一种基于有无纹理分类的布匹色差检测方法

1.本发明涉及色差检测技术领域，特别涉及一种基于有无纹理分类的布匹色差检测方法。


背景技术：

2.布匹的颜色是布匹生产过程中重要的评价指标之一，它直接关系到布匹的品质、等级和价格。由于生产线上诸多复杂因素的影响，产品颜色很难与标准样品颜色保持一致，存在一定差异，因此，在实际生产中，将待检测布匹颜色与标样布匹颜色进行对比，使得布匹色差控制在可接受的范围之内，是很有必要的。
3.传统的布匹色差检测主要是通过工人人眼检测，主观性强、检测精度低，尤其是带有纹理的布匹，无法保证色差检测的有效性。
4.为此，如何提供一种检测精度高，能够有效保证布匹色差检测有效性的基于有无纹理分类的布匹色差检测方法是本领域技术人员亟需解决的问题。


技术实现要素：

5.有鉴于此，本发明提出了一种基于有无纹理分类的布匹色差检测方法。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种基于有无纹理分类的布匹色差检测方法，包括：
8.步骤(1)：采用otsu阈值自适应算法，对标样布匹和待检测布匹进行有无纹理的分类。
9.步骤(2)：将无纹理布匹的当前颜色模型分别转化为hsv颜色模型进行hsv圆锥距离色差计算得到第一颜色差值以及clelab颜色模型进行clede2000色差计算得到第二颜色差值，进行第一综合加权，确定无纹理布匹的色差检测结果。
10.步骤(3)：通过改进的模糊c均值聚类算法提取有纹理布匹的主导色和纹理色，应用步骤(2)分别计算主导色和纹理色的颜色差值，进行第二综合加权，确定有纹理布匹的色差检测结果。
11.可选的，步骤(1)中，采用otsu阈值自适应算法进行有无纹理的分类，具体为：
12.在利用方向匹配滤波器进行图像卷积后，采取otsu阈值自适应算法对卷积结果进行二值化，从而判别布匹有无纹理。
13.可选的，步骤(2)中，hsv圆锥距离色差计算，具体为：
[0014][0015]
其中，r为圆锥的半径；h为圆锥的高；h为hsv图像中的色调值；s为hsv图像中的饱和度值；v为hsv图像中的亮度值；x、y和z分别为hsv圆锥距离三维坐标；其中，i取1计算得到hsv颜色模型无纹理标样布匹图像的hsv圆锥距离三维坐标，i取2计算得到hsv颜色模型无
纹理待检测布匹图像的hsv圆锥距离三维坐标。
[0016]
采用如下式，计算hsv圆锥距离色差：
[0017][0018]
其中，d为hsv圆锥距离色差。
[0019]
可选的，步骤(2)中，clede2000色差计算，具体为：
[0020][0021]
其中，为无纹理标样布匹图像的亮度；为无纹理标样布匹图像的红绿色度；为无纹理标样布匹图像的黄青色度；为无纹理待检测布匹图像的亮度；为无纹理待检测布匹图像的红绿色度；为无纹理待检测布匹图像的黄青色度；δe
00
为颜色差值；δl
′
为明度差；δc
′
为彩度差；δh
′
为色相差；k
l
、kc和kh为参数因子；s
l
、sc和sh为权重参数；r
t
为旋转参数。
[0022]
可选的，步骤(2)中，第一综合加权，具体为：
[0023][0024]
其中，a为无纹理布匹的色差；λ1和λ2分别为无纹理布匹hsv圆锥距离色差和无纹理布匹clede2000色差的权重。
[0025]
可选的，步骤(3)中，改进的模糊c均值聚类算法为对有纹理布匹图像的像素自适应确定聚类数目，具体为：
[0026]
通过聚类有效性函数，如下：
[0027][0028]
计算得到函数最小时对应的数值c为c
*
，确定最佳聚类数；
[0029]
其中，vc为聚类中心；u为模糊矩阵；comn(vc，u)为紧致性度量；comn(vc，u)为分离性度量。
[0030]
将最佳聚类数c带入模糊c均值聚类算法中，得到聚类结果。
[0031]
可选的，聚类结果分为两大类，像素比例最多的一类为主导色，剩余的类归为纹理色。
[0032]
可选的，步骤(3)中，第二综合加权，具体为：
[0033]
b＝λ3a
主
+λ4a
纹
；
[0034]
其中，b为有纹理布匹的色差；a
主
和a
纹
分别为有纹理布匹主导色色差和有纹理布匹纹理色色差；λ3和λ4分别为有纹理布匹主导色色差和有纹理布匹纹理色色差的权重。
[0035]
经由上述的技术方案可知，与现有技术相比，本发明提出了一种基于有无纹理分类的布匹色差检测方法。通过提出将布匹的当前颜色模型分别转化为hsv颜色模型进行hsv圆锥距离色差计算得到第一颜色差值以及clelab颜色模型进行clede2000色差计算得到第
二颜色差值，进行第一综合加权，实现布匹色差检测的方法，极大的提高了布匹色差检测的精度；并且通过采用otsu阈值自适应算法进行有无纹理的分类，对于无纹理布匹，直接采用上述方法进行色差检测；对于有纹理布匹，则在通过改进的模糊c均值聚类算法提取有纹理布匹图像的主导色和纹理色后，再应用上述方法分别计算主导色和纹理色的颜色差值，进行第二综合加权，实现有纹理布匹色差检测，即通过将有纹理布匹分离出来，并提取有纹理布匹的主导色和纹理色分别进行色差检测，进行第二综合加权，通过对有纹理布匹中主导色和纹理色分而检测的方式，减小了直接对有纹理布匹进行色差检测过程中主导色与纹理色间的影响，进一步提高了有纹理布匹色差检测的精度。
附图说明
[0036]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0037]
图1为本发明的方法流程示意图。
具体实施方式
[0038]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0039]
实施例1：
[0040]
本发明实施例1公开了一种基于有无纹理分类的布匹色差检测方法，如图1所示，包括：
[0041]
步骤(1)：采用otsu阈值自适应算法，对标样布匹和待检测布匹进行有无纹理的分类，具体为：
[0042]
在相同的标准光源下，采用两台相同型号的彩色相机同时对标样布匹和待检测布匹进行实时在线拍摄采集。
[0043]
对采集得到的图像进行降噪、去高光等预处理。
[0044]
在利用方向匹配滤波器进行图像卷积后，采取otsu阈值自适应算法自动计算阈值，对卷积结果进行二值化，数值为1的部分对应纹理部分，否则为主导色部分。统计纹理部分像素个数占整个图像像素的比值，当该比值达到一定值(阈值，可人为设定)时，则认为该图像为纹理布匹图像，否则为无纹理布匹图像，从而判别布匹有无纹理。
[0045]
即通过方向滤波器组来计算布匹图像的纹理，对纹理结果进行分析，当纹理部分所占的比例达到自适应阈值时，则规定该图像为有纹理布匹，否则为无纹理布匹。
[0046]
方向匹配滤波器进行图像卷积，具体为：利用方向滤波器组，即x方向和y方向的两个sobel算子，对图像进行卷积滤波，得到两个方向的卷积结果，求欧式距离得到最终卷积结果。
[0047]
步骤(2)：将无纹理布匹的当前颜色模型分别转化为hsv颜色模型进行hsv圆锥距
离色差计算得到第一颜色差值以及clelab颜色模型进行clede2000色差计算得到第二颜色差值，进行第一综合加权，确定无纹理布匹的色差检测结果。
[0048]
当前颜色模型可以是rgb颜色模型、cmyk颜色模型以及yuv颜色模型等。
[0049]
hsv圆锥距离色差计算，具体为：
[0050][0051]
其中，r为圆锥的半径；h为圆锥的高；h为hsv图像中的色调值；s为hsv图像中的饱和度值；v为hsv图像中的亮度值；x、y和z分别为hsv圆锥距离三维坐标；其中，i取1计算得到hsv颜色模型无纹理标样布匹图像的hsv圆锥距离三维坐标，i取2计算得到hsv颜色模型无纹理待检测布匹图像的hsv圆锥距离三维坐标。
[0052]
采用如下式，计算hsv圆锥距离色差：
[0053][0054]
其中，d为hsv圆锥距离色差。
[0055]
所述clede2000色差计算，具体为：
[0056][0057]
其中，为无纹理标样布匹图像的亮度；为无纹理标样布匹图像的红绿色度；为无纹理标样布匹图像的黄青色度；为无纹理待检测布匹图像的亮度；为无纹理待检测布匹图像的红绿色度；为无纹理待检测布匹图像的黄青色度；δe
00
为颜色差值；δl
′
为明度差；δc
′
为彩度差；δh
′
为色相差；k
l
、kc和kh为参数因子；s
l
、sc和sh为权重参数；r
t
为旋转参数。
[0058]
第一综合加权，具体为：
[0059][0060]
其中，a为无纹理布匹的色差；λ1和λ2分别为无纹理布匹hsv圆锥距离色差和无纹理布匹clede2000色差的权重。
[0061]
步骤(3)：通过改进的模糊c均值聚类算法提取有纹理布匹的主导色，占图像最大比例和纹理色，表征的颜色可能有多种，但总和占图像较小比例，应用步骤(2)分别计算主导色和纹理色的颜色差值，进行第二综合加权，确定有纹理布匹的色差检测结果。
[0062]
改进的模糊c均值聚类算法为对有纹理布匹图像的像素自适应确定聚类数目，具体为：
[0063]
通过聚类有效性函数，如下：
[0064]
[0065]
计算得到函数最小时对应的数值c为c
*
，确定最佳聚类数。
[0066]
其中，vc为聚类中心；u为模糊矩阵；comn(vc，u)为紧致性度量；comn(vc，u)为分离性度量。
[0067]
将最佳聚类数c带入fcm算法中，得到聚类结果，最终聚类结果分为两大类，像素比例最多的一类为主导色，剩余的类归为纹理色。
[0068]
第二综合加权，具体为：
[0069]
b＝λ3a
主
+λ4a
纹
；
[0070]
其中，b为有纹理布匹的色差；a
主
和a
纹
分别为有纹理布匹主导色色差和有纹理布匹纹理色色差；λ3和λ4分别为有纹理布匹主导色色差和有纹理布匹纹理色色差的权重。
[0071]
本发明实施例公开了一种基于有无纹理分类的布匹色差检测方法。通过提出将布匹图像的当前颜色模型分别转化为hsv颜色模型进行hsv圆锥距离色差计算得到第一颜色差值以及clelab颜色模型进行clede2000色差计算得到第二颜色差值，进行第一综合加权，实现布匹色差检测的方法，极大的提高了布匹色差检测的精度；并且通过采用otsu阈值自适应算法进行有无纹理的分类，对于无纹理布匹，直接采用上述方法进行色差检测；对于有纹理布匹，则在通过改进的模糊c均值聚类算法提取有纹理布匹图像的主导色和纹理色后，再应用上述方法分别计算主导色和纹理色的颜色差值，进行第二综合加权，实现有纹理布匹色差检测，即通过将有纹理布匹分离出来，并提取有纹理布匹的主导色和纹理色分别进行色差检测，进行第二综合加权，通过对有纹理布匹中主导色和纹理色分而检测的方式，减小了直接对有纹理布匹进行色差检测过程中主导色与纹理色间的影响，进一步提高了有纹理布匹色差检测的精度。
[0072]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0073]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。