LabVIEW紋理分析（基礎(chǔ)篇—9）
紋理（Texture）是物體表面固有的特征之一。目前對于紋理尚無正式的定義，但一般認(rèn)為它是由許多相互連接且常周期性重復(fù)的單元構(gòu)成。與灰度特征不同，紋理不是基于單個(gè)像素點(diǎn)的特征，它通常與圖像的尺度關(guān)系密切，且具有區(qū)域性和統(tǒng)計(jì)特征。
通常來說，在放大后的圖像上可以觀察到目標(biāo)表面的紋理。而且一般來說，紋理特征需要在包含多個(gè)像素點(diǎn)的圖像區(qū)域中進(jìn)行灰度統(tǒng)計(jì)才能獲得。紋理特征的這種區(qū)域性可使特征匹配過程不會因局部的偏差而失敗。因此通過紋理分析，可對物體表面尺寸和形狀的變化進(jìn)行檢測，如劃痕(Scratch)、裂紋(Crack）和污漬（Stain)等。
紋理分析常用于對具有不規(guī)則紋理圖案的目標(biāo)表面進(jìn)行檢測，如瓷磚、紡織品、木材、紙張、塑料或玻璃的表面等。
多數(shù)基于紋理分析的機(jī)器視覺應(yīng)用使用紋理分類器（Texture Classifier）進(jìn)行檢測。紋理分類器可通過對無缺陷的標(biāo)準(zhǔn)樣本目標(biāo)進(jìn)行學(xué)習(xí)獲得，其中包含樣本的紋理特征信息。檢測時(shí)，算法會將被測目標(biāo)中的紋理特征與紋理分類器中的特征信息進(jìn)行匹配，并將不能接受的區(qū)域標(biāo)識為缺陷。
通常來說，紋理分析過程會以目標(biāo)的表面圖像為輸入，并以二進(jìn)制大顆粒（Binary Large OBjects，BLOB）的形式輸出檢測結(jié)果。獲得缺陷部分的BLOB后，可以進(jìn)一步使用顆粒分析工具對其屬性、尺寸等進(jìn)行分析。
適用性強(qiáng)的紋理分析檢測過程不僅應(yīng)對于噪聲有較強(qiáng)的抵抗能力，還應(yīng)具有平移不變（Shift-Invariant）、旋轉(zhuǎn)不變（Rotate-Invariant）和尺度不變（Scale-Invariant）的性質(zhì)。也就是說，相較于紋理分類器中的紋理特征而言，即使被測目標(biāo)中的紋理特征垂直或水平移動(dòng)，在平面內(nèi)旋轉(zhuǎn)或有一定比例的縮放，紋理分析檢測過程仍能繼續(xù)正確地識別它們。一般的紋理檢測過程都具有平移不變的性質(zhì)，且能支持±5°的旋轉(zhuǎn)和±10°的縮放。
若要支持更大范圍的旋轉(zhuǎn)不變和尺度不變性，則要通過學(xué)習(xí)和訓(xùn)練過程，創(chuàng)建包含各個(gè)方向和比例紋理特征信息的紋理分類器。此外，還應(yīng)注意在紋理匹配過程的執(zhí)行速度與旋轉(zhuǎn)不變和尺度不變性范圍之間進(jìn)行平衡。
由于紋理特征與圖像的尺度、區(qū)域及灰度統(tǒng)計(jì)數(shù)據(jù)具有密切聯(lián)系，因此NI Vision使用離散小波變換和統(tǒng)計(jì)的方法來提取紋理特征并對其進(jìn)行分類檢測。一般的紋理檢測過程如下圖所示，主要包括以下步驟：
Nl Vision使用位于LabVIEW的視覺與運(yùn)動(dòng)→lmage Processing→Texture函數(shù)選板中的VI對上述過程進(jìn)行封裝，如下圖所示：
函數(shù)說明及使用可參見幫助手冊：
?
?其中：
IMAQ Extract Wavelet Bands可執(zhí)行小波變換從紋理圖像中提取各種子帶圖像；
IMAQ Cooccurrence Matrix能計(jì)算圖像的共生矩陣和Haralick特征；
IMAQ Extract Texture Feature對子帶提取、共生矩陣計(jì)算和Haralick特征提取與連接進(jìn)行了集成，可直接返回計(jì)算得到的紋理特征；
IMAQDetect Texture Defect不僅集成了整個(gè)紋理特征的提取過程，還集成了按照紋理分類器對紋理進(jìn)行分類的過程，它能以二值圖像輸出檢測到的紋理缺陷。
通過一個(gè)墻壁紋理或缺陷檢測的實(shí)例，了解紋理分析的實(shí)現(xiàn)方法，程序設(shè)計(jì)思路如下所示：
程序一開始先由IMAQ Read ClassifierFile從分類器文件Texture.clf中讀取事先訓(xùn)練好的紋理特征信息，并為后續(xù)處理分配內(nèi)存；
循環(huán)結(jié)構(gòu)中的代碼，逐一從文件夾中取出被測圖像，在用清除無損圖層后，由IMAQ Detect Texture Defect根據(jù)分類器對紋理進(jìn)行分類；
Nl Vision分類過程使用范圍為0~1000的識別得分（ldentification Score）來判別被測特征與某一類別的相似程度，當(dāng)紋理與合格的特征信息差別越大時(shí)，說明其越接近缺陷；
由此，程序中設(shè)置了最小缺陷分類識別得分為200，分類時(shí)任何得分等于或大于該閾值的像素均被識別為紋理缺陷。
程序設(shè)計(jì)如下所示：
通過運(yùn)行程序，效果如下所示：
往期推薦