基于平滑滤波和分水岭算法的重组织织物图像分割

周 慧， 张华熊， 胡 洁， 康 锋

(浙江理工大学 信息学院， 浙江 杭州 310018)



基于平滑滤波和分水岭算法的重组织织物图像分割

周 慧， 张华熊， 胡 洁， 康 锋

(浙江理工大学 信息学院， 浙江 杭州 310018)

针对带有重组织的织物图像特点，提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式，采用混合中值滤波算法滤除扫描噪声；其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波，滤除织物图像中的重组织阴影和同颜色纱线纹理，保留纱线颜色特征；然后提取织物图像的色差梯度，通过分水岭算法进行图像分割，获得区域标记图像；最后将颜色相近的区域进行合并，得到织物图像的分色索引图像。实验结果表明，提出的算法可对重织物图像进行较为准确地分割。

重织物； 图像分割； 色差； 平滑滤波； 分水岭算法

图像分割是织物图像处理与分析的基础，分割的准确性决定着织物图像组织结构提取、内容分析和检索等后处理的有效性。织物重组织(backed weave)是由2组或2组以上的经纱与1组纬纱交织，或由2组或2组以上的纬纱与1组经纱交织，形成二重或二重以上的重叠组织[1]。重织物由不同颜色或不同原料形成，随着经纱或纬纱重叠组数的变化，形成的织物色彩丰富、层次多变。然而，重织物图像不是一个理想的平面结构，扫描获取的图像不能反映纱线的真实颜色。在扫描光照下，由于纱线呈一定的圆柱结构，同一纱线的中心和边缘之间存在过渡颜色；在纱线之间的缝隙颜色往往偏暗，同颜色的纱线区域会形成一定的纹理；由于重组织凹凸不平，重组织边缘会产生一定的阴影；由于扫描图像文件往往采用有失真的JPEG压缩，不同颜色的纱线之间存在过渡颜色。这些因素的存在为重织物图像分割带来了困难。

目前，织物图像分割方法一般采用空间域方法，主要有特征聚类、基于区域的方法以及边缘检测等。特征聚类法，如FCM聚类方法[2]，是一种无监督统计方法，通过迭代提取颜色等特征。这类方法需事先确定聚类数目，由于仅根据特征的统计信息进行分类，如采用颜色作为特征，当某种颜色频度较少时就会被其他颜色替代，造成关键细节模糊，甚至丢失。基于区域的方法[3]根据图像区域的同一性进行图像分割，如通过颜色、纹理分布等特征将相似像素集合起来构成区域，分割效果依赖于区域同一性特征的稳定性[4]。对于重织物图像，由于纱线颜色偏差、纱线纹理以及重组织边缘阴影的存在，很难定义图像区域的同一性准则，分割效果难以保证。边缘检测方法[5]根据像素点灰度变化提取边缘，通过检测不同区域的边缘解决图像分割问题。对于重织物图像，采用边缘检测进行图像分割，首先需将彩色图像转化成灰度图像，但由于颜色偏差、纱线纹理和阴影的存在，很难提取理想的连续、闭合的边缘，因而图像分割往往不准确。

针对重织物图像特点，本文首先通过混合中值滤波和改进的高斯平滑算法滤除织物图像中的扫描噪声，平滑同颜色纱线纹理和重组织边缘阴影，保留了纱线的颜色信息和不同颜色纱线间的边缘信息，然后通过分水岭算法对色差梯度图像进行分割，最后将颜色相似区域进行合并，形成索引图像。

1 算法设计

1.1 算法流程设计

图1 重织物图像分割流程Fig.1 Flow chart of backed weave image segmentation

本文提出的算法可分为混合中值滤波、平滑滤波、分水岭分割和区域合并4个过程，流程如图1所示。首先通过扫描仪获取RGB颜色模式的织物图像，将织物图像转化为Lab颜色模式，分别对L、a、b颜色分量中进行混合中值滤波，滤除噪声；其次对降噪后的图像进行平滑，根据像素间的CIEDE2000色差和位置关系共同确定高斯权值，对图像每个像素点进行滤波，滤除了纱线纹理、重组织边缘阴影，保留纱线颜色和不同颜色纱线的边缘；然后对平滑图像计算基于CIEDE2000色差的梯度，对梯度图像通过分水岭算法获得区域标记图像；最后提取各区域的颜色均值作为区域标记图像的索引颜色，将颜色相似区域进行合并，得到索引图像。

1.2 混合中值滤波设计

织物图像在扫描过程中受到各种噪声的影响，常见噪声有高斯白噪声、泊松噪声和椒盐噪声。高斯白噪声和泊松噪声可在后续平滑滤波中滤除；椒盐噪声一般通过中值滤波进行平滑处理，但一般的中值滤波处理存在噪声扩散或过渡滤波现象，造成细节模糊。为保持不同颜色纱线之间的边缘特征，本文研究采用混合中值滤波(hybrid median filter)[6]。

本文研究中混合中值滤波采用3像素×3像素窗口，对织物图像每个像素点的L、a、b颜色分量进行滤波，每个分量的处理过程如图2所示[6]。首先取当前像素点与上下左右5个像素点的颜色中值，然后取当前像素点与左上、右上、左下、右下5个像素点的颜色中值，最后取以上2个颜色中值与当前像素点颜色的中值，作为当前像素点滤波后的颜色分量值。

图2 混合中值滤波处理过程Fig.2 Process of hybrid median filter

1.3 平滑滤波设计

高斯滤波算法[7]根据高斯函数确定不同空间位置像素点的累加权值，对图像的每个像素点进行线性滤波，可用下式表示。

式中：f为原图像像素点的颜色分量值；g为滤波图像像素点的颜色分量值；x、y为像素点横、纵坐标，x、y∈[-w/2,w/2]；w为邻域窗大小；G(x，y)为邻域内各像素点的权值计算函数；σ为高斯分布参数。

高斯滤波算法对于抑制正态分布的噪声非常有效，滤波后区域内部图像变得平滑，但是区域之间的边缘也被平滑，边缘细节被弱化，不利于后续分割图像处理，因此，需对算法进行改进，以保持边缘。双边滤波算法[8]是常用的保边缘平滑算法，它在高斯滤波算法的基础上进行了改进，在滤波过程中同时考虑了像素间的几何距离和色彩距离。双边滤波的色彩距离按高斯函数进行计算，仍然保留了色差较大的颜色信息，并且随着迭代次数的增多，图像的颜色值会产生失真，因此，针对重织物图像特点，本文参照双边滤波的思路，对高斯滤波算法中的权值进行了修改，使得高斯滤波算法在平滑区域内部像素颜色值的同时，有效保持不同颜色纱线之间的边缘，保留纱线颜色的真实感。改进的高斯权值函数可用下式表示。

式中：G′(x，y)为修改后的高斯权值函数；△E为邻域内像素点与当前像素点的色差；th为色差容许值，根据扫描仪参数和实验光照环境选定。

CIEDE2000[9]被认为是目前工业评估方面性能最好的色差公式。在一般图像处理过程中，往往采用L、a、b分量的欧氏距离作为2个像素点之间的色差，然而，通过实验发现，Lab颜色空间在视觉上是非均匀的。颜色分量为L、a、b像素点与L+1、a+1、b+1的像素点之间的CIEDE2000色差分布如图3所示。从图3(a)可发现，当a、b取中间值时，2个像素点之间色差较大，而a、b取较小或较大值时，2个像素点之间的色差较小。由图3(b)可发现，L、a之间也存在类似情况。L、b色差分布图与L、a相似，因此，本文采用的色差按CIEDE2000色差计算公式进行计算。

图3 颜色分量为L、a、b与L+1、a+1、b+1的2个像素点之间的CIEDE2000色差分布Fig.3 Distribution of CIEDE2000 color difference between two pixels with color components L、a、b and L+1、a+1、b+1. (a) a-b color difference; (b) L-a color difference

1.4 分水岭分割设计

分水岭算法是一种基于拓扑理论的数学形态学的分割方法，把图像看作测地学上的拓扑地貌，图像中每个像素的灰度值表示该点的高度，每个局部极小值及影响区域称为集水盆，集水盆的边界则形成分水岭[10]。在进行边缘检测时，Canny、Sobel、Roberts等算法提取的边缘往往不连续，存在大量细节，很难有效地分割图像。分水岭算法对微弱边缘敏感，能够得到单像素宽的、封闭的边缘，定位较为准确，因此本文采用分水岭算法对平滑图像进行分割，主要处理过程如下。

1)计算色差梯度。对Lab颜色模式的平滑图像中的每个像素点，计算当前像素点与上下左右4个像素点之间的CIEDE2000色差根方和作为梯度。为避免分水岭过分割问题，依据色差梯度值特点和分水岭算法参数设置固定阈值，将梯度值较小的值置零，形成梯度图像。

2)分水岭分割。对梯度图像进行分水岭分割，获取标记图像，标记为0的即为边缘。在重织物的平滑图像中，边缘表示不同颜色纱线之间的过渡像素点，必然属于某一种纱线，因此，对边缘线上的像素点进行归类，比较四邻域内像素点的CIEDE2000色差值，将其归为色差最小的那类。

1.5 区域合并设计

提取各标记区域内像素点，将同一标记内的像素点的R、G、B分量的平均值作为标记区域的索引颜色。颜色相似区域合并。比较各区域的索引颜色，将CIEDE2000色差小于容许值的归为同一类，最后得到重织物图像分割后的索引图像。

2 实验与结果分析

本文对常见的多种重织物图像进行了实验。为显示实验效果，本文选择了较典型的4种颜色的重织物进行结果分析，选择的实验图像大小为180像素×90像素，分辨率为72 dpi，图像格式为JPEG，源图像如图4所示。从图可看到，由于扫描和失真压缩，源图像中同种纱线的颜色并不一致，不同颜色的纱线之间存在过渡颜色，重组织边缘存在阴影。

图4 源图像Fig.4 Original image

2.1 混合中值滤波分析

将源图像转换为Lab颜色模式，对各颜色分量分别进行混合中值滤波，结果如图5所示。通过混合中值滤波，滤除了孤立的噪声点，图像变得平滑，同时保留了纱线的颜色和边缘信息，有利于后续处理。

图5 混合中值滤波Fig.5 Image after hybrid median filtered

2.2 平滑滤波分析

对中值滤波后的图像进行平滑滤波，平滑后的图像如图6所示。其中：图6(a)为高斯滤波；图6(b)为双边滤波后的图像；图6(c)为设置色差容许值权值的高斯平滑滤波，色差采用Lab欧氏距离计算；图6(d)为本文算法。图6(a)～(d)算法中，窗口大小均为3像素×3像素，σ=3，色差容许值为6。

图6 平滑滤波图像Fig.6 Images after smoothing filtering.(a) Gaussian filter;(b) Bilateral filter; (c) Gaussian filter based on Lab color difference;(d)Proposed filter

从各平滑图像可看出：高斯滤波后同颜色纱线的颜色变得平滑，已经基本消除了同颜色纱线间的纹理，但是不同颜色纱线之间的边缘也变得非常模糊；双边滤波后的图像边缘比高斯算法清晰，但仍较模糊；采用Lab颜色分量的欧氏距离计算的色差设置容许值，进行高斯平滑后的图像，边缘较清晰，但是重组织边缘的阴影难以消除；本文提出的平滑算法处理后的图像，既消除了纱线和纱线间的纹理，弱化了重组织边缘的阴影，又保留了纱线的颜色，有利于后续图像分割处理。

2.3 分水岭分割分析

对平滑图像中的每个像素点计算梯度，形成的梯度图像如图7(a)所示，显示的图像进行了灰度拉伸。可看出，不同颜色纱线之间的边缘梯度较为显著，同颜色纱线梯度值非常小。将梯度值小于固定阈值(设为10)的置零，对梯度图像进行分水岭分割，结果如图7(b)所示，显示的图像灰度按标记序号进行了灰度拉伸。从图中可看到，分割后的区域为相近颜色纱线组成的区域。

图7 分水岭分割Fig.7 Watershed segmentation.(a) Gradient image; (b) Label image

图8 索引图像Fig.8 Index image.(a) Before region merging; (b) After region merging

2.4 区域合并分析

将同一标记区域内像素点的R、G、B分量的平均值作为标记区域的索引颜色，索引图像如图8(a)所示，分割后的图像与源图像区域基本一致，而且视觉上各区域颜色与纱线颜色基本相同。区域合并后的图像如图8(b)所示，可看到分割结果较为准确，索引色也较为真实。

3 结 语

本文的平滑滤波算法可以有效滤除重织物图像中同颜色纱线的纹理和重组织边缘的阴影，平滑后的图像较好地保留了真实的纱线颜色；通过提取邻域像素点的色差作为梯度图像，进行分水岭分割，对重织物图像进行了准确分割，获取了主颜色索引图像。

对多种重织物图像进行实验发现，为保证有效分割，图像的分辨率非常重要，一般纱线之间纹理和重织物阴影的宽度应少于3个像素点，否则平滑滤波后的图像存在较显著的纹理或阴影，在进行分水岭分割时将作为一种颜色区域，导致分割错误。由于CIEDE2000色差计算公式比较复杂，在图像平滑滤波和计算梯度图像时，需对图像中的每个像素点进行色差计算，因此整个算法比较耗时。在后续的研究中，将对CIEDE2000色差提出近似算法，提高计算效率。

[1] 顾平. 织物组织与结构学[M]. 上海: 东华大学出版社, 2010: 79-92. GU Ping. Fabric Weaves and Structures[M]. Shanghai: Donghua University Press, 2010: 79-92.

[2] PAN R, GAO W, LIU J, et al. Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm[J]. Textile Research Journal, 2010, 80(12): 1222-1231.

[3] 张扬, 蒋高明, 姚君洲, 等. 贾卡经编织物多纹理区域分割技术[J]. 纺织学报, 2012, 32(12): 51-55. ZHANG Yang, JIANG Gaoming, YAO Junzhou, et al.

Multi-texture region segmentation of jacquard warpknitted fabric[J]. Journal of Textile Research, 2012, 32(12): 51-55.

[4] 张扬, 蒋高明, 杨洋, 等. 经编贾卡织物纹理分割与轮廓提取技术[J]. 纺织学报, 2011, 32( 10): 141-146. ZHANG Yang, JIANG Gaoming, YANG Yang, et al. Texture segmentation and contour extraction of jacquard fabric[J]. Journal of Textile Research, 2011, 32(10): 141-146.

[5] JU Z, ZHOU J, WANG X, et al. Image segmentation based on adaptive threshold edge detection and mean shift[C]//2013 4th IEEE International Conference on Software Engineering and Service Science (ICSESS), Beijing: IEEE Computer Society, 2013: 385-388.

[6] KUO C F J, JIAN B L, WU H C, et al. Automatic machine embroidery image color analysis system: part I: using gustafson-kessel clustering algorithm in embroidery fabric color separation[J]. Textile Research Journal, 2012, 82(6): 571-583.

[7] WANG S, LI W, WANG Y, et al. An improved difference of Gaussian filter in face recognition[J]. Journal of Multimedia, 2012, 7(6): 429-433.

[8] YANG H Y, WANG X Y, QU T X, et al. Image denoising using bilateral filter and Gaussian scale mixtures in shiftable complex directional pyramid domain[J]. Computers & Electrical Engineering, 2011, 37(5): 656-668.

[9] LUO M R, CUI G, RIGG B. The development of the CIE 2000 colour-difference formula: CIEDE2000[J]. Color Research & Application, 2001, 26(5): 340-350.

[10] TARABALKA Y, CHANUSSOT J, BENEDIKTSSON J A. Segmentation and classification of hyperspectral images using watershed transformation[J]. Pattern Recognition, 2010, 43(7): 2367-2379.

Backed weave image segmentation based on smoothing filter and watershed algorithm

ZHOU Hui, ZHANG Huaxiong, HU Jie, KANG Feng

(SchoolofInformaticsandElectronics,ZhejiangSci-TechUniversity,Hangzhou,Zhejiang310018,China)

A method of image segmentation based on yarn color was proposed for the characteristics of backed weave images. Firstly, the image was transformed into a Lab color model, and hybrid median filter was used to remove scanning noise; then, a smoothing filter was improved by changing Gaussian weight with the allowable value of color difference and removing the shadows of overlapping structure and yarn textures with same color while maintaining the yarn color features; the gradient image based on color difference was extracted, and the label image of fabric was obtained by watershed segmentation algorithm; finally, the index image of fabric with main color was obtained by merging the segmentation region with similar color. Experimental results showed that the algorithm can segment backed weave image accurately.

backed weave; image segmentation; color difference; smooth filtering; watershed algorithm

10.13475/j.fzxb.20140802205

2014-08-08

2014-11-17

浙江省高校重中之重学科开放基金项目(2013KF08)；浙江理工大学研究生创新研究项目(YCX13021)；浙江省信息服务业发展专项资金项目(2013085)

周慧(1990—)，女，硕士生。主要研究方向为计算机图像处理。康锋，通信作者，E-mail：kangf@zstu.edu.cn。

TN 919；TS 145.4

A