汪亚明, 崔新辉, 韩永华

(浙江理工大学 信息学院, 杭州 310018)



基于小波变换及Gabor滤波的起毛起球图像分割

汪亚明, 崔新辉, 韩永华

(浙江理工大学 信息学院, 杭州 310018)

摘要:针对目前织物起毛起球等级评定方法不能有效实现毛球、纹理有效分离,或虽能分离但对光照不匀敏感的问题,提出小波变换和Gabor滤波相结合的方法进行图像分割。根据织物起毛起球图像噪声特点,利用小波变换的多分辨率特性去除光照不匀、织物不平产生的低频噪声和织物绒毛等引起的高频噪声；然后根据织物纹理的周期性和方向性,通过Gabor滤波去除织物纹理噪声,并使用Otsu算法对去噪后图像进行二值分割。实验结果表明,该方法能够有效实现织物起毛起球图像的去噪处理,得到准确的织物毛球分割图像。

关键词:起毛起球; 图像分割; 小波变换; Gabor滤波; 阈值分割; 织物

织物起毛起球是指在穿着和洗涤过程中,由于反复摩擦产生毛球颗粒的现象。这不仅会降低织物服用性能,也会影响织物外观,因此织物起毛起球等级评定是纺织品检验的重要组成部分。传统的标准样照对比法依赖人工操作,具有主观性。随着计算机图像处理技术在纺织行业的广泛应用,出现了客观的基于计算机图像处理的自动评定技术。

在织物起毛起球等级评定中,织物毛球信息是构成等级评定指标的依据。要获得织物毛球信息,需对织物起毛起球图像进行图像分割。目前常用的织物图像分割方法大致分为两类：一类在空间域内直接利用颜色信息来完成织物毛球提取,这种方法对高频噪声和织物纹理敏感[1-2]；另一类在频域内实现织物毛球的分割处理。周圆圆等[3]、曹飞等[4]、Kim等[5]利用织物纹理的周期性,采用傅里叶变换将织物起毛起球图像变换至频域,在频域内完成织物图像分割,但只有表达变化性强的全局周期信息才能体现在频谱图中,因此会存在非周期噪声不能滤除等弊端；高卫东等[6]采用Gabor滤波器进行织物起毛起球图像纹理去除,未考虑光照不匀等非周期噪声影响；还有一些研究者[7-9]采用小波变换进行织物图像去噪,小波变换既能体现频率信息又能体现空间域信息,但由于织物毛球大小不均和织物纹理粗糙度不同,可能会造成小波分解中毛球层的定位不准确,导致毛球信息丢失。基于目前已出现的基于图像处理的织物图像分割方法的缺点,本文提出了使用小波变换和Gabor滤波相结合的方法实现织物起毛起球图像去噪,进而利用Otsu阈值分割算法实现织物毛球特征的提取。

1　织物图像噪声滤除

为有效提取织物毛球信息,必须去除织物噪声。织物起毛起球图像中的噪声主要包括光照不匀、织物不平和织物绒毛引起的噪声,以及织物纹理背景。根据织物图像噪声的不同特点,本文采用不同的方法分别对噪声进行去除。光照不匀、织物不平和织物绒毛产生的噪声和织物毛球的频率有很大不同,因此利用小波的多分辨率分解特性进行去噪处理；织物纹理具有周期性,是由周期性的结构基元组成,同时具有明显的方向性,这些性质都与Gabor变换的参数选择对应,故可采用Gabor变换滤除织物纹理。在织物噪声滤除流程中,基于Gabor滤波器对光照不匀敏感的特性,本文选择先进行小波去噪,再进行织物纹理的滤除。

1.1Mallat小波去噪

光照不均、织物不平及织物绒毛等引起的噪声和织物毛球所产生的频率不同,利用小波的多分辨率(multi-resolution)的特性,使用Mallat算法对织物图像进行频率分层,在图像重构时去除织物噪声频率信息。Mallat算法是一种小波快速算法,它从空间的概念上表示小波的多分辨率特性[10]。随着尺度由大到小变化,在各尺度上可以由粗到细地观察图像的不同特征。在大尺度时,观察图像的轮廓,在小尺度的空间里,观察图像的细节。

对图像进行小波分解时,分解层次越多,低频图像表示的信息越少,高频图像表示的信息越多。为保证程序运行速度及小波分解的准确性,经过翻阅多篇文章及多次实验验证,本文选择的分解层次N为7。使用Mallat算法对机织物3级织物起毛起球标准样照进行小波7级分解,结果如图1(b)所示。其中,织物绒毛和其他一些高频噪声处于小波分解的较高频率层,出现在小波分解的第一层和第二层的子图像中；光照不匀、织物不平产生的噪声主要为低频噪声,在第7层的近似层[11]。要去除这些噪声,需要在小波重构过程中,将噪声所在频率层对应频率系数置零。以3级织物起毛起球图像为例,从图1(c)和图1(a)的比较中,可以明显看出光照不匀产生的噪声被去除。

图1　小波去噪结果Fig.1　The results of wavelet denoising

1.2Gabor变换滤除织物纹理

Gabor变换最早由Gabor在1946年提出,实质上是一种加窗傅里叶变换,其中窗函数为高斯函数。在加窗傅里叶变换中,窗函数可以通过移动窗口的中心来获得不同位置的空间域信息,使得信号具有时域局部性,同时由于高斯函数在经过傅里叶变换以后仍然是高斯函数,因此使得Gabor变换同时具有频域局部性。

二维Gabor变换具有在空间域和频率域同时取得最优局部化的特性,这与人类生物视觉特性很相似,因此能够很好地描述对应于空间频率(尺度)、空间位置及方向选择性的局部结构信息。在实际应用中,用Gabor函数形成的二维Gabor滤波器可以在频域的不同尺度,不同方向上提取相关特征。Gabor滤波器处理织物图像时,织物纹理频率和滤波器覆盖部分的频率越接近产生的响应越大,反之就越小。与有一定周期和方向的织物纹理不同,织物毛球是不规则的,因此采用Gabor滤波滤除纹理时,毛球信息被有效保留下来。本文采用偶对称二维Gabor滤波器,表达式如下式所示。

u=xcosθ+ysinθ

v=-ysinθ+xcosθ

(1)

式中：θ为角度,表示滤波器的方向；δu、δv分别为高斯包络在x、y轴的标准差,其中u平行于θ,v轴垂直于θ,ω则表示频率。

考虑到织物纹理的一般朝向,公式(1)中的θ分别依次取0、π/4、π/2、3π/4,针对针织物,频率ω取0.4,δu和δv分别取2和4。采用上述参数,应用公式(1)对图1(c)进行滤波,得到的结果如图2(a)所示。从图2(a)看出,通过Gabor滤波,织物纹理被有效地去除。

图2　Gabor滤波结果Fig.2　The results of Gabor filter

已有的基于Gabor滤波的织物图像分割方法未考虑光照不匀等噪声影响,仅采用Gabor变换对织物起毛起球图像进行纹理去除处理。实验证明,此方法仅适用于处理光照不匀不明显的织物起毛起球图像。以本文所用的如图1(a)所示的3级织物起毛起球标准样照图像为例,仅采用Gabor滤波去除织物纹理的效果如图2(b)所示。与先进行小波去噪再进行Gabor滤波的结果图2(a)相比,图2(b)中有明显的光照不匀、纹理去除不干净等现象,这就导致了后续织物图像分割的不准确。图3(b)是对图2(b)进行图像分割后的二值图像,可以看出织物毛球没有被有效提取出来。

在实际织物起毛起球图像的采集过程中,不可避免地会受到光照不均等产生的噪声影响,为更有效准确地提取织物毛球信息,在使用Gabor变换滤除织物纹理之前使用Mallat小波算法对织物起毛起球图像进行相关的低频和高频噪声的去除是非常必要的。

2　织物图像分割结果与讨论

2.1织物图像分割结果

经过上述一系列的噪声去除处理后,织物起毛起球图像噪声被滤除,织物毛球与织物背景的灰度差异变大,极大方便了织物图像的分割工作。由于织物毛球与背景的灰度差异,可通过确定一个合适的阈值将毛球和背景分开。高于阈值的像素确定为毛球,低于阈值的像素确定为背景。本文选择一种发展成熟的自适应的阈值分割方法——Otsu算法,又叫大津法或最大类间方差法[12]。

Otsu分割后如图3(a)所示,可以看出,阈值分割将一些小的绒毛也判断为毛球,因此在阈值分割后,对图像进行形态学滤波,先腐蚀去除小的绒毛噪声,再膨胀修复因腐蚀损失的毛球信息,得到仅含有毛球的图像,如图3(c)。从图3(c)和原图像观察对比可以看出,织物毛球基本被提取出来。

图3　织物起毛起球图像分割Fig.3　The image segmentation of fabric pilling

2.2分割效果对比及讨论

与基于Gabor滤波的图像分割结果(图3(b))相比,本文提出的基于小波变换与Gabor滤波相结合的方法分割结果,(如图3(c))更能有效准确地提取织物毛起球特征。在实验所用的50幅织物标准样照中,有12幅具明显光照不匀的现象。在处理其余38幅图像时,仅用Gabor滤波方法和本文提出的方法都可以有效去除织物噪声得到织物毛球,而对于这12幅具有明显光照不匀的织物标准样照,已有的Gabor滤波无法准确地分割出织物毛球,因此本文提出的小波变换和Gabor滤波相结合的方法比直接采用Gabor滤波方法的织物图像分割正确率高出24%。

3　结　论

本文利用扫描仪采集1～5级织物起毛起球图像,以Matlab 7.11.0为分析工具完成织物图像分割,实现了织物毛球特征提取。小波变换和Gabor滤波相结合的方法有效地滤除包括织物纹理、光照不匀、织物不平等引起的织物噪声,同时增强了织物毛球信息,得到灰度差异大的织物毛球图；Otsu阈值分割和形态学滤波能够对毛球进行准确有效的提取,真实地反映毛球的实际状态。实际织物的分析结果表明,本文提出的织物起毛起球图像分割方法能准确地提取织物毛球信息,将更有利于织物起毛起球等级的客观评定。

参考文献：

[1]陈霞,李立轻.图像处理技术在评估织物起球等级上的应用[J].纺织导报,2005(2):82-85.

CHEN Xia, LI Liqing.Evaluation of fabric pilling grade by using image processing technology[J].China Textile Leader, 2005(2):82-85.

[2]蔡林莉,黄志威,叶春收,等.基于图像处理的粗梳毛织物起毛起球等级客观评定[J].毛纺科技,2013,41(2):58-61.

CAI Linli, HUANG Zhiwei, YE Chunshou, et al.Research on objective evaluation of fabric spray test based on image processing[J].Wool Textile Journal, 2013(2):58-61.

[3]周圆圆,潘如如,高卫东,等.基于标准样照与图像分析的织物起毛起球评等方法[J].纺织学报,2010(10):29-33.

ZHOU Yuanyuan, PAN Ruru, GAO Weidong, et al.Evaluation of fabric pilling based on standard images and image analysis[J].Journal of Textile Research, 2010, 31(10):29-33.

[4]曹飞,汪军,陈霞.织物起球标准样照的图像分析[J].东华大学学报(自然科学版),2007,33(6):751-755.

CAO Fei, WANG Jun, CHEN Xia.The image analysis of the pilling fabric standard photos[J].Journal of Donghua University (Natural Science Edition), 2007, 33(6):751-755.

[5]KIM S M, PPAR C K.Evaluation of fabric pilling using hybrid imaging methods[J].Fibers and Polymers, 2006, 7(1):57-61.

[6]高卫东.基于图像分析的织物起毛起球自动评级研究[D].上海:东华大学,2011:71-89.

GAO Weidong.Automatic Grade Evaluation Research for Fabric Pilling Based on Image Analysis[D].Shanghai:Donghua University, 2011:71-89.

[7]韩永华,汪亚明,康锋,等.基于频率信息的织物起毛起球等级检测[J].丝绸,2013,50(3):35-38.

HAN Yonghua, WANG Yaming, KANG Feng, et al.Evaluation of fabric pilling based on frequency information[J].Journal of Silk, 2013, 50(3):35-38.

[8]刘菁.小波分析在织物起毛起球客观评级中的应用[J].武汉科技学院学报,2009,22(4):7-10.

LIU Jing.The objective grading of fabric pilling based on wavelet analysis[J].Journal of Wuhan University of Science and Engineering, 2009, 22(4):7-10.

[9]王静,孙浩然,邓中民.基于小波分析的织物起毛起球评价[J].轻纺工业与技术,2013(2):19-20.

WANG Jing, SUN Haoran, DENG Zhongmin.Evaluation of fabric pilling based on wavelet analysis[J].Light and Textile Industry and Technology, 2013(2):19-20.

[10]周凯,吴旦.基于多分辨率分析的Mallat算法研究[J].软件导刊,2008,7(10):54-55.

ZHOU Kai, WU Dan.Research of Mallat algorithm based on multi-resolution analysis[J].Software Guide, 2008, 7(10):54-55.

[11]DENG Z, WANG L, WANG X.An integrated method of feature extraction and objective evaluation of fabric pilling[J].The Journal of The Textile Institute, 2011, 102(1):1-13.

[12]李梅,胡敏.基于Otsu算法的图像分割研究[D].合肥:合肥工业大学,2011:16-19.

LI Mei, HU Min.Research of Image Segmentation Based on Otsu Algorithm[D].Hefei:Hefei University of Technology, 2011:16-19.

DOI:10.3969/j.issn.1001-7003.2016.03.007

收稿日期:2015-10-23; 修回日期:2016-01-02

基金项目:国家自然科学基金项目(61272311)；浙江省自然科学基金重点项目(LZ15F020004)；机械工程浙江省高校重中之重学科和浙江理工大学重点实验室优秀青年人才培养基金项目(ZSTUME01B17)；计算机应用技术重点学科研究生创新研究项目(XDY14003)；浙江理工大学科研启动基金项目(13032156-Y)

作者简介:汪亚明(1972),男,教授,主要从事计算机视觉与模式识别的研究。

中图分类号:TS101.91

文献标志码:A

文章编号:1001-7003(2016)03-0037-04引用页码:031107

Fabric pilling image segmentation based on wavelet transform and Gabor filter

WANG Yaming, CUI Xinhui, HAN Yonghua

(School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China)

Abstract:Current pilling grading methods can not realize effective separation of pilling and texture, even though separation can be achieved, it is sensitive to uneven illumination.Thus, this paper proposes the combination of wavelet transform and Gabor filter for image segmentation.According to the characteristics of fabric pilling image noise, this paper utilizes multiresolution feature of wavelet transform to eliminate low-frequency noise caused by uneven illumination and uneven fabric and high-frequency noise caused by fabric fluff.Then, according to periodicity and direction of fabric texture, Gabor filter is applied to eliminate fabric texture noise.Meanwhile, Otsu algorithm is used for denoised binary image segmentation.The results show that this method can effectively achieve de-noising treatment of fabric pilling, and the accurate pilling segmentation image is gained.

Key words:pilling; image segmentation; wavelet transform; Gabor filter; threshold segmentation; fabrics