一种纺织印花缺陷的检测方法及系统

摘要

本发明涉及数据处理技术领域，具体涉及一种纺织印花缺陷的检测方法及系统，该方法获取待检测纺织品表面的印花区域图像的印花灰度图像和对应的印花模板图像的模板灰度图像；对印花灰度图像和模板灰度图像进行模板匹配，得到多个异常匹配区域，分别获取异常匹配区域和模板区域的最小外接矩形的频谱图，根据幅值差异程度确定当前异常匹配区域的异常原因；基于异常原因对应获取每个异常匹配区域的灰度变换参数，利用灰度变换参数得到优化异常匹配区域，根据优化异常匹配区域和对应模板区域的频谱图高频能量的差异，检测缺陷。本方案提高了纺织印花的缺陷检测的准确性。

权利要求

1.一种纺织印花缺陷的检测方法，其特征在于，该方法包括以下步骤：

获取待检测纺织品表面的印花区域图像和对应的印花模板图像，并通过灰度化处理分别得到印花灰度图像和模板灰度图像；

利用模板灰度图像对印花灰度图像进行模板匹配，得到印花灰度图像中每个像素点的匹配程度，根据匹配程度得到印花灰度图像中的多个异常匹配区域；提取当前异常匹配区域在模板灰度图像中对应的模板区域，分别获取当前异常匹配区域和模板区域的最小外接矩形，以得到当前异常区域的频谱图和模板区域的模板频谱图；根据当前异常区域对应的频谱图和模板频谱图中相同位置的幅值差异计算幅值差异程度，根据幅值差异程度确定当前异常匹配区域的异常原因；

基于异常原因对应获取每个异常匹配区域的灰度变换参数，利用灰度变换参数对异常匹配区域中的灰度值进行更新，得到优化异常匹配区域；分别获取优化异常匹配区域的第一频谱图高频能量和对应模板区域的第二频谱图高频能量，当第一频谱图高频能量和第二频谱图高频能量的比值不满足比值阈值时，确认对应异常匹配区域存在缺陷；

所述根据幅值差异程度确定当前异常匹配区域的异常原因的方法，包括：

计算当前异常区域的频谱图中第j个像素点的幅值与对应在模板频谱图中的标准幅值之间的幅值差值，以幅值差值为分子、标准幅值为分母得到对应的比值，作为第j个像素点的幅值差异程度，根据每个像素点的幅值差异程度计算幅值差异程度的方差；

当幅值差异程度的方差小于方差阈值时，确认当前异常匹配区域的异常原因为光照影响；当幅值差异程度的方差大于或等于方差阈值时，确认当前异常匹配区域的异常原因为疑似存在缺陷；

所述基于异常原因对应获取每个异常匹配区域的灰度变换参数的方法，包括：

当异常原因为光照影响时，计算异常匹配区域中每个像素点的灰度值与其模板区域中对应位置的标准灰度值的灰度差值，计算灰度差值的均值作为对应异常匹配区域的灰度变换参数；

当异常原因为疑似存在缺陷时，获取异常匹配区域中每个像素点的灰度差值的绝对值，以灰度差值的绝对值为分子、对应的灰度差值为分母得到对应的比值，计算比值的均值作为对应异常匹配区域的整体差异程度，根据整体差异程度获取灰度变换参数；

所述根据整体差异程度获取灰度变换参数的方法为：当整体差异程度为1时，提取异常匹配区域中灰度差值的绝对值的最小值作为对应异常匹配区域的灰度变换参数，整体差异程度不为1时，灰度变换参数为0。

2.如权利要求1所述的一种纺织印花缺陷的检测方法，其特征在于，所述根据匹配程度得到印花灰度图像中的多个异常匹配区域的方法，包括：当匹配程度大于匹配程度阈值时，确认对应像素点为匹配异常点；根据匹配异常点得到多个异常匹配区域。

3.如权利要求1所述的一种纺织印花缺陷的检测方法，其特征在于，所述利用灰度变换参数对异常匹配区域中的灰度值进行更新的方法，包括：将异常匹配区域中每个像素点的灰度值减去对应的灰度变换参数，得到新灰度值。

4.一种纺织印花缺陷的检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑3任意一项所述一种纺织印花缺陷的检测方法的步骤。

说明书

一种纺织印花缺陷的检测方法及系统

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种纺织印花缺陷的检测方法及系统。

背景技术

[0002] 随着工业化进程加快，纺织行业也在蓬勃发展，越来越多的纺织工艺日趋完善。其中纺织印花即是在织物预定面积上进行局限染色的过程，而印花过程中会有各种各样的缺陷产生，通常利用计算机视觉中的模板匹配算法对其进行检测。

[0003] 传统方法多采用模板匹配算法对纺织品的印花部位进行缺陷检测，通过其灰度分布表现与已知模板的匹配程度来判断印花部位是否有缺陷产生。但在缺陷检测过程中，由于光照因素，可能导致光斑出现而使部分印花部位灰度表现发生较大变化，其可能是正常部位出现光斑而导致的匹配异常，也有可能是光斑照射到缺陷位置使其整体灰度增大，同时还有可能出现光斑照射恰巧使缺陷部位与正常部位差异不大，这些都会导致模板匹配结果出现错误判断，从而导致部分印花缺陷判断发生错误。

发明内容

[0004] 为了解决上述技术问题，本发明的目的在于提供一种纺织印花缺陷的检测方法及系统，所采用的技术方案具体如下：

[0005] 第一方面，本发明实施例中提供了一种纺织印花缺陷的检测方法，该方法包括以下步骤：

[0006] 获取待检测纺织品表面的印花区域图像和对应的印花模板图像，并通过灰度化处理分别得到印花灰度图像和模板灰度图像；

[0007] 利用模板灰度图像对印花灰度图像进行模板匹配，得到印花灰度图像中每个像素点的匹配程度，根据匹配程度得到印花灰度图像中的多个异常匹配区域；提取当前异常匹配区域在模板灰度图像中对应的模板区域，分别获取当前异常匹配区域和模板区域的最小外接矩形，以得到当前异常区域的频谱图和模板区域的模板频谱图；根据频谱图和模板频谱图中相同位置的幅值差异程度计算幅值差异程度，根据幅值差异程度确定当前异常匹配区域的异常原因；

[0008] 基于异常原因对应获取每个异常匹配区域的灰度变换参数，利用灰度变换参数对异常匹配区域中的灰度值进行更新，得到优化异常匹配区域；分别获取优化异常匹配区域的第一频谱图高频能量和对应模板区域的第二频谱图高频能量，当第一频谱图高频能量和第二频谱图高频能量的比值不满足比值阈值时，确认对应异常匹配区域存在缺陷。

[0009] 进一步的，所述根据匹配程度得到印花灰度图像中的多个异常匹配区域的方法，包括：

[0010] 当匹配程度大于匹配程度阈值时，确认对应像素点为匹配异常点；根据匹配异常点得到多个异常匹配区域。

[0011] 进一步的，所述根据幅值差异程度确定当前异常匹配区域的异常原因的方法，包括：

[0012] 计算频谱图中第j个像素点的幅值与对应在模板频谱图中的标准幅值之间的幅值差值，以幅值差值为分子、标准幅值为分母得到对应的比值，作为第j个像素点的幅值差异程度，根据每个像素点的幅值差异程度计算幅值差异程度的方差；

[0013] 当幅值差异程度的方差小于方差阈值时，确认当前异常匹配区域的异常原因为光照影响；当幅值差异程度的方差大于或等于方差阈值时，确认当前异常匹配区域的异常原因为疑似存在缺陷。

[0014] 进一步的，所述基于异常原因对应获取每个异常匹配区域的灰度变换参数的方法，包括：

[0015] 当异常原因为光照影响时，计算异常匹配区域中每个像素点的灰度值与其模板区域中对应位置的标准灰度值的灰度差值，计算灰度差值的均值作为对应异常匹配区域的灰度变换参数；

[0016] 当异常原因为疑似存在缺陷时，获取异常匹配区域中每个像素点的灰度差值的绝对值，以灰度差值的绝对值为分子、对应的灰度差值为分母得到对应的比值，计算比值的均值作为对应异常匹配区域的整体差异程度，根据整体差异程度获取灰度变换参数。

[0017] 进一步的，所述利用灰度变换参数对异常匹配区域中的灰度值进行更新的方法，包括：

[0018] 将异常匹配区域中每个像素点的灰度值减去对应的灰度变换参数，得到新灰度值。

[0019] 第二方面，本发明实施例还提供了一种纺织印花缺陷的检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

[0020] 本发明实施例至少具有如下有益效果：通过传统模板匹配算法分析印花缺陷部位，因为灰度表现间的差异，其不仅能得到印花缺陷部位，同时一些由于获取图像时的光照影响而导致的图像局部灰度表现发生的变化也会被检测出来；本方案利用模板匹配先行提取出匹配异常区域，再利用傅里叶变换通过频谱图表现来分析异常区域的灰度变化关系，进而确定其是否为实际缺陷部位，同时利用频谱比对提取可能的光斑导致的未检测到的缺陷，进而能够准确检测出印花缺陷位置。

附图说明

[0021] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

[0022] 图1为本发明一个实施例提供的一种纺织印花缺陷的检测方法的步骤流程图。

具体实施方式

[0023] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种纺织印花缺陷的检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0024] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0025] 本发明所针对的具体场景为：在利用计算机视觉对纺织品表面印花部位进行缺陷检测时，由于图像获取时光源的不稳定性，其可能导致部分区域出现光斑进而使实际未出现缺陷的部位在模板匹配中被认定为印花缺陷。本发明利用模板匹配先行提取异常区域，再对异常区域进行傅里叶变换，通过频谱图与模板频谱图进行比对，判断其是否为光照影响区域，据此提取出实际的缺陷部位。

[0026] 下面结合附图具体的说明本发明所提供的一种纺织印花缺陷的检测方法及系统的具体方案。

[0027] 请参阅图1，其示出了本发明一个实施例提供的一种纺织印花缺陷的检测方法的步骤流程图，该方法包括以下步骤：

[0028] 步骤S001，获取待检测纺织品表面的印花区域图像和对应的印花模板图像，并通过灰度化处理分别得到印花灰度图像和模板灰度图像。

[0029] 具体的，对于纺织品印花部位，其图案通常周期性循环出现，则其会有一个固定的模板适用于每块非周期的单独印花部位。通过计算机视觉进行检测时，采集获取待检测纺织品表面的印花区域图像以及对应的印花模板图像，对印花区域图像及印花模板图像进行灰度化处理，分别对应得到印花灰度图像和模板灰度图像。

[0030] 需要说明的是，灰度化处理为公知技术，本方案不再赘述。

[0031] 步骤S002，利用模板灰度图像对印花灰度图像进行模板匹配，得到印花灰度图像中每个像素点的匹配程度，根据匹配程度得到印花灰度图像中的多个异常匹配区域；提取当前异常匹配区域在模板灰度图像中对应的模板区域，分别获取当前异常匹配区域和模板区域的最小外接矩形，以得到当前异常区域的频谱图和模板区域的模板频谱图；根据频谱图和模板频谱图中相同位置的幅值差异程度计算幅值差异程度，根据幅值差异程度确定当前异常匹配区域的异常原因。

[0032] 具体的，利用模板匹配算法，将模板灰度图像在印花灰度图像上进行滑动，计算同位置像素点的灰度表现差异并得到对应的匹配程度，通过匹配程度得到异常区域，再对异常区域根据滑窗分割划分成多块与模板中某一部位对应的异常匹配区域。

[0033] 根据得到的印花灰度图像及模板灰度图像，将模板灰度图像在印花灰度图像上进行不重叠的滑动，对于第 块滑窗内第 个像素点，其在印花灰度图像中的灰度值记为 ，在模板灰度图像的灰度值记为 ，则第 个像素点的匹配程度 为：

[0034]

[0035] 当匹配程度大于匹配程度阈值 时，表明该点在该块滑窗中与模板间灰度差异较大，匹配出现异常，确认该像素点为匹配异常点，逐滑窗内逐点分析匹配程度，提取出印花灰度图像上所有的匹配异常点。

[0036] 根据印花灰度图像上所有的匹配异常点得到异常区域，根据异常区域中像素点提取过程中所属的滑窗块数，对其进行划分，则得到了多块异常匹配区域，每块异常匹配区域分别与模板灰度图像中某一部位相对应。

[0037] 基于印花灰度图像中的多块异常匹配区域，且每块异常匹配区域都与模板灰度图像中的某部位相对应，对异常匹配区域及对应的模板区域进行傅里叶变换得到其频谱图，对频谱图进行比对，由于光斑仅是将某部位整体灰度表现提亮，而相应的灰度变化关系与正常的该部位灰度变化关系仍成一定比例，因此可以利用频谱图来对光照影响部位进行分析提取，并进行相应的调节变换。

[0038] 以第 个异常匹配区域为例，提取该异常匹配区域在模板灰度图像中对应的模板区域，并利用最小外接矩形框选异常匹配区域和模板区域；对提取到的第 个异常匹配区域与对应的模板区域的两个最小外接矩形作傅里叶变换得到第 个异常匹配区域的频谱图和模板区域的模板频谱图；第 个异常匹配区域对应的频谱图中第 个像素点的幅值记为 ，其对应的模板频谱图中的标准幅值记为 ，则频谱图中第 个像素点的幅值差异程度 为：

[0039]

[0040] 设频谱图中共有 个像素点，如果其是光照造成的异常匹配区域，此时各点的幅值差异程度应相当，则根据每个像素点的幅值差异程度计算幅值差异程度的方差 ；当幅值差异程度的方差小于方差阈值时，表明该块异常区域的频谱图中各点幅值差异程度相当，该块异常区域即为光照影响造成的匹配异常，则确认第 个异常匹配区域的异常原因为光照影响；当幅值差异程度的方差大于或等于方差阈值时，第 个异常匹配区域中各点幅值差异程度不同，即第 个异常匹配区域的灰度变化关系不是简单的因为光照而导致的灰度增大，其可能是模板匹配检测出的缺陷部位，也可能是在光照影响下检测的缺陷部位，则确认第 个异常匹配区域的异常原因为疑似存在缺陷。

[0041] 步骤S003，基于异常原因对应获取每个异常匹配区域的灰度变换参数，利用灰度变换参数对异常匹配区域中的灰度值进行更新，得到优化异常匹配区域；分别获取优化异常匹配区域的第一频谱图高频能量和对应模板区域的第二频谱图高频能量，当第一频谱图高频能量和第二频谱图高频能量的比值不满足比值阈值时，确认对应异常匹配区域存在缺陷。

[0042] 具体的，当异常原因为光照影响时，计算异常匹配区域中每个像素点的灰度值与其模板区域中对应位置的标准灰度值的灰度差值，计算灰度差值的均值作为对应异常匹配区域的灰度变换参数。

[0043] 作为一个示例，对于当前异常匹配区域中的第 个像素点，其灰度值记为 ，对应的模板区域中该点的标准灰度值为 ，则当前异常匹配区域的灰度变换参数 计算如下：

[0044]

[0045] 其中， 为当前异常匹配区域包含的所有像素点，

[0046] 对于整体受光照影响而灰度变大的区域，其中各点灰度增大幅度相当，取均值作为灰度变换参数，灰度值与标准灰度值的差值越大，灰度变换参数越大。

[0047] 当异常原因为疑似存在缺陷时，获取异常匹配区域中每个像素点的灰度差值的绝对值，以灰度差值的绝对值为分子、对应的灰度差值为分母得到对应的比值，计算比值的均值作为对应异常匹配区域的整体差异程度，根据整体差异程度获取灰度变换参数。

[0048] 作为一个示例，对于当前异常匹配区域中的第 个像素点，其灰度值记为 ，对应的模板区域中该点的标准灰度值为 ，计算该像素点的异常差异程度 ，则当前异常匹配区域的整体差异程度 计算如下：

[0049]

[0050] 如果 ，即当前异常匹配区域中的所有像素点的灰度值都大于模板区域中的标准灰度值，此时即为被光斑照射到的缺陷部位，提取当前异常匹配区域内 的最小值，作为当前异常匹配区域的灰度变换参数 ；当 不为1时，确认当前异常匹配区域没有缺陷。

[0051] 利用灰度变换参数对相对应的异常匹配区域中的灰度值进行更新，得到优化异常匹配区域：将异常匹配区域中每个像素点的灰度值减去对应的灰度变换参数，得到新灰度值，进而得到优化异常匹配区域。

[0052] 对每个优化异常匹配区域和对应的模板区域进行频谱图对比，以一个优化异常匹配区域为例，对于优化异常匹配区域，其中第 个点的幅值记为 ，与之对应的模板区域的模板频谱图中该点的标准幅值记为 ，该点与频谱中心点的距离为 ，则该优化异常匹配区域的第一频谱图高频能量 为：

[0053]

[0054] 式中， 为优化匹配区域对应的频谱图中高频点的个数，

[0055] 对应模板区域的模板频谱图的第二频谱图高频能量 为：

[0056]

[0057] 第一频谱图高频能量和第二频谱图高频能量的比值 ，当时，表明该优化异常匹配区域的频谱高频表现与模板区域的频谱高频部分存在一定差异，确认对应异常匹配区域中包含了部分缺陷，反之没有缺陷。

[0058] 综上所述，本发明实施例该方法获取待检测纺织品表面的印花区域图像的印花灰度图像和对应的印花模板图像的模板灰度图像；对印花灰度图像和模板灰度图像进行模板匹配，得到多个异常匹配区域，分别获取异常匹配区域和模板区域的最小外接矩形的频谱图，根据幅值差异程度确定当前异常匹配区域的异常原因；基于异常原因对应获取每个异常匹配区域的灰度变换参数，利用灰度变换参数得到优化异常匹配区域，根据优化异常匹配区域和对应模板区域的频谱图高频能量的差异，检测缺陷。本方案提高了纺织印花的缺陷检测的准确性。

[0059] 基于与上述方法相同的发明构思，本发明实施例还提供了一种纺织印花缺陷的检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种纺织印花缺陷的检测方法中任意一项所述方法的步骤。

[0060] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0061] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

[0062] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。