用于织物疵点检测的模板匹配方法和系统技术方案

本发明专利技术提供一种用于织物疵点检测的模板匹配方法和系统，模板匹配方法包括以下步骤：特征值计算步骤，对模板图像进行裁剪、分块、均衡化，再对模板图像的灰度共生矩阵特征的统计值进行计算获得模板图像的特征值；模板制作步骤，根据特征值计算步骤中获得的特征值，分块制作模板；检测图像处理步骤，在用相机拍摄检测图像之后，进行裁剪、分块、均衡化，再对检测图像的灰度共生矩阵特征的统计值进行计算获得检测图像每一块的特征值；模板匹配步骤，对于已分块的检测图像的每一块，读入该块的模板信息，将该块的特征值传入模型判断该块是否为疵点块。根据本发明专利技术，有效解决对检测图像要求质量过高的问题，实现质量稳定、检测准确、节约成本。成本。成本。

【技术实现步骤摘要】
用于织物疵点检测的模板匹配方法和系统


[0001]本专利技术涉及工业机器视觉图像处理领域，具体涉及一种用于织物疵点检测的模板匹配方法和系统。

技术介绍

[0002]纺织品视觉检测，特别是织物疵点检测，是纺织生产线全流程自动化、智能化的瓶颈工序之一，也是高端纺织品生产的重要保障。织物具有复杂的纹理，疵点特征很容易“隐藏”于纹理中无法很好识别。
[0003]在织布工厂工作环境下，特别是集成在织布机上的视觉检测系统，采集的图像易受到光照或环境光源影响，造成不同布宽处光照不匀等问题。同一批织物，其织物也因原材料、加工设备精度等影响，出现细观纹理不均匀、经纬交织点误差等问题纹理变化。
[0004]模板匹配在工业范围应用广泛，其基本原理是比较模板图像与待检测图像的相似程度。现在工业范围内使用的模板匹配方法主要包含基于灰度和基于特征两种。其中，基于灰度的模板匹配，图像尺寸可以和模板不同，应用比较广泛，但是对光照均匀度要求较高，也比较耗时且处理速度较慢。基于特征的模板匹配主要包括基于关键点、边缘和线、圆弧等基元模型的方法，不适于直接应用于纹理有变化的织物疵点检测的精度要求。
[0005]灰度共生矩阵是纹理分析的经典方法，主要方法是先统计纹理特征信息，然后根据纹理特征是否被破坏来识别疵点。但是常规的灰度共生矩阵实时性较差，且由于织物疵点特征繁多，很难直接根据统计学的纹理特征识别。
[0006]由此可见，能否基于现有技术中的不足，提供一种改进的织物疵点检测技术，有效解决现有的检测技术中对检测图像要求质量过高的问题，实现质量稳定、检测准确、节约成本，成为本领域技术人员亟待解决的技术难题。

技术实现思路

[0007]专利技术所要解决的课题
[0008]本专利技术的目的是在于克服现有技术的缺陷，提供一种用于织物疵点检测的模板匹配方法和系统，有效解决现有的检测技术中对检测图像要求质量过高的问题。
[0009]用于解决课题的方法
[0010]本专利技术第一方面涉及一种用于织物疵点检测的模板匹配方法，包括以下步骤：
[0011]特征值计算步骤，对模板图像的灰度共生矩阵特征的统计值进行计算获得模板图像的特征值；
[0012]模板制作步骤，根据特征值计算步骤中获得的特征值，分块制作模板；
[0013]检测图像处理步骤，在用相机拍摄检测图像之后，进行裁剪、分块、直方图均衡化，再对检测图像的灰度共生矩阵特征的统计值进行计算获得检测图像每一块的特征值；
[0014]模板匹配步骤，对于已分块的检测图像的每一块，读入该块的模板信息，将该块的特征值传入模型判断该块是否为疵点块。
[0015]优选地，在特征值计算步骤中，在对模板图像均衡化之后还进行灰度级压缩。
[0016]优选地，在特征值计算步骤中，在对模板图像直方图均衡化之后还进行16级压缩。
[0017]优选地，在特征值计算步骤中，采用直方图均衡化方法对增强模板图像的对比度。
[0018]优选地，在特征值计算步骤中，获得模板图像的特征值为能量、熵、对比度、同质性这四个特征值。
[0019]优选地，在模板匹配步骤中，采用均值阈值方法对疵点进行判断。
[0020]优选地，离线进行特征值计算步骤和模板制作步骤，在线进行检测图像处理步骤和模板匹配步骤。
[0021]本专利技术第二方面涉及一种用于织物疵点检测的模板匹配系统，包括：
[0022]特征值计算单元，对模板图像进行裁剪、分块、直方图均衡化，再对模板图像的灰度共生矩阵特征的统计值进行计算获得模板图像的特征值；
[0023]模板制作单元，根据特征值计算单元中获得的特征值，分块制作模板；
[0024]检测图像处理单元，在用相机拍摄检测图像之后，进行裁剪、分块、直方图均衡化，再对检测图像的灰度共生矩阵特征的统计值进行计算获得检测图像每一块的特征值；
[0025]模板匹配单元，对于已分块的检测图像的每一块，读入该块的模板信息，将该块的特征值传入模型判断该块是否为疵点块。
[0026]专利技术的效果
[0027]根据本专利技术所涉及的用于织物疵点检测的模板匹配方法和系统，有效解决了现有的检测技术中对检测图像要求质量过高的技术难题，实现质量稳定、检测准确、节约成本。
附图说明
[0028]图1为本专利技术的第一实施方式的模板匹配方法的步骤图。
[0029]图2为本专利技术的实施例中分块图像的示意图。
[0030]图3为本专利技术的实施例中特征值保存的示意图。
[0031]图4为本专利技术的实施例中特征值保存的另一个示意图。
[0032]图5为本专利技术的实施例中特征值均值保存的示意图。
[0033]图6为本专利技术的第二实施方式的模板匹配系统的示意图。
具体实施方式
[0034]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0036]图1为本专利技术的第一实施方式的模板匹配方法的步骤图。如图1所示，模板匹配方法包括以下步骤。特征值计算步骤S1，在该步骤中，对模板图像的灰度共生矩阵特征的统计值进行计算获得模板图像的特征值。模板制作步骤S2，在该步骤中，根据特征值计算步骤S1中获得的特征值，分块制作模板。检测图像处理步骤S3，在用相机拍摄检测图像之后，进行裁剪、分块、均衡化，再对检测图像的灰度共生矩阵特征的统计值进行计算获得检测图像每
一块的特征值。模板匹配步骤S4，在该步骤中，对于已分块的检测图像的每一块，读入该块的模板信息，将该块的特征值传入模型判断该块是否为疵点块。
[0037]更具体的，特征值计算步骤S1的具体执行方法如下。选择n张无疵点图像，综合光照影响因素，适当裁剪后，将图像划分为m个区域，并对每个块的图像进行直方图均衡化处理。在进行直方图均衡化之后，优选为还对图像进行灰度级压缩，为了保证精度，选择进行多级压缩，优选为选择16级压缩。以块图像为单位，计算灰度共生矩阵及其特征值。由于灰度共生矩阵的计算速度较慢，因此采用分块计算的方法。将待检测图像分为若干个正方形块，对各个块内进行灰度共生矩阵特征值的计算。接下来的操作将针对各个块。
[0038](1)优选为直方图均衡化方法对分块后的图像进行处理直方图均衡化处理，增强疵点与纹理的特征。
[0039](2)灰度共生矩阵及特征值计算
[0040]计算增强后分块图像的灰度共生矩阵与其对应的特征值。优选为选取能量、熵、对比度、同质性这四个统计量描述纹理特征。采用下述计算式对特征值进行计算，P(i，j)为灰度共生矩阵的第i行第j列的值，N
g
为压缩后的灰度级。
[0041]能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于织物疵点检测的模板匹配方法，其特征在于，包括以下步骤：特征值计算步骤，对模板图像进行裁剪、分块、均衡化，再对模板图像的灰度共生矩阵特征的统计值进行计算获得模板图像的特征值；模板制作步骤，根据特征值计算步骤中获得的特征值，分块制作模板；检测图像处理步骤，在用相机拍摄检测图像之后，进行裁剪、分块、均衡化，再对检测图像的灰度共生矩阵特征的统计值进行计算获得检测图像每一块的特征值；模板匹配步骤，对于已分块的检测图像的每一块，读入该块的模板信息，将该块的特征值传入模型判断该块是否为疵点块。2.根据权利要求1所述的用于织物疵点检测的模板匹配方法，其特征在于，在特征值计算步骤中，在对模板图像直方图均衡化之后还进行灰度级压缩。3.根据权利要求1所述的用于织物疵点检测的模板匹配方法，其特征在于，在特征值计算步骤中，采用直方图均衡化方法增强模板图像的对比度。4.根据权利要求1所述的用于织物疵点检测的模板匹配方法，其特征在于，在特征值计算...

【专利技术属性】
技术研发人员：于海燕，王生泽，王永兴，李姝佳，王浚骅，
申请(专利权)人：东华大学，
类型：发明
国别省市：