杨 曼1，贾立锋2
（1．广东工业大学自动化学院，广东 广州 510090;2．广东工业大学艺术设计学院，广东 广州 510090）
摘要：在棉麻纤维制样的过程中无法避免水泡的产生，水泡的存在对棉麻纤维识别的准确性有很大的影响。水泡的形状一般呈现圆形，且面积较小，针对水泡的特点，采用归一化相关匹配的方法去除与棉麻纤维黏连的水泡。对此非孤立水泡，首先设定可变半径的圆形模板，然后通过模板在待测图上移动，寻找到最佳的匹配位置，设定匹配阀值，当实际匹配值大于匹配阀值时，去除水泡。该方法具有良好的识别效果和一定的实用性。
关键词：图像处理；非孤立水泡；模板匹配；识别 中图分类号：TP3 91. 41
0 引言
模板匹配技术是根据一个已知模式到另一幅图中寻找相应模式的方法，它在图像识别中的应用较广泛，特别是在字符识别中。通过选择字符的二值图像矩阵进行累加后归一化得到匹配模板，从而减少错误匹配的情况，但是运算量较大，运算速度较慢，而且由于不同字符的特征差异明显，要识别的字符与模板字符的相似度较大，故而方便识别。通过提取图像轮廓作为模板进行图像匹配，当图像模板是原图中的一部分时进行识别，识别效果良好且易于识别。本文中水泡的存在形态主要分为两类：一种是孤立水泡，另一种是非孤立水泡。水泡的形状在大体上呈现圆形，但并非规范圆，同时由于水泡大小不一，故以上方法并不适于水泡识别，因此给水泡识别带来很大困难。
模板匹配的方法有平方差匹配法、相关匹配法，并都有其归一化形式，其中应用较多的是相关匹配的方法，在相关匹配的基础上通过借鉴金字塔结构的模板匹配思想，采用多步长模板匹配的方法进行匹配。一种可变形模板匹配方法，即通过图像边缘位置形状及边缘处的纹理和颜色特征进行匹配，具有较好的识别效果。
本文基于水泡的特点，提出了水泡识别方法。对于孤立的水泡，由于孤立水泡的前景点像素个数较少（其像素个数远远小于目标纤维像素个数），对其采用累计水泡前景点像素个数，去除像素个数小于5800的水泡目标。对于非孤立水泡，提出采用归一化相关匹配的方法去除与棉麻纤维粘连的水泡，自定义变化模板，将模板图像在原图上移动，每移动一步，计算两幅图像的相关性，从而得到最大相关性，即得到最佳匹配位置，去除水泡。
1模板匹配
根据纤维与水泡在形状上的明显差异，采用基于模板匹配的方法对水泡进行识别能有效地解决水泡和纤维粘连的问题。图1为待测图像( Src)与模板图像(Temp)示意图。
模板匹配算法的主要思想是：通过将模板图像叠放在待测图像上进行平移，在待测图像上搜索与模板图像相似程度最大的目标，确定其位置坐标，完成匹配过程。模板图像在待测图像上的搜索范围为(N-M+1)* (N-M+1)。用相关函数衡量模板Temp与子图S i j配程度的相似度公式可表示为：
S i j (i，j)为在待测图像上被模板覆盖的子图S i j的左上角坐标；Temp(j，J)为模板图像左上角位置坐标；i，j为待测图像上的子图左上角坐标点。运用归一化相关匹配法对模板图像与子图像进行匹配，其匹配值在0～1之间变化，匹配值越大效果越好。其中0是进行归一
化相关匹配后最糟糕的匹配。1为进行归一化相关匹配后的最完美匹配。
2 水泡去除总思路
对于非孤立水泡，由于水泡与纤维在8领域连通，无法根据其连通域的大小进行去除，本文提出采用多变模板对待测图像通过归一化相关匹配法进行匹配，具体步骤如下：
(1)定义多变模板图像，模板图像自定义大小为64* 64。由于水泡近似圆形且大小不一，本文定义若干圆作为模板图像，如图2所示。模板图像是以模板图像中点(32，32)为原点、半径分别为7个～16个像素的一系列圆形模板。
(2)归一化相关匹配：①将模板图像半径从小到大依次在待测图像上移动，寻找到10个最大相关值，并记录最大相关值及子图像左上角位置坐标Q i(x，y)，其中i=1，2，…，10；②比较记录的10个最大相关值，找出其中最大的相关值及对应的子图像左上角坐标，此时的匹配位置即为实际匹配中模板图像在待测图像上的最佳匹配位置；③设定是否去除水泡的匹配阀值为经验值0.6，对于进行归一化相关匹配后得到的最佳匹配阀值小于0.6的，视为待测图片无水泡，无需去除水泡，若最佳匹配阀值大于0.6则需要对水泡进行去除。
(3)去除水泡。对最佳匹配阀值大于0．6的情况，由于水泡的不规则性，为保证对水泡去除的效果，以防水泡去除不完全，以该左上角坐标为起始点向左向上取距离a*M处的坐标，向右向下取距离为(a+1)*M处的坐标，其中经验值a=0.2，M为模板图像边长。以这两个坐标为准画包围水泡的正方形，将正方形内的像素变成背景像素255，以实现水泡去除。
3 实例与分析
图3为存在水泡的纤维待测图像。
实验中，先对待测图像进行图像预处理，将RGB彩色图像变换成Gray灰度图像，变换公式为：
Gray=R*0.299+G*0.587+B*0.114.
其中：R、G、B分别表示RGB彩色图像的R分量、G分量、B分量。图像进行灰度化后，由灰度图像变换为二值图像，为了保证图像中目标纤维像素能尽可能地保留下来，本文采用灰度化阀值为180，图像处理用公式表示为：
根据孤立水泡的连通域比目标纤维连通域要小得多的特点，去除待测图像中的孤立水泡，得到只有非孤立水泡的纤维待测图像，如图4所示。
对图4中的待测图像进行归一化相关性匹配，得到最佳匹配位置，利用上述算法去除水泡，得到去除水泡后的纤维图像，如图5所示。
4结论
采用本文提出的算法对与纤维粘连的水泡进行识别去除，可以基本上消除水泡对纤维的影响，减少水泡对棉麻纤维的种类识别准确率的影响，具有一定的有效性和实用性。
