CN101650832A - 编织纹样式的图像分析方法 - Google Patents

Abstract

本发明涉及一种编织纹样式的图像分析方法，包括前处理过程，识别过程和后处理过程，所述前处理过程是利用频率分析和空间位置分析来确定织物结构上的交织点位置；所述识别过程是利用主成分分析和层次分类来标记所述交织点位置上的经线和纬线，并输出用不同标记分别表示所述经线和纬线的二元栅格图；所述后处理过程是通过人机交互操作将输出的二元栅格图进行进一步改进，直到所述二元栅格图达到用户满意为止。本发明不仅能提供织物的整体编织纹样式信息，还能描述每单根纱线如何交织，另外，还克服了现有技术不能分析多颜色的织物，运算速度慢，图像清晰度要求高等缺陷，能够高效地完成织物的编织纹样式分析，分析结果具有很高的鲁棒性。

Description

编织纹样式的图像分析方法

技术领域

本发明涉及图像分析方法，更具体地说，涉及一种编织纹样式的图像分析方法。

背景技术

现代图像分析技术能够很好地完成织物分类和样式识别，但是织物分类不能说明纤维组织的微观结构，也不能各单根纱线的特征，而样式识别技术也不适合机织物的样式识别。这是因为大多数传统应用中，样式是比较少见的，但是机织物里样式却很集中，故而现代图像分析技术很难直接应用于机织物分析。

当然，在纺织领域的确存在很多基于图像的系统，一些用来检测纤维特征，一些用来分析纱线缺陷，确定天然色素含量等级，测量纱线长度等等，但这些系统大多都不能提供足够多的有关纱线如何交织，编织纹是怎样的之类的信息。

人们也在尝试使用计算机视觉技术来分析织物的编织纹样式，其中一种方法是利用频率分析技术。这种方法包括傅里叶变换，Gabor滤波，小波变换等方法，但它不能用于多种颜色的织物，因为不同颜色会影响相应的频率信息，并且这种方法也不能提供任何织物微观结构的信息。另一种分析织物编织纹样式的方法是利用图像的空间信息，比如分析边界，纱线形状和匹配模版等。这种方法需要借助非常清晰的图像，同时还要求纱线形状简洁无毛糙，这在实际应用中是很难实现的，另外，空间分析法运算相当慢，只能应用于小样品的分析。

因此，需要一种图像分析方法，既能分析编织纹样式，还能获得织物的一些微观特征，同时还能克服上述两种分析方法的缺点。

发明内容

本发明要解决的技术问题在于，针对现有技术的分析编织纹样式的局限性缺陷，提供一种既能分析织物整体编织纹样式，又能描述单根纱线交织状况的图像分析方法。

本发明解决其技术问题所采用的技术方案是：提供一种编织纹样式的图像分析方法，包括前处理过程，识别过程和后处理过程。

在本发明所述的编织纹样式的图像分析方法中，所述前处理过程是指将读取的图像调整为灰度级图像，然后对图像进行频率分析和空间信息分析来确定织物的交织点位置。

在本发明所述的编织纹样式的图像分析方法中，所述识别过程是指读取将前处理过程得到的交织点，对交织点附近区域进行主成分分析，并通过一定算法对分析结果的数据进行层次分类，最终数据被分为两类，一类标记为经线点，一类为纬线点，最后输出表示经纬线的1/0二元栅格图。

在本发明所述的编织纹样式的图像分析方法中，所述后处理过程是指将二元栅格图显示到屏幕上，用户检测所述二元栅格图所显示的编织纹样式是否准确，如果准确则后处理过程结束，如果不准确则调整滤波阈值继续识别过程，循环直至图像准确为止。

实施本发明的编织纹样式的图像分析方法，具有以下有益效果：本发明不仅能提供织物的整体编织纹样式信息，还能描述每单根纱线如何交织，另外，本发明能克服现有的频率分析技术不能分析多颜色织物的缺陷，同时也克服了空间信息技术运算慢，图像清晰度要求高的缺陷，能够高效地完成织物的编织纹样式分析，不受图像清晰度等因素影响，且对常规的干扰因素如毛疵，纱线粗糙等不敏感，其分析结果具有很高的鲁棒性。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明编织纹样式的图像分析方法的整体工作流程图；

图2是本发明编织纹样式的图像分析方法前处理过程的详细工作流程图；

图3是本发明编织纹样式的图像分析方法识别过程的详细工作流程图；

图4是本发明编织纹样式的图像分析方法后处理过程的详细工作流程图；

图5是本发明编织纹样式的图像分析方法的扫描仪扫描到的织物图像；

图6是本发明编织纹样式的图像分析方法前处理过程阶段对图5所示的图像去颜色后的织物图像；

图7是图6所示的图像局部的频域显示图；

图8是图7所示交织点位置使用滤波器后的频率信息，绿色区域表示滤波器；

图9是图5所示的图像经过图8所示的滤波器组处理后的图像，交织点位于图像的局部最大点；

图10是图5标记了交织点位置的图像，红色区域表明交织点附近位置为选中被剪裁出来；

图11是对图10所显示区域采用主成分分析法以二维特征空间形式显示的标记示意图，椭圆形区域表示给定阈值范围内用层次分类法对各数据进行分组；

图12是用空间滤波器将图11的各组数据进一步合成为两组；

图13是对图5所示图像标记出交织点位置的经线(红叉)和纬线(绿圈)的图像；

图14是本发明编织纹样式的图像分析方法最终的二元栅格图。

具体实施方式

在图1示出的是本发明的整体工作流程图，包括步骤1到步骤5。步骤1是获取图像；步骤2是前处理，用于提取下一步分类所需的特征，包括织物图像最重要的信息，即交织点位置；步骤3在获知交织点位置的基础上，利用主成分分析法分析交织点附近区域，然后将数据依据主成分分为两组；步骤4将交织点的经线点和纬线点标记出来，然后用二元栅格图来表现出编织纹样式，通过人机交互界面，用户可以对二元栅格图进行进一步改进；最后是步骤5打印结果。

图2示出的是本发明的前处理过程的详细工作流程图。前处理过程包括从步骤6到步骤12。

步骤6将图像RGB格式换为NTSC格式，将色度和饱和度调为0，亮度调为灰度级。

步骤7将图像灰度级设为织物结构分解方程里的I值：

$\underset{u,g_1,g_2}{\inf }\{G_p(u,g_1,g_2)=\∫|\▿u|+\mathrm{\λ}\∫{|I-u-{\∂}_x{g}_1-{\∂}_y{g}_2|}^2\mathrm{dxdy}$

$+\mathrm{\μ}{[\∫{\left(\sqrt{g_1^2+g_2^2}\right)}^2\mathrm{dxdy}]}^{\frac{1}{p}}\}---\left(1\right)$

其中λ，μ＞0，并且

I＝u+v

$v(x,y)={\∂}_x{g}_1(x,y)+{\∂}_y{g}_2(x,y).$

上述变量的微分，用Euler-Lagrange方程来解，即

$u=I-{\∂}_x{g}_1-{\∂}_y{g}_2+\frac{1}{2\mathrm{\λ}}\mathrm{div}\left(\frac{\▿u}{|\▿u|}\right)$

$\mathrm{\μ}\frac{g_1}{\sqrt{g_1^2+g_2^2}}=2\mathrm{\λ}[\frac{\∂}{\∂x}(u-I)+{\∂}_{\mathrm{xx}}^2{g}_1+{\∂}_{\mathrm{xy}}^2{g}_2]$

$\mathrm{\μ}\frac{g_2}{\sqrt{g_1^2+g_2^2}}=2\mathrm{\λ}[\frac{\∂}{\∂y}(u-I)+{\∂}_{\mathrm{xy}}^2{g}_1+{\∂}_{\mathrm{yy}}^2{g}_2]$

上述方程采用有限差分，其中u，g1，g2的初始值分别为u⁰＝I， $g_1^0=-\frac{1}{2\mathrm{\λ}}\frac{I_x}{|\▿I|}$ 和 $g_2^0=-\frac{1}{2\mathrm{\λ}}\frac{I_x}{|\▿I|},$ 方程(1)的结果即表示图像I的结构，图像v(v＝I-u)表示图像I的纹理，图5和图6显示了某织物图像和它的相应纹理。

步骤8决定下一个分析阶段，如果是，则继续进行颜色分析，彩色图像u被读取并分析(尽管本发明目前不含一个完整的织物图像的颜色分析仪，但这也是本发明的一个可行实施例)，如果否，则正弦波图像v被读取并进入步骤10。

步骤11采用滤波器分析v的频域，滤波器用来筛选纱线的定位信息，包括水平和垂直两个方向。

如图8所示，通过Radon变换检测图像上的水平线，垂直线和两条斜线。在Radon域中，靠近垂直方向的峰值响应将垂直线检测出来，同样也可以检测到水平线。通过选择Radon域里除开垂直和水平方向最大值响应可以找到斜线。这样，图8所示的线还说明频率峰值都在这四条直线上。与纱线位置相关的峰值靠近图中两条黄线的交点。带通滤波器(绿色显示)运行，选择出峰值，从而找到纱线位置。

滤波操作如图9所示，找到交织点，确定局部最大点的图像坐标，并标记显示到屏幕上，标记结果如图10所示。

在图3示出的本发明的识别过程中，交织点进一步分为两组，一组是经线点，表明在图像上这点位置为一条经线，纬线点则表明纬线。识别过程共包括步骤15至步骤19。

步骤15剪裁(如图10所示)出每个交织点位置附近的区域并放在一起，区域面积能刚好盖住当前点位置相邻的8个点。

步骤16采用主成分分析法，将每个区域缩小到2，然后区域用特征空间表示为一个二维点，反之，每个二维点对以一个图像区域。

步骤17进行层次分类，即确定距离阈值，然后将在阈值内相互靠得足够近的数据点归为一组(图11显示了这些数据点是如何分组的)，则每一组的平均区域就可获知，这个平均区域送入到图12的标准形状滤波器中，所述形状滤波器有两种，一种用于垂直区域，一种用于水平区域。对于每组数据来说，如果平均区域在水平滤波器中滤波响应更高，则这一组为水平的，反之则为垂直的。

最后，这些组被分为两组，步骤18将对这些组属于经线还是纬线进行标记。

所有交织点标记后，步骤19生成一个二元栅格图。在这个图中，每个栅格代表一个图像上的交织点，二元的0或1表示经线或纬线。由于识别结果可能存在错误而导致栅格图也存在错误，因此，需要进一步的滤波过程。这在后处理过程中进行。

图4显示的是后处理阶段的所有步骤。采用人机交互界面，初始二元栅格图被显示在屏幕上，如步骤20所述。如果栅格显示结果令人满意，则当前栅格图作为最终结果。如果栅格图需要进一步改善，用户可以选择调整下面操作中的阈值。在步骤22中，引入频率分析，栅格图首先用快速傅里叶变换(FFT)变换为频域，步骤23中，用户选择阈值，在这个值范围内除大系数外的所有傅里叶系数都调整为0。过滤操作减少了错误二元标记的影响。因此，栅格图结果会更接近原始图像的编织纹样式。显示结果被送到步骤20，然后继续循环直到用户满意。

Claims (15)

1.一种编织纹样式的图像分析方法，其特征在于，包括：

前处理过程(2)，即将读取的彩色图像转为灰度级(6)，再用傅里叶变换转为频率图像，并经过频率分析(10)和空间位置分析(11)确定交织点位置(12)；

识别过程(3)，即根据前处理过程所得到的交织点位置，裁取交织点附近区域(15)，然后经过主成分分析(16)和层次分类(17)，对所述分类相应表示的经线或纬线分别进行标记(18)，最后输出表示经纬特征的1/0二元栅格图；

后处理过程(4)，即将读取到的二元栅格图显示在屏幕上(20)，当所显示的图需要进一步改进，则通过人机交互操作来调整滤波阈值(22)，再次滤波(23)后获得新的二元栅格图并送至屏幕显示(20)，进入循环直至所显示的图不再需要改进为止。

2.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，利用方程对织物图像的结构纹理分离，使得图像上的色彩被去除，从而转为灰度级图像。

3.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，使用带通滤波器对频率图像的频域采用滤波方法来检测纱线位置。

4.根据权利要求3所述的编织纹样式的图像分析方法，其特征在于，所述带通滤波器先检测到频率图像上各峰值点连线得到的交点从而确定纱线位置，所述峰值点是对频率图像进行Radon变换得到的。

5.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，交织点位于滤波后图像的局部最大点。

6.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，所述交织点附近区域大小必须能盖住交织点相邻8个点。

7.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，所述交织点附近区域是用主成分分析法来分析。

8.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，所述层次分类是先设定一个阈值，然后将相互距离小于这个阈值的数据点归为一组，将得到多个组。

9.根据权利要求1或8任一项所述的编织纹样式的图像分析方法，其特征在于，所述层次分类是将分组后的数据点在经过一个图形滤波器，将所述多个组分为两组，一组为经线点，一组为纬线点。

10.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，所述人机交互操作包括在原始图像上标记交织点，显示编织纹样式的二元栅格图和调整滤波阈值以对所述二元栅格图进行进一步滤波。

11.根据权利要求10所述的编织纹样式的图像分析方法，其特征在于，所述标记交织点是用“+”号来标记经线点，“O”号来标记纬线点。

12.根据权利要求10所述的编织纹样式的图像分析方法，其特征在于，所述二元栅格图上每一个交织点用一个栅格表示。

13.根据权利要求10所述的编织纹样式的图像分析方法，其特征在于，所述二元栅格图上用“1”来表示相应交织点上的“+”号，用“0”来表示相应交织点上的“O”号。

14.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，所述调整滤波阈值是将傅里叶变换中每个绝对值小于阈值的傅里叶系数设为0。

15.根据权利要求1所述的编织纹样式的图像分析方法，其特征在于，本发明最终的图像结果包括标记了每个交织点位置的织物图像和显示编织纹样式的二元栅格图。

Images