)

織物的外部形態(tài)和尺寸的穩(wěn)定性是衡量產品質量的一個重要標準.熱定型[1]中,整緯是為了糾正織物在染色、印花、掛漿及定型等加工過程中由于工藝、人為操作等原因產生的緯紗變形[2].織物的緯斜程度的檢測方法主要有光電法與圖像法兩種[3].目前，在國內的紡織工業(yè)中，織物緯斜檢測仍主要采用傳統(tǒng)的光電法，圖像法使用較少[4].傳統(tǒng)光電法的檢測精度不高，容易出現(xiàn)故障，設備檢修成本高，并且還受到織物種類的限制，如無法檢測較厚的織物[5].近年來，隨著模式識別技術和圖像處理技術的發(fā)展，圖像檢測技術已經廣泛應用于工業(yè)生產[6].相較于光電法，圖像法精度高，設備檢修成本低，并且適用于厚的織物.目前，圖像法主要有基于霍夫變換的方法[7]、基于傅氏變換的方法[8-10]、基于旋轉投影映射的方法[11]，以及基于窗口搜索的方法[12].本文提出一種基于分步大津(Otsu)法和窗口像素統(tǒng)計的圖像檢測方法，利用分步大津法對織物進行二值化處理，再根據(jù)最大統(tǒng)計值對應的窗口角度，得到準確的緯斜角度值，避免了局部疵點對檢測結果的影響.

圖1 攝像整緯器結構圖 圖2 織物圖像的采集Fig.1 Camera straightener Fig.2 Fabric structure diagram image collection

1 基于攝像整緯器的整緯過程

攝像整緯器結構圖,如圖1所示.在攝像整緯器中，織物在導布輥1引導下前進，在出布口使用多個攝像頭4采集織物運動時同一緯向的局部圖像，如圖2所示.

圖3 基于攝像整緯器的整緯過程Fig.3 Weft processing based on camera straightener

織物的局部圖像可以看作只有歪斜而沒有彎曲，在采集到織物局部圖像后，對圖像進行處理和分析，就可以得到織物的緯斜角度.通過對這些局部位置的緯斜角度進行插值運算，可以得到整個緯寬范圍內的緯斜情況，從而確定緯紗歪斜量和彎曲量.確定歪斜量和彎曲量后，由主控制器發(fā)出控制信號，分別控制緯斜矯正裝置3和緯彎矯正裝置2做出相應的動作，糾正織物的緯斜和緯彎.基于攝像整緯器的整緯過程，如圖3所示.

2 基于圖像處理的緯斜檢測

2.1 緯斜檢測原理

首先，利用攝像機采集織物圖像，將采集到的織物圖像進行二值化處理，得到織物的二值化圖像；然后，設定一系列不同角度的窗口，將這些窗口從圖像最上方平移到圖像最下方；最后，統(tǒng)計每次平移前后窗口內白像素的個數(shù)，找到統(tǒng)計值最大的窗口，其對應的角度就是織物的緯斜角度.織物緯斜檢測流程，如圖4所示.

圖4 織物緯斜檢測流程Fig.4 Fabric weft detection process

利用攝像機采集織物圖像，理想的織物的紋路往往是一條條具有固定間隔的明暗相間的條紋.將該圖像進行二值化，則得到的圖像僅有白像素和黑像素.其中，條紋中較亮的部分就被二值化為白色的通道，較暗部分二值化后得到黑色的通道，最后形成黑白相間的條紋.

在檢測區(qū)域內，白色和黑色的條紋都具有固定不變的寬度.假定要檢測的是某個緯斜角度的織物圖像，那么，在圖像上選定一個窗口，以白色條紋的長和寬作為窗口的長和寬，從窗口最上方接觸到圖像最上方開始，每次向下平移一個像素，統(tǒng)計每次平移窗口內白像素的個數(shù)，直到該窗口接觸到圖像底部.以窗口與圖像橫坐標夾角為窗口的角度，窗口角度和緯斜角度相同時統(tǒng)計值的峰值大于窗口角度與緯斜角度不同時統(tǒng)計值的峰值.選定0°窗口和5°窗口針對緯斜角度為0°的織物進行統(tǒng)計.0°和5°的窗口及緯斜角度為0°的織物二值圖,如圖5所示.

將0°和5°窗口分別從織物圖的最上方開始平移到織物圖的最下方，每次平移一個像素，根據(jù)每次平移統(tǒng)計結果，作出窗口內白像素統(tǒng)計圖,如圖6所示.圖6中：Nx為窗口從圖像的最上方向下平移的平移的次數(shù);Ntot為每次平移后窗口內白像素個數(shù)的統(tǒng)計值.

圖5 0°和5°的窗口及0°的織物二值圖 圖6 窗口移動過程中白像素統(tǒng)計示意圖 Fig.5 0° and 5° windows and Fig.6 White pixel statistical diagram binarized image of 0° fabric during window movement

由圖6可知：當窗口從圖像最上方開始向下平移時，無論是哪個角度的窗口，窗口內白像素的統(tǒng)計值都大致呈周期性變化，符合黑白條紋交替的規(guī)律；與緯斜角度相同的0°窗口得到的窗口內白像素統(tǒng)計值的峰值大于5°窗口下白像素統(tǒng)計值的峰值.上述過程可以解釋為若選定窗口的角度等于緯斜角度，則向下平移窗口時，窗口會與白色條紋相重合，此時，窗口的像素統(tǒng)計值最大.利用這個規(guī)律，使用上述方法對不同角度的窗口進行像素統(tǒng)計，找到統(tǒng)計值最大的那個窗口對應的角度就是緯斜角度.

2.2 圖像二值化方法的比較

圖像二值化就是通過選定合適的閾值，把圖像分割成兩部分，以簡化圖像，減少數(shù)據(jù)量，有利于圖像的進一步處理.假設當前像素點的像素值為Z，遍歷整幅圖像，對圖像的每一個像素點的像素值進行如下操作，即

(1)

式(1)中:T為選定的閾值.

尋找閾值的方法有很多，在圖像二值化閾值選取方法中，最常見的有雙峰法[13]、迭代法[14]、大津法[15].分別使用大津法、雙峰法和迭代法對織物原圖進行二值化，得到的效果圖，如圖7所示.

由圖7可知：采用雙峰法和大津法的二值化效果較好，但是相較于雙峰法，大津法得到圖像的紋路更加清晰，二值化效果最好，故選用大津法作為織物二值化的方法.

(a) 原圖 (b) 大津法 (c) 雙峰法 (d) 迭代法圖7 3種常見方法的二值化效果對比Fig.7 Comparison of binarization effects of three common methods

2.3 分步大津法

紋理圖像的總像素點灰度平均值g的計算式為

g=pt×gt+pb×gb.

(2)

式(2)中:pt為目標點占圖像總像素點的比例；gt為目標點灰度平均值；pb為背景點數(shù)占圖像總像素數(shù)的比例；gb為背景點灰度平均值.

類間方差Dev表示為

Dev=pt×(gt-g)2+pb×(gb-g)2.

(3)

類間方差等價于

Dev=pb×pt×(gt-gb)2.

(4)

(a) 局部陰影 (b) 全局大津法二值化圖8 織物在有局部陰影情況下的二值化效果圖Fig.8 Effect image of binarization of fabric with local shadow

從紋理圖像的最小灰度值遍歷到最大灰度值,依次作為圖像的分割閾值T′.當Dev最大時，此時的分割閾值為該幅紋理圖像的最佳分割閾值T，則以該值對紋理圖像進行二值化.

在工業(yè)現(xiàn)場，由于人員走動時的人影覆蓋住部分織物或其他原因，使采集到的織物圖像局部灰度值產生較大的變化.在這種情況下，直接使用大津法對織物進行全局二值化處理，會有很大一部分圖像的紋理細節(jié)消失.當織物有局部陰影時，使用全局大津法的處理效果，如圖8所示.

由圖8可知：當織物有一部分被陰影遮蓋時，采集到的圖像局部灰度值產生變化；使用全局大津法進行二值化后，被人影遮蓋部分由于灰度值平均值較低，二值化后黑像素較多，而剩余部分灰度平均值較高，二值化后白像素較多，所以，兩部分的紋路都會遭到破壞，得不到清晰的織物二值化圖像.

針對這個問題，提出一種結合全局大津法二值化和局部大津法二值化的方法，即分步大津法.首先，利用大津法計算織物圖像整體的閾值，進行全局二值化；然后，利用全局二值化后的圖像的特征，分割出陰影遮蓋部分和非陰影遮蓋部分；最后，使用大津法分別計算出原圖的陰影遮蓋部分和非影遮蓋部分的閾值，并對其分別進行二值化，得到最終的二值化圖像.

圖9 形態(tài)學處理 圖10 分步大津法的二值化效果 Fig.9 Morphological Fig.10 Binarization effect processing of step-by-step Otsu method

在使用大津法進行全局二值化后，未被人影遮蓋部分的黑色條紋變細，被人影遮蓋部分的黑色條紋變粗.因此，得到全局二值化的圖像后，使用形態(tài)學開運算去除未被人影遮蓋部分的白色條紋；然后，使用形態(tài)學閉運算去除未被人影遮蓋部分的黑色條紋，把人影遮蓋部分變成黑色區(qū)域和非人影遮蓋部分變成白色區(qū)域，就完成了兩部分的分割(圖9)；最后，利用大津法對分割出的兩部分分別進行二值化，就能得到理想的二值圖.分步大津法的二值化效果，如圖10所示.

采用分步大津法不但可以在有陰影的情況下對圖像二值化，還可以在沒有陰影的情況下保留與原方法相同的效果.這既保留了大津法的優(yōu)良特性，又使大津法的適用領域得到擴充.對織物圖像進行分步大津法處理，既克服了局部陰影對檢測精度的影響，又增加了對復雜的工業(yè)現(xiàn)場環(huán)境的適應能力.

織物紋理圖像經過二值化后，會形成黑白相間的條紋，即可開始進行窗口像素統(tǒng)計.假設緯斜圖像的大小為m×h(m,h分別為窗口的長和寬)，窗口像素統(tǒng)計可分為6個主要步驟.

步驟1初始化.設定矩形掃描窗口大小為w×h(w為緯線間隙寬度)，窗口角度x的上限為xmax，下限為xmin,并令x=xmin.

步驟2確定一個窗口的大小和方向后，窗口的位置由窗口的起點坐標決定，窗口起點的橫坐標x0為1，縱坐標y0的計算公式為

由于窗口的角度不同,所以，窗口向下平移過程中可移動的角度也不同，因此，可以利用公式s=255-INT(w·sinx)-h-1來確定當窗口角度為x時，該窗口可移動的距離s.

步驟3從給定的窗口起點出發(fā)，統(tǒng)計從該起點出發(fā)x度方向的w個像素點中白像素點的總個數(shù).

步驟4把(x0，y0)點向下平移一個單位得到(x0，y0+1)，以該點作為新的起點，以步驟3進行累加；繼續(xù)向下平移并累加，直到平移了w-1個單位，此時的累加值為該窗口內的白像素個數(shù).

步驟5分別以(x0，y0)，(x0，y0+1)，…，(x0，y0+s)共s+1個點作為窗口的起點，統(tǒng)計窗口內白像素的個數(shù)，并進行比較；然后，找到窗口內白像素的最大值，記為kx.

步驟6角度值x+0.1，重復步驟2～5,直到角度值大于xmax.

通過比較kx(x=xmin，xmin+1，…，xmax-xmin)的值，找到kx的最大統(tǒng)計值，其所對應的角度x就是緯斜角度.

算法最基本的操作是像素統(tǒng)計.該語句運行時間受緯斜角度和緯斜圖像大小、寬度的影響，當緯斜角度為0°時，算法運行時間最長；當緯斜角度為15°時，算法運行時間最短.故當緯斜角度為0°，緯紗寬度為w時，其頻度為

f(m×h)=25×h×(m-w)×25.

由于m?w,所以，f(m×h)≈625×h×m.

因此，當圖像大小為n時,算法的時間復雜度T(n)=O(n).由于算法占用的空間不會隨著問題的規(guī)模而變大,算法的空間復雜度S(n)=O(1).

(a) 添加疵點圖 (b) 添加噪點圖圖11 添加疵點圖與噪點圖Fig.11 Add defective and noisy images

3 實驗結果與分析

3.1 3種方法對同一緯斜角度織物的檢測效果對比

分別使用文中提出的分步大津法、文獻[12]的大津法對織物原圖(圖7(a))、添加陰影圖(圖8(a))、添加疵點圖和添加噪點圖(圖11)進行二值化處理，得到的效果圖，如圖12，13所示.

由圖12,13可知：文中方法對織物原圖，添加陰影、疵點和噪點這4種情況進行二值化處理后，都能很好地保留較為清晰的紋路；采用文獻[12]方法進行二值化后，在有陰影和疵點的情況下，可能會失去全部或者部分紋理信息.對比二值化處理后的圖像可知：采用文中方法的二值化效果較好.

(a) 原圖 (b) 添加陰影圖 (c) 添加疵點圖 (d) 添加噪點圖圖12 文中方法對4種圖片的二值化效果圖Fig.12 Effect image of binarization of four kinds of images by method in this paper

(a) 原圖 (b) 添加陰影圖 (c) 添加疵點圖 (d) 添加噪點圖圖13 文獻[12]方法對4種圖片的二值化效果圖Fig.13 Effect image of binarization of four kinds of images by method of reference [12]

取緯斜角度為0.7°的織物圖像作為原圖，制作成樣本，將樣本分為4組.其中，3幅相同的原圖編號為1.1,2.1,3.1；3幅相同的添加陰影圖編號為1.2,2.2,3.2；3幅相同的添加疵點圖編號為1.3,2.3,3.3；3幅相同的添加噪點圖編號為1.4,2.4,3.4.采用文中方法、文獻[8] 方法、文獻[12] 方法分別對織物樣品1.1～1.4,2.1～2.4,3.1～3.4進行檢測，結果如表1所示.表1中：θW為緯斜角度；θD為檢測角度；eθ為角度誤差；t為時間.

由表1可知：文中方法的檢測誤差較小，對陰影、疵點、噪點的適應能力較強；與文獻[12] 相比，文獻[8] 方法的檢測誤差雖然較小，但是耗時較長.

表1 3種方法的檢測結果對比Tab.1 Comparison of detection results of three methods

3.2 文中方法對不同緯斜角度織物的檢測效果對比

在不同的緯斜角度下，以采集到的實際織物灰度圖像作為樣本，對文中方法進行測試.部分不同緯斜角度的織物樣本,如圖14所示.經手工測量可知該樣本的緯斜角度為0.2°,將樣本圖像分別逆時針和順時針各旋轉1°～14°，得到29幅發(fā)生不同程度緯斜的圖像，這29副織物圖片對應的緯斜角度分別為-13.8°,-12.8°，…，13.2°，14.2°;然后,把每幅圖像都裁剪成大小為256 px×256 px，并按順序進行編號.其中，編號1～8為原圖；編號9～15為添加陰影圖；編號16～22為添加疵點圖；編號22～29為添加噪圖點.

采用文中方法計算緯斜角度值，測試結果如表2所示.由表2可知：在有無陰影、疵點、噪點的情況下，采用文中提出的方法進行緯斜角度檢測，檢測誤差均保持在0.3°以內，符合優(yōu)等品標準，且時間均保持在2 s以內，也符合實時檢測的要求，故該方法可行.

(a) 原圖 (b) 添加陰影圖 (c) 添加疵點圖 (d) 添加噪點圖圖14 部分不同緯斜角度的織物樣本圖Fig.14 Image of fabric samples with different weft skew angles

表2 不同緯斜角度下文中分步大津方法的檢測結果
Tab.2 Test results of step-by-step Otsu method in different weft skew angles

編號θW/(°)θD/(°)eθ/(°)t/s編號θW/(°)θD/(°)eθ/(°)t/s1-13.8-13.90.10.988 8161.21.50.31.943 42-12.8-12.90.11.267 6172.22.00.21.970 73-11.8-11.801.432 4183.23.30.11.966 54-10.8-10.801.456 7194.24.201.984 95-9.8-9.801.534 2205.24.90.31.923 76-8.8-9.00.21.697 6216.26.10.11.839 87-7.8-7.90.11.786 7227.27.10.11.823 28-6.8-6.801.828 3238.28.201.736 49-5.8-5.90.11.795 3249.29.201.773 210-4.8-4.70.11.837 52510.210.201.770 811-3.8-3.50.31.896 32611.211.10.11.623 312-2.8-3.00.21.923 72712.212.201.598 613-1.8-1.801.925 82813.213.10.11.499 914-0.8-0.90.11.824 92914.214.201.066 7150.200.21.969 4

4 結論

考慮織物在有陰影的情況下二值化后紋理不清晰的問題，提出分步大津法.首先，利用全局大津法二值化后織物圖像的特點，分割出織物圖像中陰影區(qū)域和非陰影區(qū)域；然后,利用局部大津法二值化，得到清晰的紋理圖像.所提方法克服了織物緯斜檢測過程中容易受局部陰影影響，以及難以保證檢測精度的問題.

在像素統(tǒng)計過程中，設定檢測窗口，考慮到織物的寬度，一定程度上避免噪點的影響，降低檢測誤差.該方法不僅簡單實用，還可以有效地檢測緯斜角度，具有較高的檢測精度.實驗結果表明：該方法具有良好的穩(wěn)定性，且符合實時性的要求，可以用于攝像式整緯器中.