[发明专利]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

说明书

技术领域

本发明属于图像处理、纺织领域，尤其涉及一种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。

背景技术

穿着或洗涤过程中引起的起毛起球程度是描述织物服用性能的一个重要指标。传统的起毛起球等级评定方法，通过专业实验人员观察起毛起球试样，并与标准样照对比，通过毛球个数及大小判定等级，具有很强的主观性。为了克服传统评定方式的缺点，目前出现了很多基于图像处理技术的方法，具有很好的一致性，并且可重复，同时提高了评定的正确性和可靠性。主要分为三类，一类仅在空间域利用颜色信息完成评定过程，这类方法对织物纹理变化敏感、给出的算法仅能处理某一类织物，如适用于精梳毛织物的起毛起球等级评定算法，对精梳针织绒处理时却得不到精确的处理结果；一类主要通过傅立叶变换，利用纹理信息变化的周期性去除织物纹理的影响，因为傅立叶变换不能表达局部信息，只有变化很强的全局周期信息才能体现在频谱图中，因此往往存在纹理去除不干净、非周期噪声不能滤除的弊端；还有一类应用了既能体现频率信息又能体现空间域信息的小波变换。小波变换是这三类方法中处理织物起毛起球图像效果最好的，但目前的应用仍存在对毛球大小不一敏感，纹理不能完全去除的缺点。这是因为基于小波变换的织物起毛起球检测方法认为织物纹理主要出现在小波分解的3、4级子图像或其它某几级子图像中，且认为毛球所在子图像级数与织物纹理不同，进而依据这个特点将纹理干扰去除。而在实际应用中织物所起毛球的大小本身就不均一、有些毛球大小差异还很大，一部分毛球很可能和纹理处于同一小波分解级上，对于纱线较粗的织物进行小波分解时纱线产生的低频信息也常常会出现在毛球所在小波分解级上，这样就导致通过小波变换获得的去噪图像仍还有纹理信息，而一些不该去除的小毛球却被去除了，影响织物起毛起球等级的正确判定。

本发明提出一种基于小波变换、OTSU分割算法、形态学运算的方法，能有效解决上述问题，去除织物起毛起球过程中织物纹理、光照不匀、织物绒毛及织物表面不平等干扰的影响，且对毛球大小不一、形状各异具有鲁棒性。

发明内容

本发明针对基于图像处理算法的织物起毛起球等级检测过程不能有效去除织物纹理影响，且当毛球大小不一、形状各异时影响等级检测准确性的情况，提出一种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，该方法还能有效克服光照不匀、织物表面不平对等级检测准确性的影响。

本发明的目的是通过以下技术方案实现的：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，包括如下步骤：

步骤1：采集织物起毛起球图像；

步骤2：从步骤1采集的织物起毛起球图像中筛选出不含非织物背景的织物起毛起球图像；具体为：

步骤2.1：通过读取织物图像的维数，判定获得的是彩色图像还是灰度图像，如果为彩色图像则进行灰度化处理；

基于图像处理方法的织物起毛起球等级检测过程并不是全自动过程，需要人的参与。在获取起毛起球图像时需要人将图像扫描进电脑，或通过摄像头经图像采集卡将图像读进电脑。在这个过程中不同人获得的图像就有可能是彩色或灰度，也有可能使获取的图像含有扫描仪的扫描面或桌面等非织物部分(这里认为非织物部分为颜色单一的平面，这也和实际情况相符)。为了提高本发明算法的通用性，先对图像进行彩色与否的判定，如果为彩色则转换为灰度图再进行后续处理，判定过程通过读取存储图像的维数进行，如为三维则判定为彩色图像，通过公式(1)将其变换为灰度图像。

I=R+G+B3---(1)]]>

式中，R指红色分量灰度值，G指绿色分量灰度值，B指蓝色分量灰度值，I代表转换成的灰度值。

步骤2.2：通过OTSU方法获得织物灰度图像的分割阈值，然后依据分割阈值分割图像；

如果图像包含非织物背景，则通过步骤2.2操作，就将织物、非织物部分依据灰度值差异进行了分割，如果不包含非织物背景，则实现的是织物毛球和织物纹理的分割。