基于多光谱成像的图像的质量评估方法技术

本发明专利技术提供了一种基于多光谱成像的图像的质量评估方法及计算机可读存储介质，该方法包括：在标样图像中选择需要进行质量评估的操作区域；应用图像匹配算法在批样图像中获取相匹配的操作区域；在标样图像的操作区域中划取不同颜色的种子点；在批样图像的操作区域中获取相对应的种子点；应用图像分割算法对标样图像和批样图像的操作区域进行颜色分割操作，得到各自的颜色信息；以及将标样图像和批样图像的操作区域中的颜色信息进行对比，通过阈值设定判断批样图像中的各颜色是否达到标样图像的要求。该方法可以对纺织行业内混色面料的形状和颜色质量进行精准评估，有效地避免了差异显著的人工对比，并克服了现有方法只能处理单色面料的问题。

【技术实现步骤摘要】
基于多光谱成像的图像的质量评估方法
本专利技术涉及一种基于多光谱成像的图像的质量评估方法。
技术介绍
在纺织行业中，如何根据标样图像或CAD设计图样批量生产符合客户要求的批样织物是非常困难的，其主要难点在于如何来精确获取批样织物的图像并评估该批样图像与标样图像或CAD设计图样的形状和颜色的一致性。目前，在一般的纺织企业，批样图像与标样图像(或是CAD设计图样)之间的形状和颜色质量评估都还停留在人工判断的阶段。因此，对于操作人员的要求比较高。但是，由于人工判断的差异性，会造成比较大的比对误差。因此，产生不合格批样的概率也会大大增加。为了解决人工判断差异过大的问题，现在的纺织企业也会采用标准的测色仪来进行形状和颜色的质量评估。目前的测色仪有多种，也存在多种优势。比如，便携式测色仪，其能直接读取数据，能够连接电脑，体积较小，便于携带；台式测色仪，其可以测量透射物体，体积较大，性能稳定；在线式分光测色仪，其适合生产车间与生产同步使用，大大提高生产效率与生产质量。但是，目前纺织行业内使用的这些测色仪只能进行纯色(即，单色)的信息提取和质量评估，对于混色面料却难以进行质量评估。比如，在Datacolor测色仪的测色使用说明中，明确提出“物料控制人员送来的小块样布，如果不能机器测色，用目测；如果可以机器测色，用Datacolor测色，再用目测复核”。换言之，Datacolor测色仪难以对混色面料进行颜色评估。为了解决纺织行业内混色面料的形状和颜色质量评估难题，本专利技术提出了一种全新的基于多光谱成像的图像形状和/或颜色质量评估方法，其有效地处理了混色面料的质量评估。专利
技术实现思路
为了解决以上问题，本专利技术提出了一种基于多光谱成像的图像的质量评估方法。该方法从不同样品图像颜色色差出发，用户可通过表格化的数据和可视化的色差图直接观察，从而判断批样图像是否合格。也就是说，本专利技术为用户提供了一套完整的图像质量评估方法。在一个实施方式中，本专利技术提出了一种基于多光谱成像的图像的质量评估方法，该方法包括以下步骤：(1)在标样图像中选择需要进行质量评估的操作区域；(2)应用图像匹配算法在批样图像中获取与标样图像相匹配的操作区域；(3)在标样图像的操作区域中划取不同颜色的种子点；(4)在批样图像的操作区域中获取与标样图像中的种子点位置相对应的种子点；(5)应用图像分割算法对标样图像的操作区域和批样图像的操作区域进行颜色分割操作，得到各自的颜色信息；以及(6)将标样图像的操作区域和批样图像的操作区域中的颜色信息进行对比，以获得各项对比信息，并通过阈值设定判断所述批样图像中的各颜色是否达到标样图像的要求，其中，如果标样图像是包括颜色信息的CAD设计图样，则在步骤(2)中获得批样图像的操作区域中的相关颜色信息，并跳过步骤(3)-(5)，执行步骤(6)。颜色信息可以包括像素点的颜色值，和/或对比信息可以包括色差。在批样图像的操作区域中，可以通过自动匹配或手动划取获得与标样图像中的种子点位置相对应的种子点。图像匹配算法可以为基于NTG模型的图像匹配算法，所述算法的公式为：其中，fr,x和fr,y分别表示图像fr在x和y方向的梯度，ft,x和ft,y分别表示图像ft在x和y方向的梯度。图像匹配算法可以包括以下步骤：在标样图像中获取模板图像，分别计算模板图像与批样图像的梯度；根据模板图像大小，在批样图像上框出与模板图像的大小对应的窗口并逐像素地移动窗口的位置；将梯度值代入基于NTG模型的图像匹配算法的公式中，计算出模板图像与所述窗口内批样图像的NTG值；以及记录移动过程中NTG值最小的位置，该NTG值最小的位置即是批样图像与模板图像匹配的位置。图像分割算法可以为基于K-Means聚类的图像分割算法，包括以下步骤：a.给定大小为n的数据集X＝{x1,x2,n,xn}，从所述数据集中随机选取k个数据作为初始聚类中心的集合V(1)＝{v1,v2,n,vk}，1＜k＜n；b.计算数据集中剩余每个数据与每个聚类中心的距离D(xi,vj)，其中1≤i≤n，1≤j≤k，如果D(xi,vw)＝min(D(xi,vj),j＝1,2,n,k)，则xi∈Cw，Cw表示以数据vw为聚类中心的第w类的数据集合；c.计算各个类的数据集合的新的聚类中心从而得到新的聚类中心的集合V(m)，其中V(m)表示第m次迭代的聚类中心，其中ni表示第i类的数据个数；以及d.判断相邻两次计算的聚类中心是否变化，以误差平方和J作为准则函数：J＝||V(m)-V(m-1)||2，当J＜ε时，算法结束，否则返回b步骤，继续迭代，其中ε表示误差容忍度。该基于多光谱成像的图像的质量评估方法还可以包括以下步骤：将所述标样图像与所述批样图像匹配后融合；以及用色差公式计算操作区域中的对应像素点色差，从而得到空间色差图。未解决图像边缘部分颜色存在过渡的问题，可以通过以下公式抑制所述空间色差图的边缘部分：其中，(x,y)为空间色差图的像素点坐标，I(x,y)为空间色差图，Ix(x,y),Iy(x,y)分别为空间色差图在x和y方向的梯度，O(x,y)为抑制边缘后的空间色差图，κ为相关系数。色差计算公式可以为DECMC(2:1)。在另一实施方式中，本专利技术提出了一种基于多光谱成像的图像的质量评估方法，所述方法包括以下步骤：(1)在标样图像中选择需要进行质量评估的操作区域；(2)应用图像匹配算法在批样图像中获取与所述标样图像相匹配的操作区域；(3)将所述标样图像与所述批样图像匹配后融合；以及(4)用色差公式计算操作区域中的对应像素点色差，从而得到所述标样图像和所述批样图像的空间色差图。在又一个实施方式中，本专利技术提出了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本专利技术的方法。本专利技术的基于多光谱成像的图像的质量评估方法包括了标样图像或者CAD设计图样中颜色与批样图像中对应颜色的色差结果、颜色评价、通过/失败评定等，并且结果可以用表格形式打印出来。涉及图像空间色差图的质量评估方法更是将每个对应像素点的色差一一表示在色差空间分布图上，并通过颜色深浅来表示色差大小，从而使得用户一眼就能发现哪个颜色没有达到要求，样品哪块区域还有问题。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是根据本专利技术一个实施例的基于多光谱成像的图像的质量评估方法的流程图。图2是根据本专利技术一个实施例的基于NTG模型的图像匹配算法流程；图3是根据本专利技术一个实施例的基于K-Means聚类的图像分割算法流程；图4是根据本专利技术一个实施例的织物的标样图像和批样图像之间的颜色质量评估结果；图5是根据本专利技术一个实施例的织物的CAD设计图样和真实的批样图像之间的颜色质量评估的示意图；图6是根据本专利技术另一实施例的基于多光谱成像的图像的质量评估方法的流程图；以及图7是根据本专利技术另一个实施例的织物的空间色差图色差评估示例。具体实施方式以下说明是本专利技术的典型实施方式，其并且并不旨在以任何方式限制本专利技术的范围或适用范围。相反，下列说明旨在提供用于实施本专利技术的各种实施方式的示例。众所周知，纺织工业领域中目前还没有对于混色面料图案进行形状和/或颜色质量评估的非人工方法。因此，本专利技术所提出的方法优选地但非限制性地应用于纺织领域中。图1是根据本本文档来自技高网...

【技术保护点】
1.一种基于多光谱成像的图像的质量评估方法，其特征在于，所述方法包括以下步骤：步骤(1)在标样图像中选择需要进行质量评估的操作区域；步骤(2)应用图像匹配算法在批样图像中获取与所述标样图像相匹配的操作区域，如果所述标样图像是包括颜色信息的CAD设计图样，则执行步骤(6)，否则继续执行步骤(3)；步骤(3)在所述标样图像的操作区域中划取不同颜色的种子点；步骤(4)在所述批样图像的操作区域中获取与所述标样图像中的种子点位置相对应的种子点；步骤(5)应用图像分割算法对所述标样图像的操作区域和所述批样图像的操作区域进行颜色分割操作，得到各自的颜色信息；以及步骤(6)将所述标样图像的操作区域和所述批样图像的操作区域中的颜色信息进行对比，以获得各项对比信息，并通过阈值设定判断所述批样图像中的各颜色是否达到所述标样图像的要求。

【技术特征摘要】
1.一种基于多光谱成像的图像的质量评估方法，其特征在于，所述方法包括以下步骤：步骤(1)在标样图像中选择需要进行质量评估的操作区域；步骤(2)应用图像匹配算法在批样图像中获取与所述标样图像相匹配的操作区域，如果所述标样图像是包括颜色信息的CAD设计图样，则执行步骤(6)，否则继续执行步骤(3)；步骤(3)在所述标样图像的操作区域中划取不同颜色的种子点；步骤(4)在所述批样图像的操作区域中获取与所述标样图像中的种子点位置相对应的种子点；步骤(5)应用图像分割算法对所述标样图像的操作区域和所述批样图像的操作区域进行颜色分割操作，得到各自的颜色信息；以及步骤(6)将所述标样图像的操作区域和所述批样图像的操作区域中的颜色信息进行对比，以获得各项对比信息，并通过阈值设定判断所述批样图像中的各颜色是否达到所述标样图像的要求。2.根据权利要求1所述的基于多光谱成像的图像的质量评估方法，其特征在于，所述颜色信息包括像素点的颜色值，和/或所述对比信息包括色差。3.根据权利要求1所述的基于多光谱成像的图像的质量评估方法，其特征在于，在所述批样图像的操作区域中，通过手动划取或自动匹配生成与所述标样图像中的种子点位置相对应的种子点。4.根据权利要求1所述的基于多光谱成像的图像的质量评估方法，其特征在于，所述图像匹配算法为基于NTG模型的图像匹配算法，所述算法的公式为：其中，fr,x和fr,y分别表示图像fr在x和y方向的梯度，ft,x和ft,y分别表示图像ft在x和y方向的梯度。5.根据权利要求4所述的基于多光谱成像的图像的质量评估方法，其特征在于，所述图像匹配算法包括以下步骤：在所述标样图像中获取模板图像，分别计算所述模板图像与所述批样图像的梯度；根据所述模板图像大小，在批样图像上框出与所述模板图像的大小对应的窗口并逐像素地移动窗口的位置；将所述梯度值代入基于NTG模型的图像匹配算法的公式中，计算出所述模板图像与所述窗口内批样图像的NTG值；以及记录移动过程中NTG值最小的位置，该NTG值最小的位置即是所述批样图像与所述模板图像匹配的位置。6.根据权利要求1-5中任一项所述的基于多光谱成像的图像的质量评估方法，其特征在于，所述图像分割算法为基于K-Means聚类的图像分割算法，包括以下步骤：a.给定大小为n的数据集X＝{x1,x2,n,xn}，从所述数据集中随机选取k个数据作为初始聚类中心的集合V(1)＝{v1,v2,n,vk}，1＜k＜n；b.计算所述数据集中剩余每个数据与每个聚类中心的距离D(xi,vj)，其中1≤i≤n，1≤j≤k，如果D(xi,vw)＝min(D(xi,vj),j＝1,2,n,k)，则xi∈Cw，Cw表示以数据vw为聚类中心的第w类的数据集合；c.计算各个类的数据集合的新的聚类中心从而得到新的聚类中心的集合V(m)，其中V(m)表示第m次迭代的聚类中心，其中ni表示第i类的数据个数；以及d.判断相邻两次...

【专利技术属性】
技术研发人员：忻浩忠，沈会良，葛权耕，
申请(专利权)人：香港纺织及成衣研发中心有限公司，
类型：发明
国别省市：中国香港,81