0   前言

　

　　在纺织品生产过程中，质量控制与检测是非常重要的，织物疵点检测是其中最重要的一部分。目前国内织物检测基本上是由人工视觉来完成。在检测过程中，由于人眼视觉存在偏差，首先，一个检验员精力集中的最长时间只有20 min~30 min，超过这个时间就会疲劳，检验员的注意力就会降低引起漏检。其次，一个检验员的工作状态受到外界因素，如疵点类型和大小、频率、天气、身体情况影响会不断变化，较低的重现率并不奇怪，也会影响检测结果。

 

      基于以上原因，织物疵点的自动检测技术是近年来国内外学者共同关注和研究的热门课题之一。随着计算机技术、数字图像技术和神经网络技术的不断发展，使得基于图像处理的织物疵点自动检验技术成为可能。

 

　　1   织物疵点自动检测过程

 

　　织物疵点自动检测过程包括织物图像采集、图像预处理、图像分析处理、织物疵点检测分类、检测结果统计分析等阶段（见图1）。织物疵点自动检测技术的核心内容是对采集的织物图像进行分析处理的方法。

 

　　2   织物疵点检测方法

 

　　2.1   基于数学形态学的织物疵点检测技术

　

　　数学形态学是一门新的图像分析科学，其基本理论和方法在视觉检测领域已取得了非常成功的应用。数学形态学可以用来解决抑制噪声、特征提取、图像分割、纹理分析等图像处理问题。数学形态学图像处理是以几何学为基础的，它着重研究图像的几何结构，这种结构表可以分析对象的宏观性质或微观性质。织物的宏观性质量具有非常显著几何纹理特征，当织物上有疵点时其纹理特征发生变异。在数学形态学中，用集合来描述织物图像目标，在考察织物图像时，可以设计一个收集织物图像信息时的“探针”，称为结构元素，利用结构元素去探查每一幅织物图像，看是否能够将这个结构元素很好地与考察图像匹配。从而提取有用的信息作织物图像的结构分析和描述。

 

      数学形态学检测织物疵点首先对没有任何疵点的织物图像进行检测，得到表示这种织物纹理特征的参数，作为检测这一品种织物图像的结构元素。将输入的织物图像进行预处理，其中包括平移、旋转运算，对织物图像定位。将输入的织物图像进行二值化处理。根据影像的灰度直方图，用判别分析法计算织物数字摄影的阈值。通过下面公式将灰度值表示的织物影像二值化，得到二值化织物影像。

 

　　g(i,j)=1   f(i,j)≥t

　　g(i,j)=0   f(i,j)≤t     其中f(i,j)指灰度值，t为阙值。

 

　　用已经建好的结构元素对二值化织物影像进行考察。对能与结构元素很好匹配的部分进行腐蚀运算；对无法与结构元素匹配的部分（即疵点存在的部分）进行膨胀运算，使疵点影响像更为清晰化。最后根据已知的疵点图像（已建立的织物疵点图库）和从以上分析所得到疵点部分灰度阈值确定疵点的类型。