文 献 综 述

在纺织工业这个大规模连续化的生产体系中，加工工艺流程的检测，原料、半成品及成品的检测对于最终的产品质量至关重要。在众多的织物检测项目中，布匹表面疵点的检验是非常重要的一个环节。布面疵点是影响织物品质的主要因素。即使在美国，服装行业约85%的服装劣质原因与织物疵点有关。

长期以来，布匹疵点检测都是由人工完成的。由于传统的人工检测方法存在劳动强度大，漏检和误检率高，受主观因素影响大等缺点，因而急需发展新颖、快速、检测率高的布匹疵点自动检测系统来代替人工的检验工作。随着计算机技术的飞速发展，计算机视觉(机器视觉)已经在工业检测中得到广泛的应用，利用机器视觉进行布匹疵点检测是发展的必然趋势。以计算机视觉来代替人工视觉不仅可以提高检测速度，降低劳动成本，而且可以充分发挥计算机视觉系统的稳定性，把工人从繁重枯燥的劳动中解放出来，提高了整个生产流程的自动化程度。本次课题本人使用Matlab进行布匹疵点检测仿真，通过使用灰度共生矩阵与边缘检测算法实现疵点分类与定位。

在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。

灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。

取图像(N#215;N)中任意一点 （x，y）及偏离它的另一点 （x a，y b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整个画面上移动，则会得到各种 （g1，g2）。值，设灰度值的级数为 ，则（g1，g2）。 的组合共有 k2种。对于整个画面，统计出每一种 （g1，g2）值出现的次数，然后排列成一个方阵，在用（g1，g2） 出现的总次数将它们归一化为出现的概率P（g1，g2） ，这样的方阵称为灰度共生矩阵。距离差分值（a，b） 取不同的数值组合，可以得到不同情况下的联合概率矩阵。（a，b） 取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分值。

当 a=1，b=0时，像素对是水平的，即0度扫描；当a=1，b=0 时，像素对是垂直的，即90度扫描；当 a=1，b=1时，像素对是右对角线的，即45度扫描；当 a=-1，b=-1时，像素对是左对角线，即135度扫描。

这样，两个象素灰度级同时发生的概率，就将 （x，y）的空间坐标转化为”灰度对” （g1，g2）的描述，形成了灰度共生矩阵。

本次课题采用的另一种图像处理方法是边缘检测法。边缘(edge)是指图像局部强度变化最显著的部分．边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间，是图像分割、纹理特征和形状特征等图像分析的重要基础．图像分析和理解的第一步常常是边缘检测。

边缘检测的实质是采用某种算法来提取出图像中对对象与背景间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映，因此可以用局部图像微分技术来获取边缘检测算子。经典的 边缘检测方法是对原始图像中的像素的某个邻域来构造边缘检测算子。以下是对几种经典的边缘检测算子进行理论分析，并对各自的性能特点做出比较和评价。