宋 柯，謝維成，夏興洋，蔣文波

（西華大學(xué) 電氣與電子信息學(xué)院，成都 610039）

0 引言

墻紙也稱(chēng)作壁紙，是用來(lái)裝飾墻面的一種室內(nèi)裝修材料。由于其美觀且環(huán)保等特點(diǎn)，目前已廣泛應(yīng)用于家庭、辦公環(huán)境等室內(nèi)裝修，并逐漸代替?zhèn)鹘y(tǒng)涂料。由于機(jī)械老化等多種原因使得生產(chǎn)出來(lái)的墻紙產(chǎn)品具有缺陷，最為常見(jiàn)的缺陷有褶皺、孔洞、裂紋、黑斑。

由于墻紙具有紋路種類(lèi)多、花紋復(fù)雜等特點(diǎn)，因此墻紙缺陷檢測(cè)變得困難。針對(duì)近似圓形幾何特征缺陷，文獻(xiàn)[1]利用半徑與圓心距以及利用Sobel算子計(jì)算梯度來(lái)減少由于隨機(jī)Hough變換引起的無(wú)效積累，增加檢測(cè)精度。該方法對(duì)標(biāo)準(zhǔn)圓形區(qū)域檢測(cè)具有一定的準(zhǔn)確度，而實(shí)際墻紙缺陷區(qū)域形狀多為橢圓及不規(guī)則形狀。文獻(xiàn)[2]、文獻(xiàn)[3]在隨機(jī)Hough變換的基礎(chǔ)上利用橢圓公式進(jìn)行改進(jìn)，以達(dá)到檢測(cè)橢圓區(qū)域目的，但文獻(xiàn)[1]、文獻(xiàn)[2]、文獻(xiàn)[3]的方法在墻紙缺陷檢測(cè)中，容易受曲線紋路墻紙影響，產(chǎn)生較多的錯(cuò)誤檢測(cè)，并且消耗時(shí)間長(zhǎng)，不適用于在線檢測(cè)。文獻(xiàn)[4]使用魯棒主成分分析法（Robust Principal Component Analysis，RPCA）對(duì)缺陷進(jìn)行分割。文獻(xiàn)[5]首先進(jìn)行位平面分解，利用格雷碼對(duì)圖像位平面進(jìn)行增強(qiáng)，用得到的增強(qiáng)位平面檢測(cè)缺陷。雖然文獻(xiàn)[4]、文獻(xiàn)[5]的方法均能夠?qū)⑷毕輳脑紙D像中分割出來(lái)，但僅適用于光滑、簡(jiǎn)單背景下的缺陷提取，對(duì)于墻紙這種復(fù)雜背景下的缺陷不能較好地進(jìn)行檢測(cè)[6]。Aiger D和Talbot H[7]將原始圖像利用快速傅里葉變換得到頻譜圖像，再使用PHOT（Phase Only Transform）將背景紋理濾除從而得到缺陷，該方法雖能夠較準(zhǔn)確分割出缺陷，但其分割后的缺陷區(qū)域存在失真現(xiàn)象，且耗時(shí)較長(zhǎng)。Seba Susa[8]等搭建高斯混合模型來(lái)自動(dòng)檢測(cè)缺陷，但其對(duì)黑斑缺陷檢測(cè)的誤差較大。閾值分割方法是常用的缺陷檢測(cè)方式，由于傳統(tǒng)閾值分割方法[9]已經(jīng)不能滿足缺陷圖像的檢測(cè)需求，因此目前已研究出許多圖像閾值分割方法[10,11]，并用于缺陷圖像分割檢測(cè)[12]，但由于墻紙背景復(fù)雜、紋路較多的特點(diǎn)，將缺陷從墻紙圖像中準(zhǔn)確、完整地分割出來(lái)仍然比較困難。

針對(duì)上述問(wèn)題，提出一種能夠適應(yīng)不同背景紋路的墻紙缺陷分割方法。該方法首先在RGB空間中對(duì)R、G、B三個(gè)分量處理后疊加，以抑制墻紙圖像背景紋理、增強(qiáng)缺陷。然后再對(duì)Otsu方法改進(jìn)，使得傳統(tǒng)Otsu方法能夠適用于墻紙缺陷分割，使其能夠分割出裂紋、孔洞、褶皺、黑斑缺陷。

1 墻紙缺陷圖像預(yù)處理

由于墻紙背景樣式繁多、花紋復(fù)雜等因素，對(duì)墻紙缺陷的分割有較大影響，因此在對(duì)缺陷進(jìn)行分割之前需要對(duì)圖像進(jìn)行預(yù)處理操作，預(yù)處理操作的目的是對(duì)墻紙背景進(jìn)行濾除以及增強(qiáng)缺陷部分。由于原始圖像是以RGB顏色空間為基礎(chǔ)，通過(guò)紅、綠、藍(lán)三種顏色通道進(jìn)行疊加而產(chǎn)生更多顏色，而觀察圖像缺陷部分的顏色特征，相對(duì)于墻紙背景的顏色更深，因此，對(duì)RGB顏色公式進(jìn)行調(diào)整，使其能夠保留缺陷部分的同時(shí)，濾除背景部分。其修改公式如下：

其中R表示原始RGB圖像中紅色通道分量，G表示綠色通道分量，B表示藍(lán)色通道分量，而a、b、c為對(duì)三個(gè)分量的修改值。通過(guò)對(duì)各像素點(diǎn)的三個(gè)分量值進(jìn)行修改，最后疊加在一起得到最后預(yù)處理后的圖像。實(shí)驗(yàn)表明，當(dāng)a為1、a為時(shí)處理效果最好，其處理效果如圖1所示。

圖1 預(yù)處理效果

2 基于改進(jìn)Otsu的墻紙缺陷分割

最大類(lèi)間方差法又稱(chēng)大津法（Otsu），是由日本學(xué)者大津提出的一種自適應(yīng)閾值分割方法[9]，其原理如下：

其中m1、m2為分割前景、背景區(qū)域中的像素平均值，mG為整個(gè)圖像像素均值，P1、P2為像素點(diǎn)被分配到前景、背景區(qū)域的概率。當(dāng)方差σG最大時(shí)，可以認(rèn)為前景和背景的差異最大，此時(shí)灰度級(jí)T被看作是分割的最佳閾值。Otsu方法在墻紙缺陷分割結(jié)果如圖2所示。

圖2 傳統(tǒng)Otsu分割效果

從圖中可以看出，由于傳統(tǒng)Otsu方法對(duì)于在直方圖當(dāng)中前景與背景分隔較大的圖像分割效果較好，而對(duì)于前后景直方圖區(qū)分不明顯的圖像Otsu方法分割效果不理想。在墻紙缺陷分割當(dāng)中，分割的最佳閾值是在靠近前景附近，且不同墻紙圖像分割缺陷最佳閾值與Otsu所得到閾值偏移的位置不同，因此對(duì)上式進(jìn)行改進(jìn)，使其在不同缺陷圖像當(dāng)中均能適用，找到分割最佳閾值。在式中，前景部分的概率乘上背景部分概率，使得缺陷分割最佳閾值隨背景的復(fù)雜程度改變。

從圖3中可以看出，m、n取值不同所得到的分割效果不同，因此通過(guò)對(duì)m和n取不同值得到分割效果對(duì)比。當(dāng)n為0.5和m為5時(shí)分割效果最好，能夠完整地分割出缺陷部分。

圖3 改進(jìn)Otsu方法不同參數(shù)效果

圖4 傳統(tǒng)Otsu與改進(jìn)Otsu分割結(jié)果比較

3 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)在PC處理器為Intel Core i7-2620M 2.70GHz，內(nèi)存大小為6GB，MATLAB R2010a平臺(tái)上進(jìn)行仿真。首先在RGB空間中對(duì)R、G、B三個(gè)分量處理后疊加，再使用改進(jìn)后的Otsu方法實(shí)現(xiàn)墻紙缺陷的分割。為驗(yàn)證該方法，分別對(duì)本文方法、文獻(xiàn)[4]、文獻(xiàn)[13]的方法進(jìn)行對(duì)比。

從圖4中可以看出，與傳統(tǒng)Otsu方法相比，改進(jìn)后的Otsu方法更能適應(yīng)墻紙缺陷的分割。從圖5比較結(jié)果，本文提出的方法受背景紋理影響較小，能夠?qū)⒘鸭y、孔洞、褶皺、黑斑四種缺陷從不同紋理墻紙中有效地分割出來(lái)。本文方法與文獻(xiàn)[4]、文獻(xiàn)[13]方法分割效果比較如圖6所示。

從圖4中可以看出，文獻(xiàn)[4]的方法受背景影響較大，背景越復(fù)雜分割效果越差，文獻(xiàn)[13]的方法對(duì)于缺陷部分產(chǎn)生多余分割，并且在黑斑缺陷部分產(chǎn)生錯(cuò)誤分割，與文獻(xiàn)[4]、文獻(xiàn)[13]的方法相比，本文方法對(duì)于墻紙缺陷均能夠正確分割，且分割效果更好。

對(duì)于裂紋、孔洞、褶皺、黑斑四種缺陷，在不同背景紋路墻紙上的檢測(cè)結(jié)果如圖6所示。從圖中可以看出，本文方法能夠準(zhǔn)確、有效地檢測(cè)出這四種缺陷，并且從表1中可以看出，對(duì)于不同墻紙中的四種缺陷檢測(cè)時(shí)間較短，平均耗時(shí)0.157s。

圖5 不同方法分割效果對(duì)比

表1 缺陷檢測(cè)消耗的時(shí)間

圖6 不同缺陷檢測(cè)結(jié)果

4 結(jié)束語(yǔ)

針對(duì)墻紙裂紋、孔洞、褶皺、黑斑四種缺陷，在圖像預(yù)處理中，提出兩種方案并進(jìn)行對(duì)比，并能夠有效地分割出這四種缺陷。圖像預(yù)處理在RGB空間中，通過(guò)對(duì)各像素點(diǎn)地R、G、B三個(gè)分量修改后進(jìn)行疊加，得到處理后的圖像；對(duì)傳統(tǒng)Otsu方法進(jìn)行修改，使其能夠適用在墻紙缺陷分割當(dāng)中。實(shí)驗(yàn)結(jié)果表明，修改后的方法能夠有效地分割出裂紋、孔洞、褶皺、黑斑四種缺陷，為進(jìn)一步的缺陷識(shí)別分類(lèi)研究打下基礎(chǔ)。