CN116934749A - 基于图像特征的纺织物瑕疵快速检测方法 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及基于图像特征的纺织物瑕疵快速检测方法，包括：获取纺织物灰度图像；根据纺织物灰度图像获取调整后的灰度共生矩阵和误差程度；对重设纺织灰度图像进行分块处理，获取每个图像块的纹理分布规则程度；根据图像块的纹理分布规则程度和灰度特征获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域，完成瑕疵检测。本发明有效提升了应对于发生较大形变的纺织物的瑕疵检测结果的准确率。

Description

基于图像特征的纺织物瑕疵快速检测方法

技术领域

本发明涉及图像处理技术领域，具体涉及基于图像特征的纺织物瑕疵快速检测方法。

背景技术

纺织物生产场景中，常会存在断经、断纬、破洞等各种不同的缺陷瑕疵，其往往由于机器故障、棉线断裂、缺少纱线等生产问题引起的。这些缺陷瑕疵会对织物质量和外观产生负面影响，因此在纺织物的生产制造过程中，质量控制和检查是非常重要的，如何提高纺织物的瑕疵检测速度与准确度是首要考虑目标。采用人工目测法的纺织物瑕疵检测结果准确程度难以保证，采用神经网络识别纺织物瑕疵区域需要大量的训练集且识别环境条件要求较高。采用基于图像特征的纺织物瑕疵检测，可以做到快速、精准识别纺织物表面的缺陷瑕疵，节约大量的人力物力资源。

由于采用灰度共生矩阵对纺织物图像进行纹理提取时，其纹理提取结构受灰度共生矩阵的距离与角度参数影响较大，当纺织物由于其物理特性出现部分形变时，其灰度值信息基本不发生改变但像素点间的相对位置会发生改变，此时由于其距离与角度的敏感性会影响到纹理提取的准确性，进而影响到纺织物瑕疵区域检测的准确性。

发明内容

为了解决上述问题，本发明提供基于图像特征的纺织物瑕疵快速检测方法，所述方法包括：

获取纺织物灰度图像；

根据纺织物灰度图像获取重设纺织灰度图像；获取重设纺织灰度图像的所有滑窗；获取每个滑窗内每个像素点对的第一权值；获取每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对；根据每个滑窗内每个像素点对的第一权值和每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对获得重设纺织灰度图像在每个参考方向下的像素点对整体调整量；根据重设纺织灰度图像在每个参考方向下的像素点对整体调整量获得重设纺织灰度图像在每个参考方向下的误差程度；

对重设纺织灰度图像进行分块处理获取若干个图像块；获取图像块在每个参考方向下的纹理分布规则程度；根据图像块在每个参考方向下的纹理分布规则程度和重设纺织灰度图像在每个参考方向下的误差程度获得图像块的纹理分布规则程度；

根据图像块的纹理分布规则程度和区域灰度特征获得图像块的局部区域异常程度；根据图像块的局部区域异常程度获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域。

优选的，所述获取每个滑窗内每个像素点对的第一权值的具体公式为：

式中，表示第个滑窗内第个像素点对的第一权值；表示第个滑窗的中心像 素点与第个滑窗内第个邻域像素点的欧式距离；表示一维高斯函数。

优选的，所述获取每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对，包括的具体方法为：

以水平向右为初始方向，逆时针方向为正方向；对于第个滑窗内，获取第个滑窗 的中心像素点与中心像素点的第个邻域像素点组成第个滑窗内第个像素点对，将第个 像素点对中两个像素点的连线与初始方向的夹角记为第个像素点对的方向；

将四个方向分别记为第一参考方向、第二参考方向、第三参考方向 和第四参考方向，对于任意一个参考方向，若第个像素点对的方向不等于所述参考方 向，则需要进行归属，归属具体过程为：获取与第个像素点对的方向最相邻的两个所述 参考方向，并将两个所述参考方向分别记为第一归属方向和第二归属方向；将第个滑窗内 在第一归属方向上所有像素点的灰度值的均值，记为第一灰度均值；将第个滑窗内在第二 归属方向上所有像素点的灰度值的均值，记为第二灰度均值；将第个邻域像素点与第一灰 度均值的差值的绝对值记为第一差值；将第个邻域像素点与第二灰度均值的差值的绝对 值记为第二差值；若第一差值大于等于第二差值，则将第个像素点对归属到第二归属方向 上，并将第个像素点对记为第二归属方向的归属像素点对；反之，将第个像素点对归属到 第一归属方向上，并将第个像素点对记为第一归属方向的归属像素点对；

获得每个滑窗内每个参考方向上的所有归属像素点对；

若第个像素点对的方向等于所述参考方向，则将第个像素点对记为所述参考 方向的一个原始像素点对；进而获得每个滑窗内每个参考方向上的所有原始像素点对。

优选的，所述根据每个滑窗内每个像素点对的第一权值和每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对获得重设纺织灰度图像在每个参考方向下的像素点对整体调整量的具体公式为：

式中，表示重设纺织灰度图像在参考方向下的像素点对整体调整量；表示重 设纺织灰度图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下 所有归属像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有原 始像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像 素点对的第一权值；表示重设纺织灰度图像中第个滑窗在参考方向下第个原始像 素点对的第一权值；为预设参数。

优选的，所述根据重设纺织灰度图像在每个参考方向下的像素点对整体调整量获得重设纺织灰度图像在每个参考方向下的误差程度，包括的具体方法为：

重设纺织灰度图像在参考方向下的误差程度计算表达式为：

式中，表示重设纺织灰度图像在参考方向下的误差程度；表示重设纺织灰度 图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有归属像 素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像素点 对的第一权值；表示重设纺织灰度图像在参考方向下的像素点对整体调整量；为预设 参数；为线性归一化函数。

优选的，所述对重设纺织灰度图像进行分块处理获取若干个图像块，包括的具体方法为：

预设大小为的滑窗，滑窗从重设纺织灰度图像的左上角开始滑动，其滑动 步长为，直至重设纺织灰度图像的右下角停止；滑动过程中的每个滑窗作为一个图像 块，滑动完成后得到若干图像块。

优选的，所述获取图像块在每个参考方向下的纹理分布规则程度，包括的具体方法为：

对于重设纺织灰度图像中的任意一个图像块，将每个图像块内每个参考方向上的 所有归属像素点对和所有原始像素点对作为每个图像块内每个参考方向上的调整后的所 有像素点对，对于任意两个调整后的像素点对，若所述两个像素点对的灰度级相同且像素 点对的方向也一致，则所述两个像素点对属于同一类像素点类，进而获取每个图像块在每 个参考方向上的所有类别的像素点对；则任意一个图像块在参考方向下的纹理分布规则 程度的计算表达式为：

式中，表示图像块在参考方向下的纹理分布规则程度；表示图像块在参考 方向下的所有类别像素点对的类别数量；表示图像块在参考方向下的第种类别像素 点对的数量；表示重设纺织灰度图像在参考方向下的第种类别像素点对的数量。

优选的，所述根据图像块在每个参考方向下的纹理分布规则程度和重设纺织灰度图像在每个参考方向下的误差程度获得图像块的纹理分布规则程度的具体公式为：

式中，表示图像块的纹理分布规则程度；表示图像块在参考方向下的纹 理分布规则程度，为第参考方向；表示重设纺织灰度图像在参考方向下的误差程 度。

优选的，所述根据图像块的纹理分布规则程度和区域灰度特征获得图像块的局部区域异常程度，包括的具体方法为：

获取图像块中每个像素点的灰度值与图像块中灰度均值之间的差值的绝对值，记为每个像素点第一绝对差值；将图像块中所有像素点的第一绝对差值的平均值作为图像块的区域灰度特征；则图像块的局部区域异常程度的计算表达式为：

式中，表示图像块的局部区域异常程度；图像块的纹理分布规则程度； 表示图像块的区域灰度特征。

优选的，所述根据图像块的局部区域异常程度获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域，包括的具体方法为：

对于重设纺织灰度图像中任意一个图像块，若所述图像块的局部区域异常程度 大于等于预设参数，则所述图像块为异常图像块；所述图像块的局部区域异常程度小 于预设参数，则所述图像块为正常图像块；进而获得所有异常图像块；则所有异常图像块 组成的区域为纺织物的瑕疵区域。

本发明的技术方案的有益效果是：针对由于使用灰度共生矩阵时，其距离与角度的敏感性会影响到纹理提取的准确性，进而影响到纺织物瑕疵区域检测的准确性的问题；本发明根据纺织物形变区域的像素级仿射变换，精准获取灰度共生矩阵对于像素对在误差范围内的提取，得到图像块区域的纹理规则程度，结合灰度分布特征与经验异常阈值，完成瑕疵区域的检测；进而有效提升了应对于发生较大形变的纺织物的瑕疵检测结果的准确率。

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为本发明基于图像特征的纺织物瑕疵快速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基于图像特征的纺织物瑕疵快速检测方法，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基于图像特征的纺织物瑕疵快速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基于图像特征的纺织物瑕疵快速检测方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取纺织物灰度图像。

需要说明的是，在常规的棉纺织物生产制造流程中，对生产的成品纺织物瑕疵检测场景中，获取待测图像时的成品纺织物往往存在部分表面弯曲变形，容易将正常的纹理区域部分视为瑕疵区域，因此，结合纺织物纹理的灰度分布特征，调节灰度共生矩阵的距离与方向敏感程度，并以此划分纹理区域与瑕疵区域，以完成纺织物瑕疵检测。

具体的，为了实现本实施例提出的基于图像特征的纺织物瑕疵快速检测方法，首先需要采集获取纺织物灰度图像，具体过程为：

在棉纺织物生产制造流程的成品纺织物瑕疵检测场景中，将成品纺织物水平展开在传动装置上，应尽量保证纺织物表面的水平，在传送装置的顶端设置相机，俯视获得纺织物待测图像；将获得的纺织物待测图像通过中值滤波去噪，并进行灰度化，获得纺织物灰度图像，其中中值滤波为现有技术，此处不作过多赘述。

至此，通过上述方法得到纺织物灰度图像。

步骤S002：根据纺织物灰度图像获取调整后的灰度共生矩阵和误差程度。

需要说明的是，由于灰度共生矩阵对于距离与方向的敏感性，局部区域的纺织物变形可看做是像素级的像素点对仿射变换，由此获得灰度共生矩阵的像素点对概率精准获取，获取纺织物图像的精准纹理提取，并结合局部区域的灰度特征，完成纺织物的瑕疵检测。

进一步需要说明的是，由于获取的纺织物灰度图像纹理特征主要包括总体区域的纺织物结构纹理特征、局部区域的图案纹理特征及局部区域的瑕疵纹理特征，其中结构纹理特征与图案纹理特征可能由于纺织物的变形错误检测为瑕疵纹理特征，主要由于灰度共生矩阵的结果受到距离与方向的影响程度较大。

因此在获取图像纹理特征的过程中，设定灰度级别较少计算量，并考虑局部发生形变的可能性，获取变形误差范围内的灰度共生矩阵用于提取纹理特征，并根据变形误差构建出误差参数，便于后续获取区域误差程度。

预设两个参数，其中本实施例以，本实施例不进行具体限定，其中根 据具体实施情况而定。

由于灰度共生矩阵的获取过程首先要设定距离范围与方向范围，在常规方法中， 对于窗口内，中心像素点可与其8邻域的像素点中的任意一个像素点组成一个像素点 对，其组成的像素点对方向也为8邻域方向，本实施例设置窗口为的窗口，其中心像 素点与其邻域任意一像素点组成像素点对，以适应纺织物形变带来的像素点的相对位移情 况。

具体的，设定灰度级数,对获得的纺织物灰度图像进行调整，获得重设纺织灰度 图像；构建的灰度共生矩阵，以大小为的的滑动窗口，遍历重设纺织灰度图 像的所有像素点，获得以每个像素点为中心像素点的滑窗。

需要说明的是，由于邻域像素点与中心像素点的距离不一致，其表明由于扭曲构成的像素点对的可能性大小，即邻域像素点与中心像素点的距离越远则形成这样的像素点对的可能性越小，可用高斯函数进行近似模拟。

具体的，以水平向右为初始方向，逆时针方向为正方向；对于第个滑窗内，获取第 个滑窗的中心像素点与中心像素点的第个邻域像素点组成第个滑窗内第个像素点对，将 第个像素点对中两个像素点的连线与初始方向的夹角记为第个像素点对的方向；则第 个像素点对的第一权值的计算表达式为：

式中，表示第个滑窗内第个像素点对的第一权值；表示中心像素点与第个 邻域像素点的欧式距离；表示一维高斯函数。

需要说明的是，由于本实施例进行扩大窗口大小，导致出现处理八邻域方向之外 的像素点对方向，且灰度共生矩阵的方向具有双向性，因此选取四个方 向，对于不属于这四个方向的方向上出现像素点对进行归属度调整，获取调整后的灰度共 生矩阵。

具体的，将四个方向分别记为第一参考方向、第二参考方向、第三 参考方向和第四参考方向，对于任意一个参考方向，若第个像素点对的方向不等于所述 参考方向，则需要进行归属，归属具体过程为：

获取与第个像素点对的方向最相邻的两个所述参考方向，并将两个所述参考 方向分别记为第一归属方向和第二归属方向；将第个滑窗内在第一归属方向上所有像素 点的灰度值的均值，记为第一灰度均值；将第个滑窗内在第二归属方向上所有像素点的灰 度值的均值，记为第二灰度均值；将第个邻域像素点与第一灰度均值的差值的绝对值记为 第一差值；将第个邻域像素点与第二灰度均值的差值的绝对值记为第二差值；若第一差值 大于等于第二差值，则将第个像素点对归属到第二归属方向上，并将第个像素点对记为第 二归属方向的归属像素点对；反之，将第个像素点对归属到第一归属方向上，并将第个像 素点对记为第一归属方向的归属像素点对；进而获得每个滑窗内每个参考方向上的所有归 属像素点对。

若第个像素点对的方向不等于所述参考方向，则将第个像素点对记为所述参 考方向的一个原始像素点对；进而获得每个滑窗内每个参考方向上的所有原始像素点对。

至此，通过上述具体的归属过程，获得每个滑窗内每个参考方向上调整后的所有像素点对。

则重设纺织灰度图像在参考方向下的像素点对整体调整量的计算表达式为：

式中，表示重设纺织灰度图像在参考方向下的像素点对整体调整量；表示重 设纺织灰度图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下 所有归属像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有原 始像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像 素点对的第一权值；表示重设纺织灰度图像中第个滑窗在参考方向下第个原始像 素点对的第一权值；表示预设参数，本实施例预设。

由于灰度共生矩阵上方向归属的程度越大，其产生的误差程度越大，则重设纺织 灰度图像在参考方向下的误差程度计算表达式为：

式中，表示重设纺织灰度图像在参考方向下的误差程度；表示重设纺织灰度 图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有归属像 素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像素点 对的第一权值；表示重设纺织灰度图像在参考方向下的像素点对整体调整量；表示预 设参数，本实施例预设；为线性归一化函数。

至此，通过上述方法得到重设纺织灰度图像在每个参考方向的误差程度。

步骤S003：对重设纺织灰度图像进行分块处理，获取每个图像块的纹理分布规则程度。

需要说明的是，由于常规状况下，获得的纺织物灰度图像的大部分区域的纹理分布是规则的，不规则区域主要是变形区域，图案边缘区域与瑕疵边缘区域，根据获得的调整后的灰度共生矩阵获得像素对在区域内的分布情况，获得纹理分布规则程度。

具体的，预设大小为的滑窗，滑窗从重设纺织灰度图像的左上角开始滑 动，其滑动步长为，直至重设纺织灰度图像的右下角停止；滑动过程中的每个滑窗作为 一个图像块，滑动完成后得到若干图像块；其中，滑窗的大小设置要结合重设纺织灰度图像 的大小，使的重设纺织灰度图像中的滑窗为整数个，且滑窗可将重设纺织灰度图像完整划 分，本实施例以重设纺织灰度图像大小为1080*1080进行叙述。

对于重设纺织灰度图像中的任意一个图像块，将每个图像块内每个参考方向上的 所有归属像素点对和所有原始像素点对作为每个图像块内每个参考方向上的调整后的所 有像素点对，对于任意两个调整后的像素点对，若所述两个像素点对的灰度级相同且像素 点对的方向也一致，则所述两个像素点对属于同一类像素点类，进而获取每个图像块在每 个参考方向上的所有类别的像素点对；则任意一个图像块在参考方向下的纹理分布规则 程度的计算表达式为：

式中，表示图像块在参考方向下的纹理分布规则程度；表示图像块在参考 方向下的所有类别像素点对的类别数量；表示图像块在参考方向下的第种类别像素 点对的数量；表示重设纺织灰度图像在参考方向下的第种类别像素点对的数量。

根据图像块在每个参考方向下的纹理分布规则程度获取图像块的纹理分布规则程度的具体计算表达式为：

式中，图像块的纹理分布规则程度；表示图像块在参考方向下的纹理分 布规则程度，为第参考方向；表示重设纺织灰度图像在参考方向下的误差程度。

至此，通过上述方法得到重设纺织灰度图像中每个图像块的纹理分布规则程度。

步骤S004：根据图像块的纹理分布规则程度和灰度特征获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域，完成瑕疵检测。

具体的，以绝对平均差来衡量重设纺织灰度图像中的任意一个图像块中像素 灰度的分散程度，表征图像块的区域灰度特征；获取图像块中每个像素点的灰度值与图像 块中灰度均值之间的差值的绝对值，记为每个像素点第一绝对差值；将图像块中所有像素 点的第一绝对差值的平均值作为图像块的区域灰度特征，则图像块的局部区域异常程度的 计算表达式为：

式中，表示图像块的局部区域异常程度；图像块的纹理分布规则程度； 表示图像块的区域灰度特征。

至此，获取重设纺织灰度图像中每个图像块的局部区域异常程度。

预设一个参数，其中本实施例以，本实施例不进行具体限定，其中根据具 体实施情况而定。

对于重设纺织灰度图像中任意一个图像块，若所述图像块的局部区域异常程度 大于等于预设参数，则所述图像块为异常图像块；所述图像块的局部区域异常程度小 于预设参数，则所述图像块为正常图像块；进而获得所有异常图像块；则所有异常图像块 组成的区域为纺织物的瑕疵区域，进而完成纺织物的瑕疵检测。

至此，本实施例完成。

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 (10)

1.基于图像特征的纺织物瑕疵快速检测方法，其特征在于，该方法包括以下步骤：

获取纺织物灰度图像；

根据纺织物灰度图像获取重设纺织灰度图像；获取重设纺织灰度图像的所有滑窗；获取每个滑窗内每个像素点对的第一权值；获取每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对；根据每个滑窗内每个像素点对的第一权值和每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对获得重设纺织灰度图像在每个参考方向下的像素点对整体调整量；根据重设纺织灰度图像在每个参考方向下的像素点对整体调整量获得重设纺织灰度图像在每个参考方向下的误差程度；

对重设纺织灰度图像进行分块处理获取若干个图像块；获取图像块在每个参考方向下的纹理分布规则程度；根据图像块在每个参考方向下的纹理分布规则程度和重设纺织灰度图像在每个参考方向下的误差程度获得图像块的纹理分布规则程度；

根据图像块的纹理分布规则程度和区域灰度特征获得图像块的局部区域异常程度；根据图像块的局部区域异常程度获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域。

2.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述获取每个滑窗内每个像素点对的第一权值的具体公式为：

式中，表示第个滑窗内第个像素点对的第一权值；表示第个滑窗的中心像素点与第个滑窗内第个邻域像素点的欧式距离；表示一维高斯函数。

3.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述获取每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对，包括的具体方法为：

以水平向右为初始方向，逆时针方向为正方向；对于第个滑窗内，获取第个滑窗的中心像素点与中心像素点的第个邻域像素点组成第个滑窗内第个像素点对，将第个像素点对中两个像素点的连线与初始方向的夹角记为第个像素点对的方向；

将四个方向分别记为第一参考方向、第二参考方向、第三参考方向和第四参考方向，对于任意一个参考方向，若第个像素点对的方向不等于所述参考方向，则需要进行归属，归属具体过程为：获取与第个像素点对的方向最相邻的两个所述参考方向，并将两个所述参考方向分别记为第一归属方向和第二归属方向；将第个滑窗内在第一归属方向上所有像素点的灰度值的均值，记为第一灰度均值；将第个滑窗内在第二归属方向上所有像素点的灰度值的均值，记为第二灰度均值；将第个邻域像素点与第一灰度均值的差值的绝对值记为第一差值；将第个邻域像素点与第二灰度均值的差值的绝对值记为第二差值；若第一差值大于等于第二差值，则将第个像素点对归属到第二归属方向上，并将第个像素点对记为第二归属方向的归属像素点对；反之，将第个像素点对归属到第一归属方向上，并将第个像素点对记为第一归属方向的归属像素点对；

获得每个滑窗内每个参考方向上的所有归属像素点对；

若第个像素点对的方向等于所述参考方向，则将第个像素点对记为所述参考方向的一个原始像素点对；进而获得每个滑窗内每个参考方向上的所有原始像素点对。

4.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述根据每个滑窗内每个像素点对的第一权值和每个滑窗内每个参考方向上的所有归属像素点对和所有原始像素点对获得重设纺织灰度图像在每个参考方向下的像素点对整体调整量的具体公式为：

式中，表示重设纺织灰度图像在参考方向下的像素点对整体调整量；表示重设纺织灰度图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有归属像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有原始像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像素点对的第一权值；表示重设纺织灰度图像中第个滑窗在参考方向下第个原始像素点对的第一权值；为预设参数。

5.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述根据重设纺织灰度图像在每个参考方向下的像素点对整体调整量获得重设纺织灰度图像在每个参考方向下的误差程度，包括的具体方法为：

重设纺织灰度图像在参考方向下的误差程度计算表达式为：

式中，表示重设纺织灰度图像在参考方向下的误差程度；表示重设纺织灰度图像的所有滑窗数量；表示重设纺织灰度图像中第个滑窗在参考方向下所有归属像素点对的数量；表示重设纺织灰度图像中第个滑窗在参考方向下第个归属像素点对的第一权值；表示重设纺织灰度图像在参考方向下的像素点对整体调整量；为预设参数；为线性归一化函数。

6.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述对重设纺织灰度图像进行分块处理获取若干个图像块，包括的具体方法为：

预设大小为的滑窗，滑窗从重设纺织灰度图像的左上角开始滑动，其滑动步长为，直至重设纺织灰度图像的右下角停止；滑动过程中的每个滑窗作为一个图像块，滑动完成后得到若干图像块。

7.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述获取图像块在每个参考方向下的纹理分布规则程度，包括的具体方法为：

对于重设纺织灰度图像中的任意一个图像块，将每个图像块内每个参考方向上的所有归属像素点对和所有原始像素点对作为每个图像块内每个参考方向上的调整后的所有像素点对，对于任意两个调整后的像素点对，若所述两个像素点对的灰度级相同且像素点对的方向也一致，则所述两个像素点对属于同一类像素点类，进而获取每个图像块在每个参考方向上的所有类别的像素点对；则任意一个图像块在参考方向下的纹理分布规则程度的计算表达式为：

式中，表示图像块在参考方向下的纹理分布规则程度；表示图像块在参考方向下的所有类别像素点对的类别数量；表示图像块在参考方向下的第种类别像素点对的数量；表示重设纺织灰度图像在参考方向下的第种类别像素点对的数量。

8.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述根据图像块在每个参考方向下的纹理分布规则程度和重设纺织灰度图像在每个参考方向下的误差程度获得图像块的纹理分布规则程度的具体公式为：

式中，表示图像块的纹理分布规则程度；表示图像块在参考方向下的纹理分布规则程度，为第参考方向；表示重设纺织灰度图像在参考方向下的误差程度。

9.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述根据图像块的纹理分布规则程度和区域灰度特征获得图像块的局部区域异常程度，包括的具体方法为：

获取图像块中每个像素点的灰度值与图像块中灰度均值之间的差值的绝对值，记为每个像素点第一绝对差值；将图像块中所有像素点的第一绝对差值的平均值作为图像块的区域灰度特征；则图像块的局部区域异常程度的计算表达式为：

式中，表示图像块的局部区域异常程度；图像块的纹理分布规则程度；表示图像块的区域灰度特征。

10.根据权利要求1所述基于图像特征的纺织物瑕疵快速检测方法，其特征在于，所述根据图像块的局部区域异常程度获取异常图像块，根据异常图像块获取重设纺织灰度图像的瑕疵区域，包括的具体方法为：

对于重设纺织灰度图像中任意一个图像块，若所述图像块的局部区域异常程度大于等于预设参数，则所述图像块为异常图像块；所述图像块的局部区域异常程度小于预设参数，则所述图像块为正常图像块；进而获得所有异常图像块；则所有异常图像块组成的区域为纺织物的瑕疵区域。