摘  要： 提出了一種改進(jìn)的自適應(yīng)閾值算法,。首先引入前置低通濾波器,，降低局部紋理的復(fù)雜性,，同時(shí)較好地保持疵點(diǎn)區(qū)域，然后對濾波后的織物圖像進(jìn)行自適應(yīng)閾值分割,，可獲得較好的分割效果,。實(shí)驗(yàn)結(jié)果表明，該算法對簡單紋理和復(fù)雜紋理的織物圖像均具有較好的分割結(jié)果,。
關(guān)鍵詞： 疵點(diǎn)檢測,； 閾值分割； 低通濾波,； 自適應(yīng)閾值

    織物疵點(diǎn)檢測是織物生產(chǎn)過程中的一個(gè)重要環(huán)節(jié),。傳統(tǒng)的疵點(diǎn)檢測方法是由驗(yàn)布人員參照驗(yàn)布標(biāo)準(zhǔn)，尋找布面疵點(diǎn),。該類檢測方法勞動強(qiáng)度大,、檢測效率低，驗(yàn)布結(jié)果易受驗(yàn)布人員主觀影響,，且誤檢率和漏檢率高,。基于機(jī)器視覺的織物疵點(diǎn)自動檢測成為人們關(guān)注和研究的焦點(diǎn),。該類方法可以根據(jù)圖像的灰度分布自動選擇最優(yōu)灰度閾值,，將疵點(diǎn)區(qū)域從織物圖像中分離出來。
    常用閾值分割法有雙峰法,、迭代法,、最大類間方差法和自適應(yīng)閾值算法等。參考文獻(xiàn)[1]提出基于雙峰法的圖像分割技術(shù),，通過計(jì)算直方圖,，選取兩波峰之間谷底對應(yīng)的灰度值作為分割閾值，該類方法僅適用于背景簡單,、直方圖具有典型雙峰分布特性的織物圖像,，但對直方圖是多峰或雙峰差別很大的織物圖像效果不明顯。參考文獻(xiàn)[2]提出基于迭代法的圖像分割技術(shù),，能把目標(biāo)與背景的主要部分區(qū)分出來,，但圖像的部分細(xì)節(jié)不能得到很好的區(qū)分。參考文獻(xiàn)[3-5]提出基于最大類間方差法的圖像分割技術(shù),，當(dāng)圖像中目標(biāo)與背景的大小之比很小時(shí),，該方法分割檢測圖像效果較差。參考文獻(xiàn)[6]提出基于自適應(yīng)閾值的圖像分割算法,。該類方法通過引入權(quán)值,，改進(jìn)了最大類間方差法，在常見的織物圖像上取得了較好的檢測結(jié)果,，但對于復(fù)雜紋理的織物表面檢測效果并不理想,?；谏鲜鲈颍疚奶岢龌诟倪M(jìn)自適應(yīng)閾值的疵點(diǎn)檢測算法,，通過引入前置低通濾波器,，降低局部紋理的復(fù)雜性，同時(shí)較好地保持了疵點(diǎn)區(qū)域,，對濾波后的織物圖像采用自適應(yīng)閾值分割算法,，得到了滿意的效果。
1 低通濾波器設(shè)計(jì)
    織物圖像濾波可分為空域?yàn)V波和頻域?yàn)V波,。頻域?yàn)V波是以對圖像的傅里葉變換系數(shù)進(jìn)行濾波為基礎(chǔ)的,，根據(jù)通帶和阻帶所處的范圍不同，它可分為低通濾波,、帶通濾波和高通濾波,。傳統(tǒng)的自適應(yīng)閾值算法檢測復(fù)雜紋理的織物圖像時(shí)效果并不好，原因在于復(fù)雜紋理織物圖像灰度值變換較為劇烈,，影響分割結(jié)果,。本文通過設(shè)計(jì)低通濾波器對采集的織物圖像進(jìn)行平滑濾波，可以降低局部紋理的復(fù)雜性,，同時(shí)消除噪聲,，改善圖像質(zhì)量。
    設(shè)待處理圖像為f(x,y),其傅里葉變換表達(dá)式為F(u,v),，H(u,v)是低通濾波器的傳遞函數(shù),，濾波后圖像的傅里葉變換用G(u,v)表示，則低通濾波的數(shù)學(xué)表達(dá)式為：
 
2 自適應(yīng)閾值算法
    最大類間方差法根據(jù)圖像的灰度特性,，把圖像分為背景和目標(biāo)兩部分,。背景與目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大,，如果把背景錯(cuò)分為目標(biāo)或目標(biāo)錯(cuò)分為背景,就會導(dǎo)致兩部分差別變小,。具體算法如下。
 
　    同理,，當(dāng)有N-1個(gè)閾值(N個(gè)類別)時(shí),，自適應(yīng)閾值最佳閾值計(jì)算公式為：

3 實(shí)驗(yàn)結(jié)果與分析
    本實(shí)驗(yàn)程序代碼在Matlab 7.0環(huán)境下運(yùn)行,。對幾種典型的織物疵點(diǎn)進(jìn)行檢測,，所用圖像為灰度圖像(若為彩色圖像，可將其轉(zhuǎn)換為灰度圖像),。實(shí)驗(yàn)結(jié)果如圖1~圖3所示,。

    織物樣本1如圖1(a)所示，該織物圖像含有一個(gè)較小的暗點(diǎn),，該圖片紋理相對較為簡單,，但光照不均勻,。采用最大類間方差方法檢測結(jié)果如圖1(b)所示，可以看出該方法受光照影響較大,，分割結(jié)果完全錯(cuò)誤,。而自適應(yīng)閾值方法及本文改進(jìn)的方法均能正確分割。
    織物樣本2如圖2(a)所示,，該樣本比樣本1復(fù)雜,，表面有明顯的污跡，且有噪聲污染,?？椢飿颖?如圖3(a)所示，圖像存在破洞缺陷,。采用最大類間方差法和自適應(yīng)閾值法檢測的結(jié)果如圖2(b),、圖2(c)和圖3(b)、圖 3(c)所示,，由于圖像紋理復(fù)雜,，直方圖不存在雙峰型分布，兩者均不能分割出疵點(diǎn)部分,，而用本文改進(jìn)的方法能正確分割,，且獲得了理想的分割效果。

    本文提出了一種基于改進(jìn)的自適應(yīng)閾值的織物疵點(diǎn)檢測方法,。首先采用低通濾波器對織物圖像進(jìn)行平滑處理,，然后用自適應(yīng)閾值算法對圖像分割檢測。實(shí)驗(yàn)結(jié)果表明,，改進(jìn)的自適應(yīng)閾值法不僅適用于紋理相對簡單,、疵點(diǎn)不明顯的圖像，也適用于紋理復(fù)雜的圖像,，且不受光照,、噪聲影響。本文算法簡便易行,，可用于實(shí)時(shí)織物疵點(diǎn)檢測系統(tǒng)中,。
參考文獻(xiàn)
[1] 楊修國. 關(guān)于直方圖雙峰法的研究與改進(jìn)[J]. 電子設(shè)計(jì)工程，2012,，20（12）：176-179.
[2] 沈圓,，李國勇. 圖像的閾值分割法設(shè)計(jì)[J]. 機(jī)械工程與自動化，2012(5):45-46.
[3] 梁光明,，劉東華,，李波，等. 二維Otsu自適應(yīng)閾值分割法的改進(jìn)[J]. 自動化技術(shù)與應(yīng)用,，2002,，21(5)：43-47.
[4] 陰國富. 基于閾值法的圖像分割技術(shù)[J].現(xiàn)代電子技術(shù), 2007(23):107-108.
[5] LIAO P S, CHEN T S, CHUNG P C. A fast algorithm  for multilevel thresholding[J]. Journal of Information Science and Engineering,，2001(17):713-727.
[6] NG H F. Automatic thresholding for defect detection[J].Pattern Recognition Letters，2006(27):1644-1649.