图像纹理分析技术在纺织与皮革中的应用_王海涛

第18卷第2期 皮 革 科 学 与 工 程 Vol 18,No 2
2008年4月LEAT HER SCIENCE AND ENGINE ERING Apr 2008
文章编号:1004-7964(2008)02-0020-04
收稿日期:2007 11 15
第一作者简介:王海涛(1982 ),男,硕士研究生。

*通讯联系人:施亦东,shiyd7729@.
图像纹理分析技术在纺织与皮革中的应用
王海涛,施亦东*,陈衍夏,许健明
(四川大学轻纺与食品学院,四川成都610065)
摘 要:纹理分析在纺织、皮革行业的应用将促使产品质量检测和生产线控制水平的提高,本文介绍了纹理分析的
方法及其在纺织与皮革工业中的研究应用现状。

关键词:图像;纹理分析;纺织;皮革
中图分类号:TS 56 文献标识码:A
Application of Texture Analysis in Textile and Leather
WA N G H ai tao,S H I Yi dong *,CH E N Yan x ia,X U J ian ming
(Col lege of L ight &T ex tile and Food I ndustry ,S ichuan University ,Chengdu 610065,China)
Abstract:T he tex ture analysis technique applied to tex tile and leather w hich can improv e the lev els o f pro duct inspection and product line control.T he main metho ds and the application of tex ture analysis technique in textile and leather has been introduced.Key words:image;texture analy sis;textile;leather
前言
纹理是图像的一种外观特征,最初就是指由纤维制成的织物的外观。

纹理分析是从对遥感图像分析技术中发展起来的,是图像处理中重要的方法之一。

从20世纪70年代起,人们就对此问题进行了大量的研究,并已取得了丰硕的成果,在景物识别、目标定位、遥感图像分析、纹理分类、图像复原与估测、基于内容的图像数据库检索和计算机景物仿真
等众多方面得到广泛的应用[1]。

许多纺织品、皮革制品,其表面具有自身独特的的纹理特性。

用数字图像处理的方法对其进行纹理分析,可以促使产品质量指标评价的客观化和定量化,为实现产品质量检测的自动化提供条件,提高生产效率与质量监控的准确,避免人为的影响因素,降低劳动强度。

1 纹理的概念
对于纹理的概念,不同的学科领域有着不同的定义,一般认为,纹理是:
(1)图像局部不规则而全局又呈现某种规律的
物理现象;
(2)由许多相互接近、互相编织的元素以一定的形式排列构成,并常伴有某种周期性;
(3)图像的灰度统计信息、空间分布信息和结构信息的综合反映;
(4)一种区域特性,在适当的区域内测量才有意义。

图像纹理具有粗细度、对比度、方向性、线性性、规则性、粗糙度、凸凹性等特性[1]。

2 纹理分析的方法
纹理分析是指通过一定的图像处理技术抽取出纹理特征,从而获得纹理的定量或定性描述的处理过程。

纹理分析包括两个方面的内容:首先是抽取出能够描述图像信息的纹理特征,然后根据所抽取的纹理特征对图像的像素或像素集进行分类(纹理
分割、图像分类)。

纹理分析方法常用的有两类[2]
:一类是统计分析方法;另一类是结构分析方法。

统计分析法是指在不知道纹理基元或尚未检测出基元的情况下,对小区域纹理特征的统计分布进行纹理分析,主要描述纹理基元或局部模式随机和空间统计特征,以表示区域的一致性及区域间的相异性。

统计分析法适用于纹理比较细且纹理基元排列不规则的图像纹理(如:木纹、沙地和草坪等自然图像纹理)。

目前采用较多的统计分析法有灰度共
生矩阵法、灰度差分法、灰度游程长度法、自相关函数、灰度的空间共生概率等。

统计分析法在纹理分析中占有主导地位,对纹理的细节性和随机性描述较好,具有适应性强的特点。

结构分析法主要是指在已知纹理基元的情况下,根据图像纹理小区域内的特征及其周期性排列的空间几何特征和排列规则进行纹理分析。

应用结构分析法首先要确定基元的形状和属性,然后确定控制这些基元位置的空间关系,属性包括灰度、连通区域的形状、局部一致性等。

空间几何特征包括基元的相邻性,在一定角度范围内的最近距离等等。

结构分析法适用于纹理基元及其排列比较规则的图像纹理(地毯、砖墙等人工图像纹理)。

目前采用较多的结构分析法有形态学、图论、拓扑等方法。

结构分析法对纹理的宏观性和结构性描述较好,但适应性远不如统计分析的方法。

统计的方法对纹理进行分析,并描述图像的特征。

结构分析的方法则试图通过研究图像中的特性来揭示纹理的细节。

此外,频谱法和小波变换分析法在纹理分析中也有一定的应用。

3 纹理分析在纺织与皮革中的应用现状
纺织品表面纹理分析主要涉及两个方面:其一是客观测定表面纹理的几何或统计特征,如织物的组织结构、经纬密度、地毯的粗糙程度、取向性等指标,以便客观确定和评价纺织品的结构参数和表面质量;其二是分析纺织品表面纹理的缺陷特征,如织物疵点的检测,棉网棉结的检测,以便进一步分析缺陷产生的原因,以调整生产工艺,提高产品质量。

在我国的纺织业中,主要采取人工目测法,属于主观评定,容易因人为因素带来实验误差,例如[3]:织物折皱恢复性能是评价纺织品性能的一项重要指标,目前,依照美国AAT CC-128标准,折皱性能的评定是将试样与标准样卡在标准光源下通过目测进行比较。

我国国标 GB/T13769-92是参照美国AATCC标准制定的,样卡仍然采用美国标准样卡,工作环境与评定方法与美国标准相似。

这种方法属于主观评定,人为的因素容易带来实验误差。

由于样卡的限制,我国只能在一些大城市的检测中心才能做这样一些测试,一般生产企业很难实施。

皮革表面的纹理是一种细致、微小、稠密的纹理,没有统一固定的模式,而是由随机分布的纹路构成的,其图像的灰度级相对集中,不同皮料之间的纹理差异不大。

在皮件制造的过程中,为保证一件皮制品由纹理相似的皮革原料制成,需要按其颜色、纹理的相似程度进行分类,一般称为!选皮配皮∀,它直接影响到皮革产品质量。

现阶段[4],在我国大部分企业的生产实际中,这一环节都是靠人工完成的,基本方法是:将皮料中的任意一张与其他皮革原料进行比较,找出其匹配者进行归类。

这种方法的缺点是:客观性不强,劳动强度大。

为了提高皮革制品的生产效率与质量,降低劳动强度,迫切需要建立一种客观、简单、有效的检测分类方法。

随着工业摄像技术、图像处理技术的日益成熟,使得基于计算机视觉技术的纹理分析应用于纺织与皮革工业成为可能,国内外相关组织都作了大量的研究工作。

3 1 灰度直方图统计
灰度直方图是灰度级的函数,是用来表达一幅图像灰度级分布情况的概率统计图表,其横坐标是灰度级,纵坐标是该灰度出现的频率(像素的个数)。

直方图的形状可以给出图像的许多信息,如峰值的宽窄反映图像的对比度,峰的个数反映是否存在不同亮度的区域,峰的位置反映图像的光亮度,峰两侧拖尾的形状反映图像纹理的信息等等。

直方图统计分析的最大优点是计算简单。

通过计算直方图的特征值,如均值、方差等,可用来表述一幅图像的纹理特征或比较两幅图像纹理的匹配程度。

地毯发生簇绒脱落后,其灰度对比性下降,直方图将向低灰度方向移动。

根据直方图的特征还可反映地毯纹理的灰度对比性、织物的覆盖性和非织造布的空隙率。

但是,利用灰度直方图来比较两幅纹理的匹配程度时,由于基于灰度级的直方图特征难以建立特征与纹理的一一对应关系,因而其精度很低[5]。

青岛大学的汪黎明等人[3]把图像灰度直方图的统计分析用于织物免烫等级的评价,比较了织物标样的灰度离散度、灰度直方图的方差、熵、扭曲度、峰度等特征值,指出灰度直方图统计参数中,方差和熵可以正确区分出各个级别织物的免烫等级,无反规律的现象,但各级别间参数值差异较小,灵敏度较低。

3 2 自相关函数分析
定义图像{f(i,j);i,j=0,1,2,#,N-1}的自相关函数为[5]:
(x,y)=
∃N-1
i=0
∃N-1
j=0
f(i,j)f(i+x,j+y)
∃N-1
i=0
∃N-1
j=0
f2(i,j)
1)
如果i+x>N-1或j+y>N-1,那么定义f(i +x,j+y)=0.
自相关函数 (x,y)随x,y大小而变化,其变化
21
第2期 王海涛,等:图像纹理分析技术在纺织与皮革中的应用
与图像中纹理粗细的变化有着对应的关系,因而可描述图像纹理特征。

定义d=(x2+y2)1/2,d为位移矢量, (x,y)可记为 (d)。

不同的纹理图像, (x, y)随d变化的规律是不同的。

当纹理较粗时, (d)随d的增加下降速度较慢;而当纹理较细时, (d)随d的增加下降速度较快。

随着d的继续增加, (d)则会呈现某种周期性的变化,其周期大小可描述纹理基元分布的疏密程度。

自相关函数可用于纺织品结构参数的识别。

在分析织物的周期结构时,可通过计算织物经纬向的自相关函数,分别根据它们极值点的位置确定织物沿经向和纬向的基本重复单元长度。

自相关函数也用于纺织品纹理粗糙性和方向性的分析。

当对象纹理沿某一方向趋于粗糙时,则该方向的自相关函数值随图像移位量的增加而下降的速度将趋于缓慢。

因此,纹理的粗糙度可通过自相关函数值的变化来反映。

较为常用的方法是将自相关函数值下降至1/e时的图像移位量作为纹理粗糙程度的度量指标。

另外,通过计算各方向自相关函数间的相关性可估计纹理的方向性。

3 3 灰度共生矩阵分析法
灰度共生矩阵是研究图像中两个像素灰度级联合分布的统计形式,能很好地反映纹理中灰度空间的相关关系。

灰度共生矩阵被定义为从灰度为i的象素点,离开某个固定位置关系 =(DX,DY)的点上的灰度为j的概率(或频度),即[5]
p(i,j)=集合{(x,y)f(x,y)=i,且f(x+ DX,y+DY)=j;x,y=0,1,2,#,N-1}2)的元素个数,i,j=0,1,2,#,L-1。

其中,x,y是图像中像素坐标,f(x,y)是该点灰度级,L是灰度级数目,DX,DY是偏移量。

灰度共生矩阵已被广泛应用在诸如木材及金属表面缺陷的自动检测中。

纺织品纹理分析也可采用这种方法。

Lee H.S[6]从灰度共生矩阵中抽取了能量、熵、惯性、相关等纹理特征统计量来对地毯质量进行评价,这里能量反映了纹理的均匀性,熵反映了纹理的复杂性。

灰度共生矩阵已被较多的用于织物和地毯纹理的周期性和粗糙性等一些指标的度量中[7]。

在织物疵点的自动识别中[8],也可采用灰度共生矩阵,并将其与神经网络相结合对织物疵点进行自动检测。

与自相关函数相比,灰度共生矩阵所包含的纹理信息量相当丰富,从灰度共生矩阵可以推出自相关函数,反之则不然。

因而,作为一种纹理分析工具,灰度共生矩阵所能刻划的纹理种类多,精度高;它的最大不足在于灰度共生矩阵本身的计算和相应纹理特征的提取需进行大量的计算,从而难以用于工业实时质量检测中那些对检测速度有较高要求的场合,如织物疵点的在线检测等。

青岛大学的汪黎明等人[9]利用灰度共生矩阵对织物折皱纹理进行研究,提取了灰度共生矩阵的主要特征值,即表示纹理一致性的指标、表示纹理反差的指标、表示纹理熵的统计量,它们均随折皱级别的变化而呈现规律的变化。

由于灰度共生矩阵反映了像素点对的联合概率分布即二阶直方图特征,既考虑了位置关系又考虑了像素点灰度级的关系,因此其数据准确可靠,可以准确灵敏地评价出织物免烫等级。

北京轻工业学院的李来水[10]对基于纹理分析方法的皮革分类作了大量的研究工作,建立了峰高 峰宽共生矩阵模型,从模型中提取出五个特征参数:宽度优势,高度优势,宽高对比量,能量,熵。

利用这些特征参数对皮料进行分类,分类结果与按照皮料纹路的视觉特性进行分类结果的符合程度达到了80%以上,对每一幅皮料进行处理的时间小于30s 秒,完全可以满足现场实时处理的要求。

北京轻工业学院的韩力群教授[11]基于灰度 梯度共生矩阵对皮革纹理进行分类,提取了15个纹理参数,建立自组织映射神经网络,所得到的分类效果与人工分类相当。

3 4 傅立叶功率谱分析法
设图像为f(x,y),其傅立叶谱定义为:
F(u,v)2=F(u,v)F*(u,v)3)式中F(u,v)为f(x,y)的傅立叶变换,*表示复共轭[5]。

傅立叶功率谱可用于对纺织品结构参数进行识别。

织物纹理图像的傅立叶功率谱极值包含了丰富的织物结构信息,通过将它们进行傅立叶反变换可有效地提取织物的结构特征。

这种方法比直接从原始图像中提取结构信息更为容易,更为准确[12]。

傅立叶功率谱还可以分析纺织品纹理的粗糙性和方向性,它一般将功率谱表示成极坐标形式。

通过分析极角和极径可决定纹理的粗糙性和方向性。

在地毯纹理的分析中,极径可用来度量地毯纹理的粗糙程度;极角对应于功率谱分量沿某一轴线的聚类程度,因而可用于表示地毯纹理的方向性。

在评价地毯纹理的方向性时,有时也可分析傅立叶功率谱的角相关函数。

在角度为0%时,相关函数值最大;随着角度的增加,函数值逐渐减小。

地毯纹理的方向性越是明显,函数值下降速度越快。

另外,傅立叶功率谱还可用于度量纺织品纹理的周期性和连续性,检测其表面纹理的变异区域。

功率谱峰值的大小和位置
22皮革科学与工程 第18卷
反映了纹理的周期性。

在织物疵点的自动识别中,首先对织物纹理图像进行傅立叶变换,并在频率域上提取纹理特征统计量,通过比较有疵点织物和无疵点织物的这些参数来对所检测织物进行评判。

基于傅立叶功率谱的纹理分析方法的不足在于:离散傅立叶变换总是认为其输入为周期性的,当纹理图像的周界发生变化时,它有可能将其周界误认为图像的边缘,从而影响功率谱的准确可靠性;其次傅立叶功率谱用来分析较小的纹理样本时,其精度不够。

韩国的Jang Woo Kw on和Young Yeol Choo[13]利用对皮革灰度图像的纹理分析,提出了能决定皮革等级的!密度∀概念(由傅立叶频谱里皮革局部区域的高度和宽度计算得到),并研制出能自动识别皮革表面等级质量的系统,达到了85%的满意度。

东华大学的吴嘉斌等人[14]用傅立叶谱分析技术对织物起皱进行研究,对图像的频谱图采用辐射状扫描法,得出其径向分布和角向分布,用径向分布来分析图像纹理的精细程度和周期性的强弱,用角向分布来分析图像纹理的方向性,认为傅立叶谱具有快速简便的优点。

3 5 小波变换分析法
通过计算图像的二进离散小波变换,可用于分析纺织品表面纹理的变异区域。

目前这种方法已用于织物疵点的自动识别中。

另外,小波变换也可用于其他纺织品表面纹理变异区域的识别和纹理特征的表征。

与傅立叶变换相比,小波变换能选择特定的尺度或频带进行变换。

因而,在进行纹理分析时,有利于选择更有效的纹理信息,而舍弃一些无关的纹理信息,从而有可能提高纹理分析的速度和精度;其次,它还能同时提供纹理图像的空间位置信息。

War ren J.J.[15]在分析织物缺纬疵点时,采用Daubechies小波对疵布图像进行正交变换。

由于缺纬疵点本身固有的频率特性,使得变换后的水平边缘子图像包含了足够的可用于该疵点辨识的信息。

因而,仅仅通过对该子图像进行分析,便可实现缺纬疵点的快速检测。

徐增波等人[16]对基于小波变换的织物疵点检测作了一定的研究,通过织物纹理模型和频谱分析,提取出反应织物纹理的主要频率,并由此确定适应与织物纹理结构的最佳尺度和方向,最后从小波系数模中进行全局阀值化和进一步的形态学处理,定位和分割出疵点。

他们还进行了实际疵点的分析,证明了该方法的可行性。

4 结语
图像纹理分析技术在纺织皮革等传统行业中的应用,将改善人们的视觉效果,更深入地认识其加工对象的特性。

并且,随着纹理分析技术的发展,纹理分析的对象也不断拓展,除了研究的较多的皮料、织物和地毯纹理外,棉网、纱线、非织造布以及复合材料的结构等一系列与纹理有关的评价指标和在线质量检测均可通过纹理分析来实现。

相信数字图像处理技术在纺织、制革行业的应用将促使产品质量检测和生产线控制水平的提高,并且随着计算机等硬件成本的降低和技术的发展,这一应用趋势将出现持续的增长。

参考文献:
[1]王震,王执铨.图像纹理分析与纹理测度[J].南京理工大
学学报,2002,12(26):36-42.
[2]孙艳霞.纹理分析在遥感图像识别中的应用[D].新疆:
新疆大学,2005.
[3]汪黎明,陈健敏,杜风霞.利用图像的统计分析方法评价
织物免烫等级[J].青岛大学学报,2002,3(17):41-43. [4]宋春刚.基于图像的皮革颜色纹理检测分类方法研究及
系统研制[D].浙江:浙江大学,2006.
[5]贾永红.数字图像处理[M].武汉:武汉大学出版社,
2003.
[6]Lee HS.T ex ture M easures fo r Car pet Wear A ssessment
[J].IEEE T r ans Patter n A naly sis M achine I ntell,1988, 10:93-105.
[7]Van S W.A utomatic A ssessment o f Car pet Wear U sing
I mag e Analysis and N eur al N etw or ks[J].T ex tile Re
search Jo urnal,1996,66:555-561.
[8]I Sho u T.A pplying an A rtificial N eural Netw or k to Pat
ter n R eco gnition in Fabric Defects[J].T ex tile Research Jour nal,1995,65:123-130.
[9]汪黎明,陈健敏,王锐,等.织物折皱纹理灰度共生矩阵
分析[J].青岛大学学报,2003,12(18):5-8.
[10]李来水.峰高 峰宽共生矩阵分析法在皮料纹理识别中
的应用[J].信号处理,1996,12:369-372.
[11]韩力群.基于自组织神经网络的皮革纹理分类[J].中国
皮革,1997,6(26):11-13.
[12]Bug ao X.Ident ifying F abric St ruct ur es w ith F ast Fo urier
T ransform T echniques[J].T ext ile Research Journal, 1996,66:496-506.
[13]Jang Woo K wo n,Y oung Y eol Cho o,H eung Ho Choi.
D ev elo pment of leather quality discriminat ion system by
t ex ture analysis[J].T EN CON2004.2004IEEE Region 10Conference,V olume A,21-24No v.2004.
[14]吴嘉斌,徐增波,陆凯.基于傅利叶谱分析技术的织物起
皱特征提取和分析[J].上海毛纺科技,2001(1):34-36.
[15]War ren J J.Image A naly sis of M ispicks in W ov en Fab
r ic[J].T ex tile R esear ch Journal,1995,65:683-692. [16]徐增波,贡玉南,黄秀宝.基于二维连续小波变换的织物
疵点检测[J].中国纺织大学学报,2000,4(26):10-13.
23
第2期 王海涛,等:图像纹理分析技术在纺织与皮革中的应用。