CN117237354B - 一种纺织衣物疵点视觉检测方法 - Google Patents
一种纺织衣物疵点视觉检测方法 Download PDFInfo
- Publication number
- CN117237354B CN117237354B CN202311514555.3A CN202311514555A CN117237354B CN 117237354 B CN117237354 B CN 117237354B CN 202311514555 A CN202311514555 A CN 202311514555A CN 117237354 B CN117237354 B CN 117237354B
- Authority
- CN
- China
- Prior art keywords
- highlight
- edge
- temporary
- region
- pixel point
- 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
- 239000004753 textile Substances 0.000 title claims abstract description 80
- 230000007547 defect Effects 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title abstract description 17
- 230000000007 visual effect Effects 0.000 title abstract description 7
- 238000003708 edge detection Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000005286 illumination 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
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种纺织衣物疵点视觉检测方法,包括:获得纺织衣物图像中的临时高亮区域,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,获得高亮区域,计算每个高亮区域的位置准确性,获得高亮区域之间的距离最大值,获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像,对填充后的纺织衣物图像进行边缘检测得到破洞的粗略边缘,对破洞的粗略边缘进行凸包处理得到纺织衣物破洞的真实边缘。本发明减少纺织衣物的纹理和图案对属于破洞的疵点识别的影响,提高纺织衣物疵点检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种纺织衣物疵点视觉检测方法。
背景技术
在我国,纺织业有着悠久的历史,随着纺织知识体系和学科体系的不断发展和完善,目前已形成一套完成的纺织流程。纺织衣物疵点检测是保证纺织衣物质量的最后一道程序,随着人们对纺织品质量的追求,纺织衣物疵点检测近年来得到更多的关注。在纺织衣物的所有缺陷中,破洞对纺织衣物的质量影响最为直接,存在破洞的纺织衣物一般直接作为残次品。
随着工业技术的不断发展,纺织衣物疵点检测已经由原始的人工检测逐步转换为机器自动检测。机器自动检测基于机器视觉,但是属于破洞的疵点识别会受到纺织衣物的纹理和图案影响,导致纺织衣物疵点检测的准确性较低。
发明内容
为了解决上述问题,本发明提供一种纺织衣物疵点视觉检测方法,所述方法包括:
获得纺织衣物图像中的临时高亮区域,获得每个临时高亮区域的备选边缘像素点,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,根据概率计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,根据备选边缘像素点属于高亮区域边缘的可能性获得高亮区域;
计算每个高亮区域的位置准确性,根据高亮区域的位置准确性和高亮区域之间的距离,获得高亮区域之间的距离最大值,根据距离最大值获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像;
对填充后的纺织衣物图像进行边缘检测得到破洞的粗略边缘,对破洞的粗略边缘进行凸包处理得到纺织衣物破洞的真实边缘。
进一步地,所述获得每个临时高亮区域的备选边缘像素点,包括的具体步骤如下:
对于不属于任意一个临时高亮区域的高亮像素点,计算该高亮像素点与每个临时高亮区域的中心像素点的欧式距离,将该高亮像素点作为欧式距离最小的临时高亮区域的备选边缘像素点,获得每个临时高亮区域的备选边缘像素点。
进一步地,所述每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率的计算公式如下:
式中,临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的概率,/>表示临时高亮区域的第i个备选边缘像素点的灰度值,/>表示临时高亮区域的第i个备选边缘像素点8邻域内第j个邻域像素点的灰度值,/>表示线性归一化函数。
进一步地,所述每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性的计算公式如下:
式中,表示临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的可能性,表示临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的概率,/>表示临时高亮区域的第i个备选边缘像素点的第x个同类型像素点属于高亮区域边缘的概率,/>表示第i个备选边缘像素点的同类型像素点的数量;
其中,备选边缘像素点的同类型像素点的获取方法为:将临时高亮区域的所有备选边缘像素点,与临时高亮区域的中心像素点的欧式距离等于第i个备选边缘像素点与临时高亮区域的中心像素点的欧式距离的备选边缘像素点,作为第i个备选边缘像素点的同类型像素点。
进一步地,所述获得高亮区域,包括的具体步骤如下:
对于每个临时高亮区域,将属于高亮区域边缘的可能性大于可能性阈值的备选边缘像素点,作为临时高亮区域的边缘像素点;每个临时高亮区域的所有边缘像素点组成边缘,边缘中间的区域作为一个高亮区域。
进一步地,所述计算每个高亮区域的位置准确性,包括的具体步骤如下:
对于任意一个高亮区域,获取与该高亮区域的距离最近的4个高亮区域,其中,两个高亮区域的距离是指:两个高亮区域的几何中心的欧式距离,获得4个高亮区域的几何中心组成的该高亮区域的位置四边形;
根据每个高亮区域的位置四边形,计算每个高亮区域的位置准确性,具体的计算公式为:
式中,Z表示高亮区域的位置准确性,表示高亮区域的位置四边形中所有边长的标准差,/>表示高亮区域的位置四边形中第t个边长,/>表示高亮区域的位置四边形中所有边长的均值,/>表示线性归一化函数。
进一步地,所述获得高亮区域之间的距离最大值,包括的具体步骤如下:
获得每个高亮区域与组成的该高亮区域的位置四边形的4个高亮区域的距离的均值,将每个高亮区域的位置准确性与距离的均值的乘积,作为每个高亮区域的位置距离,计算所有高亮区域的位置距离的均值和标准差/>,高亮区域之间的距离的最大值为。
进一步地,所述根据距离最大值获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像,包括的具体步骤如下:
对于任意一个不属于高亮区域的像素点,获取与该像素点的距离最近的4个高亮区域,其中,像素点与高亮区域的距离是指:像素点与高亮区域的几何中心的欧式距离;如果该像素点与距离最近的4个高亮区域的距离之和小于,则该像素点属于正常低亮区域,/>表示高亮区域之间的距离最大值;
对于属于正常低亮区域的像素点进行填充,填充后的像素点的灰度值等于所有高亮区域中像素点的灰度值的均值,获得填充后的纺织衣物图像。
进一步地,所述获得纺织衣物图像中的临时高亮区域,包括的具体步骤如下:
将灰度值大于预设灰度阈值的像素点记为高亮像素点,将灰度值最大的高亮像素点作为生长中心,通过区域生长法获得生长中心的临时高亮区域,将灰度值最大的高亮像素点作为临时高亮区域的中心像素点,区域生长法的生长规则为:搜索点与生长中心的灰度值的差值的绝对值小于预设灰度差异阈值。
进一步地,所述对破洞的粗略边缘进行凸包处理得到纺织衣物破洞的真实边缘,包括的具体步骤如下:
对纺织衣物的粗略边缘进行处理得到凸包多边形;获取纺织衣物破洞的粗略边缘上的所有像素点与凸包多边形的最短距离,绘制最短距离-像素点个数的曲线图;计算所得曲线图中相邻点所在直线的斜率;如果斜率大于阈值,则斜率所对应的两个相邻点中横坐标大的点为破洞真实边缘点。
本发明的技术方案的有益效果是:本发明获得纺织衣物图像中的临时高亮区域,获得每个临时高亮区域的备选边缘像素点,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,根据备选边缘像素点属于高亮区域边缘的可能性获得高亮区域,利用像素点与高亮区域的位置关系,获得属于正常低亮区域的像素点并进行填充,根据填充后的纺织衣物图像获取破洞真实边缘点,减少纺织衣物的纹理和图案对属于破洞的疵点识别的影响,提高纺织衣物疵点检测的准确性。
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为本发明的一种纺织衣物疵点视觉检测方法的方法流程图;
图2为最短距离-像素点个数的曲线图。
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纺织衣物疵点视觉检测方法,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纺织衣物疵点视觉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纺织衣物疵点视觉检测方法的数据传输模块的方法流程图,该方法包括:
S001、采集纺织衣物图像。
在本实施例中,通过安装在检测平台正上方的相机,拍摄待检测纺织衣物的图像,对图像进行语义分割获得纺织衣物图像。
需要说明的是,本实施例通过语义分割是为了获取属于纺织衣物区域的像素点,排除背景的干扰,因此,将图像划分为纺织衣物区域和背景区域两类,语义分割为公知技术,此处不再进行赘述。
S002、获得纺织衣物图像中的临时高亮区域,获得每个临时高亮区域的备选边缘像素点,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,根据备选边缘像素点属于高亮区域边缘的可能性获得高亮区域。
需要说明的是,由于纺织衣物经纬纱的错位编织,纺织衣物图像上形成高亮区域和低亮区域,如果纺织衣物存在破洞,纺织衣物图像中的破洞区域也表现为低亮区域,此时纹理上的低亮区域影响破洞的识别,所以本实施例通过识别并填充纹理上的低亮区域,将纹理上的低亮区域转换为高亮区域,进而避免纹理上的低亮区域对破洞识别的影响。
1、获得纺织衣物图像中的临时高亮区域。
需要说明的是,由于光照等原因,使得图像中高亮区域的区分不明显,不能直接识别单个高亮区域,所以需要对图像进行处理,划分单个高亮区域。
在本实施例中,将灰度值大于预设灰度阈值的像素点记为高亮像素点,实施人员可根据实际实施情况设置灰度阈值,例如Y1=120。
将灰度值最大的高亮像素点作为生长中心,通过区域生长法获得生长中心的临时高亮区域,将灰度值最大的高亮像素点作为临时高亮区域的中心像素点,区域生长法的生长规则为:搜索点与生长中心的灰度值的差值的绝对值小于预设灰度差异阈值,实施人员可根据实际实施情况设置灰度差异阈值,例如Y1=5。
2、获得每个临时高亮区域的备选边缘像素点,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率。
需要说明的是,由于纺织衣物图像中高亮区域和低亮区域比较密集,所以常规的边缘检测不能识别全部的边缘,且高亮区域之间的边缘不明显,仅仅根据灰度的变化是不能之间把高亮区域边缘找到的,所以需要分析像素点与临时高亮区域的位置关系确定高亮区域边缘。
进一步需要说明的是,纺织衣物图像中的高亮区域来源于经纬纱线的交替突起,所以高亮区域中临时高亮区域一般位于高亮区域的中心位置,且高亮区域边缘关于临时高亮区域对称。
在本实施例中,对于不属于任意一个临时高亮区域的高亮像素点,计算该高亮像素点与每个临时高亮区域的中心像素点的欧式距离,将该高亮像素点作为欧式距离最小的临时高亮区域的备选边缘像素点,获得每个临时高亮区域的备选边缘像素点。
计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,计算公式具体为:
式中,临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的概率,/>表示临时高亮区域的第i个备选边缘像素点的灰度值,/>表示临时高亮区域的第i个备选边缘像素点8邻域内第w个邻域像素点的灰度值,/>表示线性归一化函数。
需要说明的是,高亮区域边缘是高亮区域与低亮区域的交界处,因此,属于高亮区域边缘的像素点与周围邻域的像素点的灰度值的差异较大,所以临时高亮区域的备选边缘像素点与8邻域内其他邻域像素点的灰度值的差异越大,则临时高亮区域的备选边缘像素点属于高亮区域边缘的概率越大。
3、根据概率计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,根据备选边缘像素点属于高亮区域边缘的可能性获得高亮区域。
在本实施例中,根据每个备选边缘像素点属于高亮区域边缘的概率,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,计算公式具体为:
式中,表示临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的可能性,表示临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的概率,/>表示临时高亮区域的第i个备选边缘像素点的第x个同类型像素点属于高亮区域边缘的概率,/>表示第i个备选边缘像素点的同类型像素点的数量。
其中,第i个备选边缘像素点的同类型像素点的获取方法为:将临时高亮区域的所有备选边缘像素点,与临时高亮区域的中心像素点的欧式距离等于第i个备选边缘像素点与临时高亮区域的中心像素点的欧式距离的备选边缘像素点,作为第i个备选边缘像素点的同类型像素点。
需要说明的是,高亮区域边缘关于临时高亮区域对称,因此,与临时高亮区域的中心像素点的距离相等的备选边缘像素点(即备选边缘像素点的同类型像素点)属于高亮区域边缘的概率应该相等或相近,所以越小,则备选边缘像素点的同类型像素点和备选边缘像素点属于高亮区域边缘的概率越相近,则备选边缘像素点越可能属于高亮区域边缘,则临时高亮区域的备选边缘像素点属于高亮区域边缘的可能性越大;临时高亮区域的备选边缘像素点属于高亮区域边缘的概率越大,则备选边缘像素点越可能属于高亮区域边缘,则临时高亮区域的备选边缘像素点属于高亮区域边缘的可能性越大。
在本实施例中,对于每个临时高亮区域,将属于高亮区域边缘的可能性大于可能性阈值的备选边缘像素点,作为临时高亮区域的边缘像素点;每个临时高亮区域的所有边缘像素点组成边缘,边缘中间的区域作为一个高亮区域;实施人员可根据实际实施情况设置可能性阈值,例如Y3=0.6。
S003、计算每个高亮区域的位置准确性,根据高亮区域的位置准确性和高亮区域之间的距离,获得高亮区域之间的距离最大值,根据距离最大值获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像。
1、计算每个高亮区域的位置准确性。
需要说明的是,后续需要根据像素点与高亮区域的位置关系,判断是否对像素点进行填充,因此,只有保证了高亮区域的位置的准确性,才能保证获得的需要填充的像素点的准确性;由于图像中高亮区域分布具有比较明显的周期特点每个高亮区域的几何中心与相邻的4个高亮区域的几何中心近似构成一个菱形,因此可以根据这个特征判断高亮区域的位置的准确性。
在本实施例中,对于任意一个高亮区域,获取与该高亮区域的距离最近的4个高亮区域,其中,两个高亮区域的距离是指:两个高亮区域的几何中心的欧式距离,获得4个高亮区域的几何中心组成的该高亮区域的位置四边形。
根据每个高亮区域的位置四边形,计算每个高亮区域的位置准确性,具体的计算公式为:
式中,Z表示高亮区域的位置准确性,表示高亮区域的位置四边形中所有边长的标准差,/>表示高亮区域的位置四边形中第t个边长,/>表示高亮区域的位置四边形中所有边长的均值,/>表示线性归一化函数。
需要说明的是,高亮区域的位置四边形中边长差值越小,高亮区域的位置越准确,又已知纺织物经纬交替均匀,所以所有边长长度具有相似性,此时四个边长与其他所有边长的差异越小,当前高亮区域的位置越准确。
2、根据高亮区域的位置准确性和高亮区域之间的距离,获得高亮区域之间的距离最大值,根据距离最大值获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像。
需要说明的是,由于生产过程中的压力不均匀,相较于标准的纺织衣物中高亮区域之间的距离,纺织衣物图像中高亮区域之间的距离服从正态分布。
在本实施例中,获得每个高亮区域与组成的该高亮区域的位置四边形的4个高亮区域的距离的均值,将每个高亮区域的位置准确性与距离的均值的乘积,作为每个高亮区域的位置距离,计算所有高亮区域的位置距离的均值和标准差/>,如果纺织衣物图像不存在破洞,所有高亮区域的位置距离服从正态分布/>,得到所有高亮区域之间的距离的最大值为/>。
需要说明的是,对纺织衣物图像中的低亮区域进行填充时,首先要判断低亮区域中像素点的位置,对于正常的低亮区域的像素点,与周围相邻的四个高亮区域的距离之和近似于高亮区域之间距离的二倍。
对于任意一个不属于高亮区域的像素点,获取与该像素点的距离最近的4个高亮区域,其中,像素点与高亮区域的距离是指:像素点与高亮区域的几何中心的欧式距离;如果该像素点与距离最近的4个高亮区域的距离之和小于则该像素点属于正常低亮区域。
对于属于正常低亮区域的像素点进行填充,填充后的像素点的灰度值等于所有高亮区域中像素点的灰度值的均值。
至此,获得填充后的纺织衣物图像。
S004、对填充后的纺织衣物图像进行边缘检测得到破洞的粗略边缘,对破洞的粗略边缘进行凸包处理得到纺织衣物破洞的真实边缘。
需要说明的是,对正常低亮区域进行填充的过程中,位于破洞边缘区域的低亮间隙没有被正常填充,所以,需要根据未填充的低亮区域的边缘形状,判断破洞的真实边缘。
利用Canny算子对填充后的纺织衣物图像进行边缘检测,得到破洞的粗略边缘,此时获得的粗略边缘具有锯齿型,锯齿边缘中的突出部分为正常的低亮区域,对纺织衣物破洞的粗略边缘上的所有像素点,进行凸包处理,处理方法采用Graham扫描法,获得凸包多边形,此时凸包多边形/>内部包括整个破洞区域以及部分正常低亮区域。
此时计算纺织衣物破洞的粗略边缘上的所有像素点与凸包多边形的最短距离,对应每个像素点的/>分别表示为/>,/>表示纺织衣物破洞的粗略边缘上的所有像素点的个数。破洞粗略边缘上非锯齿部分的像素点与多边形/>之间的距离基本保持一致,对于所获得的所有的/>进行统计,做出关于对应的/>的像素点的个数的图像,如图2所示为最短距离-像素点个数的曲线图。此时,更多的/>对应破洞粗略边缘上非锯齿部分像素点。
如图2所示,在直方图中,横坐标表示破洞粗略边缘上所有像素点的,纵坐标破洞粗略边缘上所有像素点的个数,此时,计算对应的/>的像素点的个数的图像的陡峭程度:
式中,与/>表示破洞粗略边缘上两两相邻像素点的坐标,表示破洞粗略边缘在/>处的陡峭程度。
设置阈值,当/>时,表示/>处的/>对应像素点为破洞真实边缘像素点,记此处/>,则对于所有像素点与凸包多边形的距离/>,当时,表示对应像素点为破洞真实边缘像素点;/>时,表示对应的像素为破洞粗略边缘上锯齿状突起部分的边缘。因此,选择破洞真实边缘像素点,构成多段边缘线,根据现有的拟合技术,获得真实破洞区域的边缘。
本发明获得纺织衣物图像中的临时高亮区域,获得每个临时高亮区域的备选边缘像素点,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,根据备选边缘像素点属于高亮区域边缘的可能性获得高亮区域,利用像素点与高亮区域的位置关系,获得属于正常低亮区域的像素点并进行填充,根据填充后的纺织衣物图像获取破洞真实边缘点,减少纺织衣物的纹理和图案对属于破洞的疵点识别的影响,提高纺织衣物疵点检测的准确性。
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 (1)
1.一种纺织衣物疵点视觉检测方法,其特征在于,所述方法包括:
获得纺织衣物图像中的临时高亮区域,获得每个临时高亮区域的备选边缘像素点,计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率,根据概率计算每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性,根据备选边缘像素点属于高亮区域边缘的可能性获得高亮区域;
计算每个高亮区域的位置准确性,根据高亮区域的位置准确性和高亮区域之间的距离,获得高亮区域之间的距离最大值,根据距离最大值获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像;
对填充后的纺织衣物图像进行边缘检测得到破洞的粗略边缘,对破洞的粗略边缘进行凸包处理得到纺织衣物破洞的真实边缘;
其中,计算每个高亮区域的位置准确性,包括的具体步骤如下:
对于任意一个高亮区域,获取与该高亮区域的距离最近的4个高亮区域,其中,两个高亮区域的距离是指:两个高亮区域的几何中心的欧式距离,获得4个高亮区域的几何中心组成的该高亮区域的位置四边形;
根据每个高亮区域的位置四边形,计算每个高亮区域的位置准确性,具体的计算公式为:
式中,Z表示高亮区域的位置准确性,表示高亮区域的位置四边形中所有边长的标准差,/>表示高亮区域的位置四边形中第t个边长,/>表示高亮区域的位置四边形中所有边长的均值,/>表示线性归一化函数;
其中,所述获得每个临时高亮区域的备选边缘像素点,包括的具体步骤如下:
对于不属于任意一个临时高亮区域的高亮像素点,计算该高亮像素点与每个临时高亮区域的中心像素点的欧式距离,将该高亮像素点作为欧式距离最小的临时高亮区域的备选边缘像素点,获得每个临时高亮区域的备选边缘像素点;
其中,所述每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的概率的计算公式如下:
式中,临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的概率,/>表示临时高亮区域的第i个备选边缘像素点的灰度值,/>表示临时高亮区域的第i个备选边缘像素点8邻域内第j个邻域像素点的灰度值,/>表示线性归一化函数;
其中,所述每个临时高亮区域的每个备选边缘像素点属于高亮区域边缘的可能性的计算公式如下:
式中,表示临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的可能性,/>表示临时高亮区域的第i个备选边缘像素点属于高亮区域边缘的概率,/>表示临时高亮区域的第i个备选边缘像素点的第x个同类型像素点属于高亮区域边缘的概率,/>表示第i个备选边缘像素点的同类型像素点的数量;
其中,备选边缘像素点的同类型像素点的获取方法为:将临时高亮区域的所有备选边缘像素点,与临时高亮区域的中心像素点的欧式距离等于第i个备选边缘像素点与临时高亮区域的中心像素点的欧式距离的备选边缘像素点,作为第i个备选边缘像素点的同类型像素点;
其中,所述获得高亮区域,包括的具体步骤如下:
对于每个临时高亮区域,将属于高亮区域边缘的可能性大于可能性阈值的备选边缘像素点,作为临时高亮区域的边缘像素点;每个临时高亮区域的所有边缘像素点组成边缘,边缘中间的区域作为一个高亮区域;
其中,所述获得高亮区域之间的距离最大值,包括的具体步骤如下:
获得每个高亮区域与组成的该高亮区域的位置四边形的4个高亮区域的距离的均值,将每个高亮区域的位置准确性与距离的均值的乘积,作为每个高亮区域的位置距离,计算所有高亮区域的位置距离的均值和标准差/>,高亮区域之间的距离的最大值为;
其中,所述根据距离最大值获得属于正常低亮区域的像素点,对属于正常低亮区域的像素点进行填充获得填充后的纺织衣物图像,包括的具体步骤如下:
对于任意一个不属于高亮区域的像素点,获取与该像素点的距离最近的4个高亮区域,其中,像素点与高亮区域的距离是指:像素点与高亮区域的几何中心的欧式距离;如果该像素点与距离最近的4个高亮区域的距离之和小于,则该像素点属于正常低亮区域,/>表示高亮区域之间的距离最大值;
对于属于正常低亮区域的像素点进行填充,填充后的像素点的灰度值等于所有高亮区域中像素点的灰度值的均值,获得填充后的纺织衣物图像;
其中,所述获得纺织衣物图像中的临时高亮区域,包括的具体步骤如下:
将灰度值大于预设灰度阈值的像素点记为高亮像素点,将灰度值最大的高亮像素点作为生长中心,通过区域生长法获得生长中心的临时高亮区域,将灰度值最大的高亮像素点作为临时高亮区域的中心像素点,区域生长法的生长规则为:搜索点与生长中心的灰度值的差值的绝对值小于预设灰度差异阈值;
其中,所述对破洞的粗略边缘进行凸包处理得到纺织衣物破洞的真实边缘,包括的具体步骤如下:
对纺织衣物的粗略边缘进行处理得到凸包多边形;获取纺织衣物破洞的粗略边缘上的所有像素点与凸包多边形的最短距离,绘制最短距离-像素点个数的曲线图;计算所得曲线图中相邻点所在直线的斜率;如果斜率大于阈值,则斜率所对应的两个相邻点中横坐标大的点为破洞真实边缘点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514555.3A CN117237354B (zh) | 2023-11-15 | 2023-11-15 | 一种纺织衣物疵点视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514555.3A CN117237354B (zh) | 2023-11-15 | 2023-11-15 | 一种纺织衣物疵点视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237354A CN117237354A (zh) | 2023-12-15 |
CN117237354B true CN117237354B (zh) | 2024-01-26 |
Family
ID=89093363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311514555.3A Active CN117237354B (zh) | 2023-11-15 | 2023-11-15 | 一种纺织衣物疵点视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237354B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830299B (zh) * | 2024-03-04 | 2024-05-17 | 湖南南源新材料有限公司 | 一种无纺布表面缺陷检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972357A (zh) * | 2022-08-03 | 2022-08-30 | 南通恒立机械设备有限公司 | 一种基于图像处理的轧辊表面缺陷检测方法及系统 |
CN115311298A (zh) * | 2022-10-12 | 2022-11-08 | 南通舒芯居纺织品有限公司 | 一种纺织品质量检测方法 |
-
2023
- 2023-11-15 CN CN202311514555.3A patent/CN117237354B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972357A (zh) * | 2022-08-03 | 2022-08-30 | 南通恒立机械设备有限公司 | 一种基于图像处理的轧辊表面缺陷检测方法及系统 |
CN115311298A (zh) * | 2022-10-12 | 2022-11-08 | 南通舒芯居纺织品有限公司 | 一种纺织品质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117237354A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114723701B (zh) | 基于计算机视觉的齿轮缺陷检测方法和系统 | |
CN117237354B (zh) | 一种纺织衣物疵点视觉检测方法 | |
CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
CN115294137B (zh) | 一种布料表面渗色的缺陷检测方法 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN114998227A (zh) | 基于图像处理的布匹印染缺陷检测方法及系统 | |
CN114897894B (zh) | 一种筒纱菊花芯缺陷检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN115311279A (zh) | 一种织物经纬瑕疵的机器视觉识别方法 | |
CN115311267B (zh) | 一种格纹织物异常检测方法 | |
CN116630309A (zh) | 一种布匹断纬瑕疵检测方法 | |
CN111754422A (zh) | 一种基于EDLines和LSM的视觉巡边方法 | |
CN112330678A (zh) | 产品边缘缺陷检测方法 | |
CN116152247B (zh) | 一种聚氨酯涂膜的质量评估方法 | |
CN116664569B (zh) | 一种焊瘤缺陷检测方法 | |
CN110749598A (zh) | 一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法 | |
CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
CN117788464B (zh) | 一种工业齿轮油杂质视觉检测方法 | |
CN115861310A (zh) | 一种床单表面纺织缺陷检测方法 | |
CN115861313A (zh) | 一种用于磨头的磨损检测方法 | |
CN113592811B (zh) | 一种基于图像处理的熔喷布厚度一致性检测方法 | |
CN116894840B (zh) | 纺纱打样机产品质量检测方法及系统 | |
CN114923912A (zh) | 一种基于机器视觉的锦纶丝饼外表面缺陷检测方法 | |
CN115578390B (zh) | 一种用于除氧器的焊接控制方法 | |
CN116468689A (zh) | 一种基于灰度特征的瑕疵识别方法 |
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 |