摘  要： 針對紋理特征的方向無序性,，提出了一種基于多向梯度模算子的快速算法。在圖像預(yù)處理的基礎(chǔ)上對亮度進(jìn)行修正,，消除亮度的非均勻性對紋理特征提取造成的干擾,。利用多向梯度算子在局部區(qū)域運(yùn)算確定梯度方向，并構(gòu)建二維灰度梯度矩陣,。最后,，通過統(tǒng)計(jì)矩陣灰度信息建立分級模型。實(shí)驗(yàn)結(jié)果表明,，該方法能較好地提取羽毛的紋理特征并進(jìn)行分級,，可以滿足實(shí)時(shí)檢測應(yīng)用的需要。
關(guān)鍵詞： 紋理特征,；預(yù)處理,；梯度算法

　紋理常指圖像反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則，反映宏觀意義上灰度變化的一些規(guī)律,。在現(xiàn)代工業(yè)生產(chǎn)和自動化檢測中,，產(chǎn)品表面紋理特征往往是衡量產(chǎn)品質(zhì)量的重要指標(biāo)。不同紋理特征圖像有不同的紋理識別和描述方法,，目前常用的紋理特征分析方法主要集中在基于空間域的結(jié)構(gòu)模型和統(tǒng)計(jì)模型分析方法,、基于頻率域的濾波器族、小波分析方法,。在空域模型中,，紋理被看作一種對區(qū)域內(nèi)密度分布的量測結(jié)果,，其利用對圖像灰度的分布和關(guān)系的統(tǒng)計(jì)規(guī)則來描述紋理，比較適合自然紋理的描述,。HARALICK R M[1]等人提出了紋理特征的灰度共生矩陣表示,，共生矩陣方法不受分析對象的限制，能夠反映圖像的灰度分布情況,，但用共生矩陣提取的紋理性質(zhì)缺少視覺相似性,。頻域?yàn)V波器族是一種以圖像梯度信息表示圖像紋理特征的方法，傅里葉變換[2]適合描述周期函數(shù),，頻域特征比空域特征更具有抗噪性,，但是對于方向性不敏感，僅包含了圖像水平和垂直方向的梯度,，丟失了其他方向上的重要信息,，同樣缺乏空間分布信息。小波分析[3]因其突出的局域特性和多尺度特性近年來在紋理分析中受到重視,，但缺點(diǎn)是計(jì)算量大。
    基于機(jī)器視覺的羽毛檢測是羽毛球生產(chǎn)自動化的關(guān)鍵環(huán)節(jié),，波紋紋理是羽毛缺陷類型的一種,，主要表現(xiàn)為羽毛片上空間周期出現(xiàn)的明暗變化，在自動化檢測中需要根據(jù)羽毛波紋的嚴(yán)重程度進(jìn)行分類識別,。本文的研究對象是羽毛片,，在對圖像預(yù)處理的基礎(chǔ)上，提出了一種改進(jìn)多向梯度算法用于紋理特征提取,，針對羽毛片圖像的波紋紋理特征進(jìn)行分析量化,，最后設(shè)定閾值進(jìn)行分類識別的方法。實(shí)驗(yàn)結(jié)果表明,，本算法對紋理特征的提取有較高的效率和準(zhǔn)確率,，也具有良好的泛化特性和自適應(yīng)性能。
1 圖像亮度修正
　在羽毛系統(tǒng)的硬件裝置中,，光源與羽毛表面呈45°角放置,，使得照到羽毛表面的光比較均勻，但光射始終還是存在一定的不均勻度,，導(dǎo)致羽毛表面亮度也不均勻,。在波紋紋理羽毛的檢測中，羽毛表面亮度的非均勻性會對最終的結(jié)果判定產(chǎn)生很大的影響,。對此,，先在Lab顏色空間[4]下進(jìn)行一定的亮度修正。


2.2 建立分級模型
　實(shí)際生產(chǎn)中將波紋等級分為一級,、二級,、三級,、四

　本文提出的方法在典型梯度算法基礎(chǔ)上針對紋理方向性特征進(jìn)行了改進(jìn)，有效地提取圖像紋理特征,，并給出量化指標(biāo)進(jìn)行綜合評價(jià),。全部的運(yùn)算過程都是加減運(yùn)算，避免了乘法運(yùn)算,，計(jì)算復(fù)雜度小,，滿足機(jī)器視覺檢測系統(tǒng)的實(shí)時(shí)性需要。另外,，圖像預(yù)處理對亮度進(jìn)行修正,，程序設(shè)計(jì)中的處理對邊緣信息和其他干擾信息不敏感，目標(biāo)區(qū)域發(fā)生相對旋轉(zhuǎn)也不影響結(jié)果,，具有較好的魯棒性,。利用已分級的羽毛樣品進(jìn)行檢測實(shí)驗(yàn)，不同等級之間的結(jié)果存在明顯的區(qū)分度,，波紋紋理越嚴(yán)重,，值越大，實(shí)驗(yàn)證明了本算法的有效性,。本方法只是在單一尺度的基礎(chǔ)上考慮,，由于紋理圖像的不規(guī)則性和復(fù)雜性，若考慮多尺度的變化,，方法還要進(jìn)一步改進(jìn),。
參考文獻(xiàn)
[1] HARALICK R M， SHANMUGAM K,， DINSTEIN I. Textural features for image classification[J]. IEEE Transactions on System,， Man， and Cybernetie,， 1973,，3（6）： 610-631.
[2] 熊四昌，陳國波.工件表面紋理間距提取的一種新方法[J].光學(xué)儀器,，2007（6）：14-17.
[3] 劉洪江,，汪仁煌.基于羽毛圖像紋理分割的毛桿提取方法[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2010,，27（4）：42-45.
[4] 林開顏,，吳軍輝.彩色圖像分割方法綜述[J].中國圖像圖形學(xué)報(bào)，2005,，10（1）：1-10.
[5] 李偉,，康晴晴，張俊雄,，等.基于機(jī)器視覺的蘋果表面紋理檢測方法[J].吉林大學(xué)學(xué)報(bào),，2008,，38（5）：1110-1113.
[6] 溫江濤，王伯雄.基于局部灰度梯度特征的圖像快速配準(zhǔn)方法[J].清華大學(xué)學(xué)報(bào)（自然科學(xué)版）,，2009,，49（5）： 57-59.