[发明专利]一种基于组织滤波算法的提花织物图片颜色提取方法

权利要求书

1.一种基于组织滤波算法的提花织物图片颜色提取方法，其特征在于：该方法利用双边滤波算法对提花织物图片进行预处理，以去除织物图片获取过程中扫描设备引入的噪声；通过统计图片区域梯度信息和非极大值抑制算法得到织物边缘轮廓图，之后将织物边缘轮廓图作为组织滤波算法的引导图，通过多次迭代平滑织物组织结构；最后利用聚类算法进行颜色聚类得到最终的颜色提取结果；

所述的组织滤波算法的具体过程为：将织物边缘轮廓图作为初始引导图，利用联合双边滤波公式，经过多次迭代滤波得到提花织物组织滤波结果图；公式中I_bf(q)为预处理后提花织物图片点q的像素值；x_p为点p横坐标、y_p为点p纵坐标；J^t(p)为第t次迭代输出图点p的像素值；初始J⁰为织物边缘轮廓图；N(p)是以点p为中心大小为k×k的矩形窗口；q为该窗口中除p点以外的点；σ_s为高斯滤波空间带宽常数；σ_r为高斯滤波引导图带宽常数，

2.如权利要求1所述的基于组织滤波算法的提花织物图片颜色提取方法，其特征在于：所述的通过统计图片区域梯度信息和非极大值抑制算法得到织物边缘轮廓图的具体过程为：

1)计算预处理后图片的水平和垂直梯度值；

2)对图片的每个像素点p，统计以p为中心k×k像素大小区域内梯度和，下列式中F_x(q)和F_y(q)分别为点q处水平方向和垂直方向的梯度值；N(p)是以点p为中心大小为k×k的矩形窗口；q为该窗口中除p点以外的点；T(p)即为点p处区域梯度和矩阵，越大的T(p)值代表点p是轮廓边缘点的可能性越大；θ_p为p处区域梯度和的方向，θ_p∈[-90°,90°]；

3)对于区域梯度和矩阵T(p)内的每一个点p，进行非极大值抑制，得到最终的织物边缘轮廓图。

3.如权利要求2所述的基于组织滤波算法的提花织物图片颜色提取方法，其特征在于：所述的图片的水平和垂直梯度值计算方法利用Sobel算子计算。

4.如权利要求2所述的基于组织滤波算法的提花织物图片颜色提取方法，其特征在于：所述的非极大值抑制方法具体过程为：

1)对于区域梯度和矩阵T(p)内的每一个点p，沿其区域梯度和方向θ_p找到其邻近两点为p_c1和p_c2，得到对应的区域梯度和值T(p_c1)、T(p_c2)；

2)如果点p区域梯度和方向上没有对应的相邻点，利用点p的8邻域点进行插值计算得到p_c1和p_c2处的区域梯度和值；

3)如果p是局部区域梯度和最大值点，即T(p)T(p_c1)且T(p)T(p_c2)，则T(p)＝T(p)，否则T(p)＝0。