Canny算子在织物防水性能自动识别中的应用.pdf

《Canny算子在织物防水性能自动识别中的应用.pdf》由会员分享，可在线阅读，更多相关《Canny算子在织物防水性能自动识别中的应用.pdf（5页珍藏版）》请在三一文库上搜索。

1、第2 9 卷第3 期 2 0 0 8 年3 月 纺织学报 J o u r n a lo fT e x t i l eR e s e a r c h V 0 1 2 9N o 3 M a r 2 0 0 8 文章编号：0 2 5 3 9 7 2 1 ( 2 0 0 8 ) 0 3 0 1 2 2 0 5 C a n n y 算子在织物防水性能自动识别中的应用 朱桂英，张瑞林 ( 浙江理工大学，浙江杭州3 1 0 0 1 8 ) 摘要按照湿润织物的特性及相关标准，提出利用图像处理技术和计算机平台的方法对织物的防水性能进行自 动识别。首先对湿润织物进行图像分析，然后采用C a n n y 边缘检测技

2、术，同时把O t s u 算法应用到C a n n y 算子中，实 现其在织物防水性能自动识别中的自适应性，并在处理速度和参数的选择方面进行改进。其次利用数学形态学的 方法进行进一步的后处理，准确地提取织物湿润部分的封闭边缘。 关键词C a n n y 算子；自动识别；织物；防水性能 中图分类号：T P7 5 1 文献标识码：A A p p l i c a t i o no fC a n n yo p e r a t o ro na u t o m a t i cd e t e c t i o no ff a b r i c w a t e r p r o o fp e r f o r m a

3、 n c e Z H UG u i y i n g ，Z H A N GR u i l i n ( Z h e j i a n gS c i T e c hU n i v e r s i t y ，H a n g z h o u ，Z h e j i a n g 31 0 0 1 8 ，C h i n a ) A b s t r a c tT h i sp a p e rp r o p o s e da na l g o r i t h mo fa u t o m a t i cd e t e c t i o no ff a b r i cw a t e r p r o o fp e r f

4、o r m a n c eu s i n g i m a g ep r o c e s sa n dc o m p u t e rt e c h n o l o g ya c c o r d i n gt ot h ep r o p e r t i e so fw e tf a b r i ca n dr e l a t e ds t a n d a r d s F i r s t ， t h ei m a g eo ft h ew e tf a b r i cw a sa n a l y z e d ，a n dt h e n ，C a n n yo p e r a t o ra n dO

5、t s ua l g o r i t h mw e r eu s e di nd e t e c t i o n o ft h ef a b r i ce d g e i t ss e l f - a d a p t i v e n e s si nt h ea u t o m a t i cd e t e c t i o no ff a b r i cw a t e r p r o o fp e r f o r m a n c ew a sr e a l i z e d a n di t sp r o c e s s i n gr a t ea n dc h o i c eo fp a r

6、a m e t e r sw e r ei m p r o v e d F u r t h e r m o r e ，m o r p h o l o g i c a la r i t h m e t i cp r o c e s s w a su s e dt og e tt h ec l o s e de d g eo ft h ew e tf a b r i c K e yw o r d sC a n n yo p e r a t o r ；a u t o m a t i cd e t e c t i o n ；f a b r i c ；w a t e r p r o o fp e r f

7、 o r m a n c e 防水透湿纺织品是新型高档织物中较重要的一 类，近年来发展迅速，广受欢迎。防水性能是衡量防 水透湿纺织品的重要指标之一，因此研究织物防水 性能的自动检测方法是该领域的研究重点。目前传 统的方法主要依赖人工检测，劳动强度大，容易受心 理、生理和环境等因素的影响，导致检测误差大，一 致性不理想，因此寻找客观的检测方法就显得十分 必要。 本文采用图像处理的方法来进行检测，在检测 中利用边缘检测的C a n n y 算法。此方法主要的缺陷 是参数需要人为的设定，不具自动适应性，因此本文 主要在适应性和速度上进行了改进，并把改进方法 应用到织物防水性能的检测中。 1 C a

8、n n y 的边缘检测原理 通常采用梯度算子和其他算子来提取目标轮廓 点，根据目标边缘点的灰度梯度比非边缘点灰度梯 度大的特点，选取适当阈值r 来判断边缘点，是提 取湿润织物的一种方法。提取边缘算法有梯度法、 S o b e l 算子、R o b e , s 算子、P r e w i t t 算子、L a p l a e i a n 算子 等。各种算子的实验效果如图1 所示。 从实验结果来看，各种算子对于检测织物测试 区域轮廓( 圆轮廓) 的提取是有效的，然而对于湿润 部分的提取却无能为力，因此本文采用新的C a n n y 算子边缘检测方法，在传统算法的基础上提出一种 适合边缘模糊、整体灰度

9、不均匀的织物湿润图像的 收稿日期：2 0 0 7 0 3 1 9修回日期：2 0 0 7 1 1 0 1 作者简介：朱桂荚( 1 9 8 l 一) ，女，硕士生。研究方向为计算机应用与图像处理技术。张瑞林，通讯作者，E m a i l ：E z z r l 1 6 3 c o r n 。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第3 期朱桂英等：C a n n y 算子在织物防水性能自动识别中的应用 1 2 3 ( e ) L a p l a e i a

10、n 边缘检测( f ) C a n n y 边缘检测 图1 边缘检测效果图 F i g 1E d g ed e t e c t e di m a g e ( a ) O r i g i n a li m a g eo ft h ef a b r i c ； ( b ) S o b e le d g ed e t e c t i o n ；( e ) h e m t te d g ed e t e c t i o n ；( d ) R o b e , se d g ed e t e c t i o n ；( e ) L a p l a e i a ne d g ed e t e c t i o

11、n ； ( f ) C a n n ye d g ed e t e c t i o n 改进方法。 C a n n y 算法把边缘检测问题转换为检测单位函 数极大值的问题。在高斯噪声中，1 个典型的边缘 代表1 个阶跃的强度变化，根据这个模型，1 个好的 边缘检测算子应具有3 个指标：1 ) 低失误概率， 既要少将真正的边缘丢失，也要少将非边缘判为边 缘；2 ) 高定位精度，检测出的边缘应在真正的边缘 位置上；3 ) 对每个边缘有唯一的响应，得到的边缘 为单像素宽。 2 传统C a n n y 算法的步骤与实现 C a n n y 算法基本流程图乜3 如图2 所示。具体实 现步骤【3 1 如下

12、。 1 ) 高斯滤波器平滑图像( 抑制噪声) 。C a n n y 算 子H 1 首先用二维高斯函数的一阶导数，对图像进行 平滑，设二维高斯函数为 G ，) = 击f l - 唧( 一等) ( i )Z 丌 、 二仃 ， 图2C a n n y 基本流程 F i g 2 F l o wo fC a n n y 其梯度矢量为 V G = 雕3 G l a i ) y x ( 2 ) 仃为高斯滤波器参数，常用的G a u s s i a n 滤波器 的仃为1 4 ，它控制着平滑程度。对于盯小的滤波 器，虽然定位精度高，但是信噪比高，盯大时则情况 相反。； 2 ) 有限差分近似偏微分计算梯度的幅度和

13、方 向( 边缘增强) 。C a n n y 算子计算g ( 茗，Y ) 的梯度， 首先得到对于名和，的偏微分值P ( 算，Y ) 和 Q ( 戈，Y ) 。计算方程为 尸( 髫，y 一 曼! 苎! ! 12 二曼! 苎! 12 曼! 兰! ! z ! ! = 曼! 苎! ! 12 2 ( 3 ) Q ( 省，) 一 曼! 苎! z2 = 曼! 兰! ：! ! 曼! 苎! z 12 = 曼! 苎! ! ! 12 2 ( 4 ) 通过计算2 2 邻域矩阵的平均有限差分，并作 为茗和) ，的偏微分，得到图像梯度的幅度和方向分 别为 肘( 茗，Y ) = P 2 ( 戈，Y ) + Q 2 ( 石，Y

14、 ) ( 5 ) 0 ( 戈，Y ) = a r c t a n Q ( 并，Y ) + P ( 菇，Y ) ( 6 ) 3 ) “非最大抑制”处理梯度幅度。给定梯度幅度 图像矩阵以后，就可利用给予梯度模式的门限操作 来得到边缘像素点的轮廓，但C a n n y 算子采用一个 更加高级的方法来处理这个问题。在C a n n y 方法 中，边缘点定义为在梯度方向上局部强度最大的点。 这是一个比较强的约束，可以使得通过门限法得到 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the water

15、mark 1 2 4 纺织学报第2 9 卷 的目标边缘细化。非最大抑制的目的是找到所有可 能的边缘点。其基本思想是根据当前点周围8 个方 向上相邻像素的梯度值来判断当前点是否具有局部 最大梯度值，如果是，则将其判为可能的边缘点，否 则为非边缘点。 4 ) 双门限算法检测和连接目标边缘。C a n n y 算 法实际采用双门限方法实现边缘提取，其中2 个门 限分别为t 。与t 。首先将梯度值小于t 。的像素的 梯度设为0 ，得到图像1 ；然后将梯度值小于t 。的像 素的梯度设为0 ，得到图像2 。图像2 阈值较高，噪 声较少，但造成了边缘信息损失；而图像1 阈值较 低，保留了较多信息。最后以图像

16、2 为基础，以图 像1 为补充进行边缘连接获得图像边缘。 传统C a n n y 算子高、低阈值t 、t 。和盯值不是由 图像边缘的特征信息决定，而是需要人为设定。目 前普遍的做法是：d ：2 ；th = M ( d o t ) ；t l ；0 5 th M ( d o t ) 为梯度值按梯度从小到大，d o t 为第 ( a l l d o t s P ) 个点；a l l d o t s 为最大抑制后图像中可能 是边缘点的全部点数；P 为可设定的固定值，默认值 为0 9 5 。由于P 与图像的信息没有明显的联系，因 此不能根据不同图像自动选择P 的大小。 这种方法不具有自适应能力，自动化程

17、度低。 本文针对传统C a n n y 算法的这种缺陷进行了改进。 3 改进的C a n n y 算法的步骤与实现 针对C a n n y 算子的缺点主要在速度和自适应方 面进行了改进。 3 1 速度的改进 首先在边缘梯度计算时，将二维滤波模板分解 为2 个一维滤波模板，实现并行处理，提高运算 速度。 在实现C a n n y 边缘检测时，采用行列滤波器分 解并行处理的方法来提高运算速度，即把V G 的二 维滤波模板分解为2 个一维行列滤波器b l ： 瓦O G = k x e x p ( 一嘉) e x p ( 一嘉) = 髫) 以y ) ( 7 ) 丽O G = k y e x p ( 一

18、嘉) e x p ( 一2 o r z ) = ，) 以菇) ( 8 ) 其中：姒引= 以e x p ( 一嘉) ；“y ) = 以e x p ( 一寺) ；h i ( 茗) = 算h 2 ( 砒h i ( ，) = y h 2 ( Y ) ；k 为常数。 将式( 7 ) 和( 8 ) 分别与图像f ( 茗，Y ) 进行卷积， 得到输出： E = 棼，( 茗，) ( 9 ) B = 薷厂( 茹，y ) ( 1 0 ) 令 A ( i ，) = E ：( i ，) + E ( i ，J ) ( 1 1 ) 础一c t a “畿S 】 ( 1 2 ) 则A ( i ，J ) 反映了图像上( i ，

19、_ ) 点处的边缘强度， 口( i ，_ ) 是图像的点( i ，歹) 处的法线矢量，即正交于 边缘的方向。 3 2 参数的自适应确定 参数的确定主要包括O r 的选择问题和高、低阈 值的自动选取问题。 3 2 1 仃的选择 由传统C a n n y 算法可以看出，单一尺度的边缘 检测算子不可能正确地检测出所有边缘，需要采用 不同盯的滤波器，因此将各个不同尺度下的边缘图 像结合起来可提取出较理想的边缘图像，但是其运 算时间相对长一些。 当仃 4 时，运算速度会明显增加，因此通常根 据图像的特性和复杂程度来选取仃值，一般在 0 ，4 之间取值哺 。 根据湿润织物的特点，浅色织物湿润轮廓清晰， 深

20、色织物湿润轮廓模糊，因此把织物划分为浅色和 深色2 类进行分别处理，并且在每一类进行处理时 采用固定的盯值。 经多次实验证明，在防水性识别过程中发现，浅 色织物仃= 3 时效果较理想，深色织物盯= 2 时效果 较理想。固定盯值的方法不但省时而且稳定性好， 因此对于特定的应用领域找到合适的参数是非常重 要的。 3 2 2 高低阈值的自动选取 传统的C a n n y 算子的阈值选择是通过人为来选 择的，对于自动化系统是不适用的，因此将自动阈值 选择法O t s u 算法应用到C a n n y 算法中。 O t s u 算法是1 9 7 9 年由O t s u 提出的基于类间方 差最大化的一种分

21、割算法，一直被认为是分割阈值 自动选取的最优方法“ 。其基本思想是将图像分为 背景和目标2 类，通过搜索计算类问方差最大值，得 到最优阈值r 。根据阈值r ，整幅图像可以分为背 景和目标2 部分。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第3 期 朱桂英等：C a n n y 算子在织物防水性能自动识别中的应用 1 2 5 具体实现：首先把图像中的像素按灰度值用阈 值t 分成2 类c 。和G ，c 。由灰度值在0 一t 之间的 像素组成，c 由灰度值在t

22、+ l 一一l ( L 为图像灰 度级数) 之间的像素组成，然后按式( 1 3 ) 计算c 0 和 C ，之间的类问方差： G ( t ) = ( J 。( t ) u 8 ( t ) 一H 2 + 叫。( t ) u 。( t ) 一H 2 ( 1 3 ) 式中：叫。( t ) 为C 。中所包含的像素数；甜。( z ) 为C 。 中所包含的像素数；c o ( t ) 为图像中所有的像素数； “。( ) 为C 。中所有像素数的平均灰度值；M 。( t ) 为 c 中所有像素数的平均灰度值；u 为图像所有像素 数的平均灰度值。 M 巾卜南。藁7 P ( ) ( 1 4 ) 以。2 南；盏一。m

23、) ( 1 5 ) “= 甜口( t ) M 口( t ) + 叫D ( t ) “D ( t ) c o ( t ) ( 1 6 ) 最后从O 到L 一1 依次改变t 的值，取使G 为 最大的t 值就是最佳阕值r ，即 T = a r gm a x G ( ) ( 1 7 ) 利用O t s u 方法自动选取阈值来确定t 。，然后利 用式( 1 8 ) 确定t 、： t b = 胁I( 1 8 ) 式中k 为某一常数，通常取值为2 。3 。 依据实验和织物的特性发现，对于深色织物 k = 3 ，对于浅色织物k = 2 5 时效果较理想。实验 效果图如图3 所示。 ( c ) 浅色织物原图(

24、d ) k = 25 ，h - 0 4 0 39 ，a = 3 - 图3 实验结果 F i g 3 R e s u l to ft e s t ( a ) O r i g i n a li m a g eo fd e e pc o l o rf a b r i c ； ( b ) k = 3 ，t h = 0 2 8 63 ，口= 2 ；( c ) O r i g i n a l i m a g e 0 f l i g h tc o l o r f a b r i c ；( d ) k = 2 5 ，t k = 0 4 0 39 ，口= 3 与图1 进行比较发现，改进的C a n n y 算法

25、已很 清晰地检测出了织物湿润部分的轮廓，因此该方法 是有效可行的。与图1 ( f ) 的传统方法相比，织物润 湿边缘提取得更加清晰平滑。该方法的主要优点在 于实际操作过程中省了输入阈值的交互时间，体现 了自动阈值提取的好处，不但缩短了运算时间，而且 检测结果能满足后续工作的要求。 在采用C a n n y 算子检测后发现，由于噪声、不均 匀照明等而产生了很多边缘问断和湿润部分之外的 噪声小区域，这就为湿润部分面积的计算带来了困 难。为了解决这一问题，通常的做法是在使用边缘 检测算子后紧跟着使用连接过程将边缘像素组合成 有意义的边缘，因此融合形态学方法作为后续处理 效果更为理想。具体步骤为：首先

26、采用膨胀算子进 行边缘的封闭处理；其次对封闭的区域进行填充处 理并将圆外噪声去除；然后利用腐蚀算子去除由膨 胀算子使湿润部分多膨胀的边缘部分；再利用面积 比例关系把噪声区域或润湿部分以外和测试区域外 的干扰区域去除；最后为了达到更好的视觉效果，在 原始图上把湿润轮廓表示出来。 处理后的整体效果图如图4 所示。 ( a ) 深色织物( b ) 拽色织物 图4 织物整体效果图 F i g 4 O v e r a l le f f e c ti m a g eo fd e e pc o l o rf a b r i c ( a ) a n dl i g h tc o l o rf a b r i c

27、 ( b ) 4 结论 采用边缘检测与自动阈值相结合的图像切割方 法，能够很好地保留图像的边缘特征。改进后的 C a n n y 算法与传统的算法相比具有速度快、参数自 动选择的优点，实现了织物防水性能的自动识别，并 且数学形态学的应用不仅使最终得到的边缘更为连 续，而且还去除了图像中噪声区域成像的边缘，达到 了对湿润织物边缘信息准确提取的目的，同时为后 续防水等级的评定打下良好的基础。雅糊 ( 下转第1 3 1 页) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermar

28、k 第3 期丁文捷：服装投产规格号型决策 模型预测等工作。 通过销售数据的时间序列分析模型的封装和生 产应用，得到了一类服装( 男西服) 投产规格、数量与 销售季节的对照关系，可以图表和视图形式展示服 装销售生命周期对生产的影响力度，为决策者提供 简单易用的可视化辅助工具。 4结语 服装行业的数据挖掘技术应用研究中，投产规 格号型问题备受关注，它是纺织服装企业科学合理 规划生产、组织生产的重要决策依据。 1 ) 数据挖掘的K M e a n s 聚类能够引导制定区域 化服装商品投产的简化号型表。 2 ) S u b C l u s t e r 聚类能够提炼区域化服装量体数 据，成为指导生产的“

29、区域化规格号型表”；合理的规 格号型表可使服装规模化定制的“归号”软件数据基 础更趋完善，投产规格号型有章可循。 3 ) 服装销售数据时间序列分析模型组件，成为 根据销售季节指导服装投产规格、数量调整的得力 工具。 4 ) 二次开发的应用软件工具有效地实践了量体 数据挖掘的聚类分析和销售规格号型时间序列分 析，成为服装企业投产规格号型决策的信息化得力 助手。 参考文献： 2 3 4 5 6 7 8 9 1 0 1 2 致谢感谢银川汇成科技有限公司、北方民族大学的技 术协作。感谢王建中、王伦津、任荣老师的帮助。 1 3 _ - 十I _ o m H - _ - “，- I _ ( 上接第1 2

30、5 页) 参考文献： 2 3 4 丁国强服装产品多品种生产决策模型的建立 J 纺织学报，1 9 9 6 ，1 7 ( 6 ) ：3 7 2 3 7 3 丁文捷，区域规模化服装定制的企业号型分档技 术 J 山东纺织科技，2 0 0 7 ( 2 ) ：3 3 3 6 丁文捷。张旭阳服装C A P P 系统中运用密切值法实 现服装归号 J 江南大学学报：自然科学版，2 0 0 4 ， 3 ( 1 ) ：5 7 5 8 潘旭伟，顾新建，邵晨曦，等量体定制服装规模化生 产的方法与实践 J 纺织学报，2 0 0 3 ，2 4 ( 4 ) ：1 4 2 1 4 4 孙永剑，李仁旺基于数据挖掘的服装决策支持系

31、 统 J 计算机工程，2 0 0 5 ，1 6 ：1 9 4 1 9 6 孙永剑，李仁旺，赵匀基于数据挖掘的服装计划决策 支持系统 J 机电设备，2 0 0 4 ( 5 ) ：1 3 1 7 孙永剑，李仁旺基于协同产品商务的服装在线决策 支持系统 J 纺织学报，2 0 0 6 ，2 7 ( 3 ) ：5 2 5 6 C l a u d eS e i d m a n S Q LS e r v e r2 0 0 0 数据挖掘技术指 南 M 刘艺，王鲁军，蒋丹丹，等译北京：机械工业 出版社，2 0 0 2 ：3 7 1 0 3 戴鸿服装号型标准及其应用 M 2 版北京：中国纺 织出版社，2 0 0

32、l ：l O 一1 5 蜡人张终于看到了 D a t aM i n i n gw i t hS Q LS e r v e r2 0 0 5 ) 全书 E B O L 2 0 0 6 0 3 1 3 h t t p ：w a x d o l l c n b l o g s e o m a r e h i v e 2 0 0 6 0 3 1 3 3 4 9 0 6 6 a s p x T a n gZ h a o h u i ，J a m i eM a c L e n n a n D a t aM i n i n gw i t hS Q L S e r v e r2 0 0 5 M U S A ：

33、W i l e yP u b l i s h i n gI n c ，2 0 0 5 ： 1 8 7 2 0 7 顾新建，杨志雄，张晓倩，等服装大批量定制中的关 键技术 J 纺织学报，2 0 0 3 ，2 4 ( 6 ) ：9 1 9 3 吴晓莉，林哲辉M a f l a b 辅助模糊系统设计 M 西 安：西安电子科技大学出版社，2 0 0 2 ：1 5 8 1 7 0 。一- _ 。一- _ - 。 M i l a nS o n k a ，V a c l a v H l a v a c ，R o g e rB o y l e I m a g e P r o c e s s i n gA n

34、a l y s i sa n dM a c h i n eV i s i o n M B e i n g j i n g ： P e o p l e 8P o s t T e l e c o m m u n i c a t i o n sP u b l i s h i n gH o u s e 2 0 0 3 ：1 2 8 1 3 5 唐正军，刘代志改进多尺度C a n n y 算子在S A R 图像 边缘提取中的应用 J 上海航天，2 0 0 0 ( 2 ) ：7 1 0 梁光明，孙即祥，马琦，等O t s u 算法在C a n n y 算子中 的应用 J 国防科技大学学报，2 0 0 3

35、，2 5 ( 5 ) ：3 6 3 9 贾云得机器视觉 M 北京：科学出版社。2 0 0 2 ：9 7 一 5 6 7 1 0 0 王植，贺赛先一种基于C a n n y 理论的自适应边缘检 测方法 J 中国图像图形学报，2 0 0 4 ，9 ( 8 ) ：9 5 8 9 6 2 Z u o aYY ，D i n g bM ，B a t e n i aA ，e ta 1 I m p r o v e m e n to f i n t e r f a c i a lt e n s i o nm e a s u r e m e n tu s i n gac a p r i v eb u b b l

36、ei n c o n j u n c t i o n w i t h a x i s y m m e t r i ed r o p s h a p e a n a l y s i s ( A D S A ) J P h y s i c o c h e m ：E n g ，2 0 0 4 ，2 5 0 ：2 3 3 2 4 6 O t s uN At h r e s h o l ds e l e c t i o nm e t h o df r o mg r a y l e v e l h i s t o g r a m s J I E E ET r a n s a c t i o n s o n S y s t e m ：M a na n d C y b e r n e t i c s ，1 9 7 9 ，9 ( 1 ) ：6 2 6 6 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark