(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210346881.7 (22)申请日 2022.03.31 (71)申请人 海门市恒创织带有限公司 地址 226100 江苏省南 通市海门市三厂镇 光明北弄 197-1号5号房 (72)发明人 李惠梅　林鸿江　 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2022.01) G06T 7/136(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于图像处 理的布匹瑕疵的检测方法 (57)摘要 本发明涉及一种基于图像处理的布匹瑕疵 的检测方法， 本发明方法包括： 采集布匹图像， 将 布匹图像分割为多个窗口图像， 获取窗口图像的 频率直方图， 对每两个窗口图像的频率直方图进 行相似性计算得到相似度值， 获取每个窗口图像 与其他窗口图像之间的频率相似度值的平均相 似度值， 根据平均相似度值绘制相似度曲线， 根 据相似度曲线得出相似度值的最大值， 根据相似 度值的最大值确定标准窗口图像， 基于标准窗口 图像计算位置缺陷窗口图像的布匹纹理的周期 符合率， 通过周 期符合率确定缺陷像素点， 从而 有效避免布匹自身纹理的干扰， 准确的定位缺陷 位置， 提高布匹缺陷修复位置的准确性， 实用性 强， 值得推广。 权利要求书3页 说明书8页 附图1页 CN 114723705 A 2022.07.08 CN 114723705 A 1.一种基于图像处 理的布匹瑕疵的检测方法， 其特 征在于， 该 方法包括： S1、 获取布匹图像， 将布匹图像均匀划分多个窗口图像， 获取每个窗口图像的频谱图， 根据各频谱图绘制每 个对应的窗口图像的频率 直方图； S2、 根据频率直方图获取每两个窗口图像的频率均值差异、 频率偏差差异， 根据 频率均 值差异、 频率偏差差异计算每两个窗口图像之间的频率相似度值， 并计算每个窗口图像与 其他窗口图像之间的频率相似度值的平均相似度值； S3、 将各窗口图像的平均相似度值获取相似度曲线， 将相似度曲线变化率最大值的点 作为分割阈值得到未知缺陷窗口图像集合和非缺陷窗口图像集合； 获取所有窗口图像中频 率相似度值的最大值， 最大值所对应的窗口图像为标准窗口图像； S4、 对标准窗口图像进行分析， 得到两个主成分方向及各主成分方向对应的特征值； 获 取垂直主成分方向的的最长直线l， 根据最长直线l左侧的一个初始像素点与最长直线l上 所有与所述初始像素点灰度值相同的直线像素点 获取布匹纹理的最小 可能周期， 根据每个 最小可能周期 计算最小周期的可能性值， 根据可能性值和设定的可能性值的阈值确定满足 条件的布匹纹 理的最小周期； S5、 计算单个最小周期内垂直各主成分方向的像素点的灰度均值、 像素点的灰度 方差； 并根据各主成分方向的最小周期对应的可能性值、 特征值、 灰度均值及灰度方差计算未知 缺陷窗口图像的周期符合 率； S6、 根据周期符合率对未知缺陷窗口图像进行阈值分割， 得到缺陷像素点的集合， 缺陷 像素点的集 合即为缺陷位置 。 2.根据权利要求1所述的一种基于图像处理 的布匹瑕疵的检测方法， 其特征在于， 根据 频率均值差异、 频率偏差 差异计算每两个窗口图像之间的频率相似度值的步骤 包括： 对各频率直方图中的频率值进行密度聚类得到若干个类别区间， 分析各类别区间的频 率占比得到主类别和非主类别； 根据下式(1)计算相似度值： 其中， Xi,j表示第i和第j个窗口图像的频率之间 的相似度 值； Fi,a表示第i个窗口图像的 频率直方图第a个非主类别； Fj,b表示第j个窗口图像的频率直方图第b个非主类别； Mi表示 第i个窗口图像频率直方图的非主类别个数； Mj表示第j个窗口图像频率直方图的非主类别 个数， 表示第i个窗口图像与第j个 窗口图像非主类别平均波动程 度差异； μi表示第i个窗口图像的频率均值； μj表示第j个窗口图像的频率均值； σi表示第i个 窗口图像的频率偏差； σj表示第j个窗口图像的频率偏差； ( μi‑μj)2表示窗口图像之间的频 率均值差异； ( σi‑σj)2表示窗口图像之间的频率偏差差异， ( μi‑μj)2*(σi‑σj)2表示窗口图像 频率直方图之间的整体分布差异。 3.根据权利要求1所述的一种基于图像处理 的布匹瑕疵的检测方法， 其特征在于， 将相 似度曲线变化率最大值的点作为分割阈值得到未知缺陷窗口图像集合和非缺陷窗口图像 集合的步骤 包括：权　利　要　求　书 1/3 页 2 CN 114723705 A 2获取所述相似度曲线中的变化 率最大值； 根据下式(2)计算变化 率最大值处的突变性T： 其中， km为变化率最大值； ki表示相似度曲线的其它点变化率； n表示其它点的个 数， i表 示其它点； 根据突变性确定突变点， 根据突变点作为分割阈值得到未知缺陷窗口图像集合和非缺 陷窗口图像集 合。 4.根据权利要求3所述的一种基于图像处理 的布匹瑕疵的检测方法， 其特征在于， 根据 突变性确定突变点， 根据突变点作为分割阈值得到未知缺陷窗口图像集合和非缺陷窗口图 像集合的步骤 包括： 当变化率最大值处的突变性T>5,则认为该点为突变点， 且该窗口图像内的图像 中存在 缺陷； 当变化 率最大值处的突变性T< 5， 则不存在缺陷； 以突变点对应的变化率最大值作为相似度分割阈值， 获取相似度值Xi>Xm的窗口图像， 相似度值Xi>Xm的窗口图像的集合即为 未知缺陷窗口图像 集合， 其余的窗口图像集合即为非 缺陷窗口图像集 合， 其中， Xi表示突变点的相似度值， Xm表示突变点前的一个相似度值。 5.根据权利要求1所述的一种基于图像处理 的布匹瑕疵的检测方法， 其特征在于， 根据 最长直线l左侧的一个初始像素点与最长直线l上所有与所述初始像素点灰度值相同的直 线像素点获取布匹纹 理的最小可能周期的步骤： 在最长直线l最左侧选取的一个像素点作为初始像素点， 将初始像素点坐标记为(x0, y0)， 并获取 该像素点的灰度值； 获取最长直线l上与所述初始像素点灰度值相同的所有直线像素点， 所有直线像素点 的集合记为集合A， 选取集合A中与初始像素点坐标(x0,y0)距离依次由近至远的第一像素点 坐标(x1,y1)、 第二像素点坐标(x2,y2)......第n像素点坐标(xn,yn),将第一像素点坐标 (x1,y1)与初始像素点坐标(x0,y0)之间的距离 d1、 第二像素点坐标(x2,y2)与初始像素点坐 标(x0,y0)之间的距离 d2......第n像素点坐标(xn,yn)与初始像素点坐标(x0,y0)之间的距 离dn； 将距离d1、 d2......dn依次作为布匹纹 理的最小可能周期。 6.根据权利要求5所述的一种基于图像处理 的布匹瑕疵的检测方法， 其特征在于， 根据 每个最小可能周期计算 最小周期的可能性 值的步骤： 根据下式(3)依次将d1、 d2......dn作为最小可能周期计算 最小周期的可能性 值： 其中， h0i表示初始像素点坐标(x0,y0)与第n像素点坐标(xn,yn)之间的第i个像素坐标 灰度值； hji表示与第i个像素点坐标间隔j* dn距离的像素点的灰度值； ε表示防止分母为零 的常量参数， 取0.01； K表示在主成分方向以dn为最小周期的可能性值； m表示周期的个数； i 表示单个周期内的第i个 像素点； j表示第几个周期； dn表示布匹纹 理的最小可能周期。权　利　要　求　书 2/3 页 3 CN 114723705 A 3