解祥新，江小静，刘琴琴，魏 燕

(南通理工学院，江苏 南通 226002)

0 引言

基于阈值分割的布匹疵点检测算法可以大致分为以下几个步骤，首先对采集到的布匹图像进行降噪，消除无关信息，增强细节对比度等[1]，再利用阈值分割算法进行图像分割，最后将得到的分割后的图像进行疵点分类等后续处理。在实际生产中，疵点类型主要以破洞、断经为主[2]，因此本文中所检测的疵点类型基本为破洞、断经。

1 改进最大类间方差法

OTSU全称最大类间方差法，该方法将待检测样本的前景和背景分离开来。本文将素色布匹的正常底纹看作背景，把待检测素色布匹的瑕疵区域看作前景。通过OTSU阈值分割算法把素色布匹瑕疵区域和标准纹理背景信息进行解耦[3]，得出的最佳阈值将布匹瑕疵与纹理背景分割开来，实现瑕疵检测。

最大类间方差算法具有检测周期短和运算速度快等优点[4]，可以满足工业现场的实时检测要求。

传统最大类间方差算法原理：假定待检测的素色布匹图像共有L个灰度级，nq是灰度级为q的像素点个数，则图像灰度级的概率Pq如下式：

(1)

K级灰度以下像素的灰度概率均值和累积值分别是ωk和μk，如式(2)和式(4)所示：

(2)

ω(L-1)=1

(3)

(4)

假设按照灰度阈值T把待检测素色布匹样本图像分为布匹正常底纹和表面瑕疵区域两类：C0类(灰度级为从0到T)，C1类(灰度级为从T+1到L-1)。则C0类和C1类两类的概率公式为式(5)和式(6)所示：

(5)

(6)

两类的均值可以用式(7)和式(8)表示：

(7)

(8)

对于整个图像来说，其灰度均值为式(9)：

μ=μ0ω0+μ1ω1

(9)

(10)

传统的最大类间方差法的缺点：