CN112070765A - 一种基于双边滤波结合改进的otsu的布匹检测方法 - Google Patents

一种基于双边滤波结合改进的otsu的布匹检测方法 Download PDF

Info

Publication number
CN112070765A
CN112070765A CN202011047903.7A CN202011047903A CN112070765A CN 112070765 A CN112070765 A CN 112070765A CN 202011047903 A CN202011047903 A CN 202011047903A CN 112070765 A CN112070765 A CN 112070765A
Authority
CN
China
Prior art keywords
image
threshold
cloth
filtering
bilateral filtering
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.)
Granted
Application number
CN202011047903.7A
Other languages
English (en)
Other versions
CN112070765B (zh
Inventor
解祥新
刘琴琴
江小静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Institute of Technology
Original Assignee
Nantong Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nantong Institute of Technology filed Critical Nantong Institute of Technology
Priority to CN202011047903.7A priority Critical patent/CN112070765B/zh
Publication of CN112070765A publication Critical patent/CN112070765A/zh
Application granted granted Critical
Publication of CN112070765B publication Critical patent/CN112070765B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于双边滤波结合改进的OTSU的布匹检测方法，涉及检测领域，包括以下步骤：对通过工业相机采集到的布匹图像进行图像预处理，其中预处理包括双边滤波、中值滤波处理；然后对处理后的图像，利用改进的OTSU对图像进行阈值分割；最后对分割完成后的图像，判断是否存在疵点，不存在疵点，继续采集图像进行疵点检测；存在疵点，则进行边缘检测，标识出疵点，进行数据保存后，再继续采集图像。双边滤波及中值滤波能够较好的滤除低频信息，减少低频信息的干扰，滤除斑点噪声及椒盐噪声，并且能够很好的保存图像边缘处的细节信息。改进后的OTSU算法，从而能够更好地将阈值收敛，分割布匹瑕疵，有效提高该算法的计算效率以及检测时的检测效率。

Description

一种基于双边滤波结合改进的OTSU的布匹检测方法
技术领域
本发明涉及检测领域，具体涉及一种基于双边滤波结合改进的OTSU的布匹检测方法。
背景技术
OTSU全称最大类间方差法，该方法把素色布匹瑕疵区域和标准纹理背景信息进行解耦，得出的最佳阈值将布匹瑕疵与纹理背景分割开来，实现瑕疵检测。
传统的最大类间方差法的缺点：
1、对于一些灰度级不连续的图像来说，通过传统的最大类间方法所计算出来的阈值很难收敛到全局最优。
2、若背景图像与前景图像分布差异非常大，那么最大类间方差算法将有可能会失效。
3、当图像中仅有两种类别时，最大类间方差能够很好的适用；但是当超过两种类别时，就需要对最大类间方差进行改进，从而增加额外阈值，来进行分割。
发明内容
本发明的目的在于提供一种基于双边滤波结合改进的OTSU的布匹检测方法，以解决上述背景技术中提到的问题。
一种基于双边滤波结合改进的OTSU的布匹检测方法，包括以下步骤：
(1)利用工业相机对布匹的表面图像进行采集，并将采集后的图像传输到预处理系统里面进行处理；所述预处理包括双边滤波处理以及中值滤波处理。
(2)对通过工业相机采集到的布匹图像进行双边滤波处理；
双边滤波
Figure BDA0002708567800000011
(3)对双边滤波处理后的图像再通过中值滤波滤除斑点噪声及椒盐噪声；
用中值滤波处理双边滤波处理后的图像g(i,j)：G(x,y)＝mid{g(x-a,y-b),a,b∈W}；
(4)将预处理后的图像，利用改进的OTSU对图像进行阈值分割；
计算图像灰度级L，计算图像的灰度平均值μT，将μT取整
Figure BDA0002708567800000012
作为图像的灰度级，即
Figure BDA0002708567800000023
给分割次数赋以初始值J＝1；利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；迭代，N(J)＝N；K(J)＝K；L＝K；η(J)＝η；σ(J)＝σw；J＝J+1；
如果J≤1，那么返回继续利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；若J>1，则计算出ε的值。
Figure BDA0002708567800000021
Figure BDA0002708567800000022
如果ε≥0，那么返回继续利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；若ε<0，则查找最大η(J)所对应的阈值，作为最佳阈值K。
(5)通过确定的阈值对图像进行分割，然后判断是否存在疵点，如果不存在疵点，则继续采集图像进行疵点检测；若存在疵点，则进行边缘检测，标识出疵点，进行数据保存后，再继续采集图像。
优选的，所述步骤2中，(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其他系数的坐标。
优选的，所述步骤3中，中值滤波处理G(x,y)为进行中值滤波后的二阶矩阵，W为选择的二维模板，选取3*3的区域。
本发明地有益效果：一种基于双边滤波结合改进的OTSU的布匹检测方法，具有以下优点：
(1)将双边滤波及中值滤波应用于布匹图像的预处理上，能够较好的滤除低频信息，减少低频信息的干扰，滤除斑点噪声及椒盐噪声，并且能够很好的保存图像边缘处的细节信息。
(2)改进后的OTSU算法，从而能够实现更好地将阈值收敛，分割布匹瑕疵，有效提高该算法的计算效率，以及检测时的检测效率。
附图说明
图1为本发明的布匹检测方法流程图。
图2为工业相机采集的布匹图像原图。
图3为检测之后的图像。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
一种基于双边滤波结合改进的OTSU的布匹检测方法，包括以下步骤：
步骤一：如图1所示，布料连续顺序通过工业相机，利用工业相机对布匹的表面图像进行采集，并将采集后的图像传输到预处理系统里面进行处理；所述预处理包括双边滤波处理以及中值滤波处理。
步骤二：对通过工业相机采集到的布匹图像进行双边滤波处理；
双边滤波
Figure BDA0002708567800000031
减少低频信息的干扰，并且能够很好的保存图像边缘处的细节信息。(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其他系数的坐标。
步骤三：对双边滤波处理后的图像再通过中值滤波滤除斑点噪声及椒盐噪声，用中值滤波处理双边滤波处理后的图像g(i,j)：G(x,y)＝mid{g(x-a,y-b),a,b∈W}；中值滤波在降噪的同时也能够有效的保存边缘处的细节。G(x,y)为进行中值滤波后的二阶矩阵，W为选择的二维模板，选取3*3的区域。
步骤四：将预处理后的图像，利用改进的OTSU对图像进行阈值分割；
具体为：先计算图像灰度级L，计算图像的灰度平均值μT，将μT取整
Figure BDA0002708567800000033
作为图像的灰度级，即
Figure BDA0002708567800000034
给分割次数赋以初始值J＝1；利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；迭代，N(J)＝N；K(J)＝K；L＝K；η(J)＝η；σ(J)＝σw；J＝J+1；
如果J≤1，那么返回继续利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw。
若J>1，则计算出ε的值。
Figure BDA0002708567800000032
如果ε≥0，那么返回继续利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；若ε<0，则查找最大η(J)所对应的阈值，作为最佳阈值K。
步骤五：通过确定的阈值对图像进行分割，然后判断是否存在疵点，如果不存在疵点，则继续采集图像进行疵点检测；若此处存在如图3所示的疵点，则进行边缘检测，标识出疵点，进行数据保存后，再继续对连续经过相机的布匹的其他部分采集图像。
基于上述：
将双边滤波及中值滤波应用于布匹图像的预处理上，能够较好的滤除低频信息，减少低频信息的干扰，滤除斑点噪声及椒盐噪声，并且能够很好的保存图像边缘处的细节信息。
改进后的OTSU算法，从而能够实现更好地将阈值收敛，分割布匹瑕疵，有效提高该算法的计算效率，以及检测时的检测效率。
由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。

Claims (3)

1.一种基于双边滤波结合改进的OTSU的布匹检测方法，其特征在于，包括以下步骤：
(1)利用工业相机对布匹的表面图像进行采集，并将采集后的图像传输到预处理系统里面进行处理；所述预处理包括双边滤波处理以及中值滤波处理；
(2)对通过工业相机采集到的布匹图像进行双边滤波处理；
双边滤波
Figure FDA0002708567790000011
(3)对双边滤波处理后的图像再通过中值滤波滤除斑点噪声及椒盐噪声；
用中值滤波处理双边滤波处理后的图像g(i,j)：G(x,y)＝mid{g(x-a,y-b),a,b∈W}；
(4)将预处理后的图像，利用改进的OTSU对图像进行阈值分割；
具体为：先计算图像灰度级L，计算图像的灰度平均值μT，将μT取整
Figure FDA0002708567790000013
作为图像的灰度级，即
Figure FDA0002708567790000014
给分割次数赋以初始值J＝1；利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；迭代，N(J)＝N；K(J)＝K；L＝K；η(J)＝η；σ(J)＝σw；J＝J+1；
如果J≤1，那么返回继续利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；若J>1，则计算出ε的值；
Figure FDA0002708567790000012
如果ε≥0，那么返回继续利用最大类间方差法计算图像的像素N、阈值K、阈值选择函数η、类内方差σw；若ε<0，则查找最大η(J)所对应的阈值，作为最佳阈值K；
(5)通过确定的阈值对图像进行分割，然后判断是否存在疵点，如果不存在疵点，则继续采集图像进行疵点检测；若存在疵点，则进行边缘检测，标识出疵点，进行数据保存后，再继续采集图像。
2.根据权利要求1所述的一种基于双边滤波结合改进的OTSU的布匹检测方法，其特征在于，所述步骤2中，(k,l)为模板窗口的中心坐标，(i,j)为模板窗口的其他系数的坐标。
3.根据权利要求1所述的一种基于双边滤波结合改进的OTSU的布匹检测方法，其特征在于，所述步骤3中，值滤波处理G(x,y)为进行中值滤波后的二阶矩阵，W为选择的二维模板，选取3*3的区域。
CN202011047903.7A 2020-09-29 2020-09-29 一种基于双边滤波结合改进的otsu的布匹检测方法 Active CN112070765B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011047903.7A CN112070765B (zh) 2020-09-29 2020-09-29 一种基于双边滤波结合改进的otsu的布匹检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011047903.7A CN112070765B (zh) 2020-09-29 2020-09-29 一种基于双边滤波结合改进的otsu的布匹检测方法

Publications (2)

Publication Number Publication Date
CN112070765A true CN112070765A (zh) 2020-12-11
CN112070765B CN112070765B (zh) 2023-06-09

Family

ID=73683045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011047903.7A Active CN112070765B (zh) 2020-09-29 2020-09-29 一种基于双边滤波结合改进的otsu的布匹检测方法

Country Status (1)

Country Link
CN (1) CN112070765B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117911417A (zh) * 2024-03-20 2024-04-19 天津市凯瑞新材料科技有限公司 一种基于光电探测器的纺织布面缺陷检测方法
CN117911417B (zh) * 2024-03-20 2024-05-31 天津市凯瑞新材料科技有限公司 一种基于光电探测器的纺织布面缺陷检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102194121A (zh) * 2010-03-04 2011-09-21 天津市天堰医教科技开发有限公司 改进的最大类间方差法在舌像裂纹识别中的应用
CN109658424A (zh) * 2018-12-07 2019-04-19 中央民族大学 一种改进的鲁棒二维otsu阈值图像分割方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102194121A (zh) * 2010-03-04 2011-09-21 天津市天堰医教科技开发有限公司 改进的最大类间方差法在舌像裂纹识别中的应用
CN109658424A (zh) * 2018-12-07 2019-04-19 中央民族大学 一种改进的鲁棒二维otsu阈值图像分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
廖航;: "基于双边滤波和改进型OTSU的牦牛图像分割技术", 西部皮革 *
李仁忠;杨曼;俱寒;景军锋;李鹏飞;: "基于二维Otsu算法的织物疵点检测", 毛纺科技 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117911417A (zh) * 2024-03-20 2024-04-19 天津市凯瑞新材料科技有限公司 一种基于光电探测器的纺织布面缺陷检测方法
CN117911417B (zh) * 2024-03-20 2024-05-31 天津市凯瑞新材料科技有限公司 一种基于光电探测器的纺织布面缺陷检测方法

Also Published As

Publication number Publication date
CN112070765B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN105096259B (zh) 深度图像的深度值恢复方法和系统
JP4986250B2 (ja) ノイズ除去機能付きのデジタル画像処理増強システム及び方法
CN111062293B (zh) 一种基于深度学习的无人机森林火焰识别方法
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
CN110675340A (zh) 一种基于改进的非局部先验的单幅图像去雾方法及介质
Yang et al. Research and analysis of Image edge detection algorithm Based on the MATLAB
CN115690105B (zh) 一种基于计算机视觉的铣刀划痕检测方法
CN116152115B (zh) 基于计算机视觉的垃圾图像去噪处理方法
Wang et al. An efficient method for image dehazing
KR20140109801A (ko) 3d이미지 품질을 향상시키는 방법과 장치
Pan et al. Single-image dehazing via dark channel prior and adaptive threshold
CN112288726B (zh) 一种井下带式输送机带面异物检测方法
CN110186929A (zh) 一种实时的产品瑕疵定位方法
Wang et al. Single-image dehazing using color attenuation prior based on haze-lines
CN113421210A (zh) 一种基于双目立体视觉的表面点云重建方法
CN113034379A (zh) 天候天时自适应的快速图像清晰化处理方法
CN112365516A (zh) 一种增强现实中虚实遮挡处理方法
CN110728692A (zh) 一种基于Scharr算子改进的图像边缘检测方法
CN115008255B (zh) 一种用于机床的刀具磨损识别方法及装置
CN113763404B (zh) 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法
CN112070765A (zh) 一种基于双边滤波结合改进的otsu的布匹检测方法
CN109934817A (zh) 一种果体外部轮廓畸形检测方法
CN112070741B (zh) 一种基于图像显著性区域提取方法的大米垩白度检测系统
CN114693543A (zh) 图像降噪方法及装置、图像处理芯片、图像采集设备
CN109961413B (zh) 大气光方向优化估计的图像去雾迭代算法

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
GR01 Patent grant
GR01 Patent grant