西安工程大学电子信息学院, 陕西 西安 710048
针对周期性纹理背景影响织物缺陷检测效果的问题,提出了一种基于粗糙度测量和颜色距离的织物缺陷检测方法。该方法先将待检测图像由RGB颜色空间转换到HSV颜色空间,并分别对三通道进行同态滤波处理,以提升缺陷与背景之间的对比度;利用粗糙度测量对织物图像进行分类,并将同一类别的织物图像分成大小相同且互不重叠的图像分块,分别估计各个图像分块与其八邻域图像分块的颜色距离,从而实现对缺陷的粗定位;最后对粗定位图像分块进行显著性和二值化处理,有效减少了周期性纹理背景对检测结果的影响。实验结果表明:与近期4种方法相比,本文方法对周期性纹理织物图像表现出了较好的检测效果,检测准确率更高。
图像处理 织物缺陷检测 同态滤波 粗糙度测量 颜色距离 激光与光电子学进展
2021, 58(4): 0410008
西安工程大学电子信息学院, 陕西 西安 710048
针对印花织物颜色丰富、花纹多变、错花缺陷检测困难等问题,提出了一种基于黄金图像减法(GIS)与傅里叶变换位移定理(FTDT)曲线匹配算法相结合的方法,实现了印花织物错花缺陷的检测。对印花织物图像进行高斯滤波,以消除噪声对缺陷检测结果的影响;利用GIS实现对待检测图像的匹配,并分割出缺陷区域;针对错花类型的疵点,运用基于FTDT的曲线匹配算法计算出错花的相对偏移量。实验结果表明,该算法不仅能准确分割出缺陷区域,对疵点细节信息保留得较好,而且能精确得到错花的相对偏移量,对工业生产具有一定的指导意义。
图像处理 黄金图像减法 傅里叶变换 印花缺陷检测 曲线匹配 激光与光电子学进展
2019, 56(13): 131005
