基于平滑濾波和分水嶺算法的重組織織物圖像分割

周 慧， 張華熊， 胡 潔， 康 鋒

(浙江理工大學 信息學院， 浙江 杭州 310018)

?

基于平滑濾波和分水嶺算法的重組織織物圖像分割

周 慧， 張華熊， 胡 潔， 康 鋒

(浙江理工大學 信息學院， 浙江 杭州 310018)

針對帶有重組織的織物圖像特點，提出了一種根據紗線顏色進行圖像分割的方法。首先將織物圖像轉化為Lab顏色模式，采用混合中值濾波算法濾除掃描噪聲；其次通過設置色差容許值改變高斯權值的平滑濾波算法進行濾波，濾除織物圖像中的重組織陰影和同顏色紗線紋理，保留紗線顏色特征；然后提取織物圖像的色差梯度，通過分水嶺算法進行圖像分割，獲得區域標記圖像；最后將顏色相近的區域進行合并，得到織物圖像的分色索引圖像。實驗結果表明，提出的算法可對重織物圖像進行較為準確地分割。

重織物； 圖像分割； 色差； 平滑濾波； 分水嶺算法

圖像分割是織物圖像處理與分析的基礎，分割的準確性決定著織物圖像組織結構提取、內容分析和檢索等后處理的有效性。織物重組織(backed weave)是由2組或2組以上的經紗與1組緯紗交織，或由2組或2組以上的緯紗與1組經紗交織，形成二重或二重以上的重疊組織[1]。重織物由不同顏色或不同原料形成，隨著經紗或緯紗重疊組數的變化，形成的織物色彩豐富、層次多變。然而，重織物圖像不是一個理想的平面結構，掃描獲取的圖像不能反映紗線的真實顏色。在掃描光照下，由于紗線呈一定的圓柱結構，同一紗線的中心和邊緣之間存在過渡顏色；在紗線之間的縫隙顏色往往偏暗，同顏色的紗線區域會形成一定的紋理；由于重組織凹凸不平，重組織邊緣會產生一定的陰影；由于掃描圖像文件往往采用有失真的JPEG壓縮，不同顏色的紗線之間存在過渡顏色。這些因素的存在為重織物圖像分割帶來了困難。

目前，織物圖像分割方法一般采用空間域方法，主要有特征聚類、基于區域的方法以及邊緣檢測等。特征聚類法，如FCM聚類方法[2]，是一種無監督統計方法，通過迭代提取顏色等特征。這類方法需事先確定聚類數目，由于僅根據特征的統計信息進行分類，如采用顏色作為特征，當某種顏色頻度較少時就會被其他顏色替代，造成關鍵細節模糊，甚至丟失。基于區域的方法[3]根據圖像區域的同一性進行圖像分割，如通過顏色、紋理分布等特征將相似像素集合起來構成區域，分割效果依賴于區域同一性特征的穩定性[4]。對于重織物圖像，由于紗線顏色偏差、紗線紋理以及重組織邊緣陰影的存在，很難定義圖像區域的同一性準則，分割效果難以保證。邊緣檢測方法[5]根據像素點灰度變化提取邊緣，通過檢測不同區域的邊緣解決圖像分割問題。對于重織物圖像，采用邊緣檢測進行圖像分割，首先需將彩色圖像轉化成灰度圖像，但由于顏色偏差、紗線紋理和陰影的存在，很難提取理想的連續、閉合的邊緣，因而圖像分割往往不準確。

針對重織物圖像特點，本文首先通過混合中值濾波和改進的高斯平滑算法濾除織物圖像中的掃描噪聲，平滑同顏色紗線紋理和重組織邊緣陰影，保留了紗線的顏色信息和不同顏色紗線間的邊緣信息，然后通過分水嶺算法對色差梯度圖像進行分割，最后將顏色相似區域進行合并，形成索引圖像。

1 算法設計

1.1 算法流程設計

圖1 重織物圖像分割流程Fig.1 Flow chart of backed weave image segmentation

本文提出的算法可分為混合中值濾波、平滑濾波、分水嶺分割和區域合并4個過程，流程如圖1所示。首先通過掃描儀獲取RGB顏色模式的織物圖像，將織物圖像轉化為Lab顏色模式，分別對L、a、b顏色分量中進行混合中值濾波，濾除噪聲；其次對降噪后的圖像進行平滑，根據像素間的CIEDE2000色差和位置關系共同確定高斯權值，對圖像每個像素點進行濾波，濾除了紗線紋理、重組織邊緣陰影，保留紗線顏色和不同顏色紗線的邊緣；然后對平滑圖像計算基于CIEDE2000色差的梯度，對梯度圖像通過分水嶺算法獲得區域標記圖像；最后提取各區域的顏色均值作為區域標記圖像的索引顏色，將顏色相似區域進行合并，得到索引圖像。

1.2 混合中值濾波設計

織物圖像在掃描過程中受到各種噪聲的影響，常見噪聲有高斯白噪聲、泊松噪聲和椒鹽噪聲。高斯白噪聲和泊松噪聲可在后續平滑濾波中濾除；椒鹽噪聲一般通過中值濾波進行平滑處理，但一般的中值濾波處理存在噪聲擴散或過渡濾波現象，造成細節模糊。為保持不同顏色紗線之間的邊緣特征，本文研究采用混合中值濾波(hybrid median filter)[6]。

本文研究中混合中值濾波采用3像素×3像素窗口，對織物圖像每個像素點的L、a、b顏色分量進行濾波，每個分量的處理過程如圖2所示[6]。首先取當前像素點與上下左右5個像素點的顏色中值，然后取當前像素點與左上、右上、左下、右下5個像素點的顏色中值，最后取以上2個顏色中值與當前像素點顏色的中值，作為當前像素點濾波后的顏色分量值。

圖2 混合中值濾波處理過程Fig.2 Process of hybrid median filter

1.3 平滑濾波設計

高斯濾波算法[7]根據高斯函數確定不同空間位置像素點的累加權值，對圖像的每個像素點進行線性濾波，可用下式表示。

式中：f為原圖像像素點的顏色分量值；g為濾波圖像像素點的顏色分量值；x、y為像素點橫、縱坐標，x、y∈[-w/2,w/2]；w為鄰域窗大小；G(x，y)為鄰域內各像素點的權值計算函數；σ為高斯分布參數。

高斯濾波算法對于抑制正態分布的噪聲非常有效，濾波后區域內部圖像變得平滑，但是區域之間的邊緣也被平滑，邊緣細節被弱化，不利于后續分割圖像處理，因此，需對算法進行改進，以保持邊緣。雙邊濾波算法[8]是常用的保邊緣平滑算法，它在高斯濾波算法的基礎上進行了改進，在濾波過程中同時考慮了像素間的幾何距離和色彩距離。雙邊濾波的色彩距離按高斯函數進行計算，仍然保留了色差較大的顏色信息，并且隨著迭代次數的增多，圖像的顏色值會產生失真，因此，針對重織物圖像特點，本文參照雙邊濾波的思路，對高斯濾波算法中的權值進行了修改，使得高斯濾波算法在平滑區域內部像素顏色值的同時，有效保持不同顏色紗線之間的邊緣，保留紗線顏色的真實感。改進的高斯權值函數可用下式表示。

式中：G′(x，y)為修改后的高斯權值函數；△E為鄰域內像素點與當前像素點的色差；th為色差容許值，根據掃描儀參數和實驗光照環境選定。

CIEDE2000[9]被認為是目前工業評估方面性能最好的色差公式。在一般圖像處理過程中，往往采用L、a、b分量的歐氏距離作為2個像素點之間的色差，然而，通過實驗發現，Lab顏色空間在視覺上是非均勻的。顏色分量為L、a、b像素點與L+1、a+1、b+1的像素點之間的CIEDE2000色差分布如圖3所示。從圖3(a)可發現，當a、b取中間值時，2個像素點之間色差較大，而a、b取較小或較大值時，2個像素點之間的色差較小。由圖3(b)可發現，L、a之間也存在類似情況。L、b色差分布圖與L、a相似，因此，本文采用的色差按CIEDE2000色差計算公式進行計算。

圖3 顏色分量為L、a、b與L+1、a+1、b+1的2個像素點之間的CIEDE2000色差分布Fig.3 Distribution of CIEDE2000 color difference between two pixels with color components L、a、b and L+1、a+1、b+1. (a) a-b color difference; (b) L-a color difference

1.4 分水嶺分割設計

分水嶺算法是一種基于拓撲理論的數學形態學的分割方法，把圖像看作測地學上的拓撲地貌，圖像中每個像素的灰度值表示該點的高度，每個局部極小值及影響區域稱為集水盆，集水盆的邊界則形成分水嶺[10]。在進行邊緣檢測時，Canny、Sobel、Roberts等算法提取的邊緣往往不連續，存在大量細節，很難有效地分割圖像。分水嶺算法對微弱邊緣敏感，能夠得到單像素寬的、封閉的邊緣，定位較為準確，因此本文采用分水嶺算法對平滑圖像進行分割，主要處理過程如下。

1)計算色差梯度。對Lab顏色模式的平滑圖像中的每個像素點，計算當前像素點與上下左右4個像素點之間的CIEDE2000色差根方和作為梯度。為避免分水嶺過分割問題，依據色差梯度值特點和分水嶺算法參數設置固定閾值，將梯度值較小的值置零，形成梯度圖像。

2)分水嶺分割。對梯度圖像進行分水嶺分割，獲取標記圖像，標記為0的即為邊緣。在重織物的平滑圖像中，邊緣表示不同顏色紗線之間的過渡像素點，必然屬于某一種紗線，因此，對邊緣線上的像素點進行歸類，比較四鄰域內像素點的CIEDE2000色差值，將其歸為色差最小的那類。

1.5 區域合并設計

提取各標記區域內像素點，將同一標記內的像素點的R、G、B分量的平均值作為標記區域的索引顏色。顏色相似區域合并。比較各區域的索引顏色，將CIEDE2000色差小于容許值的歸為同一類，最后得到重織物圖像分割后的索引圖像。

2 實驗與結果分析

本文對常見的多種重織物圖像進行了實驗。為顯示實驗效果，本文選擇了較典型的4種顏色的重織物進行結果分析，選擇的實驗圖像大小為180像素×90像素，分辨率為72 dpi，圖像格式為JPEG，源圖像如圖4所示。從圖可看到，由于掃描和失真壓縮，源圖像中同種紗線的顏色并不一致，不同顏色的紗線之間存在過渡顏色，重組織邊緣存在陰影。

圖4 源圖像Fig.4 Original image

2.1 混合中值濾波分析

將源圖像轉換為Lab顏色模式，對各顏色分量分別進行混合中值濾波，結果如圖5所示。通過混合中值濾波，濾除了孤立的噪聲點，圖像變得平滑，同時保留了紗線的顏色和邊緣信息，有利于后續處理。

圖5 混合中值濾波Fig.5 Image after hybrid median filtered

2.2 平滑濾波分析

對中值濾波后的圖像進行平滑濾波，平滑后的圖像如圖6所示。其中：圖6(a)為高斯濾波；圖6(b)為雙邊濾波后的圖像；圖6(c)為設置色差容許值權值的高斯平滑濾波，色差采用Lab歐氏距離計算；圖6(d)為本文算法。圖6(a)～(d)算法中，窗口大小均為3像素×3像素，σ=3，色差容許值為6。

圖6 平滑濾波圖像Fig.6 Images after smoothing filtering.(a) Gaussian filter;(b) Bilateral filter; (c) Gaussian filter based on Lab color difference;(d)Proposed filter

從各平滑圖像可看出：高斯濾波后同顏色紗線的顏色變得平滑，已經基本消除了同顏色紗線間的紋理，但是不同顏色紗線之間的邊緣也變得非常模糊；雙邊濾波后的圖像邊緣比高斯算法清晰，但仍較模糊；采用Lab顏色分量的歐氏距離計算的色差設置容許值，進行高斯平滑后的圖像，邊緣較清晰，但是重組織邊緣的陰影難以消除；本文提出的平滑算法處理后的圖像，既消除了紗線和紗線間的紋理，弱化了重組織邊緣的陰影，又保留了紗線的顏色，有利于后續圖像分割處理。

2.3 分水嶺分割分析

對平滑圖像中的每個像素點計算梯度，形成的梯度圖像如圖7(a)所示，顯示的圖像進行了灰度拉伸。可看出，不同顏色紗線之間的邊緣梯度較為顯著，同顏色紗線梯度值非常小。將梯度值小于固定閾值(設為10)的置零，對梯度圖像進行分水嶺分割，結果如圖7(b)所示，顯示的圖像灰度按標記序號進行了灰度拉伸。從圖中可看到，分割后的區域為相近顏色紗線組成的區域。

圖7 分水嶺分割Fig.7 Watershed segmentation.(a) Gradient image; (b) Label image

圖8 索引圖像Fig.8 Index image.(a) Before region merging; (b) After region merging

2.4 區域合并分析

將同一標記區域內像素點的R、G、B分量的平均值作為標記區域的索引顏色，索引圖像如圖8(a)所示，分割后的圖像與源圖像區域基本一致，而且視覺上各區域顏色與紗線顏色基本相同。區域合并后的圖像如圖8(b)所示，可看到分割結果較為準確，索引色也較為真實。

3 結 語

本文的平滑濾波算法可以有效濾除重織物圖像中同顏色紗線的紋理和重組織邊緣的陰影，平滑后的圖像較好地保留了真實的紗線顏色；通過提取鄰域像素點的色差作為梯度圖像，進行分水嶺分割，對重織物圖像進行了準確分割，獲取了主顏色索引圖像。

對多種重織物圖像進行實驗發現，為保證有效分割，圖像的分辨率非常重要，一般紗線之間紋理和重織物陰影的寬度應少于3個像素點，否則平滑濾波后的圖像存在較顯著的紋理或陰影，在進行分水嶺分割時將作為一種顏色區域，導致分割錯誤。由于CIEDE2000色差計算公式比較復雜，在圖像平滑濾波和計算梯度圖像時，需對圖像中的每個像素點進行色差計算，因此整個算法比較耗時。在后續的研究中，將對CIEDE2000色差提出近似算法，提高計算效率。

[1] 顧平. 織物組織與結構學[M]. 上海: 東華大學出版社, 2010: 79-92. GU Ping. Fabric Weaves and Structures[M]. Shanghai: Donghua University Press, 2010: 79-92.

[2] PAN R, GAO W, LIU J, et al. Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm[J]. Textile Research Journal, 2010, 80(12): 1222-1231.

[3] 張揚, 蔣高明, 姚君洲, 等. 賈卡經編織物多紋理區域分割技術[J]. 紡織學報, 2012, 32(12): 51-55. ZHANG Yang, JIANG Gaoming, YAO Junzhou, et al.

Multi-texture region segmentation of jacquard warpknitted fabric[J]. Journal of Textile Research, 2012, 32(12): 51-55.

[4] 張揚, 蔣高明, 楊洋, 等. 經編賈卡織物紋理分割與輪廓提取技術[J]. 紡織學報, 2011, 32( 10): 141-146. ZHANG Yang, JIANG Gaoming, YANG Yang, et al. Texture segmentation and contour extraction of jacquard fabric[J]. Journal of Textile Research, 2011, 32(10): 141-146.

[5] JU Z, ZHOU J, WANG X, et al. Image segmentation based on adaptive threshold edge detection and mean shift[C]//2013 4th IEEE International Conference on Software Engineering and Service Science (ICSESS), Beijing: IEEE Computer Society, 2013: 385-388.

[6] KUO C F J, JIAN B L, WU H C, et al. Automatic machine embroidery image color analysis system: part I: using gustafson-kessel clustering algorithm in embroidery fabric color separation[J]. Textile Research Journal, 2012, 82(6): 571-583.

[7] WANG S, LI W, WANG Y, et al. An improved difference of Gaussian filter in face recognition[J]. Journal of Multimedia, 2012, 7(6): 429-433.

[8] YANG H Y, WANG X Y, QU T X, et al. Image denoising using bilateral filter and Gaussian scale mixtures in shiftable complex directional pyramid domain[J]. Computers & Electrical Engineering, 2011, 37(5): 656-668.

[9] LUO M R, CUI G, RIGG B. The development of the CIE 2000 colour-difference formula: CIEDE2000[J]. Color Research & Application, 2001, 26(5): 340-350.

[10] TARABALKA Y, CHANUSSOT J, BENEDIKTSSON J A. Segmentation and classification of hyperspectral images using watershed transformation[J]. Pattern Recognition, 2010, 43(7): 2367-2379.

Backed weave image segmentation based on smoothing filter and watershed algorithm

ZHOU Hui, ZHANG Huaxiong, HU Jie, KANG Feng

(SchoolofInformaticsandElectronics,ZhejiangSci-TechUniversity,Hangzhou,Zhejiang310018,China)

A method of image segmentation based on yarn color was proposed for the characteristics of backed weave images. Firstly, the image was transformed into a Lab color model, and hybrid median filter was used to remove scanning noise; then, a smoothing filter was improved by changing Gaussian weight with the allowable value of color difference and removing the shadows of overlapping structure and yarn textures with same color while maintaining the yarn color features; the gradient image based on color difference was extracted, and the label image of fabric was obtained by watershed segmentation algorithm; finally, the index image of fabric with main color was obtained by merging the segmentation region with similar color. Experimental results showed that the algorithm can segment backed weave image accurately.

backed weave; image segmentation; color difference; smooth filtering; watershed algorithm

10.13475/j.fzxb.20140802205

2014-08-08

2014-11-17

浙江省高校重中之重學科開放基金項目(2013KF08)；浙江理工大學研究生創新研究項目(YCX13021)；浙江省信息服務業發展專項資金項目(2013085)

周慧(1990—)，女，碩士生。主要研究方向為計算機圖像處理。康鋒，通信作者，E-mail：kangf@zstu.edu.cn。

TN 919；TS 145.4

A