李 彥，朱凌云

(東華大學a.信息科學與技術(shù)學院；b.數(shù)字化紡織服裝技術(shù)教育部工程研究中心，上海 201620)

紐扣是非常重要的服裝輔料，它的優(yōu)劣會在很大程度上影響到服裝的品質(zhì)[1]，因此紐扣的質(zhì)量檢測是非常重要的。紐扣的生產(chǎn)數(shù)量非常巨大，但目前大部分紐扣生產(chǎn)工廠采用人工方式進行缺陷檢測，檢測效率是極其低下的。

隨著計算機技術(shù)的發(fā)展，圖像處理技術(shù)被廣泛應用于工業(yè)產(chǎn)品缺陷檢測，其不僅能提升產(chǎn)品的質(zhì)量，而且還能節(jié)約成本。目前，常用的表面缺陷檢測算法可以分為3種：統(tǒng)計法、頻譜法和模型法[2]。統(tǒng)計法一般是利用直方圖統(tǒng)計特征，并利用灰度共生矩陣等方法描述目標圖像；頻譜法主要是傅里葉算法和小波法等；模型法則是利用各種算法模型。這些技術(shù)有十分廣闊的應用平臺，已經(jīng)可以在多個領域取代人工檢測，比如玻璃板[3]、印刷品[4]、木材[5]等的檢測。

四眼紐扣是生活中最常見的一種紐扣，這種紐扣的缺陷較多，主要缺陷類別有內(nèi)孔變形、內(nèi)孔缺失、邊緣破損、污漬、劃痕及凹坑等。為了提高紐扣檢測效率和節(jié)約成本，基于圖像處理對四眼紐扣瑕疵進行研究，設計一套基于圖像處理的紐扣次品檢測系統(tǒng)。

1 基于輪廓的紐扣瑕疵檢測系統(tǒng)

基于輪廓的紐扣瑕疵檢測算法流程如圖1所示。第一步基于連通域分析紐扣感興趣區(qū)域的分割及輪廓的提?。坏诙綑z測紐扣內(nèi)孔缺失與顏色瑕疵(包括污漬、劃痕及凹坑等瑕疵)；第三步檢測紐扣外輪廓與內(nèi)孔輪廓的圓度與缺口檢測。

1.1 紐扣區(qū)域分割與輪廓提取

分割背景的目的是將特定的感興趣目標與背景進行分割，便于后期進一步處理，分割的效果直接影響后期的邊緣提取等后續(xù)技術(shù)[6]。目前最常見的分割方法主要是基于閾值、區(qū)域、邊緣和特定理論這幾種方式。閾值分割相對于其他幾種方法的優(yōu)點是計算簡單、運算效率較高、速度快，很適合用于重視運算效率的紐扣檢測場合。閾值分割法主要有全局閾值法、局部閾值法以及自適應閾值法等，適用于背景灰度一致的圖像[7]。在紐扣生產(chǎn)線上，背景一般為顏色一致的傳送帶圖像，因此選取閾值分割算法用于分割紐扣區(qū)域。

1.1.1 閾值分割

圖2(a)是紐扣原圖，可以看出紐扣區(qū)域與背景區(qū)域的面積相差不大。最大類間方差法(大津法OTSU)將圖像分為背景與前景兩個區(qū)域，是一種基于最大方差的閾值分析方法[8]，其實現(xiàn)方式簡單，當目標與背景的面積相差不大時，能夠有效地對圖像進行分割，因此非常適合用于紐扣圖像的分割。本文先將獲取的紐扣圖像轉(zhuǎn)換為灰度圖，再運用OTSU算法進行圖像閾值分割，得到二值化圖像。但這些二值圖往往存在很多小毛刺，在一定程度上影響后期的輪廓檢測效果。因此，采用腐蝕、膨脹操作以去除這些毛刺，為了不影響整體的輪廓，采用了較小的3×3模板。圖2(a)所示紐扣原圖的閾值分割效果如圖2(b)所示。

圖1 紐扣瑕疵檢測算法流程圖Fig.1 Flow chart of button defect detection algorithm

圖2 紐扣分割與輪廓提取

1.1.2 基于輪廓的連通區(qū)域標記

對紐扣圖像閾值分割，得到紐扣的二值圖像會有多個連通域。為了獲得紐扣的輪廓，需要獲得二值圖像紐扣的連通域，比較好的方法就是對每個連通域進行標記，利用標記數(shù)判斷紐扣的連通區(qū)域。

連通區(qū)域標記算法最常用的有兩種：一種是基于行程的連通區(qū)域標記；另一種是基于輪廓的連通區(qū)域標記[9]。整體而言，基于行程的連通區(qū)域標記效率更高，其原理也比較復雜，但對于連通數(shù)小于100的圖像來說，兩者效率差不多，因此選擇更為簡單的基于輪廓的連通區(qū)域標記?；谳喞倪B通區(qū)域標記能夠快速完成標記，首先采用先上下后左右的方式遍歷圖像，尋找輪廓邊緣點，并追蹤輪廓，然后根據(jù)輪廓從左到右依次標記，直到標記完所有不為黑色的點。

1.1.3 紐扣區(qū)域分割與輪廓提取

由圖2(b)的閾值分割圖可以看出，二值圖像存在很多的連通區(qū)域，這是由于紐扣周圍存在少許臟污和其他相鄰紐扣的邊緣區(qū)域等形成連通區(qū)域，而這些區(qū)域難以通過閾值分割出來。通過紐扣區(qū)域分割，可以快速地將這些不感興趣的連通區(qū)域剔除。采用區(qū)域分割和輪廓提取的方法能夠快速得到感興趣的紐扣輪廓，這也是后續(xù)輪廓檢測的基礎。圖2(c)是紐扣連通區(qū)域分割圖，圖2(d)是紐扣邊緣輪廓圖。紐扣區(qū)域分割與輪廓提取的具體步驟如下：

(1) 獲取基于輪廓的連通區(qū)域標記；

(2) 計算每個連通域的標記數(shù)目；

(3) 通過標記數(shù)得到最大連通區(qū)域，并將其分割出來，得到感興趣的紐扣連通區(qū)域；

(4) 利用OpenCV的findContours函數(shù)對紐扣連通區(qū)域進行輪廓檢測，找到并返回該二值圖像的輪廓信息[10]；

(5) 保存輪廓信息并計算輪廓數(shù)。

1.2 內(nèi)孔缺失與顏色瑕疵檢測

在紐扣生產(chǎn)過程中，由于加工工藝和機械設備的影響，可能會出現(xiàn)一些瑕疵紐扣，其中堵孔、少孔以及各類顏色瑕疵(包括污漬、劃痕等)是比較常見的瑕疵[11]。正常四眼紐扣的輪廓數(shù)目為5(4個內(nèi)孔輪廓和1個外輪廓)。根據(jù)輪廓數(shù)量，可將含有內(nèi)孔缺失或顏色瑕疵的次品紐扣分為以下3種：

(1) 內(nèi)孔缺失(堵孔、少孔)的數(shù)目大于顏色瑕疵的輪廓數(shù)目，此時總的輪廓數(shù)≤4；

(2) 內(nèi)孔缺失(堵孔、少孔)的數(shù)目小于顏色瑕疵的輪廓數(shù)目，此時總的輪廓數(shù)目≤6；

(3) 內(nèi)孔缺失(堵孔、少孔)的數(shù)目等于顏色瑕疵的輪廓數(shù)目，此時總的輪廓數(shù)目=5；

對于前兩種次品紐扣，可直接通過輪廓數(shù)目進行判斷。而對于第三種情況，由于顏色瑕疵的輪廓一般為不規(guī)則形，可與合格內(nèi)孔輪廓區(qū)分開來，因此也可以使用輪廓檢測的辦法。本文先將獲取的污漬和劃痕紐扣圖像轉(zhuǎn)換為灰度圖，再運用閾值分割得到二值化圖像，處理效果如圖3所示。由圖3可知，污漬與劃痕在閾值分割得到的二值化圖中依然存在。

圖3 污漬與劃痕紐扣的二值化處理效果

1.3 紐扣輪廓檢測

本文檢測的塑料紐扣為圓形紐扣，因此它的輪廓檢測可以使用圓度評價法[11]。目前圓度評價法主要有4種，分別為最小區(qū)域法、最小二乘法、最小外接圓法和最大內(nèi)切圓法[10, 12]。但是在實際的紐扣圖像中，由于拍攝角度和紐扣位置的原因，正常紐扣輪廓也不一定是完全的圓形，可能類似于橢圓形。文獻[13]提出一種多行紐扣的分揀裝置，在這種情況下，紐扣一般不是位于攝像頭正中央，因此拍攝的紐扣圖像會呈橢圓形。對于一些小缺口紐扣，圓形度評價的檢測效率也不高。針對這些問題，提出一種多步輪廓檢測算法。

1.3.1 最小外接圓圓形度檢測

最小外接圓評價圓形度是指先求取輪廓的最小外接圓并得到圓心與半徑，然后將該圓心作為最大內(nèi)切圓圓心，兩個圓半徑之差即為圓度誤差值[14]，其數(shù)學表達式如式(1)所示。

f=Rmax-Rmin

(1)

式中：f為文獻中圓度誤差值；Rmax為外接圓半徑；Rmin為內(nèi)切圓半徑。

內(nèi)孔與外輪廓半徑相差較大，為了統(tǒng)一內(nèi)孔輪廓與外輪廓圓度誤差評價，本文對文獻中圓度誤差公式做了調(diào)整，以增強適用性。改進之后的圓度誤差表達式如式(2)所示。表1為幾種紐扣的最小外接圓圓度誤差檢測結(jié)果。

(2)

式中：f0為文獻中圓度誤差與最小外接圓半徑的比值，本文代表調(diào)整后的圓度誤差值(后文直接稱為圓度誤差值)；δ為閾值，以統(tǒng)一外輪廓和內(nèi)孔的圓度誤差評價，經(jīng)過多次驗證，當δ=3時效果比較好。

表1 基于最小外接圓的圓度誤差情況

最小外接圓檢測出的圓度誤差值能夠?qū)Υ蟛糠值妮喞Υ眠M行區(qū)分，但是難以檢測一些小缺口或者一些光滑性較差的輪廓。為了降低由于視角原因出現(xiàn)圓形紐扣呈現(xiàn)類似橢圓形狀而導致誤檢的風險，在最小外接圓檢測的基礎上加入三次方差與局部最大二次方差檢測，進一步檢測圓形度和較小缺口。

1.3.2 三次方差圓形度評價

方差檢測的是紐扣輪廓像素點相對于最小外接圓圓心的波動情況，因此計算每一個輪廓點到其外接圓圓心的距離，如式(3)所示，以便更好地對輪廓做進一步分析。

(3)

式中：l為每個輪廓點到最小外接圓圓心的距離；(x,y)為輪廓點在圖像中像素點位置；(x0,y0)為外接圓圓心位置。

經(jīng)式(3)的轉(zhuǎn)換，輪廓變?yōu)榍€的形式，結(jié)果如圖4所示，其中，星點表示輪廓點到其外接圓圓心的距離，下面連續(xù)曲線(polyfit values)為進行多項式擬合的曲線(擬合的值為輪廓點到其外接圓圓心的距離減去均值)，這樣可以看出輪廓的大致形狀。

圖4 紐扣輪廓轉(zhuǎn)換圖Fig.4 Button contour conversion diagram

三次方差會有正負值。對于對稱輪廓，由于其三次方差相互抵消，也會呈現(xiàn)較小值；對于不對稱輪廓，比如有缺口的輪廓，一般三次方差會呈現(xiàn)較大值。三次方差圓形度評價表達式如式(4)所示。

(4)

1.3.3 局部最大二次方差缺口檢測

針對紐扣邊緣微小缺口難以檢測的問題，提出局部最大二次方差檢測方法，這種方法可以用于檢測輪廓的平滑度。二次方差圓度誤差表達式如式(5)～(7)所示。

(5)

(6)

(7)

由圖4可知：對于沒有瑕疵的輪廓區(qū)域，其像素點可以擬合為平行的直線，相應的局部方差較??；而對于有缺口的輪廓區(qū)域，其像素點可以擬合為折線或者斜線，像素點局部波動情況較大，因此局部的方差較大。通過找到最大局部方差即可判斷輪廓的平滑度。表2為基于方差檢測的圓度誤差情況。通過k值來確定局部待測區(qū)域，通過多次試驗，最終確定k值大小為30，該局部待測區(qū)域能夠得到比較好的檢測效果。

表2 基于方差檢測的圓度誤差情況

1.3.4 外接圓方差輪廓檢測法

最小外接圓圓形度評價具有速度快、實現(xiàn)簡單的特點，并且能夠檢測出大部分的紐扣輪廓，因此其作為最主要的輪廓檢測步驟。由于視角的問題，紐扣輪廓往往并不是標準的圓形，而是呈現(xiàn)類似橢圓的形狀，因此對于這類易于誤檢的紐扣輪廓，可以通過檢測平滑性檢測輪廓瑕疵。三次方差主要用于檢測輪廓內(nèi)凹但彎曲程度不大的輪廓，同時也是為了進一步檢驗圓形度。局部二次方差用于檢測局部平滑性，能夠?qū)θ笨诰哂休^好的檢測效果。外接圓方差輪廓檢測法是一種多步檢測法，其實現(xiàn)流程如圖5所示。

2 試驗與分析

采用的實驗設備CPU為i5 3320 M，操作系統(tǒng)為Ubuntu 18.04。根據(jù)上文方法，選取外輪廓缺陷紐扣55個，內(nèi)孔缺陷(包括堵孔、少孔及輪廓瑕疵)29個，顏色瑕疵(包括污漬、劃痕等)30個，以及無瑕疵紐扣123個進行試驗，結(jié)果如表3所示。由表3可知，該算法的平均檢測準確率約為97.8%。同時，該系統(tǒng)檢測每個紐扣的平均耗時約為0.1 s，完全可以達到實時性要求。

表3 不同紐扣樣品的檢測結(jié)果

若采用人工檢測方式，對于紐扣數(shù)量較少的情況，基本能完全檢測出次品紐扣，但對于紐扣數(shù)量較多的情況，工人注意力難以完全集中，其檢測的準確度會大大降低。由于外接圓或內(nèi)切圓的方法不能檢測平滑度，若只采用這兩種方法進行檢測，則對小缺口等輪廓的檢測效果不佳，實際測試中，外輪廓的檢測準確率約為89.1%，內(nèi)孔缺陷檢測準確率約為93.1%，均低于本文提出的方法。

3 結(jié) 語

將圖像處理應用于紐扣次品檢測，提出一種基于輪廓的紐扣瑕疵檢測算法，采用閾值分割、紐扣區(qū)域分割和輪廓提取等預處理操作，利用輪廓數(shù)目判斷是否有內(nèi)孔缺失和顏色瑕疵等缺陷，利用外接圓方差檢測法判斷是否有輪廓瑕疵。試驗證明，該算法能夠?qū)崿F(xiàn)紐扣的次品檢測，其準確率約為97.8%，并且擁有較好的實時性。該檢測系統(tǒng)能夠運用于紐扣生產(chǎn)線，提高檢測效率與正確率，減輕工人的勞動強度，同時能大大提高生產(chǎn)效率。