曲线匹配算法及其在织物自动对花检测中的应用

曲线匹配算法及其在织物自动对花检测中的应用
景军锋;李光燕;李鹏飞
【摘要】In view of the register detection problem in the rotary screen printing process, the curve matching strategy was proposed to get the position vector of off-pattern-topping on the basis of the rotary screen printing machine automatic detection system via machine vision. In order to ensure that the target edge image and the standard edge image are located in the same coordinate system, Fourier-Mellin curve matching method was used to match them to eliminate the shooting error; and then the curve matching method based on the Fourier transform shift theorem was used to match the well-tuned target edge image and the standard edge image to detect the register error. This matching strategy eliminates the error, and the computation volume is small. The experiments verify that its detection accuracy and computing speed can meet the requirements of the fabric register detection on line.%针对圆网印花过程中的对花检测问题,在基于机器视觉的圆网印花检测系统的基础上,提出利用曲线匹配策略得到错花套色的位置误差矢量的方法.为确保目标边缘图像与标准边缘图像位于同一坐标系下,首先利用Fourier-Mellin曲线匹配,对其进行匹配消除拍摄误差；然后用基于傅里叶变换位移定理的曲线匹配算法对调整好的目标边缘图像和标准边缘图像进行匹配,检测对花误差.该匹配策略消除了拍摄误差,数据运算量小.实验表明其检测精度和运算速度可以满足织物对花在线检测的要求.
【期刊名称】《纺织学报》
【年(卷),期】2012(033)008
【总页数】4页(P145-148)
【关键词】圆网印花;对花误差;曲线匹配;傅里叶-梅林变换
【作者】景军锋;李光燕;李鹏飞
【作者单位】西安工程大学电子信息学院,陕西西安710048;西安工程大学陕西省纺织印染自动化研究中心,陕西西安710048;西安工程大学电子信息学院,陕西西安710048;西安工程大学陕西省纺织印染自动化研究中心,陕西西安710048;西安工程大学电子信息学院,陕西西安710048;西安工程大学陕西省纺织印染自动化研究中心,陕西西安710048
【正文语种】中文
【中图分类】TP391
考量各套色之间的对花精度是圆网印花机印花过程中的一个重要指标，它直接影响印花产品的质量，也会限制车速参数[1]。

各套色之间的对花精度在工业生产中主要依靠肉眼来检测,检测精度有限,且容易出现漏检情况。

在机器视觉[2-4]技术广泛应用于纺织行业的趋势下，本文在圆网印花对花误差检测系统[5]的基础上，利用图像处理技术检测对花误差[6]。

为获得准确的对花误差，一般先对所拍摄的目标图像进行图像分割，然后使用图像匹配方法来最终确定误差[7]，因此图像分割完后，选择高精度、高效率的图像匹配方法是尤为重要的。

边缘是图像最基本的特征，标出了图像在彩色、灰度、纹理等方面不连续的位置，是图像中最重要的不变性质；光线的变化会影响区域的信息，但是不会改变它的边
缘[8]，所以，本文选择印染图像的边缘为特征量进行匹配。

目前的曲线匹配方法主要有链码描述法等，但这些方法对原始2条曲线的多边形近似程度很难做到统一尺度；并且曲线上点的局部特征的准确获取及对应关系的建立本身是个难题。

加之系统中的边缘信息大部分都是一致的，变化很小，所以，本文采用基于Fourier-Mellin变换的曲线匹配方法。

由于图像在获取的时候，不能够保证相机每次拍摄的布匹位置绝对相同，很容易造成图像的整体性偏移等拍摄误差。

在目前基于机器视觉对花检测的文献中，未考虑到拍摄误差对检测结果的影响，例如文献[8]就是直接对所拍摄图像与标准图像进行块匹配检测对花误差，没有消除拍摄误差。

本文首先用Fourier-Mellin曲线匹配算法[9]消除拍摄误差。

然后考虑错花图像特点，用基于傅里叶变换位移定理的曲线匹配算法，只检测曲线平移量即可。

虽然运用2次匹配，但运算量并不多，这样既保证了检测精度，又保证了运算速度。

1 曲线匹配
1.1 基于傅里叶变换位移定理的曲线匹配
互相关可以来计算2个不同量之间的相似程度。

对于二维实函数f(x,y)和g(x,y)，它们的相关操作定义为
(1)
由式(1)可以看出，函数f(x,y)和g(x,y)相似度越高，相关得到的峰值就越大，而峰值位置(α,β)正是f(x,y)和g(x,y)中相似成分的相对位移。

如果2个函数完全一样，相关峰的位置位于(0,0)点。

将这种相关运算运用于图像的分析当中，假设f2(x,y)为f1(x,y)在x和y方向分别平移了x0和y0后的图像，即：
f2(x,y)=f1(x-x0,y-y0)
记f1和f2对应的傅里叶变换分别为F1(u,v)和F2(u,v)，则下式所示的傅里叶变换位移理论成立：
F2(u,v)=F1(u,v)ej(ux0+vy0)
(3)
f1(x,y)和f2(x,y)互功率谱为：
(4)
其中表示F2的复数共轭。

对上式进行傅里叶逆变换，在(x0,y0)处得到1个脉冲函数。

根据该脉冲位置可以确定2幅图像间的相对位移量x0和y0。

1.2 Fourier-Mellin曲线匹配
Fourier-Mellin曲线匹配方法是以傅里叶变换位移理论为基础的纯相位相关法[10-11]。

当2幅图像既存在平移变换又存在旋转和一致尺度变换时，就要用到Fourier-Mellin变换[12]。

假设有被匹配的2幅图像，其中一幅是另一幅经过旋转、尺度伸缩和平移变换后的图像。

待匹配的2幅图像s(x,y)和r(x,y)，s(x,y)是r(x,y)经过平移(x0,y0)并且旋转α度和一致尺度σ变换后的图像，即：
s(x,y)=r[σ(xcosα+ysinβ)-x0,
σ(xcosα+ysinβ)-y0]
(5)
那么s(x,y)和r(x,y)对应的傅里叶变换之间的关系为
s(u,v)=e-j(u,v)σ-2R[σ-1(ucosα+vsinα),
σ-1(-usinα+vcosα)]
上式的幅度谱为
(7)
定义:
rp1(θ,logρ)=rp(θ,ρ)
(8)
sp1(θ,logρ)=sp(θ,ρ)
(9)
其中rp和sp分别是r和s在极坐标系(θ,ρ)中的幅度谱。

可得出：
sp1(θ,logρ)=rp1(θ-α,logρ-logσ)
(10)
或
sp1(θ,λ)=rp1(θ-α,λ-κ)
(11)
其中λ=logρ，κ=logσ为Fourier-Mellin变换。

利用上述原理，求出α和κ。

设对数的底数为e，则有
σ=ex
(12)
求出α和σ值，先修正s(x,y)；s(x,y)和r(x,y)修正后之间相差1个平移变换，再用傅里叶变换位移理论，求得平移量(x0,y0)。

2 曲线匹配用于对花误差定位
2.1 整体的匹配流程
首先将在线拍摄并提取的目标边缘图像与存储在相机里的标准边缘图像进行
Fourier-Mellin曲线匹配；进而用标准边缘图像与矫正后图像中相同部分作减法；将相减得到的部分边缘图像与标准边缘图像再进行基于傅里叶变换的位移定理的曲线匹配，得到错花套色边缘的平移量；最后，利用标定数据计算出对花误差的大小。

具体的边缘匹配流程如图1所示。

图1 边缘匹配流程图Fig.1 Edge matching process
2.2 匹配实验结果
在实验室环境下进行实验。

选择德国Feith公司生产的型号为CANCam-BF的智
能相机，采用CPU和FPGA双处理器的结构。

其中，CPU选用专用的数字处理芯片DSP，利用FPGA特有的硬件模块，大大加快了图像数字信号的处理。

该智能
相机内嵌操作系统μCLinux，所以应用软件的开发过程和基于计算机的开发过程
是相同的。

用户在计算机上离线编写应用程序，并在调试成功后下载到CANCam 上。

以下实验均是在计算机上编写C程序，然后将其下载到CANCam上运行。

图2示出用智能相机CANCam拍摄的228像素×176像素的图像。

对图2中的(a)和(b)先分割，再匹配。

为了得到织物图像的边缘轮廓，系统用4个像素的边长构
成的矩形模板对其作闭运算，用3个像素的宽度对其作细化运算。

图3示出织物
图像边缘匹配。

图3(b)、(d)就是用此方法提取的图3(a)、(c)的边缘图像。

图2 原织物图像Fig.2 Textile image. (a) Standard image;(b) Broken figures image
图3 织物图像边缘匹配Fig.3 Edge matching of fabric image. (a) Standard segmented image;(b)Standard segmented edge image; (c) Broken figures segmented image;(d)Broken figures edge image;(e)Different edge between (b) and (d);(f) Broken figures topping edge
将图3(b)、(d)通过Fourier-mellin曲线匹配后计算可得：图3(d)在上下左右4个方向的偏移量为0个像素，没有旋转，没有尺度变换。

即拍摄位置准确，不用调
整拍摄误差。

假设图3(b)左上角坐标值(0,0)，将图3(d)左上角移到(0,0)。

申请1
个与图3(b)大小相等的图像。

比较图3(b)、(d)重叠部分相应点的数据，如相同，则将该申请图像中相应坐标点处灰度值置为255；如果不相同，则置为0。

处理完毕后，得到了目标图像中“错花”部分的边缘。

再申请1个与图3(e)大小相等的
图像。

令其左上角与图3(e)、(b)的左上角(0,0)重合，将图3(e)中与图3(b)相同的部分边缘去掉得到图3(f)。

将图3(f)、(b)再通过基于傅里叶变换的位移定理的曲线匹配可得最终检测结果。

多次重复实验后得出：图3(f)的边缘和标准图像的边缘相比，向右平移7个像素点，向下平移11个像素点。

由此可得知，印花图案“错花”区域向右平移7个像素点，向下平移了11个像素点。

最后，通过标定可知，每个像素代表的距离为0.092 812 5 mm。

经计算该图像的白色桃心区域向右平移了0.649 687 5 mm，向下平移了1.020 937 5 mm。

本文的方法与文献[8]中提到的快速块匹配算法相比，不仅精度大大提高，匹配过
程所用的时间也大大缩短了。

用100幅已分割织物图像在计算机上用MatLab软件对该匹配策略进行了仿真，
结果表明：2幅图像有3/4相关内容时，Fourier-Mellin曲线匹配算法对只有平移的图像检测效果最好，成功率几乎达100%；当存在旋转和尺度变换时，匹配成功率仍在90%以上。

3 结论
基于错花图像的特点，本文先后采用基于Fourier-Mellin变换的曲线匹配算法和
基于傅里叶变换位移定理的曲线匹配算法检测出对花误差。

这2种基于相位相关
的曲线匹配对2幅图像内容的部分不相同和加性噪声等的影响具有很强的鲁棒性，对于错花图像中出现的露白和搭色所造成的部分遮挡不敏感，适合对花误差的检测。

另外利用Fourier-Mellin曲线匹配消除拍摄误差，最终输出满足该系统对花精度
要求的误差。

本文匹配策略为圆网印花闭环控制系统实现打下了基础。

FZXB
参考文献：
[1]汤俊唐,姚胜林.圆网印花结构及性能[J].纺织机械,2006(1):44-47.
TANG Juntang, YAO Shenglin.The construction and property of circular screen printing machine[J].Textile Machinery, 2006 (1):44-47.
[2]李勇,周颖,尚会超,等.基于机器视觉的坯布自动检测技术[J].纺织学报,
2007,28(8):124-128.
LI Yong,ZHOU Ying,SHANG Huichao,et al. Automatic gray inspection technology based on machine vision [J].Journal of Textile Research, 2007,28(8): 124-128.
[3]KIM Hyung J ,KIM Jong S, LIM Jung H,et al. Detection of wrapping defects by a machine vision and its application to evaluate the wrapping quality of the ring core spun yarn[J].Textile Research Journal,
2009,79(17):.1616-1624.
[4]刘曙光,屈萍鸽,费佩燕.机器视觉在纺织检测中的应用[J].纺织学报,2003,24(6): 89-91.
LIU Shuguang,QU Pingge,FEI Peiyan.The application of machine vision in textile testing[J].Journal of Textile Research,2003,24(6):89-91.
[5]王刚,景军锋.基于机器视觉的圆网印花检测系统[J].纺织科技进展,2009(4):43-44. WANG Gang,JING Junfeng. Research of rotary screen printing machine automatic detection system based on machine vision[J].Progress in Textile Science & Technology,2009(4): 43-44.
[6]XIN Binjie, HU Jinlian,BACIU George.Visualization of textile surface
roughness based on silhouette image analysis[J].Textile Research Journal, 2010,80(2):166-176.
[7]李鹏飞，王刚，景军锋. 基于JSEG算法的纺织品印花图像分割[J].纺织学
报,2010,31(5):137-140.
LI Pengfei,WANG Gang,JING Junfeng.Segmenting color region of textile printing pattern image based on algorithem of JSEG[J]. Journal of Textile Research,2010,31(5):137-140.
[8]李鹏,郝矿荣,丁永生.快速匹配算法及其在圆网印花机上的应用[J].纺织学
报,2009,30(7):112-116.
LI Peng,HAO Kuangrong,DING Yongsheng. Fast matching algorithm and its application to rotary screen printing machines[J]. Journal of Textile Research,2009,30(7):112-116.
[9]李晓明,赵训坡,郑链,等.基于Fourier-Mellin变换的图像配准方法及应用拓展[J].计算机学报,2006,29(3): 466-472.
LI Xiaoming,ZHAO Xunpo,ZHENG Lian,et al. An image registration technique based on Fourier-Mellin transform and its extended applications[J]. Chinese Journal of Computers, 2006,29(3): 466-472. [10]CHEN Q,DEFRISE M,DECONINCK F.Symmetric phase-only matched filtering of Fourier-Mellin transforms for image registration and recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1994, 16(12): 1156-1168.
[11]郑志彬,叶中付.基于相位相关的图像配准算法[J].数据采集与处
理,2006,21(4):444-449.
ZHENG Zhibin,YE Zhongfu.Image registration algorithm based on phase-
correlation [J]. Journal of Data Acquisition & Processing, 2006,21(4): 444-449.
[12]SRINIVASA R B,CHATTERJI B N. An FFT-based technique for translation, rotation, and scale-invariant image registration[J]. IEEE Transactions on Image Processing, 1996,5(8): 1266-1271.。