一种织物布边定位方法

专利主权项内容

1.一种织物布边定位方法，其特征在于：首先对包含布边的织物图像进行背景移除得到仅包括布边和布身的图像，再对得到的仅包括布边和布身的图像进行特征增强，以消除噪音及增加其布边与布身的纹理特征差异，然后从特征增强后的图像中提取织物纹理的梯度直方图特征，最后将梯度直方图特征进行聚类实现对织物布边的定位；具体步骤如下：(1)背景移除；首先将尺寸为w×w像素的包含布边的织物图像A转化为8位灰度图像，并将其分割为尺寸为32×w的子图像，记为{a, a, .., a}；然后对每个子图像进行二值化处理，得到其二值图像，并根据二值图像分割结果移除背景，得到仅包括布边和布身的图像，记为{b, b, .., b}；其中，w＝512；12n12n(2)特征增强；记{b, b, .., b}中的任一子图像为b，b的尺寸为32×k，首先对b进行矩阵的转置操作，得到b，然后将b进行奇异值分解，得到一个k×k的矩阵U，接着提取矩阵U中前p列，得到尺寸k×p的子矩阵U，最后采用U对b进行特征增强处理，得到c；12nTTppTT(3)特征提取；令{b, b, .., b}特征增强后的图像为{c, c, .., c}，记{c, c, .., c}中的任一子图像为c，c的尺寸为32×k，首先分别计算c在水平和垂直方向的梯度图像，记为Gx和Gy；然后将Gx和Gy归一化到[0 1]区间范围；最后将Gx与Gy相乘，并记G＝GxGy，将G分割成32×32的子窗口，并在子窗口中提取直方图作为特征，记提取的直方图特征为{h, h, .., h}；12n12n12n12t(4)特征分类；采用K-means聚类算法对每张子图像{c, c, .., c}所得的直方图特征进行聚类，类别设置为2，聚类结果为{d, d, .., d}；设聚类结果{d, d, .., d}中，布边对应的区域为1，布身对应的区域为0；12n12n12n(5)布边定位；子图像c所得的聚类结果为d，统计d中布身区域像素点总个数，记为m，进而得到c的布身宽度e＝m/32；同理，得到所有子图像的布身宽度，记为{e, e, .., e}，从而实现对布边的定位。1111112n