基于模板匹配的水泡識別研究
楊 曼1，賈立鋒2
（1．廣東工業(yè)大學自動化學院，廣東 廣州 510090;2．廣東工業(yè)大學藝術設計學院，廣東 廣州 510090）
摘要：在棉麻纖維制樣的過程中無法避免水泡的產生，水泡的存在對棉麻纖維識別的準確性有很大的影響。水泡的形狀一般呈現(xiàn)圓形，且面積較小，針對水泡的特點，采用歸一化相關匹配的方法去除與棉麻纖維黏連的水泡。對此非孤立水泡，首先設定可變半徑的圓形模板，然后通過模板在待測圖上移動，尋找到最佳的匹配位置，設定匹配閥值，當實際匹配值大于匹配閥值時，去除水泡。該方法具有良好的識別效果和一定的實用性。
關鍵詞：圖像處理；非孤立水泡；模板匹配；識別 中圖分類號：TP3 91. 41
0 引言
模板匹配技術是根據一個已知模式到另一幅圖中尋找相應模式的方法，它在圖像識別中的應用較廣泛，特別是在字符識別中。通過選擇字符的二值圖像矩陣進行累加后歸一化得到匹配模板，從而減少錯誤匹配的情況，但是運算量較大，運算速度較慢，而且由于不同字符的特征差異明顯，要識別的字符與模板字符的相似度較大，故而方便識別。通過提取圖像輪廓作為模板進行圖像匹配，當圖像模板是原圖中的一部分時進行識別，識別效果良好且易于識別。本文中水泡的存在形態(tài)主要分為兩類：一種是孤立水泡，另一種是非孤立水泡。水泡的形狀在大體上呈現(xiàn)圓形，但并非規(guī)范圓，同時由于水泡大小不一，故以上方法并不適于水泡識別，因此給水泡識別帶來很大困難。
模板匹配的方法有平方差匹配法、相關匹配法，并都有其歸一化形式，其中應用較多的是相關匹配的方法，在相關匹配的基礎上通過借鑒金字塔結構的模板匹配思想，采用多步長模板匹配的方法進行匹配。一種可變形模板匹配方法，即通過圖像邊緣位置形狀及邊緣處的紋理和顏色特征進行匹配，具有較好的識別效果。
本文基于水泡的特點，提出了水泡識別方法。對于孤立的水泡，由于孤立水泡的前景點像素個數較少（其像素個數遠遠小于目標纖維像素個數），對其采用累計水泡前景點像素個數，去除像素個數小于5800的水泡目標。對于非孤立水泡，提出采用歸一化相關匹配的方法去除與棉麻纖維粘連的水泡，自定義變化模板，將模板圖像在原圖上移動，每移動一步，計算兩幅圖像的相關性，從而得到最大相關性，即得到最佳匹配位置，去除水泡。
1模板匹配
根據纖維與水泡在形狀上的明顯差異，采用基于模板匹配的方法對水泡進行識別能有效地解決水泡和纖維粘連的問題。圖1為待測圖像( Src)與模板圖像(Temp)示意圖。
模板匹配算法的主要思想是：通過將模板圖像疊放在待測圖像上進行平移，在待測圖像上搜索與模板圖像相似程度最大的目標，確定其位置坐標，完成匹配過程。模板圖像在待測圖像上的搜索范圍為(N-M+1)* (N-M+1)。用相關函數衡量模板Temp與子圖S i j配程度的相似度公式可表示為：
S i j (i，j)為在待測圖像上被模板覆蓋的子圖S i j的左上角坐標；Temp(j，J)為模板圖像左上角位置坐標；i，j為待測圖像上的子圖左上角坐標點。運用歸一化相關匹配法對模板圖像與子圖像進行匹配，其匹配值在0～1之間變化，匹配值越大效果越好。其中0是進行歸一
化相關匹配后最糟糕的匹配。1為進行歸一化相關匹配后的最完美匹配。
2 水泡去除總思路
對于非孤立水泡，由于水泡與纖維在8領域連通，無法根據其連通域的大小進行去除，本文提出采用多變模板對待測圖像通過歸一化相關匹配法進行匹配，具體步驟如下：
(1)定義多變模板圖像，模板圖像自定義大小為64* 64。由于水泡近似圓形且大小不一，本文定義若干圓作為模板圖像，如圖2所示。模板圖像是以模板圖像中點(32，32)為原點、半徑分別為7個～16個像素的一系列圓形模板。
(2)歸一化相關匹配：①將模板圖像半徑從小到大依次在待測圖像上移動，尋找到10個最大相關值，并記錄最大相關值及子圖像左上角位置坐標Q i(x，y)，其中i=1，2，…，10；②比較記錄的10個最大相關值，找出其中最大的相關值及對應的子圖像左上角坐標，此時的匹配位置即為實際匹配中模板圖像在待測圖像上的最佳匹配位置；③設定是否去除水泡的匹配閥值為經驗值0.6，對于進行歸一化相關匹配后得到的最佳匹配閥值小于0.6的，視為待測圖片無水泡，無需去除水泡，若最佳匹配閥值大于0.6則需要對水泡進行去除。
(3)去除水泡。對最佳匹配閥值大于0．6的情況，由于水泡的不規(guī)則性，為保證對水泡去除的效果，以防水泡去除不完全，以該左上角坐標為起始點向左向上取距離a*M處的坐標，向右向下取距離為(a+1)*M處的坐標，其中經驗值a=0.2，M為模板圖像邊長。以這兩個坐標為準畫包圍水泡的正方形，將正方形內的像素變成背景像素255，以實現(xiàn)水泡去除。
3 實例與分析
圖3為存在水泡的纖維待測圖像。
實驗中，先對待測圖像進行圖像預處理，將RGB彩色圖像變換成Gray灰度圖像，變換公式為：
Gray=R*0.299+G*0.587+B*0.114.
其中：R、G、B分別表示RGB彩色圖像的R分量、G分量、B分量。圖像進行灰度化后，由灰度圖像變換為二值圖像，為了保證圖像中目標纖維像素能盡可能地保留下來，本文采用灰度化閥值為180，圖像處理用公式表示為：
根據孤立水泡的連通域比目標纖維連通域要小得多的特點，去除待測圖像中的孤立水泡，得到只有非孤立水泡的纖維待測圖像，如圖4所示。
對圖4中的待測圖像進行歸一化相關性匹配，得到最佳匹配位置，利用上述算法去除水泡，得到去除水泡后的纖維圖像，如圖5所示。
4結論
采用本文提出的算法對與纖維粘連的水泡進行識別去除，可以基本上消除水泡對纖維的影響，減少水泡對棉麻纖維的種類識別準確率的影響，具有一定的有效性和實用性。
