CN120318215B - 一种羊绒制品的质量检测方法 - Google Patents

Abstract

本申请涉及图像数据处理技术领域，尤其涉及一种羊绒制品的质量检测方法。方法包括：获取待检测羊绒制品的表面的第一灰度图像，并对第一灰度图像进行超像素分割获得多个像素块；确定第一像素块与第二像素块之间的形状相似度以及灰度特征相似度，以确定第一像素块与第二像素块之间的目标参数值；在目标参数值小于预设参数阈值的情况下，对第一像素块以及第二像素块进行合并，以获得第二灰度图像；将第二灰度图像输入至预先训练的羊绒质量检测模型中，获得对第二灰度图像的质量检测结果。通过以上技术方案，能够获得对待检测羊绒制品更为准确的质量检测结果。

Description

一种羊绒制品的质量检测方法

技术领域

本申请涉及图像数据处理技术领域，尤其涉及一种羊绒制品的质量检测方法。

背景技术

羊绒是生长在山羊外表皮层的一层细绒，由于羊绒具有良好的保暖性和柔软的手感，羊绒常用于制作羊绒衫、羊绒大衣、羊绒衬衫、羊绒裤、羊绒围巾、羊绒披肩、羊绒手套以及羊绒帽子等羊绒制品。

为了实现对包括羊绒制品在内的纺织品的质量检测，在相关技术中例如公开号为CN111784691A的中国专利申请文件中，提供了一种纺织品瑕疵检测方法，包括：获取有瑕疵纺织品表面图像中织物的纹理特征数据；获取合格纺织品表面图像中织物的纹理特征数据；第一个检测摄像头对生产的纺织品表面进行拍摄，若拍摄图像的纹理特征数据阈值不大于合格产品图像的纹理特征数据的阈值，则判定产品为合格产品；如果拍摄图像的纹理特征数据阈值大于合格产品图像的纹理特征数据的阈值，启动第二个检测摄像头对生产的纺织品表面再次进行拍摄，将第二个摄像头拍摄到的图像再次与瑕疵产品纹理特征数据的阈值进行对比，如果对比结果表明不大于瑕疵产品纹理特征数据的阈值，则判定产品为瑕疵产品。

在对羊绒制品进行质量检测时，羊绒制品的表面所存在的纹理特征可能较为多样，将待检测产品的纹理特征与合格产品的纹理特征进行比对，或者，将待检测产品的纹理特征与瑕疵产品的纹理特征进行比对，难以实现对羊绒制品的质量的有效检测，对羊绒制品进行质量检测的准确率较低。

发明内容

为克服相关技术中对羊绒制品进行质量检测的准确率较低的问题，本申请提供一种羊绒制品的质量检测方法，包括：获取待检测羊绒制品的表面的第一灰度图像，并对第一灰度图像进行超像素分割获得多个像素块；确定第一像素块与第二像素块之间的形状相似度，并确定第一像素块与第二像素块之间的灰度特征相似度；所述第一像素块以及所述第二像素块为多个像素块中彼此相邻的像素块；确定第一像素块与第二像素块之间的第一距离，并根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值，目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率；在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，以获得像素块合并之后的第二灰度图像；将第二灰度图像输入至预先训练的羊绒质量检测模型中，获得所述羊绒质量检测模型所输出的对第二灰度图像的质量检测结果。

这样，对待检测羊绒制品的表面的第一灰度图像进行超像素分割获得多个像素块，并将彼此相邻且属于不同羊绒纤维的概率小于预设参数阈值的两个像素块合并为同一像素块，以获得像素块的合并操作后的第二灰度图像，在第二灰度图像中能够更好地体现羊绒纤维的特征，因此，利用第二灰度图像能够获得对待检测羊绒制品更为准确的质量检测结果。

可选的，所述对第一灰度图像进行超像素分割获得多个像素块，包括：确定第一灰度图像中目标像素点的纹理特征值，所述纹理特征值是根据目标像素点的邻域范围内像素点的LBP值进行确定的；根据第一灰度图像中像素点的纹理特征值，对第一灰度图像进行超像素分割获得多个像素块。

这样，由于LBP值具有旋转不变性以及灰度不变性，因此，利用LBP值所获得的纹理特征值能够较好地表征目标像素点的纹理特征。

可选的，目标像素点的纹理特征值通过以下方式确定：；其中，表示目标像素点的纹理特征值，表示目标像素点的邻域范围内第i个像素点的LBP值，B表示邻域范围内像素点的LBP值的均值，n表示邻域范围内像素点的数量，表示邻域范围内像素点的LBP值的最大者，表示邻域范围内像素点的LBP值的最小者。

这样，图像中目标像素点的邻域范围内的LBP值，能够反映目标像素所在区域的纹理复杂程度越高，因此，目标像素点的纹理特征值能够较好地描述目标像素点的纹理。

可选的，根据第一灰度图像中像素点的纹理特征值，对第一灰度图像进行超像素分割获得多个像素块，包括：根据第一灰度图像中像素点的纹理特征值以及像素点之间的距离，对第一灰度图像进行超像素分割获得多个像素块；同一像素块中包括彼此相邻且纹理特征值相似的多个像素点。

可选的，确定第一像素块与第二像素块之间的形状相似度，包括：，其中，P为第一像素块与第二像素块之间的形状相似度，exp为以自然常数为底数的指数函数，为第一像素块中第a个边缘像素点到第一像素块的种子点之间的距离，为第一像素块中边缘像素点的数量，为第二像素块中第b个边缘像素点到第二像素块的种子点之间的距离，为第二像素块中边缘像素点的数量，为取绝对值操作。

可选的，确定第一像素块与第二像素块之间的灰度特征相似度，包括：，其中，Q为第一像素块与第二像素块之间的灰度特征相似度，exp为以自然常数为底数的指数函数，为第一像素块中第d个边界像素点的灰度值，为第一像素块中边界像素点的数量，为第二像素块中第e个边界像素点的灰度值，为第二像素块中边界像素点的数量，为取绝对值操作。

这样，通过第一像素块与像素块之间的灰度特征相似度，以避免对第一灰度图像中羊绒纤维的过度分割。

可选的，所述根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值，包括：；其中，S为第一像素块与第二像素块之间的目标参数值，D为第一像素块与第二像素块之间的第一距离，exp为以自然常数为底数的指数函数，P为第一像素块与第二像素块之间的形状相似度，Q为第一像素块与第二像素块之间的灰度特征相似度。

可选的，所述羊绒质量检测模型通过以下方式获得：获取训练样本集以及对应训练样本集的测试集，所述训练样本集包括羊绒制品的表面的灰度图像，所述测试集包括对羊绒制品的表面的灰度图像预先进行质量检测所获得的质量检测结果；利用所述训练样本集以及所述测试集，对预先构建的初始质量检测模型进行训练，以获得训练后的羊绒质量检测模型。

这样，通过对预先构建的初始质量检测模型进行训练，获得羊绒质量检测模型，能够通过预先部署的羊绒质量检测模型实现对待检测羊绒制品的质量检测，降低后续对待检测羊绒制品进行质量检测的劳动强度。

可选的，所述方法还包括：在所述质量检测结果表征待检测羊绒制品的质量不合格的情况下，提示待检测羊绒制品的质量不合格。

可选的，所述方法还包括：在所述质量检测结果表征待检测羊绒制品的质量合格的情况下，提示待检测羊绒制品的质量合格。

本申请的实施例提供的技术方案可以包括以下有益效果：对待检测羊绒制品的表面的第一灰度图像进行超像素分割获得多个像素块，确定多个像素块中第一像素块与第二像素块之间的目标参数值，目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率，能够在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，以获得第二灰度图像，在第二灰度图像中能够更好地体现羊绒纤维的特征，将第二灰度图像输入至预先训练的羊绒质量检测模型中，则能够获得对待检测羊绒制品更为准确的质量检测结果。

同时，相较于将羊绒图像的纹理特征直接与预先设定的纹理特征阈值进行比较，由于预先训练的羊绒质量检测模型能够学习羊绒在更复杂场景下的纹理特征，因此，能够更好地实现对羊绒质量的检测，以获得对羊绒制品更为准确的质量检测结果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

图1是根据一示例性实施例示出的一种羊绒制品的质量检测方法的流程图。

具体实施方式

首先对本申请实施例的应用场景进行简单的介绍，在本申请的应用场景中，为便于实现对羊绒制品的自动化检测，可以利用图像采集设备采集羊绒制品的表面图像，并将羊绒制品的表面图像的纹理特征与预先设定的纹理特征阈值进行比较，然而，羊绒制品的纹理特征可能较为多样，通过预先设定的纹理特征阈值难以实现对羊绒制品较为准确的质量检测，对羊绒制品进行质量检测的准确率较低。

例如，由于羊绒制品的纹理特征可能较为多样，利用预先设定的纹理特征阈值进行羊绒制品的质量检测时，可能将不存在缺陷的羊绒制品误判为存在缺陷的羊绒制品，造成羊绒制品的浪费；或者，可能将存在缺陷的羊绒制品误判为不存在缺陷的羊绒制品。

针对上述技术问题，本申请实施例提供一种羊绒制品的质量检测方法，对待检测羊绒制品的表面的第一灰度图像进行超像素分割获得多个像素块，确定多个像素块中第一像素块与第二像素块之间的目标参数值，目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率，能够在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，以获得第二灰度图像，在第二灰度图像中能够更好地体现羊绒纤维的特征，将第二灰度图像输入至预先训练的羊绒质量检测模型中，则能够获得对待检测羊绒制品更为准确的质量检测结果。

同时，相较于将羊绒图像的纹理特征直接与预先设定的纹理特征阈值进行比较，由于预先训练的羊绒质量检测模型能够学习羊绒在更复杂场景下的纹理特征，因此，能够更好地实现对羊绒质量的检测，以获得对羊绒制品更为准确的质量检测结果。

图1是根据一示例性实施例示出的一种羊绒制品的质量检测方法的流程图，可以应用于羊绒制品的质量检测设备，如图1所示，该方法包括以下步骤。

在步骤S101中，获取待检测羊绒制品的表面的第一灰度图像，并对第一灰度图像进行超像素分割获得多个像素块。

例如，可以在羊绒制品的生产线附近设置图像采集设备，通过图像采集设备获取羊绒制品在生产过程的表面的灰度图像，以便实现对生产过程中的羊绒制品的质量检测；又例如，还可以通过图像采集设备采集生产完成的羊绒制品的表面的灰度图像，以便实现对生产完成的羊绒制品的质量检测，例如，可以实现对羊绒制品的抽样检测或者全数检测。

通过对图像进行超像素分割可以将图像分割为多个像素块；同一像素块中包括在颜色、纹理以及亮度等特征上相似的多个像素点，所分割出的像素块可以称为超像素。

在对图像进行超像素分割时，通常可以在图像中预先设置多个种子点，根据图像中非种子点与种子点在颜色、纹理以及亮度等特征上相似程度，实现对图像中非种子点的划分，以获得种子点所对应的像素块，即确定种子点所对应的超像素，实现对图像的超像素划分。

其中，可以通过SLIC（Simple Linear Iterative Clustering，简单线性迭代聚类）算法、SEEDS算法以及K-means聚类算法等算法，实现对图像的超像素分割，获得超像素分割后图像中的多个像素块。

通过对第一灰度图像进行超像素分割获得多个像素块，能够便于对像素块单独进行处理，通过超像素分割能够便于所获得的像素块与羊绒纤维对应。

在步骤S102中，确定第一像素块与第二像素块之间的形状相似度，并确定第一像素块与第二像素块之间的灰度特征相似度。

第一像素块以及第二像素块为多个像素块中彼此相邻的像素块。其中，第一像素块以及第二像素块可能分别对应两个不同的羊绒纤维；或者，经过对第一灰度图像的超像素分割，所获得的多个像素块可能存在过度分割的情况，使得同一羊绒纤维被分割为不同的像素块，形成第一像素块以及第二像素块。

在将一个完整的羊绒纤维超像素分割成多段羊绒纤维的情况下，可能会将原本合格的羊绒纤维制品误判为不合格的羊绒纤维制品，影响对羊绒制品的质量检测的准确率，因此，可以确定第一像素块与第二像素块之间的形状相似度，并确定第一像素块与第二像素块之间的灰度特征相似度，以便确定第一像素块以及第二像素块是否为对同一羊绒纤维进行了过度分割的结果。

在一个实施例中，确定第一像素块与第二像素块之间的形状相似度，包括：，其中，P为第一像素块与第二像素块之间的形状相似度，exp为以自然常数为底数的指数函数，为第一像素块中第a个边缘像素点到第一像素块的种子点之间的距离，为第一像素块中边缘像素点的数量，为第二像素块中第b个边缘像素点到第二像素块的种子点之间的距离，为第二像素块中边缘像素点的数量，为取绝对值操作。

对图像的超像素分割是根据种子点进行的，超像素分割后所获得的像素块为种子点所在的像素区域，根据像素块的边缘像素点到像素块的种子点之间的距离，可能反映像素块的形状特征，因此，根据两个像素块各自的边缘像素点到各自像素块的种子点之间的距离的相似程度，能够表征两个像素块在形状特征上的相似程度。

第一像素块与第二像素块在形状特征上越相似，例如，第一像素块以及第二像素块在形状以及尺寸上越相似，第一像素块与第二像素块之间的形状相似度越大；相反，第一像素块以及第二像素块在形状以及尺寸上的相似程度越低，第一像素块与第二像素块之间的形状相似度越小；通过确定第一像素块与第二像素块之间的形状相似度，有助于后续确定是否对第一像素块以及第二像素块进行区域合并，以获得更为准确的质量检测结果。

在一个实施例中，确定第一像素块与第二像素块之间的灰度特征相似度，包括：，其中，Q为第一像素块与第二像素块之间的灰度特征相似度，exp为以自然常数为底数的指数函数，为第一像素块中第d个边界像素点的灰度值，为第一像素块中边界像素点的数量，为第二像素块中第e个边界像素点的灰度值，为第二像素块中边界像素点的数量，为取绝对值操作。

在对第一灰度图像进行超像素分割时，超像素分割是根据种子点进行非，由于预先设置的种子点可能彼此邻近，使得可能将第一灰度图像中灰度特征相似的同一像素区域分割为两个或两个以上的像素块，例如，可能将同一羊绒纤维分割为多段不同的羊绒纤维，影响对羊绒制品的质量评估结果。

像素块中的边界像素点为位于像素块的边界的像素点，像素块中的非边界像素点为像素块中位于边界像素点以内的其他像素点；第一像素块与第二像素块之间的灰度特征相似度，能够表征第一像素块中的边界像素点与第二像素块中的边界像素点在灰度特征上的相似程度。

由于同一羊绒纤维在边界像素点这一局部具有相似的特性，因此，确定两个相邻的像素块中的边界像素点的灰度值的相似性，有助于确定在超像素分割过程中被分割成多个像素块的完整的羊绒纤维。

这样，通过确定第一像素块与像素块之间的灰度特征相似度，有助于确定是否存在对第一灰度图像中羊绒纤维的过度分割，以便获得对羊绒制品更为准确的质量检测结果。

在步骤S103中，确定第一像素块与第二像素块之间的第一距离，并根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值。

目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率。

在一个实施例中，根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值，包括：；其中，S为第一像素块与第二像素块之间的目标参数值，D为第一像素块与第二像素块之间的第一距离，exp为以自然常数为底数的指数函数，P为第一像素块与第二像素块之间的形状相似度，Q为第一像素块与第二像素块之间的灰度特征相似度。

第一像素块与第二像素块之间的第一距离，可以指的是第一像素块的中心像素点与第二像素点的中心像素点之间的距离；第一像素块与第二像素块之间的第一距离越大，第一像素块与第二像素块位于不同羊绒纤维的概率更高；相反，第一像素块与第二像素块之间的第一距离越小，第一像素块与第二像素块位于不同羊绒纤维的概率更低。

这样，根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值，所获得的目标参数值能够更好地表征第一像素块以及第二像素块属于不同羊绒纤维概率。

在步骤S104中，在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，以获得像素块合并之后的第二灰度图像。

目标参数值是根据第一距离、形状相似度以及灰度特征相似度进行确定的，目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率，第一像素块与第二像素块之间的目标参数值越大，说明第一像素块与第二像素块之间的距离越大，或者，第一像素块以及第二像素块之间的形状相似程度越低，或者，第一像素块以及第二像素块之间的灰度特征的相似程度越低，因此，第一像素块以及第二像素块是由不同羊绒纤维分割所获得的概率更高，或者，第一像素块以及第二像素块是由同一羊绒纤维过度分割所获得的概率更低。

相反，第一像素块与第二像素块之间的目标参数值越小，说明第一像素块以及第二像素块是由不同羊绒纤维分割所获得的概率更低，或者，第一像素块以及第二像素块是由同一羊绒纤维过度分割所获得的概率更高。

在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，能够避免同一羊绒纤维被过度分割至不同的像素块对质量检测结果的不良影响，以获得对羊绒制品更为准确的质量检测结果。

在完成对第一像素块以及第二像素块的区域合并的情况下，可以从未进行区域合并的多个像素块中重新确定彼此相邻的两个像素块，例如彼此相邻的第三像素块以及第四像素块。

参照第一像素块以及第二像素块之间的目标参数值的确定过程，可以确定第三像素块以及第四像素块之间的目标参数值，以在第三像素块以及第四像素块之间的目标参数值小于预设参数阈值的情况下，将第三像素块与第四像素块合并为同一像素块，从而实现对第一灰度图像中多个像素块中目标参数值小于预设参数阈值的两个相邻像素块之间的合并，以避免超像素分割过程可能存在的过分割对质量检测结果的影响。

在第一灰度图像中任意两个相邻的像素块之间的目标参数值均大于或等于预设参数阈值的情况下，说明经过对第一灰度图像中像素块的合并操作，已经将实际属于同一羊绒纤维的所有像素块的合并至同一像素块中，可以将进行像素块合并操作之后的第一灰度图像作为第二灰度图像。

其中，预设参数阈值的数值可以根据实际情况进行设定，例如，在目标参数值的数值范围在0至1之间的情况下，可以将预设参数阈值设置在0.1至0.25之间。

在步骤S105中，将第二灰度图像输入至预先训练的羊绒质量检测模型中，获得羊绒质量检测模型所输出的对第二灰度图像的质量检测结果。

羊绒制品的质量通常受到羊绒纤维的完整性、羊绒纤维的长度以及羊绒纤维的宽度等参数的影响，将第二灰度图像输入至预先训练的羊绒质量检测模型中，相较于直接将待检测羊绒制品的表面的第一灰度图像直接输入至羊绒质量检测模型中，第二灰度图像中包括对第一灰度图像进行超像素分割后所获得的像素块，因此，能够更为方便实现对羊绒纤维的完整性、羊绒纤维的长度以及羊绒纤维的宽度等参数的检测，以便获得对羊绒制品的质量检测结果。

同时，由于第二灰度图像是对第一灰度图像中目标参数值小于预设参数阈值的相邻像素块进行区域合并获得的，目标参数值能够表征相邻像素块属于不同羊绒纤维的概率，因此，在第二灰度图像中的羊绒纤维被过度分割的程度更低，或者，在第二灰度图像中避免了对羊绒纤维的过度分割，将第二灰度图像输入至羊绒质量检测模型中，能够更为方便实现对羊绒纤维的完整性、羊绒纤维的长度以及羊绒纤维的宽度等参数的检测，以便获得对羊绒制品的质量检测结果。

对羊绒制品的质量检测结果，可以是对羊绒制品的质量评分或者质量评价等级，通过质量评分或者质量评价等级表征羊绒制品的质量。

在一个实施例中还可以在所述质量检测结果表征待检测羊绒制品的质量不合格的情况下，提示待检测羊绒制品的质量不合格。

例如，在待检测的羊绒制品的质量评分小于预设分数的情况下，或者，在待检测的羊绒制品的质量等级小于预设等级的情况下，羊绒制品的质量检测设备可以输出音频、光线以及文字等提示信息，以提示羊绒制品的质量存在异常。

或者，在所述质量检测结果表征待检测羊绒制品的质量不合格的情况下，羊绒制品的质量检测设备还可以向分拣设备发送控制指令，以使分拣设备实现对质量不合格的羊绒制品的分拣，避免合格品与不合格品的混淆。

在一个实施例中，所述羊绒质量检测模型通过以下方式获得：获取训练样本集以及对应训练样本集的测试集，所述训练样本集包括羊绒制品的表面的灰度图像，所述测试集包括对羊绒制品的表面的灰度图像预先进行质量检测所获得的质量检测结果；利用所述训练样本集以及所述测试集，对预先构建的初始质量检测模型进行训练，以获得训练后的羊绒质量检测模型。

例如，可以采集羊绒制品的表面灰度图像，并对羊绒制品预先进行质量检测获得质量检测结果，并利用羊绒制品的表面灰度图像以及对应羊绒制品的质量检测结果对预先构建的初始质量检测模型进行训练，在训练过程满足预设条件的情况下，将训练所获得的模型作为羊绒质量检测模型。

其中可以通过对预先对羊绒制品进行拉伸强度测试以及耐磨性测试，或者，通过显微镜观察羊绒纤维的形态、直径以及表面特征等确定羊绒制品的质量以及纯度，获得对羊绒制品预先进行质量检测的质量检测结果。

这样，通过对预先构建的初始质量检测模型进行训练，获得羊绒质量检测模型，能够通过预先部署的羊绒质量检测模型实现对待检测羊绒制品的质量检测，降低后续对待检测羊绒制品进行质量检测的劳动强度。

通过本申请实施例所提供的羊绒制品的质量检测方法，对待检测羊绒制品的表面的第一灰度图像进行超像素分割获得多个像素块，确定多个像素块中第一像素块与第二像素块之间的目标参数值，目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率，能够在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，以获得第二灰度图像，在第二灰度图像中能够更好地体现羊绒纤维的特征，将第二灰度图像输入至预先训练的羊绒质量检测模型中，则能够获得对待检测羊绒制品更为准确的质量检测结果。

同时，相较于将羊绒图像的纹理特征直接与预先设定的纹理特征阈值进行比较，由于预先训练的羊绒质量检测模型能够学习羊绒在更复杂场景下的纹理特征，因此，能够更好地实现对羊绒质量的检测，以获得对羊绒制品更为准确的质量检测结果。

在一个实施例中，对第一灰度图像进行超像素分割获得多个像素块，包括：确定第一灰度图像中目标像素点的纹理特征值，所述纹理特征值是根据目标像素点的邻域范围内像素点的LBP值进行确定的；根据第一灰度图像中像素点的纹理特征值，对第一灰度图像进行超像素分割获得多个像素块。

邻域范围可以是以目标像素点为中心所形成的范围，例如，邻域范围的尺寸可以是5×5或7×7等范围；LBP（Local Binary Pattern，局部二值模式）值是一种用于描述图像的局部纹理特征的算子，LBP值是根据像素点与其邻域内其他像素点的灰度值进行确定的。

灰度图像中目标像素点的LBP值的计算步骤包括：将目标像素点与邻域内其他像素点的灰度值进行比较，如果邻域其他像素的灰度值大于或等于目标像素的灰度值，则将这个其他像素的位置标记为1；相反，这个其他像素点的灰度值小于目标像素点的灰度值，则将这个其他像素点的位置标记为0。

根据目标像素点的灰度值与邻域内其他像素点的灰度值的比较结果，可以为邻域内的每个像素生成一个二进制数字。这些二进制数字按顺时针或逆时针方向排列，形成一个二进制序列，并将这个二进制序列由二进制转化为十进制，所获得的十进制的数值即为目标像素点的LBP值。

例如，如果目标像素点的邻域内有8个其他像素，目标像素点的邻域内8个其他像素点与目标像素点的灰度值的比较结果可以是[0，1，1，0，0，0，1，1]，其中，比较结果中的第一个数字为0，说明与目标像素点的进行灰度值比较的第一个像素点的灰度值小于目标像素点的灰度值，比较结果所对应的LBP码为01100011，将01100011由二进制转化为十进制的数值103，即为目标像素点的LBP值。

由于LBP值具有旋转不变性以及灰度不变性，能够较好地描述目标像素点的特征，第一灰度图像中目标像素点的纹理特征值是根据目标像素点的邻域范围内像素点的LBP值进行确定的，因此，所获得的纹理特征值能够较好地表征目标像素点的纹理特征。

在一个实施例中，目标像素点的纹理特征值通过以下方式确定：；其中，表示目标像素点的纹理特征值，表示目标像素点的邻域范围内第i个像素点的LBP值，B表示邻域范围内像素点的LBP值的均值，n表示邻域范围内像素点的数量，表示邻域范围内像素点的LBP值的最大者，表示邻域范围内像素点的LBP值的最小者。

通过邻域范围内像素点的LBP值的最大者与邻域范围内像素点的LBP值的最小者之间的差值，能够表征目标像素点的邻域范围内像素点的LBP值的变化幅度；通过邻域范围内像素点的LBP值的平均值与邻域范围内像素点的LBP值进行比较，能够表征目标像素点的邻域范围内像素点的LBP值的变化频率，因此，本申请实施例中的纹理特征值能够较好地表征邻域范围内像素点的LBP值的变化程度。

图像中目标像素点的邻域范围内的LBP值的变化程度越大，目标像素所在区域的纹理复杂程度越高，且由于像素点的LBP值具有旋转不变性以及灰度不变性，因此，目标像素点的纹理特征值能够较好地描述目标像素点的纹理，以便实现对第一灰度图像的超像素分割，减少对第一灰度图像的超像素分割过程的过度分割。

在一个实施例中，根据第一灰度图像中像素点的纹理特征值，对第一灰度图像进行超像素分割获得多个像素块，包括：根据第一灰度图像中像素点的纹理特征值以及像素点之间的距离，对第一灰度图像进行超像素分割获得多个像素块；同一像素块中包括彼此相邻且纹理特征值相似的多个像素点。

由于像素点的纹理特征值比像素点的灰度值能够更好地表征像素点的纹理特征，根据第一灰度图像中像素点的纹理特征值，能够更好地实现对第一灰度图像的超像素分割。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段，说明书和实施例仅被视为示例性的。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。

Claims (8)

1.一种羊绒制品的质量检测方法，其特征在于，包括：

获取待检测羊绒制品的表面的第一灰度图像，并对第一灰度图像进行超像素分割获得多个像素块；

确定第一像素块与第二像素块之间的形状相似度，并确定第一像素块与第二像素块之间的灰度特征相似度；所述第一像素块以及所述第二像素块为多个像素块中彼此相邻的像素块；

确定第一像素块与第二像素块之间的第一距离，并根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值，目标参数值用于表征第一像素块以及第二像素块属于不同羊绒纤维的概率；

在目标参数值小于预设参数阈值的情况下，将第一像素块与第二像素块合并为同一像素块，以获得像素块合并之后的第二灰度图像；

将第二灰度图像输入至预先训练的羊绒质量检测模型中，获得所述羊绒质量检测模型所输出的对第二灰度图像的质量检测结果；

所述对第一灰度图像进行超像素分割获得多个像素块，包括：

确定第一灰度图像中目标像素点的纹理特征值，所述纹理特征值是根据目标像素点的邻域范围内像素点的LBP值进行确定的；

根据第一灰度图像中像素点的纹理特征值，对第一灰度图像进行超像素分割获得多个像素块；

目标像素点的纹理特征值通过以下方式确定：

；其中，表示目标像素点的纹理特征值，表示目标像素点的邻域范围内第i个像素点的LBP值，B表示邻域范围内像素点的LBP值的均值，n表示邻域范围内像素点的数量，表示邻域范围内像素点的LBP值的最大者，表示邻域范围内像素点的LBP值的最小者。

2.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，根据第一灰度图像中像素点的纹理特征值，对第一灰度图像进行超像素分割获得多个像素块，包括：

根据第一灰度图像中像素点的纹理特征值以及像素点之间的距离，对第一灰度图像进行超像素分割获得多个像素块；同一像素块中包括彼此相邻且纹理特征值相似的多个像素点。

3.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，确定第一像素块与第二像素块之间的形状相似度，包括：

，其中，P为第一像素块与第二像素块之间的形状相似度，exp为以自然常数为底数的指数函数，为第一像素块中第a个边缘像素点到第一像素块的种子点之间的距离，为第一像素块中边缘像素点的数量，为第二像素块中第b个边缘像素点到第二像素块的种子点之间的距离，为第二像素块中边缘像素点的数量，为取绝对值操作。

4.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，确定第一像素块与第二像素块之间的灰度特征相似度，包括：

，其中，Q为第一像素块与第二像素块之间的灰度特征相似度，exp为以自然常数为底数的指数函数，为第一像素块中第d个边界像素点的灰度值，为第一像素块中边界像素点的数量，为第二像素块中第e个边界像素点的灰度值，为第二像素块中边界像素点的数量，为取绝对值操作。

5.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，所述根据第一距离、形状相似度以及灰度特征相似度，确定第一像素块与第二像素块之间的目标参数值，包括：

；其中，S为第一像素块与第二像素块之间的目标参数值，D为第一像素块与第二像素块之间的第一距离，exp为以自然常数为底数的指数函数，P为第一像素块与第二像素块之间的形状相似度，Q为第一像素块与第二像素块之间的灰度特征相似度。

6.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，所述羊绒质量检测模型通过以下方式获得：

获取训练样本集以及对应训练样本集的测试集，所述训练样本集包括羊绒制品的表面的灰度图像，所述测试集包括对羊绒制品的表面的灰度图像预先进行质量检测所获得的质量检测结果；

利用所述训练样本集以及所述测试集，对预先构建的初始质量检测模型进行训练，以获得训练后的羊绒质量检测模型。

7.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，所述方法还包括：

在所述质量检测结果表征待检测羊绒制品的质量不合格的情况下，提示待检测羊绒制品的质量不合格。

8.根据权利要求1所述的羊绒制品的质量检测方法，其特征在于，所述方法还包括：

在所述质量检测结果表征待检测羊绒制品的质量合格的情况下，提示待检测羊绒制品的质量合格。