《织物悬垂性数字图像轮廓识别的径向扫描算法.pdf》由会员分享，可在线阅读，更多相关《织物悬垂性数字图像轮廓识别的径向扫描算法.pdf（4页珍藏版）》请在三一文库上搜索。
1、第2 7 卷第2 期 2 0 0 6 年2 月 纺织学报 J o u m a l 7 r e 姬kR e s e a r c h V 0 1 2 7N o 2 F e b 2 0 0 6 文章编号：0 2 5 3 9 7 2 1 ( 2 0 0 6 ) 0 2 0 0 4 1 0 4 织物悬垂性数字图像轮廓识别的径向扫描算法 王寿兵1 ，周华1 ，沈毅2 ，刘玄木2 ( 1 浙江理工大学材料与纺织学院，浙江杭州3 1 0 0 1 8 ；2 浙江理工大学机械与自动控制学院，浙江杭州3 1 0 0 1 8 ) 摘要根据织物悬垂性数字图像轮廓自动识别的需要，提出了一种简单实用的径向扫描算法。首先识别
2、出试样 圆盘圆心，并从原始图像中裁剪出有效区域，进行必要的预处理后再用径向扫描算法得到候选轮廓点集，将不在轮 廓上的候选轮廓点去掉，顺次连接轮廓点序列，当轮廓点数量足够多时，就可以用轮廓点顺次连接线逼近织物的边 缘轮廓曲线。与传统的梯度算子法相比，这种算法有更好的适应性和可靠性，结合实例介绍了该算法的设计和实 现过程及特点。 关键词悬垂性；图像；轮廓识别；径向扫描；算法 中图分类号：聊0 1 6文献标识码：A R a d i a ls c a na l g o r i t h mf o rf a b r i cd r a p ed i g i t a li m a g ec o n t o u
3、 rd e t e c t i o n W A N GS h o u - b i n 9 1 ，Z H O UH u a l ，S H E NY i 2 ，L I UX u a n 舢2 ( 1 c o 沈鲈0 ，肘毗砌Zo 蒯z k 池，z 她洳，l gs c i 一h 觇“ 蚵，舶，耐o u ，z 蜘池增 3 1 0 0 1 8 ，傀打W ； 2 c o Z 妇Eo ，肘k n 拓口ZE n 舀，黜“n g 口以A 咖，m 如n ，z k 增i z b 如觇H 蚵，砒，移 o ，z 蜘施n g3 1 0 0 1 8 ，饥i 眦) A b s t m c t A c c o r d i n
4、gt ot h ea c t u a lr e q u i r e m e n t so fa u t o m a t i cp m c e s s i n go ff a b r i cd r a p ei m g e s ，as i m p l eb u t p r a c t i c a lr a d i a ls c a na l g o r i t h mi sp m p o s e d F i r s t ，i d e n t i f yt h ec e n t e ro ft l l ed i s ko nt h es a m p l e ，c u tt h ev a l i d
5、 a r e af 而mt h eo r i 百n a li r 瑚嚷_ e ，a n dc o n d u c tt h en e c e s s a r yp r e p r o c e s s i n g ，a n dt h e n ，u s et h em d i a ls c a na 1 9 0 r i t h m t of i n do u tt h ep r e l i I I l i n a r yc o n t o u rp o i m s B yr e m o V i n gt h ep o i n t sw h i c ha r en o to nt h ec o n
6、t o u ra n dc o n n e c t i n g t h ep o i n t sr e m a i n e d 而t hl i n e si ns e q u e n c e ，ac u “ec a nb ef o 瑚e d W h e nt h ec o n t o u rp o i n t sa r ea d e q u a t e e n o u g h ，t h ec u r v ec a nb et h o u g h ta st h ec o n t o u r t h es a I n p l e C o m p a r e dw i t ht h et m d
7、i t i o n a lg r a d i e n to p e m t o r d I g o r i t h m ，t h em d i a l s c a na l g o r i t h mi sm o r e 印p l i c a b l ea n dr e l i a b l e T h ed e s i g n ，e x e c u t i o np m c e s s ，a n d c h a r a c t e r i s t i c so ft h em d i a ls c a na l g o r i t h ma r ee x p o u n d e dw i t
8、he x a m p l e s K e yw o r d sd m p e ；i m a g e ；c o n t o u rd e t e c t i o n ；r a d i a ls c a n ；a l g o r i t h m 悬垂性是织物服用性能的一个重要方面。传统 的织物悬垂仪是利用光电投影原理，用光电传感器 测量织物在悬垂状态下的遮光量大小，来评定织物 的悬垂程度。在测量过程中将织物视为黑体，但大 多数织物总是或多或少透光，特别是丝绢类薄织物 透光较多，因此测量结果的误差较大1 。随着计算 机技术的飞速发展和广泛应用，可以利用数码相机 成像和计算机数字图像处理技术来研究、模
9、拟、测量 织物的悬垂性能旧o 。 近年来，有很多关于用数码相机成像来研究织 物悬垂性的文献报道，其共同特点有：1 ) 将拍摄得到 的真彩色图像转换为灰度图像再处理，这个过程使 试样图像损失了大量的可识别色彩信息，原来很容 易处理的图像变得难以处理了；2 ) 对于色调上有深 浅明显变化的试样和印花织物，必须要靠手工变换 图像背景颜色，扩大颜色反差后再采集图像b 1 ，在测 试过程中需要人工干预，测试仪的自动化程度降低； 3 ) 图像轮廓分析算法采用边缘梯度算子等算法，这 些算法对图像质量的要求较高，对于常见的网格、印 花织物图像处理起来相对困难，无法正确识别出轮 廓信息。 本文介绍的织物悬垂性数
10、字图像轮廓识别的径 收稿日期：2 0 0 5 0 1 0 7修回日期：2 0 0 5 一l O 一0 9 基金项目：国家自然科学基金资助项目( 5 0 ”5 1 3 9 ) ；浙江省自然科学基金资助项目( 5 0 1 0 2 3 ) 作者简介：王寿兵( 1 9 7 3 一) ，男，汉族，工程师，硕士生。主要研究领域为数字图像处理、纺织c A D 等。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【4 2 】 纺织学报第2 7 卷 向扫描算法克服了上述缺点，其实
11、现原理简单，保持 了图像的真彩色信息，处理速度也很快。 1 图像预处理 1 1 确定图像的待处理区域 得到一幅织物试样悬垂图像后，首先要识别出 试样中央圆盘的中心，这对试样边缘轮廓的定位很 关键。经过反复试验，发现圆盘中心在图像中的偏 移位置不会太大，否则得到的图像就没有处理意义 了。将图像分别按水平、竖直方向等分5 份，取出位 于正中央的一块区域用于识别圆心。设取出的区域 为D ，大小是i i 个像素，见图1 ( a ) 。对D 中的像 素D ( 戈，y ) 取一适当的阈值( 可用迭代阈值法、也可 取经验值) ，变为二值化图像J D ( 戈，) ，如图1 ( b ) 所 示。分别对其进行水平
12、、竖直方向投影，即对水平、 竖直方向的非零像素值计数，得到的结果见图1 ( c ) 与( d ) 。设矗。( 七 1 ，i ) 表示水平投影中第| j 行非 零像素值的个数，。( | j 2 1 ，力) 表示竖直投影中第 七列非零像素值的个数。考虑到可能有噪声点的存 在，分别统计 。和”。2 个数组中连续非零值的区间 长度，最长的区间中点分别对应了圆心0 的菇和y 坐标( 参见图1 ( c ) 和( d ) ) 。 需要说明的是，这里没有用滤波算法对图像进 行处理，主要是考虑到图像经滤波后会变得模糊，边 缘清晰度降低，从而影响到轮廓识别的准确性。如 果要考虑噪声影响，可以用3 3 模板的中值滤
13、波器 对图像进行预处理。 1 2 有效图像区域与梯度算子法 以点D 为圆心，选取适当的半径( 在识别中心 点D 的同时可以得到) ，将有效区域从原始图像中 提取出来，得到待处理图像，以下称之为图像G ，。 选取一幅常见的网格织物悬垂图像G ，为例来进行 处理，见图2 。 由于织物试样的特性，仅靠几种常用的梯度算 子来识别轮廓是不可能的。图3 给出了几种常见的 梯度算子( R o b e r t s 算子、s o b e l 算子、P r e 诮t t 算子和高 斯算子) 处理后得到的图像。从这些图像的效果来 看，计算机难以自动对它们进行后续处理，从而判别 出有效的边缘轮廓。 ( c )( d
14、) 图1识别圆心过程示意图 图2 识别圆心后裁剪得到G ， 图3 几种常见梯度算子处理效果 2 径向扫描算法及处理过程 2 1 计算差影图像 在拍摄织物悬垂图像之前，拍摄一幅没有试样 的标准背景图像G 。，供后续处理时使用。得到试样 有效图像G 。后，根据确定G 。的参数( 中心点0 ，裁 剪半径R ) ，裁剪背景图像G 。得到图像G 0 。设G 0 的( i ，J ) 处像素值为G 0 ( R i ，G “ B i ) ，G 。的( i ，J ) 处像 素值为G 。( R i ，G i ，B 。) ，R 、G 、B 分别为对应像素点 的红、绿、蓝三基色分量值。 令G 2 ( R i ，G d
15、 ，B i f ) = lG l ( R F ，G F ，B F ) 一 G 0 ( R g ，G 口，B i ) I ，得到的G 2 为试样图像与背景图像 之间的差影图像，见图4 。 图4 差影图像G 2 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第2 期王寿兵等：织物悬垂性数字图像轮廓识别的径向扫描算法【4 3 】 2 2 色阶拉伸 对于包含2 4 位真彩色的图像G ：，其R 、G 、B 三 基色值的范围是 0 ，2 5 5 ，图像中任一基色分量的最 大
16、值很可能已经接近2 5 5 ，这时直接进行色阶拉伸 图像不会有什么变化，因此需要选取一个合适的阈 值。设某一基色x 在其取值范围 0 ，2 5 5 内取得数 值i 的频数为i ，对应的概率为洳i ，按照下式分 别确定R 一、G 。，和B 。： x 。= K ，而K 是满足关系式芝：却i o 9 5 的 最小整数。得到的x 的意义：以数值x 。为临界 值，图像中至少有9 5 的像素对应颜色分量值处于 l 临界值以下，即只有少量的x 基色分量值大于x 。 用它作为色阶拉伸的门限值，才是比较合理的。再 按下式分别对R 、G 和B 分量进行色阶拉伸，选取以 上的x 可以取得满意的拉伸效果( 见图5 )
17、 。 f 2 5 5 i X 。；1 置2i 警i k j 图5 经色阶拉伸后的G 2 2 3 取阈值并二值化 为适应自动化处理，通过程序自动搜寻出比较 合适的阈值对G ，进行阈值分割。其方法是先用初 始的给定阈值把原图全部像素分成前景和背景两大 类，然后分别对它们进行积分并将结果取平均值从 而获取一个新的阈值，之后再按此阈值将图像分成 前景和背景，再生成新的阈值，如此迭代下去，直到 阈值稳定到某个数值为止，用这个数值分割图像就 得到了二值化的G ，。上述迭代过程可用数学表达 式表示为 ：4 等+ 裂 l 肌。务。k 式中，为色阶数， 。为色值为矗的像素个数。 这里为2 5 6 ，迭代开始时，
18、一般取n = ，2 。 因为处理的是2 4 位真彩色图像，所以需要3 次迭 代，分别得到r 。、r 。和r 。，迭代初值都设定为1 2 8 。 用、R 和死分割后得到的图像还不是真正意义 上的二值图像，R 、G 和B 分量都取得0 和2 5 5 两个 值。对于任意一个像素点，只要R 、G 、B 三基色分量 之一为2 5 5 ，就将其它分量置为2 5 5 ( 这时对应二值 图像的值为1 ) ，只有当R 、G 、B 均为O 时，才对应二 值图像的值为0 。分割处理后的图像见图6 。 图6 取阈值并二值化的G 2 2 4 圆形径向扫描 以圆盘中心点D 为圆心，略小于1 1 所述的裁 剪长度为半径作一
19、个圆( 见图7 ，这里是为了叙述算 法，实际处理时不需要将圆画出) ，所有在圆上的像 素点P 按其半径方向与x 轴夹角目的大小排序，形 成一个扫描基点序列P ，。依次从扫描基点序列中 取出点P ，沿P 点向圆心扫描，即在半径P 0 上取得 第一个非零像素点的坐标，作为候选轮廓点。由于 外圆周上扫描基点序列的分布一般比轮廓上边缘点 的分布稠密，因此某一基点扫描得到的候选轮廓点 可能与前一基点得到的候选点重合，这时不再需要 记录候选点，直接选取下一基点扫描。当扫描基点 序列中所有点都扫描完时，就得到一个候选轮廓点 坐标序列。 2 5 候选轮廓点修正 上面所得到的候选轮廓点坐标序列中，绝大部 分是真
20、正的轮廓点。但是，也有一些非轮廓点混在 其中，需要去除。设某一候选轮廓点为P ( i ，j ) ，对 应的半径长度为尺。考虑到织物试样轮廓的连续 性，候选轮廓点坐标序列中相邻两点对应的半径差 异不会太大。设想以x 轴表示序列中序号，y 轴表 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【4 4 】 纺织学报第2 7 卷 示对应的半径长度，则会得到全部半径的展开曲线， 通过计算曲线上每一点的曲率，当某一点曲率过大 时，则将其从候选点坐标序列中剔除。 设共有n 个
21、候选点，第i 个点对应的半径为 R ，半径展开曲线上点的曲率为K ，计算公式为 F 一 ! 竺! “一( 1 + 群) 2 而足的一阶导数和二阶导数可以分别由以下 实用5 点插值型求导公式来计算b ： 1 尺：= 云【尺2 8 R i l + 8 R i + ，一尺i + 2J 1 碟= 素【一尺i 一2 + 1 6 R i l 一3 0 R ；+ 1 6 R ；+ 】一尺。2J 由于全部尺。围成了一个圆周，计算过程中当i 大于n 时，取为i n ；当i 小于O 时，取为i + n 。 为适应图像的变化，在选定曲率的阈值以确定 哪些曲率过大要去除时，要将这个阈值与图像关联 起来。经过反复试验注
22、意到，假设所有曲率K 的平 均值为K ，当试样为素色织物时取曲率的门限值K T 为K 的2 3 倍左右，而当试样为印花织物时取赫 图7 径向扫描算法原理图 3结论 为K 的l 2 倍时，处理各类织物悬垂图像的效果 都比较理想。 经过上面的处理，生成了一个新的轮廓候选点 坐标序列，顺次连接这些候选点，得到比较好的轮廓 逼近曲线。然而，在轮廓曲线上，还可能存在一些比 较尖的不光滑区段，再次使用圆形径向扫描法扫描 轮廓曲线，得到新的轮廓点坐标序列，根据它们所在 半径的长度，作一次5 点滑动均值滤波 ，再求出轮 廓点的新坐标： 1 R i = ( 尺i 一2 + R i l + R j + R i +
23、 1 + 尺i + 2 ) J 戈i = z o + R i c o s 口 【竹= y o + 咒s i n 口 式中，石。，y 。为圆心坐标；臼为半径与盖轴的夹角， 结果要取整。 再顺次用线段连接P ( 髫i ，儿) ，就得到了光滑的 轮廓曲线，见图8 ，将此曲线与原始图像叠加，可以 看到该算法的识别轮廓效果是比较理想的，见 图9 【7 舟 。 图8 已识别出的轮廓曲线 图9 轮廓曲线与原图叠加 参考文献： 与传统的梯度算子算法识别边缘相比，径向扫 描算法适用的试样更加广泛，识别出来的边缘比较 可靠。梯度算子算法无法处理的图像，径向扫描算 法也能得到令人满意的效果。另外，因为没有卷积 运算
24、，图像处理的速度也比前者要快。 总之，织物悬垂性数字图像轮廓识别的径向扫 描算法是一种简单而实用的图像处理方法，为织物 悬垂测试仪的图像处理提供了基本的方法，同时对 依赖于图像处理技术的悬垂测试仪来说，大大提高 了其对试样的适应性。黼 纪峰，李汝勤，郭永平，等织物悬垂性研究的追踪与 展望 J 纺织学报，2 0 0 3 ，2 4 ( 1 ) ：7 2 7 4 王晓红采用图像处理技术客观评价织物悬垂性能 J 中国纺织大学学报，1 9 9 9 ，2 0 ( 3 ) ：3 8 4 1 李汝勤，郭永平基于图像分析的织物悬垂轮廓提取 J 东华大学学报，2 0 0 1 ，2 7 ( 1 ) ：5 4 5 8
25、 郎锐数字图像处理学 M 北京：希望电子出版社， 2 0 0 2 2 3 4 2 5 1 李庆扬，王超能，易大义数值分析 M 武汉：华中科 技大学出版社，2 0 0 3 1 0 3 1 0 5 李鸿吉数理统计实用算法 M 北京：科学出版社， 2 0 0 3 2 8 2 2 8 5 D a v i dJ P m g r a 哪i n gV i 蛐a lC + + 【M S e a t d e ：M i c r o s o f t P r e s s 2 0 0 3 1 0 5 1 2 0 M i c r o s o f tC o r p o r a t i o n M S D N b r a I yV i s u a lC + + 6 O M S e a t t l e ：M i c m s o f tP r e s s ，2 0 0 4 3 5 7 3 6 8 j 11J 1 J 1 2 3 4 5 6 7 8 rrrl r L 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark