基于频谱分析的纺织品缺陷自适应检测方法与流程

1.本发明涉及纺织技术领域，具体涉及基于频谱分析的纺织品缺陷自适应检测方法。


背景技术：

2.在纺织品的生产过程中，需要通过验布机对最终的纺织成品进行缺陷检测，很多验布机检测缺陷时，需要操作人员在充足光源下靠目力观察，发现面疵点和色差等缺陷，验布机自动完成记长和卷装整理工作，这种情况下对纺织品的缺陷检测速度低，检测人员的主观性对检测结果影响大，且容易漏检；性能好的验布机带有电子检疵装置，通过图像分割或者利用神经网络识别缺陷部位，而纺织品往往是具有很多的纹理背景特征，可能会导致缺陷检测结果不准确。


技术实现要素：

3.为了解决上述技术问题，本发明的目的在于提供一种基于频谱分析的纺织品缺陷自适应检测方法，所采用的技术方案具体如下：本发明实施例提供了一种基于频谱分析的纺织品缺陷自适应检测方法，该方法包括以下步骤：采集纺织品的表面图像，获取所述表面图像的灰度图像以及所述灰度图像对应的频谱图；对所述频谱图生成不同的滤波模板；分别利用所述滤波模板对所述频谱图进行滤波操作，得到多张第二频谱图，并转换为第二灰度图像；提取所述第二灰度图像的边缘得到边缘图像，根据所述边缘图像中像素点的坐标计算所述边缘图像中边缘曲线的偏移程度，根据每两条所述边缘曲线之间的最短距离获取所述边缘图像的密集程度；根据所述偏移程度和所述密集程度以及所述边缘的面积占比得到每张所述第二灰度图像的边缘效果；根据所述边缘效果得到每个所述滤波模板对所述表面图像的背景纹理的弱化效果；选取所述弱化效果最大的滤波模板对应的第二灰度图像作为检测图像，对所述检测图像进行边缘检测，通过获取边缘检测结果中的线段密集位置确定缺陷位置。
4.优选的，所述滤波模板的生成步骤包括：利用滑窗从所述频谱图的中心点沿着最大值的方向移动，得到所述频谱图中的高亮点坐标；选取至少一个所述高亮点坐标与中心点组合，通过形态学处理得到一张二值图像，作为所述滤波模板。
5.优选的，所述第二灰度图像的获取方法为：分别选取所述滤波模板，与所述频谱图作矩阵点乘，得到所述第二频谱图；将所述第二频谱图进行反傅里叶变换，得到对应的所述第二灰度图像。
6.优选的，所述偏移程度的计算步骤包括：利用第二滑窗遍历所述边缘图像中所有像素点，并对其标号；获取相同标号的像素点组成的边缘曲线，根据所述边缘曲线中的像素点拟合出对应的理想曲线，通过计算所述像素点与所述理想曲线的距离计算所述偏移程度。
7.优选的，所述标号的方法为：当所述第二滑窗开始遍历时，从1开始对非零像素点进行递增标号；当所述第二滑窗中存在标号唯一的已标号非零像素点，其他非零像素点标记该标号；当所述第二滑窗中存在不同标号的已标号非零像素点，其他非零像素点递增标号。
8.优选的，所述密集程度的获取步骤包括：选取一条目标边缘曲线，计算所述目标边缘曲线与每条边缘曲线之间的最短距离，以所述最短距离与所述目标边缘曲线的长度的比值作为所述目标边缘曲线与对应边缘曲线的权值；根据每两条所述边缘曲线之间的权值获取所述密集程度。
9.优选的，所述弱化效果的获取方法为：将所述第二灰度图像的边缘效果与所述灰度图像的边缘效果作差得到对应的滤波模板的所述弱化效果。
10.优选的，所述缺陷位置的获取步骤包括：对所述检测图像进行边缘检测，得到第二边缘图像，作为边缘检测结果，对所述边缘检测结果进行直线检测并对得到的直线段数量进行离群点检测，获取缺陷边缘；对所述缺陷边缘进行聚类，得到线段密集位置，作为所述缺陷位置。
11.本发明实施例至少具有如下有益效果：获取纺织品表面图像的频谱图，生成多个滤波模板对频谱图进行滤波操作，得到背景纹理弱化效果最好的滤波模板，利用该滤波模板得到检测图像，进而检测出缺陷的位置。本发明实施例能够选取背景纹理弱化效果最佳的滤波模板，完成滤波模板的自适应选取，提高纺织品缺陷检测的准确性。
附图说明
12.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
13.图1为本发明一个实施例提供的基于频谱分析的纺织品缺陷自适应检测方法的步骤流程图；图2为本发明一个实施例提供的纺织品表面图像；图3为本发明一个实施例提供的纺织品表面图像的灰度图像对应的中心化频谱图；图4为本发明一个实施例提供的选取一个高亮点与中心点组合得到的滤波模板；图5为本发明一个实施例提供的第二灰度图像；图6为本发明一个实施例提供的第二边缘图像；
图7为本发明一个实施例提供的纺织品表面图像的灰度图像进行边缘检测得到的边缘图像。
具体实施方式
14.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于频谱分析的纺织品缺陷自适应检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
15.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
16.下面结合附图具体的说明本发明所提供的基于频谱分析的纺织品缺陷自适应检测方法的具体方案。
17.需要说明的是，本发明实施例适用于线性纹理的纺织品的缺陷检测。
18.请参阅图1，其示出了本发明一个实施例提供的基于频谱分析的纺织品缺陷自适应检测方法的步骤流程图，该方法包括以下步骤：步骤s001，采集纺织品的表面图像，获取表面图像的灰度图像以及灰度图像对应的频谱图；对频谱图生成不同的滤波模板。
19.具体的步骤包括：1.采集纺织品的图像。
20.在验布机的验布过程中，通过验布机的相机拍摄得到纺织品的图像。验布机的相机从纺织品的上方，俯视拍摄纺织品的一个纹理周期，采集纺织品一个周期的纹理图案，得到纺织品表面图像，如图2所示。
21.2.获取滤波模板。
22.将采集的图像灰度化，获取灰度图像，然后采用快速傅里叶变换得到灰度图的频谱图，频谱图中包含了图像中的高频信息和低频信息，通过滤波模板，滤去频谱图中不同频域信息，弱化背景纹理信息对检测结果的干扰。
23.具体的步骤包括：2.1利用滑窗从频谱图的中心点沿着最大值的方向移动，得到频谱图中的高亮点坐标。
24.具体的，先对频谱图取模，再将频谱图中心化，得到中心化频谱图，如图3所示。建立一个n*n的滑窗，其中n为滑窗大小，作为一个示例，本发明实施例中n取3。滑窗滑动的方式为：以中心锚点为中心，将滑窗内的9个像素点的值排序，选取滑窗内的最大值，将最大值作为中心锚点的下一个移动位置。如果存在多个最大值，则随机选取一个。通过滑窗不断沿着最大值的方向移动，得到中心化频谱图中的高亮点坐标：，，，
…
，，其中为高亮点的个数。
25.2.2选取至少一个高亮点坐标与中心点组合，通过形态学处理得到一张二值图像，作为滤波模板。
26.将每个高亮点的像素值置1，其他位置置0，生成二值图，并通过形态学处理得到高
亮点的感兴趣区域，高亮点对应的感兴趣区域标签为。选取至少一个高亮点的感兴趣区域与中心点的感兴趣区域组合成一张新的二值图像作为滤波模板，共计可以得到张滤波二值图模板。
27.作为一个示例，本发明实施例提供了选取一个高亮点与中心点组合得到的滤波模板的示例图，如图4所示。
28.步骤s002，分别利用滤波模板对频谱图进行滤波操作，得到多张第二频谱图，并转换为第二灰度图像；提取第二灰度图像的边缘得到边缘图像，根据边缘图像中像素点的坐标计算边缘图像中边缘曲线的偏移程度，根据每两条边缘曲线之间的距离获取边缘图像的密集程度。
29.具体的步骤包括：1.分别选取滤波模板，与频谱图作矩阵点乘，得到第二频谱图；将第二频谱图进行反傅里叶变换，得到对应的第二灰度图像。
30.从多个滤波二值图中，每次选取其中一个滤波模板，与中心化频谱图做矩阵点乘，即矩阵各个对应位置的元素相乘，得到滤波后的弱化了背景纹理的第二频谱图，将第二频谱图进行反傅里傅里叶变换，得到第二灰度图像，如图5所示。
31.所有滤波模板对频谱图进行滤波，每个滤波模板得到对应的一张第二灰度图像。通过滤波完成了图像频域上的部分信息过滤，再将频域信息变为空域信息，因为只具有部分背景纹理信息，所以实现第二灰度图像的背景纹理信息的弱化效果，通过得到最佳的弱化效果，得到更好的缺陷检测结果。
32.2.提取第二灰度图像的边缘得到边缘图像，利用第二滑窗遍历边缘图像中所有像素点，并对其标号。
33.对第二灰度图像进行边缘检测，得到边缘图像；当第二滑窗开始遍历边缘图像时，从1开始对非零像素点进行递增标号；当第二滑窗中存在标号唯一的已标号非零像素点，其他非零像素点标记该标号；当第二滑窗中存在不同标号的已标号非零像素点，其他非零像素点递增标号。
34.作为一个示例，本发明实施例中采用canny边缘检测算法进行边缘检测。
35.作为一个示例，本发明实施例选用3
×
3的8邻域滑窗作为第二滑窗，从边缘图像的坐标原点，从左向右，从上到下，依次遍历所有像素，同时为每个非零像素点标号。
36.3.获取相同标号的像素点组成的边缘曲线，根据边缘曲线中的像素点拟合出对应的理想曲线，通过计算像素点与理想曲线的距离计算偏移程度。
37.通过遍历图像，得到图像中每个非零像素点所属的标号，相同标号的像素点组成一条边缘曲线。统计标号数量得到边缘曲线的数量，统计每个标号标记的非零像素点的数量，得到每条边缘曲线所含像素点的数量b，进而得到每个像素点的坐标。
38.作为一个示例，当第条边缘曲线中含有b个像素点时，得到第条边缘曲线中所含像素点的坐标。
39.对每条边缘曲线上的像素点坐标进行拟合，得到该边缘曲线的理想曲线，然后根据点到曲线的距离公式得到该边缘曲线上每个像素点到理想曲线的距离，以该边缘曲线上所有像素点到理想曲线的距离之和作为该边缘曲线的波动程度。
40.以波动程度和像素点数量的比值作为对应边缘曲线的偏移程度，以所有边缘曲线的理想城程度的平均值作为边缘图像的偏移程度。
41.以第条边缘曲线为例，计算该边缘曲线上第j个像素点到理想曲线的距离为，则波动程度，第条边缘曲线的偏移程度，边缘图像的偏移程度。偏移程度越小，边缘曲线与理想曲线越契合。
42.4.选取一条目标边缘曲线，计算目标边缘曲线与每条边缘曲线之间的最短距离，以最短距离与目标边缘曲线的长度的比值作为目标边缘曲线与对应边缘曲线的权值；根据每两条边缘曲线之间的权值获取密集程度。
43.选取一条目标边缘曲线，计算目标边缘曲线与每条边缘曲线之间的最短距离，每条目标边缘曲线都对应有m个最短距离，包括其自身与自身的最短距离。通过获取每两条边缘曲线之间的最短距离，建立边缘曲线之间距离的带权有向完全图，其中每两条边缘曲线之间的权值mq：通过dijkstra算法，获取带权有向完全图的最小权值，作为整体的密集率。
44.整体的密集率代表了将每个边缘按最密集，即相互之间权值最小的方式串起来，并将权值相加得到整体的最小权值，代表了所有边缘之间的最密集程度，所以的值越小，边缘图像中的边缘曲线越密集。
45.步骤s003，根据偏移程度和密集程度以及边缘的面积占比得到每张第二灰度图像的边缘效果；根据边缘效果得到每个滤波模板对表面图像的背景纹理的弱化效果。
46.具体的步骤包括：1.计算每张第二灰度图像的边缘效果：其中，表示第二灰度图像的面积，表示边缘的面积，表示边缘的面积占比。
47.边缘的面积占比越大，边缘效果就越大；的值越大，边缘曲线整体就越稀疏，边缘效果越好；的值越小，边缘曲线越理想，边缘效果越好；边缘的分割效果越好，越有利于缺陷检测。
48.2.将第二灰度图像的边缘效果与灰度图像的边缘效果作差得到对应的滤波模板的弱化效果。
49.通过上述方法得到第二灰度图像的边缘，因为共有张滤波模板，所以可以得到张第二灰度图像，得到每张第二灰度图像的边缘效果，同样的方法获取灰度图像的边缘效果，作差得到第k张滤波模板的背景纹理弱化效果：步骤s004，选取弱化效果最大的滤波模板对应的第二灰度图像作为检测图像，对
检测图像进行边缘检测，通过获取边缘检测结果中的线段密集位置确定缺陷位置。
50.如果滤波模板选择的高亮区域过多，背景纹理保留过多，会导致图像的边缘效果仍然很差，可能会导致边缘之间过于密集无法识别缺陷边缘，长度过短边缘不连续，导致缺陷检测效果仍然不佳，弱化效果并不好。
51.如果滤波模板选择的高亮区域过少，背景纹理或者缺陷边缘保留过少，会导致纹理的边缘效果很差，可能会断续导致边缘之间过于分散无法显示缺陷，使缺陷检测效果仍然不佳，弱化效果也不好。
52.因此，需要筛选出弱化效果最好的滤波模板进行后续的检测。
53.具体的步骤包括：1.筛选出检测图像。
54.获取所有滤波二值图的背景纹理弱化效果。以对应的滤波模板作为背景纹理弱化效果最好的滤波模板，以该滤波模板得到的第二灰度图像作为检测图像。
55.2.获取缺陷位置。
56.对检测图像进行边缘检测，得到第二边缘图像，如图6所示，作为边缘检测结果，对边缘检测结果进行直线检测并对得到的直线段数量进行离群点检测，获取缺陷边缘；对缺陷边缘进行聚类，得到线段密集位置，作为缺陷位置。
57.具体的，对检测图像进行边缘检测，得到边缘检测结果，对边缘检测结果中的每条边缘做霍夫检测，得到每条边缘所拥有的直线段数量，当有图像中缺陷时，会使边缘变得弯曲，缺陷附近线段越弯曲，直线段也就越密集。对每个直线段数量做离群点检测，选取直线段个数大于均值的离群点所对应的边缘作为缺陷边缘。对缺陷边缘的各直线段的位置进行聚类，得到最密集直线段的位置，即为缺陷位置。
58.对灰度图像进行边缘检测得到的边缘图像如图7所示，此时的边缘杂乱，不进行背景纹理弱化直接进行缺陷检测，得到的缺陷检测结果不准确。
59.综上所述，本发明实施例采集纺织品的表面图像，获取表面图像的灰度图像以及灰度图像对应的频谱图；对频谱图生成不同的滤波模板；分别利用滤波模板对频谱图进行滤波操作，得到多张第二频谱图，并转换为第二灰度图像；提取第二灰度图像的边缘得到边缘图像，根据边缘图像中像素点的坐标计算边缘图像中边缘曲线的偏移程度，根据每两条边缘曲线之间的最短距离获取边缘图像的密集程度；根据偏移程度和密集程度以及边缘的面积占比得到每张第二灰度图像的边缘效果；根据边缘效果得到每个滤波模板对表面图像的背景纹理的弱化效果；选取弱化效果最大的滤波模板对应的第二灰度图像作为检测图像，对检测图像进行边缘检测，通过获取边缘检测结果中的线段密集位置确定缺陷位置。本发明实施例能够选取背景纹理弱化效果最佳的滤波模板，完成滤波模板的自适应选取，提高纺织品缺陷检测的准确性。
60.需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者
可能是有利的。
61.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
62.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。