【正文】 種算法對(duì)原圖像進(jìn)行校正對(duì)校正后的圖像進(jìn)行最基本的色差比較在此基礎(chǔ)上本文提出一種基于小波理論的光照校正算法并通過試驗(yàn)驗(yàn)證了本文 采用的光照校正算法的可行性和有效性 在上述研究的基礎(chǔ)上針對(duì)可能造成染色品質(zhì)量評(píng)價(jià)誤差的因素進(jìn)行分析主要包括同一地點(diǎn)不同的光照照射不同的場景同一場景的不同擺放方位等因素 15 本文章節(jié)目錄及概要 第一章 緒論 在簡單介紹計(jì)算機(jī)視覺的基礎(chǔ)上本文首先概述了對(duì)基于計(jì)算機(jī)視覺的染色品色差檢測進(jìn)行研究的背景目的及意義然后介紹了本論文的主要內(nèi)容及思路 第二章 染色品色差檢測系統(tǒng)及相關(guān)理論 首先介紹了幾種圖像預(yù)處理的方法包括中值濾波法鄰域平均法及高斯模板濾波法然后闡述了染色品色差在線檢測系統(tǒng)設(shè)計(jì)結(jié)構(gòu)及原理照明系統(tǒng)攝像頭的選擇采集卡的選擇最后對(duì)染色布面色差在線檢測的評(píng)價(jià)指標(biāo)進(jìn)行介紹并采用原始支持向量機(jī)建立染色效果評(píng)價(jià)模型 第三章 染色品色差分類檢測算法研究 分析了原始支持向量機(jī)的優(yōu)缺點(diǎn)在此基礎(chǔ)上提出了采用一種基于 LBPGMM模型的支持向量機(jī)色差檢測與分類算法對(duì)原有數(shù)據(jù)進(jìn)行建模然后將之應(yīng)用于染色布面的色差檢測中 第四章 色差檢測光照校正技術(shù)研究 首先介紹支持向量回歸和色調(diào)顏色恒常性算法對(duì)染色品圖像進(jìn)行光照校正的情況然后針對(duì)這兩種算法進(jìn)行了試驗(yàn)比較最終本文提出了一種基于小波理論的染色品光照校正算法并將其應(yīng)用于染色品色差評(píng)價(jià)中 第五章 染色品色差檢測結(jié)果與誤差分析 照明光源的使用年限色差公式的應(yīng)用光源與樣品之間的距離無不影響著染色品色差的檢測結(jié)合采集場景以及圖像采集過程的特點(diǎn)分析可能影響色差檢測的因素 第六章 總結(jié)與展望 總結(jié)本文指出本文尚待完善之處并展望下一步的研究內(nèi)容 第二章 染色品色差檢測相關(guān)理論及系統(tǒng)設(shè)計(jì) 要對(duì)染色品進(jìn)行基于計(jì)算機(jī)視覺的色差檢測首先需要對(duì)采集的數(shù)字圖像進(jìn)行預(yù)處理 [6]通過對(duì)數(shù)字圖像預(yù)處理一方面可以降低系統(tǒng)噪聲及環(huán)境噪聲對(duì)算法性能和結(jié)果的影響另一方面可以提高檢測分類結(jié)果的魯棒性和準(zhǔn)確性因此本章首先研究了幾 種常見的圖像降噪預(yù)處理的算法中值濾波線性濾波高斯濾波并且針對(duì)性的進(jìn)行了相關(guān)試驗(yàn)同時(shí)對(duì)顏色空間及色差公式進(jìn)行了一定的研究并選擇了適合本系統(tǒng)的顏色參數(shù)最后介紹了系統(tǒng)的相關(guān)結(jié)構(gòu)在已搭建實(shí)驗(yàn)平臺(tái)下進(jìn)行圖像采集與預(yù)處理最后重點(diǎn)研究了染色色差評(píng)價(jià)模型建立本節(jié)為后續(xù)章節(jié)的深入研究奠定了堅(jiān)實(shí)的基礎(chǔ) 21 圖像預(yù)處理基本算法 由于拍攝環(huán)境和設(shè)備質(zhì)量光源等因素的影響難免會(huì)對(duì)色差測帶來干擾和噪聲這些噪聲講或多或少的導(dǎo)致圖像的失真模糊從而影響對(duì)圖像特征的分析因此在進(jìn)行基于計(jì)算機(jī)視覺的染色品色差檢測研究的同時(shí)一方面要考慮如何消除這些 不利因素另一方面還要通過圖像預(yù)處理來排除和淡化它們帶來的影響 染色品圖像噪聲可分為外部噪聲和內(nèi)部噪聲外部噪聲是由外部環(huán)境引起的如環(huán)境光引起的噪聲內(nèi)部噪聲是系統(tǒng)自身產(chǎn)生的如 CCD 工作時(shí)產(chǎn)生的噪聲按其與有用信號(hào)之間的關(guān)系可以將噪聲分為乘性噪聲與加性噪聲乘性噪聲相伴有用信號(hào)存在是由系統(tǒng)時(shí)變性或非線性引起的加性噪聲可認(rèn)為是系統(tǒng)的背景噪聲也就是即使有用信號(hào)消失了它將依然存在完全獨(dú)立于有用信號(hào)如散彈噪聲熱噪聲等此外還有量化噪聲等對(duì)乘性噪聲如果平滑處理不當(dāng)將會(huì)使染色品圖像的細(xì)節(jié)如邊界輪廓線條變得模糊不清總之這些噪聲都會(huì)使 圖像模糊不同程度地降低圖像質(zhì)量加大色差檢測的誤差產(chǎn)生概率 對(duì)圖像進(jìn)行濾波處理的目的是使圖像視覺效果好同時(shí)不能損壞圖像邊緣和輪廓等重要信息去除圖像噪聲的方法主要有中值濾波線性濾波及高斯濾波法 211 中值濾波 中值濾波是一種非線性濾波技術(shù)該方法采用一個(gè)包含若干個(gè)像素的可滑動(dòng)窗口并將該窗口中對(duì)應(yīng)像素點(diǎn)的像素值按大小順序進(jìn)行排列使用所選圖像像素的中值代替原窗口中心像素點(diǎn)的像素值若窗口大小為偶數(shù)則取中間兩個(gè)像素的像素平均值若窗口大小為奇數(shù)則取其中間值 中值濾波可以有效抑制椒鹽噪聲和脈沖干擾對(duì)處理椒鹽噪聲較為有效 困為此種噪聲是以黑白點(diǎn)疊加在圖像上的另外它在一定程度上也能夠保護(hù)圖像邊緣等細(xì)節(jié)信息 中值濾波的基本原理是將染色品圖像像素值序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替從而達(dá)到消除孤立的噪聲點(diǎn)的目的二維中值濾波輸出為 mxy median n xkyl kl∈ W 其中 m xy m xy 分別為原始圖像和處理后圖像 W 為二維模板通常為 2233 區(qū)域也可以為不同的形狀如圓形線狀圓環(huán)形十字形 例如對(duì)于一個(gè) 3x3的領(lǐng)域其中值是第 5個(gè)值當(dāng)一個(gè)領(lǐng)域中的一些像素值相同時(shí)那么其中任何一個(gè)都可以作為中值比如一個(gè) 3x3 的 領(lǐng)域內(nèi)有一系列像素值 915151511151525100 對(duì)這些值排序后為 911151515151525100 那么其中值就是15 212 線性濾波 線性濾波也稱均值濾波它的響應(yīng) 輸出 是包含在濾波掩模鄰域內(nèi)的像素簡單平均值基本思想是利用濾波掩模確定的領(lǐng)域內(nèi)像素均值去代替圖像每個(gè)像素點(diǎn)的值主要用于消除圖像中的顆粒噪聲 用一像素鄰域內(nèi)各像素值的平均值來替代該像素原來值即為鄰域平均技術(shù)假設(shè)圖像 I 中某個(gè) 3x3 的鄰域如圖 21 所示其中心像素為 I xy 鄰域平均法利用的模板 掩模 如圖 22 a 所示則輸出圖像對(duì) 應(yīng)中心像素的像素值 G xy 為 2 1 圖 21 3x3 鄰域 圖 22 平滑所用模版 顯然領(lǐng)域平均法有具有較好的降噪平滑能力但是鄰域平均法在對(duì)去噪和平滑邊緣信息是不加以區(qū)分的從而削弱了圖像中原本正常的邊緣和細(xì)節(jié)使圖像產(chǎn)生一定程度的模糊圖像的模糊程度與模板大小相關(guān)雖然模板越大去噪能力越強(qiáng)但是模糊程度也會(huì)隨之加劇這些均不利于接下來的色差檢測評(píng)價(jià) 引入加權(quán)思想設(shè)置一個(gè)平滑模板對(duì)鄰域平均法進(jìn)行改進(jìn)如圖 22b 所示定義權(quán)值 之和為 16 則輸出圖像中心像素值為 2 2 其中為模板權(quán)值 根據(jù)像素距離中心位置的遠(yuǎn)近來確定各個(gè)像素的權(quán)重或重要性可以看出中心位置權(quán)值最大距中心點(diǎn)位置越遠(yuǎn)權(quán)值越小這種處理方法在一定程度上可以降低已處理圖像的模糊程度 213 高斯濾波 高斯濾波器是根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器高斯平滑濾波無論是在頻率域或是在空間域都是相當(dāng)有效的低通濾波器其對(duì)消除服從正態(tài)分布的噪聲是十分有效的 一維零均值高斯 函數(shù)為 2 3 參數(shù)σ決定著濾波器的寬度但對(duì)于數(shù)字圖像處理來說常使用二維零均值離散高斯函數(shù)其數(shù)學(xué)表達(dá)式為式 2 4σ決定著 高斯濾波器的寬度平滑程度是直接簡單相關(guān)的參數(shù)σ越大頻帶就越寬平滑程度也就越好通過調(diào)節(jié)參數(shù)σ可在平滑圖像中由噪聲和細(xì)紋理引起的過多不希望突變量欠平滑之間與圖像特征過分平滑過模糊之間折中 214 圖像預(yù)處理結(jié)果對(duì)比 本文以在實(shí)驗(yàn)平臺(tái)下采集到的一幅圖像樣本為研究對(duì)象對(duì)該圖像分別采用線性濾波法中值濾波法以及高斯模板濾波法進(jìn)行去噪平滑處理 從濾波效果如圖 23 中可以看出鄰域平均法在圖像邊緣處易被邊緣周圍的高頻信息污染而中值濾波法在圖像的角點(diǎn)處易產(chǎn)生凸點(diǎn)相比較以上兩種方法高斯濾波法的圖像邊緣信息保持良好針對(duì)染色品的色差 檢測這一研究目標(biāo)采用高斯濾波法相比較而言較為適合因此在本文的以下章節(jié)中均采用高斯濾波法對(duì)樣本進(jìn)行圖像預(yù)處理 原圖像 線性濾波法 中值濾波圖像 高斯模版濾波法 圖 23 三種圖像預(yù)處理的效果圖 22 圖像顏色空間 顏色空間也稱彩色系統(tǒng) [7] [8] [9]其目的是在某些標(biāo)準(zhǔn)下用通常可接受的方式對(duì)彩色加以說明本質(zhì)上顏色模型是坐標(biāo)系統(tǒng)和子空間的闡述位于系統(tǒng)的每種顏色都由單個(gè)點(diǎn)來表示 色差是指顏色的知覺差異通?？蓮纳{(diào)明度和彩度這三種顏色屬性的差異來表示色調(diào)差表 示色相的差異即偏黃或偏紅等明度差表示深淺的差異彩度差表示鮮艷度的差異在理想的顏色空間中相應(yīng)顏色之間的色差大小即為點(diǎn)與點(diǎn)之間距離的大小 221 R G B 空間 現(xiàn)有采集設(shè)備最初采集的均為圖像的 RGB 值而在圖像處理的過程中使用的其他顏色空間也均是從 RGB 顏色空間轉(zhuǎn)換而來的其處理結(jié)果顯示出來也需要轉(zhuǎn)回 RGB 顏色空間所以圖像處理中最常用的是 RGB 顏色空間 RGB 為三基色它們相互之間是互獨(dú)立的即任何一種基色都不能有其它兩種顏色合成而任何彩色都可以用紅綠藍(lán) 3 種基色配制而成看起來似乎完美但在進(jìn)行圖像處理時(shí)則會(huì)發(fā)現(xiàn)它的 不足其一 RGB 顏色空間是最不均勻的顏色空間之一兩個(gè)顏色之間的知覺差并不能通過該顏色空間中兩個(gè)顏色點(diǎn)之間的距離來表示其二 RGB空間不直觀顏色認(rèn)知屬性很難通過 RGB的值來體現(xiàn)其三 RGB具有很高的相關(guān)性 RG098BR078GB094 高相關(guān)性的存在不僅對(duì)圖像數(shù)據(jù)壓縮造成了相當(dāng)?shù)睦щy而且也為圖像的顏色處理帶來了麻煩 另外在 RGB 顏色空間中實(shí)際選定的三原色在比配等能光譜時(shí)存在著負(fù)比配光譜三刺激值曲線有一部分是負(fù)的這和日常生活中人們關(guān)于顏色的概念無法吻合也無法理解所有這些因此在實(shí)際應(yīng)用中極少會(huì)用到 RGB 顏色空間 222 HSV 顏色空間 HSV模型的三維表示從 RGB立方體演化而來顏色的參數(shù)分別是 H參數(shù)表示色彩信息即所處的光譜顏色的位置該參數(shù)用一角度量來表示紅綠藍(lán)分別相隔 120度互補(bǔ)色分別相差 180 度 純度 S為一比例值范圍從 0到 1它表示成所選顏色的純度和該顏色最大的純度之間的比率 S 0 時(shí)只有灰度 V表示色彩的明亮程度范圍從 0 到 1有一點(diǎn)要注意它和光強(qiáng)度之間并沒有直接的聯(lián)系 HSV是一種比較直觀的顏色模型 Lab是一種空間也即一種顏色模型是在 1931 年國際照明委員會(huì) CIE 制定的顏色度量國際標(biāo)準(zhǔn)的基礎(chǔ)上建立的在1976年又經(jīng)修訂并被命名為 CIELab這是一種與設(shè)備無關(guān)的顏色系統(tǒng)也是一種基于生理特性的顏色系統(tǒng)以數(shù)字化方式來描述人的視覺感應(yīng)它適用于一切光源色體或物體色的表示與計(jì)算 在 Lab 顏色空間中一種顏色由 L 亮度 a 顏色 b 顏色三種參數(shù)表征． L 表示照度 Luminosity 相當(dāng)于亮度 L 取值為 0100 純黑 純白 a 表示從紅色至綠色的范圍 a取值為 127128 洋紅 綠 b表示從黃色至藍(lán)色的范圍 b取值為 127128 黃 藍(lán) ．正為暖色負(fù)為冷色 圖 25 LAB 量化特性 其中 LAB 顏色空間的具有以下特點(diǎn) Lab顏 色空間中明度和顏色是分開的 L通道沒有顏色 a通道和 b通道只有顏色 在 Lab中進(jìn)行調(diào)節(jié)很簡單速度很快色域?qū)掗熕粌H包含了 RGB的所有色域還能表現(xiàn)它們不能表現(xiàn)的色彩人的肉眼能感知的色彩都能通過表現(xiàn)出來它彌補(bǔ)了RGB 色彩模型和色彩模式色彩分布不均的不足與標(biāo)準(zhǔn)顏色的差異可采用計(jì)算歐式距離即 或者 其中表示計(jì)算出的色差信息 232 HSV 顏色空間色差計(jì)算 HSV 顏色空間中的顏色信息主要包含于 H 分離色度分量 S 分量飽和度分量 V分量亮度分量其中主要的色差信息主要集中于 H分量和 V分量同時(shí)也有小部分的 S 分量影響著物體整體 的顏色信息因此我們一般采用三者差異的加權(quán)和的方式來表現(xiàn)待測物體的顏色與標(biāo)準(zhǔn)顏色的色差即 其中 一般情況下顏色的大部分信息位于 H分量其次是 S分量和 V分量因此試驗(yàn)可取 233 LAB 顏色空間色差計(jì)算 在 LAB 模型中 [10]L 代表明度 A 代表紅 綠 B 代表黃 藍(lán)大部分國家包括國際標(biāo)準(zhǔn)化組織 ISO 都將它作為自己的標(biāo)準(zhǔn)因此可以說 CIE1976LAB 色差公式是自1976 年起較為通用的色差公式 在與顏色感覺一致的均勻顏色空間內(nèi)兩個(gè)顏色樣品之間的色差表示為坐標(biāo)點(diǎn)之間的距離一般 CIE1976LAB 色差公式采用歐式距離的計(jì) 算方法 24 色差檢測系統(tǒng)結(jié)構(gòu) 基于計(jì)算機(jī)視覺的染色品色