任震东
摘 要
针对染色纺织物检测中存在的纹理影响因素和准确率低的问题，提出一种新的检测方法：在两种不同标准光源D65和F2的照射下对染色纺织物进行图像采集，采用基于RTV的中值滤波算法对染色纺织物进行纹理滤波处理，然后使用基于显著算法的CMC（l：c）色差公式对染色纺织物的色差进行计算，经过三组试验证实色差检测的准确率在89%，并得出不同光源下相同纺织物存在色差的结论。
关键词
染色纺织物;光源;中值滤波;CMC色差公式;色差
中图分类号： TP32 文献标识码： A
DOI：10.19694/j.cnki.issn2095-2457.2020.04.05
0 引言
随着纺织行业的飞速发展，纺织物色差检测已经成为纺织行业中的重要环节[1]。目前在纺织行业中纺织物色差检测普遍采用人工检测的方式，该方式存在检测效率低，人为影响因素较大等问题[2]。为了解决目前纺织品色差检测存在的问题，达到高效、准确的目的，国内外研究人员进行了相关研究。目前的方法分别是从颜色空间转换[3]、图像分割、目标提取、图像滤波和色差公式等方面进行改进，从而提高算法的准确率。上述研究通过多种算法和色差公式对纺织物色差进行研究，对纺织物色差检测系统的建立起到了推动性作用。对上述文献进行研究后发现如下两方面问题：一方面是纺织物色差检测需要在指定光源下进行检测，不同光源下的纺织物色差检测结果存在一定差别，使得检测结果的准确率得不到保证;另一方面是染色纺织物纹理对色差检测结果存在影响。
基于此，采用面阵CCD相机在封闭的对色灯箱中采集不同光源下静态单色纺织品的图像颜色信息，再对纺织物图像纹理进行处理，并用色差公式得到色差结果。
1 图像采集
纺织物色差检测中，光源是至关重要的一个条件。CIE委员会定义并制定了多种标准光源，在该实验中选用目前纺织厂常用的D65和F2光源。在封闭的对色灯箱中选用指定光源对织物进行照射，利用CCD相机和光学镜头组成的光学成像模块对检测纺织物进行图像采集。
2 基于RTV的中值滤波算法
首先纺织物纹理间隙区域的颜色会出现深浅不一的情况，其次纺织物本身会出现各种瑕疵，为了有效避免上述因素对图像颜色获取造成影响，采用改进的中值滤波对纺织物的主体颜色进行提取。为了使得纺织物纹理对颜色提取造成的影响降低，本文采用基于RTV的中值滤波算法对采集的纺织物图像进行处理，其公式如式（1）、（2）：
本文对采集图像基于引导图像进行联合双边滤波处理，得到输出图像，如式（3）：
公式中的和分别对应两和双边滤波器的空间权重和阈值权重函数。通过联合双边滤波分别对R、G、B三个通道进行处理得到最终的彩色结果。
3 基于显著算法的CMC（l：c）色差公式
CMC（l：c）色差公式是目前较为常用的色差公式如式（4）所示：
式（9）中，ΔL*、ΔC*ab、ΔH*、ΔECMC（l：C）分别式在LAB颜色空间检测纺织物色相对于标准纺织物颜色的亮度差、彩度差、色相差、色差值。SL、SC、SH是由标准纺织物颜色亮度、彩度、色相所确定的色差校正值。l、c为色差调节因子，本文分别取值为2、1。
改进的CMC（l：c）色差显著算法，其纺织物色差显著图定义为：
式（5）中，ΔECMC（l：C）（x，y）在颜色坐标中对的标准色的CMC（l：c）色差值，Sals（x，y）是纺织物色差显著图中对应像素点的灰度值，由纺织物图像该点的色差值赋予。使用改进的CMC（l：c）色差公式进行色差检测。
4 实验结果与分析
按纺织物色差检测流程图，获取图像的色差值，并对其进行分类。色差值的单位为NBS，当色差值的数值是1时称其为1个色差单位，色差值的数值小于1.5时人眼检测难以发现色差，故将T的值定位1.5。
通过表2可以看出，本文算法在纺织物纹理去除的效果上较为显著，同时在去除纺织物的同时也能有效地去除附着在纺织上的细小污染物，这对染色纺织物色差检测中颜色的提取带来了便捷。
本试验所选取的三类不同颜色的染色纺织物均是由相关工厂提供，且是经过人工检验后的合格品。从表1和表2所呈现出来的色差值均小于设定的T值，验证了改进的CMC色差算法的可靠性。
5 结论
（1）以染色纺织物为对象提出基于RTV的中值滤波算法对图像进行处理，达到了去除纹理及微小瑕疵的目的，避免了这些因素的干扰，进一步提高算法运行的效率。
（2）改进的CMC色差算法能够将纺织物色差显著图中色差较大的区域特征显著出来，提高了检测的精准度。
（3）本文在两组不同光源下对相同纺织物进行检测，得出的色差值存在一定的差异，证明了光源对染色纺织物色差存在影响。
参考文献
[1]李鹏飞，闫亚娣，张凯兵，等.基于AdaBoost局部二值模式特征的色织物纹理分类[J].西安工程大学学报，2018，32（06）：670-677.
[2]杨曼，李仁忠，刘阳阳，等.基于改进迭代匹配滤波的织物疵点检测[J].西安工程大学学報，2017，31（03）：383-389.
[3]刘恺，刘湘，常丽萍，等.基于YUV颜色空间和多特征融合的视频烟雾检测[J].传感技术学报，2019，32（02）：237-243.
