CN116630309B - 一种布匹断纬瑕疵检测方法 - Google Patents
一种布匹断纬瑕疵检测方法 Download PDFInfo
- Publication number
- CN116630309B CN116630309B CN202310896934.7A CN202310896934A CN116630309B CN 116630309 B CN116630309 B CN 116630309B CN 202310896934 A CN202310896934 A CN 202310896934A CN 116630309 B CN116630309 B CN 116630309B
- Authority
- CN
- China
- Prior art keywords
- obtaining
- connected domains
- group
- flaw
- domains
- 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.)
- Active
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000009941 weaving Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G06T5/90—
-
- 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
Abstract
本发明涉及图像处理领域,具体涉及一种布匹断纬瑕疵检测方法,该方法包括:获取待检测布匹的灰度图像;获取每个像素点的瑕疵可能性以及疑似瑕疵的目标行;利用每个目标行中瑕疵可能性大于设定的瑕疵可能性阈值的像素点进行区域生长得到多个连通域;利用每个组类中每两个连通域对应的子边缘线的像素点的坐标,得到每两个连通域的子边缘线之间的负偏移程度;进而得到每两个连通域的负偏移程度;利用每个组类中每两个连通域的负偏移程度得到疑似瑕疵的目标组类;利用目标组类中相邻两个连通域之间的距离得到瑕疵连通域,使得本发明得到的断纬瑕疵检测结果更加准确。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种布匹断纬瑕疵检测方法。
背景技术
布匹的生产较为复杂繁琐,在进行自动化机器纺织时,在不断追求纺织效率提升的同时伴随着纺织缺陷的频繁出现,例如断纬瑕疵,断纬是指纬向的纱断裂,断纬瑕疵部分与布匹其他部分出现色差,断纬瑕疵严重影响布匹的美观性和耐久性。
由于断纬瑕疵与布匹颜色之间有色差,所以常规情况下若要得到断纬瑕疵,对布匹图像进行阈值分割技术就可以得到颜色差异较大的瑕疵区域,但是由于布匹表面的破洞缺陷,斑点污染缺陷都会出现颜色差异,所以无法确定阈值分割后得到的缺陷区域具体是哪一种缺陷,无法准确识别断纬瑕疵缺陷。
发明内容
本发明提供一种布匹断纬瑕疵检测方法,以解决现有的阈值分割无法准确得到布匹表面的断纬瑕疵的问题。
本发明的一种布匹断纬瑕疵检测方法,采用如下技术方案:
获取待检测布匹的灰度图像;
利用灰度图像中每个像素点的灰度值和灰度图像的灰度均值得到每个像素点瑕疵可能性,利用每个像素点的瑕疵可能性得到疑似瑕疵的目标行;
利用每个目标行中瑕疵可能性大于设定的瑕疵可能性阈值的像素点进行区域生长得到多个连通域;利用每个连通域的位置将连通域分为多个组类;
将每个连通域的边缘线划分为多条子边缘线,每个连通域的子边缘线数量相等;
利用每个组类中每两个连通域的子边缘线的像素点的坐标,得到每个组类中每两个连通域对应的子边缘线之间的负偏移程度;
利用每个组类中每两个连通域对应的子边缘线之间的负偏移程度得到每两个连通域的负偏移程度;
利用每个组类中每两个连通域的负偏移程度得到疑似瑕疵的目标组类;
利用目标组类中相邻连通域之间的距离得到瑕疵连通域。
进一步,得到多个连通域的步骤包括:
将每个目标行中瑕疵可能性最大且大于预设的瑕疵可能性阈值的像素点作为初始种子点;
获取初始种子点邻域中瑕疵可能性大于瑕疵可能性阈值的像素点作为新的种子点,将初始种子点与对应的新的种子点连通,利用新的种子点继续获取邻域中瑕疵可能性大于瑕疵可能性阈值的像素点进行区域生长;
直到新的种子点邻域中不存在瑕疵可能性大于瑕疵可能性阈值的像素点,停止区域生长,得到连通域;
再获取目标行中剩余的大于瑕疵可能性阈值的像素点作为种子点,利用与初始种子点相同的方法进行区域生长,直到目标图像中不存在大于瑕疵可能性阈值的像素点,停止区域生长,得到所有的连通域。
进一步,利用每个连通域的位置将连通域分为多个组类的步骤包括:
从上到下获取灰度图像中的第一个连通域,获取第一个连通域经过的所有行上的所有连通域;
直到以第一个连通域为起始,得到的所有连通域经过的所有行中不存在其他连通域,将第一个连通域得到的所有连通域作为第一个组类;
从上到下继续获取除第一个组类以外的第一个连通域,利用得到第一个组类的方法继续得到一个组类;
以此类推,从上到下,获取多个组类的连通域。
进一步,将每个连通域的边缘线划分为多条子边缘线的方法包括:
利用每个连通域的最大内接矩形与连通域边缘线的交点将连通域的边缘线分为多条子边缘线。
进一步,得到每个组类中每两个连通域对应的子边缘线的负偏移程度的步骤包括:
每个连通域的多条子边缘线是指连通域的上边缘线、下边缘线、左边缘线、右边缘线;
根据下式得到每两个连通域的上边缘线之间的负偏移程度:
其中,表示第/>个连通域与所在组类的第/>个连通域的上边缘线之间的负偏移程度;/>,/>分别表示第/>个连通域的上边缘线的像素点的横坐标均值、纵坐标均值;/>,/>分别表示第/>个连通域的上边缘线的像素点的横坐标均值、纵坐标均值;/>表示以自然常数e为底的指数函数;
根据得到上边缘线之间的负偏移程度的方法,获取每个组类中每两个连通域的下、左、右边缘线之间对应的负偏移程度。
进一步,获取每两个连通域的负偏移程度的方法包括:
对每个组类中每两个连通域的所有子边缘线之间的负偏移程度求均值,得到每两个连通域的负偏移程度。
进一步,得到疑似瑕疵的目标组类的方法包括:
获取每个组类中连续相邻且任意两个连通域的负偏移程度大于预设的负偏移程度阈值的连通域的数量;
若得到的数量大于预设的数量阈值,则将该组类作为疑似瑕疵的目标组类。
进一步,得到瑕疵连通域的方法包括:
分别获取目标组类中每个连通域的左边缘线和右边缘线的像素点的横坐标均值和纵坐标均值;
利用目标组类中相邻连通域的左边缘线和右边缘线的像素点的横、纵坐标均值得到相邻连通域之间的距离;
获取每个目标组类中相邻连通域之间距离的方差,将大于预设的方差阈值的目标组类中的连通域确定为瑕疵连通域。
进一步,得到每个像素点瑕疵可能性的步骤包括:
获取灰度图像中每个像素点的灰度值与灰度图像的灰度均值的灰度差值;
利用线性整流函数对每个像素点得到的灰度差值进行修正得到每个像素点的瑕疵可能性。
进一步,得到疑似瑕疵的目标行的步骤包括:
对每一行中所有像素点的瑕疵可能性求和得到每一行的瑕疵可能性;
获取灰度图像中所有行的瑕疵可能性均值;
将灰度图像中瑕疵可能性大于瑕疵可能性均值的行作为目标行。
本发明的有益效果是:通过布匹表面的灰度图像中像素点的灰度值确定出像素点的瑕疵可能性,并利用像素点的瑕疵可能性得到多个疑似断纬缺陷的连通域,即通过灰度图像中断纬瑕疵的灰度值和正常部分的灰度值差异得到了疑似断纬缺陷的连通域;并且利用灰度图像中连通域的位置将连通域分为多个组类,即同一个组类的连通域可能为同一个断纬瑕疵部分,因为断纬瑕疵是沿纬向分布的;考虑到同一组的断纬瑕疵的连通域是沿纬向排列的,通过计算每个组类中每两个连通域的每条子边缘线的负偏移程度,得到每两个连通域之间负偏移程度,即沿着纬向笔直分布的概率,从而得到多组沿纬向排列的目标组类,去除了不沿纬向排列的组类的干扰;结合断纬瑕疵部分的连通域是等间距分布的特征,计算同一个目标组类的相邻连通域之间的距离,得到瑕疵连通域,相对于只考虑灰度值确定断纬瑕疵,本发明得到的检测结果更加准确;并且通过每一行的瑕疵可能性确定出目标行,只对目标行中的像素点进行后续分析,减少了计算量。
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为本发明的一种布匹断纬瑕疵检测方法的实施例总体步骤的流程图。
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。
本发明的一种布匹断纬瑕疵检测方法的实施例,针对的情景为,布匹纺织工艺结束后将布匹平铺在传送装置上,采集图像进行断纬缺陷检测。如图1所示,该方法包括:
S1、获取待检测布匹的灰度图像。
具体的,在布匹纺织工艺后,布匹在传送带上传送时,在传送带上方布置CCD相机采集待检测布匹图像;图像采集过程中会存在机械噪声,所以对采集的待检测布匹图像进行高斯滤波降噪,得到降噪后的布匹图像。
对降噪后的布匹图像进行语义分割,分割得到布匹图像中的布匹区域和背景区域,去除背景区域,得到布匹区域的图像;对得到的布匹区域的图像进行灰度化处理得到布匹区域的灰度图像,即待检测布匹的灰度图像。
S2、利用灰度图像中每个像素点的灰度值和灰度图像的灰度均值得到每个像素点瑕疵可能性,利用每个像素点的瑕疵可能性得到疑似瑕疵的目标行。
断纬瑕疵均分布在布匹的纬线上,在某些纬线上连续的出现多个断纬瑕疵点,与布匹图像产生色差,因此可能通过像素点的灰度值得到可能存在断纬瑕疵的像素点,进而得到可能存在瑕疵的纬线,进行后续分析。
具体的,将灰度图像中,纬线方向记为行,经线方向记为列。
获取灰度图像中每个像素点的灰度值,利用每个像素点的灰度值得到灰度图像的灰度均值;获取灰度图像中每个像素点的灰度值与灰度图像的灰度均值的灰度差值,利用线性整流函数对每个像素点得到的灰度差值进行修正得到每个像素点的瑕疵可能性。具体计算每个像素点为断纬瑕疵点的可能性,即计算每个像素点的瑕疵可能性的公式为:
其中,表示第/>个像素点的瑕疵可能性;/>表示第/>个像素点的灰度值;/>表示灰度图像中像素点的数量;函数/>为线性整流函数;/>表示灰度图像的灰度均值;利用函数/>处理每个像素点的灰度值与灰度图像的灰度均值的差值,函数处理后,得到灰度图像中大于灰度均值的像素点的瑕疵可能性大于0,灰度图像中小于或等于灰度均值的像素点的瑕疵可能性为0 ,因为断纬瑕疵点在灰度图像中偏亮白色,所以认为可能为断纬瑕疵点的像素点灰度值较大,即大于灰度均值的像素点都有可能为断纬瑕疵点,灰度值越大,为瑕疵点的可能性就越大。
对灰度图像中每一行中所有像素点的瑕疵可能性求和得到每一行的瑕疵可能性;获取灰度图像中所有行的瑕疵可能性均值;将灰度图像中大于瑕疵可能性均值的瑕疵可能性对应的行作为目标行。后续分析时仅分析目标行,不需要考虑目标行以外的像素点,减少了后续计算量。
S3、利用每个目标行中瑕疵可能性大于设定的瑕疵可能性阈值的像素点进行区域生长得到多个连通域;利用每个连通域的位置将连通域分为多个组类。
具体的,获取每个目标行中瑕疵可能性最大、且瑕疵可能性大于设定的瑕疵可能性阈值的像素点作为初始种子点,进行区域生长,设定瑕疵可能性阈值为0.7,获取初始种子点的邻域像素点中瑕疵可能性的像素点,将得到的大于瑕疵可能性阈值的邻域像素点与初始种子点进行连通,并将得到的大于瑕疵可能性阈值的邻域像素点作为新的种子点,继续进行生长,直到新的种子点的邻域内不存在满足瑕疵可能性阈值的像素点时,认为当前连通域生长完成。所有目标行中的初始种子点完成区域生长,得到多个连通域。从目标行中获取剩余的瑕疵可能性大于瑕疵可能性阈值的像素点,利用与初始种子点相同的方法继续进行区域生长,直到目标行中不存在大于瑕疵可能性阈值的像素点,停止区域生长,得到所有的连通域。得到的所有连通域为可能出现断纬瑕疵的连通域。
得到的连通域中包含了真实的断纬瑕疵连通域和一些非断纬瑕疵连通域,真实的断纬瑕疵连通域等间距、均匀的、朝纬线方向排列分布,而非断纬瑕疵连通域凌乱的、离散的、没有任何规律的分布在布匹的任意位置,因此可以根据连通域的分布方向和位置确定存在断纬瑕疵的连通域。断纬瑕疵往往成组出现,每组中存在多个均匀的朝纬线方向排列的瑕疵区域,为了后续计算沿纬向分布的概率更加准确,需要对获得的所有连通域进行分组,使得处于同一水平方向上的连通域为同一个组类。
具体的,从上到下获取灰度图像中的第一个连通域,由于一个完整的连通域存在于多行,所以获取第一个连通域经过的所有行,以及经过的所有行上的多个连通域;再获取得到的多个连通域经过的所有行,以及多个连通域的所有行上的连通域,直到以第一个连通域为起始,得到的所有连通域经过的所有行中不存在其他连通域,将第一个连通域得到的所有连通域作为第一个组类;从上到下继续获取除第一个组类以外的第一个连通域,利用得到第一个组类的方法继续得到一个组类;以此类推,从上到下,获取多个组类的连通域。
S4、将每个连通域的边缘线划分为多条子边缘线,每个连通域的子边缘线数量相等。
优选的,在本发明的实施例中获取每个连通域的边缘线,并获取每个连通域的最大内接矩形,利用最大内接矩形与连通域的四个交点将连通域的边缘线划分为四条子边缘线,分别为上边缘线、下边缘线、左边缘线和右边缘线。
获取上、下、左、右边缘线的方法为:获取每个连通域的最大内接矩形的每条边的斜率,利用最大内接矩形与连通域的交点的坐标计算最大内接矩形每条边的斜率,分别获取每个最大外接矩形的对边的斜率的均值,由于斜率越大越接近竖直方向,斜率越小越接近水平方向,所以将对边的斜率均值作比较,斜率均值小的对边对应连通域的上、下边缘线,斜率均值大的对边对应连通域的左、右边缘线,具体的上、下边缘线以及左、右边缘线根据灰度图像的上下左右判断,若斜率均值相等,则不考虑后续计算,因为断纬瑕疵的连通域是沿纬向水平分布的。
S5、利用每个组类中每两个连通域的子边缘线的像素点的坐标,得到每个组类中每两个连通域对应的子边缘线之间的负偏移程度。
具体的,获取每个连通域的上边缘线中像素点的横坐标均值和纵坐标均值,以及每个连通域的下、左、右边缘线中像素点的横坐标均值和纵坐标均值。
根据下式计算每两个连通域的上边缘线之间的负偏移程度:
其中,表示第/>个连通域与所在组类的第/>个连通域的上边缘线之间的负偏移程度;/>,/>分别表示第/>个连通域的上边缘线的像素点的横坐标均值、纵坐标均值;/>,/>分别表示第/>个连通域的上边缘线的像素点的横坐标均值、纵坐标均值;/>表示以自然常数e为底的指数函数。对上边缘线的像素点求横坐标均值和纵坐标均值相当于得到了上边缘线的中心点,/>相当于每两个连通域的上边缘线的中心点之间构成的线段的斜率,利用函数/>对得到的斜率的倒数进行反比例归一化,认为两者的斜率越大,上边缘线之间的偏移程度就越大,得到的两个上边缘线的负偏移程度就越小,负偏移程度是指两个连通域沿纬向水平分布的程度,与偏移程度相反(负偏移程度是指与偏移程度相反的特征)。
同理得到,每个组类中每两个连通域的下、左、右边缘线之间对应的负偏移程度。
S6、利用每个组类中每两个连通域对应的子边缘线之间的负偏移程度得到每两个连通域的负偏移程度;利用每个组类中每两个连通域的负偏移程度得到疑似瑕疵的目标组类。
具体的,对每两个连通域的上、下、左、右边缘线的负偏移程度求均值,得到每两个连通域之间的负偏移程度,具体计算每两个连通域之间的负偏移程度的公式为:
其中,表示第/>个连通域与第/>个连通域的之间的负偏移程度,即两个连通域沿纬向水平分布的程度;/>、/>、/>、/>分别表示第/>个连通域与第/>个连通域的上边缘线、下边缘线、左边缘线、右边缘线之间的负偏移程度;利用每个组类中每两个连通域对应的四条子边缘线的负偏移程度的均值得到每两个连通域之间的负偏移程度,相对于仅仅利用每个连通域的质心计算负偏移程度更加准确,因为每个连通域的长和宽不相等,即使该连通域总体是沿纬向分布的,但是由于长和宽的不统一,导致计算得到的质心的偏移程度较大,可能会被判断为不是沿着纬向分布。
由于断纬瑕疵是沿纬向均匀分布的,所以可以根据连通域之间的距离和负偏移程度确定出属于断纬瑕疵的连通域,首先根据连通域之间的负偏移程度来确定。具体的,获取每个组类中连续相邻且任意两个连通域的负偏移程度大于预设的负偏移程度阈值的连通域的数量(本实施例中设置负偏移程度阈值为0.5),若得到的数量大于预设的数量阈值(本实施例中设置数量阈值为5),则将该组类作为疑似瑕疵的目标组类。即当某个组类中存在5个以上的连续分布的连通域中,任意两个连通域之间的负偏移程度大于预设的负偏移程度阈值,则该组类为目标组类;若某个组类中不存在连续5个以上的连通域中任意两个连通域之间的负偏移程度大于预设的负偏移程度阈值,则去除该组类,认为该组类中的连通域不属于断纬瑕疵连通域。
S7、利用目标组类中相邻连通域之间的距离得到瑕疵连通域。
具体的,分别获取目标组类中每个连通域的左边缘线和右边缘线的像素点的横坐标均值和纵坐标均值;利用目标组类中相邻连通域的左边缘线和右边缘线的像素点的横、纵坐标均值得到相邻连通域之间的距离,具体计算目标组类中相邻连通域之间的距离的公式为:
其中,表示目标组类中第/>个连通域与相邻的第/>个连通域之间的距离;、/>分别表示目标组类中第/>个连通域的右边缘线上的像素点的横坐标均值、纵坐标均值,用来作为右边缘线的中心点坐标值;/>、/>分别表示目标组类中第/>个连通域的左边缘线上的像素点的横坐标均值、纵坐标均值,用来作为左边缘线的中心点坐标值;利用相邻连通域的左边缘线和右边缘线上的中心点坐标值之间的距离表示两边缘线之间的距离,能够反映相邻两个连通域间的距离。
根据下式计算每个目标组类中相邻连通域之间距离的方差:
其中,表示目标组类中相邻连通域之间距离的方差;/>表示目标组类中第/>个连通域与相邻的第/>个连通域之间的距离;/>表示目标组类中相邻连通域之间距离的均值;/>表示目标组类中连通域的总数量。/>的大小反映了该目标组类的相邻连通域之间距离的离散程度,如果/>越小,说明距离的值越均一,反映该目标组类中连续的连通域间的距离越均等,即该目标组类中连续的连通域为真实的断纬瑕疵的连通域的概率越大。
设定方差阈值为0.1,将大于方差阈值的方差对应的目标组类中的连通域确定为断纬瑕疵的瑕疵连通域。小于或等于方差阈值的方差对应的目标组类中的连通域不属于断纬瑕疵的瑕疵连通域。
通过确定瑕疵连通域的方法对布匹表面断纬瑕疵区域进行自动标注,利用已标注断纬瑕疵区域的图像对语义分割网络进行训练,得到准确的语义分割网络模型,用于布匹表面断纬瑕疵区域的检测,将布匹图像输入训练好的语义分割网络模型中,输出布匹表面的断纬瑕疵区域检测结果。
综上所述,本发明提供一种布匹断纬瑕疵检测方法,通过布匹表面的灰度图像中像素点的灰度值确定出像素点的瑕疵可能性,并利用像素点的瑕疵可能性得到多个疑似断纬缺陷的连通域,即通过灰度图像中断纬瑕疵的灰度值和正常部分的灰度值差异得到了疑似断纬缺陷的连通域;并且利用灰度图像中连通域的位置将连通域分为多个组类,即同一个组类的连通域可能为同一个断纬瑕疵部分,因为断纬瑕疵是沿纬向分布的;考虑到同一组的断纬瑕疵的连通域是沿纬向排列的,通过计算每个组类中每两个连通域的每条子边缘线的负偏移程度,得到每两个连通域之间负偏移程度,即沿着纬向笔直分布的概率,从而得到多组沿纬向排列的目标组类,去除了不沿纬向排列的组类的干扰;结合断纬瑕疵部分的连通域是等间距分布的特征,计算同一个目标组类的相邻连通域之间的距离,得到瑕疵连通域,相对于只考虑灰度值确定断纬瑕疵,本发明得到的检测结果更加准确;并且通过每一行的瑕疵可能性确定出目标行,只对目标行中的像素点进行后续分析,减少了计算量。
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、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种布匹断纬瑕疵检测方法,其特征在于:
获取待检测布匹的灰度图像;
利用灰度图像中每个像素点的灰度值和灰度图像的灰度均值得到每个像素点瑕疵可能性,利用每个像素点的瑕疵可能性得到疑似瑕疵的目标行;
利用每个目标行中瑕疵可能性大于设定的瑕疵可能性阈值的像素点进行区域生长得到多个连通域;利用每个连通域的位置将连通域分为多个组类;
将每个连通域的边缘线划分为多条子边缘线,每个连通域的子边缘线数量相等;
利用每个组类中每两个连通域的子边缘线的像素点的坐标,得到每个组类中每两个连通域对应的子边缘线之间的负偏移程度;
利用每个组类中每两个连通域对应的子边缘线之间的负偏移程度得到每两个连通域的负偏移程度;
利用每个组类中每两个连通域的负偏移程度得到疑似瑕疵的目标组类;
利用目标组类中相邻连通域之间的距离得到瑕疵连通域;
将每个连通域的边缘线划分为多条子边缘线的方法包括:
利用每个连通域的最大内接矩形与连通域边缘线的交点将连通域的边缘线分为多条子边缘线;
得到每个组类中每两个连通域对应的子边缘线的负偏移程度的步骤包括:
每个连通域的多条子边缘线是指连通域的上边缘线、下边缘线、左边缘线、右边缘线;
根据下式得到每两个连通域的上边缘线之间的负偏移程度:
其中,表示第/>个连通域与所在组类的第/>个连通域的上边缘线之间的负偏移程度;/>,/>分别表示第/>个连通域的上边缘线的像素点的横坐标均值、纵坐标均值;/>,/>分别表示第/>个连通域的上边缘线的像素点的横坐标均值、纵坐标均值;表示以自然常数e为底的指数函数;
根据得到上边缘线之间的负偏移程度的方法,获取每个组类中每两个连通域的下、左、右边缘线之间对应的负偏移程度。
2.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,得到多个连通域的步骤包括:
将每个目标行中瑕疵可能性最大且大于预设的瑕疵可能性阈值的像素点作为初始种子点;
获取初始种子点邻域中瑕疵可能性大于瑕疵可能性阈值的像素点作为新的种子点,将初始种子点与对应的新的种子点连通,利用新的种子点继续获取邻域中瑕疵可能性大于瑕疵可能性阈值的像素点进行区域生长;
直到新的种子点邻域中不存在瑕疵可能性大于瑕疵可能性阈值的像素点,停止区域生长,得到连通域;
再获取目标行中剩余的大于瑕疵可能性阈值的像素点作为种子点,利用与初始种子点相同的方法进行区域生长,直到目标图像中不存在大于瑕疵可能性阈值的像素点,停止区域生长,得到所有的连通域。
3.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,利用每个连通域的位置将连通域分为多个组类的步骤包括:
从上到下获取灰度图像中的第一个连通域,获取第一个连通域经过的所有行上的所有连通域;
直到以第一个连通域为起始,得到的所有连通域经过的所有行中不存在其他连通域,将第一个连通域得到的所有连通域作为第一个组类;
从上到下继续获取除第一个组类以外的第一个连通域,利用得到第一个组类的方法继续得到一个组类;
以此类推,从上到下,获取多个组类的连通域。
4.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,获取每两个连通域的负偏移程度的方法包括:
对每个组类中每两个连通域的所有子边缘线之间的负偏移程度求均值,得到每两个连通域的负偏移程度。
5.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,得到疑似瑕疵的目标组类的方法包括:
获取每个组类中连续相邻且任意两个连通域的负偏移程度大于预设的负偏移程度阈值的连通域的数量;
若得到的数量大于预设的数量阈值,则将该组类作为疑似瑕疵的目标组类。
6.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,得到瑕疵连通域的方法包括:
分别获取目标组类中每个连通域的左边缘线和右边缘线的像素点的横坐标均值和纵坐标均值;
利用目标组类中相邻连通域的左边缘线和右边缘线的像素点的横、纵坐标均值得到相邻连通域之间的距离;
获取每个目标组类中相邻连通域之间距离的方差,将大于预设的方差阈值的目标组类中的连通域确定为瑕疵连通域。
7.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,得到每个像素点瑕疵可能性的步骤包括:
获取灰度图像中每个像素点的灰度值与灰度图像的灰度均值的灰度差值;
利用线性整流函数对每个像素点得到的灰度差值进行修正得到每个像素点的瑕疵可能性。
8.根据权利要求1所述的一种布匹断纬瑕疵检测方法,其特征在于,得到疑似瑕疵的目标行的步骤包括:
对每一行中所有像素点的瑕疵可能性求和得到每一行的瑕疵可能性;
获取灰度图像中所有行的瑕疵可能性均值;
将灰度图像中瑕疵可能性大于瑕疵可能性均值的行作为目标行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896934.7A CN116630309B (zh) | 2023-07-21 | 2023-07-21 | 一种布匹断纬瑕疵检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310896934.7A CN116630309B (zh) | 2023-07-21 | 2023-07-21 | 一种布匹断纬瑕疵检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116630309A CN116630309A (zh) | 2023-08-22 |
CN116630309B true CN116630309B (zh) | 2023-09-26 |
Family
ID=87617421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310896934.7A Active CN116630309B (zh) | 2023-07-21 | 2023-07-21 | 一种布匹断纬瑕疵检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116630309B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095067B (zh) * | 2023-10-17 | 2024-02-02 | 山东虹纬纺织有限公司 | 基于人工智能的纺织品色差检测方法 |
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 |
CN117152159B (zh) * | 2023-11-01 | 2024-01-26 | 江苏龙达纺织科技有限公司 | 一种复杂布料印花瑕疵检测方法及系统 |
CN117237646B (zh) * | 2023-11-15 | 2024-01-30 | 深圳市润海电子有限公司 | 基于图像分割的pet高温阻燃胶带瑕疵提取方法及系统 |
CN117314924B (zh) * | 2023-11-30 | 2024-02-09 | 湖南西欧新材料有限公司 | 基于图像特征的电镀产品表面瑕疵检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402225A (zh) * | 2020-03-13 | 2020-07-10 | 浙江工业大学 | 一种布匹折叠误检疵点判别方法 |
CN114723705A (zh) * | 2022-03-31 | 2022-07-08 | 海门市恒创织带有限公司 | 一种基于图像处理的布匹瑕疵的检测方法 |
CN115375686A (zh) * | 2022-10-25 | 2022-11-22 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808027B (zh) * | 2020-06-16 | 2023-10-17 | 北京达佳互联信息技术有限公司 | 一种人体图像处理方法、装置、电子设备及存储介质 |
-
2023
- 2023-07-21 CN CN202310896934.7A patent/CN116630309B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111402225A (zh) * | 2020-03-13 | 2020-07-10 | 浙江工业大学 | 一种布匹折叠误检疵点判别方法 |
CN114723705A (zh) * | 2022-03-31 | 2022-07-08 | 海门市恒创织带有限公司 | 一种基于图像处理的布匹瑕疵的检测方法 |
CN115375686A (zh) * | 2022-10-25 | 2022-11-22 | 山东鲁玻玻璃科技有限公司 | 一种基于图像处理的玻璃边缘瑕疵检测方法 |
Non-Patent Citations (1)
Title |
---|
基于图像预处理与改进的Canny算子的织物瑕疵检测;程婷;张巨俭;;西部皮革(16);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116630309A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116630309B (zh) | 一种布匹断纬瑕疵检测方法 | |
CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
CN115115615B (zh) | 一种基于图像识别的纺织面料质量评估方法及系统 | |
CN114723701A (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
CN115375686B (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN115439481A (zh) | 基于图像处理的除氧器焊接质量检测方法 | |
CN115861310B (zh) | 一种床单表面纺织缺陷检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN114708325A (zh) | 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法 | |
CN110781913B (zh) | 一种拉链布带缺陷检测方法 | |
CN116309671B (zh) | 一种土工合成织物质量检测系统 | |
CN115311267B (zh) | 一种格纹织物异常检测方法 | |
CN115578732B (zh) | 一种肥料生产线的标签识别方法 | |
CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN114359190A (zh) | 一种基于图像处理的塑料制品成型控制方法 | |
CN116894840B (zh) | 纺纱打样机产品质量检测方法及系统 | |
CN114742785A (zh) | 基于图像处理的液压接头清洁度控制方法 | |
CN115311266B (zh) | 一种纺织品印染工艺中印染识别方法 |
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 |