CN102081797B - 应用于轮胎x光图像胎冠部位多带束层纹理分离方法 - Google Patents

Abstract

本发明所述应用于轮胎X光图像胎冠部位多带束层纹理分离方法，针对由轮胎X光检测设备所形成的轮胎X光图像的胎冠部分进行各带束层分层化处理，通过采用Gabor滤波器，针对轮胎X光图像因各带束层叠加而形成复杂纹理的胎冠部位的频谱信息进行取舍，将相互叠加的带束层纹理分离，从而可用于进一步的胎冠部位缺陷识别。在使用此算法进行各带束层分离之前，根据同种规格轮胎测算出胎冠部分各带束层的方向、位置、纹理周期信息，并进一步得到各带束层的频谱特征，通过各带束层频谱信息的分布位置与范围大小，来给出Gabor滤波器中的标准偏差、角度等参数，形成相应的Gabor滤波器模板。

Description

应用于轮胎X光图像胎冠部位多带束层纹理分离方法

【技术领域】

本发明涉及一种数字图像处理方法，具体应用于将轮胎X光图像中胎冠部位多带束层相互叠加的多纹理图像分离为多个单纹理图像。

【背景技术】

轮胎是机动车辆的主要动作执行构件，轮胎性能的稳定以及是否符合安全设计标准将直接决定使用机动车辆的人员安全。轮胎是一种筒状断面的圆环型可旋转体，其是由多层带有钢丝帘线的橡胶预制材料、复合橡胶预制材料经贴合、成型、硫化定型加工而成。所述结构的轮胎，其构成材料不可避免地存在着钢丝帘线密度不均、帘线钢丝断裂、钢丝帘线缺失等问题。根据X光的透视成像原理，可以得到轮胎内部钢丝帘线状态与分布状况，通过对钢丝帘线的状态与分布状况的分析，获取缺陷信息，从而实现对轮胎的判级。

现有的轮胎X光机试验装置，在试验过程中，轮胎被安装、夹持在四个可转动定位柱上。定位柱旋转的同时，带动轮胎旋转，此时，由位于轮胎内侧的X光发生管发射X光线，穿透轮胎，由位于轮胎外侧的U型接收器接收。

现有的轮胎X光机试验装置，在获取轮胎的X光图像之后，以轮胎的X光图像为依据，进行判级。目前判级主要依赖人通过肉眼的观察，对显示在电脑屏幕上的轮胎X光图像缺陷进行人工识别，通过人为的直观判断，来确认轮胎的等级。在胎冠部位，由于有多个带束层相互叠加，相互交叠的带束层会彼此掩盖各带束层的部分缺陷，因此在轮胎X光图像的胎冠部位，用肉眼直观的观察很难分辨出带束层的某些缺陷，例如带束层缺失、带束层方向错误、带束层钢丝断裂等等，在人的肉眼看来，在胎冠部位的多数缺陷信息是微弱的，这也导致了轮胎缺陷较高的误判率，这也为日后的轮胎使用，车辆行驶增加了危险性。

发明内容

如果能将胎冠部位的带束层，采用数字图像处理的方法进行分离，单独显示出每个带束层的图像，在后续的判级工作中，无论是采用人工判级还是使用软件判级，都是将针对每个被分离出来的带束层纹理图像进行单独缺陷识别工作，避免了各带束层纹理带来的相互干扰，帮助极大降低轮胎的误判率。

【发明内容】

本发明所述的应用于轮胎X光图像胎冠部位多带束层纹理分离的方法，其目的在于解决上述问题而针对轮胎X光图像的胎冠部位相互交叠的多带束层纹理进行分离，将每个胎冠部位的多带束层纹理，采用Gabor滤波器提取每个带束层纹理的频谱信息，并进而还原出单一带束层纹理的图像，进一步可以将每个单一带束层纹理图像进行人工视觉缺陷分析或者进行计算机自动缺陷分析，帮助提高判级的准确性。

为了实现上述发明的目的，所述应用于轮胎X光图像胎冠部位带束层分离的方法，是在对轮胎X光图像的胎冠部分进行人工或计算机判级之前，针对轮胎胎冠部位各带束层纹理相互叠加的X光图像，在进行傅里叶频谱分析后，不同带束层纹理频谱信息是可分离的，采用Gabor滤波的方法，选择合适的Gabor滤波器参数，将归属于某个带束层纹理的频谱信息提取出来，进而还原为此带束层的纹理图像，达到各带束层纹理分离的目的。具体步骤如下：

第一步，获取一幅完整的轮胎X光图像I_X，在I_X内部，同时也是轮胎胎冠部位截取大小2^N*2^N的正方形图像I_O；N的取值要求为：2^N小于I_X的宽度和高度，并使图像I_O大小应该恰好能够覆盖胎冠部位的左边缘和右边缘；同时图像I_O的四边应当分别平行于轮胎X光图像I_X的四边；

第二步，将图像I_O进行快速傅里叶变换，得到频谱信息矩阵I_F，将频谱信息矩阵I_F进行移位操作，进而得到以频率(0，0)为中心点的2维频谱信息矩阵I_FS，I_F、I_FS均与图像I_O同大小；I_F、I_FS与图像I_O符合如下关系：

I_F＝fft2(I_O)

I_FS＝fftshift(I_F)

其中fft2表示进行快速2维傅里叶变换，fft2变换后的结果图像中，频率(0，0)所对应的信息值对应于结果矩阵的左上角首元素位置；

fftshift表示对快速傅里叶变换结果I_O进行移位操作，即以矩阵中心为原点，做水平和垂直的坐标轴，将1、3象限整体互换，将2、4象限整体互换得到的矩阵；互换后，频率(0，0)所对应的信息值对应于矩阵的中心位置；

第三步，轮胎胎冠部位是由若干带束层叠加构成，因此图像I_O是由若干带束层的纹理相互叠加而形成的多纹理图像，不同纹理的方向、频谱是不同的，不同方向、频谱的纹理是可以分离的；采用Gabor滤波器可以分离出不同方向、频谱的纹理，利用如下Gabor滤波公式，生成关于(0，0)原点对称的Gabor滤波器H；

$\left(\begin{array}{c}{u}_1^{\′}\\ v_1^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right)\left(\begin{array}{c}u\\ v\end{array}\right)$

$\left(\begin{array}{c}{u}_2^{\′}\\ v_2^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos (\mathrm{\π}+\mathrm{\θ})& \sin (\mathrm{\π}+\mathrm{\θ})\\ -\sin (\mathrm{\π}+\mathrm{\θ})& \cos (\mathrm{\π}+\mathrm{\θ})\end{array}\right)\left(\begin{array}{c}u\\ v\end{array}\right)$

H＝H₁+H₂

其中θ是某个带束层纹理的中心频率所在的角度；σ决定了滤波器的大小，λ是滤波器在u′₁方向上的宽度与在v′₁方向上的宽度大小的比值，同时也是滤波器在u′₂方向上的宽度与在v′₂方向上的宽度大小的比值，λ决定了滤波器的形状；θ、λ、σ为某个带束层纹理的特征参数，是已知量；

u、v是频谱信息矩阵I_FS以频率(0，0)点为原点的横坐标和纵坐标，其取值均为-2^N-1～(2^N-1-1)；

u′₁、v′₁是将u、v逆时针转动θ角度后得到的新坐标，同理u′₂、v′₂是将u、v逆时针转动(π+θ)角度后得到的新坐标；

F是坐标轴u′₁、v′₁上的坐标点，代表某个带束层纹理的中心频率，F≥0；

H表示Gabor滤波器模板矩阵，其大小为2^N*2^N，这是一个关于频率原点(0，0)点对称的2维高斯型带通滤波模板；

在这里，假设带束层的个数为M，针对第i个带束层纹理，给定一组Gabor滤波器的θ_i、λ_i、σ_i  i∈1，2，…，M参数，代入上述Gabor滤波器公式中，得到Gabor滤波器H_Mii∈1，2，…，M；

第四步，将频谱信息矩阵I_FS与Gabor滤波器H_M1进行点积，即对应矩阵元素相乘，点积的作用是将其他带束层的频谱信息滤除，从而只保留期望带束层的频谱信息矩阵I_FLii∈1，2，…，M，I_FLi满足如下关系式：

I_FLi＝I_FS·H_Mi，i∈1，2，…，M

I_FLi  i∈1，2，…，M最大程度保留了第i个带束层纹理的方向、频谱信息，摒弃了其他带束层钢丝帘线的方向、频谱信息；

第五步，将频谱信息矩阵I_FLi进行移位、傅里叶逆变换操作，得到第i个带束层纹理的图像I_Ri，I_FLi与I_Ri满足如下关系：

I_Ri＝ifft2(fftshift(I_FLi))   i∈1，2，…，M

其中，fftshift表示对I_FLi  i∈1，2，…，M进行移位操作，即以矩阵中心为原点，做水平和垂直的坐标轴，将1、3象限整体互换，将2、4象限整体互换得到新的矩阵；互换前，频率(0，0)所对应的信息值对应于频谱信息矩阵I_FLi   i∈1，2，…，M的中心位置；互换后，频率(0，0)所对应的信息值对应于结果矩阵的左上角首元素位置；

fft2表示进行快速2维傅里叶逆变换，变换结果得到图像I_Ri  i∈1，2，…，M；

I_Ri  i∈1，2，…，M是单纹理图像，是第i个带束层纹理被分离出来的结果图像；

经过滤波还原后的第i个带束层纹理图像I_Ri  i∈1，2，…，M，从若干个相互叠加的带束层纹理中最大程度的保留了第i个带束层的纹理，而其他带束层的纹理信息被剔除，在得到I_Rii∈1，2，…，M后，即完成第i个带束层纹理的分离工作；

第六步，针对不同的带束层，可以给定不同的Gabor滤波器的θ_i、λ_i、σ_i  i∈1，2，…，M参数，重复第三步到第五步，可得到任意带束层的单纹理图像。

本发明的优点和积极效果：

本发明所述应用于轮胎X光图像胎冠部位多带束层纹理分离方法具有的优点是，通过对多纹理图像进行频谱信息提取，即采用Gabor滤波方法，对图像的频谱信息进行滤波，将滤波后的频谱信息矩阵还原为单纹理图像的方法，将轮胎胎冠部位多纹理图像，转换为与每个带束层一一对应的单一纹理图像，从而有利于轮胎的准确判级，提高轮胎判级的准确率和效率。

【附图说明】

现结合附图对本发明做进一步的说明：

图1是轮胎X光图像胎冠部位截取示意图；

图2是所述多带束层纹理分离方法的示意图；

图3是所述Gabor滤波模板的示意图；

图4是所述多带束层纹理分离方法的流程图；

【具体实施方式】

如图1所示，本发明所述应用于轮胎X光图像胎冠部位多带束层纹理分离方法，其作用对象为轮胎X光图像胎冠部位合适大小的子图像。子图像的大小为2⁹*2⁹个像素大小，子图像的宽度覆盖了胎冠部位的左右边缘。

如图2所示，左侧为轮胎X光图像中的胎冠部位截取图像，在此图像中多个带束层的纹理相互叠加，各带束层的纹理不能分辨。右侧的三个图像为经过带束层纹理分离后，分离出的3个带束层的纹理，每个带束层的纹理清晰可辨。

如图3所示，这是根据某个带束层的θ＝20、λ＝0.18、σ＝30参数，采用Gabor滤波公式，生成的Gabor滤波模板。可知此Gabor滤波模板是关于中心点对称，且为带通滤波器。

如图4所示，轮胎胎冠部位X光图像多带束层纹理分离方法的具体步骤如下：

第一步，获取一幅完整的轮胎X光图像I_X，在I_X内部，同时也是轮胎胎冠部位截取大小2^N*2^N的正方形图像I_O；N的取值要求为：2^N小于I_X的宽度和高度，并使图像I_O大小应该恰好能够覆盖胎冠部位的左边缘和右边缘；同时图像I_O的四边应当分别平行于轮胎X光图像I_X的四边；

第二步，将图像I_O进行快速傅里叶变换，得到频谱信息矩阵I_F，将频谱信息矩阵I_F进行移位操作，进而得到以频率(0，0)为中心点的2维频谱信息矩阵I_FS，I_F、I_FS均与图像I_O同大小；I_F、I_FS与图像I_O符合如下关系：

I_F＝fft2(I_O)

I_FS＝fftshift(I_F)

其中fft2表示进行快速2维傅里叶变换，fft2变换后的结果图像中，频率(0，0)所对应的信息值对应于结果矩阵的左上角首元素位置；

fftshift表示对快速傅里叶变换结果I_O进行移位操作，即以矩阵中心为原点，做水平和垂直的坐标轴，将1、3象限整体互换，将2、4象限整体互换得到的矩阵；互换后，频率(0，0)所对应的信息值对应于矩阵的中心位置；

第三步，轮胎胎冠部位是由若干带束层叠加构成，因此图像I_O是由若干带束层的纹理相互叠加而形成的多纹理图像，不同纹理的方向、频谱是不同的，不同方向、频谱的纹理是可以分离的。采用Gabor滤波器可以分离出不同方向、频谱的纹理，利用如下Gabor滤波公式，生成关于(0，0)原点对称的Gabor滤波器H；

$\left(\begin{array}{c}{u}_1^{\′}\\ v_1^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right)\left(\begin{array}{c}u\\ v\end{array}\right)$

$\left(\begin{array}{c}{u}_2^{\′}\\ v_2^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos (\mathrm{\π}+\mathrm{\θ})& \sin (\mathrm{\π}+\mathrm{\θ})\\ -\sin (\mathrm{\π}+\mathrm{\θ})& \cos (\mathrm{\π}+\mathrm{\θ})\end{array}\right)\left(\begin{array}{c}u\\ v\end{array}\right)$

H＝H₁+H₂

其中θ是某个带束层纹理的中心频率所在的角度；σ决定了滤波器的大小，λ是滤波器在u′₁方向上的宽度与在v′₁方向上的宽度大小的比值，同时也是滤波器在u′₂方向上的宽度与在v′₂方向上的宽度大小的比值，λ决定了滤波器的形状。θ、λ、σ为某个带束层纹理的特征参数，是已知量；

u、v是频谱信息矩阵I_FS以频率(0，0)点为原点的横坐标和纵坐标，其取值均为-2^N-1～(2^N-1-1)；

u′₁、v′₁是将u、v逆时针转动θ角度后得到的新坐标，同理u′₂、v′₂是将u、v逆时针转动(π+θ)角度后得到的新坐标；

F是坐标轴u′₁、v′₁上的坐标点，代表某个带束层纹理的中心频率，F≥0；

H表示Gabor滤波器模板矩阵，其大小为2^N*2^N，这是一个关于频率原点(0，0)点对称的2维高斯型带通滤波模板；

在这里，假设带束层的个数为M，针对第i个带束层纹理，给定一组Gabor滤波器的θ_i、λ_i、σ_i  i∈1，2，…，M参数，代入上述Gabor滤波器公式中，得到Gabor滤波器H_Mii∈1，2，…，M；

第四步，将频谱信息矩阵I_FS与Gabor滤波器H_M1进行点积，即对应矩阵元素相乘，点积的作用是将其他带束层的频谱信息滤除，从而只保留期望带束层的频谱信息矩阵I_FLii∈1，2，…，M，I_FLi满足如下关系式：

I_FLi＝I_FS·H_Mi  i∈1，2，…，M

I_FLi  i∈1，2，…，M最大程度保留了第i个带束层纹理的方向、频谱信息，摒弃了其他带束层钢丝帘线的方向、频谱信息；

第五步，将频谱信息矩阵I_FLi进行移位、傅里叶逆变换操作，得到第i个带束层纹理的图像I_Ri，I_FLi与I_Ri满足如下关系：

I_Ri＝ifft2(fftshift(I_FLi))  i∈1，2，…，M

其中，fftshift表示对I_FLi  i∈1，2，…，M进行移位操作，即以矩阵中心为原点，做水平和垂直的坐标轴，将1、3象限整体互换，将2、4象限整体互换得到新的矩阵。互换前，频率(0，0)所对应的信息值对应于矩阵I_FLi  i∈1，2，…，M的中心位置；互换后，频率(0，0)所对应的信息值对应于结果矩阵的左上角首元素位置；

fft2表示进行快速2维傅里叶逆变换。变换结果得到图像I_Ri  i∈1，2，…，M；

I_Ri  i∈1，2，…，M是单纹理图像，是第i个带束层纹理被分离出来的结果图像；

经过滤波还原后的第i个带束层纹理图像I_Ri  i∈1，2，…，M，从若干个相互叠加的带束层纹理中最大程度的保留了第i个带束层的纹理，而其他带束层的纹理信息被剔除，在得到I_Ri(i∈1，2，…，M)后，即完成第i个带束层纹理的分离工作；

第六步，针对不同的带束层，可以给定不同的Gabor滤波器的θ_i、λ_i、σ_ii∈1，2，…，M参数，重复第三步到第五步，可得到任意带束层的单纹理图像。

Claims (2)

1.一种应用于轮胎X光图像胎冠部位多带束层纹理分离方法，其特征在于：针对轮胎X光图像胎冠部位各带束层纹理相互叠加的子图像，在进行傅里叶频谱分析后，不同带束层纹理频谱信息分布位置不同，是可分离的，采用Gabor滤波的方法，将归属于不同带束层纹理的频谱信息分别提取出来，进而还原为各带束层的单纹理图像，达到各带束层纹理分离的目的；具体步骤如下：

第一步，获取一幅完整的轮胎X光图像I_X，在I_X内部，同时也是轮胎胎冠部位截取大小2^N*2^N的正方形图像I_O；N的取值要求为：2^N小于I_X的宽度和高度，并使图像I_O大小应该恰好能够覆盖胎冠部位的左边缘和右边缘；同时图像I_O的四边应当分别平行于轮胎X光图像I_X的四边；

第二步，将图像I_O进行快速傅里叶变换，得到频谱信息矩阵I_F，将频谱信息矩阵I_F进行移位操作，进而得到以频率（0,0）为中心点的2维频谱信息矩阵I_FS，I_F、I_FS均与图像I_O同大小；I_F、I_FS与图像I_O符合如下关系：

I_F=fft2(I_O)

I_FS=fftshift(I_F)

其中fft2表示进行快速2维傅里叶变换，fft2变换后的结果图像中，频率（0,0）所对应的信息值对应于结果矩阵的左上角首元素位置；

fftshift表示对快速傅里叶变换结果I_F进行移位操作，即以矩阵中心为原点，做水平和垂直的坐标轴，将1、3象限整体互换，将2、4象限整体互换得到的矩阵；互换后，频率（0,0）所对应的信息值对应于矩阵的中心位置；

第三步，轮胎胎冠部位是由若干带束层叠加构成，因此图像I_O是由若干带束层的纹理相互叠加而形成的多纹理图像，不同纹理的方向、频谱是不同的，不同方向、频谱的纹理是可以分离的；采用Gabor滤波器可以分离出不同方向、频谱的纹理，利用如下Gabor滤波公式，生成关于（0,0）原点对称的Gabor滤波器H；

$\left(\begin{array}{c}{u}_1^{\′}\\ v_1^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right)\left(\begin{array}{c}u\\ v\end{array}\right)$

$\left(\begin{array}{c}{u}_2^{\′}\\ v_2^{\′}\end{array}\right)=\left(\begin{array}{cc}\cos (\mathrm{\π}+\mathrm{\θ})& \sin (\mathrm{\π}+\mathrm{\θ})\\ -\sin (\mathrm{\π}+\mathrm{\θ})& \cos (\mathrm{\π}+\mathrm{\θ})\end{array}\right)\left(\begin{array}{c}u\\ v\end{array}\right)$

H=H₁+H₂

其中θ是某个带束层纹理的中心频率所在的角度；σ决定了滤波器的大小，λ是滤波器在

方向上的宽度与在

方向上的宽度大小的比值，同时也是滤波器在

方向上的宽度与在

方向上的宽度大小的比值，λ决定了滤波器的形状；θ、λ、σ为某个带束层纹理的特征参数，是已知量；

u、v是频谱信息矩阵I_FS以频率（0,0）点为原点的横坐标和纵坐标，其取值均为-2^N-1～(2^N-1-1)；

是将u、v逆时针转动θ角度后得到的新坐标，

是将u、v逆时针转动(π+θ)角度后得到的新坐标；

F是坐标轴上的坐标点，代表某个带束层纹理的中心频率，F≥0；

H表示Gabor滤波器模板矩阵，其大小为2^N*2^N，这是一个关于频率原点（0，0）点对称的2维高斯型带通滤波模板；

在这里，假设带束层的个数为M，针对第i个带束层纹理，给定一组Gabor滤波器的θ_i、λ_i、σ_i参数，i∈1,2,…,M，代入上述Gabor滤波器公式中，得到Gabor滤波器H_Mi；

第四步，将频谱信息矩阵I_FS与Gabor滤波器H_Mi进行点积，即对应矩阵元素相乘，点积的作用是将其他带束层的频谱信息滤除，从而只保留期望带束层的频谱信息矩阵I_FLi，I_FLi满足如下关系式：

I_FLi=I_FS·H_Mi，

I_FLi最大程度保留了第i个带束层钢丝帘线的纹理的方向、频谱信息，摒弃了其他带束层钢丝帘线的纹理的方向、频谱信息；

第五步，将频谱信息矩阵I_FLi进行移位、傅里叶逆变换操作，得到第i个带束层纹理的图像I_Ri，I_FLi与I_Ri满足如下关系：

I_Ri=ifft2(fftshift(I_FLi))

其中，fftshift表示对I_FLi进行移位操作，即以矩阵中心为原点，做水平和垂直的坐标轴，将1、3象限整体互换，将2、4象限整体互换得到新的矩阵；互换前，频率（0,0）所对应的信息值对应于矩阵I_FLi的中心位置；互换后，频率（0,0）所对应的信息值对应于结果矩阵的左上角首元素位置；

ifft2表示进行快速2维傅里叶逆变换，变换结果得到图像I_Ri；

I_Ri是单纹理图像，是第i个带束层纹理被分离出来的结果图像；

经过滤波还原后的第i个带束层纹理图像I_Ri，从若干个相互叠加的带束层纹理中最大程度的保留了第i个带束层的纹理，而其他带束层的纹理信息被剔除，在得到I_Ri后，即完成第i个带束层纹理的分离工作；

第六步，针对不同的带束层，给定不同的Gabor滤波器的θ_i、λ_i、σ_i参数，重复第三步到第五步，可得到任意带束层的单纹理图像。

2.根据权利要求1所述的方法，其特征在于：轮胎X光图像胎冠部位多带束层分离方法的原理是基于纹理的可分离性；

纹理的可分离性是指：轮胎X光图像胎冠部位多带束层纹理分离方法的作用对象是轮胎X光图像的胎冠部位，在轮胎X光图像的胎冠部位，多个带束层纹理相互叠加，因此轮胎X光图像的胎冠部位显示出的是各带束层钢丝帘线的纹理相互交叠的复杂纹理，轮胎X光图像胎冠部位图像I_O的各带束层包含有不同特征的纹理信息，含频谱、方向，在对图像I_O进行快速傅里叶变换和移位操作后，得到的频谱信息矩阵I_FS中，不同带束层所具有的纹理信息，含频谱、方向，对应着I_FS中不同局部位置以及对应局部位置中各元素值的大小，对应着频谱信息矩阵I_FS中不同局部位置以及对应局部位置中各元素值的大小的纹理信息是可以分离的。

Images