基于OTSU改進的布匹檢測算法研究

解祥新，江小靜，劉琴琴，魏 燕

(南通理工學院，江蘇 南通 226002)

0 引言

基于閾值分割的布匹疵點檢測算法可以大致分為以下幾個步驟，首先對采集到的布匹圖像進行降噪，消除無關信息，增強細節對比度等[1]，再利用閾值分割算法進行圖像分割，最后將得到的分割后的圖像進行疵點分類等后續處理。在實際生產中，疵點類型主要以破洞、斷經為主[2]，因此本文中所檢測的疵點類型基本為破洞、斷經。

1 改進最大類間方差法

OTSU全稱最大類間方差法，該方法將待檢測樣本的前景和背景分離開來。本文將素色布匹的正常底紋看作背景，把待檢測素色布匹的瑕疵區域看作前景。通過OTSU閾值分割算法把素色布匹瑕疵區域和標準紋理背景信息進行解耦[3]，得出的最佳閾值將布匹瑕疵與紋理背景分割開來，實現瑕疵檢測。

最大類間方差算法具有檢測周期短和運算速度快等優點[4]，可以滿足工業現場的實時檢測要求。

傳統最大類間方差算法原理：假定待檢測的素色布匹圖像共有L個灰度級，nq是灰度級為q的像素點個數，則圖像灰度級的概率Pq如下式：

(1)

K級灰度以下像素的灰度概率均值和累積值分別是ωk和μk，如式(2)和式(4)所示：

(2)

ω(L-1)=1

(3)

(4)

假設按照灰度閾值T把待檢測素色布匹樣本圖像分為布匹正常底紋和表面瑕疵區域兩類：C0類(灰度級為從0到T)，C1類(灰度級為從T+1到L-1)。則C0類和C1類兩類的概率公式為式(5)和式(6)所示：

(5)

(6)

兩類的均值可以用式(7)和式(8)表示：

(7)

(8)

對于整個圖像來說，其灰度均值為式(9)：

μ=μ0ω0+μ1ω1

(9)

(10)

傳統的最大類間方差法的缺點：

(1)對于一些灰度級不連續的圖像來說，通過傳統的最大類間方法所計算出來的閾值很難收斂到全局最優。

(2)若背景圖像與前景圖像分布差異非常大，那么最大類間方差算法將有可能會失效。

(3)當圖像中僅有兩種類別時，最大類間方差能夠很好地適用；但是當超過兩種類別時，就需要改進增加額外閾值，來進行分割。

因此針對以上傳統最大類間方差法的缺點進行如下改進：

(1)計算圖像灰度級L。計算圖像的灰度平均值μT，將μT取整|μT|作為圖像的灰度級，即L=|μT|；

(2)給分割次數賦以初始值J=1；

(3)利用最大類間方差法計算圖像的像素N、閾值K、閾值選擇函數η、類內方差σw；

迭代，N(J)=N;K(J)=K;L=K;η(J)=η;σ(J)=σw;J=J+1;

(4)如果J≤1，那么返回步驟3；若大于1，則計算出ε的值。

(11)

(5)如果ε≥0，那么返回步驟3；若小于0，則查找最大η(J)所對應的閾值，作為最佳閾值K。

2 實驗步驟及仿真

本節算法的流程如圖1所示。

圖1 基于改進最大類間方差法的檢測算法流程

具體步驟如下：

步驟1：采集現場布匹圖像，進行雙邊濾波處理，經過雙邊濾波處理之后能夠較好的濾除低頻信息，減少低頻信息的干擾，并且能夠很好地保存圖像邊緣處的細節信息。雙邊濾波的數學表達式如下：

(12)

其中，(k,l)為模板窗口的中心坐標；(i,j)為模板窗口的其他系數的坐標；σd為高斯函數的標準差。

步驟2：將雙邊濾波處理后的圖像再通過中值濾波濾除斑點噪聲及椒鹽噪聲，中值濾波在降噪的同時也能夠有效保存邊緣處的細節。用中值濾波處理雙邊濾波處理后的圖像g(i,j)：

G(x,y)=mid{g(x-a,y-b),a,b∈W}

(13)

其中，G(x,y)為進行中值濾波后的二階矩陣，W為選擇的二維模板，選取3×3的區域；

步驟3：將預處理后的圖像，利用改進的最大類間方差法進行閾值分割。計算圖像灰度級L，計算圖像的灰度平均值μT，令L=|μT|；給分割次數賦以初始值J=1；利用最大類間方差法計算圖像的像素N、閾值K、閾值選擇函數η、類內方差σw；再進行迭代，直到計算出最佳閾值K。

步驟4：分割完成后判斷是否存在疵點，如果不存在疵點，則繼續采集圖像進行疵點檢測；若存在疵點，則進行邊緣檢測，標識出疵點，進行數據保存后，再繼續采集圖像。

傳統最大類間方差法在閾值分割時，并不能很好地將疵點分割出來，而通過改進的最大類間方差法，能夠很好地分割出疵點。傳統最大類間方差法檢測準確率只有78%，而改進后的最大類間方差法檢測準確率可達到94%。

3 結語

本文主要研究基于改進最大類間方差法的檢測算法。并通過實驗仿真分析這種算法在針對無樣本的疵點檢測上精度高，具有一定的效果。