任震東

摘 要

針對染色紡織物檢測中存在的紋理影響因素和準(zhǔn)確率低的問題，提出一種新的檢測方法：在兩種不同標(biāo)準(zhǔn)光源D65和F2的照射下對染色紡織物進(jìn)行圖像采集，采用基于RTV的中值濾波算法對染色紡織物進(jìn)行紋理濾波處理，然后使用基于顯著算法的CMC（l：c）色差公式對染色紡織物的色差進(jìn)行計算，經(jīng)過三組試驗證實色差檢測的準(zhǔn)確率在89%，并得出不同光源下相同紡織物存在色差的結(jié)論。

關(guān)鍵詞

染色紡織物;光源;中值濾波;CMC色差公式;色差

中圖分類號： TP32 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.04.05

0 引言

隨著紡織行業(yè)的飛速發(fā)展，紡織物色差檢測已經(jīng)成為紡織行業(yè)中的重要環(huán)節(jié)[1]。目前在紡織行業(yè)中紡織物色差檢測普遍采用人工檢測的方式，該方式存在檢測效率低，人為影響因素較大等問題[2]。為了解決目前紡織品色差檢測存在的問題，達(dá)到高效、準(zhǔn)確的目的，國內(nèi)外研究人員進(jìn)行了相關(guān)研究。目前的方法分別是從顏色空間轉(zhuǎn)換[3]、圖像分割、目標(biāo)提取、圖像濾波和色差公式等方面進(jìn)行改進(jìn)，從而提高算法的準(zhǔn)確率。上述研究通過多種算法和色差公式對紡織物色差進(jìn)行研究，對紡織物色差檢測系統(tǒng)的建立起到了推動性作用。對上述文獻(xiàn)進(jìn)行研究后發(fā)現(xiàn)如下兩方面問題：一方面是紡織物色差檢測需要在指定光源下進(jìn)行檢測，不同光源下的紡織物色差檢測結(jié)果存在一定差別，使得檢測結(jié)果的準(zhǔn)確率得不到保證;另一方面是染色紡織物紋理對色差檢測結(jié)果存在影響。

基于此，采用面陣CCD相機在封閉的對色燈箱中采集不同光源下靜態(tài)單色紡織品的圖像顏色信息，再對紡織物圖像紋理進(jìn)行處理，并用色差公式得到色差結(jié)果。

1 圖像采集

紡織物色差檢測中，光源是至關(guān)重要的一個條件。CIE委員會定義并制定了多種標(biāo)準(zhǔn)光源，在該實驗中選用目前紡織廠常用的D65和F2光源。在封閉的對色燈箱中選用指定光源對織物進(jìn)行照射，利用CCD相機和光學(xué)鏡頭組成的光學(xué)成像模塊對檢測紡織物進(jìn)行圖像采集。

2 基于RTV的中值濾波算法

首先紡織物紋理間隙區(qū)域的顏色會出現(xiàn)深淺不一的情況，其次紡織物本身會出現(xiàn)各種瑕疵，為了有效避免上述因素對圖像顏色獲取造成影響，采用改進(jìn)的中值濾波對紡織物的主體顏色進(jìn)行提取。為了使得紡織物紋理對顏色提取造成的影響降低，本文采用基于RTV的中值濾波算法對采集的紡織物圖像進(jìn)行處理，其公式如式（1）、（2）：

本文對采集圖像基于引導(dǎo)圖像進(jìn)行聯(lián)合雙邊濾波處理，得到輸出圖像，如式（3）：

公式中的和分別對應(yīng)兩和雙邊濾波器的空間權(quán)重和閾值權(quán)重函數(shù)。通過聯(lián)合雙邊濾波分別對R、G、B三個通道進(jìn)行處理得到最終的彩色結(jié)果。

3 基于顯著算法的CMC（l：c）色差公式

CMC（l：c）色差公式是目前較為常用的色差公式如式（4）所示：

式（9）中，ΔL*、ΔC*ab、ΔH*、ΔECMC（l：C）分別式在LAB顏色空間檢測紡織物色相對于標(biāo)準(zhǔn)紡織物顏色的亮度差、彩度差、色相差、色差值。SL、SC、SH是由標(biāo)準(zhǔn)紡織物顏色亮度、彩度、色相所確定的色差校正值。l、c為色差調(diào)節(jié)因子，本文分別取值為2、1。

改進(jìn)的CMC（l：c）色差顯著算法，其紡織物色差顯著圖定義為：

式（5）中，ΔECMC（l：C）（x，y）在顏色坐標(biāo)中對的標(biāo)準(zhǔn)色的CMC（l：c）色差值，Sals（x，y）是紡織物色差顯著圖中對應(yīng)像素點的灰度值，由紡織物圖像該點的色差值賦予。使用改進(jìn)的CMC（l：c）色差公式進(jìn)行色差檢測。

4 實驗結(jié)果與分析

按紡織物色差檢測流程圖，獲取圖像的色差值，并對其進(jìn)行分類。色差值的單位為NBS，當(dāng)色差值的數(shù)值是1時稱其為1個色差單位，色差值的數(shù)值小于1.5時人眼檢測難以發(fā)現(xiàn)色差，故將T的值定位1.5。

通過表2可以看出，本文算法在紡織物紋理去除的效果上較為顯著，同時在去除紡織物的同時也能有效地去除附著在紡織上的細(xì)小污染物，這對染色紡織物色差檢測中顏色的提取帶來了便捷。

本試驗所選取的三類不同顏色的染色紡織物均是由相關(guān)工廠提供，且是經(jīng)過人工檢驗后的合格品。從表1和表2所呈現(xiàn)出來的色差值均小于設(shè)定的T值，驗證了改進(jìn)的CMC色差算法的可靠性。

5 結(jié)論

（1）以染色紡織物為對象提出基于RTV的中值濾波算法對圖像進(jìn)行處理，達(dá)到了去除紋理及微小瑕疵的目的，避免了這些因素的干擾，進(jìn)一步提高算法運行的效率。

（2）改進(jìn)的CMC色差算法能夠?qū)⒓徔椢锷铒@著圖中色差較大的區(qū)域特征顯著出來，提高了檢測的精準(zhǔn)度。

（3）本文在兩組不同光源下對相同紡織物進(jìn)行檢測，得出的色差值存在一定的差異，證明了光源對染色紡織物色差存在影響。

參考文獻(xiàn)

[1]李鵬飛，閆亞娣，張凱兵，等.基于AdaBoost局部二值模式特征的色織物紋理分類[J].西安工程大學(xué)學(xué)報，2018，32（06）：670-677.

[2]楊曼，李仁忠，劉陽陽，等.基于改進(jìn)迭代匹配濾波的織物疵點檢測[J].西安工程大學(xué)學(xué)報，2017，31（03）：383-389.

[3]劉愷，劉湘，常麗萍，等.基于YUV顏色空間和多特征融合的視頻煙霧檢測[J].傳感技術(shù)學(xué)報，2019，32（02）：237-243.