摘要： 介紹了基于圖像處理的織物疵點檢測技術(shù)，通過分析從圖像中發(fā)現(xiàn)異常的紋理結(jié)構(gòu)，從而確定織物疵點。介紹了目前國內(nèi)外在織物疵點自動檢測技術(shù)研究領(lǐng)域中應(yīng)用較廣泛，而且比較新興的幾種方法。 
　　關(guān)鍵詞： 疵點自動檢測；織物疵點；圖像分析 

　　0 前言 
　 
　　在紡織品生產(chǎn)過程中，質(zhì)量控制與檢測是非常重要的，織物疵點檢測是其中zui重要的一部分。目前國內(nèi)織物檢測基本上是由人工視覺來完成。在檢測過程中，由于人眼視覺存在偏差，首先，一個檢驗員精力集中的zui長時間只有20 min~30 min，超過這個時間就會疲勞，檢驗員的注意力就會降低引起漏檢。其次，一個檢驗員的工作狀態(tài)受到外界因素，如疵點類型和大小、頻率、天氣、身體情況影響會不斷變化，較低的重現(xiàn)率并不奇怪，也會影響檢測結(jié)果。 

基于以上原因，織物疵點的自動檢測技術(shù)是近年來國內(nèi)外學(xué)者共同關(guān)注和研究的熱門課題之一。隨著計算機技術(shù)、數(shù)字圖像技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，使得基于圖像處理的織物疵點自動檢驗技術(shù)成為可能。 

　　1 織物疵點自動檢測過程 

　　織物疵點自動檢測過程包括織物圖像采集、圖像預(yù)處理、圖像分析處理、織物疵點檢測分類、檢測結(jié)果統(tǒng)計分析等階段（見圖1）?？椢锎命c自動檢測技術(shù)的核心內(nèi)容是對采集的織物圖像進行分析處理的方法。 

　　2 織物疵點檢測方法 

　　2.1 基于數(shù)學(xué)形態(tài)學(xué)的織物疵點檢測技術(shù) 
　 
　　數(shù)學(xué)形態(tài)學(xué)是一門新的圖像分析科學(xué)，其基本理論和方法在視覺檢測領(lǐng)域已取得了非常成功的應(yīng)用。數(shù)學(xué)形態(tài)學(xué)可以用來解決抑制噪聲、特征提取、圖像分割、紋理分析等圖像處理問題。數(shù)學(xué)形態(tài)學(xué)圖像處理是以幾何學(xué)為基礎(chǔ)的，它著重研究圖像的幾何結(jié)構(gòu)，這種結(jié)構(gòu)表可以分析對象的宏觀性質(zhì)或微觀性質(zhì)?？椢锏暮暧^性質(zhì)量具有非常顯著幾何紋理特征，當(dāng)織物上有疵點時其紋理特征發(fā)生變異。在數(shù)學(xué)形態(tài)學(xué)中，用集合來描述織物圖像目標(biāo)，在考察織物圖像時，可以設(shè)計一個收集織物圖像信息時的“探針”，稱為結(jié)構(gòu)元素，利用結(jié)構(gòu)元素去探查每一幅織物圖像，看是否能夠?qū)⑦@個結(jié)構(gòu)元素很好地與考察圖像匹配。從而提取有用的信息作織物圖像的結(jié)構(gòu)分析和描述。 

數(shù)學(xué)形態(tài)學(xué)檢測織物疵點首先對沒有任何疵點的織物圖像進行檢測，得到表示這種織物紋理特征的參數(shù)，作為檢測這一品種織物圖像的結(jié)構(gòu)元素。將輸入的織物圖像進行預(yù)處理，其中包括平移、旋轉(zhuǎn)運算，對織物圖像定位。將輸入的織物圖像進行二值化處理。根據(jù)影像的灰度直方圖，用判別分析法計算織物數(shù)字攝影的閾值。通過下面公式將灰度值表示的織物影像二值化，得到二值化織物影像。 

g(i,j)=1 f(i,j)≥t 
g(i,j)=0 f(i,j)≤t 其中f(i,j)指灰度值，t為闕值。 

用已經(jīng)建好的結(jié)構(gòu)元素對二值化織物影像進行考察。對能與結(jié)構(gòu)元素很好匹配的部分進行腐蝕運算；對無法與結(jié)構(gòu)元素匹配的部分（即疵點存在的部分）進行膨脹運算，使疵點影響像更為清晰化。zui后根據(jù)已知的疵點圖像（已建立的織物疵點圖庫）和從以上分析所得到疵點部分灰度閾值確定疵點的類型。 

　　2.2 用小波變換的方法進行織物疵點檢測 
　 
　　小波變換是由短時傅立葉變換發(fā)展起來的應(yīng)用數(shù)字分支，具有多尺度的特點以及時域、頻域表征信號局部特征的能力。小波變換中由于引入了尺度因子，使之具有分析頻度降低時視野自動放寬的特點，能夠?qū)⒏鞣N交織在一起的頻率組成的混合信號分解成不相同頻率的塊信號，能有效地應(yīng)用于模式識別，特別適用于織物疵點檢測。 

織物疵點是由于織造過程中經(jīng)緯紗不規(guī)則交織造成的。在疵點形成的局部區(qū)域內(nèi)，其紋理特征明顯不同于正常織物組織結(jié)構(gòu)紋理?；谶@些差異，應(yīng)用小波變換既能獲得局部信息又能在時域和頻域上同時實現(xiàn)任意尺度和角度變換的檢測特性，檢測織物疵點。 

通過對織物紋理模型和頻譜分析，估計出適應(yīng)織物紋理結(jié)構(gòu)模型的*小波變換尺度和旋轉(zhuǎn)角度。由于織物疵點區(qū)域的紋理不規(guī)則及局部變形導(dǎo)致其局部瞬時頻率與正常織物紋理瞬時頻率有一定的差異。在*尺度和旋轉(zhuǎn)角度下，小波變換能從頻域和時域上獲取反應(yīng)織物疵點局部紋理變化的信息，zui后從小波系數(shù)模中進行全局閾值化和進一步的形態(tài)學(xué)處理，定位和分割出疵點。 

　　2.3 傅立葉分析法檢測織物疵點 

　　數(shù)學(xué)形態(tài)學(xué)的織物疵點檢測技術(shù)和小波變換的方法進行織物疵點檢測都是以CCD采集織物圖像信息，經(jīng)過圖像采集卡數(shù)字化后，在計算機上進行處理，對織物疵點加以識別。傅立葉分析方法是一種采用傅立葉透鏡和濾波透鏡等硬件的方式，直接獲取織物圖像信息并進行處理，識別出織物疵點。 

經(jīng)過激光光源照射的被檢織物，由FFT鏡頭轉(zhuǎn)換為功率譜后，再經(jīng)過一個濾波器和一個成像鏡頭就會得到濾波后的織物圖像。濾波器僅通過橫向坐標(biāo)軸的衍射圖，重建后的織物圖像就為經(jīng)紗圖像；濾波器僅通過縱向坐標(biāo)軸的衍射圖，重建后的織物圖像就為緯紗圖像。通過對經(jīng)紗圖像和緯紗圖像的分析對比就可以確定出織物的經(jīng)緯紗不規(guī)則交織區(qū)域，即織物疵點的位置。對獲取的織物圖像，經(jīng)過直方圖均衡化處理，使織物圖像的亮度和對比度標(biāo)準(zhǔn)化。然后計算出織物圖像的頻域功率譜的相關(guān)參數(shù)，分別表示織物的不規(guī)則結(jié)構(gòu)，緯紗結(jié)構(gòu)和經(jīng)紗結(jié)構(gòu)?？梢愿鶕?jù)表示織物不規(guī)則結(jié)構(gòu)參數(shù)的變化確定織物疵點的類型。 

　　3 結(jié)束語 

　　以上介紹的是目前國內(nèi)外在織物疵點自動檢測技術(shù)研究中應(yīng)用比較廣泛的檢測方法，其中，數(shù)學(xué)形態(tài)學(xué)的織物疵點檢測技術(shù)和用小波變換的方法進行織物疵點檢測，檢測的效果和檢測速度受計算機硬件的影響較大，但靈活性強，適應(yīng)范圍廣，并且容易實現(xiàn)。用傅立葉分析法檢測織物疵點技術(shù)，其特點是檢測速度快，但靈活性、適應(yīng)性相對較差。 

以較低成本的系統(tǒng)硬件，配以高質(zhì)量的檢測軟件，以微型計算機為平臺，以CCD和圖像信息采集卡為織物圖像信息獲取設(shè)備，采用數(shù)學(xué)形態(tài)學(xué)、小波分析技術(shù)等來研究開發(fā)織物疵點的自動檢測系統(tǒng)應(yīng)該是這一領(lǐng)域的發(fā)展方向。