基于计算机视觉的染色品色差检测学士学位论文.doc

论文题目: 基于计算机视觉的染色品色差检测 基于计算机视觉的染色品色差检测Color-difference evaluation for dyeing products based on computer vision本科学位论文毕业论文（设计）原创性声明本人所呈交的毕业论文（设计）是我在导师的指导下进行的研究工作及取得的研究成果。据我所知，除文中已经注明引用的内容外，本论文（设计）不包含其他个人已经发表或撰写过的研究成果。对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示谢意。 作者签名： 日期： 毕业论文（设计）授权使用说明本论文（设计）作者完全了解*学院有关保留、使用毕业论文（设计）的规定，学校有权保留论文（设计）并向相关部门送交论文（设计）的电子版和纸质版。有权将论文（设计）用于非赢利目的的少量复制并允许论文（设计）进入学校图书馆被查阅。学校可以公布论文（设计）的全部或部分内容。保密的论文（设计）在解密后适用本规定。   作者签名： 指导教师签名： 日期： 日期： 注 意 事 项1.设计（论文）的内容包括：1）封面（按教务处制定的标准封面格式制作）2）原创性声明3）中文摘要（300字左右）、关键词4）外文摘要、关键词 5）目次页（附件不统一编入）6）论文主体部分：引言（或绪论）、正文、结论7）参考文献8）致谢9）附录（对论文支持必要时）2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。3.附件包括：任务书、开题报告、外文译文、译文原文（复印件）。4.文字、图表要求：1）文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画3）毕业论文须用A4单面打印，论文50页以上的双面打印4）图表应绘制于无格子的页面上5）软件工程类课题应有程序清单，并提供电子文档5.装订顺序1）设计（论文）2）附件：按照任务书、开题报告、外文译文、译文原文（复印件）次序装订3）其它摘要 人类社会约百分之七十的信息是通过人类视觉进行的，通过眼睛来获取图像具有其它方法所不可比拟的优势，包括：直观性、易理解性、快速性等。计算机视觉即是用计算机实现人类的视觉功能。随着数字图像技术、计算机技术、模式识别技术的快速发展，计算机视觉已经广泛地应用于医药卫生，国防建设，航空航天、兵器、制造检测、质量控制等社会应用领域。而人民生活水平的日益提高促使着纺织品印染行业的快速发展，色差检测技术作为其中的一项基本要求渐渐成为相关公司及科研单位迫切需要解决的问题。在基于计算机视觉的染色品色差检测系统中，需要解决的问题主要包括：待测目标的采集、颜色空间的选择、颜色信息的提取、色差评价模型的建立、颜色图像的光照较正及色差信息的分类等关键技术问题。采用高性能的工业彩色相机对染色品的表面颜色进行检测，使用相关处理软件实现实时在线监控，这样便于生产管理的透明化、智能化、快速化。此系统不仅可以很好地提高染色品染色的满意度并且可以降低工厂的人力成本，提高生产效率。让产品质量管理透明化，获得良好的经济效益，从而增强企业的市场竞争力。为了实现精准的染色品色差检测，本文对样品图像的光照校正问题进行了深入研究。本文提出了一种基于小波理论的染色品光照校正算法，同时，本文采用一种染色品色差检测的评价指标一致性指标和均匀性指标。为了对采集的样本数据进行很好的分类，本文对几种经典的分类算法进行研究，包括：基于支持向量机的分类算法、基于级联弱分类器的AdaBoost分类算法，最终本文根据染色品本身的纹理特性与颜色特性，提出了一种基于LBP-GMM的支持向量机分类算法，并将分类算法对染色品的色差质量进行判别分类。试验结果表明，该模型对染色品颜色数据具有很好的分类效果，可以实现染色品色差的定量化和自动化评价，并且对色差检测时光照不一致的情况具有较好的鲁棒性，为实现工业现场染色品色差的在线检测系统奠定了良好的基础。关键字：计算机视觉；色差检测； 基于LBP-GMM模型的支持向量机分类算法；光照校正Color-difference evaluation for dyeing products based on computer visionAbstractThrough the eyes, human gets almost 70 information. This method has advantages which other methods cannot unmatched, such as intuitive and easy to understand. Computer vision is to realize the human visual function by computer. With the rapid development of digital image technology and computer technology, computer vision has been widely used in medicine and health, national defense construction, aerospace, and other social areas. In addition，increasing living standards of people promotes the rapid development of textile printing and dyeing industry, and as one of the basic requirements, color detection technology gradually become the urgent problem which need to solve between the related companies and research institutes.In the color difference detection system based on computer vision, we need to solve the color image acquisition, building of color evaluation model, illumination correction of color images and other key technical issues. Using high-performance industrial camera to monitor the surface color of the dyed goods and using processing software to achieve real-time online monitoring, it is easy to manage production transparent, intelligent and fast. This system not only improve dyeing quality of the dyeing products，but，reduce the factory labor costs and raise production efficiency. Transparency of product quality management can obtains good economic efficiency, thereby enhance the market competitiveness of enterprises.In this thesis, the light correction algorithms are studied during the color-difference detection. Key research contents and findings are as follows: firstly, the evaluation indexes of color detection for dyeing products, which are the consistency index and the uniformity index, are put forward. In addition, a method of light correction based on wavelet theory is proposed.To make a perfect classification, several important classification methods are studied, including Adaboost algorithm and SVM algorithm. SVM algorithm color evaluation model based on LBP-GMM improves the evaluation accuracy of the color, and laid the foundation for the design and dyeing products color detection system based on computer vision. In addition, in the process of dyeing color detection, there are a variety of factors causing the color evaluation errors. This article will also analyze related factors which may appear in the color detection scene. The reasonable control of these factors is to reduce the color evaluation error. The reasonable control of these factors can achieve its goal which reduce evaluation errors.Keywords: Computer vision; color detection; LBP-GMM SVM algorithm; illumination correction目录摘要IAbstract.III目录VI第一章 绪论.11-1计算机视觉概述.11-2基于计算机视觉的染色品色差检测.11-3 本文研究背景、目的及意义.31-4本文的研究内容及思路.41-5 本文章节目录及概要.4第二章 染色品色差检测相关理论及系统设计.62-1 图像预处理基本算法.62-2 图像颜色空间.102-3 色差计算原理.132-4 色差检测系统结构.142-5 照明系统和光源. .152-6 建立染色效果评价模型.162-7 本章小结.29第三章 染色品色差检测中颜色分类算法的研究.303-1 支持向量机算法.303-2 AdaBoost分类算法.313-3 一种基于LBP-GMM模型的支持向量机色差检测分类算法.333-4 本章小结.36第四章 染色品色差检测中的光照校正.374-1 SVR(支持向量回归)光照校正374-2 光照色调颜色恒常性算法光照校正.414-3 基于小波理论的光照校正算法.444-4 本章小结.46第五章 染色品色差检测误差原因分析475-1 同色异谱现象.475-2 颜色非恒常性.485-3 光照距离.485-4 光源因素.485-5 本章小结. .49第六章 总结与展望.50参考文献.52致谢.54VI第一章 绪论1-1 计算机视觉概述计算机视觉是指用计算机实现人的视觉功能，从而去感知、识别和理解客观世界三维场景的科学学科。它是人工智能领域的一个重要分支，是今年来发展较为迅速的一门信息处理技术，也是人类科学研究中所曾经面临的挑战之一。人类在感受外部世界中，视觉占据了举足轻重的作用，而在现实生产实践历程中，人类始终面临着生理机能的有限性，于是试图创造和使用计算机代替人眼来完成任务。计算机视觉的发展不仅将大大加快智能系统的研究脚步，也将拓宽各智能机器的研究范围和应用领域。计算机视觉的研究目的即是通过采集图像完成对事物模型的模拟和重建，在获得对现实事物的认知的情况下，最终应用于实际生产的检测及控制中。计算机视觉的应用相当广泛，从毫微米技术到多媒体数据库，从文件处理到工业检测，从遥感图像到医学图像，在生活，生产的各个方面的应用实例不胜枚举，尤其是许多人类视觉无法感知的场所，例如在危险场景的进行探测、精确定量或对不可见物体的感知等，计算机视觉相比较人类视觉具有不可比拟的优越性。甚至可以说，有人类的场合几乎都需要计算机视觉。当今科技日新月异，工业生产也向高速智能方向发展，在此背景下，往往会涉及到各种数据测量与质量控制，如饮料瓶盖的印刷质量检查、零件完整性与定位、印刷字符条码检查、安全鉴别等。往常这些重复繁杂的工作大多通过人工检测来完成，但由于人眼视力的差别及其主观性，往往是徒增了管理与检测成本，却不能保证较高的检测合格率。于是，人们开始考虑把计算机的可靠性、快速性、可重复性，与人类的智能化思维和抽象能力相结合，由此，逐渐形成了一门新学科计算机视觉(也称机器视觉) 1。计算机视觉系统2主要构成要素包括光源、芯片及相机（光电转换器）、镜头（低通滤波器，完成信号传递）、图像处理软件（完成图像处理的各种运算）、采集卡（完成信号的采集与格式转换）等。对相关硬件进行选择时，需要考虑多种因素，例如，对于相机：黑白/彩色，PC_Based，分辨率，线阵/面阵，智能相机，帧频，接口，触发方式曝光时间等；对于镜头：放大倍数，视场，焦距，景深，工作距离等；图像采集卡的选择要配合相机的采集接口，板上缓存，硬件处理功能，I/O资源等。由系统中的图像采集卡采集相关图像，并采用相关软件完成图像处理任务，这就是基于计算机视觉的图像处理。采用计算机视觉进行工业检测的步骤一般为：检测对象专用光源提供光照镜头相机图像采集PC机图像预处理特征提取结果判读结果输出。目前，国内木材、玻璃、瓷砖、纸张、布匹等工业产品的颜色评价还依赖于人眼目测。例如在纺织印染行业中，布匹的颜色测量和评价还主要依赖于检测人员在一定光源下离线与标准比色卡进行对比。这样便使得检测速度缓慢并且也不全面。计算机视觉的特点是精度高、速度快、智能化及自动化程度高、非接触、可靠性高、客观性强、信息量大等。基于以上这些特点，计算机视觉已广泛的应用于工程监视、质量控制和成品检验等领域，而如何利用计算机视觉提高工业的自动化、智能化和高精度，已成为工业控制领域一个十分重要的研究方向。1-2 基于计算机视觉的染色品色差检测在染色品的工业生产过程中,控制产品颜色质量的首要问题是尽可能地使其颜色信息与标准色样一致，即为控制色差。所谓的色差是指两个染色样本在颜色感知上的差异，它是亮度、色调和纯度三个色彩值的综合表现。一般来说，染色品色差的度量主要分为染色样本的上下色差、前后色差、左右色差。测定纺织品之间的色差在生产实践中是有着相当重要的意义的，厂商和客户将色差测量作为评价染色效果和出厂交货的一种参量，只有当染色效果同时满足供需双方时，该产品才会被定为合格产品。以往生产样品与来样之间的色差，都是由具有丰富辨色经验的人靠生理视觉来进行的。而辨色的结果与心理环境、年龄、状态有非常大的关系。除了对视力提出苛刻的要求外，适宜的外部环境和光源，评级人的经验及当时的状态也起到决定性的作用，具有不可避免的主观性。因此，在染整行业，用计算机视觉来代替人的视觉进行颜色之间的差异的评价和前后样品的色差测定，就成为人们亟待解决的问题，也成了基于计算机视觉相关科研的重要研究方向之一。目前主要的测色仪器有分光光度计和色度计。其中，分光光度计测量法主要是测量染色品反射的光谱功率分布，而后根据色度学理论，使用匹配函数及其色差公式，计算出染色品在标准照明体下的反射色三刺激值和样品之间的色差大小。分光光度计对于样本的颜色测量具有可重复性、高精度的特点。这是一种精确的颜色测量方法，但是不足之处是容易受到测量几何学及样本表面结构等因素的影响。比如：从不同方向点燃斜纹织物，再从不同方向观察它，织物的颜色将会发生改变。另外使用成本高，过程复杂，速度稍慢。在系统中分光设备不能长期工作，不宜采用。色度计是首个应用在与颜色相关行业的颜色测量仪器。它可以测量三刺激值的CIE色度坐标值，然而色度坐标的应用可能会导致同色异谱等现象，即光谱反射曲线不同的颜色在一组观察和照明条件下匹配，但在另一种条件下却并不匹配。由上可知，在色差检测的研究方面，由主观性较强的人眼评定到客观性较好的仪器评定显然已经取得了不错的进展，然而基于上述两种仪器的色差评定较多情况下只是用在院校及科研机构等的实验平台下，极少情况用于工厂的色差检测。因为此种色差检测和人眼评定存在一个共同点，即均是离线测色。工厂是处于一种连续的染色模式下时，离线测色显然不能满足染色设备对染色效果的实时性检测和信息反馈。试想一旦发现染色不合格，这将需要染色过程的临时停歇，显然此举将造成工厂时间和财力的浪费。基于计算机视觉的染色品色差检测就是将计算机视觉应用在纺织品的染色生产线上，在线实时实现染色效果评定，并将布面的染色信息通过染色指标进行定量评价，及时反馈到染色控制平台，并做出相应的控制行为，达到更精确、更实时、更客观的度量染色成样和标准样之间的颜色差异。1-3 本文研究背景、目的及意义准确的颜色测量尤其是在与颜色有关的行业是决定其产品质量是否合格的重要因素，例如漆染、印刷及纺织品行业。过去，人眼的视觉估计是对颜色进行匹配色的主要方法，并且在用这种方法时，实体样本也是一关键因素3。人眼视觉辨色有其自身的很多主观因素并会造成无法减小的色差估计误差，例如，即使对于有良好培训及丰富辨色经验的人来说，辨色的结果与辨色人的心理状态、年龄、及所处的环境有极大的关系。 工厂在对布匹进行印染时，在连续生产模式下，由于工厂印染工艺的复杂性，一般都是工人根据对添加染料的数量及比例进行控制，一旦人眼检测到不可接受的色差，立即停止生产，这样至少要损失300至400米长的布匹，对染料的配方进行修正的过程也是要反复的进行试验才能得出比较合格的染料配方，这样的修正过程不仅是人力、时间的耗费过程，也会对工厂造成一定的损失。 近年来，仪器测色的发展逐渐克服了人眼评定色差的主观性因素的影响，使色差评定更具有客观性。仪器测色主要采用分光光度法，即通过测定被测物质在特定波长处或一定波长范围内光的吸收度，对该物质进行定性和定量分析的方法。该方法的不足之处在于：1)对染色品进行的是离线测色，使得检测速度慢，且检测不全面；2)对于客户和生产厂家在使用不同的光照照射对染色品采样进行色差评定时，上述仪器不能在去除光照影响下进行染色色差的评价。因此，需要一种能实现在线测量染色品色差的装置。在此装置中，需要解决染色色差评价及其算法、光照校正等关键问题。因此，本论文提出基于计算机视觉的染色品染色色差检测的关键技术的研究，主要研究在线染色状态下，采用计算机视觉的方法，去除光照的影响并对染色品的染色均匀性和一致性做出评价，同时为开发染色品在线测量装置奠定基础。本论文的研究旨在为在线色差检测设备的研制解决系统中的关键问题，提高染色质量检测速度和准确度，从而提高染色评价的可信度。1-4本文的研究内容及思路本论文主要研究内容是影响染色品在线染色质量的色差检测技术。针对相关因素进行分析，重点研究一种基于LBP-GMM模型的支持向量机的染色品色差检测算法及成品布面图像光照校正算法等。本文的研究工作采用简易的染色品图像采集实验平台，基于此，将采集到的图像进行相关处理并做出色差的评价，为在线色差检测设备的研制奠定了基础。具体内容如下：（1） 概述了基于计算机视觉的染色品质量检测系统的现状及发展、各种图像预处理方法的比较、颜色空间的性能比较、色差公式以及它们之间的相互比较。（2） 详细介绍了基于级联分类器的AdaBoost算法原理4、SVM（支持向量机）原理5及其优缺点及SVM算法在染色品分类和色差评定中的应用。在已建染色色差评价模型上，提出了一种基于LBP-GMM模型构造图像特征进行染色品色差检测的研究。（3） 介绍了基于SVR（支持向量回归）和光照色调颜色恒常性算法的光照估计，然后采用两种算法对原图像进行校正，对校正后的图像进行最基本的色差比较。在此基础上，本文提出一种基于小波理论的光照校正算法，并通过试验，验证了本文采用的光照校正算法的可行性和有效性;（4） 在上述研究的基础上，针对可能造成染色品质量评价误差的因素进行分析，主要包括同一地点不同的光照照射、不同的场景、同一场景的不同摆放方位等因素。1-5 本文章节目录及概要第一章 绪论在简单介绍计算机视觉的基础上，本文首先概述了对基于计算机视觉的染色品色差检测进行研究的背景、目的及意义、然后介绍了本论文的主要内容及思路第二章 染色品色差检测系统及相关理论首先介绍了几种图像预处理的方法，包括中值滤波法、邻域平均法及高斯模板滤波法。然后阐述了染色品色差在线检测系统设计结构及原理、照明系统、摄像头的选择、采集卡的选择。最后对染色布面色差在线检测的评价指标进行介绍并采用原始支持向量机建立染色效果评价模型第三章 染色品色差分类检测算法研究分析了原始支持向量机的优缺点，在此基础上提出了采用一种基于LBP-GMM模型的支持向量机色差检测与分类算法，对原有数据进行建模，然后将之应用于染色布面的色差检测中。第四章 色差检测光照校正技术研究首先介绍支持向量回归和色调颜色恒常性算法对染色品图像进行光照校正的情况，然后针对这两种算法进行了试验比较，最终本文提出了一种基于小波理论的染色品光照校正算法，并将其应用于染色品色差评价中。第五章 染色品色差检测结果与误差分析照明光源的使用年限，色差公式的应用，光源与样品之间的距离，无不影响着染色品色差的检测。结合采集场景以及图像采集过程的特点，分析可能影响色差检测的因素。第六章 总结与展望总结本文，指出本文尚待完善之处，并展望下一步的研究内容。第二章 染色品色差检测相关理论及系统设计要对染色品进行基于计算机视觉的色差检测，首先需要对采集的数字图像进行预处理6。通过对数字图像预处理，一方面可以降低系统噪声及环境噪声对算法性能和结果的影响，另一方面可以提高检测分类结果的鲁棒性和准确性。因此，本章首先研究了几种常见的图像降噪预处理的算法：中值滤波、线性滤波、高斯滤波并且针对性的进行了相关试验，同时对颜色空间及色差公式进行了一定的研究，并选择了适合本系统的颜色参数。最后介绍了系统的相关结构，在已搭建实验平台下进行图像采集与预处理，最后重点研究了染色色差评价模型建立。本节为后续章节的深入研究奠定了坚实的基础。2-1图像预处理基本算法由于拍摄环境和设备质量，光源等因素的影响，难免会对色差测带来干扰和噪声，这些噪声讲或多或少的导致图像的失真，模糊，从而影响对图像特征的分析。因此，在进行基于计算机视觉的染色品色差检测研究的同时，一方面要考虑如何消除这些不利因素，另一方面还要通过图像预处理来排除和淡化它们带来的影响。染色品图像噪声可分为外部噪声和内部噪声。外部噪声是由外部环境引起的（如环境光引起的噪声）;内部噪声是系统自身产生的（如CCD工作时产生的噪声）。按其与有用信号之间的关系可以将噪声分为乘性噪声与加性噪声。乘性噪声相伴有用信号存在，是由系统时变性或非线性引起的。加性噪声可认为是系统的背景噪声，也就是即使有用信号消失了，它将依然存在，完全独立于有用信号，如散弹噪声、热噪声等；此外还有量化噪声等，对乘性噪声如果平滑处理不当，将会使染色品图像的细节（如边界轮廓、线条）变得模糊不清。总之这些噪声都会使图像模糊，不同程度地降低图像质量，加大色差检测的误差产生概率。对图像进行滤波处理的目的是使图像视觉效果好，同时不能损坏图像边缘和轮廓等重要信息。去除图像噪声的方法主要有中值滤波、线性滤波及高斯滤波法。2-1-1 中值滤波中值滤波是一种非线性滤波技术，该方法采用一个包含若干个像素的可滑动窗口，并将该窗口中对应像素点的像素值按大小顺序进行排列，使用所选图像像素的中值代替原窗口中心像素点的像素值。若窗口大小为偶数，则取中间两个像素的像素平均值；若窗口大小为奇数，则取其中间值。 中值滤波可以有效抑制椒盐噪声和脉冲干扰，对处理椒盐噪声较为有效，困为此种噪声是以黑白点叠加在图像上的。另外它在一定程度上也能够保护图像边缘等细节信息。中值滤波的基本原理是将染色品图像像素值序列中一点的值用该点的一个邻域中各点值的中值代替，从而达到消除孤立的噪声点的目的。二维中值滤波输出为m（x,y）=mediann(x-k,y-l),(k,lW) ，其中,m(x,y)，m(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以为不同的形状，如圆形，线状，圆环形，十字形。例如，对于一个3x3的领域，其中值是第5个值。当一个领域中的一些像素值相同时，那么其中任何一个都可以作为中值。比如，一个3x3的领域内有一系列像素值(9，15，15，15，11，15，15，25，100)，对这些值排序后为(9，11，15，15，15，15，15，25，100)，那么其中值就是15。2-1-2 线性滤波线性滤波也称均值滤波，它的响应(输出)是包含在滤波掩模邻域内的像素简单平均值。基本思想是利用滤波掩模确定的领域内像素均值去代替图像每个像素点的值，主要用于消除图像中的颗粒噪声。用一像素邻域内各像素值的平均值来替代该像素原来值，即为邻域平均技术。假设图像I中某个3x3的邻域，如图2.1所示，其中心像素为I(x,y)。邻域平均法利用的模板(掩模)如图2.2(a)所示，则输出图像对应中心像素的像素值G(x,y)为： 2-(1) 图2-1 3x3邻域图2-2平滑所用模版显然，领域平均法有具有较好的降噪平滑能力，但是，邻域平均法在对去噪和平滑边缘信息是不加以区分的，从而削弱了图像中原本正常的边缘和细节，使图像产生一定程度的模糊，图像的模糊程度与模板大小相关，虽然模板越大，去噪能力越强，但是模糊程度也会随之加剧。这些均不利于接下来的色差检测评价。引入加权思想，设置一个平滑模板对邻域平均法进行改进，如图2.2（b）所示。定义权值之和为16，则输出图像中心像素值为： 2-(2)其中，为模板权值。根据像素距离中心位置的远近来确定各个像素的权重或重要性，可以看出中心位置权值最大，距中心点位置越远，权值越小，这种处理方法在一定程度上可以降低已处理图像的模糊程度。2-1-3高斯滤波高斯滤波器是根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波无论是在频率域或是在空间域都是相当有效的低通滤波器。其对消除服从正态分布的噪声是十分有效的。一维零均值高斯函数为： 2-(3)参数决定着滤波器的宽度，但对于数字图像处理来说，常使用二维零均值离散高斯函数。其数学表达式为式: 2-(4)高斯函数具有很多优势，体现在：（1） 高斯函数是单值函数，这表明，高斯滤波器是用像素邻域的加权均值来代替该点像素值的，而每一个邻域像素点权值是随着该点与中心点的距离单调增减的。这样平滑运算对离算子中心很远的像素点将不会有很大作用，于是就可以消除图像的失真；（2） 它的傅里叶变换频谱是单瓣的，意味着平滑图像不会被不希望的高频信号污染，同时也将保留大部分所需的信号；（3） 具有旋转对称性，即滤波器在各个方向上的平滑程度是一样的。由于图的边缘方向不是事先知道的，因此，在滤波前并不知道一个方向上与另一个方向哪个需要更多的平滑。这个优势则意味着高斯滤波器在后续边缘检测中不会偏向某一方向；（4） 可分离性，因此较大尺寸的高斯滤波器得以有效地实现。二维高斯函数卷积可以分两步进行，先将图像与一维高斯函数进行卷积，然后将卷积结果与方向垂直的相同一维高斯函数卷积。因此，二维高斯滤波的计算量随滤波模板宽度是线性增长而不是平方增长，这样计算量不至于过大。（5） 参数决定着高斯滤波器的宽度（平滑程度），是直接简单相关的。参数越大，频带就越宽，平滑程度也就越好。通过调节参数，可在平滑图像中由噪声和细纹理引起的过多不希望突变量（欠平滑）之间与图像特征过分平滑（过模糊）之间折中。2-1-4图像预处理结果对比本文以在实验平台下采集到的一幅图像样本为研究对象，对该图像分别采用线性滤波法、中值滤波法以及高斯模板滤波法进行去噪平滑处理。从滤波效果（如图2.3）中可以看出，邻域平均法在图像边缘处易被边缘周围的高频信息污染。而中值滤波法在图像的角点处易产生凸点。相比较以上两种方法，高斯滤波法的图像边缘信息保持良好，针对染色品的色差检测这一研究目标，采用高斯滤波法相比较而言较为适合。因此，在本文的以下章节中均采用高斯滤波法对样本进行图像预处理。 原图像 线性滤波法 中值滤波图像 高斯模版滤波法图2-3 三种图像预处理的效果图2-2 图像颜色空间颜色空间也称彩色系统7 8 9，其目的是在某些标准下用通常可接受的方式对彩色加以说明。本质上，颜色模型是坐标系统和子空间的阐述。位于系统的每种颜色都由单个点来表示。色差是指颜色的知觉差异，通常可从色调，明度和彩度这三种颜色属性的差异来表示。色调差表示色相的差异（即偏黄或偏红等），明度差表示深浅的差异，彩度差表示鲜艳度的差异。在理想的颜色空间中，相应颜色之间的色差大小即为点与点之间距离的大小。2-2-1 R G B空间现有采集设备最初采集的均为图像的RGB值。而在图像处理的过程中使用的其他颜色空间也均是从RGB颜色空间转换而来的，其处理结果显示出来也需要转回RGB颜色空间，所以图像处理中最常用的是RGB颜色空间。R,G,B为三基色，它们相互之间是互独立的，即任何一种基色都不能有其它两种颜色合成，而任何彩色都可以用红、绿、蓝3种基色配制而成，看起来似乎完美，但在进行图像处理时，则会发现它的不足：其一，RGB颜色空间是最不均匀的颜色空间之一。两个颜色之间的知觉差并不能通过该颜色空间中两个颜色点之间的距离来表示。其二，RGB空间不直观，颜色认知属性很难通过RGB的值来体现。其三，RGB具有很高的相关性（R-G:0.98，B-R:0.78，G-B:0.94）。高相关性的存在，不仅对图像数据压缩造成了相当的困难，而且也为图像的颜色处理带来了麻烦。另外，在RGB颜色空间中，实际选定的三原色在比配等能光谱时存在着负比配，光谱三刺激值曲线有一部分是负的。这和日常生活中人们关于颜色的概念无法吻合，也无法理解。所有这些，因此，在实际应用中，极少会用到RGB颜色空间。2-2-2 HSV颜色空间HSV模型的三维表示从RGB立方体演化而来。其中，HSV颜色空间中颜色的参数分别是：（1） H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，红、绿、蓝分别相隔120度。互补色分别相差180度。 （2） 纯度S为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度。 （3） V表示色彩的明亮程度，范围从0到1。有一点要注意：它和光强度之间并没有直接的联系。 HSV是一种比较直观的颜色模型，其颜色空间示意图如下所