[发明专利]一种提花织物图像组织结构分割方法

说明书

本发明公开了一种提花织物图像组织结构分割方法。采用图像直方图均衡化提高图像对比度，使用超像素分割算法将提花织物图像分离成超像素；并且采用改进LBP方法提取织物图像的局部纹理特征，再计算超像素内的颜色重心作为颜色特征，聚类颜色特征和纹理特征实现提花织物图像中组织结构的分割。本发明的织物组织结构分割方法充分结合了提花织物的颜色特征和局部纹理特征，能够准确地完成组织结构分割。

技术领域

本发明涉及了应用于织物设计领域的一种织物图像分割处理方法，具体是涉及到一种提花织物图像组织结构分割方法。

背景技术

提花织物的自动化设计需要大量已经分割完成的设计图，然而人工分割提花织物图像往往耗时耗力，自动化效率较低。随着各种特征提取，聚类等算法理论研究与应用研究的不断深入和发展，人们逐渐将这些方法应用到各个工程领域，取得了显著的成效。

传统的提花织物图像主要的分割算法可以分为：基于聚类的图像分割和基于图优化的图像分割。基于聚类的分割方法往往会得到比较理想的结果，但是这一类算法对噪声比较敏感，容易出现过分割的结果。而且，以往的织物图像分割算法大多只对颜色特征进行聚类，并没有考虑图像的纹理特征，结果受颜色，光照等影响较大；基于图优化的织物图像分割方法对织物图像的边缘保持得较差，分割的效果并不十分理想。

发明内容

为了克服现有技术的不足和解决背景技术中存在的问题，本发明特别提供了一种提花织物图像组织结构分割方法。

本发明在织物设计领域用超像素来对提花织物图像做预处理，方便后续的特征提取；并且采用改进LBP方法提取织物图像的局部纹理特征，再计算超像素内的颜色重心作为颜色特征，最后通过聚类算法快速实现织物的组织结构分割。

本发明的具体技术方案如下：

1)采用图像直方图均衡化提高图像对比度，使用超像素分割算法将提花织物图像分离成超像素；

2)提取超像素的颜色特征和改进LBP(Local Binary Pattern，局部二值模式)纹理特征；

3)根据步骤2)的结果，聚类颜色特征和纹理特征实现提花织物图像中组织结构的分割。

所述的提花织物图像为正对提花织物表面拍摄的彩色图像。

所述步骤1)具体为：

1.1)对提花织物图像进行平滑滤波，进行直方图均衡化处理；

1.2)采用简单线性迭代聚类方法(SLIC，Simple linear iterative cluster)对织物组织图像进行预处理，得到固定数量大小且均匀、边界保持完好的超像素。

所述步骤1.2)具体为：

1.2.1)对于步骤1.1)处理获得的提花织物图像，将图像初始采用方形网格进行区域划分，一个网络作为一个聚类区域，每个网格的像素点数目为N/k，k是聚类的类别总数，N是图像的像素点总数，每块网格的边长为

1.2.2)每个网格中初始化建立一个聚类中心C_i＝[l_i a_i b_i x_i y_i]，其中l_i、a_i、b_i分别为聚类中心的像素点在lab颜色空间的各个分量，x_i，y_i分别聚类中心的像素点图像坐标，i表示聚类中心的序数；

1.2.3)对于每个像素点，在以该像素点为中心的2S*2S局部图像区域范围内，计算像素点分别和2S*2S局部图像区域范围内的各个聚类中心之间的综合欧式距离，具体计算公式如下：