一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法
【專利摘要】本發(fā)明公開了一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法，該方法針對(duì)帶有重組織的織物圖像特點(diǎn)，在色彩模式轉(zhuǎn)換的基礎(chǔ)上，采用混合中值濾波算法濾除掃描噪聲；再通過紋理抑制平滑濾波算法進(jìn)行濾波，去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(jìn)行圖像分割，獲得區(qū)域標(biāo)記圖像；最后將顏色相近的分割區(qū)域進(jìn)行合并，得到織物圖像的分色索引圖像；使得在平滑同顏色紗線紋理和重組織邊緣陰影的同時(shí)，有效保持了不同顏色紗線的邊緣，避免了高斯濾波后區(qū)域之間的邊緣細(xì)節(jié)被弱化以及雙邊濾波將紗線紋理保留為邊緣等問題。
【專利說明】一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分 割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于紋理抑制平滑濾波和分水嶺算 法的重織物圖像分割方法。

【背景技術(shù)】
[0002] 圖像分割是織物圖像處理與分析的基礎(chǔ)，分割的準(zhǔn)確性往往決定著織物圖像組織 結(jié)構(gòu)提取、內(nèi)容分析和檢索等后處理的有效性。織物重組織（backedweave)是由兩組或兩 組以上的經(jīng)紗與一組緯紗交織，或由兩組或兩組以上緯紗與一組經(jīng)紗交織,形成二重或二 重以上的重疊組織。重織物由不同顏色或不同原料的紗線交織而成，隨著經(jīng)紗或緯紗重疊 組數(shù)的變化，形成的織物色影豐富、層次多變。重織物圖像不是一個(gè)理想的平面結(jié)構(gòu)，掃描 獲取的圖像不能反映紗線的真實(shí)顏色。在掃描光照下，由于紗線呈一定的圓柱形結(jié)構(gòu)，同一 紗線的中心和邊緣之間存在過渡顏色；紗線之間的縫隙顏色往往偏暗，相同顏色的紗線區(qū) 域會(huì)形成一定的紋理；由于重組織區(qū)較凸起，重組織邊緣會(huì)產(chǎn)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色。這些因素的存在給 重織物圖像分割帶來了困難。
[0003] 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(qū)域的方法 以及邊緣檢測(cè)等。特征聚類法（文獻(xiàn)：PanR,GaoW,LiuJ，etal.AutomaticDetection oftheLayoutofColorYarnsforYarn-dyedFabricviaaFCMAlgorithm[J]. TextileResearchJournal, 2010, 80 (12) : 1222-1231.)是一種無監(jiān)督統(tǒng)計(jì)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(shù)目，由于僅根據(jù)特征的統(tǒng)計(jì)信息進(jìn)行分 類，如采用顏色作為特征，當(dāng)某種顏色頻度較少時(shí)就會(huì)被其他顏色代替，造成關(guān)鍵細(xì)節(jié)模 糊，甚至丟失。基于區(qū)域的方法（如文獻(xiàn)：ZHANGYang，JIANGGaoming，YA0Junzhou，et al.Multi-textureregionsegmentationofjacquardwarpknittedfabric[J].Journal ofTextileResearch, 2012, 32(12) :51-55.)，根據(jù)圖像區(qū)域的同一性進(jìn)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(gòu)成區(qū)域，分割效果依賴于區(qū)域同一性特征 的穩(wěn)定性。對(duì)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(qū)域的同一性準(zhǔn)則，分割效果難以保證。邊緣檢測(cè)方法（如文獻(xiàn)：JuZ，Zhou J,WangX,etal.Imagesegmentationbasedonadaptivethresholdedgedetection andmeanshift[C]//SoftwareEngineeringandServiceScience(ICSESS), 20134th IEEEInternationalConferenceon.IEEE, 2013:385-388.)，根據(jù)像素點(diǎn)灰度變化提取邊 緣，通過檢測(cè)不同區(qū)域的邊緣解決圖像分割問題。對(duì)于重織物圖像，采用邊緣檢測(cè)進(jìn)行圖像 分割，首先需要將彩色圖像轉(zhuǎn)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(xù)、閉合邊緣，因而圖像分割往往不準(zhǔn)確。


【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)所存在的上述技術(shù)問題，本發(fā)明提供了一種基于紋理抑制平滑濾波 和分水嶺算法的重織物圖像分割方法，使得在平滑同顏色紗線紋理和重組織邊緣陰影的同 時(shí)，有效保持了不同顏色紗線的邊緣，避免了高斯濾波后區(qū)域之間的邊緣細(xì)節(jié)被弱化以及 雙邊濾波將紗線紋理保留為邊緣等問題。
[0005] -種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法，包括如下步 驟：
[0006] (1)將重織物圖像從RGB顏色模式轉(zhuǎn)換為L(zhǎng)ab顏色模式，并對(duì)得到的Lab顏色空間 圖像進(jìn)行混合中值濾波；
[0007] (2)對(duì)混合中值濾波后的Lab顏色空間圖像進(jìn)行紋理抑制平滑濾波；
[0008] (3)對(duì)紋理抑制平滑濾波后的Lab顏色空間圖像進(jìn)行色差梯度計(jì)算，得到對(duì)應(yīng)的 梯度圖像；進(jìn)而對(duì)該梯度圖像進(jìn)行分水嶺分割，得到n個(gè)區(qū)塊并對(duì)這些區(qū)塊進(jìn)行標(biāo)記，n個(gè) 區(qū)塊對(duì)應(yīng)標(biāo)記值為1?n，區(qū)塊之間的分水線統(tǒng)一標(biāo)記為0 ;
[0009] (4)根據(jù)色差將分水線上的像素合并歸類于各區(qū)塊；
[0010] (5)根據(jù)色差對(duì)各區(qū)塊進(jìn)行合并，得到重織物圖像分割后的索引圖像。
[0011] 所述的步驟（1)中將織物圖像從RGB顏色模式轉(zhuǎn)換為L(zhǎng)ab顏色模式的過程如下：
[0012]首先，根據(jù)以下算式將織物圖像從RGB顏色模式轉(zhuǎn)換為XYZ顏色模式；

【權(quán)利要求】
1. 一種基于紋理抑制平滑濾波和分水嶺算法的重織物圖像分割方法，包括如下步驟： (1) 將重織物圖像從RGB顏色模式轉(zhuǎn)換為L(zhǎng)ab顏色模式，并對(duì)得到的Lab顏色空間圖像 進(jìn)行混合中值濾波； (2) 對(duì)混合中值濾波后的Lab顏色空間圖像進(jìn)行紋理抑制平滑濾波； (3) 對(duì)紋理抑制平滑濾波后的Lab顏色空間圖像進(jìn)行色差梯度計(jì)算，得到對(duì)應(yīng)的梯度 圖像；進(jìn)而對(duì)該梯度圖像進(jìn)行分水嶺分割，得到n個(gè)區(qū)塊并對(duì)這些區(qū)塊進(jìn)行標(biāo)記，n個(gè)區(qū)塊 對(duì)應(yīng)標(biāo)記值為1?n，區(qū)塊之間的分水線統(tǒng)一標(biāo)記為0 ; (4) 根據(jù)色差將分水線上的像素合并歸類于各區(qū)塊； (5) 根據(jù)色差對(duì)各區(qū)塊進(jìn)行合并，得到重織物圖像分割后的索引圖像。
2. 根據(jù)權(quán)利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟（1)中將織 物圖像從RGB顏色模式轉(zhuǎn)換為L(zhǎng)ab顏色模式的過程如下： 首先，根據(jù)以下算式將織物圖像從RGB顏色模式轉(zhuǎn)換為XYZ顏色模式；
其中：對(duì)于織物圖像中任一像素，R、G和B分別為該像素在RGB色彩空間中紅、綠和藍(lán) 三個(gè)分量上的亮度值；X、Y和Z分別為該像素在XYZ色彩空間中的三個(gè)刺激值； 然后，根據(jù)以下算式將織物圖像從XYZ顏色模式轉(zhuǎn)換為L(zhǎng)ab顏色模式；
a= 500*(f(X/Xn)-f(Y/Yn)) b= 200*(f(Y/Yn)-f(Z/Zn)) 其中：Xn、￥"和211分別為參考色白在XYZ色彩空間中的三個(gè)刺激值，L、a和b分別為 像素在Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至藍(lán)色范圍三個(gè)分量上的顏色值； f(t)為中間函數(shù)，t為函數(shù)變量，其表達(dá)式如下：
3. 根據(jù)權(quán)利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟⑴中對(duì)Lab 顏色空間圖像進(jìn)行混合中值濾波的具體方法為：對(duì)于Lab色彩空間中任一分量上的顏色 值，首先計(jì)算圖像中當(dāng)前像素與其上下左右四個(gè)像素在該分量上所有顏色值的中間值氏； 然后，計(jì)算當(dāng)前像素與其左上、右上、左下和右下四個(gè)像素在該分量上所有顏色值的中間值 H2 ;最后，取當(dāng)前像素在該分量上的顏色值以及氏和H2三個(gè)值的中間值作為當(dāng)前像素在該 分量上混合中值濾波后的顏色值；依此遍歷圖像中所有像素及所有分量。
4. 根據(jù)權(quán)利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟⑵中對(duì)混 合中值濾波后的Lab顏色空間圖像進(jìn)行紋理抑制平滑濾波的具體方法為：對(duì)于Lab色彩空 間中任一分量上的顏色值，根據(jù)以下算式對(duì)圖像中當(dāng)前像素在該分量上的顏色值進(jìn)行紋理 抑制平滑濾波，并依此遍歷圖像中所有像素及所有分量；
其中Jf為當(dāng)前像素在該分量上紋理抑制平滑濾波后的顏色值，Ip為當(dāng)前像素周圍八 個(gè)像素中第P個(gè)像素在該分量上混合中值濾波后的顏色值，Ls、as和bs分別為當(dāng)前像素在 Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至藍(lán)色范圍三個(gè)分量上混合中值濾波后的 顏色值，Lp、ap和bp分別為所述的第p個(gè)像素在Lab色彩空間中亮度、洋紅色至綠色范圍和 黃色至藍(lán)色范圍三個(gè)分量上混合中值濾波后的顏色值，0g和0h均為高斯分布參數(shù)，th為 預(yù)設(shè)的鄰域梯度閾值，Lq為所述的第p個(gè)像素周圍八個(gè)像素中第q個(gè)像素在Lab色彩空間 中亮度分量上混合中值濾波后的顏色值。
5. 根據(jù)權(quán)利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟⑶中對(duì)紋 理抑制平滑濾波后的Lab顏色空間圖像進(jìn)行色差梯度計(jì)算的具體方法為：根據(jù)以下算式計(jì) 算圖像中當(dāng)前像素的色差梯度，并依此遍歷圖像中所有像素；
其中：D(f)為當(dāng)前像素的色差梯度，Lf、&{和bf分別為當(dāng)前像素在Lab色彩空間中亮 度、洋紅色至綠色范圍和黃色至藍(lán)色范圍三個(gè)分量上紋理抑制平滑濾波后的顏色值，Q、％ 和4分別為當(dāng)前像素周圍上下左右四個(gè)像素中第i個(gè)像素在Lab色彩空間中亮度、洋紅色 至綠色范圍和黃色至藍(lán)色范圍三個(gè)分量上紋理抑制平滑濾波后的顏色值。
6. 根據(jù)權(quán)利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟（4)中將分 水線上的像素合并歸類于各區(qū)塊的方法為：對(duì)于分水線上的當(dāng)前像素，根據(jù)以下算式計(jì)算 其與周圍上下左右四個(gè)像素的色差，并將其歸為色差最小的像素所屬的區(qū)塊；
其中：L^a。和b。分別為當(dāng)前像素在Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至 藍(lán)色范圍三個(gè)分量上紋理抑制平滑濾波后的顏色值，Lj、a」和bj分別為當(dāng)前像素周圍上下 左右四個(gè)像素中第j個(gè)像素在Lab色彩空間中亮度、洋紅色至綠色范圍和黃色至藍(lán)色范圍 三個(gè)分量上紋理抑制平滑濾波后的顏色值，AE(j，〇)為當(dāng)前像素與所述的第j個(gè)像素的色 差。
7. 根據(jù)權(quán)利要求1所述的重織物圖像分割方法，其特征在于：所述的步驟（5)中對(duì)各 區(qū)塊進(jìn)行合并的過程如下： 首先，將各區(qū)塊從Lab顏色模式轉(zhuǎn)換為RGB顏色模式，并計(jì)算區(qū)塊內(nèi)所有像素R、G、B分 量上的平均值作為區(qū)塊的RGB索引顏色信息； 然后，將各區(qū)塊的RGB索引顏色信息轉(zhuǎn)換為L(zhǎng)ab索引顏色信息； 最后，對(duì)于任一區(qū)塊，根據(jù)Lab索引顏色信息計(jì)算其與其他所有區(qū)塊的色差，并將色差 小于閾值的兩個(gè)區(qū)塊合并成同一類區(qū)塊，以得到重織物圖像分割后的索引圖像。
8. 根據(jù)權(quán)利要求7所述的重織物圖像分割方法，其特征在于：根據(jù)以下算式將各區(qū)塊 從Lab顏色模式轉(zhuǎn)換為RGB顏色模式：
P= (Lt+16)/116 其中：Lt、at和bt分別為區(qū)塊中任一像素在Lab色彩空間中亮度、洋紅色至綠色范圍和 黃色至藍(lán)色范圍三個(gè)分量上紋理抑制平滑濾波后的顏色值，Xn、￥"和Zn分別為參考色白在 XYZ色彩空間中的三個(gè)刺激值，Rt、Gt和Bt分別為區(qū)塊中任一像素在RGB色彩空間中紅、綠 和藍(lán)三個(gè)分量上的亮度值。
9. 根據(jù)權(quán)利要求7所述的重織物圖像分割方法，其特征在于：根據(jù)以下算式將各區(qū)塊 的RGB索引顏色信息轉(zhuǎn)換為L(zhǎng)ab索引顏色信息：
ak = 500*(f(Xk/Xn)-f(Yk/Yn)) bk = 200*(f(Yk/Yn)-f(Zk/Zn))
其中：Xn、Yn和Zn分別為參考色白在XYZ色彩空間中的三個(gè)刺激值，Rk、Gk和Bk分別為區(qū) 塊RGB索引顏色信息中對(duì)應(yīng)紅、綠和藍(lán)三個(gè)分量上的亮度值，Lk、ak和bk分別為區(qū)塊Lab索 引顏色信息中對(duì)應(yīng)亮度、洋紅色至綠色范圍和黃色至藍(lán)色范圍三個(gè)分量上的顏色值；f(t) 為中間函數(shù)，t為函數(shù)變量。
【文檔編號(hào)】G06T7/00GK104408714SQ201410658317
【公開日】2015年3月11日 申請(qǐng)日期:2014年11月17日 優(yōu)先權(quán)日:2014年11月17日
【發(fā)明者】張華熊, 康鋒, 胡潔, 屠永堅(jiān), 張 誠 申請(qǐng)人:浙江理工大學(xué), 浙江巴貝領(lǐng)帶有限公司