基于图像技术的木材纹理提取及分类方法技术

本发明专利技术涉及木材纹理分类技术领域，公开了基于图像技术的木材纹理提取及分类方法，首先利用工业摄像机在良好的光照环境下对木材进行采集并进行背景去除及转灰度图像；其次，利用灰度图像做滤波及压缩处理，进而对图像做差分并进行二值化操作，并对二值化后的图像执行去除小对象及形态学闭运算操作。最后，对图像中的纹理进行特征值的计算，利用所得出的特征值进行逻辑判断得出纹理分类结果，这种方法解决了利用统计学方法所进行的纹理分类准确度不高的难题，本发明专利技术能够有效加快分类速度及准确性。确性。确性。

【技术实现步骤摘要】
基于图像技术的木材纹理提取及分类方法


[0001]本专利技术涉及木材纹理分类
，特别涉及基于图像技术的木材纹理提取及分类方法。

技术介绍

[0002]在工厂加工中，一批切割好的木材往往有许多不同的纹理，在拼接时极其破坏美感，若能将相似纹理的木材进行组合拼接，可提高所拼成木板的成品等级，增加经济效益。
[0003]如何对木材纹理进行描述和表征，是木材纹理分类的主要研究内容之一。但遗憾的是，到目前为止对木材的纹理还没有明确的行业标准和国家标准，主要是木材生长受环境条件的影响，使其纹理随机生长、无规律。
[0004]在图像
中，描述纹理特征及纹理分类的方法有不少，主要难度在于纹理提取不完整或失真，纹理分类准确率不高，另外，基于计算机视觉的纹理提取及分类方法还受相机参数、外部光线等影响，需要繁杂的调参过程。
[0005]因为外部环境的影响，木材表面会存在噪点等干扰，若不去除外部因素的干扰，那么所提取的纹理特征很难表征木材的纹理属性。
[0006]罗微等采用对比度、方差和、二阶角矩、长行程加重因子、分形维数、小波水平能量分布比重这六个特征参数进行纹理相似度的匹配，但这种利用统计值来进行的纹理分类精度不高。

技术实现思路

[0007]本专利技术提供基于图像技术的木材纹理提取及分类方法，该方法主要克服利用统计学方法所提取的纹理特征匹配度不高或算法时间长的问题，将预处理后的图片进行灰度处理后，从视觉角度出发提取并对纹理进行分类。该方法只需在稳定的拍摄条件下，即可实现木材纹理的提取及分类，能够有效加快分类速度及准确性。
[0008]本专利技术提供了基于图像技术的木材纹理提取及分类方法，包括以下步骤：
[0009]S1、采集木材图像数据；
[0010]S2、对木材图像数据进行图像预处理，去除木材图像数据中的背景数据；
[0011]S3、对图像预处理后的木材图像数据进行灰度处理，获得灰度图像数据；
[0012]S4、对灰度图像数据进行二维中值滤波；
[0013]S5、对滤波后的灰度图像数据进行压缩处理，用于连接散乱纹理，凸显主要纹理；
[0014]S6、设定差分的间隔参数、色差的阈值参数和纹理灰度阈值参数；
[0015]S7、对压缩处理后的灰度图像数据根据设定差分的间隔参数、色差的阈值参数和纹理灰度阈值参数进行差分处理和二值化处理，提取出木材纹理的二值图像数据；
[0016]S8、对木材纹理的二值图像数据进行去除小对象处理，将不符合要求的小对象进行剔除；
[0017]S9、对去除小对象处理后的木材纹理的二值图像数据进行闭运算处理，获得木材
纹理图像数据中每单条连通纹理轮廓的外接矩形；
[0018]S10、根据每单条连通纹理轮廓的外接矩形，计算特征参数HL；
[0019]S11、根据特征参数HL对木材整体的纹理特征进行纹理分类。
[0020]进一步地，所述步骤S2中的图像预处理的具体方法包括：
[0021]S21、利用Otsu算法计算灰度最佳阈值，根据最佳阈值将木材图像数据分为两类；
[0022]S22、利用霍夫变换，将倾斜的木材图像数据摆正；
[0023]S23、将摆正后的木材图像数据利用Otsu算法进行二值化，生成二值矩阵，二值矩阵中数字1代表木材，0代表背景；
[0024]S24、对生成的二值矩阵依次从上至下进行每行求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材上边界；
[0025]S25、对生成的二值矩阵依次从下至上进行每行求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材下边界；
[0026]S26、对生成的二值矩阵依次从左至右进行每列求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材左边界；
[0027]S27、对生成的二值矩阵依次从右至左进行每列求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材右边界；
[0028]S28、利用木材上边界、木材下边界、木材左边界和木材右边界四个边界截取木材，去除木材图像数据中的背景。
[0029]进一步地，所述步骤S3中灰度处理的方法为：对木材图像数据进行降维，对降维后的木材图像数据进行灰度转换，灰度转换公式为：0.299*R+0.587*G+0.114*B，其中R、G、B分别对应红色、绿色、蓝色三个通道图像的亮度。
[0030]进一步地，所述步骤S4中滤波的滤波器尺寸为8
×
8。
[0031]进一步地，所述步骤S7中差分处理的方法为：
[0032]S71、灰度矩阵中以1为行、列的循环下标，HS、LS为行、列的循环上标，按从上到下，从左到右的顺序，分别与其下、右方以所设间隔参数为步长做灰度值的差，其中，HS为矩阵行数减去所设间隔参数所得出的数值大小，LS为矩阵列数减去所设间隔参数所得出的数值大小；
[0033]S72、若每次做差所得的两个数值中有一个差的绝对值大小大于所设定的色差的阈值参数，且做差的两者灰度值均小于所设定的纹理灰度阈值参数，则将做差两点中灰度值小的点标记为1，否则记为0，由此输出一个二值化矩阵及得到相应的二值化图像。
[0034]进一步地，所述步骤S10中计算特征参数HL的具体步骤如下：
[0035]S101、计算图像中所有纹理外接矩形的长宽之比，对纹理外接矩形中长大于长度阈值L，宽大于宽度阈值K的纹理进行下列计算；
[0036]S102、若某条纹理外接矩形的宽大于M倍的矩阵列数并向下取整，且长宽比小于长宽比阈值W，则记HL+1，特征参数HL的初始值为0；
[0037]S103、计算所有纹理外接矩形的长宽比平均值P。
[0038]进一步地，所述步骤S11中纹理分类的具体步骤如下：
[0039]S111、若所有纹理外接矩形的长宽比集合为空集，则将木材纹理视为直纹理；
[0040]S112：若HL>0或长宽比平均值小于长宽比的平均值阈值PX，木材纹理视为山纹理；
[0041]S113：若木材未被分类成山纹理，则将木材纹理视为直纹理。
[0042]进一步地，所述步骤S1采集木材图像数据是采用分辨率为1920
×
1080的工业相机进行图片拍摄采集。
[0043]进一步地，所述步骤S6设定差分的间隔参数为C，C为图像矩阵列数N的F倍，并向上取整，色差的阈值参数设置为S、纹理灰度阈值设置为H，即C＝N*F。
[0044]进一步地，所述步骤S7提取出木材纹理的二值图像数据的方法为：通过将差分后数值大于设定色差阈值的位置并结合此位置的灰度值做二值化处理，得到木材纹理的二值图像数据。
[0045]与现有技术相比，本专利技术的有益效果在于：
[0046]本专利技术首先通过采集木材图像数据并进行背景去除及转灰度图像；其次，利用灰度图像做滤波及压缩处理，进而对图像做差分并进行二值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像技术的木材纹理提取及分类方法，其特征在于，包括以下步骤：S1、采集木材图像数据；S2、对木材图像数据进行图像预处理，去除木材图像数据中的背景数据；S3、对图像预处理后的木材图像数据进行灰度处理，获得灰度图像数据；S4、对灰度图像数据进行二维中值滤波；S5、对滤波后的灰度图像数据进行压缩处理，用于连接散乱纹理，凸显主要纹理；S6、设定差分的间隔参数、色差的阈值参数和纹理灰度阈值参数；S7、对压缩处理后的灰度图像数据根据设定差分的间隔参数、色差的阈值参数和纹理灰度阈值参数进行差分处理和二值化处理，提取出木材纹理的二值图像数据；S8、对木材纹理的二值图像数据进行去除小对象处理，将不符合要求的小对象进行剔除；S9、对去除小对象处理后的木材纹理的二值图像数据进行闭运算处理，获得木材纹理图像数据中每单条连通纹理轮廓的外接矩形；S10、根据每单条连通纹理轮廓的外接矩形，计算特征参数HL；S11、根据特征参数HL对木材整体的纹理特征进行纹理分类。2.如权利要求1所述的基于图像技术的木材纹理提取及分类方法，其特征在于，所述步骤S2中的图像预处理的具体方法包括：S21、利用Otsu算法计算灰度最佳阈值，根据最佳阈值将木材图像数据分为两类；S22、利用霍夫变换，将倾斜的木材图像数据摆正；S23、将摆正后的木材图像数据利用Otsu算法进行二值化，生成二值矩阵，二值矩阵中数字1代表木材，0代表背景；S24、对生成的二值矩阵依次从上至下进行每行求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材上边界；S25、对生成的二值矩阵依次从下至上进行每行求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材下边界；S26、对生成的二值矩阵依次从左至右进行每列求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材左边界；S27、对生成的二值矩阵依次从右至左进行每列求和，当求和所得值大于0.15倍的矩阵列数时，标记此位置为木材右边界；S28、利用木材上边界、木材下边界、木材左边界和木材右边界四个边界截取木材，去除木材图像数据中的背景。3.如权利要求1所述的基于图像技术的木材纹理提取及分类方法，其特征在于，所述步骤S3中灰度处理的方法为：对木材图像数据进行降维，对降维后的木材图像数据进行灰度转换，灰度转换公式为：0.299*R+0.587*G+0.114*B，其中R、G、B分别对应红色、绿色、蓝色三个通道图像的亮度。4.如权利要求1所述的基于图像技术的...

【专利技术属性】
技术研发人员：凌巍炜，刘晨禄，谢良金，罗文强，占志良，肖文博，郭兴隆，
申请(专利权)人：江西应用技术职业学院，
类型：发明
国别省市：