CN116823811B - 一种功能性冲锋衣表面质量检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种功能性冲锋衣表面质量检测方法，包括：获取功能性冲锋衣表面图像的梯度图像；获取梯度图像的搜索窗口和初始种子点；根据初始种子点获取搜索窗口的像素点相似性；根据搜索窗口的像素点相似性获取标记区域；根据搜索窗口的像素点离散程度获取标记区域的连通性；根据连通性获取初始像素块；根据初始像素块的合并可行性获取合并像素块；根据合并像素块包含的所有初始像素块获取合并像素块的封闭性；根据封闭性获取合并像素块的复杂性；根据合并像素块的复杂性获取标记图像；根据标记图像获取功能性冲锋衣表面图像的分割图像并检测冲锋衣表面质量。本发明提高了功能性冲锋衣表面质量检测的准确度。

Description

一种功能性冲锋衣表面质量检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种功能性冲锋衣表面质量检测方法。

背景技术

功能性冲锋衣具有多种特殊功能和性能，包括防风、防水、排汗等，所以广泛应用于户外和运动场合。因此为了保证产品质量以及用户的安全，对冲锋衣表面质量的检测和评估尤为重要。功能性冲锋衣表面质量检测的实现依赖于多种技术，其中数字图像处理技术可以对冲锋衣表面图像进行分析和处理，对于人工失误造成的功能性冲锋衣表面污渍可以通过对冲锋衣表面照射X线影像以检测污渍区域，但是由于污渍区域呈现的规律性较差，所以通过分割技术提取污渍区域时，容易造成提取不完整或过度提取的问题，从而降低工作人员的质量检测准确性。

分水岭算法作为一种基于区域的图像分割算法，在冲锋衣表面出现污渍等缺陷时，根据图像局部亮度差异可以将图像中的缺陷区域进行自动分割，为污渍识别提供便利。但是由于该算法依赖于局部极值点来确定分割线，而图像中的噪声和细节等因素可能导致局部极值点数量过多或过少，进而造成过分割或欠分割的问题。

发明内容

本发明提供一种功能性冲锋衣表面质量检测方法，以解决现有的问题。

本发明的一种功能性冲锋衣表面质量检测方法采用如下技术方案：

本发明一个实施例提供了一种功能性冲锋衣表面质量检测方法，该方法包括以下步骤：

采集功能性冲锋衣表面图像，获取功能性冲锋衣表面图像的梯度图像；

预设搜索窗口遍历功能性冲锋衣表面图像的梯度图像，选择搜索窗口中梯度幅值最大的像素点作为搜索窗口的初始种子点；根据搜索窗口内除初始种子点外的其他像素点与初始种子点的灰度差异、梯度幅值差异以及距离获取每个搜索窗口的像素点相似性；根据每个搜索窗口的像素点相似性标记像素点，获取每个搜索窗口的标记区域；根据每个搜索窗口的像素点离散程度获取每个标记区域的连通性；根据每个标记区域的连通性获取初始像素块；

根据相邻初始像素块的灰度差异和梯度差异获取相邻初始像素块的合并可行性；根据合并可行性合并初始像素块，获取合并像素块；根据合并像素块包含的所有初始像素块的初始种子点之间的距离获取合并像素块的封闭性；根据合并像素块的封闭性、平均梯度以及梯度波动程度获取合并像素块的复杂性；根据合并像素块的复杂性获取标记图像；

根据标记图像分割功能性冲锋衣表面图像的梯度图像，获取功能性冲锋衣表面图像的分割图像；根据功能性冲锋衣表面图像的分割图像检测冲锋衣表面质量。

优选的，所述预设搜索窗口遍历功能性冲锋衣表面图像的梯度图像，选择搜索窗口中梯度幅值最大的像素点作为搜索窗口的初始种子点，包括的具体方法为：

预设固定边长为的搜索窗口，以固定步长在功能性冲锋衣表面图像的梯 度图像中滑动搜索，选择每个搜索窗口内梯度幅值最大的像素点作为初始种子点，若窗口 内存在多个梯度幅值最大的像素点，则随机选择其中任意一个作为初始种子点。

优选的，所述根据搜索窗口内除初始种子点外的其他像素点与初始种子点的灰度差异、梯度幅值差异以及距离获取每个搜索窗口的像素点相似性，包括的具体方法为：

其中，表示第个搜索窗口内除初始种子点外的第个像素点与初始种子点的 相似性，表示第个搜索窗口内除初始种子点外的第个像素点与初始种子点的灰度值 差值，表示第个搜索窗口内除初始种子点外的第个像素点与初始种子点的梯度幅值 差值，表示第个搜索窗口内除初始种子点外的第个像素点与初始种子点的的距离， 表示每个搜索窗口内除初始种子点外的像素点个数，表示以自然常数为底的指数函 数。

优选的，所述根据每个搜索窗口的像素点相似性标记像素点，获取每个搜索窗口的标记区域，包括的具体方法为：

根据每个搜索窗口的像素点相似性，对每个搜索窗口的像素点相似性按照由大到 小的顺序进行排序，获取相似性最大的前个像素点，并将在每个搜索窗口内获取的个像素点的像素值标记为0，将每个搜索窗口内除前个像素点的其他像素点的像 素值标记为1，利用凸包检测获取每个搜索窗口中包含所有像素值为0的像素点的最小凸多 边形，将获取的最小凸多边形所在的区域作为标记区域，S为预设数据。

优选的，所述根据每个搜索窗口的像素点离散程度获取每个标记区域的连通性，包括的具体方法为：

统计每个搜索窗口的非零像素点，对搜索窗口内的所有非零像素点进行连通域分析，得到多个连通域，将处于同一连通域的非零像素点两两相连后形成的线段长度记为1，计算每个搜索窗口的非零像素点两两相连形成的线段长度的方差，记为每个搜索窗口的像素点离散程度，根据每个搜索窗口的像素点离散程度确定标记区域的连通性的具体公式为：

其中，表示第个搜索窗口内的标记区域的连通性，表示将第个搜素窗口内 的所有非零像素点两两相连后获取的线段个数，表示第个搜索窗口内所有非零像素点 两两相连后形成的线段中第个线段的长度，表示非零像素点形成的线段平均长度，为双曲正切函数。

优选的，所述根据每个标记区域的连通性获取初始像素块，包括的具体方法为：

根据每个搜索窗口的标记区域的连通性将标记区域之间形成的重叠区域划分到连通性最强的标记区域中，并从其他形成重叠区域的标记区域中将其剔除，获取若干个新的像素块，将新的像素块记为初始像素块。

优选的，所述根据相邻初始像素块的灰度差异和梯度差异获取相邻初始像素块的合并可行性，包括的具体方法为：

其中，表示第个初始像素块与相邻的第个初始像素块的合并可行性，表 示第个初始像素块与相邻的第个初始像素块的平均灰度值差异,第个初始像素块与 相邻的第个初始像素块的平均梯度差异，表示与第个初始像素块相邻的初始像素块个 数，exp[]表示以自然常数为底的指数函数。

优选的，所述根据合并像素块包含的所有初始像素块的初始种子点之间的距离获取合并像素块的封闭性，包括的具体方法为：

其中，表示第个合并像素块的封闭性，表示第个合并像素块中每个初始像 素块的种子点两两相连形成的第条线段的长度，表示第个合并像素块中每个初始像素 块的种子点两两相连形成的线段个数，为超参数，为反正切函数。

优选的，所述根据合并像素块的封闭性、平均梯度以及梯度波动程度获取合并像素块的复杂性，包括的具体方法为：

其中，表示第个合并像素块的复杂性，表示第个合并像素块的梯度波动程 度，第个合并像素块的平均梯度，表示第个合并像素块封闭性，表示线 性归一化处理后的第个合并像素块的梯度波动程度、平均梯度以及封闭性之和，为超 参数, xp[]表示以自然常数为底的指数函数。

优选的，所述根据合并像素块的复杂性获取标记图像，包括的具体方法为：

预设合并像素块的复杂性阈值，当合并像素块的复杂性大于等于复杂性阈值时，将合并像素块内的所有像素点的像素值记为0，将合并像素块记为标记图像，反之则不作为标记图像。

本发明的技术方案的有益效果是：通过计算像素点的梯度幅值并预设搜索窗口，选择搜索窗口内梯度幅值大的像素点作为种子点，能够更好地捕捉到功能性冲锋衣表面图像的关键结构和目标区域，从而提高超像素分割的准确性；通过计算每个搜索窗口内除初始种子点外的其他像素点与初始种子点的灰度差异、梯度幅值差异以及位置关系根据确定每个搜索窗口中除初始种子点的其他像素点与初始种子点之间的相似度，能够提高超像素分割中聚类步骤的精确度，为后续获取标记区域提供依据；通过将图像划分为多个初始像素块，并通过合并获取合并像素块，能够减少计算量；通过计算合并像素块的不同复杂性确定标记图像，提高获取标记图像的准确性，避免了因标记图像造成的过分割或欠分割问题，提高了功能性冲锋衣表面质量的检测准确性。

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为本发明一种功能性冲锋衣表面质量检测方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种功能性冲锋衣表面质量检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种功能性冲锋衣表面质量检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种功能性冲锋衣表面质量检测方法的步骤流程图，该方法包括以下步骤：

S001.采集功能性冲锋衣表面图像，并获得功能性冲锋衣表面图像的梯度图像。

需要说明的是，利用图像采集设备并确保冲锋衣表面和图像采集设备之间的合适距离和角度，同时确保冲锋衣表面均匀地暴露在图像采集设备下，而后图像采集设备进行图像采集，获得功能性冲锋衣表面图像，进行灰度化处理后获得功能性冲锋衣表面灰度图像。

需要说明的是，为方便后续根据功能性冲锋衣表面图像像素点梯度差异划分超像 素块，本发明实施例利用算子对功能性冲锋衣表面灰度图像进行卷积，得到功能性冲 锋衣表面灰度图像的水平梯度幅值和垂直梯度幅值图像，然后对两幅图像进行加权求和， 得到功能性冲锋衣表面图像的梯度图像。

至此，得到了功能性冲锋衣表面图像的梯度图像。

S002.根据功能性冲锋衣表面图像的梯度图像的灰度差异及梯度幅值差异获取功能性冲锋衣表面图像的梯度图像的初始像素块。

需要说明的是，对功能性冲锋衣表面图像进行局部分析，首先需要通过超像素分割将图像划分为多个超像素块，所以本发明实施例根据能性冲锋衣表面图像的梯度图像选择初始种子点，由于在超像素分割算法中选择梯度幅值大的像素点作为种子点能够更好地捕捉到功能性冲锋衣表面图像的关键结构和目标区域，从而提高超像素分割的准确性，因此本发明实施例按照局部梯度大小选择梯度幅值最大的像素点作为初始种子点。

需要说明的是，功能性冲锋衣表面产生污渍会造成局部区域的灰度差异，利用滑 窗算法可以进行检测，所以本发明实施例规定边长为、步长为的搜索窗口，以水平 向右作为搜索方向对功能性冲锋衣表面图像的梯度图像进行检测，选择每个搜索窗口内梯 度幅值最大的像素点作为初始种子点，若窗口内存在多个梯度幅值最大的像素点，则随机 选择其中任意一个作为初始种子点，将功能性冲锋衣表面图像的梯度图像中所有的初始像 素点都标记出来，得到个初始种子点。

需要说明的是，在确定超像素分割的初始种子点后需要根据像素点之间的相似性进行聚类，由于本发明实施例选择的是每个窗口内梯度幅值最大的像素点作为种子点，所以为保留更多图像细节，需要对比初始种子点和搜索窗口内除初始种子点外的其他像素点。通常情况下，聚类是根据像素点与初始种子点的距离关系进行的，但是仅考虑距离关系会忽略像素点具有的特征，由于后续的分水岭算法是基于梯度图像进行分割的，所以本发明实施例选择搜索窗口内的其他像素点与初始种子点的灰度差异、梯度幅值差异、以及位置关系作为指标量化像素点之间的相似度，根据如下关系式计算：

其中，表示第个搜索窗口内除初始种子点外的第个像素点与初始种子点的 相似度，且；表示搜索窗口内除初始种子点外的其他像素点个数，表示第 个搜索窗口内除初始种子点外的第个像素点与初始种子点的灰度值差值，表示第个 搜索窗口内除初始种子点外的第个像素点与初始种子点的梯度幅值差值，表示第个 搜索窗口内除初始种子点外的第个像素点与初始种子点的的距离。则表示第个搜索窗口内除初始种子点外的其它所有像素点 与初始种子点的灰度值差值总和、梯度幅值差值总和以及距离总和，利用可以对进行归一化处理，表示以自然 常数为底的指数函数。

需要说明的是，由于灰度差值和梯度差值越小则说明搜索窗口内除初始种子点以 外的其他像素点与初始种子点的相似度越高，同样窗口内除初始种子点以外的其他像素点 之间的距离越小则聚类的可行性越高，可以将其判定为相似度越高，因此相似度与灰度差 值、梯度差值以及距离关系均呈现负相关关系，本发明实施例利用函数构建相似度与 灰度差值、梯度差值以及距离关系的负相关关系，从而确定每个搜索窗口中除初始种子点 的其他像素点与初始种子点之间的相似度，提高了超像素分割中聚类步骤的精确度，为后 续获取标记区域提供依据。

由于超像素分割最终形成的超像素块大小约为，所以本实施例根据每个搜索 窗口的像素点相似性，对每个搜索窗口的像素点相似性按照由大到小的顺序进行排序，获 取相似性最大的前个像素点，并将在每个搜索窗口内获取的个像素点的像素值标 记为0，将每个搜索窗口内除前个像素点的其他像素点的像素值标记为1，利用凸包检 测获取每个搜索窗口中包含所有像素值为0的像素点的最小凸多边形，将获取的最小凸多 边形所在的区域作为标记区域。

需要说明的是，由于在利用滑窗搜索时存在重复搜索区域，所以最终形成的标记区域也可能存在重叠区域，为使重叠区域均属于唯一区域，本发明实施例分析每个搜索窗口的标记区域的连通性，根据连通性划分重叠区域。由于在标记区域内不乏存在非零像素点，非零像素点在标记区域分布的个数越多说明非零像素点的分布越离散，则可以通过对每个搜索窗口内的非零像素点两两相连，若它们之间形成的线段长度波动情况越大，说明非零像素点之间形成的线段长短不一的情况表现的越明显，则可以说明非零像素点分布的越离散，标记区域的连通性越差。

需要说明的是，通过非零像素点之间的距离长度的波动情况量化非零像素点的离散程度，通过相似度标记后的大部分非零像素点分布比较集中，为避免处于同一非零像素点聚集区域但不相邻的非零像素点之间形成的线段长度较大，而影响搜索窗口内的非零像素点两两连接后的线段长度波动情况结果，造成非零像素点的离散程度结果不准确。

本发明实施例首先对非零像素点区进行连通域分析，获取多个连通域，而后使处于同一连通域的非零像素点之间形成线段长度都为1，避免了处于同一非零像素点聚集区域但不相邻的非零像素点之间的线段长度较大影响非零像素点离散程度结果。

在排除处于同一非零像素点聚集区域但不相邻的非零像素点之间的距离长度对非零像素点的分布离散程度的影响后，本发明根据如下计算公式确定每个搜索窗口内的标记区域的连通性：

其中，表示第个搜索窗口内的标记区域的连通性，表示将第个搜素窗口内 的所有非零像素点两两相连后获取的线段个数，表示第个搜索窗口内所有非零像素点 两两相连后形成的线段中第个线段的长度，表示非零像素点形成的所有线段的平均长 度，为双曲正切函数。利用可以量化非零像素点两两之间形成的线段长 度方差，表示每个搜索窗口的像素点的离散程度。

需要说明的是，非零像素点之间的距离波动情况越大，说明非零像素点分布越离 散，则分布在标记区域内的概率就越大，标记区域的连通性就越差，因此本方法构建标记区 域的连通性和非零像素点的离散程度之间的反比例关系，并应用函数进行归一化处 理。

根据每个搜索窗口的标记区域的连通性将标记区域之间形成的重叠区域划分到连通性最强的标记区域中，并从其他形成重叠区域的标记区域中将其剔除，获取若干个新的像素块，将新的像素块记为初始像素块。

至此，获取了功能性冲锋衣表面图像的梯度图像的初始像素块。

S003.根据初始像素块获取合并像素块，根据合并像素块的复杂性获得功能性冲锋衣表面图像的梯度图像的标记图像。

需要说明的是，得到功能性冲锋衣表面图像的梯度图像的初始像素块后，由于初始像素块过多可能造成计算量过大的问题，所以本发明实施例通过合并初始像素块以减少像素块的个数，从而提高分割图像的效率，同时为确保影像细节不受影响，选取相邻像素块之间的灰度特征以及梯度特征为指标，通过计算相邻像素块之间的灰度及梯度差异量化相邻像素块之间的合并可行性，具体计算公式如下：

其中，表示第个初始像素块与其相邻的第个初始像素块的合并可行性， 表示第个初始像素块与相邻的第个初始像素块的平均灰度值差异，即第个初始像素块 中所有像素点的平均灰度值与相邻的第个初始像素块中所有像素点的平均灰度值的差值 绝对值，第个初始像素块与相邻的第个初始像素块的平均梯度幅值差异，即第个初 始像素块中所有像素点的平均梯度幅值与相邻的第个初始像素块中所有像素点的平均梯 度幅值的差值绝对值，,表示与第个初始像素块邻接的初始像素块个数。

需要说明的是，相邻初始像素块之间的灰度和梯度差异越小说明相邻初始像素块 之间的差异越小，相似度越高，则合并的可行性越高，当合并可行性足够大时可以将相邻初 始像素块合并。因此本发明实施例在得到所有相邻初始像素块之间的合并可行性后，根据 合并可行性结果对初始像素块进行合并，预设一个合并可行性阈值，本实施例以 为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定。当时， 将第个初始像素块与相邻的第个块合并；反之，则保留初始像素块，获取所有合并像素 块，记合并像素块的个数为个。

需要说明的是，由于在量化合并可行性的指标中共包含了灰度和梯度特征，所以功能性冲锋衣表面图像的梯度图像中可能包含污渍区域的初始像素块合并后会得到形态较为完整的污渍轮廓封闭区域，所以本发明实施例根据合并像素块封闭性和复杂性确定标记图像。

需要说明的是，合并像素块的封闭性越好说明合并像素块为污渍区域的概率越高，同时因为污渍边缘区域包含的梯度波动程度大且梯度幅值高，所以本发明实施例利用合并像素块的平均梯度、梯度波动程度以及封闭性量化每个合并像素块的复杂性。合并像素块中包含的初始像素块的种子点之间的距离越小说明初始像素块之间的重叠程度越大，也就说明合并像素块越紧凑，则合并像素块的封闭性就越好。

因此本发明实施例根据每个合并像素块内包含的初始像素块的种子点之间形成的距离平局值量化合并块的封闭性，具体计算公式如下：

其中，表示第个合并像素块的封闭性且，表示第个合并像素块中 每个初始像素块的种子点两两相连形成的第条线段的距离，表示第个合并像素块中每 个初始像素块的种子点两两相连形成的线段个数，其中，均为超参数：用于限制合 并块封闭性的取值范围，规定；是根据合并像素块中每个初始像素块的种子点两两 相连形成的线段距离与封闭性的负相关关系设定，同时具有调整封闭性随线段距离的变换 速率的作用，本实施例以为例进行阐述，本实施例不进行具体限定， 其中可根据具体实施情况而定。

在得到每个合并像素块的封闭性后，结合合并像素块的平均梯度和梯度波动程度 确定第个合并块的复杂性，具体计算公式如下：

其中，表示第个合并像素块的复杂性，且，表示第个合并像素块 的梯度波动程度，即第个合并像素块的所有像素点的梯度幅值方差，第个合并像素块 的平均梯度幅值，表示第个合并像素块封闭性，表示线性归一化处理后 的第个合并像素块的梯度波动程度、平均梯度幅值以及封闭性之和。为超参数，用于合 并块的封闭性、梯度方差以及梯度幅值增大时，使在的分布越饱和，本实施例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定。

需要说明的是，由于污渍区域与冲锋衣正常表面的灰度差，污渍区域边缘会产生梯度差，对初始像素块进行合并后，处于污渍边缘区域的梯度幅值以及梯度波动程度相对较大，所以污渍边缘区域的复杂性更大，则通过梯度幅值、梯度波动程度以及封闭性量化每个合并块的复杂性，若合并块的复杂性越高则合并块为污渍区域的概率就越高，因此两者呈现正相关关系。同时合并块的封闭性也与合并块复杂性也呈现正相关关系，因此本方法构建上述关系式确定合并块的复杂性，从而为标记图像提供依据。

需要说明的是，当合并像素块的复杂性足够大时，可以将其视作污渍区域，则可以 提取合并块为标记图像。因此本发明实施例预设一个合并像素块的复杂性阈值，本实施 例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定。因 此当则对第个合并像素块进行标记，使其中所包含的像素点值为0，反之则不进 行标记。

至此，获取了功能性冲锋衣表面图像的梯度图像的标记图像。

S004.根据标记图像分割功能性冲锋衣表面图像的梯度图像，获取分割图像，根据分割图像进行冲锋衣表面质量检测。

需要说明的是，在获取功能性冲锋衣表面图像的梯度图像的标记图像后，根据标记图像利用分水岭算法对图像进行分割，获取功能性冲锋衣表面图像的梯度图像的分割图像，记为分割图像。

根据分割图像，工作人员可以根据分割图像提取准确的污渍位置信息以及形态信息，从而基于分割图像可以指导工作人员检测功能性冲锋衣的表面质量，提高检测的准确性。

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 (7)

1.一种功能性冲锋衣表面质量检测方法，其特征在于，该方法包括以下步骤：

采集功能性冲锋衣表面图像，获取功能性冲锋衣表面图像的梯度图像；

预设搜索窗口遍历功能性冲锋衣表面图像的梯度图像，选择搜索窗口中梯度幅值最大的像素点作为搜索窗口的初始种子点；根据搜索窗口内除初始种子点外的其他像素点与初始种子点的灰度差异、梯度幅值差异以及距离获取每个搜索窗口的像素点相似性；根据每个搜索窗口的像素点相似性标记像素点，获取每个搜索窗口的标记区域；根据每个搜索窗口的像素点离散程度获取每个标记区域的连通性；根据每个标记区域的连通性获取初始像素块；

根据相邻初始像素块的灰度差异和梯度差异获取相邻初始像素块的合并可行性；根据合并可行性合并初始像素块，获取合并像素块；根据合并像素块包含的所有初始像素块的初始种子点之间的距离获取合并像素块的封闭性；根据合并像素块的封闭性、平均梯度以及梯度波动程度获取合并像素块的复杂性；根据合并像素块的复杂性获取标记图像；

根据标记图像分割功能性冲锋衣表面图像的梯度图像，获取功能性冲锋衣表面图像的分割图像；根据功能性冲锋衣表面图像的分割图像检测冲锋衣表面质量；

其中，根据每个搜索窗口的像素点离散程度获取每个标记区域的连通性，包括的具体方法为：

统计每个搜索窗口的非零像素点，对搜索窗口内的所有非零像素点进行连通域分析，得到多个连通域，将处于同一连通域的非零像素点两两相连后形成的线段长度记为1，计算每个搜索窗口的非零像素点两两相连形成的线段长度的方差，记为每个搜索窗口的像素点离散程度，根据每个搜索窗口的像素点离散程度确定标记区域的连通性的具体公式为：

其中，表示第/>个搜索窗口内的标记区域的连通性，/>表示将第/>个搜素窗口内的所有非零像素点两两相连后获取的线段个数，/>表示第/>个搜索窗口内所有非零像素点两两相连后形成的线段中第/>个线段的长度，/>表示非零像素点形成的线段平均长度，为双曲正切函数；

其中，根据合并像素块包含的所有初始像素块的初始种子点之间的距离获取合并像素块的封闭性，包括的具体方法为：

其中，表示第/>个合并像素块的封闭性，/>表示第/>个合并像素块中每个初始像素块的种子点两两相连形成的第/>条线段的长度，/>表示第/>个合并像素块中每个初始像素块的种子点两两相连形成的线段个数，/>为超参数，/>为反正切函数；

其中，根据合并像素块的封闭性、平均梯度以及梯度波动程度获取合并像素块的复杂性，包括的具体方法为：

其中，表示第/>个合并像素块的复杂性，/>表示第/>个合并像素块的梯度波动程度，第/>个合并像素块的平均梯度，/>表示第/>个合并像素块封闭性，/>表示线性归一化处理后的第/>个合并像素块的梯度波动程度、平均梯度以及封闭性之和，/>为超参数，exp[]表示以自然常数为底的指数函数；

其中，每个搜索窗口的像素点相似性为：搜索窗口内除初始种子点外的其他像素点与初始种子点的相似性。

2.根据权利要求1所述一种功能性冲锋衣表面质量检测方法，其特征在于，所述预设搜索窗口遍历功能性冲锋衣表面图像的梯度图像，选择搜索窗口中梯度幅值最大的像素点作为搜索窗口的初始种子点，包括的具体方法为：

预设固定边长为的搜索窗口，以固定步长/>在功能性冲锋衣表面图像的梯度图像中滑动搜索，选择每个搜索窗口内梯度幅值最大的像素点作为初始种子点，若窗口内存在多个梯度幅值最大的像素点，则随机选择其中任意一个作为初始种子点。

3.根据权利要求1所述一种功能性冲锋衣表面质量检测方法，其特征在于，所述根据搜索窗口内除初始种子点外的其他像素点与初始种子点的灰度差异、梯度幅值差异以及距离获取每个搜索窗口的像素点相似性，包括的具体方法为：

其中，表示第/>个搜索窗口内除初始种子点外的第/>个像素点与初始种子点的相似性，/>表示第/>个搜索窗口内除初始种子点外的第/>个像素点与初始种子点的灰度值差值，/>表示第/>个搜索窗口内除初始种子点外的第/>个像素点与初始种子点的梯度幅值差值，/>表示第/>个搜索窗口内除初始种子点外的第/>个像素点与初始种子点的的距离，表示每个搜索窗口内除初始种子点外的像素点个数，/>表示以自然常数为底的指数函数。

4.根据权利要求1所述一种功能性冲锋衣表面质量检测方法，其特征在于，所述根据每个搜索窗口的像素点相似性标记像素点，获取每个搜索窗口的标记区域，包括的具体方法为：

根据每个搜索窗口的像素点相似性，对每个搜索窗口的像素点相似性按照由大到小的顺序进行排序，获取相似性最大的前个像素点，并将在每个搜索窗口内获取的/>个像素点的像素值标记为0，将每个搜索窗口内除前/>个像素点的其他像素点的像素值标记为1，利用凸包检测获取每个搜索窗口中包含所有像素值为0的像素点的最小凸多边形，将获取的最小凸多边形所在的区域作为标记区域，S为预设数据。

5.根据权利要求1所述一种功能性冲锋衣表面质量检测方法，其特征在于，所述根据每个标记区域的连通性获取初始像素块，包括的具体方法为：

根据每个搜索窗口的标记区域的连通性将标记区域之间形成的重叠区域划分到连通性最强的标记区域中，并从其他形成重叠区域的标记区域中将其剔除，获取若干个新的像素块，将新的像素块记为初始像素块。

6.根据权利要求1所述一种功能性冲锋衣表面质量检测方法，其特征在于，所述根据相邻初始像素块的灰度差异和梯度差异获取相邻初始像素块的合并可行性，包括的具体方法为：

其中，表示第/>个初始像素块与相邻的第/>个初始像素块的合并可行性，/>表示第/>个初始像素块与相邻的第/>个初始像素块的平均灰度值差异，/>第/>个初始像素块与相邻的第/>个初始像素块的平均梯度差异，/>表示与第/>个初始像素块相邻的初始像素块个数，exp[]表示以自然常数为底的指数函数。

7.根据权利要求1所述一种功能性冲锋衣表面质量检测方法，其特征在于，所述根据合并像素块的复杂性获取标记图像，包括的具体方法为：

预设合并像素块的复杂性阈值，当合并像素块的复杂性大于等于复杂性阈值时，将合并像素块内的所有像素点的像素值记为0，将合并像素块记为标记图像，反之则不作为标记图像。