[发明专利]一种用于表征织物纹理的索贝尔算子滤波概貌特征提取方法

说明书

技术领域

本发明属于数字图像处理和模式识别领域，特别涉及一种用于表征织物纹理的索贝尔(Sobel)算子滤波概貌特征提取方法。 

背景技术

Sobel算子是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量。Sobel算子有两个，一个检测水平边缘，另一个检测垂直边缘。Sobel算子在图像空间利用两个3×3的方向模板或者说卷积核与图像中每个点进行邻域卷积来完成边缘检测，这两个方向模板其中一个通过近似垂直方向梯度而增强图像的水平方向边缘，另一个则通过近似水平方向梯度而增强图像的垂直方向边缘。Sobel水平和垂直边缘增强模板分别为 

Tx=121000-1-2-1]]>

和Ty=10-120-210-1]]>

在织物纹理的Sobel算子表征领域，尚未见到有关的国内文章或专利报道。为了检测织物缺纬瑕疵，美国的Jasper和Potapalli采用Sobel水平滤波算子对织物图像进行了滤波处理，并进一步对滤波图像实施了二值化处理，但仅仅提取了Sobel算子滤波后的边缘图像剖面图，未进行更深入的纹理表征分析，且其算法只涉及Sobel水平滤波算子。为了检测织物瑕疵，Lane在其申请的美国国家专利中提出了一种采用Sobel算子和数学形态学相结合的纹理表征方法，其方法为，首先对原图像进行Sobel水平和垂直滤波，然后对两个滤波图像进行融合，然后将该图像二值化处理，接着进行二值化图像的数学形态学处理，最后以边界点作为表征纹理的特征。该报道没有说明二值化阈值的选取方法，所提取的单一特征也仅仅涉及边界点像素数量，并且未明确定义边界点的含义，未考虑边界点在图像中的分布情况。 

上述已有文献涉及的Sobel算子纹理表征方法主要特点在于，纹理图像经Sobel算子滤波处理后，必须选取一定的阈值以实现图像的二值化。这样有两个主要缺点：一是针对不同纹理选取最优阈值是一件困难的事情；二是图像经二值化处理后，大量的灰度过渡信息被损失掉，只剩下全黑和全白的二值信息，而待处理的纹理图像通常具有256个灰度级。因此，上 述处理方法较为繁琐且在此基础上提取的特征不能实现对纹理更充分的表征。 

发明内容