本發(fā)明圖像處理。具體涉及一種用于紡織布料燒毛工藝的絨毛檢測方法。

背景技術(shù)：

1、在紡織行業(yè)中，燒毛工藝對于紡織布料的質(zhì)量提升至關(guān)重要，這一工藝主要是為了去除布料表面多余的絨毛，從而讓布料表面變得光滑平整，經(jīng)燒毛處理后的布料，其外觀質(zhì)量和手感都能得到顯著改善，比如能獲得更好的光滑度、光澤度，使布料看起來更加美觀，同時(shí)手感也會更加細(xì)膩舒適。

2、在紡織布料經(jīng)過燒毛工藝后，對紡織布料的表面進(jìn)行絨毛檢測，以判斷絨毛去除是否徹底，如果絨毛去除不徹底，說明布料表面存在缺陷，導(dǎo)致布料表面粗糙，需要進(jìn)一步調(diào)整工藝，可見，絨毛檢測對燒毛工藝的質(zhì)量控制具有重要的意義。

3、現(xiàn)有技術(shù)通常將canny邊緣檢測算法應(yīng)用在紡織品布料的缺陷檢測過程中，如現(xiàn)有授權(quán)公告號為cn112070765b的中國專利文件，公開了一種基于雙邊濾波結(jié)合改進(jìn)的otsu的布匹檢測方法，包括以下步驟：對通過工業(yè)相機(jī)采集到的布匹圖像進(jìn)行圖像預(yù)處理，其中預(yù)處理包括雙邊濾波、中值濾波處理；然后對處理后的圖像，利用改進(jìn)的otsu對圖像進(jìn)行閾值分割；最后對分割完成后的圖像，判斷是否存在疵點(diǎn)，不存在疵點(diǎn)，繼續(xù)采集圖像進(jìn)行疵點(diǎn)檢測；存在疵點(diǎn)，則進(jìn)行邊緣檢測，標(biāo)識出疵點(diǎn)。該技術(shù)方案是先檢測出布匹表面的疵點(diǎn)，然后通過邊緣檢測算法檢測出疵點(diǎn)的邊界范圍，從而能夠勾勒出疵點(diǎn)的形狀和大小，有助于后續(xù)更詳細(xì)地分析。

4、然而，燒毛工藝后的紡織布料絨毛具有獨(dú)特的性質(zhì)，形態(tài)各異且灰度表現(xiàn)復(fù)雜，即使是同一絨毛的不同部位也存在灰度差異，這種復(fù)雜性導(dǎo)致傳統(tǒng)的邊緣檢測算法在檢測絨毛時(shí)的準(zhǔn)確性降低，容易出現(xiàn)漏檢或誤檢，導(dǎo)致不合格的布料被誤判為合格，最終影響產(chǎn)品質(zhì)量。

技術(shù)實(shí)現(xiàn)思路

1、為解決傳統(tǒng)的邊緣檢測算法在檢測絨毛時(shí)容易出現(xiàn)漏檢或誤檢，導(dǎo)致不合格的布料被誤判為合格，最終影響產(chǎn)品質(zhì)量的問題，本發(fā)明提出一種用于紡織布料燒毛工藝的絨毛檢測方法，包括：

2、對紡織布料燒毛后的表面圖像進(jìn)行分塊，根據(jù)分塊中像素點(diǎn)的灰度值的多樣性和灰度值的波動(dòng)性確定分塊的區(qū)域參量，所述區(qū)域參量用于反映分塊的灰度特征；

3、根據(jù)分塊內(nèi)每種灰度值的像素點(diǎn)數(shù)量大小確定分塊內(nèi)的目標(biāo)像素點(diǎn)，根據(jù)分塊內(nèi)的目標(biāo)像素點(diǎn)和與其相連的其他目標(biāo)像素點(diǎn)的區(qū)域參量的差異以及灰度值的差異，共同確定目標(biāo)像素點(diǎn)的絨毛特征量；

4、基于目標(biāo)像素點(diǎn)的絨毛特征量和分塊的區(qū)域參量共同計(jì)算目標(biāo)像素點(diǎn)的絨毛程度：，為第個(gè)目標(biāo)像素點(diǎn)的絨毛程度，是所有分塊內(nèi)與第個(gè)目標(biāo)像素點(diǎn)相連的其他目標(biāo)像素點(diǎn)的數(shù)量，和分別為與第個(gè)目標(biāo)像素點(diǎn)相連的第個(gè)其他目標(biāo)像素點(diǎn)所在分塊的區(qū)域參量、第個(gè)目標(biāo)像素點(diǎn)的絨毛特征量，為第個(gè)目標(biāo)像素點(diǎn)的絨毛特征量，為自然指數(shù)函數(shù)，為取絕對值符號；

5、根據(jù)所述絨毛程度確定絨毛像素點(diǎn)，針對絨毛像素點(diǎn)進(jìn)行邊緣檢測以確定絨毛區(qū)域，實(shí)現(xiàn)絨毛檢測。

6、此技術(shù)方案對灰度圖分塊是一種有效的圖像處理策略，紡織布料表面圖像可能存在復(fù)雜的紋理和光照變化，分塊能將大問題分解為小問題，更便于分析。進(jìn)一步地，考慮灰度值的多樣性和波動(dòng)性來確定區(qū)域參量，使用區(qū)域參量來反映分塊的灰度特征，可以捕捉到每個(gè)小塊內(nèi)像素灰度的豐富信息。例如，不同的絨毛分布可能導(dǎo)致灰度值在局部有不同的變化模式，這種方式有助于提取這些特征，對于灰度值多樣性高、波動(dòng)性大的分塊，可能意味著該分塊存在復(fù)雜的結(jié)構(gòu)，比如絨毛的聚集，而相對均勻、波動(dòng)小的分塊可能是布料的平整部分，這樣就可以根據(jù)區(qū)域參量初步區(qū)分不同的區(qū)域類型，為后續(xù)準(zhǔn)確檢測絨毛打下基礎(chǔ)。進(jìn)一步地，依據(jù)像素點(diǎn)數(shù)量大小確定目標(biāo)像素點(diǎn)，能夠聚焦于在數(shù)量上具有代表性的像素，這些像素更有可能是與絨毛相關(guān)的關(guān)鍵像素。同時(shí)考慮目標(biāo)像素點(diǎn)與相連目標(biāo)像素點(diǎn)的區(qū)域參量和灰度差異來確定絨毛特征量，是一種綜合的分析方法，因?yàn)榻q毛在圖像中不是孤立存在的，其與周圍像素在灰度和區(qū)域特征上有特定的關(guān)系，這種關(guān)系可以作為判斷絨毛的重要依據(jù)。在確定絨毛特征量時(shí)，假設(shè)目標(biāo)像素點(diǎn)與其相連目標(biāo)像素點(diǎn)的區(qū)域參量差異大且灰度差異也大，這可能表明該目標(biāo)像素點(diǎn)位于絨毛的邊緣或者是絨毛與布料其他部分的交界處。相反，如果差異小，則可能不是絨毛像素點(diǎn)，這種綜合判斷方式能夠更準(zhǔn)確地刻畫每個(gè)目標(biāo)像素點(diǎn)是絨毛的可能性。進(jìn)一步地，將目標(biāo)像素點(diǎn)的絨毛特征量和分塊的區(qū)域參量有機(jī)結(jié)合起來，考慮了目標(biāo)像素點(diǎn)與周圍像素點(diǎn)在不同層次上的關(guān)系。這種量化的絨毛程度計(jì)算方式可以更精確地描述每個(gè)目標(biāo)像素點(diǎn)屬于絨毛的程度，而不是簡單的二元判斷，設(shè)定一個(gè)合適的絨毛程度閾值，高于該閾值的目標(biāo)像素點(diǎn)被判定為絨毛像素點(diǎn)。這樣可以有效地篩選出真正的絨毛像素點(diǎn)，減少誤判，對這些絨毛像素點(diǎn)進(jìn)行邊緣檢測，例如可以使用一些經(jīng)典的邊緣檢測算法。由于已經(jīng)確定了絨毛像素點(diǎn)，邊緣檢測可以更準(zhǔn)確地找到絨毛與非絨毛區(qū)域的邊界，從而精確確定絨毛區(qū)域。這種方法能夠克服傳統(tǒng)邊緣檢測算法在檢測絨毛時(shí)的漏檢和誤檢問題，提高檢測的準(zhǔn)確性，保證對布料質(zhì)量評估的可靠性。

7、優(yōu)選的，分塊內(nèi)的目標(biāo)像素點(diǎn)的絨毛特征量按照如下公式確定：

8、

9、式中 ，為第個(gè)分塊的第個(gè)目標(biāo)像素點(diǎn)的絨毛特征量，是第個(gè)分塊內(nèi)與第個(gè)目標(biāo)像素點(diǎn)相連的其他目標(biāo)像素點(diǎn)的數(shù)量，是第個(gè)分塊的第個(gè)目標(biāo)像素點(diǎn)和與其相連的第個(gè)其他目標(biāo)像素點(diǎn)的灰度值的差值，為第個(gè)分塊的區(qū)域參量，為第個(gè)分塊的第個(gè)相鄰分塊的區(qū)域參量，為第個(gè)分塊的相鄰分塊的數(shù)量，為歸一化函數(shù)。

10、此技術(shù)方案通過引入相鄰分塊的區(qū)域參量和相連目標(biāo)像素點(diǎn)的信息，該公式可以反映目標(biāo)像素點(diǎn)在局部區(qū)域（分塊內(nèi)）和周邊區(qū)域（相鄰分塊）的關(guān)系，因?yàn)榻q毛的存在不僅會影響自身所在分塊內(nèi)的像素特征，也會與周圍分塊產(chǎn)生關(guān)聯(lián)，這種關(guān)系對于絨毛檢測至關(guān)重要。

11、優(yōu)選的，根據(jù)所述絨毛程度確定絨毛像素點(diǎn)的方法為：

12、預(yù)設(shè)絨毛程度的上限和絨毛程度的下限，對灰度圖中所有目標(biāo)像素點(diǎn)的絨毛程度進(jìn)行統(tǒng)計(jì)；在所有目標(biāo)像素點(diǎn)中，將絨毛程度最接近絨毛程度的上限的目標(biāo)像素點(diǎn)的灰度值作為灰度值的上限，將絨毛程度最接近絨毛程度的下限的目標(biāo)像素點(diǎn)的灰度值作為灰度值的下限，基于灰度值的上限和下限確定一個(gè)灰度值范圍，將針對灰度值處于所述灰度值范圍內(nèi)的所有像素點(diǎn)，作為絨毛像素點(diǎn)。

13、優(yōu)選的，確定絨毛區(qū)域的方法為：

14、運(yùn)用邊緣檢測算法對絨毛像素點(diǎn)進(jìn)行邊緣檢測，將檢測到的邊緣像素點(diǎn)作為絨毛區(qū)域的邊緣像素點(diǎn)，利用區(qū)域填充法對邊緣像素點(diǎn)進(jìn)行區(qū)域填充，得到絨毛區(qū)域。

15、優(yōu)選的，分塊的區(qū)域參量的確定方法為：以分塊中像素點(diǎn)的灰度值的多樣性和灰度值的波動(dòng)性之積作為分塊的區(qū)域參量。

16、此技術(shù)方案，將像素點(diǎn)的灰度值多樣性和灰度值波動(dòng)性相結(jié)合來確定區(qū)域參量，能夠綜合地描述分塊的灰度特征，這種綜合考量避免了僅使用單一特征來描述分塊可能帶來的片面性，更全面地反映了分塊內(nèi)像素的復(fù)雜情況。在絨毛檢測場景中，絨毛的存在往往會導(dǎo)致局部圖像的灰度值出現(xiàn)豐富的變化。通過這種方式確定的區(qū)域參量可以更好地捕捉到這些變化，為后續(xù)準(zhǔn)確地識別絨毛區(qū)域提供更具代表性的特征信息。

17、優(yōu)選的，根據(jù)分塊內(nèi)每種灰度值的像素點(diǎn)數(shù)量大小確定分塊內(nèi)的目標(biāo)像素點(diǎn)的方法為：

18、統(tǒng)計(jì)分塊的所有像素點(diǎn)的灰度值，得到每種灰度值的像素點(diǎn)數(shù)量，預(yù)設(shè)像素點(diǎn)的數(shù)量閾值；若某種灰度值的像素點(diǎn)數(shù)量少于數(shù)量閾值，將該種灰度值對應(yīng)的像素點(diǎn)作為目標(biāo)像素點(diǎn)。

19、此種技術(shù)方案這種確定目標(biāo)像素點(diǎn)的方法能夠突出那些在分塊內(nèi)數(shù)量相對較少的灰度值所對應(yīng)的像素點(diǎn)。在絨毛檢測中，絨毛可能由于其特殊的材質(zhì)、形態(tài)和光照條件等因素，在圖像中呈現(xiàn)出與布料主體不同的灰度值，且通常數(shù)量相對較少。通過這種方式可以聚焦于可能是絨毛的像素點(diǎn)，為后續(xù)更準(zhǔn)確地檢測絨毛提供重點(diǎn)關(guān)注對象。設(shè)定數(shù)量閾值可以排除那些數(shù)量較多的常見灰度值對應(yīng)的像素點(diǎn)，這些像素點(diǎn)往往屬于布料的主體部分，不太可能是絨毛。這樣可以減少大量非絨毛像素點(diǎn)對檢測過程的干擾，提高檢測的效率和準(zhǔn)確性。

20、優(yōu)選的，分塊的相鄰分塊是該分塊周圍的八個(gè)鄰接的分塊。

21、優(yōu)選的，目標(biāo)像素點(diǎn)相連的其他目標(biāo)像素點(diǎn)的獲取方法為：

22、首先，將每個(gè)目標(biāo)像素點(diǎn)作為初始的待連接目標(biāo)像素點(diǎn)，將該待連接目標(biāo)像素點(diǎn)周圍的八鄰域設(shè)定為待查找范圍，在待查找范圍內(nèi)尋找其他目標(biāo)像素點(diǎn)，將找到的每個(gè)其他目標(biāo)像素點(diǎn)均作為新的待連接目標(biāo)像素點(diǎn)，然后，不斷重復(fù)，直到某次查找時(shí)，所有新的待連接目標(biāo)像素點(diǎn)的八鄰域內(nèi)都不存在其他目標(biāo)像素點(diǎn)，停止查找，將此時(shí)所找到的所有的待連接目標(biāo)像素點(diǎn)，作為與該目標(biāo)像素點(diǎn)相連的所有其他目標(biāo)像素點(diǎn)。

23、優(yōu)選的，分塊內(nèi)像素點(diǎn)的灰度值的多樣性是通過灰度值的種類個(gè)數(shù)和像素點(diǎn)數(shù)量的比值確定的，分塊內(nèi)像素點(diǎn)的灰度值的波動(dòng)性是通過灰度值的方差確定的。

24、此技術(shù)方案通過灰度值的種類個(gè)數(shù)和像素點(diǎn)數(shù)量的比值反映了分塊內(nèi)灰度值的豐富程度，通過方差衡量灰度值的波動(dòng)性，這對于檢測絨毛具有重要意義，因?yàn)榻q毛的存在會導(dǎo)致灰度值的多樣性增加和波動(dòng)性變大。為分析圖像提供了具體的可量化指標(biāo)，使得不同分塊之間的灰度特征可以進(jìn)行比較和評估，在絨毛檢測中，可以根據(jù)這些指標(biāo)更有針對性地識別出可能含有絨毛的分塊。

25、本發(fā)明具有以下效果：本發(fā)明通過對灰度圖分塊、綜合考慮灰度值多樣性和波動(dòng)性確定區(qū)域參量，依據(jù)像素點(diǎn)數(shù)量及與相連點(diǎn)的差異確定絨毛特征量，準(zhǔn)確刻畫目標(biāo)像素點(diǎn)為絨毛的可能性，結(jié)合絨毛特征量和區(qū)域參量計(jì)算絨毛程度，準(zhǔn)確的篩選絨毛像素點(diǎn)，減少誤判，運(yùn)用邊緣檢測和區(qū)域填充確定絨毛區(qū)域，克服傳統(tǒng)算法漏檢和誤檢問題，提高了絨毛檢測效率和準(zhǔn)確性，保證了對布料質(zhì)量評估的可靠性。