CN117274248A - 一种布料印染瑕疵缺陷视觉检测方法 - Google Patents
一种布料印染瑕疵缺陷视觉检测方法 Download PDFInfo
- Publication number
- CN117274248A CN117274248A CN202311541377.3A CN202311541377A CN117274248A CN 117274248 A CN117274248 A CN 117274248A CN 202311541377 A CN202311541377 A CN 202311541377A CN 117274248 A CN117274248 A CN 117274248A
- Authority
- CN
- China
- Prior art keywords
- stain
- suspected
- edge
- texture
- dyeing
- 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
Links
- 238000004043 dyeing Methods 0.000 title claims abstract description 107
- 239000004744 fabric Substances 0.000 title claims abstract description 106
- 230000007547 defect Effects 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000010186 staining Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 claims 9
- 239000003086 colorant Substances 0.000 abstract description 7
- 230000004069 differentiation Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 239000004753 textile Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000049 pigment Substances 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
-
- 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
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Coloring (AREA)
Abstract
本发明涉及图像处理技术领域，提出了一种布料印染瑕疵缺陷视觉检测方法，包括：采集布料印染图像，获取疑似染斑像素点；获取疑似染斑像素点的纹理偏离度，根据纹理偏离度筛选染斑特征像素点；进而获取疑似染斑边缘点的边缘纹理偏离一致度；获取疑似染斑边缘线的染斑边缘显著度，根据染斑边缘显著度实现对布料印染图像中染斑瑕疵缺陷的视觉检测。本发明旨在解决染斑颜色与布料纹理颜色区分度低导致的布料印染瑕疵缺陷检测精度不足的问题。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种布料印染瑕疵缺陷视觉检测方法。
背景技术
布料印染是指将染料或颜料应用到布料上，使布料产生颜色变化或图案效果的过程。布料印染是一项广泛应用于纺织工业的技术，在服装、家居纺织、工业纺织等领域都有重要的应用。在布料印染过程中，不可避免地会出现染色效果不均匀的现象，导致染斑瑕疵等问题，影响布料的染色质量。因此，需要对布料的印染瑕疵进行检测，确保布料的印染质量。
目前，通常使用图像阈值分割的方法对布料的印染瑕疵缺陷进行视觉检测，提取染斑区域。但由于布料的纹理特征，染色后的布料呈现的并不是单一的颜色，造成染斑的颜色与布料纹理的颜色区分度较低的问题，降低图像分割的精度，使布料的印染瑕疵缺陷检测精度不高。
发明内容
本发明提供一种布料印染瑕疵缺陷视觉检测方法，以解决现有的染斑颜色与布料纹理颜色区分度低导致的布料印染瑕疵缺陷检测精度不足的问题，所采用的技术方案具体如下：
本发明一个实施例提供了一种布料印染瑕疵缺陷视觉检测方法，该方法包括以下步骤：
采集布料印染图像并对布料印染图像进行预处理，获取疑似染斑像素点；
根据疑似染斑像素点的邻域窗口中像素点的灰度值获取疑似染斑像素点的局部纹理矩阵，根据疑似染斑像素点的局部纹理矩阵获取疑似染斑像素点的纹理特征向量和纹理特征值，根据疑似染斑像素点的纹理特征值建立纹理特征值区间，根据纹理特征值区间获取纹理置信特征值和纹理置信特征向量，根据疑似染斑像素点的纹理特征向量与纹理置信特征向量之间的差异获取疑似染斑像素点的纹理偏离度，根据疑似染斑像素点的纹理偏离度筛选染斑特征像素点；
获取疑似染斑边缘点和疑似染斑边缘线，获取疑似染斑边缘点的邻域边缘点序列，获取疑似染斑边缘点的局部边缘灰度值，根据疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点的纹理偏离度和灰度值，以及疑似染斑边缘点的局部边缘灰度值，获取疑似染斑边缘点的边缘纹理偏离一致度；
获取疑似染斑边缘线的近似曲线，获取疑似染斑边缘点的最小距离，根据疑似染斑边缘线上疑似染斑边缘点的最小距离和边缘纹理偏离一致度获取疑似染斑边缘线的染斑边缘显著度，根据染斑边缘显著度实现对布料印染图像中染斑瑕疵缺陷的视觉检测。
进一步，所述根据疑似染斑像素点的邻域窗口中像素点的灰度值获取疑似染斑像素点的局部纹理矩阵，根据疑似染斑像素点的局部纹理矩阵获取疑似染斑像素点的纹理特征向量和纹理特征值，包括的具体方法为：
将以疑似染斑像素点为中心像素点，边长为第一预设阈值的窗口记为疑似染斑像素点的邻域窗口；
将疑似染斑像素点的邻域窗口内像素点的灰度值作为像素点对应的元素值，根据疑似染斑像素点的邻域窗口内包含的像素点的位置建立疑似染斑像素点的局部纹理矩阵；
将局部纹理矩阵的特征向量作为疑似染斑像素点的纹理特征向量，将局部纹理矩阵的特征值作为疑似染斑像素点的纹理特征值。
进一步，所述根据疑似染斑像素点的纹理特征值建立纹理特征值区间，根据纹理特征值区间获取纹理置信特征值和纹理置信特征向量，包括的具体方法为：
将布料印染图像中的疑似染斑像素点的纹理特征值的最小值与最大值分别作为区间上限和区间下限的区间记为纹理特征值区间；
将纹理特征值区间均分为第二预设阈值个子区间，将包含纹理特征值对应的疑似染斑像素点数量最多的子区间记为纹理置信区间；
将纹理置信区间内纹理特征值的中位数记为纹理置信特征值，将纹理置信特征值对应的中位数对应的特征向量的均值记为纹理置信特征向量。
进一步，所述根据疑似染斑像素点的纹理偏离度筛选染斑特征像素点，包括的具体方法为：
将纹理偏离度大于第一比较阈值的疑似染斑像素点记为染斑特征像素点。
进一步，所述获取疑似染斑边缘点和疑似染斑边缘线，获取疑似染斑边缘点的邻域边缘点序列，包括的具体方法为：
将位于布料印染灰度图像中的闭合边缘线上的染斑特征像素点记为疑似染斑边缘点；
对疑似染斑边缘点进行连通域分析，获取疑似染斑边缘线；
将每个疑似染斑边缘点分别记为待分析疑似染斑边缘点，将疑似染斑边缘线上与待分析疑似染斑边缘点相邻的第三预设阈值个疑似染斑边缘点记为待分析疑似染斑边缘点的相邻疑似染斑边缘点；
按照与从上至下、从左至右的顺序，将待分析疑似染斑边缘点的相邻疑似染斑边缘点和待分析疑似染斑边缘点进行排序，获取待分析疑似染斑边缘点的邻域边缘点序列。
进一步，所述获取疑似染斑边缘点的局部边缘灰度值，包括的具体方法为：
将待分析疑似染斑边缘点的相邻疑似染斑边缘点和待分析疑似染斑边缘点的灰度值均值记为待分析疑似染斑边缘点的局部边缘灰度值。
进一步，所述根据疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点的纹理偏离度和灰度值，以及疑似染斑边缘点的局部边缘灰度值，获取疑似染斑边缘点的边缘纹理偏离一致度，包括的具体方法为：
其中，为疑似染斑边缘点/>的边缘纹理偏离一致度；/>为第/>条疑似染斑边缘线上第/>个疑似染斑边缘点的纹理偏离度；/>为第/>条疑似染斑边缘线上第/>个疑似染斑边缘点的纹理偏离度；/>为与疑似染斑边缘点/>相邻的疑似染斑边缘点数量，记为第三预设阈值，其中，/>的经验取值为3；/>为疑似染斑边缘点/>的灰度值；/>为疑似染斑边缘点/>的局部边缘灰度值。
进一步，所述获取疑似染斑边缘线的近似曲线，获取疑似染斑边缘点的最小距离，包括的具体方法为：
将疑似染斑边缘线上所有疑似染斑边缘点与曲线进行拟合，获取疑似染斑边缘线的拟合曲线；
将疑似染斑边缘线上疑似染斑边缘点与疑似染斑边缘线的近似曲线之间的欧氏距离的最小值记为疑似染斑边缘点的最小距离。
进一步，所述根据疑似染斑边缘线上疑似染斑边缘点的最小距离和边缘纹理偏离一致度获取疑似染斑边缘线的染斑边缘显著度，包括的具体方法为：
将疑似染斑边缘线上疑似染斑边缘点的最小距离与边缘纹理偏离一致度的比值记为疑似染斑边缘点的显著度比值；
将疑似染斑边缘线上所有疑似染斑边缘点的显著度比值的均值的归一化值记为疑似染斑边缘线的染斑边缘显著度。
进一步，所述根据染斑边缘显著度实现对布料印染图像中染斑瑕疵缺陷的视觉检测，包括的具体方法为：
当染斑边缘显著度大于第二比较阈值时，将染斑边缘显著度对应的疑似染斑边缘线记为染斑置信边缘线；
当染斑置信边缘线划分出的闭合区域包含的所有疑似染斑像素点的纹理偏离度的均值大于第三比较阈值时，将染斑置信边缘线记为染斑边缘线，将染斑置信边缘线划分出的闭合区域记为染斑区域；
当布料印染图像中检测出染斑区域时，认为布料印染图像中存在染斑瑕疵缺陷，否则，认为布料印染图像中不存在染斑瑕疵缺陷。
本发明的有益效果是：
本发明根据染斑瑕疵在布料印染图像中对应的染斑区域呈现为颜色较深的闭合区域筛选出布料印染图像中的疑似染斑像素点，然后，通过布料纹理凹陷的部分使布料表面呈现出阴影导致正常染色的布料纹理凹陷部分的像素点被记作疑似染斑像素点的特征，分析像素点的邻域像素点之间的纹理相似性，获取疑似染斑像素点的纹理偏离度，纹理偏离度可反映疑似染斑像素点位于染斑区域的可能性；为了区分印染图案和染斑区域，以布料上颜色较深的图案对应的像素点的纹理偏离度的一致程度较高且较为集中、区域边缘较光滑的特征，获取疑似染斑边缘点的边缘纹理偏离一致度，进而根据印染图案的边缘为光滑的曲线，而染斑的边缘为不规则的毛糙状态的特征，结合疑似染斑边缘线上的疑似染斑边缘点的最小距离获取疑似染斑边缘线的染斑边缘显著度，染斑边缘显著度可反映疑似染斑边缘线为染斑区域边缘线的可信程度；最后，根据染斑边缘显著度获取布料印染图像中的染斑区域，提高布料的印染瑕疵缺陷检测的精度，解决染斑颜色与布料纹理颜色区分度低导致的布料印染瑕疵缺陷检测精度不足的问题。
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为本发明一个实施例所提供的一种布料印染瑕疵缺陷视觉检测方法流程示意图；
图2为染斑的边缘与近似曲线差异示意图。
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。
请参阅图1，其示出了本发明一个实施例所提供的一种布料印染瑕疵缺陷视觉检测方法流程图，该方法包括以下步骤：
步骤S001、采集布料印染图像并对布料印染图像进行预处理，获取疑似染斑像素点。
在环境光源充足的情况下，将印染后的布料平铺于桌面，使用CCD相机采集印染后的布料的图像，获得布料图像，其中，布料图像为RGB图像。
为去除环境噪声，采用高斯滤波分别对布料图像的三个通道进行去噪处理，获取布料印染图像，提高图像质量。
布料的染斑瑕疵通常是由染液浓度不均匀、温度控制不当等原因造成的染液在布料上的分布不均匀。因此，染斑瑕疵在布料印染图像中对应的染斑区域呈现为颜色较深的闭合区域。
将布料印染图像转换为灰度图像，获取布料印染灰度图像。对布料印染灰度图像使用OTSU最大类间方差法进行阈值分割，获得最佳分割阈值。将布料印染灰度图像中灰度值小于最佳分割阈值的像素点记为前景像素点。对布料印染灰度图像采用canny边缘检测算子进行检测，获取布料印染灰度图像中的边缘线，将闭合边缘线划分出的区域中与前景像素点重合的像素点记为疑似染斑像素点。
至此，获取布料印染图像中的疑似染斑像素点。
步骤S002、根据疑似染斑像素点的邻域窗口中像素点的灰度值获取疑似染斑像素点的局部纹理矩阵，根据疑似染斑像素点的局部纹理矩阵获取疑似染斑像素点的纹理特征向量和纹理特征值，根据疑似染斑像素点的纹理特征值建立纹理特征值区间，根据纹理特征值区间获取纹理置信特征值和纹理置信特征向量，根据疑似染斑像素点的纹理特征向量与纹理置信特征向量之间的差异获取疑似染斑像素点的纹理偏离度，根据疑似染斑像素点的纹理偏离度筛选染斑特征像素点。
由于布料存在纹理，布料纹理凹陷的部分也会使布料表面下呈现出阴影，使布料印染图像中对应布料纹理凹陷的部分的像素点灰度值较小，导致正常染色的对应布料纹理凹陷的部分的像素点被记作疑似染斑像素点。布料纹理为均匀排列交织的纹理，所以，被误判为疑似染斑像素点的对应布料纹理凹陷的部分的像素点的邻域像素点的灰度值具有一定的纹理相似性。因此，对每个疑似染斑像素点构建大小为的邻域窗口，/>的经验取值为5，将/>记为第一预设阈值。
获取疑似染斑像素点的邻域窗口中每个像素点的灰度值，进而构建疑似染斑像素点的局部纹理矩阵。局部纹理矩阵中的第行，第/>列的元素为疑似染斑像素点的邻域窗口中第/>行，第/>列的像素点的灰度值。其中，/>，/>。
获取局部纹理矩阵的特征向量和特征值，将局部纹理矩阵的特征向量作为疑似染斑像素点的纹理特征向量，将局部纹理矩阵的特征值作为疑似染斑像素点的纹理特征值。
获取所有疑似染斑像素点的纹理特征值的最小值与最大值/>，将纹理特征值区间平均划分为/>个子区间，统计落在每个子区间的纹理特征值对应的疑似染斑像素点数量，将包含纹理特征值对应的疑似染斑像素点数量最多的子区间记为纹理置信区间。
将落在纹理置信区间的疑似染斑像素点的纹理特征值的中位数记为纹理置信特征值，将纹理置信特征值获取过程中对应的特征向量的均值记为纹理置信特征向量。
根据疑似染斑像素点的纹理特征向量与纹理置信特征向量之间的差异，获取疑似染斑像素点的纹理偏离度，计算公式为：
其中，为疑似染斑像素点/>的纹理偏离度；/>为疑似染斑像素点/>的纹理特征向量；/>为纹理置信特征向量；/>为疑似染斑像素点/>的纹理特征向量/>的模；/>为纹理置信特征向量/>的模；/>为反余弦函数；/>为第一调节系数，经验值为/>，其中，/>为圆周率，取值保留四位小数。
当疑似染斑像素点的纹理特征与纹理置信特征向量之间的夹角越大，说明疑似染斑像素点的纹理特征向量与纹理置信特征向量的差异越大，则疑似染斑像素点呈现出的布料均匀排列交织的纹理特征越不显著，疑似染斑像素点越可能位于染斑区域，即疑似染斑像素点的纹理偏离度越大。
设置第一比较阈值，将纹理偏离度大于第一比较阈值/>的疑似染斑像素点记为染斑特征像素点。其中，第一比较阈值/>的经验取值为0.5。
至此，获取染斑特征像素点。
步骤S003、获取疑似染斑边缘点和疑似染斑边缘线，获取疑似染斑边缘点的邻域边缘点序列，获取疑似染斑边缘点的局部边缘灰度值，根据疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点的纹理偏离度和灰度值，以及疑似染斑边缘点的局部边缘灰度值，获取疑似染斑边缘点的边缘纹理偏离一致度。
在布料的印染过程中，会将布料印染为不同颜色的图案，布料上颜色较深的图案对应的像素点会存在纹理偏离度较高的情况，导致布料上颜色较深的图案对应的像素点被误判为染斑特征像素点。
印染在布料上图案颜色较为均匀，所以布料上颜色较深的图案对应的像素点的纹理偏离度的一致程度较高且较为集中，同时，印染图案的边缘较为光滑。
将所有染斑特征像素点中位于布料印染灰度图像中的闭合边缘线上的染斑特征像素点记为疑似染斑边缘点，对疑似染斑边缘点进行连通域分析，获取疑似染斑边缘线。
获取第条疑似染斑边缘线上与第/>个疑似染斑边缘点/>相邻的/>个疑似染斑边缘点，将疑似染斑边缘点/>和与疑似染斑边缘点/>相邻的/>个疑似染斑边缘点建立疑似染斑边缘点/>的邻域边缘点序列/>，其中，/>，/>的经验取值为3，疑似染斑边缘点/>的邻域边缘点序列中疑似染斑边缘点的排列顺序为从上至下、从左至右的顺序。
将疑似染斑边缘点的邻域边缘点序列中共计/>个疑似染斑边缘点的灰度值均值记为疑似染斑边缘点/>的局部边缘灰度值/>。
根据疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点的纹理偏离度和灰度值，以及疑似染斑边缘点的局部边缘灰度值，获取疑似染斑边缘点的边缘纹理偏离一致度，计算公式为：
其中，为疑似染斑边缘点/>的边缘纹理偏离一致度；/>为第/>条疑似染斑边缘线上第/>个疑似染斑边缘点的纹理偏离度；/>为第/>条疑似染斑边缘线上第/>个疑似染斑边缘点的纹理偏离度；/>为与疑似染斑边缘点/>相邻的疑似染斑边缘点数量，记为第三预设阈值，其中，/>的经验取值为3；/>为疑似染斑边缘点/>的灰度值；/>为疑似染斑边缘点/>的局部边缘灰度值。
当疑似染斑边缘点的纹理偏离度与疑似染斑边缘点的邻域边缘点序列中与疑似染斑边缘点相邻的疑似染斑边缘点的纹理偏离度差异越小时，疑似染斑边缘点与疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点之间的纹理越相似，则疑似染斑边缘点的边缘纹理偏离一致度越大，即疑似染斑边缘点所在位置呈现出的印染布料上颜色较深的图案颜色较为均匀、纹理偏离度的一致性高的特征的显著度越高，即疑似染斑边缘点越不可能为染斑区域的边缘。
当疑似染斑边缘点的灰度值与疑似染斑边缘点的局部边缘灰度值的差值越小时，疑似染斑边缘点与疑似染斑边缘点的相邻疑似染斑边缘点的灰度值越为相近，则疑似染斑边缘点的边缘纹理偏离一致度越大，即疑似染斑边缘点越可能对应同一印染图案的边缘。
所以，当疑似染斑边缘点的纹理偏离度与疑似染斑边缘点的邻域边缘点序列中与疑似染斑边缘点相邻的疑似染斑边缘点的纹理偏离度差异越小、疑似染斑边缘点的灰度值与疑似染斑边缘点的局部边缘灰度值的差值越大时，疑似染斑边缘点所在位置呈现出的印染布料上颜色较深的图案颜色较为均匀、纹理偏离度的一致性高的特征的显著度越高，即则疑似染斑边缘点的边缘纹理偏离一致度越大，疑似染斑边缘点越不可能为染斑区域的边缘。
至此，获取疑似染斑边缘点的边缘纹理偏离一致度。
步骤S004、获取疑似染斑边缘线的近似曲线，获取疑似染斑边缘点的最小距离，根据疑似染斑边缘线上疑似染斑边缘点的最小距离和边缘纹理偏离一致度获取疑似染斑边缘线的染斑边缘显著度，根据染斑边缘显著度实现对布料印染图像中染斑瑕疵缺陷的视觉检测。
印染图案的边缘为光滑的曲线，而染斑的边缘为不规则的毛糙状态。
采用最小二乘法将疑似染斑边缘线上的所有疑似染斑边缘点与曲线进行拟合，获得疑似染斑边缘线的拟合曲线。将疑似染斑边缘线的拟合曲线记为疑似染斑边缘线的近似曲线。
由于染斑的边缘为不规则的毛糙状态，所以，如图2所示，染斑的边缘对应的疑似染斑边缘线的近似曲线与染斑的边缘差异较大。
获取疑似染斑边缘线上的疑似染斑边缘点数量。
获取疑似染斑边缘线上每个疑似染斑边缘点与疑似染斑边缘线的近似曲线之间的欧氏距离的最小值，将疑似染斑边缘线上疑似染斑边缘点与疑似染斑边缘线的近似曲线之间的欧氏距离的最小值记为疑似染斑边缘点的最小距离。
根据疑似染斑边缘线上疑似染斑边缘点的最小距离和边缘纹理偏离一致度获取疑似染斑边缘线的染斑边缘显著度，计算公式为：
其中，为疑似染斑边缘线/>的染斑边缘显著度；/>为疑似染斑边缘线/>上第/>个疑似染斑边缘点/>的最小距离；/>为疑似染斑边缘点/>的边缘纹理偏离一致度；/>为疑似染斑边缘线/>包含的疑似染斑边缘点的数量；/>为线性归一化函数，作用为取括号内的线性归一化值。
当疑似染斑边缘线上的疑似染斑边缘点与近似曲线之间的距离越大，疑似染斑边缘点的边缘纹理偏离一致度越小时，疑似染斑边缘线越粗糙、越不规则，且边缘纹理差异较大，则染斑边缘显著度越大，即疑似染斑边缘线呈现出的染斑边缘规则毛糙状态的显著性越大，疑似染斑边缘线呈现出的印染图案光滑边缘的显著性越小，疑似染斑边缘线越有可能为染斑区域的边缘。
至此，获取疑似染斑边缘线的染斑边缘显著度。
设置第二比较阈值和第三比较阈值/>。
当染斑边缘显著度大于第二比较阈值时，将染斑边缘显著度对应的疑似染斑边缘线记为染斑置信边缘线，其中，/>的经验取值为0.6。
获取染斑置信边缘线划分出的闭合区域包含的所有疑似染斑像素点的纹理偏离度的均值，当所有疑似染斑像素点的纹理偏离度的均值大于第三比较阈值时，将该染斑置信边缘线作为染斑边缘线，将染斑置信边缘线划分出的闭合区域作为染斑区域，其中，/>的经验取值为0.65。
当布料印染图像中检测出染斑区域时，认为布料印染图像中存在染斑瑕疵缺陷；当布料印染图像未检测出染斑区域时，认为布料印染图像中不存在染斑瑕疵缺陷。
至此，完成对布料印染图像中染斑瑕疵缺陷的检测。
以上所述仅为本发明的较佳实施例，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 (10)
1.一种布料印染瑕疵缺陷视觉检测方法，其特征在于，该方法包括以下步骤：
采集布料印染图像并对布料印染图像进行预处理，获取疑似染斑像素点；
根据疑似染斑像素点的邻域窗口中像素点的灰度值获取疑似染斑像素点的局部纹理矩阵，根据疑似染斑像素点的局部纹理矩阵获取疑似染斑像素点的纹理特征向量和纹理特征值，根据疑似染斑像素点的纹理特征值建立纹理特征值区间，根据纹理特征值区间获取纹理置信特征值和纹理置信特征向量，根据疑似染斑像素点的纹理特征向量与纹理置信特征向量之间的差异获取疑似染斑像素点的纹理偏离度，根据疑似染斑像素点的纹理偏离度筛选染斑特征像素点；
获取疑似染斑边缘点和疑似染斑边缘线，获取疑似染斑边缘点的邻域边缘点序列，获取疑似染斑边缘点的局部边缘灰度值，根据疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点的纹理偏离度和灰度值，以及疑似染斑边缘点的局部边缘灰度值，获取疑似染斑边缘点的边缘纹理偏离一致度；
获取疑似染斑边缘线的近似曲线，获取疑似染斑边缘点的最小距离，根据疑似染斑边缘线上疑似染斑边缘点的最小距离和边缘纹理偏离一致度获取疑似染斑边缘线的染斑边缘显著度，根据染斑边缘显著度实现对布料印染图像中染斑瑕疵缺陷的视觉检测。
2.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述根据疑似染斑像素点的邻域窗口中像素点的灰度值获取疑似染斑像素点的局部纹理矩阵，根据疑似染斑像素点的局部纹理矩阵获取疑似染斑像素点的纹理特征向量和纹理特征值，包括的具体方法为：
将以疑似染斑像素点为中心像素点，边长为第一预设阈值的窗口记为疑似染斑像素点的邻域窗口；
将疑似染斑像素点的邻域窗口内像素点的灰度值作为像素点对应的元素值，根据疑似染斑像素点的邻域窗口内包含的像素点的位置建立疑似染斑像素点的局部纹理矩阵；
将局部纹理矩阵的特征向量作为疑似染斑像素点的纹理特征向量，将局部纹理矩阵的特征值作为疑似染斑像素点的纹理特征值。
3.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述根据疑似染斑像素点的纹理特征值建立纹理特征值区间，根据纹理特征值区间获取纹理置信特征值和纹理置信特征向量，包括的具体方法为：
将布料印染图像中的疑似染斑像素点的纹理特征值的最小值与最大值分别作为区间上限和区间下限的区间记为纹理特征值区间；
将纹理特征值区间均分为第二预设阈值个子区间，将包含纹理特征值对应的疑似染斑像素点数量最多的子区间记为纹理置信区间；
将纹理置信区间内纹理特征值的中位数记为纹理置信特征值，将纹理置信特征值对应的中位数对应的特征向量的均值记为纹理置信特征向量。
4.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述根据疑似染斑像素点的纹理偏离度筛选染斑特征像素点，包括的具体方法为：
将纹理偏离度大于第一比较阈值的疑似染斑像素点记为染斑特征像素点。
5.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述获取疑似染斑边缘点和疑似染斑边缘线，获取疑似染斑边缘点的邻域边缘点序列，包括的具体方法为：
将位于布料印染灰度图像中的闭合边缘线上的染斑特征像素点记为疑似染斑边缘点；
对疑似染斑边缘点进行连通域分析，获取疑似染斑边缘线；
将每个疑似染斑边缘点分别记为待分析疑似染斑边缘点，将疑似染斑边缘线上与待分析疑似染斑边缘点相邻的第三预设阈值个疑似染斑边缘点记为待分析疑似染斑边缘点的相邻疑似染斑边缘点；
按照与从上至下、从左至右的顺序，将待分析疑似染斑边缘点的相邻疑似染斑边缘点和待分析疑似染斑边缘点进行排序，获取待分析疑似染斑边缘点的邻域边缘点序列。
6.根据权利要求5所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述获取疑似染斑边缘点的局部边缘灰度值，包括的具体方法为：
将待分析疑似染斑边缘点的相邻疑似染斑边缘点和待分析疑似染斑边缘点的灰度值均值记为待分析疑似染斑边缘点的局部边缘灰度值。
7.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述根据疑似染斑边缘点的邻域边缘点序列中疑似染斑边缘点的纹理偏离度和灰度值，以及疑似染斑边缘点的局部边缘灰度值，获取疑似染斑边缘点的边缘纹理偏离一致度，包括的具体方法为：
其中，为疑似染斑边缘点/>的边缘纹理偏离一致度；/>为第/>条疑似染斑边缘线上第/>个疑似染斑边缘点的纹理偏离度；/>为第/>条疑似染斑边缘线上第个疑似染斑边缘点的纹理偏离度；/>为与疑似染斑边缘点/>相邻的疑似染斑边缘点数量，记为第三预设阈值，其中，/>的经验取值为3；/>为疑似染斑边缘点/>的灰度值；为疑似染斑边缘点/>的局部边缘灰度值。
8.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述获取疑似染斑边缘线的近似曲线，获取疑似染斑边缘点的最小距离，包括的具体方法为：
将疑似染斑边缘线上所有疑似染斑边缘点与曲线进行拟合，获取疑似染斑边缘线的拟合曲线；
将疑似染斑边缘线上疑似染斑边缘点与疑似染斑边缘线的近似曲线之间的欧氏距离的最小值记为疑似染斑边缘点的最小距离。
9.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述根据疑似染斑边缘线上疑似染斑边缘点的最小距离和边缘纹理偏离一致度获取疑似染斑边缘线的染斑边缘显著度，包括的具体方法为：
将疑似染斑边缘线上疑似染斑边缘点的最小距离与边缘纹理偏离一致度的比值记为疑似染斑边缘点的显著度比值；
将疑似染斑边缘线上所有疑似染斑边缘点的显著度比值的均值的归一化值记为疑似染斑边缘线的染斑边缘显著度。
10.根据权利要求1所述的一种布料印染瑕疵缺陷视觉检测方法，其特征在于，所述根据染斑边缘显著度实现对布料印染图像中染斑瑕疵缺陷的视觉检测，包括的具体方法为：
当染斑边缘显著度大于第二比较阈值时，将染斑边缘显著度对应的疑似染斑边缘线记为染斑置信边缘线；
当染斑置信边缘线划分出的闭合区域包含的所有疑似染斑像素点的纹理偏离度的均值大于第三比较阈值时，将染斑置信边缘线记为染斑边缘线，将染斑置信边缘线划分出的闭合区域记为染斑区域；
当布料印染图像中检测出染斑区域时，认为布料印染图像中存在染斑瑕疵缺陷，否则，认为布料印染图像中不存在染斑瑕疵缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311541377.3A CN117274248B (zh) | 2023-11-20 | 2023-11-20 | 一种布料印染瑕疵缺陷视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311541377.3A CN117274248B (zh) | 2023-11-20 | 2023-11-20 | 一种布料印染瑕疵缺陷视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274248A true CN117274248A (zh) | 2023-12-22 |
| CN117274248B CN117274248B (zh) | 2024-02-02 |
Family
ID=89204741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311541377.3A Active CN117274248B (zh) | 2023-11-20 | 2023-11-20 | 一种布料印染瑕疵缺陷视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274248B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726622A (zh) * | 2024-02-07 | 2024-03-19 | 武汉船舶职业技术学院 | 一种用于扎染工艺的计算机控制方法及系统 |
| CN118014998A (zh) * | 2024-04-09 | 2024-05-10 | 深圳市富安娜艺术家居有限公司 | 基于机器视觉的床单布匹检测方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1928535A (zh) * | 2006-09-07 | 2007-03-14 | 哈尔滨工业大学 | 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统 |
| CN114419004A (zh) * | 2022-01-21 | 2022-04-29 | 佛山技研智联科技有限公司 | 织物瑕疵的检测方法、装置、计算机设备及可读存储介质 |
| CN114998227A (zh) * | 2022-05-20 | 2022-09-02 | 江苏博腾家用纺织品有限公司 | 基于图像处理的布匹印染缺陷检测方法及系统 |
| CN115294137A (zh) * | 2022-10-09 | 2022-11-04 | 南通市通州区欢伴纺织品有限公司 | 一种布料表面渗色的缺陷检测方法 |
| CN115311266A (zh) * | 2022-10-10 | 2022-11-08 | 南通富兰妮纺织品有限公司 | 一种纺织品印染工艺中印染识别方法 |
| CN115330682A (zh) * | 2022-07-11 | 2022-11-11 | 李雪利 | 基于纹理分析的化纤表面僵丝缺陷检测方法 |
| CN115719344A (zh) * | 2022-11-24 | 2023-02-28 | 南通世森布业有限公司 | 用于纺织布料质检的面料缺陷分析识别方法 |
| JP2023028564A (ja) * | 2021-08-19 | 2023-03-03 | 株式会社ヴイ・エス・テクノロジ－ | 機械学習機能を備えた外観検査システム及び機械学習に基づく外観検査方法 |
| CN116008289A (zh) * | 2023-02-07 | 2023-04-25 | 浙江聚优非织造材料科技有限公司 | 一种非织造产品表面缺陷检测方法及系统 |
| CN116385445A (zh) * | 2023-06-06 | 2023-07-04 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
| CN116958572A (zh) * | 2023-09-18 | 2023-10-27 | 济宁市林业保护和发展服务中心 | 一种果树繁育中叶片病虫害区域分析方法 |
| CN116990323A (zh) * | 2023-09-26 | 2023-11-03 | 睿同科技有限公司 | 一种高精密印刷版视觉检测系统 |
-
2023
- 2023-11-20 CN CN202311541377.3A patent/CN117274248B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1928535A (zh) * | 2006-09-07 | 2007-03-14 | 哈尔滨工业大学 | 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统 |
| JP2023028564A (ja) * | 2021-08-19 | 2023-03-03 | 株式会社ヴイ・エス・テクノロジ－ | 機械学習機能を備えた外観検査システム及び機械学習に基づく外観検査方法 |
| CN114419004A (zh) * | 2022-01-21 | 2022-04-29 | 佛山技研智联科技有限公司 | 织物瑕疵的检测方法、装置、计算机设备及可读存储介质 |
| CN114998227A (zh) * | 2022-05-20 | 2022-09-02 | 江苏博腾家用纺织品有限公司 | 基于图像处理的布匹印染缺陷检测方法及系统 |
| CN115330682A (zh) * | 2022-07-11 | 2022-11-11 | 李雪利 | 基于纹理分析的化纤表面僵丝缺陷检测方法 |
| CN115294137A (zh) * | 2022-10-09 | 2022-11-04 | 南通市通州区欢伴纺织品有限公司 | 一种布料表面渗色的缺陷检测方法 |
| CN115311266A (zh) * | 2022-10-10 | 2022-11-08 | 南通富兰妮纺织品有限公司 | 一种纺织品印染工艺中印染识别方法 |
| CN115719344A (zh) * | 2022-11-24 | 2023-02-28 | 南通世森布业有限公司 | 用于纺织布料质检的面料缺陷分析识别方法 |
| CN116008289A (zh) * | 2023-02-07 | 2023-04-25 | 浙江聚优非织造材料科技有限公司 | 一种非织造产品表面缺陷检测方法及系统 |
| CN116385445A (zh) * | 2023-06-06 | 2023-07-04 | 东莞市希锐自动化科技股份有限公司 | 一种基于视觉技术的电镀五金件瑕疵检测方法 |
| CN116958572A (zh) * | 2023-09-18 | 2023-10-27 | 济宁市林业保护和发展服务中心 | 一种果树繁育中叶片病虫害区域分析方法 |
| CN116990323A (zh) * | 2023-09-26 | 2023-11-03 | 睿同科技有限公司 | 一种高精密印刷版视觉检测系统 |
Non-Patent Citations (4)
| Title |
|---|
| CHAO LI 等: "Fabric Defect Detection in Textile Manufacturing: A Survey of the State of the Art", 《SECURITY AND COMMUNICATION NETWORKS》, pages 1 - 13 * |
| JIANFENG KANG 等: "3D-printed PEEK implant for mandibular defects repair - a new method", 《JOURNAL OF THE MECHANICAL BEHAVIOR OF BIOMEDICAL MATERIALS》, pages 1 - 8 * |
| 王明景 等: "经编机布匹瑕疵的在线视觉检测", 《计算机工程与应用》, vol. 51, no. 9, pages 185 - 190 * |
| 韩济阳 等: "计算机视觉布料瑕疵检测方法综述", 《辽宁石油化工大学学报》, vol. 42, no. 1, pages 70 - 77 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726622A (zh) * | 2024-02-07 | 2024-03-19 | 武汉船舶职业技术学院 | 一种用于扎染工艺的计算机控制方法及系统 |
| CN117726622B (zh) * | 2024-02-07 | 2024-04-30 | 武汉船舶职业技术学院 | 一种用于扎染工艺的计算机控制方法及系统 |
| CN118014998A (zh) * | 2024-04-09 | 2024-05-10 | 深圳市富安娜艺术家居有限公司 | 基于机器视觉的床单布匹检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274248B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117274248B (zh) | 一种布料印染瑕疵缺陷视觉检测方法 | |
| CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
| CN109934802B (zh) | 一种基于傅里叶变换和图像形态学的布匹疵点检测方法 | |
| CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
| CN114820627B (zh) | 一种基于光学手段的纺织品质量检测方法 | |
| CN109035195B (zh) | 一种织物疵点检测方法 | |
| CN114782562A (zh) | 基于数据识别的服装布料浸染监测方法及人工智能系统 | |
| CN111861996A (zh) | 一种印花织物疵点检测方法 | |
| CN116630309B (zh) | 一种布匹断纬瑕疵检测方法 | |
| CN114998227A (zh) | 基于图像处理的布匹印染缺陷检测方法及系统 | |
| CN104021561A (zh) | 基于小波变换及形态学运算的织物起毛起球图像分割方法 | |
| CN117541588B (zh) | 一种纸制品的印刷缺陷检测方法 | |
| CN115311299B (zh) | 一种基于多光源角度的纺织品染色异常检测方法 | |
| CN116977358A (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
| CN115131353B (zh) | 平网印花纺织品生产异常识别定位方法及系统 | |
| CN115100206A (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
| CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
| CN115115639A (zh) | 一种纺织材料染色质量检测分析方法 | |
| CN110987954A (zh) | 一种消除皮革表面缺陷检测盲区的方法及系统 | |
| CN108986093B (zh) | 基于机器视觉的圆网或平网印花机堵网疵点检测方法 | |
| CN111882549A (zh) | 一种灰绿色细小异纤自动检测识别方法及检测识别系统 | |
| CN115266538B (zh) | 织带透水性能检测装置及方法 | |
| CN115496762A (zh) | 一种基于纺织工艺的染色不良缺陷识别方法 | |
| Pan et al. | Defect detection based on edge detection and connected region filtering algorithm | |
| CN117173162B (zh) | 一种纺织品瑕疵检测方法及系统 |
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 |