摘要：本文提出了一种用于墙地砖自动缺陷检测的算法，该算法综合了颜色的空间分布信息和比例分布信息，将共生矩阵纹理特征与颜色统计特征相结合构造一个判断矢量，可以对复杂纹理的多色墙地砖进行各种缺陷检测。
　　关键词：墙地砖 缺陷检测 共生矩阵 颜色特征
　　
　　0 引言
　　墙地砖作为一种重要的建筑陶瓷材料，在现代生活中得到了广泛的应用，陶瓷制造业已在国民经济中占有了重要地位。当前，制约着我国陶瓷业发展的关键是产品质量问题，其主要因素是缺乏现代化、自动化的生产及检测装置。目前，我国墙地砖生产的产品质量检验分级都是由人工完成的，在人工质量检验过程中，人的生理、心理、经验等个体上的差异以及环境的变化给质量检测带来了众多问题，限制了质量检测精度和稳定性的提高。为了解决质量检测的问题，实现生产的现代化、自动化，就需要一种能实现此目的自动视觉检测的系统，保证产品质量，省去人工检测员的单调而枯燥的工作，而且可进行高速检测，大大提高效率，越来越多的事实已经表明了在工业上使用机器视觉的迫切性。
　　灰度共生矩阵方法是纹理分析的常用方法，它能够检测出不属于已知纹理的单个像素值，可以表达颜色的空间分布信息；而对于多色纹理墙地砖，必须提取出其表面的颜色特征，才能够保证判据的客观性和准确性。本文结合了灰度共生矩阵与颜色特征对多色的随机纹理墙地砖进行缺陷检测。
　　1 墙地砖的常见缺陷
　　墙地砖成品的主要外观缺陷[1]分为尺寸和表面两个方面，对尺寸合格再分别根据变形、表面质量划分等级。Www.11665.Com变形按种类可分为平整度（包括中心弯曲度与翘曲度）、边直度和直角度。前三者优等品都限制在±0.50之内，直角度优等品限制在±0.60之内。表面质量应符合如下规定：有缺釉、斑点、裂纹、落脏、棕眼、熔洞、釉缕、釉泡、烟熏、开裂、磕碰、波纹、剥边、坯粉可见缺陷的砖数不超过5%，在距离砖面1米处目测应为优等品，2米处目测应为一级品，在距离3米处目测缺陷不明显的是合格品，以上色差都要求在距离3米处目测不明显。由于墙地砖的图像不是单一均匀的颜色，而是各种带纹理的多种颜色混合的复杂图像。这无疑给缺陷识别工作提出了新挑战。
　　本文提出的将灰度共生矩阵与颜色特征相结合的方法可实现各种纹理的多种颜色混合的复杂墙地砖缺陷检测。
　　2 样本特征提取
　　从模式识别角度来讲，特征提取与特征选择的主要内容就是通过数据方法降低模式维数，寻找最有效的特征，以构建较低维数表示的模式向量，从而减少识别系统的识别时间，降低错误识别率。从图像中可以提取多种类型的特征量，如几何形状特征、灰度值特征、纹理特征与分形特征等。其中颜色是图像非常重要的视觉特征，图像的颜色特征可以是各种颜色的比例分布以及颜色的空间分布，只有同时包含了这两者的信息，才符合人的视觉感应，对于采用颜色分布目前最有效的方法是采用纹理特征来近似。因此，把纹理信息与颜色相结合，就可以得到更符合人的视觉要求的结果。

3 基于纹理信息的缺陷检测方法
　　纹理一般是指人们所观察到的图像像素的灰度变化规律。纹理在自然界中广泛存在，常见的如：木纹、指纹、水波纹、云彩等。图像纹理中蕴含着许许多多有用的宏观信息和微观信息，这些信息对于对象的识别是非常重要的。本文中识别的对象是复杂图案的墙地砖，实验中尝试引入纹理特征，对包含复杂背景的彩色墙地砖图像进行基于纹理特征值的检测。
　　3.1 灰度共生矩阵 用于纹理分析的方法很多，这些方法大致分为：统计分析和结构分析。灰度共生矩阵[2]能够精确地反映纹理的粗糙程度和重复方向，是纹理统计分析的承要方法之一。本文就是采用从灰度图像中计算灰度共生矩阵，然后利用灰度共生矩阵得到纹理特征值。灰度共生矩阵pδ的元素可用以下符号
　　pδ（i，j） （i，j=1，2，3…l-1）
　　其中：i，j分别为两个像素的灰度；l为图像的灰度级数；δ为两个像素间的位置关系，用δ=（△x，△y）表示，即两个像素在x方向和y方向上距离分别为△x，△y，如图1所示。不同的δ决定了两像素间的距离和方向，0°方向为δ=（0，±│△y│）；90°方向为δ=（±│△x│，0）；45°方向为δ=（│△x│，-│△y│）或δ=（-│△x│，│△y│）且│△x│=│△y│；135°方向为δ=（│△x│，│△y│）或δ=（-│△x│，-│△y│）且│△x│=│△y│。常用以上的4个方向的位置关系计算各自的灰度共生矩阵。
　　从灰度共生矩阵构造出若干统计量作为纹理特征，本文采用二阶矩、对比度、相关性、方差、熵、逆差矩六种典型的统计量。
　　3.2 颜色统计特征 由于灰度共生矩阵只能够反映出灰度图像的纹理信息统计，也就是表达了颜色的空间分布信息。对于多色纹理的墙地砖，必须提取其表面的颜色特征，才能保证判据的客观性和准确性[3]。本文采用3ccd拍摄的rgb图像的红、绿、蓝三色数据形成墙地砖的六个颜色特征：红、绿、蓝三色分量的均值mr、mg、mb；方差 δr、δg、δb，这六个统计量[5]可以比较好地反映墙地砖的整体色彩状况和均匀情况。
　　3.3 颜色统计特征 根据共生矩阵原理和颜色统计特征可得到一个特征矢量：
　　p={f1，f2，f3，f4，f5，f6，mr，δr，mg，δg，mb，δb}
　　由于存在着采集噪声和所谓的好瓷砖也存在着可接受的缺陷，导致同类参考砖之间的参数有差异，为了减少这些变化的影响，对每一类型的墙地砖都训练一组判断矢量c。首先，对一组(假设m个)可接受缺陷的参考砖分别提取其特征矢量pm（m=1，2，3…m），然后，计算m个特征矢量pm的每个元素的均值μn和方差σn，则判断矢量第n元素为:
　　c（n）=μn+ασnn=1，2，3…12 (1)
　　μn和σn由下式给出：
　　(2)
　　
　　(3)
　　其中α为1.5~3之间的常数，改变α可改变判断矢量的检测灵敏度。
　　如果从待测墙地砖提取的特征矢量的每个元素p（n）与判断矢量的每个元素c（n）比较，若满足以下不等式关系：
　　p（n）>c（n）对任何n：1≤n≤12 (4)
　　则表明所检测的墙地砖存在缺陷。
　　4 结论
　　本文提出了一种用于墙地砖自动缺陷检测的算法，该算法应用共生矩阵纹理特征与颜色统计特征构造一个判断矢量，可以对复杂纹理的多色墙地砖进行各种缺陷，初步实验证明该算法是有效的，但目前识别率不是很高，而且识别的时间较长。因此，如何提高识别率和识别速度还有待进一步研究。
　　参考文献：
　　[1]刘忠伟，章毓晋.利用颜色特征进行图象检索.计算机应用，1999，(2):19-20.
　　[2]苏彩红，朱学峰等.基于共生矩阵和颜色特征的墙地砖缺陷自动检测的研究.北京:计算机工程与应用，2004，11:229-231.
　　[3]耿国华，王克刚，李康.基于色彩纹理特征的图像分类及应用.西北大学学报，2010年01期.