CN110084246A - 一种色织物疵点自动识别方法 - Google Patents
一种色织物疵点自动识别方法 Download PDFInfo
- Publication number
- CN110084246A CN110084246A CN201910306833.3A CN201910306833A CN110084246A CN 110084246 A CN110084246 A CN 110084246A CN 201910306833 A CN201910306833 A CN 201910306833A CN 110084246 A CN110084246 A CN 110084246A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- child window
- region
- dyed fabric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000004744 fabric Substances 0.000 title claims abstract description 22
- 239000004753 textile Substances 0.000 claims abstract description 10
- 241001270131 Agaricus moelleri Species 0.000 claims abstract description 5
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000009941 weaving Methods 0.000 description 3
- 239000002759 woven fabric Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000065675 Cyclops Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000000784 cyclically ordered phase sequence Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Abstract
本发明公开了一种色织物疵点自动识别方法,包括以下步骤:设采集到的织物图像为X,大小为m×n,格式为256级灰度;S1、对织物图像进行高斯滤波处理,再对其应用水平方向的Sobel算子,获取其水平边缘梯度图像标记为Xh;S2、将水平边缘梯度图像Xh划分为若干图像区域Xi;S3、对图像区域Xi应用奇异值分解,并提取前K个最大特性值对应的向量对图像区域Xi进行近似,进而可以得到图像区域的残差图像S4、将残差图像Ei划分成w×h大小的子窗口,并计算每个子窗口内所有像素点平均值标记为Si,若像素点平均值Si超过指定的阈值T,则判断该子窗口存在疵点。
Description
技术领域
本发明属于纺织智能检测技术及质量控制领域,具体涉及一种色织物疵点自动识别方法。
背景技术
纺织作为传统的劳动密集型产业,在智能工业时代下,发展智能化的纺织加工装备是加化纺织转行升级的重要途径。近年来,应用图像分析和机器视觉的方法进行各类产品缺陷检测已非常广泛。当前已有成熟的织物疵点自动检测系统,应用于织机在线疵点检测,如比利时BMSvision公司的CYCLOPS检测系统。
由于机织物种类繁多且疵点外观随机多变,目前大多数基于机器视觉的机织面料疵点检测都集中在素色织物的检测,算法主要分为特征提取和非特征提取两大类,其中特征提取方法主要涉及纹理特征提取方法,如灰度共生矩阵、局部二值算子等;非特征提取主要有Gabor滤波器法。但两类方法的实际应用效果主要体现在,适应的疵点类型有限,不能用于色织物疵点检测。为能实现色织物疵点的自动识别,本发明提供了一种色织物疵点自动识别方法。
发明内容
本发明针对现有技术存在的问题和不足,提供一种色织物疵点自动识别方法。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种色织物疵点自动识别方法,其特点在于,其包括以下步骤:
设采集到的织物图像为X,大小为m×n,格式为256级灰度;
S1、对织物图像进行高斯滤波处理,再对其应用水平方向的Sobel算子,获取其水平边缘梯度图像标记为Xh;
S2、将水平边缘梯度图像Xh划分为若干图像区域Xi;
S3、对图像区域Xi应用奇异值分解,并提取前K个最大特性值对应的向量对图像区域Xi进行近似,公式为:
Xi=UΣVT
式中,UK为前K个最大特性值对应的向量所组成的矩阵,进而可以得到图像区域的残差图像
S4、将残差图像Ei划分成w×h大小的子窗口,并计算每个子窗口内所有像素点平均值标记为Si,若像素点平均值Si超过指定的阈值T,则判断该子窗口存在疵点。
较佳地,K值的取值范围为[3,8]。
较佳地,在步骤S4中,残差图像Ei划分成w×h大小的子窗口,子窗口尺寸区间为[8,128],
较佳地,若需要重点检测经向疵点,则选取w<h。
较佳地,指定的阈值T的选取方法是:T=u+cσ2,其中u和σ2分别为所有子窗口Si的平均值和标准差σ2,c为常数,取值1≤c≤3.5。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明通过定位边缘对织物进行分区检测,在很大程度上解决了传统算法不能应用于色织面料检测的问题,检测算法以重构的方式进行疵点识别,提高了对不同形态疵点的适应性和识别精度。
附图说明
图1为本发明较佳实施例的色织物疵点自动识别方法的流程图。
图2为本发明较佳实施例的色织物图像示意图。
图3为本发明较佳实施例的区域划分结果图。
图4为本发明较佳实施例的残差图像示意图。
图5为本发明较佳实施例的检测结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例提供一种色织物疵点自动识别方法,其包括以下步骤:
设采集到的织物图像为X,大小为m×n,格式为256级灰度;
步骤101、对织物图像进行高斯滤波处理,再对其应用水平方向的Sobel算子,获取其水平边缘梯度图像标记为Xh。
步骤102、将水平边缘梯度图像Xh划分为若干图像区域Xi,采用以下公式:
Xi(x,y)={x|ki≤x≤ki+1,1≤y≤n}
k={x|2×P(y)≤x}
步骤103、对图像区域Xi应用奇异值分解,并提取前K个最大特性值对应的向量对图像区域Xi进行近似,公式为:
Xi=UΣVT
式中,UK为前K个最大特性值对应的向量所组成的矩阵,K值的取值范围为[3,8],进而可以得到图像区域的残差图像
步骤104、将残差图像Ei划分成w×h大小的子窗口,并计算每个子窗口内所有像素点平均值标记为Si,若像素点平均值Si超过指定的阈值T,则判断该子窗口存在疵点。
残差图像Ei划分成w×h大小的子窗口,是指将残差图像可以根据实际情况进行有重叠和无重叠方法划分,子窗口尺寸区间为[8,128],可根据实际检测情况进行调整,若需要重点检测经向疵点,则选取w<h。
指定的阈值T的选取方法是:T=u+cσ2,其中u和σ2分别为所有子窗口Si的平均值和标准差σ2,c为常数,取值1≤c≤3.5。
为了验证本方法的有效性,对色织物疵点图像进行实验。
图2是由本采集系统采集到的色织物疵点图像,记为X,大小为256×256,格式为256级灰度。首先对织物图像进行高斯滤波处理,再对其应用水平方向的Sobel算子,获取其水平边缘梯度图像,记为Xh。应用如下公式:
Xi(x,y)={x|ki≤x≤ki+1,1≤y≤256}
k={x|2×P(y)≤x}
将水平边缘梯度图像Xh进行划分为若干区域Xi,其划分结果如图3所示。
根据图3的划分结果,应用奇异值分解(SVD),并提取前5个最大特性值对应的向量对图像区域Xi进行近似,其具体公式为:
Xi=UΣVT
进而可以得到图像区域的残差图像其残差图像如图3所示。
最后,将图4划分成32×32大小的子窗口,并计算每个子窗口内所有像素点平均值Si。进一步得到u=0.121,σ2=0.082,取c=1.5,则指定的阈值T=0.244,如果Si超过指定的阈值T,则判断该子窗口存在疵点。图5给出了最终的检测结果,其中打叉的子窗体表示判定存在疵点。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (5)
1.一种色织物疵点自动识别方法,其特征在于,其包括以下步骤:
设采集到的织物图像为X,大小为m×n,格式为256级灰度;
S1、对织物图像进行高斯滤波处理,再对其应用水平方向的Sobel算子,获取其水平边缘梯度图像标记为Xh;
S2、将水平边缘梯度图像Xh划分为若干图像区域Xi;
S3、对图像区域Xi应用奇异值分解,并提取前K个最大特性值对应的向量对图像区域Xi进行近似,公式为:
Xi=UΣVT
式中,UK为前K个最大特性值对应的向量所组成的矩阵,进而可以得到图像区域的残差图像
S4、将残差图像Ei划分成w×h大小的子窗口,并计算每个子窗口内所有像素点平均值标记为Si,若像素点平均值Si超过指定的阈值T,则判断该子窗口存在疵点。
2.如权利要求1所述的色织物疵点自动识别方法,其特征在于,K值的取值范围为[3,8]。
3.如权利要求2所述的色织物疵点自动识别方法,其特征在于,在步骤S4中,残差图像Ei划分成w×h大小的子窗口,子窗口尺寸区间为[8,128]。
4.如权利要求3所述的色织物疵点自动识别方法,其特征在于,若需要重点检测经向疵点,则选取w<h。
5.如权利要求1所述的色织物疵点自动识别方法,其特征在于,指定的阈值T的选取方法是:T=u+cσ2,其中u和σ2分别为所有子窗口Si的平均值和标准差σ2,c为常数,取值1≤c≤3.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910306833.3A CN110084246A (zh) | 2019-04-17 | 2019-04-17 | 一种色织物疵点自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910306833.3A CN110084246A (zh) | 2019-04-17 | 2019-04-17 | 一种色织物疵点自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084246A true CN110084246A (zh) | 2019-08-02 |
Family
ID=67415360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910306833.3A Pending CN110084246A (zh) | 2019-04-17 | 2019-04-17 | 一种色织物疵点自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084246A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570404A (zh) * | 2019-08-26 | 2019-12-13 | 南京信息工程大学 | 一种基于Sobel算子的布料疵点检测方法 |
CN114627117A (zh) * | 2022-05-13 | 2022-06-14 | 启东市鸿盛纺织有限公司 | 一种基于投影法的针织物缺陷检测方法和系统 |
CN114882034A (zh) * | 2022-07-11 | 2022-08-09 | 南通世森布业有限公司 | 基于图像处理的面料染色质量评估方法 |
CN115015290A (zh) * | 2022-05-19 | 2022-09-06 | 常州市新创智能科技有限公司 | 一种用于玻纤布面的异物检测方法及装置 |
CN115115615A (zh) * | 2022-07-26 | 2022-09-27 | 南通好心情家用纺织品有限公司 | 一种基于图像识别的纺织面料质量评估方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867299A (zh) * | 2012-08-09 | 2013-01-09 | 东华大学 | 一种基于奇异值分解的图像分析方法及应用于织物瑕疵检测的方法 |
CN102879401A (zh) * | 2012-09-07 | 2013-01-16 | 西安工程大学 | 基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法 |
CN103473769A (zh) * | 2013-09-05 | 2013-12-25 | 东华大学 | 一种基于奇异值分解的织物瑕疵检测方法 |
CN107085846A (zh) * | 2017-05-08 | 2017-08-22 | 湘潭大学 | 工件表面缺陷图像识别方法 |
CN107870172A (zh) * | 2017-07-06 | 2018-04-03 | 黎明职业大学 | 一种基于图像处理的布匹疵点检测方法 |
JP2018073285A (ja) * | 2016-11-02 | 2018-05-10 | 日本電信電話株式会社 | L1グラフ計算装置、l1グラフ計算方法及びl1グラフ計算プログラム |
CN108154499A (zh) * | 2017-12-08 | 2018-06-12 | 东华大学 | 一种基于k-svd学习字典的机织物纹理瑕疵检测方法 |
CN109345548A (zh) * | 2018-10-23 | 2019-02-15 | 江南大学 | 一种基于总变差的织物疵点分割方法 |
-
2019
- 2019-04-17 CN CN201910306833.3A patent/CN110084246A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867299A (zh) * | 2012-08-09 | 2013-01-09 | 东华大学 | 一种基于奇异值分解的图像分析方法及应用于织物瑕疵检测的方法 |
CN102879401A (zh) * | 2012-09-07 | 2013-01-16 | 西安工程大学 | 基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法 |
CN103473769A (zh) * | 2013-09-05 | 2013-12-25 | 东华大学 | 一种基于奇异值分解的织物瑕疵检测方法 |
JP2018073285A (ja) * | 2016-11-02 | 2018-05-10 | 日本電信電話株式会社 | L1グラフ計算装置、l1グラフ計算方法及びl1グラフ計算プログラム |
CN107085846A (zh) * | 2017-05-08 | 2017-08-22 | 湘潭大学 | 工件表面缺陷图像识别方法 |
CN107870172A (zh) * | 2017-07-06 | 2018-04-03 | 黎明职业大学 | 一种基于图像处理的布匹疵点检测方法 |
CN108154499A (zh) * | 2017-12-08 | 2018-06-12 | 东华大学 | 一种基于k-svd学习字典的机织物纹理瑕疵检测方法 |
CN109345548A (zh) * | 2018-10-23 | 2019-02-15 | 江南大学 | 一种基于总变差的织物疵点分割方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570404A (zh) * | 2019-08-26 | 2019-12-13 | 南京信息工程大学 | 一种基于Sobel算子的布料疵点检测方法 |
CN114627117A (zh) * | 2022-05-13 | 2022-06-14 | 启东市鸿盛纺织有限公司 | 一种基于投影法的针织物缺陷检测方法和系统 |
CN115015290A (zh) * | 2022-05-19 | 2022-09-06 | 常州市新创智能科技有限公司 | 一种用于玻纤布面的异物检测方法及装置 |
CN114882034A (zh) * | 2022-07-11 | 2022-08-09 | 南通世森布业有限公司 | 基于图像处理的面料染色质量评估方法 |
CN115115615A (zh) * | 2022-07-26 | 2022-09-27 | 南通好心情家用纺织品有限公司 | 一种基于图像识别的纺织面料质量评估方法及系统 |
CN115115615B (zh) * | 2022-07-26 | 2022-12-13 | 南通好心情家用纺织品有限公司 | 一种基于图像识别的纺织面料质量评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084246A (zh) | 一种色织物疵点自动识别方法 | |
CN101799434B (zh) | 一种印刷图像缺陷检测方法 | |
CN104851085B (zh) | 自动获取图像中检测区的方法及系统 | |
CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
CN109584221A (zh) | 一种基于监督式生成对抗网络的异常图像检测方法 | |
CN111861996B (zh) | 一种印花织物疵点检测方法 | |
CN103530878B (zh) | 一种基于融合策略的边缘提取方法 | |
CN108230315B (zh) | 一种基于机器视觉的口罩带缺失检测方法 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN105067638A (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN103729856B (zh) | 一种利用s变换信号提取的布匹疵点检测方法 | |
CN104732536A (zh) | 一种基于改进形态学的亚像素边缘检测方法 | |
CN110097538A (zh) | 一种织机在线验布装置及疵点识别方法 | |
CN111062934B (zh) | 一种织物图像缺陷实时检测方法 | |
CN101216435A (zh) | 一种基于多分形特征参数的织物瑕疵自动检测方法 | |
CN105261003A (zh) | 一种基于织物自身结构进行疵点检测的方法 | |
CN111047655A (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
CN109191430A (zh) | 一种基于Laws纹理与单分类SVM结合的素色布匹缺陷检测方法 | |
CN109886960A (zh) | 基于机器视觉的玻璃边缘缺陷检测的方法 | |
CN104021561A (zh) | 基于小波变换及形态学运算的织物起毛起球图像分割方法 | |
CN110889837A (zh) | 一种具有瑕疵分级功能的布匹瑕疵检测方法 | |
CN115330795B (zh) | 布匹毛刺缺陷检测方法 | |
CN111080574A (zh) | 一种基于信息熵和视觉注意机制的织物疵点检测方法 | |
CN115131353A (zh) | 平网印花纺织品生产异常识别定位方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |