一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法
【专利摘要】本发明公开了一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法，该方法针对带有重组织的织物图像特点，在色彩模式转换的基础上，采用混合中值滤波算法滤除扫描噪声；再通过纹理抑制平滑滤波算法进行滤波，去除织物图像中的重组织阴影和同颜色纱线纹理，保留纱线颜色特征；然后提取织物图像的色差梯度，通过分水岭算法进行图像分割，获得区域标记图像；最后将颜色相近的分割区域进行合并，得到织物图像的分色索引图像；使得在平滑同颜色纱线纹理和重组织边缘阴影的同时，有效保持了不同颜色纱线的边缘，避免了高斯滤波后区域之间的边缘细节被弱化以及双边滤波将纱线纹理保留为边缘等问题。
【专利说明】一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分 割方法
【技术领域】
[0001] 本发明属于图像处理【技术领域】，具体涉及一种基于纹理抑制平滑滤波和分水岭算 法的重织物图像分割方法。
【背景技术】
[0002] 图像分割是织物图像处理与分析的基础，分割的准确性往往决定着织物图像组织 结构提取、内容分析和检索等后处理的有效性。织物重组织（backedweave)是由两组或两 组以上的经纱与一组纬纱交织，或由两组或两组以上纬纱与一组经纱交织,形成二重或二 重以上的重叠组织。重织物由不同颜色或不同原料的纱线交织而成，随着经纱或纬纱重叠 组数的变化，形成的织物色影丰富、层次多变。重织物图像不是一个理想的平面结构，扫描 获取的图像不能反映纱线的真实颜色。在扫描光照下，由于纱线呈一定的圆柱形结构，同一 纱线的中心和边缘之间存在过渡颜色；纱线之间的缝隙颜色往往偏暗，相同颜色的纱线区 域会形成一定的纹理；由于重组织区较凸起，重组织边缘会产生一定的阴影；由于扫描图 像文件往往采用有失真的JPEG压缩，不同颜色的纱线之间存在过渡色。这些因素的存在给 重织物图像分割带来了困难。
[0003] 目前，织物图像分割方法一般采用空间域方法，主要有特征聚类、基于区域的方法 以及边缘检测等。特征聚类法（文献：PanR,GaoW,LiuJ，etal.AutomaticDetection oftheLayoutofColorYarnsforYarn-dyedFabricviaaFCMAlgorithm[J]. TextileResearchJournal, 2010, 80 (12) : 1222-1231.)是一种无监督统计方法，通过迭 代提取颜色等特征。这类方法需事先确定聚类数目，由于仅根据特征的统计信息进行分 类，如采用颜色作为特征，当某种颜色频度较少时就会被其他颜色代替，造成关键细节模 糊，甚至丢失。基于区域的方法（如文献：ZHANGYang，JIANGGaoming，YA0Junzhou，et al.Multi-textureregionsegmentationofjacquardwarpknittedfabric[J].Journal ofTextileResearch, 2012, 32(12) :51-55.)，根据图像区域的同一性进行图像分割，如通 过颜色、纹理分布等特征将相似像素集合起来构成区域，分割效果依赖于区域同一性特征 的稳定性。对于重织物图像，由于纱线颜色偏差、纱线纹理以及重组织边缘阴影的存在，很 难定义图像区域的同一性准则，分割效果难以保证。边缘检测方法（如文献：JuZ，Zhou J,WangX,etal.Imagesegmentationbasedonadaptivethresholdedgedetection andmeanshift[C]//SoftwareEngineeringandServiceScience(ICSESS), 20134th IEEEInternationalConferenceon.IEEE, 2013:385-388.)，根据像素点灰度变化提取边 缘，通过检测不同区域的边缘解决图像分割问题。对于重织物图像，采用边缘检测进行图像 分割，首先需要将彩色图像转化成灰度图像，但由于颜色偏差、纱线纹理和阴影的存在，很 难提取理想的连续、闭合边缘，因而图像分割往往不准确。
【发明内容】
[0004] 针对现有技术所存在的上述技术问题，本发明提供了一种基于纹理抑制平滑滤波 和分水岭算法的重织物图像分割方法，使得在平滑同颜色纱线纹理和重组织边缘阴影的同 时，有效保持了不同颜色纱线的边缘，避免了高斯滤波后区域之间的边缘细节被弱化以及 双边滤波将纱线纹理保留为边缘等问题。
[0005] -种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法，包括如下步 骤：
[0006] (1)将重织物图像从RGB颜色模式转换为Lab颜色模式，并对得到的Lab颜色空间 图像进行混合中值滤波；
[0007] (2)对混合中值滤波后的Lab颜色空间图像进行纹理抑制平滑滤波；
[0008] (3)对纹理抑制平滑滤波后的Lab颜色空间图像进行色差梯度计算，得到对应的 梯度图像；进而对该梯度图像进行分水岭分割，得到n个区块并对这些区块进行标记，n个 区块对应标记值为1?n，区块之间的分水线统一标记为0 ;
[0009] (4)根据色差将分水线上的像素合并归类于各区块；
[0010] (5)根据色差对各区块进行合并，得到重织物图像分割后的索引图像。
[0011] 所述的步骤（1)中将织物图像从RGB颜色模式转换为Lab颜色模式的过程如下：
[0012]首先，根据以下算式将织物图像从RGB颜色模式转换为XYZ颜色模式；
【权利要求】
1. 一种基于纹理抑制平滑滤波和分水岭算法的重织物图像分割方法，包括如下步骤： (1) 将重织物图像从RGB颜色模式转换为Lab颜色模式，并对得到的Lab颜色空间图像 进行混合中值滤波； (2) 对混合中值滤波后的Lab颜色空间图像进行纹理抑制平滑滤波； (3) 对纹理抑制平滑滤波后的Lab颜色空间图像进行色差梯度计算，得到对应的梯度 图像；进而对该梯度图像进行分水岭分割，得到n个区块并对这些区块进行标记，n个区块 对应标记值为1?n，区块之间的分水线统一标记为0 ; (4) 根据色差将分水线上的像素合并归类于各区块； (5) 根据色差对各区块进行合并，得到重织物图像分割后的索引图像。
2. 根据权利要求1所述的重织物图像分割方法，其特征在于：所述的步骤（1)中将织 物图像从RGB颜色模式转换为Lab颜色模式的过程如下： 首先，根据以下算式将织物图像从RGB颜色模式转换为XYZ颜色模式；
其中：对于织物图像中任一像素，R、G和B分别为该像素在RGB色彩空间中红、绿和蓝 三个分量上的亮度值；X、Y和Z分别为该像素在XYZ色彩空间中的三个刺激值； 然后，根据以下算式将织物图像从XYZ颜色模式转换为Lab颜色模式；
a= 500*(f(X/Xn)-f(Y/Yn)) b= 200*(f(Y/Yn)-f(Z/Zn)) 其中：Xn、￥"和211分别为参考色白在XYZ色彩空间中的三个刺激值，L、a和b分别为 像素在Lab色彩空间中亮度、洋红色至绿色范围和黄色至蓝色范围三个分量上的颜色值； f(t)为中间函数，t为函数变量，其表达式如下：
3. 根据权利要求1所述的重织物图像分割方法，其特征在于：所述的步骤⑴中对Lab 颜色空间图像进行混合中值滤波的具体方法为：对于Lab色彩空间中任一分量上的颜色 值，首先计算图像中当前像素与其上下左右四个像素在该分量上所有颜色值的中间值氏； 然后，计算当前像素与其左上、右上、左下和右下四个像素在该分量上所有颜色值的中间值 H2 ;最后，取当前像素在该分量上的颜色值以及氏和H2三个值的中间值作为当前像素在该 分量上混合中值滤波后的颜色值；依此遍历图像中所有像素及所有分量。
4. 根据权利要求1所述的重织物图像分割方法，其特征在于：所述的步骤⑵中对混 合中值滤波后的Lab颜色空间图像进行纹理抑制平滑滤波的具体方法为：对于Lab色彩空 间中任一分量上的颜色值，根据以下算式对图像中当前像素在该分量上的颜色值进行纹理 抑制平滑滤波，并依此遍历图像中所有像素及所有分量；
其中Jf为当前像素在该分量上纹理抑制平滑滤波后的颜色值，Ip为当前像素周围八 个像素中第P个像素在该分量上混合中值滤波后的颜色值，Ls、as和bs分别为当前像素在 Lab色彩空间中亮度、洋红色至绿色范围和黄色至蓝色范围三个分量上混合中值滤波后的 颜色值，Lp、ap和bp分别为所述的第p个像素在Lab色彩空间中亮度、洋红色至绿色范围和 黄色至蓝色范围三个分量上混合中值滤波后的颜色值，0g和0h均为高斯分布参数，th为 预设的邻域梯度阈值，Lq为所述的第p个像素周围八个像素中第q个像素在Lab色彩空间 中亮度分量上混合中值滤波后的颜色值。
5. 根据权利要求1所述的重织物图像分割方法，其特征在于：所述的步骤⑶中对纹 理抑制平滑滤波后的Lab颜色空间图像进行色差梯度计算的具体方法为：根据以下算式计 算图像中当前像素的色差梯度，并依此遍历图像中所有像素；
其中：D(f)为当前像素的色差梯度，Lf、&{和bf分别为当前像素在Lab色彩空间中亮 度、洋红色至绿色范围和黄色至蓝色范围三个分量上纹理抑制平滑滤波后的颜色值，Q、％ 和4分别为当前像素周围上下左右四个像素中第i个像素在Lab色彩空间中亮度、洋红色 至绿色范围和黄色至蓝色范围三个分量上纹理抑制平滑滤波后的颜色值。
6. 根据权利要求1所述的重织物图像分割方法，其特征在于：所述的步骤（4)中将分 水线上的像素合并归类于各区块的方法为：对于分水线上的当前像素，根据以下算式计算 其与周围上下左右四个像素的色差，并将其归为色差最小的像素所属的区块；
其中：L^a。和b。分别为当前像素在Lab色彩空间中亮度、洋红色至绿色范围和黄色至 蓝色范围三个分量上纹理抑制平滑滤波后的颜色值，Lj、a」和bj分别为当前像素周围上下 左右四个像素中第j个像素在Lab色彩空间中亮度、洋红色至绿色范围和黄色至蓝色范围 三个分量上纹理抑制平滑滤波后的颜色值，AE(j，〇)为当前像素与所述的第j个像素的色 差。
7. 根据权利要求1所述的重织物图像分割方法，其特征在于：所述的步骤（5)中对各 区块进行合并的过程如下： 首先，将各区块从Lab颜色模式转换为RGB颜色模式，并计算区块内所有像素R、G、B分 量上的平均值作为区块的RGB索引颜色信息； 然后，将各区块的RGB索引颜色信息转换为Lab索引颜色信息； 最后，对于任一区块，根据Lab索引颜色信息计算其与其他所有区块的色差，并将色差 小于阈值的两个区块合并成同一类区块，以得到重织物图像分割后的索引图像。
8. 根据权利要求7所述的重织物图像分割方法，其特征在于：根据以下算式将各区块 从Lab颜色模式转换为RGB颜色模式：
P= (Lt+16)/116 其中：Lt、at和bt分别为区块中任一像素在Lab色彩空间中亮度、洋红色至绿色范围和 黄色至蓝色范围三个分量上纹理抑制平滑滤波后的颜色值，Xn、￥"和Zn分别为参考色白在 XYZ色彩空间中的三个刺激值，Rt、Gt和Bt分别为区块中任一像素在RGB色彩空间中红、绿 和蓝三个分量上的亮度值。
9. 根据权利要求7所述的重织物图像分割方法，其特征在于：根据以下算式将各区块 的RGB索引颜色信息转换为Lab索引颜色信息：
ak = 500*(f(Xk/Xn)-f(Yk/Yn)) bk = 200*(f(Yk/Yn)-f(Zk/Zn))
其中：Xn、Yn和Zn分别为参考色白在XYZ色彩空间中的三个刺激值，Rk、Gk和Bk分别为区 块RGB索引颜色信息中对应红、绿和蓝三个分量上的亮度值，Lk、ak和bk分别为区块Lab索 引颜色信息中对应亮度、洋红色至绿色范围和黄色至蓝色范围三个分量上的颜色值；f(t) 为中间函数，t为函数变量。
【文档编号】G06T7/00GK104408714SQ201410658317
【公开日】2015年3月11日 申请日期:2014年11月17日 优先权日:2014年11月17日
【发明者】张华熊, 康锋, 胡洁, 屠永坚, 张 诚 申请人:浙江理工大学, 浙江巴贝领带有限公司