CN115330763A - 一种医用纱布缺陷检测方法 - Google Patents

一种医用纱布缺陷检测方法 Download PDF

Info

Publication number
CN115330763A
CN115330763A CN202211247479.XA CN202211247479A CN115330763A CN 115330763 A CN115330763 A CN 115330763A CN 202211247479 A CN202211247479 A CN 202211247479A CN 115330763 A CN115330763 A CN 115330763A
Authority
CN
China
Prior art keywords
sub
image
gray
images
template
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
CN202211247479.XA
Other languages
English (en)
Other versions
CN115330763B (zh
Inventor
吉冠
吴华栋
于柠华
杜春
杨巧凤
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.)
Jiangsu Xinyuan Medical Technology Co ltd
Original Assignee
Jiangsu Xinyuan Medical Technology Co ltd
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 Jiangsu Xinyuan Medical Technology Co ltd filed Critical Jiangsu Xinyuan Medical Technology Co ltd
Priority to CN202211247479.XA priority Critical patent/CN115330763B/zh
Publication of CN115330763A publication Critical patent/CN115330763A/zh
Application granted granted Critical
Publication of CN115330763B publication Critical patent/CN115330763B/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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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

Abstract

本发明公开了一种医用纱布缺陷检测方法，涉及图像处理技术领域；包括：获取医用纱布的灰度图像的频谱图；获取灰度图像的模板尺寸的变化范围；将灰度图像分割为多个尺寸相同的子图像；获取每个子图像的规则方向度；获取每个子图像的结构稳定度；获取灰度图像中每个子图像的子模板的尺寸；根据每个子图像的子模板的尺寸对每个子图像选取子模板；获取子图像与子图像的子模板的匹配程度，根据匹配程度获取每个子图像的缺陷区域；本发明解决了相关技术中，在对医用纱布缺陷检测时存在漏检和检测，以及检测精度和检测效率低下的技术问题。

Description

一种医用纱布缺陷检测方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种医用纱布缺陷检测方法。
背景技术
医用纱布是传统的医疗防护用品，主要作用是为了包扎伤口，以及在手术过程中清理伤口的血污。一般出厂的医用纱布成品有两种供应方式，一种是非无菌方式，另一种是无菌方式。无菌方式包装的医用纱布可以直接使用，而以非无菌方式包装的纱布必须经高温高压蒸汽或环氧乙烷等方法消毒后方可使用。
随着医疗水平的提高，医用纱布的使用越来越广泛。医用纱布的质量影响着使用者的人身安全保障，而在医用纱布的生产制造过程中，很容易造成医用纱布的缺经、断纬等问题。现有的医用纱布缺陷检测是通过人工目视检测，这样通常不仅会存在误检和漏检的情况，而且检测精度和检测效率低下。
利用图像处理技术检测医用纱布缺陷相比传统的人工检测速度更快，而且检测精度更高；然而传统的图像处理技术采用的为固定的模板尺寸，对于图像中的相同结构的图像区域，使用固定模板不仅增加了缺陷检测的时间和后期的计算量，而且对医用纱布缺陷的检测精确度低下，无法满足对布匹快速、精确的检测要求。
发明内容
本发明的目的是提供一种医用纱布缺陷检测方法，以解决相关技术中，在对医用纱布缺陷检测时存在漏检和检测，以及检测精度和检测效率低下的技术问题；有鉴于此，本发明通过以下技术方案予以实现。
一种医用纱布缺陷检测方法，包括以下步骤：
获取医用纱布的灰度图像；对所述灰度图像进行傅里叶变换获取频谱图；
根据所述频谱图的尺寸、频谱图中频点之间的距离和所述灰度图像的尺寸获取灰度图像的模板尺寸的变化范围；
将所述灰度图像分割为多个尺寸相同的子图像；
通过滑窗对每个子图像进行滑动遍历，获取每个滑窗内中心像素点与其余像素点的灰度相似度；
根据灰度相似度获取每个滑窗内与中心像素点相似的像素点；
获取每个中心像素点与相似像素点的方向夹角；
根据每个子图像中的每个中心像素点与相似像素点的方向夹角获取每个子图像的规则方向度；
根据所述灰度图像中每个子图像与其余子图像的结构相似度获取所述灰度图像中每个子图像的结构稳定度；
根据所述灰度图像中每个子图像的规则方向度和结构稳定度，以及所述灰度图像的模板尺寸的变化范围获取每个子图像的子模板的尺寸；
根据每个子图像的子模板的尺寸获取每个子图像的标准医用纱布的子模板；根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域。
优选地，所述滑窗内中心像素点与其余像素点的灰度相似度通过下式确定：
Figure 218535DEST_PATH_IMAGE002
式中，
Figure 100002_DEST_PATH_IMAGE003
为第
Figure 340074DEST_PATH_IMAGE004
个滑窗内中心像素点与除中心点以外的第
Figure 100002_DEST_PATH_IMAGE005
个像素点的灰度相似度；
Figure 333045DEST_PATH_IMAGE006
为第
Figure 895744DEST_PATH_IMAGE004
个滑窗内中心像素点的灰度值；
Figure 100002_DEST_PATH_IMAGE007
为第
Figure 302586DEST_PATH_IMAGE004
个滑窗内除中心点以外的第
Figure 315017DEST_PATH_IMAGE005
个像素点的灰度值。
更优选地，所述子图像的规则方向度通过下式确定：
Figure 100002_DEST_PATH_IMAGE009
式中，
Figure 160613DEST_PATH_IMAGE010
为第
Figure 100002_DEST_PATH_IMAGE011
子图像的规则方向度；
Figure 515502DEST_PATH_IMAGE012
为第
Figure 296507DEST_PATH_IMAGE011
子图像中滑窗的个数；
Figure 100002_DEST_PATH_IMAGE013
为第
Figure 265076DEST_PATH_IMAGE004
个滑窗内中心像素点与相似像素点的方向夹角；
Figure 38997DEST_PATH_IMAGE014
表示双曲正切函数。
优选地，获取所述灰度图像中每个所述子图像的结构稳定度的过程为：
从所述灰度图像的第一个子图像开始对所述灰度图像中的其余子图像进行遍历，依次获取第一个子图像与其余子图像之间的结构相似度；设定结构相似度阈值，根据所述结构相似度阈值从所述灰度图像中标记除第一个子图像的子图像；根据所述结构相似度获取所述第一个子图像的结构稳定度；
选取第一个标记的子图像对灰度图像中的其余未标记的子图像进行遍历，根据所述结构相似度阈值从未标记的子图像中标记子图像，并获取所述第一个标记的子图像的结构稳定度；
选取第二个标记的子图像对灰度图像中的其余未标记的子图像进行遍历，根据所述结构相似度阈值从未标记的子图像中标记子图像，并获取所述第二个标记的子图像的结构稳定度；直至标记的子图像对所述灰度图像中的未标记的子图像全部遍历完成，并获得每个标记的子图像的结构稳定度；
全部遍历完成后所述灰度图像包含标记的子图像和未标记的子图像；将全部未标记的子图像的结构稳定度用所述灰度图像中第一个子图像的结构稳定度代替，由此获得所述灰度图像中每个子图像的结构稳定度。
更优选地，所述第一个子图像的结构稳定度通过下式确定：
Figure 45130DEST_PATH_IMAGE016
式中，
Figure 100002_DEST_PATH_IMAGE017
为第一个子图像的结构稳定度；
Figure 872403DEST_PATH_IMAGE018
为第一个子图像与第
Figure 100002_DEST_PATH_IMAGE019
个子图像的结构相似度；
Figure 414022DEST_PATH_IMAGE020
为第1个子图像；
Figure 100002_DEST_PATH_IMAGE021
为第
Figure 883312DEST_PATH_IMAGE019
个子图像；
Figure 134165DEST_PATH_IMAGE022
为子图像的个数。
更优选地，所述标记的子图像的结构稳定度通过下式确定：
Figure 850448DEST_PATH_IMAGE024
式中，
Figure 100002_DEST_PATH_IMAGE025
为第
Figure 606658DEST_PATH_IMAGE026
个标记的子图像的结构稳定；
Figure 100002_DEST_PATH_IMAGE027
为第
Figure 4272DEST_PATH_IMAGE026
个标记的子图像与第
Figure 250577DEST_PATH_IMAGE028
个未标记的子图像的结构相似度；
Figure 100002_DEST_PATH_IMAGE029
为第
Figure 338094DEST_PATH_IMAGE026
个标记的子图像；
Figure 771481DEST_PATH_IMAGE030
为第
Figure 159737DEST_PATH_IMAGE028
个未标记的子图像；
Figure 932652DEST_PATH_IMAGE022
为子图像的个数。
更优选地，所述结构相似度通过下式确定：
Figure 646530DEST_PATH_IMAGE032
式中，
Figure 100002_DEST_PATH_IMAGE033
为子图像
Figure 908490DEST_PATH_IMAGE034
与子图像
Figure 100002_DEST_PATH_IMAGE035
的结构相似度；
Figure 647907DEST_PATH_IMAGE036
为子图像
Figure 337646DEST_PATH_IMAGE034
中像素点灰度值得平均值；
Figure 100002_DEST_PATH_IMAGE037
为子图像
Figure 566633DEST_PATH_IMAGE035
中像素点的灰度值的平均值；
Figure 99246DEST_PATH_IMAGE038
为子图像
Figure 108265DEST_PATH_IMAGE034
中像素点的灰度值的方差；
Figure 100002_DEST_PATH_IMAGE039
为子图像
Figure 980406DEST_PATH_IMAGE035
中像素点的灰度值的方差；
Figure 52399DEST_PATH_IMAGE040
为子图像
Figure 72307DEST_PATH_IMAGE034
中像素点的灰度值与子图像
Figure 481423DEST_PATH_IMAGE035
中像素点的灰度值的协方差；
Figure 100002_DEST_PATH_IMAGE041
和
Figure 877245DEST_PATH_IMAGE042
为常数，且，
Figure 100002_DEST_PATH_IMAGE043
，
Figure 385718DEST_PATH_IMAGE044
，
Figure 100002_DEST_PATH_IMAGE045
为子图像所在的灰度图像的像素点灰度值的最大值；
Figure 768289DEST_PATH_IMAGE046
，
Figure 100002_DEST_PATH_IMAGE047
。
更优选地，所述子图像的子模板的尺寸通过下式确定：
Figure 100002_DEST_PATH_IMAGE049
式中，
Figure 587953DEST_PATH_IMAGE050
为第
Figure 982156DEST_PATH_IMAGE011
子图像的子模板的宽；
Figure 100002_DEST_PATH_IMAGE051
为第
Figure 458268DEST_PATH_IMAGE011
子图像的子模板的长；
Figure 328135DEST_PATH_IMAGE052
为灰度图像的模板的宽的最小值；
Figure 100002_DEST_PATH_IMAGE053
为灰度图像的模板的长的最小值；
Figure 279386DEST_PATH_IMAGE010
为第
Figure 839680DEST_PATH_IMAGE011
子图像的规则方向度；
Figure 486693DEST_PATH_IMAGE054
为第
Figure 515960DEST_PATH_IMAGE011
子图像的结构稳定度；
Figure 100002_DEST_PATH_IMAGE055
和
Figure 273832DEST_PATH_IMAGE056
表示超参数。
更优选地，所述子模板与该子模板对应的子图像的匹配程度通过下式确定：
Figure 688633DEST_PATH_IMAGE058
式中，
Figure 100002_DEST_PATH_IMAGE059
为第
Figure 261476DEST_PATH_IMAGE011
个子模板
Figure 512460DEST_PATH_IMAGE060
与该子模板对应的子图像
Figure 100002_DEST_PATH_IMAGE061
的匹配程度；
Figure 74022DEST_PATH_IMAGE060
表示第
Figure 343329DEST_PATH_IMAGE011
个子模板，
Figure 269828DEST_PATH_IMAGE061
表示第
Figure 257376DEST_PATH_IMAGE011
个子图像；
Figure 291803DEST_PATH_IMAGE050
为第
Figure 681196DEST_PATH_IMAGE011
个子图像的子模板
Figure 778597DEST_PATH_IMAGE060
的宽；
Figure 987861DEST_PATH_IMAGE051
为第
Figure 828909DEST_PATH_IMAGE011
子图像的子模板
Figure 72809DEST_PATH_IMAGE060
的长；
Figure 341110DEST_PATH_IMAGE062
为第
Figure 303250DEST_PATH_IMAGE011
个子模板中坐标为
Figure 100002_DEST_PATH_IMAGE063
的像素点的灰度值；
Figure 741797DEST_PATH_IMAGE064
为第
Figure 590935DEST_PATH_IMAGE011
个子图像中坐标为
Figure 279406DEST_PATH_IMAGE063
的像素点的灰度值。
更优选地，根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域的过程中还包括：设定匹配程度阈值，获取子模板与该子模板对应的子图像的匹配程度；当所述匹配程度大于匹配程度阈值时，所述匹配程度对应的子图像的像素点为缺陷区域。
与现有技术相比，本发明的有益效果是：
本发明提供了一种医用纱布缺陷检测方法，该方法通过获取医用纱布的灰度图像；对灰度图像进行傅里叶变换获取频谱图；根据频谱图的尺寸、频谱图中频点之间的距离和灰度图像的尺寸获取灰度图像的模板尺寸的变化范围；本发明确定灰度图像的模板尺寸的变化范围后，可根据灰度图像的模板尺寸的变化范围对每个子图像的子模板的尺寸进行范围限定，使得每个子图像的子模板的尺寸在灰度图像的模板尺寸的变化范围，以保证对医用纱布缺陷检测的精确性。
本发明还通过将灰度图像分割为多个尺寸相同的子图像；通过滑窗对每个子图像进行滑动遍历，获取每个滑窗内中心像素点与其余像素点的灰度相似度；根据灰度相似度获取每个滑窗内与中心像素点相似的像素点；获取每个中心像素点与相似像素点的方向夹角；根据每个子图像中的每个中心像素点与相似像素点的方向夹角获取每个子图像的规则方向度；根据灰度图像中每个子图像与其余子图像的结构相似度获取灰度图像中每个子图像的结构稳定度；根据灰度图像中每个子图像的规则方向度和结构稳定度，以及灰度图像的模板尺寸的变化范围获取每个子图像的子模板的尺寸；根据每个子图像的子模板的尺寸获取每个子图像的标准医用纱布的子模板；根据每个子模板与该子模板对应的子图像的匹配程度获取灰度图像中每个子图像的缺陷区域；本发明在获得了每个子图像的子模板的尺寸后，对每个每个子图像进行模板匹配，并获取每个每个子图像中的缺陷像素点，所有子图像中的缺陷像素点组成的区域则为医用纱布中的缺陷区域，相比与相关技术中使用固定的模板尺寸对医用纱布进行缺陷检测，本发明的自适应子模板具有检测精度和检测效率更高的特点；本发明解决了相关技术中，在对医用纱布缺陷检测时存在漏检和检测，以及检测精度和检测效率低下的技术问题。
附图说明
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，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地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施提供的医用纱布缺陷检测方法的流程示意图。
具体实施方式
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，所描述的实施例仅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。
实施例
本实施例提供了一种医用纱布缺陷检测方法，如图1所示，方法包括：
S101，在医用纱布生产制造过程中，通过对生产得到的医用纱布卷张紧后，通过布置图像数据采集平台采集张紧后的医用纱布图像；医用纱布图像的尺寸为
Figure DEST_PATH_IMAGE065
；
本实施例中的图像数据采集平台包括高分辨率CCD相机、医用纱布卷张紧传动装置、支架平台、光源和图像数据传输系统；
对获取的医用纱布图像进行灰度处理和平滑去噪处理获取灰度图像；对灰度图像进行傅里叶变换获取频谱图，并对频谱图进行
Figure 276312DEST_PATH_IMAGE066
阈值分割方法获取频谱图的二值图像；对二值进行连通域检测获取二值图像中的多个连通域；获取每个连通域的中心点，每个中心点为频谱图的频点；频谱图的所有频点通过频谱图的中心点对称分布；
以频谱图的中心点为对称点，获取频谱图中水平方向每对频点的距离；获取水平方向每对频点的距离的最大值和最小值，根据最大值和最小值获取灰度图像的模板的宽的取值范围；灰度图像的模板的宽的取值范围通过下式确定：
Figure DEST_PATH_IMAGE067
式中，
Figure 521479DEST_PATH_IMAGE052
为灰度图像的模板的宽的最小值，
Figure 487774DEST_PATH_IMAGE068
表示最小值；
Figure DEST_PATH_IMAGE069
为灰度图像的模板的宽的最大值，
Figure 425774DEST_PATH_IMAGE070
表示最大值；
Figure DEST_PATH_IMAGE071
为频谱图中水平方向每对频点的距离的最小值，
Figure 644397DEST_PATH_IMAGE068
表示最小值；
Figure 614627DEST_PATH_IMAGE072
为频谱图中水平方向每对频点的距离的最大值，
Figure 438358DEST_PATH_IMAGE070
表示最大值；
Figure DEST_PATH_IMAGE073
为频谱图的横向尺寸，
Figure 278750DEST_PATH_IMAGE074
表示频谱图，
Figure DEST_PATH_IMAGE075
表示横向尺寸；
Figure 250248DEST_PATH_IMAGE076
为灰度图像的横向尺寸，
Figure DEST_PATH_IMAGE077
表示频谱图，
Figure 758590DEST_PATH_IMAGE075
表示横向尺寸；
Figure 702406DEST_PATH_IMAGE078
表示频谱图中水平方向每对频点的距离的最小值与频谱图的横向尺寸
Figure 903581DEST_PATH_IMAGE073
的比值，对频谱图中水平方向每对频点的距离的最小值与频谱图的横向尺寸
Figure 768900DEST_PATH_IMAGE073
的比值
Figure 346511DEST_PATH_IMAGE078
乘以灰度图像的横向尺寸
Figure 141905DEST_PATH_IMAGE076
，可确定灰度图像的模板的宽的最小值
Figure 513980DEST_PATH_IMAGE052
；
Figure DEST_PATH_IMAGE079
表示频谱图中水平方向每对频点的距离的最大值与频谱图的横向尺寸
Figure 194491DEST_PATH_IMAGE073
的比值，对频谱图中水平方向每对频点的距离的最大值与频谱图的横向尺寸
Figure 857685DEST_PATH_IMAGE073
的比值
Figure 963044DEST_PATH_IMAGE078
乘以灰度图像的横向尺寸
Figure 53491DEST_PATH_IMAGE076
，可确定灰度图像的模板的宽的最大值
Figure 673828DEST_PATH_IMAGE069
；
获取频谱图中竖直方向每对频点的距离；获取竖直方向每对频点的距离的最大值和最小值，根据最大值和最小值获取灰度图像的模板的长的取值范围；灰度图像的模板的长的取值范围通过下式确定：
Figure DEST_PATH_IMAGE081
式中，
Figure 137783DEST_PATH_IMAGE053
为灰度图像的模板的长的最小值，
Figure 910698DEST_PATH_IMAGE068
表示最小值；
Figure 624576DEST_PATH_IMAGE082
为灰度图像的模板的长的最大值，
Figure 217363DEST_PATH_IMAGE070
表示最大值；
Figure DEST_PATH_IMAGE083
为频谱图中竖直方向每对频点的距离的最小值；
Figure 222359DEST_PATH_IMAGE084
为频谱图中竖直方向每对频点的距离的最大值；
Figure DEST_PATH_IMAGE085
为频谱图的纵向尺寸，
Figure 833469DEST_PATH_IMAGE074
表示频谱图，
Figure 466051DEST_PATH_IMAGE086
表示纵向尺寸；
Figure DEST_PATH_IMAGE087
为灰度图像的纵向尺寸，
Figure 405188DEST_PATH_IMAGE077
表示频谱图，
Figure 417138DEST_PATH_IMAGE086
表示纵向尺寸；
Figure 148333DEST_PATH_IMAGE088
表示频谱图中竖直方向每对频点的距离的最小值
Figure 220326DEST_PATH_IMAGE083
与频谱图的横向尺寸
Figure 36972DEST_PATH_IMAGE085
的比值，对频谱图中竖直方向每对频点的距离的最小值与频谱图的横向尺寸的比值
Figure 873120DEST_PATH_IMAGE088
乘以灰度图像的纵向尺寸
Figure 458822DEST_PATH_IMAGE087
，可确定灰度图像的模板的长的最小值
Figure 436137DEST_PATH_IMAGE053
；
Figure DEST_PATH_IMAGE089
表示频谱图中竖直方向每对频点的距离的最大值
Figure 287549DEST_PATH_IMAGE084
与频谱图的横向尺寸
Figure 890569DEST_PATH_IMAGE085
的比值，对频谱图中竖直方向每对频点的距离的最大值与频谱图的横向尺寸的比值
Figure 81510DEST_PATH_IMAGE089
乘以灰度图像的纵向尺寸
Figure 10152DEST_PATH_IMAGE087
，可确定灰度图像的模板的长的最大值
Figure 283614DEST_PATH_IMAGE082
；
通过本实施例可获得灰度图像的模板尺寸的变化范围，灰度图像的模板的宽的变化范围为
Figure 690324DEST_PATH_IMAGE052
至
Figure 470192DEST_PATH_IMAGE069
；灰度图像的模板的长的变化范围为
Figure 569735DEST_PATH_IMAGE053
至
Figure 333423DEST_PATH_IMAGE082
；
需要说明的是，在频谱图中随着频率降低，对称的频点越靠近频谱中心，在医用纱布的灰度图中纬向和经向是有规律分布的，可以看作横向正弦波和纵向正弦波的组合，而对于不同型号的医用纱布，其对应的纬向和经向距离不同，因此通过对医用纱布的频谱图分析，越密集的医用纱布的纬向对应着频谱图中纵向的对称频点越远；越密集的医用纱布的经向对应着频谱图中横向的对称频点越远，因此，通过此特性，本实施例获得了灰度图的模板尺寸的变化范围；
S102，将获取的尺寸为
Figure 278245DEST_PATH_IMAGE065
医用纱布图像的灰度图像分割为A子图像，每个子图像的尺寸为
Figure 443779DEST_PATH_IMAGE090
；
在子图像中建立
Figure DEST_PATH_IMAGE091
的像素点矩阵滑动窗口，获取
Figure 258763DEST_PATH_IMAGE091
的像素点矩阵滑动窗口的中心像素点与其余像素点的灰度相似度；根据灰度相似度获取与中心像素点相似的像素点；
Figure 759015DEST_PATH_IMAGE091
的像素点矩阵滑动窗口内中心像素点与其余像素点的灰度相似度通过下式确定：
Figure 258260DEST_PATH_IMAGE002
式中，
Figure 261989DEST_PATH_IMAGE003
为第
Figure 188487DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与像素点滑动窗口中除中心点以外的第
Figure 176035DEST_PATH_IMAGE005
个像素点的灰度相似度；
Figure 213392DEST_PATH_IMAGE006
为第
Figure 602785DEST_PATH_IMAGE004
个像素点矩阵滑动窗口的中心像素点灰度值；
Figure 228414DEST_PATH_IMAGE007
表示第
Figure 906520DEST_PATH_IMAGE004
个像素点矩阵滑动窗口中除中心点以外的第
Figure 544306DEST_PATH_IMAGE005
个像素点的灰度值；
Figure 788206DEST_PATH_IMAGE092
表示第
Figure 56507DEST_PATH_IMAGE004
个像素点矩阵滑动窗口的中心像素点灰度值与第
Figure 753068DEST_PATH_IMAGE004
个像素点矩阵滑动窗口中除中心点以外的第
Figure 132227DEST_PATH_IMAGE005
个像素点的灰度值的差值；
Figure DEST_PATH_IMAGE093
中加1是避免
Figure 40753DEST_PATH_IMAGE093
值等于0；获取
Figure 729223DEST_PATH_IMAGE093
的倒数得到
Figure 585184DEST_PATH_IMAGE094
，并将灰度相似度的范围确定到0到1之间；
设置灰度相似度阈值
Figure DEST_PATH_IMAGE095
，比较第
Figure 830352DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与像素点滑动窗口中除中心点以外的第
Figure 533997DEST_PATH_IMAGE005
个像素点的灰度相似度
Figure 658947DEST_PATH_IMAGE003
与灰度相似度阈值
Figure 408729DEST_PATH_IMAGE095
的大小，当第
Figure 392341DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与像素点滑动窗口中除中心点以外的第
Figure 668601DEST_PATH_IMAGE005
个像素点的灰度相似度
Figure 715186DEST_PATH_IMAGE003
大于灰度相似度阈值
Figure 873635DEST_PATH_IMAGE095
时，则将第
Figure 726184DEST_PATH_IMAGE004
个像素点滑动窗口除中心点以外的第
Figure 873263DEST_PATH_IMAGE005
个像素点标记为初始相似像素点；在第
Figure 340016DEST_PATH_IMAGE004
个像素点滑动窗口获取全部初始相似像素点，并将全部初始相似像素点中与第
Figure 733564DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的灰度相似度最大的初始相似像素点作为第
Figure 311176DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的相似像素点
Figure 171816DEST_PATH_IMAGE096
；
需要说明的是，本实施例中根据对检测要求和实施条件设定灰度相似度阈值
Figure 560203DEST_PATH_IMAGE095
为0.1，实施者可根据具体的实施条件设定其它的数值作为灰度相似度阈值；
将第
Figure 896506DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与第
Figure 28541DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的相似像素点
Figure 6337DEST_PATH_IMAGE096
两点之间相连，获取第
Figure 549314DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与第
Figure 920384DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的相似像素点
Figure 574219DEST_PATH_IMAGE096
之间连线的距离
Figure DEST_PATH_IMAGE097
；并获取连线的距离
Figure 143871DEST_PATH_IMAGE097
的方向与灰度图像的水平方向的夹角；连线的距离
Figure 874061DEST_PATH_IMAGE097
的方向在灰度图像的水平方向的夹角通过下式确定：
Figure DEST_PATH_IMAGE099
式中，
Figure 549672DEST_PATH_IMAGE100
为第
Figure 7199DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角；
Figure DEST_PATH_IMAGE101
为第
Figure 696937DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的坐标；
Figure 253820DEST_PATH_IMAGE102
为第
Figure 333903DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的相似像素点的坐标；
Figure DEST_PATH_IMAGE103
表示反正切函数；
同理，可获取连线的距离
Figure 142590DEST_PATH_IMAGE097
的方向与灰度图像的竖直方向的夹角，连线的距离
Figure 873786DEST_PATH_IMAGE097
的方向在灰度图像的竖直方向的夹角通过下式确定：
Figure DEST_PATH_IMAGE105
Figure 739586DEST_PATH_IMAGE106
为第
Figure 306965DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角；
Figure 106293DEST_PATH_IMAGE101
为第
Figure 442728DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的坐标；
Figure 934889DEST_PATH_IMAGE102
为第
Figure 989564DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点的相似像素点的坐标；
Figure 327004DEST_PATH_IMAGE103
表示反正切函数；
获得了第
Figure 780595DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角
Figure 178078DEST_PATH_IMAGE100
和第
Figure 720049DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角
Figure 861181DEST_PATH_IMAGE106
后，还需要根据第
Figure 172207DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角
Figure 271750DEST_PATH_IMAGE100
和第
Figure 35438DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角
Figure 714681DEST_PATH_IMAGE106
的值的大小，获取第
Figure 142864DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点
Figure 147729DEST_PATH_IMAGE096
之间连线的夹角；第
Figure 398713DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点
Figure 881647DEST_PATH_IMAGE096
之间连线的夹角通过下式确定：
Figure 901687DEST_PATH_IMAGE108
式中，
Figure 343032DEST_PATH_IMAGE013
为第
Figure 81312DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点
Figure 367937DEST_PATH_IMAGE096
之间连线的夹角；
Figure 239554DEST_PATH_IMAGE106
为第
Figure 320642DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角；
Figure 546218DEST_PATH_IMAGE100
为第
Figure 902113DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角；
根据第
Figure 896745DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的水平方向的夹角
Figure 148735DEST_PATH_IMAGE100
和第
Figure 861607DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点连线距离在灰度图像的竖直方向的夹角
Figure 490035DEST_PATH_IMAGE106
的值的大小，获得了第
Figure 601823DEST_PATH_IMAGE004
个像素点滑动窗口的中心像素点与中心像素点的相似像素点
Figure 24714DEST_PATH_IMAGE096
之间连线的夹角；将子图像中的第
Figure 552778DEST_PATH_IMAGE004
个像素点滑动窗口依次从左到右和从上到下滑动，
Figure 735629DEST_PATH_IMAGE091
的像素点矩阵滑动窗口在子图像中每次滑动一个像素点单位，
Figure 688541DEST_PATH_IMAGE091
的像素点矩阵滑动窗口在单个子图像中每滑动一次获取
Figure 564225DEST_PATH_IMAGE091
的像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角，依次获得子图像中每个
Figure 438640DEST_PATH_IMAGE091
的像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角，根据每个
Figure 422252DEST_PATH_IMAGE091
的像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角获取子图像的规则方向度；依次获得每个子图像的规则方向度；子图像的规则方向度通过下式确定：
Figure DEST_PATH_IMAGE109
式中，
Figure 573878DEST_PATH_IMAGE010
为第
Figure 604151DEST_PATH_IMAGE011
个子图像的规则方向度；
Figure 513333DEST_PATH_IMAGE012
为第
Figure 287254DEST_PATH_IMAGE011
个子图像中像素点矩阵滑动窗口的个数；
Figure 965491DEST_PATH_IMAGE013
为第
Figure 166665DEST_PATH_IMAGE004
个像素点矩阵滑动窗口的中心像素点与中心像素点的相似像素点之间连线的夹角；
Figure 888109DEST_PATH_IMAGE014
表示双曲正切函数；
Figure 872245DEST_PATH_IMAGE110
表示第
Figure 998464DEST_PATH_IMAGE011
个子图像内所有像素点矩阵滑动窗口内的像素点连线之间连线夹角的均值，根据均值来表征子图像内像素点之间连线与医用纱布的经线和纬线的偏差；
需要说明的是，考虑到采集的医用纱布图像中存在规则的非缺陷区域以及不规则的缺陷区域；在规则的非缺陷区域图像中医用纱布纹理走向以及灰度变化相似方向是相同的，即存在梯度变化的方向仅为经向方向（90°和270°方向）和纬向方向（0°和180°方向）；而对于不规则的缺陷区域图像中，其纹理走向以及灰度变化相似方向是随机的；对于规则的非缺陷区域图像中纬向走向的图像的像素点的灰度变化相似方向是与纬向走向相同的，即纬向走向的像素点是灰度相似的；对于医用纱布本身像素点灰度变化相似方向是与经向走向相同的，即经向走向的像素点是灰度相似的。因此，为了加快模板匹配所用的时间，减少模板匹配过程中的计算量，通过获取第
Figure 121272DEST_PATH_IMAGE011
个子图像内规则方向度
Figure 519893DEST_PATH_IMAGE010
来确定当前子图像内需要的子模板大小；其中，规则方向度
Figure DEST_PATH_IMAGE111
越大，需要的子模板越小，子图像内模板匹配的时间就越少；规则方向度
Figure 448665DEST_PATH_IMAGE111
越小，需要的子模板越大，子图像内模板匹配的时间就越多；
S103，本实施例中将灰度图像分割成了A子图像，并获得了每个子图像的规则方向度；本步骤需要进一步获取每个子图像的结构稳定度；并根据子图像的规则方向度和结构稳定度获取子图像的子模板的大小；为了减少获取每个子图像时的计算量，本实施例采用以下的遍历方式获取灰度图像中每个子图像的结构稳定度；
从灰度图像的第一个子图像开始对灰度图像中的其余子图像进行从左到右和从上到下的遍历，依次获取第一个子图像与其余子图像之间的结构相似度；结构相似度通过下式确定：
Figure 122003DEST_PATH_IMAGE032
式中，
Figure 664979DEST_PATH_IMAGE033
为子图像
Figure 770470DEST_PATH_IMAGE034
与子图像
Figure 893147DEST_PATH_IMAGE035
的结构相似度；
Figure 400482DEST_PATH_IMAGE036
为子图像
Figure 379940DEST_PATH_IMAGE034
中像素点灰度值得平均值；
Figure 238305DEST_PATH_IMAGE037
为子图像
Figure 695832DEST_PATH_IMAGE035
中像素点的灰度值的平均值；
Figure 382640DEST_PATH_IMAGE038
为子图像
Figure 283731DEST_PATH_IMAGE034
中像素点的灰度值的方差；
Figure 613082DEST_PATH_IMAGE039
为子图像
Figure 625031DEST_PATH_IMAGE035
中像素点的灰度值的方差；
Figure 90647DEST_PATH_IMAGE040
为子图像
Figure 428219DEST_PATH_IMAGE034
中像素点的灰度值与子图像
Figure 244865DEST_PATH_IMAGE035
中像素点的灰度值的协方差；
Figure 791997DEST_PATH_IMAGE041
和
Figure 377699DEST_PATH_IMAGE042
为常数，且，
Figure 620592DEST_PATH_IMAGE043
，
Figure 658956DEST_PATH_IMAGE044
，
Figure 12708DEST_PATH_IMAGE045
为子图像所在的灰度图像的像素点灰度值的最大值；
Figure 718496DEST_PATH_IMAGE046
，
Figure 866711DEST_PATH_IMAGE047
；
Figure 657950DEST_PATH_IMAGE112
表示子图像
Figure 750146DEST_PATH_IMAGE035
中像素点的灰度值的平均值与子图像
Figure 310440DEST_PATH_IMAGE034
中像素点的灰度值的平均值的和；
Figure DEST_PATH_IMAGE113
表示子图像
Figure 957454DEST_PATH_IMAGE034
中像素点的灰度值的方差与子图像
Figure 986721DEST_PATH_IMAGE035
中像素点的灰度值的方差的和；
Figure 931543DEST_PATH_IMAGE114
中通过了子图像
Figure 424972DEST_PATH_IMAGE034
与子图像
Figure 177640DEST_PATH_IMAGE035
中像素点的灰度值的平均值和像素点的灰度值的方差对应关系确定了子图像
Figure 677892DEST_PATH_IMAGE034
与子图像
Figure 911558DEST_PATH_IMAGE035
的结构相似度；
依次可获得灰度图像中第一个子图像与其余子图像的结构相似度；设定结构相似度阈值
Figure DEST_PATH_IMAGE115
，根据结构相似度阈值
Figure 259494DEST_PATH_IMAGE115
从灰度图像中标记除第一个子图像的子图像；结构相似度阈值
Figure 169681DEST_PATH_IMAGE115
为0.6；当灰度图像中的第一个子图像与除第一子图像外其余单个图像的结构相似度小于0.6时，对该单个子图像进行标记；依次完成对其余满足结构相似度小于0.6的单个子图像的标记；
根据灰度图像中第一个子图像与其余子图像的结构相似度获取第一个子图像的结构稳定度；第一个子图像的结构稳定度通过下式确定：
Figure 907961DEST_PATH_IMAGE016
式中，
Figure 194586DEST_PATH_IMAGE017
为第一个子图像的结构稳定度，下标
Figure 597361DEST_PATH_IMAGE116
表示未标记的第一个子图像；
Figure 147291DEST_PATH_IMAGE018
为第一个子图像与第
Figure 372867DEST_PATH_IMAGE019
个子图像的结构相似度；
Figure 197603DEST_PATH_IMAGE020
为第1个子图像，
Figure DEST_PATH_IMAGE117
表示未标记；
Figure 254552DEST_PATH_IMAGE021
为第
Figure 522854DEST_PATH_IMAGE019
个子图像，
Figure 484994DEST_PATH_IMAGE117
表示未标记；
Figure 861224DEST_PATH_IMAGE022
为子图像的个数；
Figure 959630DEST_PATH_IMAGE118
中通过第一个子图像与其余子图像的结构相似度
Figure 398832DEST_PATH_IMAGE018
，以及灰度图像中除第一个子图像外的其余子图像的个数
Figure DEST_PATH_IMAGE119
确定灰度图像中第一个子图像的结构稳定度；
选取第一个标记的子图像对灰度图像中的其余未标记的子图像进行从左到右和从上到下的遍历，根据结构相似度阈值
Figure 723635DEST_PATH_IMAGE115
从未标记的子图像中标记子图像，并获取第一个标记的子图像的结构稳定度；
选取第二个标记的子图像对灰度图像中的其余未标记的子图像进行遍历，根据结构相似度阈值从未标记的子图像中标记子图像，并获取第二个标记的子图像的结构稳定度；直至标记的子图像对灰度图像中的未标记的子图像全部遍历完成，并获得每个标记的子图像的结构稳定度；标记的子图像的结构稳定度通过下式确定：
Figure 640906DEST_PATH_IMAGE024
式中，
Figure 124977DEST_PATH_IMAGE025
为第
Figure 732151DEST_PATH_IMAGE026
个标记的子图像的结构稳定，下标
Figure 481933DEST_PATH_IMAGE120
表示第
Figure 717742DEST_PATH_IMAGE026
个标记的子图像；
Figure 462844DEST_PATH_IMAGE027
为第
Figure 571746DEST_PATH_IMAGE026
个标记的子图像与第
Figure 480927DEST_PATH_IMAGE028
个未标记的子图像的结构相似度；
Figure 989269DEST_PATH_IMAGE029
为第
Figure 953593DEST_PATH_IMAGE026
个标记的子图像；
Figure 154767DEST_PATH_IMAGE030
为第
Figure 551244DEST_PATH_IMAGE028
个未标记的子图像；
Figure 128856DEST_PATH_IMAGE022
为灰度图像中子图像的个数；
Figure DEST_PATH_IMAGE121
中通过第
Figure 723917DEST_PATH_IMAGE026
个标记的子图像与其余未标记的子图像的结构相似度
Figure 112304DEST_PATH_IMAGE027
，以及灰度图像中除第
Figure 979766DEST_PATH_IMAGE026
个标记的子图像外的其余子图像的个数
Figure 108871DEST_PATH_IMAGE119
确定灰度图像中第
Figure 10968DEST_PATH_IMAGE026
个标记的子图像的结构稳定度；
需要说明的是，为了防止灰度图像中的第一个子图像为缺陷图像，对使用灰度图像中的第一个子图像遍历后进行标记的子图像的总数需要进行限定，规定灰度图像中第一个子图像遍历后进行标记的子图像的总数
Figure 304677DEST_PATH_IMAGE122
，其中
Figure DEST_PATH_IMAGE123
为灰度图像中第一个子图像遍历后进行标记的子图像的总数，
Figure 675747DEST_PATH_IMAGE022
为灰度图像中的子图像的总数；当灰度图像中第一个子图像遍历后进行标记的子图像的总数不满足
Figure 860741DEST_PATH_IMAGE122
时，选取灰度图像中的第二个子图像代替第一个子图像进行遍历操作；如第二个子图像遍历后进行标记的子图像的总数仍不满足
Figure 102497DEST_PATH_IMAGE122
时，选择第三个子图像进行重复操作，直到选择的子图像遍历后标记的子图像的总数仍满足
Figure 816375DEST_PATH_IMAGE122
时为止；
全部遍历完成后，灰度图像包含标记的子图像和未标记的子图像；将全部未标记的子图像的结构稳定度用灰度图像中第一个子图像的结构稳定度代替，由此获得灰度图像中每个子图像的结构稳定度；根据每个子图像的规则方向度和结构稳定度，以及灰度图像的模板尺寸的变化范围可获得灰度图像中每个子图像的子模板的尺寸；子图像的子模板的尺寸通过下式确定：
Figure DEST_PATH_IMAGE125
式中，
Figure 734128DEST_PATH_IMAGE050
为第
Figure 942387DEST_PATH_IMAGE011
子图像的子模板的宽；
Figure 553497DEST_PATH_IMAGE051
为第
Figure 454588DEST_PATH_IMAGE011
子图像的子模板的长；
Figure 783938DEST_PATH_IMAGE052
为灰度图像的模板的宽的最小值；
Figure 327046DEST_PATH_IMAGE053
为灰度图像的模板的长的最小值；
Figure 58242DEST_PATH_IMAGE010
为第
Figure 127304DEST_PATH_IMAGE011
子图像的规则方向度；
Figure 678371DEST_PATH_IMAGE054
为第
Figure 494012DEST_PATH_IMAGE011
子图像的结构稳定度；
Figure 79714DEST_PATH_IMAGE055
和
Figure 57028DEST_PATH_IMAGE056
表示超参数，用于调整模板步长值，且
Figure 360971DEST_PATH_IMAGE126
，
Figure DEST_PATH_IMAGE127
，
Figure 777040DEST_PATH_IMAGE128
为第
Figure 965051DEST_PATH_IMAGE011
子图像的宽，
Figure DEST_PATH_IMAGE129
为第
Figure 175583DEST_PATH_IMAGE011
子图像的长，
Figure 701243DEST_PATH_IMAGE130
表示对
Figure DEST_PATH_IMAGE131
的值向上取整，
Figure 921003DEST_PATH_IMAGE132
表示对
Figure DEST_PATH_IMAGE133
的值向上取整；
Figure 294346DEST_PATH_IMAGE134
表示对灰度图像的模板的宽的最小值进行步长调整，
Figure DEST_PATH_IMAGE135
表示步长调整值；
Figure 672850DEST_PATH_IMAGE136
表示对灰度图像的模板的长的最小值进行步长调整，
Figure DEST_PATH_IMAGE137
表示步长调整值；通过对对灰度图像的模板的宽和长进行步长调整可确定每个子图像的自适应模板的大小；
需要说明的是，对于灰度图像中的每个子图像的子模板的长最大只能取到灰度图像的模板的长的最大值
Figure 764434DEST_PATH_IMAGE082
；对于灰度图像中的每个子图像的子模板的宽最大只能取到灰度图像的模板的宽的最大值
Figure 725568DEST_PATH_IMAGE069
；
S104，根据每个子图像的模板的尺寸对每个子图像选取子模板；使用每个子图像的子模板对每个子图像进行扫描，获取子图像与子图像的子模板的匹配程度；子图像与子图像的子模板的匹配程度通过下式确定：
Figure 140369DEST_PATH_IMAGE058
式中，
Figure 630387DEST_PATH_IMAGE059
为第
Figure 865060DEST_PATH_IMAGE011
个子模板
Figure 626955DEST_PATH_IMAGE060
与该子模板对应的子图像
Figure 896262DEST_PATH_IMAGE061
的匹配程度；
Figure 557182DEST_PATH_IMAGE060
表示第
Figure 810309DEST_PATH_IMAGE011
个子模板，
Figure 847666DEST_PATH_IMAGE061
表示第
Figure 237059DEST_PATH_IMAGE011
个子图像；
Figure 334459DEST_PATH_IMAGE050
为第
Figure 543723DEST_PATH_IMAGE011
个子图像的子模板
Figure 381842DEST_PATH_IMAGE060
的宽；
Figure 360162DEST_PATH_IMAGE051
为第
Figure 894043DEST_PATH_IMAGE011
子图像的子模板
Figure 856183DEST_PATH_IMAGE060
的长；
Figure 235343DEST_PATH_IMAGE062
为第
Figure 333749DEST_PATH_IMAGE011
个子模板中坐标为
Figure 772951DEST_PATH_IMAGE063
的像素点的灰度值；
Figure 956808DEST_PATH_IMAGE064
为第
Figure 160167DEST_PATH_IMAGE011
个子图像中坐标为
Figure 378658DEST_PATH_IMAGE063
的像素点的灰度值；
Figure 988762DEST_PATH_IMAGE138
表示第
Figure 863177DEST_PATH_IMAGE011
个子图像的子模板
Figure 849719DEST_PATH_IMAGE060
的规格大小；
Figure DEST_PATH_IMAGE139
表示第
Figure 329242DEST_PATH_IMAGE011
个子模板中坐标为
Figure 310580DEST_PATH_IMAGE063
的像素点的灰度值与第
Figure 734608DEST_PATH_IMAGE011
个子图像中坐标为
Figure 259261DEST_PATH_IMAGE063
的像素点的灰度值的差值；根据差值可确定每个子图像中的缺陷像素点；
设定匹配程度阈值，根据匹配程度与匹配程度阈值获取子图像的缺陷区域；本实施例设定匹配程度阈值为0.6，当匹配程度大于0.6时，匹配程度对应的子图像的像素点为缺陷区域；依次获取灰度图像中每个子图像的缺陷区域，由此完成对医用纱布的缺陷检测。
综上，本实施例提供了一种医用纱布缺陷检测方法，包括：获取医用纱布的灰度图像的频谱图；获取灰度图像的模板尺寸的变化范围；将灰度图像分割为多个尺寸相同的子图像，在每个子图像中建立滑窗；获取每个滑窗的中心像素点与相似像素点的方向夹角；获取每个子图像的规则方向度；获取灰度图像中每个子图像的结构稳定度；根据子图像的规则方向度和结构稳定度，以及灰度图像的模板尺寸的变化范围获取灰度图像中每个子图像的子模板的尺寸；根据每个子图像的子模板的尺寸对每个子图像选取子模板；获取子图像与子图像的子模板的匹配程度，根据匹配程度获取每个子图像的缺陷区域；本发明解决了相关技术中，在对医用纱布缺陷检测时存在漏检和检测，以及检测精度和检测效率低下的技术问题。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种医用纱布缺陷检测方法，其特征在于，包括以下步骤：
获取医用纱布的灰度图像；对所述灰度图像进行傅里叶变换获取频谱图；
根据所述频谱图的尺寸、频谱图中频点之间的距离和所述灰度图像的尺寸获取灰度图像的模板尺寸的变化范围；
将所述灰度图像分割为多个尺寸相同的子图像；
通过滑窗对每个子图像进行滑动遍历，获取每个滑窗内中心像素点与其余像素点的灰度相似度；
根据灰度相似度获取每个滑窗内与中心像素点相似的像素点；
获取每个中心像素点与相似像素点的方向夹角；
根据每个子图像中的每个中心像素点与相似像素点的方向夹角获取每个子图像的规则方向度；
根据所述灰度图像中每个子图像与其余子图像的结构相似度获取所述灰度图像中每个子图像的结构稳定度；
根据所述灰度图像中每个子图像的规则方向度和结构稳定度，以及所述灰度图像的模板尺寸的变化范围获取每个子图像的子模板的尺寸；
根据每个子图像的子模板的尺寸获取每个子图像的标准医用纱布的子模板；根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域。
2.根据权利要求1所述的医用纱布缺陷检测方法，其特征在于，所述滑窗内中心像素点与其余像素点的灰度相似度通过下式确定：
Figure 138902DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
为第
Figure 632332DEST_PATH_IMAGE004
个滑窗内中心像素点与除中心点以外的第
Figure DEST_PATH_IMAGE005
个像素点的灰度相似度；
Figure 715825DEST_PATH_IMAGE006
为第
Figure 216077DEST_PATH_IMAGE004
个滑窗内中心像素点的灰度值；
Figure DEST_PATH_IMAGE007
为第
Figure 181234DEST_PATH_IMAGE004
个滑窗内除中心点以外的第
Figure 716121DEST_PATH_IMAGE005
个像素点的灰度值。
3.根据权利要求2所述的医用纱布缺陷检测方法，其特征在于，所述子图像的规则方向度通过下式确定：
Figure DEST_PATH_IMAGE009
式中，
Figure 970516DEST_PATH_IMAGE010
为第
Figure DEST_PATH_IMAGE011
子图像的规则方向度；
Figure 912058DEST_PATH_IMAGE012
为第
Figure 198683DEST_PATH_IMAGE011
子图像中滑窗的个数；
Figure DEST_PATH_IMAGE013
为第
Figure 932284DEST_PATH_IMAGE004
个滑窗内中心像素点与相似像素点的方向夹角；
Figure 761175DEST_PATH_IMAGE014
表示双曲正切函数。
4.根据权利要求1所述的医用纱布缺陷检测方法，其特征在于，获取所述灰度图像中每个所述子图像的结构稳定度的过程为：
从所述灰度图像的第一个子图像开始对所述灰度图像中的其余子图像进行遍历，依次获取第一个子图像与其余子图像之间的结构相似度；设定结构相似度阈值，根据所述结构相似度阈值从所述灰度图像中标记除第一个子图像的子图像；根据所述结构相似度获取所述第一个子图像的结构稳定度；
选取第一个标记的子图像对灰度图像中的其余未标记的子图像进行遍历，根据所述结构相似度阈值从未标记的子图像中标记子图像，并获取所述第一个标记的子图像的结构稳定度；
选取第二个标记的子图像对灰度图像中的其余未标记的子图像进行遍历，根据所述结构相似度阈值从未标记的子图像中标记子图像，并获取所述第二个标记的子图像的结构稳定度；直至标记的子图像对所述灰度图像中的未标记的子图像全部遍历完成，并获得每个标记的子图像的结构稳定度；
全部遍历完成后所述灰度图像包含标记的子图像和未标记的子图像；将全部未标记的子图像的结构稳定度用所述灰度图像中第一个子图像的结构稳定度代替，由此获得所述灰度图像中每个子图像的结构稳定度。
5.根据权利要求4所述的医用纱布缺陷检测方法，其特征在于，所述第一个子图像的结构稳定度通过下式确定：
Figure 501598DEST_PATH_IMAGE016
式中，
Figure DEST_PATH_IMAGE017
为第一个子图像的结构稳定度；
Figure 545908DEST_PATH_IMAGE018
为第一个子图像与第
Figure DEST_PATH_IMAGE019
个子图像的结构相似度；
Figure 868436DEST_PATH_IMAGE020
为第1个子图像；
Figure DEST_PATH_IMAGE021
为第
Figure 199055DEST_PATH_IMAGE019
个子图像；
Figure 895615DEST_PATH_IMAGE022
为子图像的个数。
6.根据权利要求5所述的医用纱布缺陷检测方法，其特征在于，所述标记的子图像的结构稳定度通过下式确定：
Figure 6266DEST_PATH_IMAGE024
式中，
Figure DEST_PATH_IMAGE025
为第
Figure 448880DEST_PATH_IMAGE026
个标记的子图像的结构稳定；
Figure DEST_PATH_IMAGE027
为第
Figure 215979DEST_PATH_IMAGE026
个标记的子图像与第
Figure 665415DEST_PATH_IMAGE028
个未标记的子图像的结构相似度；
Figure DEST_PATH_IMAGE029
为第
Figure 910582DEST_PATH_IMAGE026
个标记的子图像；
Figure 270019DEST_PATH_IMAGE030
为第
Figure 877194DEST_PATH_IMAGE028
个未标记的子图像；
Figure 813926DEST_PATH_IMAGE022
为子图像的个数。
7.根据权利要求6所述的医用纱布缺陷检测方法，其特征在于，所述结构相似度通过下式确定：
Figure 534888DEST_PATH_IMAGE032
式中，
Figure DEST_PATH_IMAGE033
为子图像
Figure 686515DEST_PATH_IMAGE034
与子图像
Figure DEST_PATH_IMAGE035
的结构相似度；
Figure 529837DEST_PATH_IMAGE036
为子图像
Figure 688286DEST_PATH_IMAGE034
中像素点灰度值得平均值；
Figure DEST_PATH_IMAGE037
为子图像
Figure 6747DEST_PATH_IMAGE035
中像素点的灰度值的平均值；
Figure 419405DEST_PATH_IMAGE038
为子图像
Figure 230367DEST_PATH_IMAGE034
中像素点的灰度值的方差；
Figure DEST_PATH_IMAGE039
为子图像
Figure 689161DEST_PATH_IMAGE035
中像素点的灰度值的方差；
Figure 266773DEST_PATH_IMAGE040
为子图像
Figure 796587DEST_PATH_IMAGE034
中像素点的灰度值与子图像
Figure 168662DEST_PATH_IMAGE035
中像素点的灰度值的协方差；
Figure DEST_PATH_IMAGE041
和
Figure 849173DEST_PATH_IMAGE042
为常数，且，
Figure DEST_PATH_IMAGE043
，
Figure 512367DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE045
为子图像所在的灰度图像的像素点灰度值的最大值；
Figure 961934DEST_PATH_IMAGE046
，
Figure DEST_PATH_IMAGE047
。
8.根据权利要求7所述的医用纱布缺陷检测方法，其特征在于，所述子图像的子模板的尺寸通过下式确定：
Figure DEST_PATH_IMAGE049
式中，
Figure 128080DEST_PATH_IMAGE050
为第
Figure 748417DEST_PATH_IMAGE011
子图像的子模板的宽；
Figure DEST_PATH_IMAGE051
为第
Figure 480881DEST_PATH_IMAGE011
子图像的子模板的长；
Figure 988217DEST_PATH_IMAGE052
为灰度图像的模板的宽的最小值；
Figure DEST_PATH_IMAGE053
为灰度图像的模板的长的最小值；
Figure 879310DEST_PATH_IMAGE010
为第
Figure 721364DEST_PATH_IMAGE011
子图像的规则方向度；
Figure 195202DEST_PATH_IMAGE054
为第
Figure 71891DEST_PATH_IMAGE011
子图像的结构稳定度；
Figure DEST_PATH_IMAGE055
和
Figure 910665DEST_PATH_IMAGE056
表示超参数。
9.根据权利要求8所述的医用纱布缺陷检测方法，其特征在于，所述子模板与该子模板对应的子图像的匹配程度通过下式确定：
Figure 505595DEST_PATH_IMAGE058
式中，
Figure DEST_PATH_IMAGE059
为第
Figure 845440DEST_PATH_IMAGE011
个子模板
Figure 324439DEST_PATH_IMAGE060
与该子模板对应的子图像
Figure DEST_PATH_IMAGE061
的匹配程度；
Figure 458748DEST_PATH_IMAGE060
表示第
Figure 275394DEST_PATH_IMAGE011
个子模板，
Figure 215668DEST_PATH_IMAGE061
表示第
Figure 817682DEST_PATH_IMAGE011
个子图像；
Figure 309843DEST_PATH_IMAGE050
为第
Figure 364518DEST_PATH_IMAGE011
个子图像的子模板
Figure 701959DEST_PATH_IMAGE060
的宽；
Figure 421128DEST_PATH_IMAGE051
为第
Figure 818612DEST_PATH_IMAGE011
子图像的子模板
Figure 626162DEST_PATH_IMAGE060
的长；
Figure 767293DEST_PATH_IMAGE062
为第
Figure 78320DEST_PATH_IMAGE011
个子模板中坐标为
Figure DEST_PATH_IMAGE063
的像素点的灰度值；
Figure 115546DEST_PATH_IMAGE064
为第
Figure 879234DEST_PATH_IMAGE011
个子图像中坐标为
Figure 89635DEST_PATH_IMAGE063
的像素点的灰度值。
10.根据权利要求9所述的医用纱布缺陷检测方法，其特征在于，根据每个子模板与该子模板对应的子图像的匹配程度获取所述灰度图像中每个子图像的缺陷区域的过程中还包括：设定匹配程度阈值，获取子模板与该子模板对应的子图像的匹配程度；当所述匹配程度大于匹配程度阈值时，所述匹配程度对应的子图像的像素点为缺陷区域。
CN202211247479.XA 2022-10-12 2022-10-12 一种医用纱布缺陷检测方法 Active CN115330763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211247479.XA CN115330763B (zh) 2022-10-12 2022-10-12 一种医用纱布缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211247479.XA CN115330763B (zh) 2022-10-12 2022-10-12 一种医用纱布缺陷检测方法

Publications (2)

Publication Number Publication Date
CN115330763A true CN115330763A (zh) 2022-11-11
CN115330763B CN115330763B (zh) 2023-03-24

Family

ID=83914012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211247479.XA Active CN115330763B (zh) 2022-10-12 2022-10-12 一种医用纱布缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115330763B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117132593A (zh) * 2023-10-25 2023-11-28 济宁华晟服装股份有限公司 一种抗周期纹理影响的布匹粗糙度检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643294A (zh) * 2021-10-14 2021-11-12 江苏祥顺布业有限公司 基于频谱分析的纺织品缺陷自适应检测方法
CN115170576A (zh) * 2022-09-09 2022-10-11 山东中发新材料科技有限公司 基于机器视觉的铝管表面缺陷检测方法
CN115311290A (zh) * 2022-10-12 2022-11-08 南通市通州区精华电器有限公司 一种精密仪器金属零部件缺陷检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643294A (zh) * 2021-10-14 2021-11-12 江苏祥顺布业有限公司 基于频谱分析的纺织品缺陷自适应检测方法
CN115170576A (zh) * 2022-09-09 2022-10-11 山东中发新材料科技有限公司 基于机器视觉的铝管表面缺陷检测方法
CN115311290A (zh) * 2022-10-12 2022-11-08 南通市通州区精华电器有限公司 一种精密仪器金属零部件缺陷检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117132593A (zh) * 2023-10-25 2023-11-28 济宁华晟服装股份有限公司 一种抗周期纹理影响的布匹粗糙度检测方法
CN117132593B (zh) * 2023-10-25 2024-03-26 济宁华晟服装股份有限公司 一种抗周期纹理影响的布匹粗糙度检测方法

Also Published As

Publication number Publication date
CN115330763B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
US20200364849A1 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN111402226A (zh) 一种基于级联卷积神经网络的表面疵点检测方法
CN109409290B (zh) 一种温度表检定读数自动识别系统及方法
CN115330763A (zh) 一种医用纱布缺陷检测方法
JP2012515332A5 (zh)
US10210605B2 (en) Method and device for detecting boundary of region on display motherboard
CN108765388B (zh) 食道内窥oct图像层次结构的自动分割方法和系统
CN111415349B (zh) 一种基于图像处理技术的涤纶长丝毛丝检测方法
CN115100206B (zh) 用于具有周期图案纺织物的印花缺陷识别方法
JP5806786B1 (ja) 画像認識装置
CN109211918B (zh) 一种基于纬纱走向的织物弓纬检测方法
CN107156902A (zh) 一种烟支外观质量在线检测装置
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN107862689A (zh) 皮革表面明显破损自动识别方法及计算机可读存储介质
CN110414521A (zh) 一种变电站内变压器油位计示数识别方法
CN113012127A (zh) 基于胸部医学影像的心胸比测量方法
CN109099835A (zh) 基于手机影像的电力线夹测量方法及其系统
Han et al. Identification and measurement of convolutions in cotton fiber using image analysis
CN105699386B (zh) 一种采用接触式图像传感器的自动验布标记方法
CN105701833B (zh) 消化道胶囊内窥镜视频钩虫图像计算机自动检测方法
CN109084721B (zh) 用于确定半导体器件中的目标结构的形貌参数的方法和设备
CN110533657A (zh) 一种液晶屏外观检测方法
CN105741250B (zh) 基于二次插值法的自动验布机走布速度不匀的图像矫正方法
CN112509095B (zh) 一种oct图像错位校正方法
CN104992432B (zh) 多模图像配准方法

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