经编织物印染色差研究 56页

分类号TS187+.3学校代码10495ＵＤＣ677密级公开硕士学位论文经编织物印染色差研究作者姓名：张华学号：1215063001指导教师：邓中民教授学科门类：工学专业：纺织工程研究方向：纺织数字化完成日期：二零一五年六月 WuhanTextileUniversityM.E.DissertationResearchofColorDifferenceinWarpKnittedFabricDyingCandidate：ZhangHuaSupervisor：Prof.DengZhongminTime:June2015 独创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解武汉纺织大学有关保留、使用学位论文的规定。特授权武汉纺织大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日 摘要近几年经编产业在我国发展迅速，随着新产品不断开发，我国正在从经编大国向经编强国迈进。但是织物印染色差检测研究不足，中小型企业色差检测依然停留在传统的主观目视法，色差的判定取决于对色工人的主观估计，这样耗时耗力，严重降低了经编产品的国际竞争力。本文通过利用计算机视觉来代替人眼进行色差检测，期望实现检测标准化及智能化。经编织物花型复杂多变，梳栉的走势千差万别，贾卡的样式千变万化，通过截取图像获取其平均颜色值，进而利用CIELab颜色空间的转化，然后根据色差公式来求出色差等级，这种方法已经不完善的。本文提出基于图像识别的相似度检测技术，对图像相似度的求解做了详细陈述和研究分析，通过对算法的改进和调试，完成了经编织物的色差研究系统。本课题首先研究分析目前国内外的研究现状，对其测试方法进行了研究与分析。在系统物理结构方面，选择D65标准光源和低噪、灵敏度高的CCD工业摄像头；在颜色空间的转换方面，选择与人眼视觉较为接近的HSV颜色空间；在图像预处理方面，提取颜色空间亮度信息，利用中值滤波器进行去噪。在相似度求解方面，首先分析了颜色的基本属性，同时根据颜色的维数过多的现象，提出了基于HSV颜色空间的（16:4:4）进行量化，接下来介绍了几种常用的相似度求解方法，最后选择基于HSV颜色空间的欧氏距离作为最后衡量的指标。在寻求相似度与色差之间的关系时，利用最小二乘法做曲线拟合，得到两者之间的函数关系。最后建立基于opencv和VS2010技术的经编印染色差检测系统。本文提出的基于计算机视觉相似度研究是对色差检测新尝试，在国内外研究较少，具有重要的参考价值，系统的建立可较好的完成经编织物印染色差检测。关键词：颜色空间；颜色相似度；色差检测；曲线拟合研究类型：应用研究 AbstractInresentyears,astheproductandtechnologybeingdeveloped,Chinahaswitnessedrapiddevelopmentinwarpknittingindustryandnowisgrowingfromproducingcountrytopowercountry.Buttheresearchofcolordetectionisstillinthetraditionalsubjectivethatpeopledetectthecolordependontheireyesandgetresultfromtheirexperiment.Atthesametime,itistime-consuming,strenuousandshortofaccuracy.Theabovefactorsresultinlowcompetitionininternationalrivals.Themaintopicofthispassagediscusseshowtochangethecolordetectionmethodfromhumaneyestocomputervision.Becauseofthedifferentjacquardweavesandguidebartracing,thewarpknittingisrichinpattern.Thetraditionwaywhichmustobtaintheaveragecolor,thenuseCIELab1976todetectthecolordifferenceisnotviableinwarpknittingfield.Inthispaper,asimulationdetectionisusedincolordifferencedetection.Firstly,itanalyzestheresearchbackinggroundofthissubjectandthecolordetectionpresent.D65isselectedasthestandardlightandCCDcameraisselectedastheimageacquisitioninthedetectionphysicalstructure.Secondly,intermsoftheestablishmentofthecolorspace,theHSVcolorspaceisselectedwhichmatchesuptohumaneyes.Intermsofimageprocessing,colorbrightnessinformationcanbegot,thenusemedianfittingtododenoisingprocess.Thirdly,intermsofsimilaritysolution,itanalyzesthecolorproperty,inaddition,thedistributeofsimilarcolorsinHSVspaceisstudiedandanewquantitymethod(16:4:4)isobtained.Fourthly,someconsiderationsofsimilaritymethodarepresented,euclideandistanceisselectedasthefinalchoicewhichisrelatedtoHSVcolorspace.Fifthly,theleastsquaremethodisselectedforfittingcurvethatitcanexplaintherelationshipbetweenthecolordifferenceandthesimilarity.Finally,thecolordifferencedetectionsystemofthewarpknittingbasedonopencvandVS2010systemisestablished.Takenthesimilaritytocolordetectionisanewtrybothathomeandabroad.Ithasimportantreferencevalueandtheresultisaccurate.Keywords：colorspace;color-differencetesting;colorsimilarity;fittingcurveThesis：Applicationresearch 目录目录1绪论..............................................................11.1课题研究的背景及意义............................................11.2织物印染色差简介................................................11.2.1染色的基本原理................................................11.2.2色差的种类....................................................21.3颜色测量的主要方法..............................................21.3.1目视法........................................................31.3.2仪器法........................................................31.4国内外色差检测发展..............................................41.4.1国外色差检测技术的发展........................................41.4.2国内发展情况..................................................51.5论文研究主要内容................................................52经编织物色差检测系统硬件组成......................................72.1色差检测系统的总体设计..........................................72.2图像系统结构....................................................72.2.1标准光源......................................................82.2.2摄像头........................................................82.2.3系统机械部分.................................................102.2.4测试灰卡.....................................................102.3本章小结.......................................................113图像颜色空间分析及预处理.........................................123.1颜色空间.......................................................123.1.1RGB颜色空间.................................................123.1.2XYZ颜色空间.................................................133.1.3CIELab颜色空间..............................................143.1.4HSI颜色空间.................................................153.1.5HSV颜色空间模型.............................................163.2图像去噪.......................................................173.2.1颜色空间转换.................................................183.2.2选择去噪方法的选择...........................................193.3本章小结................................................................................................................234颜色特征相似度检测...............................................244.1典型的图像颜色特征.............................................24I 目录4.1.1颜色直方图...................................................244.1.2颜色矩.......................................................254.1.3累积颜色直方图...............................................264.1.4颜色聚合向量.................................................264.1.5颜色相关图...................................................274.2颜色空间的量化.................................................274.2.1常见的一些量化方法...........................................284.2.2基于HSV颜色空间量化.........................................294.3相似度表示方法.................................................304.3.1欧式距离.....................................................314.3.2直方图匹配法.................................................314.3.3直方图相交法.................................................314.3.4二次式距离...................................................324.3.5马氏距离.....................................................324.3.6夹角余弦系数.................................................324.4图像颜色不均匀性检测...........................................334.4.1分块颜色直方图...............................................334.4.2邻域主色颜色直方图...........................................344.5本章小结.......................................................345曲线拟合及系统建立...............................................355.1灰卡色差与相似度关系...........................................355.2曲线拟合.......................................................365.3建立相似度色差评级系统.........................................395.4本章小结.......................................................426总结与展望.......................................................436.1论文工作总结...................................................436.2论文的不足.....................................................436.3课题研究的发展和展望...........................................44参考文献...........................................................45II 1绪论1绪论1.1课题研究的背景及意义随着全球经济增速不断放缓，传统的纺织品市场已不景气，而日本等欧美发达国家纷纷提出再工业化政策，利用现代高科技技术提升本国纺织产品附加值，同时实行高科技壁垒，特别是“绿色壁垒”，对我国纺织行业出口造成较大影响。与此同时，越南、巴西等新兴国家以其廉价的劳动力和土地资源，吸引大量的外资，抢占市场份额。所有这些都对我国纺织行业造成巨大的冲击，因此提升我国纺织高科技化刻不容缓。而劳动强度高，操作繁琐、测量误差较大的色差检测，更应是重中之重。经编产业在我国纺织业中占有重要地位，其具有较高的科技含量，高效的生产效率、优质的产品性能。经编面料在服装、家居、产业用中广泛使用，例如运动休闲外衣、时尚女装、连裤袜、鞋面、衬垫、窗帘、桌布、文胸、内裤等。经编面料主要以涤纶、长丝、锦纶、氨纶为原料或化纤与棉、麻、丝、毛混纺纱为原料进行编织。具有尺寸稳定性较好，防脱散性，不会卷边、透气性较好等诸多优点。因此对经编面料的色差检测研究具有重要经济效益及社会意义。色差检测在印染行业中具有重要意义，虽然我国引进许多大型的印染设备，但印染色差的检测水平与国外发达国家相比，仍然存在较大差距，检测仍以人眼目测法为主，通过比对灰卡试纸评判色差等级，检测方法不规范，长时间工作视觉疲劳，造成误判与怠工，而只有少数的大型企业能够采用国外的检测仪器，但其价格昂贵，很难得到广泛的推广使用。将计算机视觉应用到色差检测系统中来，工作环境要求简单，实验仪器易于操作，对版快速准确，大大节约时间减少工人师傅的工作量，提高了检测效率。1.2织物印染色差简介1.2.1染色的基本原理染色的原理就是在一定温度条件下，将纤维浸泡在染液中，其中的染料就会从水中向纤维移动，一段时间后，染料的浓度就会在水中保持恒定状态，达到物理化学平衡。这时，水中减少的染料就是纤维上移动的染料，这种染料与纤维结合的现象就是染色。（1）染色的基本过程[1]染料分子与纤维分子间存在各种引力，使得纤维能被染料染色。染色过程主要分为以下3个阶段。1）吸附阶段，就是纤维被投入到染液后，溶液中的染料转移到纤维的表面1 1绪论的过程。2）扩散阶段，因为纤维表面的染料浓度大于纤维内部的浓度，染料就会从纤维表面向纤维内部移动。3）固着，固着就是染料分子与纤维分子发生物理化学反应的过程，形成共价键或者氢键。世界上目前在生产的染料达7000多种，主要分为活性染料、直接染料、酸性染料、硫化染料、阳离子染料等多种类型。1.2.2色差的种类印染行业中出现的色差种类有边中色差、前后色差、原样色差、正反色差、[2]色条、色花等多种类型。边中色差值的是织物中间的色相、色光、饱和度等因素与织物边界的颜色存在差异。前后色差值的是同一批被染色的织物，先染出的织物颜色与后染出的织物颜色存在较大差异。正反色差指的是织物正面颜色和织物反面颜色在染色过程中存在较大差异。色差产生的原因主要有前处理效果不好，染色方面中的染料性质、染液配置、工艺条件等。（1）前处理后形成的半成品中存在的疵点有时较为隐蔽，难以被直接查明，例如退浆效果不好，织物白度前后差别大，半成品中织物pH值过大等都可能影响染色效果。（2）染液性质的影响，有些染料受热刺激后会变性，造成织物变色，除此之外，染液的配置，颜料的操作标准化规范化都对染液有影响，工艺参数的不稳定等因素都会形成色差。（3）设备机器的影响，印染轧车的气压，油压发生变化会对颜色造成影响，比如织物染色时，左中右染液的含量不一样，造成色差发生变化，形成边中色差。（4）织物的后整理，后整理对织物的色光影响很明显，扎光整理后色光艳度会发生较大变化，出现原样色差，即处理前后颜色发生改变。因此需要对织物进行经常性的取样，检测色差等级以保障染色的均匀性及一致性。传统的人眼目视法工作太繁琐，机械的测色检测，使工人处于疲劳状态，而且测量的精度不高，因此我们设计开发经编织物色差检测系统具有重要的经济意义。1.3颜色测量的主要方法目前，企业织物印染色差的检测方法主要有以下两种：一种是人眼主观目测法，即通过人眼观察布样，参照标准灰卡，估计色差等级。另一种是仪器法测定法，将织物放在色差仪中，由机器自动读出色差值。2 1绪论1.3.1目视法在标准光源箱下，测色师傅对标准样品和待检测样品进行目视法检测比较，参照标准变色灰卡进行比对。根据灰卡变色程度，观察两块样品颜色深浅的变化程度，估计色差值。对织物进行检测时，一般是保持距离在700+150mm或者700-150mm，实验员服饰要求无彩色，在测量时需要适应照明条件2分钟，观察台为中性灰，入射光源与布面呈45度角，人眼垂直布面观察。目视法具有简便、直观、判定结果快的优点，但其对测色师傅的经验和视觉要求较高，结果的主观性较大，结果精确度不高，同一块对比面料，不同的人员测试的结果不同。这样可能导致供需双方在检测结果上存在争议，引起不必要的争执。据统计数据分析，通过目视法对颜色等级的误判率高达17%。随着时代的发展和检测要求的规范、标准化，目视法只能作为参考值考虑。1.3.2仪器法目前市面上流行的纺织测色仪主要有以下两种类型，一种是反射分光光度计和一种是光电积分光度计。其原理是光线照射到物体后产生散射光或反射光，测色仪对该光线进行捕获和采集，这样测色仪内的光学元件就会受到刺激，得到光谱功率分布、波长、颜色三刺激值、色度坐标值等其他数据，完成了对光线的客观分析。(1)分光光度法[3]分光光度法测色仪类型主要有滤光片式和光谱分散式这两种类型，滤光片式应用窄带滤色镜方法，光谱分散式应用衍射光栅式方法。两者相比，滤光片式仪器含有很多滤色镜，可以在很高的分辨率。滤光片仪器相比光谱分散式仪器耐用，对工作环境要求不高。利用光谱分射式分光光度计测量光线照射到物体后产生的反射光和透射光，得到光谱功率分布，然后根据公式推倒计算计算出物体的[4]三刺激值。分光光度法测色仪是一类可精确测量颜色的仪器，但其结构复杂，昂贵易碎，对工作环境要求相对较高，一般只适合在实验室环境下运用。（2）光电积分法光电积分法是通过测量物体的三刺激值得到颜色属性，其工作原理是光源中的光作用于物体后，通过三刺激滤光片，光电池接受到其三刺激值，而后得到光谱三刺激曲线，进行积分，得到颜色坐标、颜色参数等其他颜色属性。光电积分法仪器的准确度受仪器内的光源、滤光片和光电池的共同影响，只要有一个出现偏差，就会导致结果的不准确。因此其使用受到限制，对微小的色差检测情况较弱，测试结果波动比较大，稳定性重现性较差。光电积分法测色仪具有测量速度快，价格低廉的优点。总体来说，分光光度法测色仪器，其价格昂贵，测试结果比较复杂，需要专3 1绪论业的人员才能进行操作，且该测色仪器对工作环境的要求较高。光电积分法测色仪器，价格相对低廉，测色速度比较快，但其结果稳定性和重现性比较差。这两种测色仪的局限性决定了其不能大规模在工业测试中使用。1.4国内外色差检测发展1.4.1国外色差检测技术的发展国外色差的发展历史最早可以追溯到上世纪20年代，当时研究的是分光光度仪器，采用的是光谱扫描原理，速度慢，体积大。20世纪30年代国际照明委员会（CIE）创建三刺激值色度学系统，Hardy设计了第一台分光光度计。20世纪40年代美国的Park和Stern介绍了各种染料吸收光线的光学特性，提出了求解染料浓度的计算公式，标志着颜色分析技术从定性分析走向了定量分析。20世纪50年代，美国的Davidson设计了模拟配色的计算机COMIC系统，使用计算机配色成为了可能。20世纪60年代，美国的氰胺染料公司和英国的ICI公司[5-7]开始利用数字计算机为工厂企业提供配色服务。随着现代电子技术的发展，20世纪70年代开始开发出MACBETHMS2020分光光度计，该分光光度计采用了二极管和闪光光源检测元件，大大减少设备仪器的占地面积，提高了系统运行速度。20世纪80年代随着微型计算机的蓬勃发展，测色仪开始与现代计算机结合起来，且随着计算机运算速度的加快。测色仪开始朝向智能化、小型化的方向发展，当时的代表产品有美能达公司生产的CM-2500d/2600d测色仪以及Datacolor的SF系列测色仪器。进入21世纪，伴随着数码相机技术的发展，英国德比大学的CuiG等人，提出利用数码相机进行色差等级评定研究，取得较好的成果。在第五届国际人类视听鉴定会上，美国的ShiP.C、LiuC.J提出了12种颜色空间的转换关系，建立了色度空间转换模型理论基础。利用数码相机采集图片进行处理对比研究，成为了色差检测技术的新途径和方向。国外生产测色仪器的公司主要集中在欧美发达国家，其中较为著名的厂家有美国的德塔公司（Datacolor）、爱色丽（X-Rite）、亨特例（Hunterlab）公司、日本的柯尼卡美能达公司（KonicaMinolta）以及德国的玛诺公司等。Datacolor600是徳塔公司的代表性产品，具有精度高、误差低的优点。采用带有脉冲氙灯的D65光源。测试时，将样品放到漫射积分球上，可以有效的减少镜面反射，提高了测量精度。X-Rite公司的代表性产品有COLORi5分光光度计，其可有效的评估尺寸纹理和不透明度。日本美能达的代表性产品是分光测色仪CM-3700A，它的优点是低反射率或者投射率时，依然保持较高的精确度，仪器的误差较低。亨特立公司代表性产品是HunterLab测色仪，它是一种高性价比的分光测色仪，常用来测量半透明固体或液体的色差反射率和透射率等指标，[8]马诺公司研制了CIS-10A颜色检测系统，采用的是分光光度计检测织物，其主4 1绪论要依托CIElab颜色空间，原理是将分光光度计装到密闭的箱子里，让其随之而织物运动进行动态检测，检测准确，对印染过程中色差出现的位置进行衡量。1.4.2国内发展情况相比国外发达国家，我国测色仪器较为迟缓，理论的研究与系统的开发比较少。大多数中小型企业仍在使用人眼目视评价法进行色差的评定，大型企业的色差检测装置主要来自国外，普遍价格昂贵，运输不易，要求的工作环境高。目前很多高校及科研机构都在进行色差检测的研究，也取得一些成果，但产品大都停留在实验室阶段，且研究的主题大多是颜色均匀的机织物，对结构复杂多变的经编织物研究较少。西北工业大学开发测色仪系统，可以将采集到的光信号转换为电信号，光电测色方面具有较大的优化，但仍然属于光电积分法测试仪。武汉纺织大学邓中民教授开发的牛仔水洗色差检测系统，通过用摄像头读取拍摄图像，处理图像，转换颜色空间，较好的测量牛仔水洗织物的色差值。无锡东旺科技公司开发设计了计算机视觉色差在线测试系统，其可以根据样布制定染色产品色差标准图像模板，将样布的三原色值、饱和度值和色度值作为色差的标准，[9]然后以国际标准比色卡来衡量鉴定产品色差。国内电脑测色品牌少，集中度比较低，尚不能形成规模效应，不同的产品因结构不同，测试的结果差异较大。国内研制色差检测装置的企业主要有上海申方源公司、深圳的三恩驰公司。其中代表性产品有HP-200色差仪，它可以满足三种光源切换，能满足同色异谱数据分析，但是其机器台间偏差大，处理软件不齐全，达不到企业客户的要求。通过对国内国外色差检测仪器的对比，国内色差仪在光源的配置、工作的稳定性、集成性、灵活性、数据处理操作便捷等方面较国外具有较大的差别。1.5论文研究主要内容在opencv和vc工作环境下，完成图像相似度色差检测，主要包括经编织物图像获取，图像的颜色空间转换，图像去噪，图像量化，图像相似度检测和相似度-色差曲线拟合，系统软件设计等。论文结构如下（1）主要介绍本课题开发的色差检测系统硬件组成，包括图像采集设备CCD摄像头，系统支架结构，照明设备D65标准光源，标准灰卡试纸。（2）比较分析了经编织物图像去噪方法，对图像中出现的脉冲噪声，为尽量减少对花型细节的影响，本课题采用中值滤波进行去噪，根据HSV颜色空间内，各分量相互独立，选择对亮度信息进行去噪，然后恢复到原图像状态。（3）介绍分析了颜色的组成及其研究颜色的空间结构，分析颜色空间中各颜色分量代表的含义以及每一种颜色的优缺点，最后选择最接近人眼视觉的HSV5 1绪论颜色空间作为本文研究相似度处理的理论基础。（4）主要介绍相似度的比较方法。通过分析图像的颜色特征，为减少计算的运算时间，提出了适合HSV颜色空间的量化方法，相似度的求取，极坐标欧式距离法，作为本课题织物图像相似度的理论公式。（5）对标准变色灰卡进行相似度求解，得到色差与相似度之间的对应关系，利用MATLAB工具箱采用最小二乘法完成了相似度-色差曲线拟合，并得到两者之间的数学公式。（6）构建了基于VC和opencv的色差检测系统平台，开发设计经编织物色差检测系统。并与参考人眼目视法的测量结果，验证系统的准确性和可靠性。（7）对论文进行总结，分析本系统的优点与不足，并对今后的发展做了规划与展望。6 2经编织物色差检测系统硬件组成2经编织物色差检测系统硬件组成2.1色差检测系统的总体设计色差是指由明度、彩度、色相的不同而引起的综合颜色上的差别，在织物的对比中，相同区域的颜色不同就表示了此处有色差的存在。织物色差其实就是织物颜色之间相似度的求取与对比关系，织物色差越大说明其颜色之间的相似性越小，而织物色差越小就说明其颜色之间相似性越大，因此可以采用颜色相似度来代表织物之间的色差，分析两块织物颜色之间的差别。经编织物印染色差检测系统分为硬件和软件两个系统，硬件包括摄像头、系统支架、标准光源，灰卡试纸等。软件部分包括图像预处理，颜色空间装换，相似度计算，评级系统。整个色差工作流程如下标准光源获取标准样图片和待检测样图像本图像颜色空间转换，从RGB转化为HSV颜色空间图像预处理（去噪）图像相似度求解相似度-色差曲线拟合，得到两者的函数关系搭建经编色差检测系统图2.1色差检测工作流程图Fig.2.1Colordetectionsystemworkflowchart2.2图像系统结构图像采集是图像处理的基础，一幅准确度高，画面清晰，噪声较少的图像是7 2经编织物色差检测系统硬件组成结果准确性的基本保障，这里我们选用了噪声小，取图清晰稳定的工业摄像头CCD。一幅好的图像离不开好的光源，本系统是模仿人眼视觉，即在标准光源下的检测，选择检测人员常用的D65标准光源。一幅图像的形成同样需要标准的系统框架和标准的测试样本，本系统搭建了属于自己的框架结构和购买了基于国际标准的灰卡试纸。2.2.1标准光源色差检测最理想的观测环境是晴天的上午，在自然光下面观察，但现实的观测和测量环境很难达到这一标准，我们的工作环境主要是在室内，因此我们需要一种人造光源来模拟这种理想的自然光。这种光源就是标准光源，可以根据客户的不同需求和检测情况进行不同的选择。为模拟人眼目视法色差测量，按照CIE的规定及测色系统的要求，本课题选用标准D65光源作为机器视觉检测光。D65光源一种是模仿太阳光的人工日光灯，其工作电压220v/60HZ，色温为6500k，保证了室内和阴雨天气下，近似太阳光照射下的观测。下图2.2所示为标准光源箱D65光源，它是由电源控制器和D65灯管组成。通过对多种人造光源的反复试验，最终选择型号为PHILIPS品牌的TLD18w/965灯管，长度为60cm，功率为18w。为统一测量方法，CIE对照明条件进行了规范，规定四种标准照明方法，分别是0/45照明，即垂直照射,45度方向接收；0/D照明即垂直照射，进行漫反射接收；45/0照明，即45度照射，垂直进行接收；D/0照明，即漫反射垂直接收。本课题采用标准光源箱，内部安装设置标准D65光源，采用垂直摄像设备采集图样，及45/0照明模式。图2.2D65标准光源Fig.2.2D65Standardlight2.2.2摄像头为了使得图像尽可能的逼真，避免采集到的图像边界不清晰，同时为减少图像噪声，本系统选择CCD工业摄像头。8 2经编织物色差检测系统硬件组成CCD摄像头英文全称为Charge-coupleDevice，它是一种由高感光度半导体[10]材料制成的器件，上面排放着很多二极管，可以将光信号转化为电信号，然后经转换器芯片转换为数字信号，数字信号再进行压缩，从而将数据传到计算机，以此实现图像的获取、处理、复原等。其广泛应用于数码摄像、高速摄影、光学遥测等方面。具体特点如下：体积小，携带方便，功耗小，寿命长，性能稳定，响应速度快，抗冲击能力强，具有自动扫描功能，得到的图像畸变小，没有残像，噪声低，动态范围大等。生产时使用大规模集成电路技术，像素集成度高，成本低。其从功能上分有线阵类与面阵类。线阵是将摄像头内部的电极分成数组，而面阵类是将光敏区排成方阵，后者处理的数据多，能处理复杂图像。但需要注意的是，CCD能感应到红外线，为防止干扰影像处理芯片，在镜头上需要黏着滤光片，消除红外线的干扰。CCD有三层结构组成，第一层是微型镜头，其作用是扩展镜头的采光率，扩展受光面积；第二层是分色滤色片，有两种类型，一种是基于RGB分色法，另一种是基于CMYK补色分色法。第三层是感光层，目的是将穿过滤色层的光[11]信号转换为电信号，并将信号传到处理芯片上，将影像还原出来。CCD摄像机分为两种，一种是单CCD摄像机，里面只含有一片CCD进行亮度信号和彩色信号的转换，单CCD不足以完成所有颜色信号的转换，因此类该摄像机拍到的照片在彩色还原方面不足。另一种摄像机是3CCD摄像机，它含有3片CCD，能将红、绿、蓝三种颜色都转换为电信号，经转换后，在计算机中显示彩色信号。两者相比，单CCD摄像机较3CCD摄像机便宜很多。随着时代的进步，日本索尼又开发了4CCD摄像头，即获取红、绿、蓝、品红颜色信息，其较3CCD摄像头又有了更大的进步，色彩更加逼真。本课题是检测经编织物色差情况，噪声越低，图像越真实，实验结果就会越准确，故本经编色差检测系统采用3CCD摄像头。通过比较分析，最后选取AFT-VS系列工业相机,如图2.3所示。该相机特点如下：AFT-VS系列高速CCD工业相机最大分辨率可达640x480、1024*768、1280*960像素，速度高达60、30、15帧/秒支持外触发和外部闪光灯接口，可控电子快门，全局曝光，无需附加机械快门，开发包支持VCSDK、DirectX、Twain、VFW、LibView接口。CCD工业相机支持Windows2000、XP以及Vista程序开发。9 2经编织物色差检测系统硬件组成图2.3CCD相机Fig2.3CCDCamera2.2.3系统机械部分系统支架主要功能是辅助摄像头进行左右和上下的移动。系统镜头模型如下图所示。CCD相机被固定在支架左端，通过螺丝固定住，右边连接辅助增长连接件（黄色表示），可以增加水平横移距离。转动旋转螺母（红色表示），对摄像头进行高度微调。固定最右边的小螺母，可以固定一适宜的高度。系统构架图如图2.4所示。图2.4机械结构Fig2.4mechanicalstructure2.2.4测试灰卡[12]纺织品测试灰卡采用国际标准ISO105/A02-1993《纺织品—色牢度试验—评定变色用灰色样卡》，主要用于评定色牢度测试中的变色。标准灰卡是由五对无光的中性灰片或布片组成，把可分辨的色差分为五个色差等级，分别是1级、2级、3级、4级、5级。每个级别中又有补充半级，即为1-2级，2-3级，3-4级，4-5级。这样就扩充为五级九档共九个等级。灰卡使用规则，将纺织原样与10 2经编织物色差检测系统硬件组成对比样各一块放置在同一平面按同一方向紧靠，同时将灰卡也置于同一平面，背景选择中性灰。北半球用北空光照射，南半球用南空光照射，入射光与织物呈45度角，观察方向垂直于织物表面。使用时需要禁止碰触灰卡，以防止其起毛、磨损而影响精度。在灰卡中，五级色差表示二者颜色相同，一级色差表示颜色差别很大。灰卡同时还附带有相匹配的方形或圆形的评级遮板，固定人眼视野范围，提高精确度，如图2.5所示。图2.5灰卡配套设备及变色、沾色灰卡Fig.2.5Standardgrayscalecardanditsassociatedequipment2.3本章小结本章主要介绍了经编织物色差检测的整体设计方案和硬件物理结构组成，详细的介绍了系统采用的D65标准光源原因及规格，CCD系统摄像头工艺参数设备型号，支架结构及运动方式，及人眼目测所使用的标准色卡的规格。系统结构的搭建为后续相似度检测及色差评定奠定了良好的物质基础。11 3图像颜色空间分析及预处理3图像颜色空间分析及预处理图像在采集和传输过程中，由于大气环境的因素、工作电压的不稳定、传输设备相互转化、图像的输入输出、采集过程中的光电干扰，这样就不可避免的产生噪声。噪声的存在会造成实验数据不准确，颜色特征被遮盖，影响图像处理的全过程。因此我们需要首先对图像的噪声去除。对图像进行去噪，需要建立在合适的颜色空间基础上，颜色空间的类型多种多样，每一种都有其优点和缺点，对于本课题来说，选择一种适合人眼，且容易去噪的颜色空间是关键所在。本章通过详细的对比分析，选择了HSV颜色空间作为研究基础和中值滤波去噪的手段。主要分为两大部分，第一部分介绍常见的几种颜色空间，以及各自的优缺点。第二部分介绍了去噪的方法及原理，选择中值滤波的原因。3.1颜色空间[13]颜色就是指人肉眼可见光的感知程度。国际照明协会对颜色做了通用性定义，即用颜色三特征色调、饱和度、亮度来区分不同的颜色。色调描述了颜色外观，即光的颜色，比如我们常说的可见光，通过三棱镜显示的七彩色，用于区别颜色的名称和种类，改变光的波长、光谱信息，会引起色调改变；饱和度描述了颜色的纯度，经常用来区分颜色之间的明暗程度，也指颜色的深浅程度，例如深绿色、淡绿色；明度也称为亮度，用来描述了视觉对光的感知属性，光照射到人[14]眼，人们感觉到物体颜色明暗程度，射入的光越强，亮度则越大。颜色是图像的主要特征，是人们对某个具体物体或事物的主观感受，其对缩[15]放、平移等都具有较强的鲁棒性，同时，颜色还具有旋转不变性和尺寸稳定性。对颜色特征的分析研究和运算必须将其放在某一个具体的颜色空间内，选择的原则，需要根据事物的具体属性来安排。颜色空间的建立一般需要具备以下三个原则。（1）包含性，人眼感知的物体的颜色都应囊括在该颜色空间内。[16]（2）一致性，人感觉物体颜色的差异应与颜色空间度量相吻合一致。（3）唯一性，不同的颜色在颜色空间内应该是唯一存在的，不能出现重叠现象。以下本文详细介绍了几种常见的颜色空间模型及各自的优缺点，有RGB颜色空间模型，XYZ颜色空间模型、CIELab空间模型、HSI空间模型，HSV颜色空间模型等。3.1.1RGB颜色空间RGB颜色空间是使用范围最广泛也是最常见的颜色空间模型之一。该模型的12 3图像颜色空间分析及预处理建立主要是为了在CRT显示彩色图像。它采用颜色相加混色的原理，用红、了、蓝三色电子枪在屏幕上进行颜色的叠加，可以实现各种颜色，比如红色、绿色、蓝色三色相加为白色。RGB颜色空间基于笛卡尔坐标系统，是目前所有空间模型中使用最多的颜色空间模型，其他颜色空间模型几乎都是从其延伸出来，可用RGB进行数学表达。RGB颜色空间有三个通道:R(red)红色、G（green）绿色、B（blue）蓝色。大部分可见光都可由R、G、B三基色按不同的权值组合形成。RGB颜色空间如图3.1所示，为了对比说明方便，我们将其归一化，使该空间所有的值都落在[01]内。RGB颜色空间以黑色（0,0,0）作为立方体的原点，以R、G、B三基色作为三坐标轴，离原点最远的是体对角线顶点，白色（1,1,1），两者之间的连线表示图像的灰度信息，此时R=G=B。其他所有的颜色都可用立方体三维坐标表示，例如青色可用（0,1,1）表示。蓝色可用（0,0,1）表示。RGB颜色空间的缺点：其内的颜色是连续分布的，但却是不均匀，人眼观察两种颜色的差别，不能按照颜色空间两点之间的距离判定，因为这距离与人眼的[17]视觉感知距离存在较大的差别。颜色空间内点（50,0,0）与（0,0,0）距离为50，一种颜色属于深红色接近黑色，另一种是纯黑色，两者颜色在视觉上差别不大，而距离同样为50的（100,200,0）和（100,150,0）两者颜色差别却极大。图3.1RGB颜色立方体Fig.3.1RGBcolorcubemodel3.1.2XYZ颜色空间用RGB颜色空间描述某些颜色时，其三基色有时可能出现负值。为了能够[18]用正的三基色定义所有的颜色，国际照明协会定义了三种标准的虚拟基色X、Y、Z，该颜色比配都是正值，这就是XYZ颜色空间。在该空间中三个分量并不代表真正的颜色，它与RGB空间成线性关系结构。XYZ颜色空间囊括了人们能够发觉的所有颜色种类。X、Y、Z和RGB系数之间的关系为，如公式3.1所示13 3图像颜色空间分析及预处理X2.76891.75181.1302R（3.1）Y1.00004.59070.0601GZ0.00000.05655.5943B从RGB转化为XYZ的颜色空间转化公式3.2所示为：R2.3647000.8965800.468083XG0.5159620.8124000.01Y（3.2）B0.000000.0144071.009200Z3.1.3CIELab颜色空间CIELab颜色空间是一种与设备无关，基于生理特征的均匀颜色空间，是由明度（L）和两个色度分量a、b共三个分量构成，L（Luminosity）表示颜色的明度，也常被称作亮度，取值范围在[0,100]，表示从纯黑到纯白。a表示从绿色到红色，-a最小表示绿色，+a最大表示红色，取值范围在[-128,127]，-a到+a是绿色到红色颜色渐变的过程。b表示从蓝色到黄色的范围，同样原理，-b到+b是由蓝色逐渐过渡到黄色的过程，取值范围在[-128,127]。CIELab颜色空间是颜色量化最均匀的颜色分布，在纺织色差评比系统中，很多公式都是依赖该颜色空间的，它是颜色差异的规范化空间，能够解决颜色量化的等距度量，其均匀性较好。该颜色空间两点之间的几何距离，与人眼观察物体的色差大小相同。CIELab颜色空间与RGB颜色空间的转换公式（3.3）如下：X0.4300.3420.178RY0.3000.5900.110GZ0.0200.1300.939BX00.4300.3420.178255Y00.3000.5900.110255Z00.0200.1300.939255Y1（3.3）L*=116()3-16,Y/Y>0.010Y011XYa*=500[()3-()3]XY0011YZb*=200[()3-()3]YZ0014 3图像颜色空间分析及预处理图3.3CIELab颜色空间Fig.3.3CIELabcolorspace3.1.4HSI颜色空间HSI颜色空间有美国的孟赛尔提出，表现了人视觉感知色彩的方式。用饱和度（Saturation）、色调（Hue）和强度（Intensity）来描述，用一个圆锥形空间模型表示，如图4.4HSI颜色空间。H（色调）是指一种颜色在色谱中所对应的主波长，其是由角度表示，取值为0到360度，其中0~240度覆盖了所有可见光谱的彩色，表示人对不同颜色的感受，比如绿色、黄色等。I（亮度）是感觉的均匀量，表示颜色的相对明暗度，表达像素的整体光照强度。S（饱和度）相当于颜色的纯度，即物体的鲜艳程度，其值在0~1，以0%（灰色）到100%（完全饱和[19]度）来衡量。他们都属于极坐标空间结构，能非常直观的描述颜色，和RGB颜色空间存在线性关系。HSI与RGB颜色空间的转化公式（3.4）为RGBI33min(R,G,B)S1RGB,GBH2,GB（3.4）其中，为：1/2[(RG)(RB)]cos1RG或RB(RG)2(RB)(GB)HSI颜色空间的两个重要的特点。一、I分量与图像颜色信息无关。二、人感受颜色的方式与H及S分量密切相关，故可常用于彩色特性检测。15 3图像颜色空间分析及预处理图3.4HSI颜色空间Fig.3.4HSIcolorspace3.1.5HSV颜色空间模型[20]HSV颜色空间是一种六角锥体模型，能较好表述人肉眼对颜色的感知能力，它对应与人眼三要素，即亮度、色调、饱和度。该颜色空间模型如下图3.5所示，其是用倒置的圆锥形表示，圆锥的长轴表示颜色的亮度V，从黑到白，类似于图像的灰度信息，体现了人眼看物体颜色的明暗程度。圆锥中长轴和锥体的距离表示颜色的饱和度S，用百分比表示，其表示颜色的浓淡程度，反映某种颜色被白色稀释的程度。圆锥中锥体围绕长轴的角度表示颜色的色调H，采用角度表示，00~3600或者-1800~1800。色调H表示物体反射光或投射光的颜色，不同波长的光具有不同的色调，比如黄、绿、青等。圆周上不同的点代表不同的色调，0度表示红色，120度表示绿色，240度的彩色表示蓝色。从圆心到圆周的过渡过程中，饱和度的逐渐升高。圆锥体的竖轴V，顶端S=0，V=1为白色，其底端S=0，V=0为黑色，两者的中间点是灰度值。HSV颜色空间是均匀的颜色空间，其转换可通过opencv中CV::cvtColor（originimage,convertimage,CV_BGR2HSV）HSV空间各轴在视觉上彼此无关，空间距离符合人眼视觉特征，是较均匀的颜色空间，其空间距离能较好的反映两种颜色在肉眼中的视觉差异。它的三个分量贴近人眼看物体的视觉特性；其三个分量各自坐标独立，每个分量发生变化，都很容易被人眼辨别；亮度信息的变化不影响图像彩色信息。[21]HSV颜色空间与RGB颜色空间的转换关系（公式3.5）如下:16 3图像颜色空间分析及预处理当H[0,120)时，VScos(H)VR1,G3VRB,B(1S)3cos(60H)3（3.5）当H[120，240)时VScos(H120)VG1,R(1S),B3GR3cos(180H)3图3.5HSV颜色空间Fig.3.5HSVcolorspace3.2图像去噪图像去噪就是用滤波器清除干扰图像真实存在的疵点噪声，在做图像处理时常用的滤波器有中值滤波器、维纳滤波器、均值滤波器等。对噪声的过滤需要注意尽量不要影响图像的真实细节形态，但又同时最大限度的消除噪声。去噪的效果的好坏直接影响后续处理数据的真实性和可靠性。噪声的种类很多，常见的有高斯噪声、伽马以及脉冲噪声等其他噪声。图像处理过程中最常见的是脉冲噪声，又称椒盐噪声。图像受到脉冲噪声的影响会产生失真，下表3.1所示为原图像a和加入脉冲噪声得到噪声图像b，观察图像我们发现图b中噪声点与其相邻像素点的颜色差异较大，大部分的噪声聚集在图像的高频信息上。17 3图像颜色空间分析及预处理（a）原图（b）加噪图像3.6原图与加噪图像对比Fig.3.6theoriginalimageandnoiseimage3.2.1颜色空间转换一般来说，对灰度图像去噪比较方便，但我们通过CCD摄像头采集的图像是彩色图像，我们又如何去噪呢？很多研究学者使用自适应中值去噪，应对颜色空间中每个分量都分别去噪，然后求得最后的图像。在处理过程中，我们发现在HSV颜色空间，其亮度信息与色度信息是分开的，而且相互之间彼此独立，对于V亮度信息的去噪，不会影响图像的彩度，因此本课题提出将颜色信息按照颜色空间进行分解，提取其中的亮度信息，对其进行去噪处理。步骤如下：首先将图像从RGB颜色空间转化到HSV颜色空间，提取其中的亮度信息（灰度），然后对其进行去噪，选择中值滤波方法，处理结束后将图像还原到正常的状态。两者转换公式如下（3.6）所示：r,g,b0,1,255vmax(r,g,b)r,g,b设，，定义为:vrvgvbrgbvmin(r,g,b)vmin(r,g,b)vmin(r,g,b)vvv0,1则255（3.6）vmin(r,g,b)max(r,g,b)min(r,g,b)svs0,10max(r,g,b)min(r,g,b)18 3图像颜色空间分析及预处理(5b)rmax(r,g,b)andgmin(r,g,b)(1g)rmax(r,g,b)andgmin(r,g,b)(1r)gmax(r,g,b)andbmin(r,g,b)h(3b)gmax(r,g,b)andbmin(r,g,b)(3g)bmax(r,g,b)andrmin(r,g,b)(5r)othersh60h此时h[0⋯360]，s∈[0,1],v∈[0,1]。下图为HSV的亮度信息V图像，如图3.7所示。图3.7HSV亮度信息Fig.3.7brightnessofHSVcolorspace3.2.2选择去噪方法的选择[22]图像去噪主要分为空间域去噪和变换域去噪两种类型。空间域去噪是直接在图像上进行数据处理和运算，其分为线性滤波去噪，即对图像进行逐点的运算和非线性滤波去噪，在邻域有关的空间域运算。变换域去噪是对变换后的系数做处理，再进行反变换，来消除噪声。本节对几种比较典型代表的去噪方法进行了比对，即均值滤波、维纳滤波和中值滤波两类。（1）均值滤波均值滤波是一种较为常用的局部空间域滤波器，它先对图像中每个点都取一个邻域N，然后计算N中像素平均值。假设图像中某点的像素值为f（x,y）,处理后的图像像素值为g(x,y),则均值滤波的表达式（公式3.7）如下：1g(x,y)f(x,y)（3.7）M(x,y)N上式中，M是邻域N中像素点的个数，N邻域一般采用3*3窗口或5*5窗口。均值滤波处理的效果与邻域半径大小相关，半径越大，去噪效果越好，但图像中的边界、轮廓就会非常模糊。在opencv中均值滤波函数原型为：19 3图像颜色空间分析及预处理C++:voidblur(InputArraysrc,OutputArraydst,Sizeksize,Pointanchor=Point(-1,-1),intborderType=BORDER_DEFAULT)第一个参数src是输入图像，需要输入Mat类对象，可以使单通道的灰度图像，也可是3通道的彩色图像，图像的深度可以为8位的图像，16位、32位皆可以。第二个参数dst是输出图像，其与目标图像时同一尺寸和同一类型。在这里我们可以利用Clone函数进行拷贝。第三个参数是size类型，指的是内核的大小，例如size（5,5）表示5*5窗口。第四个参数anchor表示被平滑的点，其默认的是Point（-1，-1），这就把核的中心作为被平滑的点。第五个参数是bordertype，主要是用来推理判断图像外部像素某个边界的模式。默认为BORDER_DEFAULT。利用实例，可一目了然,具体如下：//载入我们的加噪图像Matimage=imread("1.jpg");Matout;blur(image,out,Size(5,5));//进行均值滤波操作图3.8a为加了椒盐噪声的亮度信息，图像b为均值滤波后的图像，观察可以发现均值滤波对图像去噪的效果较好，但它使织物变得很模糊，影响了后续图像的开发。（a）加载噪声图像（b）均值滤波后的图像图3.8均值滤波Fig.3.8meanfitting(2)维纳滤波维纳滤波器也是一种线性平滑的滤波器，而且是自适应滤波器，它的原理是根据图像的区域方差的方法进行调整滤波器输出。维纳滤波公式为：20 3图像颜色空间分析及预处理2122[F(x,y)G(x,y)]（3.8）L(x,y)L在上式3.8中，L为选区的邻域M*N，F（x,y）为调整之前的像素点值，G（x,y）为邻域平均值，是均方差。MATLAB中用函数wiener2来进行设计维纳滤波器，调用格式如下所示：J=wiener2(I,[mn],noise)[J,noise]=wiener2(I,[mn])J=wiener2(I,[mn],noise)通过m*n邻域来估算平均值和标准方差，m和n的默认值为3。式中noise为噪声。函数代码展示：J=imnoise(I,’salt&pepper’,0,0.05);Figure,imshow(J)K1=wiener2(J，[77])Figure,imshow(J)最后求得图像如下所示：图3.9维纳滤波后图像Fig.3.9wienerfitting最后处理的图像结果为图3.9所示，去噪效果较好，但处理后的图像较为模糊。（3）中值滤波中值滤波是一种局部均匀平滑的非线性滤波，其原理是将图像邻域内的像素点，按从大到小的顺序进行排列，利用图像中间的点来代替该源点，从而消除噪声。公式3.9表示f(i,j)medg(x,y)x,yN（3.9）若窗口中的像素个数为偶数个，则取中间两个值的平均值，若窗口中的像素21 3图像颜色空间分析及预处理[23]的个数为奇数，则取最中间的值。假设某图像的像素灰度为3344210325243为了求中心点像素10经处理后新的像素，则将该像素按从小到大进行排序，结果如下：2223333444510图像经中值滤波后就会用中间的灰度值3代替原来的像素10。这样对于明显的噪声像素10就可以被排除在数列的最左端或最右端，不会被选中。而对于其他不是噪声的像素不会产生影响。中值滤波的窗口不仅仅是方形的，还有线性的，圆形、十字形等各种样式。在opencv中中值滤波函数如下C++:voidmedianBlur(InputArraysrc,OutputArraydst,intksize)第一个参数表示输入图像，第二个参数表示输出图像，第三个参数表示孔径的线性尺寸，这个参数必须是大于1的奇数.程序调用代码展示//载入原图Matimage=imread("1.jpg");//进行中值滤波操作Matout;medianBlur(image,out,7);利用该函数，我们完成中值滤波图像处理，显示的图像如图3.10所示，它与均值滤波相比较，图像清晰度较高，且去除噪声的效果较好图3.10中值滤波Fig.3.10Medianfilter22 3图像颜色空间分析及预处理3.3本章小结本章主要介绍了两个方面的内容，一介绍了颜色空间的类型，二是图像去噪。颜色空间从最常见的RGB颜色空间开始，展示了其空间结构模型。对于其有时会出现负值的情况下，引出XYZ颜色空间；面对RGB颜色空间不均匀的现象，我们介绍了CIELab颜色空间，其颜色空间是均匀分布的，国际照明协会以此推出了一系列的色差公式，如CIE1976、CIELab2000色差公式。以上的空间结构都不能满足三基色分量相互独立的现象，亮度与颜色分量相互分离的关系，于是又推出了著名的HSI颜色空间和HSV颜色空间，并给出了他们与RGB之间数学逻辑关系。通过对HSV颜色空间模型进行剖析，我们发现其亮度信息和颜色信息室相互独立分开的，对于v分量进行提取后进行去噪处理。对颜色均匀的机织物而言，采用均值滤波比较好。处理的邻域越大，效果愈好。对于细节较多的经编织物，下一步实验是需要计算图像的相似度，为尽量可能减少对图像细节信息的损伤，尽量保持图像的原样输出，故选择采用中值滤波作为去噪方法。23 4颜色特征相似度检测4颜色特征相似度检测颜色特征是图像特征中最基本、显著、可靠的视觉特征，它对图像的大小和[24]方向都不敏感，而且颜色特征还具有尺寸、位移不变性、旋转不变性等优点。在本系统截图过程中，我们读取CCD拍摄的图像后，在截取图像大小的过程中，不需要固定截取严格大小的布样照片，这给具体的操作带来极大的方便。4.1典型的图像颜色特征颜色直方图颜色特征表达的种类颜色矩累积颜色直方图颜色聚合向量颜色相关图4.1.1颜色直方图颜色直方图是使用范围最广的颜色特征，计算较为简单，描述的是图像中不同的颜色在图像中含量的多少。图像直方图对图像中对象的旋转和平移变化不敏[25]感。计算图像颜色直方图需要将颜色集先进行量化到小区间内，然后统计每个区间内颜色像素的数目，这些数目的集合就是我们说的颜色直方图。下图4.1是RGB原图像及分量R、G、B的直方图。为了研究的方便，我们需要将颜色直方图进行归一化处理，处理公式如下4.1所示，设定M（xi）为图像中某一颜色特征值xi的像素个数，对M（xi）做归一化处理（公式4.1）如下所示：M(x)ih(x)（4.1）iM(xi)i其缺点主要有：（1）图像直方图只是描述每种颜色的像素个数的统计信息，表达的数量信息。但忽视了颜色空间分布，因此颜色空间分布差异较大的图像可能有相同的颜24 4颜色特征相似度检测色分布。（2）颜色直方图特征维数过大，它是基于颜色空间的颜色集。例如RGB颜色空间每个分量都分为256个区域，划分的区域越多，后续处理的计算量越大。（a）原图（b）红色分量直方图（c）绿色分量直方图（d）蓝色分量直方图4.1图像原图及颜色直方图Fig4.1theoriginalimageandimagehistogram4.1.2颜色矩[26-27]颜色矩顾名思义就是用带有颜色的向量矩表示图像中颜色的分布。因为图像中的颜色信息主要集中在低阶矩中，对每种颜色分量的一阶中心矩（平均颜色）、二阶中心矩（标准方差）和三阶中心矩（斜度也称三次方根非对称性）进行统计即可达到该分量的颜色矩。颜色矩在图像中出现较大颜色差别时最为适用。与颜色直方图不同的是，颜色矩不需要对颜色空间进行量化，颜色矩只需要用9个数值（3个颜色分量，每个分量上都有3个低阶矩）来表示颜色信息，故可以克服颜色特征维数过高的缺陷。在图像相似度检测过程中，颜色矩是一种简单、有效的颜色特征表示方法，颜色矩的表示方法如下所示：25 4颜色特征相似度检测1PijAij1212(Pij)Aij（4.2）1313s(Pij)Aij上式（公式4.2）中，A表示图像像素总数，P表示图像经过合成后，其一维灰度图像在二维空间坐标（i,j）处的像素值。若利用Q,I表示参与比较的两幅图像，则其颜色矩距离公式（公式4.3）为：3QIQIQID[Q,I](wi1uiuiwi2iiwi3ii)(4.3)i1式中的i表示颜色通道。Wij是用户自己设定的加权系数，在光照相同时，[28]设置i1i2,j1j2,增加平均颜色的比重程度，当图像光照条件不同时，取图像的平均颜色的方法是不可取的，因此需要给i1一个较小的值。比如在HSV颜色空间，色调H通道比饱和度S、亮度v通道具有更严格的匹配，因此需要给H通道的矩更大的权值。在本课题中，光照情况相同，是在同样的D65光源照射下进行的颜色特征提取。4.1.3累积颜色直方图因为有的图像颜色并不能取遍所有的值，例如在灰度图像中，有时纯白色255，有时该像素点就不存在。在统计直方图时，没有颜色值的区域，直方图该区域就会显示0值，这给后续直方图相交法求取相似度带来很大的影响。为了避免上述情况发生，可以采取累积直方图的方法进行对直方图进行处理。其方法是将颜色直方图中每个分量进行累加，这样就生成一个新的直方图，然后直方图相[29]交法进行相似度求取。累积颜色直方图的表示方法如下：kniI(k)k=0,1,⋯,L（4.4）i0N在本式（公式4.4）中，k表示颜色特征的取值，L表示可以取的特征值的总数，nk表示图像中已经存在的特征值，N为图像像素的总的数目。4.1.4颜色聚合向量颜色聚合向量的提出主要是为了解决颜色直方图和颜色矩等其他颜色特征26 4颜色特征相似度检测[30]无法描述图像颜色空间分布的问题。其原理是将图像颜色直方图中颜色集中的像素点，切割划分为两部分，并设定一个固定的阈值。如果图像中某些像素点占据的区域面积大于该阈值，则该区域的像素点就构成聚合像素，否则为非聚合像[31]素，然后统计计算图像中聚合像素和非聚合像素的之间的比率，这就是该图像的聚合向量。颜色聚合向量相比其他颜色特征，在计算过程中加入了颜色的空间分布信息，这样计算量比较大，但图像相似度测试比较精准，对大块的连续均匀的颜色区域检测效果较好，但也不能表示该区域的形状信息。4.1.5颜色相关图[32]颜色相关图从某种情况下说是颜色直方图在空间上的延伸。它不仅表达了图像中某颜色的像素总数在整个图像中所占的比例，而且还表达了图像的空间相关性，假设图像中某一颜色值为Ci的像素点Pi，与其相距为k的另一图像像素点Pj，的颜色值为cj的概率大小，数学表达式：假设一个距离dR，（i，j）{1,2,⋯N}，k[d]，计算公式4.5为(k)PPr[pI|PPk]（4.5）i,jrp1Ic(i),p2I2c(j)12上式中，i，j（1,2，⋯，N），k（1,2，⋯，d）。在上式中I表示图像的全部像素，I表示颜色的所有像素，PP表示像素P1和像素P2之间的距离。c(i)12其缺点是相比于颜色直方图和颜色矩，颜色相关图对高维数的计算量非常大，运算较为复杂。4.2颜色空间的量化理论上对图像颜色特征的提取，使用真彩色原图效果最好，因为其能保持最[33]小的误差。但在现实的处理运算时，该方法计算量太大，计算量和存储空间会随着颜色数目的增多，呈现非线性的增长。同时，我们系统比对是人眼目视法，人眼很难看清细小的花纹颜色变化，摄像机的像素不足以表达颜色的全部特征，因此我们需要将颜色进行量化。颜色量化的定义如下：图像颜色空间可以分为几个比较小的颜色区间，每个颜色区间我们称之为直方图的柄，这样在具有较高的颜色分辨率图像中选择少数[34]的比较有代表性的颜色区间的过程就是颜色量化。一般的颜色空间矢量都是高维特征矢量，例如在RGB颜色空间中，若对其直方图表示需要256*256*256=12777216个向量，这样的话计算量将会变得很大。一般情况下，我们需要对颜色空间的特征矢量进行缩减，使计算量减少，同时需要达到图像相似度性能的准确，我们需要确定一个合适的量化级。但需要注意的是颜色量化应27 4颜色特征相似度检测保证图像颜色差异较大的颜色矢量不能在同一量化级里，同时颜色量化还要保证尽量小的计算量，算法尽量简单合理。图像颜色量化分为两种，一种是非均匀性量化，另一种是均匀量性化。均匀量化是一种线性量化，其将图像颜色归类到已设置好的类别中，每一个[35]通道中，颜色都会被映射到与其最近的颜色量化值中。非均匀量化则是一种非线性过程的量化，主要是将原颜色不均匀的归类到目标颜色中的方法。这种方法可以保留最多出现的颜色。4.2.1常见的一些量化方法（1）统一量化法统一量化法较为简单，它通过截取RGB分量的n位，这样就得到一个新的量化级。例如某一像素点在RGB颜色空间内，而且颜色的深度为8，表示为R=[10011011]G=[10001011]（4.6）B=[10010011]去掉右边的3位，即最后的011三位数字，得到新的R1G1B1颜色值，显示如下：R1=[10011]G1=[10001]（4.7）B1=[10010]这样经过量化，RGB颜色分量就可以从原来的256种颜色量化到32种颜色，大大减少了颜色的数量，加快数据的运算速度。（2）流行色量化法[36]流行色量化法首先是建立颜色直方图，获取颜色特征，然后将图像中的颜色值按照从大到小的顺序排列，获取频数最高的颜色值，然后建立一个新的颜色表。流行色量化法在颜色量化较为简便，但其缺点它只是获取频率最高的颜色，忽略了出现次数较低的颜色值，计算结果会受到影响。（3）补色量化因为在RGB颜色空间中，如果每种颜色都用8位表示，这样3种颜色就需要224种可能，这样在特征提取的过程中，数量繁杂且不容易实现。在RGB颜色空间中，补色量化的方法如下4.8所示：Rg=R-GBy=2B-R-G（4.8）Wb=R+G+B经过简化计算后，颜色数通过224降到256个量化级，这样就大大减少工作量的难度。28 4颜色特征相似度检测4.2.2基于HSV颜色空间量化不同的量化方法都有其优点和缺点，HSV颜色空间模型是由RGB颜色模型转化而形成，其与RGB模型相比，仅仅是改变了颜色编码方式，却没有减少颜色数量。若直接对颜色空间使用颜色直方图，则其得到的维数很多，将极大的增加了计算量，因此下一步，我们需要将颜色空间进行量化，减少后续处理的运算量。HSV颜色空间主要有两种量化方式，即（8:3:3）量化和（16:4:4）方案。在HSV颜色空间（8:3:3）量化方式如下4.9，H表示颜色色调信息，其是用[37-38]角度法量衡量，取值范围在[0,360]，把色调H按角度制分成8份，量化方法如公式4.9所示：000,h[0,20)001,h[21,40)002,h[41,75)003,h[76,155)h（4.9）004,h[156,190)005,h[191,270)006,h[271,295)007,h[296,360)0,s[0,0.2)0v[0,0.2]s1,s[0.2,0.7)v1v[0.2,0.7]2,s[0.7,1]2v[0.7,1]而（16:4:4）量化方案是将h、s、v三个分量做非等间距量化，将h分为16分，饱和度和亮度分为4份，得到新的量化色调用以下方案表示（公式4.10）29 4颜色特征相似度检测0,h345,360or0,151,h16,252,h26,453,h46,554,h56,805,h81,1086,h109,1407,h141,165H8,h166,190（4.10）9,h191,22010,h221,25511,h256,27512,h276,29013,h291,31514,h316,33015,h331,3450,s0,0.150,v0,0.151,s0.15,0.41,v0.15,0.4SV2,s0.4,0.752,v0.4,0.753,s0.75,13,v0.75,1对于这两种颜色量化，有学者对其进行了比较，对于（8:3:3）量化方案，得到的颜色分量少，计算的维数少，较好的减少计算时间，但其保护了颜色间细微的差别，导致数据不够准确，对于（16:4:4）方案的颜色分辨能力较好，与人眼的视觉感知一直，故本课题采用（16:4:4）量化方案。这样量化后的图像中，HSV颜色空间的H分量就有16个离散值，S分量有4个离散值，v分量有4个离散值，这样总共有16*4*4=256种颜色。4.3相似度表示方法将空间向量模型及视觉特征看看作颜色空间的点，计算颜色空间间两点之间[39]的接近程度，该程度的值常作为衡量图像之间的相似度的指标，常用的衡量方法主要有欧式距离法、卡方距离法、二次式距离法、夹角余弦法、直方图相交距离法等方法。选择相似度公式计算的原则有以下几个特点：（1）相似度检测应与人眼视觉想吻合，度量距离越小，就说明两幅图像越相似，视觉感知就会越接近。（2）计算要尽量简便，尽可能减少系统运行时间。30 4颜色特征相似度检测4.3.1欧式距离[40]欧式距离指的是一种常用的颜色距离度量，它是表达颜色相似度中简单有效的方法之一。假设RGB图像中，给定某一个采样点，该采样点用向量Ai表示，令Bi向量代表RGB空间的其他任意一点，则两个向量Ai和Bi之间的距离就是欧式距离。在纺织色差检测中常采用的CIELab1976色差公式，就是依托CIELab颜色空间中，两特征矢量的欧氏距离。计算公式（公式4.11）如下：N2Ed(AiBi)（4.11）i1其中N为特征向量的维数。若图像颜色空间特征中各个分量都是彼此正交无关的，即彼此相互独立，而[41]且各颜色分量间重要性一样，那么两个特征向量之间的相似度便可用欧氏距离表达。在相似性比较的过程中，如果两向量之间欧式距离越大，则代表它们的相似性程度越小，相反，如果两向量之间的欧式距离越小，则其相似性越大。4.3.2直方图匹配法[42]直方图匹配法是一种用欧式距离衡量直方图之间的距离的方法。假设Q和D分别为两幅图像，定义HQ（k）和HD（k）分别为两幅图像某一特征的统计直方图，则两幅图像直方图之间的欧式距离为，如公式（4.12）所示：L2ME(Q,D)[HQ(i)HD(i)]（4.12）i14.3.3直方图相交法[43]直方图相交法也是一种衡量比较衡量两直方图之间距离的方法，与直方图匹配法不同的是，它没有取欧式距离，而是取两者之间的的交集。公式定义如下：假定A，B是两个含有N个灰度级的直方图，则A，B之间的相交距离表示如下所示：NS(I,Q)min(Aj,Bj)（4.13）j1上式S(A,B)指的是两个直方图像素的交集，即两者共有的像素的数量。当需要进行归一化时，可以将其除以某一直方图所有的像素总的数量，这种情况下，它的取值范围就固定在[0,1]之间。表达式（公式4.14）如下：31 4颜色特征相似度检测Nmin(Aj,Bj)j1S(A,B)N（4.14）Bjj14.3.4二次式距离[44]二次式距离衡量的是不同颜色之间的相似程度，公式表述如下：两直方图I和Q之间的二次式距离表达公式（4.15）为TD(QI)A(QI)（4.15）上式中A=[aij]代表图像直方图中i灰度值和j灰度值间的相似度，这是一个引入矩阵，色彩心理学与相关，包含着不同颜色之间的相似性系数。这样颜色直方图包含了不同颜色相互之间的相似性因素，下一步就直接采用欧式距离法或直方图相交法距离等方法进行计算图像相似度。4.3.5马氏距离马氏距离主要适合计算特征向量的各个分向量，相互之间存在不同比例的权[45]重或者相关性。马氏距离的表达公式（4.16）如下：tD(AB)C(AB)（4.16）C是特征向量的协方差矩阵。对于那种特征向量之间没有相关性的情况，则采用简化后的马氏距离。N(AB)2iiD（4.17）i1i优点：马氏距离相比欧式距离法考虑了样本的统计特性，并且能够排除样本之间的相关性影响，但其计算量复杂，且估计协方差是一件较为困难的事情。4.3.6夹角余弦系数夹角余弦系数受三角形相似方法启发，虽然线段AB与线段CD不相等，但其在某些方面是相似的，夹角余弦就是用这种方法比较。我们把两图像当做空间中两向量，假设都从原点出发指向了不同的方向。这样两向量之间形成一个夹角，如果它们之间夹角为0度，意味着两向量方向相同，相似度100%；如果两线段夹角为90度，意味着形成直角，意味着两向量完全不相似，相似度为0。这样，计算两个线段夹角，计算两向量之间的的相似程度。两向量夹角越大，则说明两[46-47]图像越不相似，夹角越小，则说明两图像相似性越大。32 4颜色特征相似度检测OABCD4.2图三角形模型Fig4.2trianglemodel设向量ai和aj是p维的向量，两向量之间的夹角余弦用cos表示，则公式表述如下(公式4.18)：pxiaxjaa1cos1cos1（4.18）ijpp22xiaxjaa11a[48]本文通过对上述方法的比较，最后选择了基于极坐标的欧式距离，作为相似度测量的方法，该方法较为简便，运算速度比较快。假设两种颜色X和Y，若是计算两者的相似度，则需要计算其颜色的距离。设X用M（Hi，Si，Vi）表示，而Y用Mj=(Hj,Sj,Vj)表示，它们之间相似度的表示方法如下：1222D1(VV)[Scos(H)Scos(H)][Ssin(H)Ssin(H)](4.19)ijijiijjiijj5上式中Dij越大，图像越相似，相反Dij越小，则图像相似性程度越低。4.4图像颜色不均匀性检测经编织物纱线的结构复杂，花型繁多，不同的梳栉采用不同的纱线原料，贾卡底网一般采用较细的纱线，花梳采用较粗的纱线，染色过程中，可能出现大量的局部偏差，对于这种织物检测，我们采用分块颜色直方图的技术和主色提取的技术进行相似度检测。4.4.1分块颜色直方图上一部分，我们讨论的是直方图法是基于全局颜色直方图的方法，这种方法对于整块织物都是同一颜色的织物较为有效，但当同一块织物颜色有较大差别的图像时，采用该方法就存在不足，当我们对织物颜色进行色差评级时，我们选用相似度最差的那部分，作为最终的衡量指标。分块直方图法是将整块织物图像分为若干块，然后提取每一块的颜色信息[49]，利用上节的相似度检测的方法进行相似度衡量，选择相似度公式（4.19）作33 4颜色特征相似度检测为计算指标，选择相似度最小的值作为我们最终的取值指标。常用的分块方法有以下两种，如图4.3所示。图4.3常用的分块方法Fig4.3thegeneraldividedmethod最简单的是第一种图像进行相似度分块求解，但这种方法引入的是绝对信息，对于大块的颜色处理效果不好。4.4.2邻域主色颜色直方图主色是指图像视觉中占主导地位的颜色，人们在做织物图像检测时，一般都尽量将带有疵点，染色效果很差的部位截取到图像中，这样该区域就会占图像中最大的部分。表示的方法如下：将图像分为m*n块，然后遍历每一小块中的所[50]有像素，统计出现最多的颜色，该颜色就是我们要提取的主色。然后利用公式（4.19）相似度计算方法求得两者的相似度。4.5本章小结本章首先是图像颜色的基本特征，详细分析了图像直方图，颜色矩、颜色累积直方图、颜色相关量等相关颜色特征。接下来，针对图像运算维数过高的现象，提出了基于HSV颜色空间的量化，对其中的量化方式做了比较，最后选择（16:4:4）的量化方案。最后本文深入介绍了相似度的度量方法，对常用的欧式距离、直方图相交、夹角余弦等方法进行了分析，直方图相交距离计算较为简单，但精度不高，二次式距离较为复杂，精度较高。最后选择基于极坐标的欧式距离检测方法，求取两幅图像的相似度，对于同一副图像中颜色不均匀的现象，本文提出了分块颜色直方图的方法和邻域主色颜色直方图的方法进行解决。34 5曲线拟合及系统建立5曲线拟合及系统建立对于经编织物色差检测来说，我们仅仅得到其相似度是远远不足的，因为企业相互之间交往时，普遍使用色差作为官方的指标，且很多人对相似度没有概念，不知如何利用相似性来衡量色差值，本章主要尝试建立相似度值与色差值函数对应关系。对于得到的色差值，其可能不处于半级或者整数级的关系，因此我们设计了基于VC的系统界面，可直接读出色差值。5.1灰卡色差与相似度关系经过上一章的探讨，我们通晓了相似度的求解方法，但只有相似度，是不能求解色差的，因此我们需要一纽带连接这两种参量。那如何建立这样的纽带呢?通过观察对色工人的工作过程，发现其评级过程中，都会参照灰卡进行登记判定，那就给了一个思路，先对灰卡进行相似度求解，然后寻求建立两者之间的关系式。具体方法如下：对每一副灰卡都进行色差评级，例如对五级标样与4-5级对比样进行求解，以此类推，我们得到从一级到五级所有的样品相似度值。共采样50次，得到相似度与色差之间的关系，下表5.1为我们随即抽取的四组测试数据。表5.1相似度-色差对应关系Table5.1thecorrespondofsimilarityandcolordifference级数第一组第二组第三组第四组51.0000000.9005411.0000001.0000004-50.5333210.6573360.6573150.58231540.3557320.3680570.3800010.3547603-40.1086470.0902120.0922450.10952530.0579560.0550250.0470120.0345642-30.0073230.0057230.0097120.00823020.0005820.0006370.0007550.0005211-20.0001700.0001210.0001700.00015610.0000480.0000320.0000200.000032通过观察，随着色差级数的减小，相似度也逐渐减少，最后接近0值。我们通过折线图5.1观察两者之间的关系，如下图所示：35 5曲线拟合及系统建立图5.1相似度-色差曲线Fig5.1thecurveofthesimilarityandcolordifference分析试验结果，相似度值随着色差的级数的增加而呈单调减分布。从五级到3.5级（3-4）变化相似度剧烈，从3.5级到1级相似度变化较小，此时相似度几乎接近0。对每一色差等级的数值进行平均值求取，取其结果的平均值，为了演示方便，我们只取小数点后四位，最后得到一组标准数据，数据如下：表5.2相似度平均值-色差对应关系Table5.2thecorrespondofaveragesimilarityandcolordifference色差5级4-5级4级3-4级3级2-3级2级1-2级1级相似度0.98840.60230.38560.01280.00820.00630.00050.00010.0000这样我们就可以得到色差与相似度的对应关系，为下面曲线拟合的方法建立数据基础。5.2曲线拟合在实际生产过程中通常需要寻求两个变量的关系，但在实际操作过程中，只能测得少量的数据，因此需要采用一些拟合的方法将这些分散的数据关联在一[51-52]起，得到一条连续平滑的曲线，这种方法我们就称为曲线拟合。曲线拟合就是确定一条包含两者之间关系的一条曲线，让曲线尽量穿过这些点，或者离这些点的距离最小，要求既能描述数据的大致总体分布，又不会使局部个别区域发生很巨大的曲线波动，能很清晰的表征该函数逼近特性，最后求出的逼近函数与已知函数从总体上偏差度量最小。进行曲线拟合的方法主要有两种，一种是参数曲线拟合方式，另一种是非参数曲线拟合方式。参数拟合是指已经有真实的实验数据，经过初步估计曲线轨迹，选用合适的模型进行模拟，并求出该曲线的参数，进而得到确切的拟合公式。非参数拟合指的是拟合出一个平滑可通过全部数据点的曲线，该曲线没有确切的公36 5曲线拟合及系统建立式，但可以直观看出数据的轨迹。本课题选择的是参数曲线拟合，要求得到准确的数学公式，通过采用最小二乘法完成该曲线拟合。最小二乘法定义如下：由于实验的规范性、检测的方法合理性等诸多原因使得实验数据本身存在误差，因此所求的拟合曲线不要求通过所有的点（xi，yi）(i=1,2,⋯,N)，不要求所有的点满足函数(x)=yi，只需要满足i数据的基本变化趋势即可。由于不同的函数带有不同的特性，因此规定在某种确[53-54]定的函数中寻求最好的函数来拟合已有的数据，这种方法就是最小二乘法。最小二乘法拟合就是(x)与yi的偏差[yi-(x)]的平方和最小，即iiN2M[yi(xi)](5.1)i1拟合的过程需要借助MATLAB工具箱，MATLAB是一种交互式系统，允许人们用公式化方法解决各种技术问题，尤其是对设计到矩阵的问题。MATLAB是matrixlaboratory的缩写。MATLAB可用于数学和计算，进行算法开发，数据获取，建模、模拟和原型设计、数据分析、研究和可视化、科学与工程图像、应用开发，建立图像用户界面等诸多功能。具体的操作方法如下：打开MATLAB用户界面，CommandWindow中输入数据,如图5.2红色区域标识部分。这里我们输入色差值y=[54.543.532.521.51]。输入相似度x=[0.9884630.6023140.3856120.102860.052130.0083210.0005210.0000500.000005]。然后输入参数cftool，接着按下回车键，即显示MATLAB工具箱。图5.2matlab工作界面Fig5.2theworkingplaceofthematlab37 5曲线拟合及系统建立流程图如下5.3所示点击DATA按设定x，y选择Fitting选择Rational钮工艺参数按钮有理函数图5.3Matlab工作流程图图5.3Matlabflowchart根据以上步骤，我们得到相似度与色差曲线关系图5.4所示图5.4相似度-色差关系曲线Fig5.4thecurvebetweenthecolordifferenceandsimilarity通过观察图形，曲线大致方向是单调增，相似度在0.1左右时，色差变化剧烈。换句话说色差在3-4级时，相似度变化较大。与此同时，matlab工具箱还给出误差分析SSE，此值代表曲线误差，值越接近0，代表曲线拟合越准确，R-square代表确定系数，该值越接近1，该函数对数值的解释能力越好，曲线拟合越好。本文得到的色差-相似度拟合公式如下(p1*xp2)（5.2）f(x)xq1此时，x代表相似度，f(x)代表色差，p1=4.842,p2=0.1072,q1=0.0663。通过相似度，通过公式我们可以得到两幅图像之间的色差值，但该色差值不一定正好处于整数级或半级，对于这种情况，我们通过大量的量化分析后，将各个数值进行了归类，即将其量化到色差等级上，量化如下表5.3所示38 5曲线拟合及系统建立表5.3色差值量化色差等级Tabletranslatecolordifferencetocolordegree色差值色差等级>4.7554.25~4.754-53.75~4.2543.25~3.753-52.75~3.2532.25~2.752-31.75~2.2521.25~1.751-2<1.2515.3建立相似度色差评级系统本文是基于图像颜色的图像相似度识别系统，将学习和研究的图像处理应用到实际中来，开发经编色差检测系统。通过建立系统，加深了对课程的学习和图像处理知识的回顾，对图像处理和色差检测有了更加清晰的认识。该系统证明了基于颜色特征的相似度算法的有效性。软件开发强调软件的可移植性、易修改维护、可复用性，传统的c语言设计[55]缺乏面向对象的设计思想，本课题以c++作为开发语言，其支持对象、类、消息等概念，实现面向对象的封装性、继承性、多态性等优点。对于图像处理的一些函数类，本文采用的是opencv图像处理技术语言，opencv是一个开发源代码[56]的图像和视频分析库，含有500多个优化过的算法，全称是openSourceComputerVisionLibrary。由英特尔公司发起并参与设计，可在商业和研究领域免费使用，自问世以来一直受到计算机学者和开发人员的喜爱。同时还提供了JAVA、Python、Ruby、MATLAB等语言的接口。本系统使用了opencv的最新版本opencv3.0，相比最早版本的opencv1.0有了较大的进步，使用经典的C++接口风格，大量使用Mat类进行图像处理，减少了指针的使用次数，避免了每次释放内存的麻烦，降低了系统野指针出现的次数。本系统的开发平台是Windows7旗舰版，系统开发工具是Visual2010。VS2010是Microsoft公司开发的基于Windows可视化集成开发环境，可以将编辑、编译、连接和执行集成为一个整体，还具有可视化的资料编译器及MFC类，可高效快速的开发基于Windows的应用程序。39 5曲线拟合及系统建立本文设计的经编织物色差检测系统主要由原图像加载，对比图像加载，图像预处理，图像结果输出等按钮控件。其中原图像加载指的是加载标准图，对比图加载表示加载需要比较的图像，图像预处理指的是对图像进行颜色空间转换和图像中值滤波，结果输出指的是对图像相似度进行求解，并转化为色差值。系统界面如图5.5所示。其工作界面简单，易于操作和维护。图5.5经编织物色差检测系统Fig5.5colordetectionsystemofthewarpknitting随机选择100组经编织物样本进行色差评级系统测试，同时请对色师傅对织物进行目视法测量色差。通过对比发现系统稳定性较好，准确度比较高，下面为随机抽取的10组样品进行检测，其结果统计见下表：表5.4经编样布色差检测与人眼视觉对比Table5.4WarpknittingimageChromatismratingandpeoplevisualcomparison经编织物相似度系统色差评级专家目视评级0.3854214级4级第一组0.7963544-5级4-5级第二组0.0096523级3级第三组40 5曲线拟合及系统建立续表5.4经编样布色差检测与人眼视觉对比Table5.4WarpknittingimageChromatismratingandpeoplevisualcomparison经编织物相似度系统色差评级专家目视评级0.6026924-5级4-5级第四组0.4215644级4级第五组0.5693544-5级4级第六组0.5985644-5级4-5级第七组0.2486214级4级第八组0.0202363-4级3-4级第九组0.0189653-4级3-4级第十组大量的实验数据结构证明，本系统得到的相似度结果，求出的色差值，基本41 5曲线拟合及系统建立吻合专家目测评级，能够应用于企业检测机构。5.4本章小结本章通过寻找色差与相似度之间的关系，利用标准灰卡是标准的数据值，对标准灰卡进行多次相似度测量，求得其平均值，将该平均值与色差等级进行最小二乘法进行曲线拟合，得到最后的相似度-色差曲线。建立完成关系式后，利用opencv优秀的图像处理功能和VS2010优秀的界面设计功能，建立了经编织物印染色差系统。对最后结果得到的准确性，进行了验证，利用人眼目视法进行比对，证明系统的可行性。42 6总结与展望6总结与展望将计算机视觉和图像处理技术应用到经编织物色差检测，从颜色的相似度入手，寻找其与色差之间的关系，为后续开发提供了一个较好的基础。现在大多数企业及检测机构至今采用目视法进行色差检测，特别是对于结构复杂的经编织物，准确分辨其中的色差值是一件困难的事情，将计算机视觉技术及图像相似度测量技术应用到经编行业的检测中，具有不可忽略的应用意义和市场经济价值，可以将对色师傅从繁重的机械测色过程中解放出来，并大大提高检测的准确性。6.1论文工作总结（1）论文首先介绍了经编色差检测系统物理结构组成，摄像头、标准光源、灰卡等。（2）分析了常见的颜色空间模型，RGB色度空间、XYZ色度空间、CIELab色度空间、HSV色度空间及HSI颜色空间的特点，详细的描述了其结构组成及三分量各自代表的含义，最后选择与人眼视觉相符的HSV颜色空间作为研究的基本模型。（3）介绍分析了图像噪声的来源，对于结构复杂，花纹众多的经编织物彩色图像，借助其亮度信息与颜色信息分离的原理，将亮度信息作为去噪处理的载体，最后利用中值滤波的方法去除图像噪声。（4）详细的说明了几种典型的颜色特征，有直方图法，颜色矩，颜色相关图等颜色特征。接下来介绍了颜色量化的方法，提出了基于HSV的（16:4:4）颜色量化，尽量保证图像的颜色信息。最后介绍了相似度求取的方法，有欧式距离法，有夹角余弦法，有直方图相交法等方法，最后选择极坐标欧式距离作为衡量相似度的指标。（5）曲线拟合，建立相似度-色差曲线拟合，采用最小二乘法得到拟合公式，将相似度与人眼目测色差用数学函数关系联系起来。（6）运用Visualc++、opencv编程技术开发了经编织物色差检测系统，介绍系统使用方法，及各自代表的含义。（7）为了验证系统的可靠性及准确性，以经编织物色差检测结果与专家目测结果进行对比，结果显示基本相似。（8）本系统采用的是基于颜色的相似度测量，对机织物、经编织物色差检测都具有较好的测量辅助作用。6.2论文的不足（1）经编织物色差检测系统需要的硬件结构主要计算机、标准光源箱、CCD43 6总结与展望摄像头和数据线，系统硬件庞大，不利于搬运和移动，且系统对高度变化灵敏，稍微的变化，会使测量数据不准确。（2）本文的实验结果是从实验室环境下得出的，离工厂实际应用还有一定的距离，对于工厂环境相对恶劣的情况下，尚未做改进。（3）图像采集的方式需要改进，因为测试环境内，只允许标准光源，而测试者需要使用电脑，电脑的光源和测试者的衣服反射光都会影响测试的准确性，造成误差的出现。（4）由于本人学识的浅薄，对于同一副图像中出现的多种染料不匀的内容时，相似度检测效果不是很好。（5）由于实验数据的量较少，而色差评定等级三级以下数值较为接近，因此需要增加实验测试数据量，使拟合公式更加准确，得到更加精确的结果。6.3课题研究的发展和展望（1）色差检测系统需要进行系统化集成化，对工作环境中各种影响实验数据的因素排除在外，设计一个手持式的封闭的小型的色差检测系统。（2）开发在线检测系统，就可避免对色师傅反复取样，节省时间。44 参考文献参考文献[1]宋勇,王利民,晁金光,王润华.染色过程中色差的控制[J].染整科技，2004(2):30-38.[2]陈晓东,唐孝明,张舒云.花边及花边染色[J].染整技术,2012,34(1):22-24.[3]马宴苹,骆光林.颜色测量:色度检测法[J].印刷质量与标准化,2005,(7)：29-31.[4]方国铭,胡国成.光电比色计和分光光度计[M].北京:计量出版社,1984.[5]杜春玲,张唏,葛蕾.颜色测量仪器及其发展[J].现代仪器,2005,（3）:57-58[6]王卓,杨学友,李恭.基于RGB三基色原理的手持式颜色检测仪的设计[J]．天津科技大学学报,2006,29(1):54-57.[7]周森,张杰.仪器测色在纺织品检验中的应用[J].现代商检科技，1994,4(2):37-39.[8]董红明，陈友根，罗楚成.仪器测量纺织品颜色的影响因素[J].现代商检科技，1998,8(2):51-55.[9]YuXiaohan,CajSodergard,JuhaYia-Jaaski.On-lineControlofColorPrintingQualitybyImageProcessing[J]．IEEE1993：1039-1041.[10]康厚俊．CMOS图像传感与CCD的比较及发展现状[J].仪器仪表学报,2001，22(3):882-884.[11]熊平.CCD与CMOS图像传感器特点比较[J].半导体光电,2004,25(1):1-4.[12]陈仲林,张玉奇.色差研究[J].照明工程学报，1998,9(4):28-32.[13]何亚犇.基于颜色特征的图像检索算法研究[D]:[硕士学位论文].太原:太原理工大学,2012.[14]梁晶.基于颜色特征的图像检索技术研究[D]:[硕士学位论文].厦门:厦门大学,2009.[15]LianYuSheng.PredictionofChineseColorSystemAppearanceScalesUsingVariousColorAppearanceModels.ChineseOpticsLetters,20075(9):11-32.[16]SmithJ.R,ChangS.F.VisualSEEK:afullyautomatedcontent-basedimageQuerySystem[J].Proc.ACMMultimedia,1996,12:87-98.[17]NoviantoS,SuzukiY.NearOptimumEstimationofLocalFractalDimensionforImageSegmentation[J].PatternRecognitionLetters，2003,24(1):365-374.[18]韩小贺,成刚虎,向志爱.色空间转换在印刷品质量检测中的应用研究[J]．包装工程，2009，30(1):101-102.[19]石美红,申亮,龙世忠,胡西民.从RGB到HSV色彩空间转换公式的修正[J].纺织高校基础科学学报,2008(3):351-355.[20]郑洋洋.基于内容的鞋面图像检索的研究及应用[D]:[硕士学位论文].成都:西南交通大学,2012.[21]韩晓微.彩色图像处理关键技术研究[D]:[硕士学位论文].沈阳:东北大学,2005.[22]邴媛媛，武文波.基于小波的图像降噪及Matlab实现[J].辽宁工程技术大学学报，2008,27(5):224-226.[23]江景涛，姜学东，李福荣.利用中值滤波法去除图像噪声及Matlab实现[J].45 参考文献莱阳农学院学报，2006,23(1):63-65.[24]LinHai,Ten,KaoYang.AstudyofShape-BasedImageRetriecal[J].IEEEcomputer,22(2):645-662[25]MJSwain,DHBallard.IndexingviaColorHistogram[J].ProcICCV90:390-393.[26]张兆礼，赵春晖.现代图像处理技术及Matlab实现[M].北京：人民邮电出版社，2001.[27]余芳.基于颜色特征的图像检索技术研究[D]:[硕士学位论文].青岛:中国石油大学(华东),2007.[28]党帅华.基于内容的动漫图像检索系统[D]:[硕士学位论文].成都:电子科技大学,2010.[29]梁祥君,吴国忠,程文娟等.颜色直方图在彩色物料识别中的应用[J].安徽机电学院学报,2000,15(1):39-41.[30]来凌红.袁志业.基于彩色图像处理的产品质量检测研究[J].安徽农业科学,2008,36(1):70-71[31]孙君顶.基于内容的图像检索技术研究[D]:[硕士学位论文].西安:西安电子科技大学,2005.[32]于喜元.提花织物花型预处理系统[D]:[硕士学位论文].杭州:浙江大学,2005.[33]张英俊.基于视觉特征的图像分类检索技术研究[D]:[硕士学位论文].太原:中北大学,2010.[34]高利,徐长梅.基于颜色分布相似性的图像内容检索[J].计算机工程与科学，2003,25(3):52-55.[35]茹立云,彭潇,苏中.基于内容的图像检索中的特征性能评价[J].计算机研究与发展,2003,40(11):1566-1570.[36]王娟,孔冰,贾巧丽.基于颜色特征的图像相似度检索技术[J].计算机系统应用，2011.07.[37]WhiteD,JainR.Algorithmandstrategiesforsimilarityretrieval[J].InTRVCL-96-101UniversityofCalifornia,1996,62-72.[38]杨树极.基于颜色与纹理特征的图像检索技术研究与实现[D]:[硕士学位论文].太原:中北大学,2011.[39]HanJVP,GuoL.Newimageretrievalapproachbasedoninterestpoints.SPIE.2002,4862:197-198.[40]曾奇森.基于内容的图像检索相关技术研究[D]:[硕士学位论文].南京:南京理工大学,2007.[41]StrickerM.OrengoM.Similarityofcolorimages[J].ProceedingsofSPIEStorageandRetrievalforImageandVideoDatabase,1995,2420:381-392.[42]PassG,ZabinR.ComparingImageUsingColorCoherenceVectors[J].ACMInte-RnationalConferenceonMultimedia.Boston:MA,1996,65-73.[43]HuangJ.ColorSpatialImageIndexingandAppliations.Phdthesis[M].CornellUniversity.NewYork,1996.[44]侯方,姜秀华.图像检索中颜色特征提取方法的研究[J].中国传媒大学学报(自然科学版),2013,5:[45]张彦伪.基于颜色特征的广义M-J集检索方法研究[D]:[硕士学位论文].济南:山东师范大学,2012.46 参考文献[46]刘海桃,徐向纥．颜色相似性度量在色差检测中的应用[J]．中国计量学院学报，2009,20(1):51-54.[47]BernsRS.PrinciplesofColor[J].Beijing:ChemicalIndustryPress,2002:157-156.[48]HeXQandLiuWQ.AppliedRegressionAnalysis[M].Beijing:ChinaRenminUniversityPress,2001.20.[49]SchaeferG.Compresseddomainindexingoflosslesslycompressedimages[J].ProceedingsofSPIE,2002,4676:79-85.[50]MichaelTOrchard,CharelsaBouman.Colorquantizationofimages[J].IEEETransactionsonSignalProcessing,1991,39(12):2677-2690.[51]王静.牛仔织物色差检测装置及技术硕士.[学位论文].武汉:武汉纺织大学,2013.[52]陈超等.MATLAB应用实例精讲-数学数值计算与统计分析篇[M].北京：电子工业出版社,2010.[53]李红.数值分析[M].武汉：华中科技大学出版社，2010.[54]苏金明,阮沈勇．MATLAB实用教程[M].北京：电子工业出版社.2005,7.[55]陈纯.计算机图像处理技术与算法[M].北京:清华大学出版社，2003.125-189.[56]刘瑞祯,于仕琪.OpenCV教程基础篇[M].北京:北京航空航天大学出版社，2007,6.47 附录附录作者硕士期间发表的论文[1]张华,胡思敏,邓中民.成圈型贾卡经编针织物的建模与仿真[J].针织工业，2014（7):70-73.[2]ZhongminDeng,Zhanghua.ADetectionSystemonChromatismofDebimFabricsBasedonComputerVision[J].JapanTextileConference.[3]ZhangHua,DengZhongmin.TheIdentifyingofcashmereandwool[J].12thAsianTextileConference,Shanghai.48 致谢致谢岁月匆匆，时光荏苒，充实而又有意义的研究生时光即将结束。在本论文将要完成之际，我要特别的感谢我的学业指导老师邓中民教授。首先，在邓老师的建议下，我选定了这一有意义的毕业课题，并在他的悉心指导下完成了对该课题的研究。从中我看到了邓老师严谨的治学态度，以及对科学研究的敏锐观察力。在这丰富的三年研究生学习里，邓老师潜移默化的影响着我的生活、学习、以及做人。每当在实验室看到邓老师全神贯注做科研的情景，总能鞭笞着我不断地努力前进。他孜孜不倦的探索精神，精益求精的工作作风都为我们树立了良好的榜样。在读研期间，邓老师对我的学业与生活都给予了很大的指导。他是导师，当我困惑时给我提出了很多建设性的意见；他又像亲人，在生活中给我关怀，在我的前进的道路上指引方向。他待人真诚，为人低调，都给我留下了很深的印象。在此，我想把我最诚挚的感谢与祝福都献给敬爱的邓老师。除此之外，我还要感谢那些给予了我很大帮助与鼓励的同学和朋友们。张勇、李明军、曾令玺、孙永培等同学，他们都在我做课题期间都积极地给予我建议与鼓励，大家共同交流，积极探索，相互学习，与此同时，我也收获了坚固的友谊。最后，我要感谢父母的养育之恩，以及他们对我学业上的支持与鼓励，是他们给了我前进的动力让我一直走下去。在此我想说，您们辛苦了。49