一种小色差瓷砖颜色自动分类器设计

王文洪+刘洪江

摘 要：研究小色差含纹理图像的在线检测方法，通过描述颜色组成和表达，确定颜色检测手段；分析大幅面、小色差检测对象在图像采集中的难点，建立适合企业应用的采集环境；根据检测对象的纹理特点，选择合适颜色特征统计方法，获得表示颜色的特征向量；运用K类均值无监督学习方法，通过小批量样本自动生成分类器，并将分类器应用到同批产品的检验分类中。实验证明采集环境能稳定获取颜色检测数据，通过学习生成的分类器能达到人工分类效果。

关键词：机器视觉；颜色分类；小色差；K均值聚类

1 概述

市场对楼房室内用瓷砖花色一致性要求高，导致生产企业对生产线后段处理颜色一致性检测、识别的技术需求日趋强烈。目前陶瓷颜色依赖人工分拣，检测主观性大，导致检测精度低、效率低[1]，在我国人口红利不断消失的情况下，通过机器设备进行颜色检测是必然途径。

瓷砖窑炉中温度，上色工艺等因素导致产品存在颜色差异，但是差异程度很小，即小色差。另瓷砖长边尺寸都在0.5m以上，表面有丰富的纹理花纹，难以通过有限的采样点获得代表产品的颜色，即大幅面。

为解决企业含自然纹理的大幅面、小色差颜色检测分类问题，在生产环境和企业成本限制下，提出用工业相机采集瓷砖表面图像，通过稳定的光照环境测量颜色特征，经过小批量样本的学习分类，自动生成分类器，实现颜色分类过程，该方法提高了颜色分类稳定性与产品一致性。

2 研究对象和采集环境

颜色检测需要在特定的采集环境下实现，本文研究对象以含纹理、大幅面、小色差为特点，必须避免或减少光源稳定性、光照均匀性和采集稳定性对颜色检测的影响。

首先检测对象的大幅面特征决定了使用多个传感器检测颜色。多个传感器对相同颜色的不同响应差异需要通过矫正解决。其次，光源的稳定性是颜色检测可重复性保障，LED专业光源是检测首选。检测要求光源尺寸超过检测对象尺寸，否则照明的非均匀光将干扰小色差的检测。最后，一个半封闭、采集部件固定的检测设备，是减少外界环境干扰、稳定测量的一个关键。

由此检测环境设置为一个半封闭的罩子，内固定CCD线阵相机垂直向下采集，高亮度白色线性光源在相机下方。检测对象从罩子下方通过时，到位开关触发并给出脉冲通知CCD开始读取数据，工业计算机通过编码器输出脉冲信号控制CCD抓取图像，通过图像采集卡读取相机采集图像。

3 颜色特征选取

颜色指的是某种光以及他对人眼的影响，这种影响在观察者的大脑里产生的结果[2]。依据人工分色的经验，提炼不同色号差异最大的颜色特征。颜色特征选取包括两个方面：

（1）选取一定范围的颜色，作为目标彩色图像：前景图像，背景图像，主色图像。

（2）在RGB、LAB、HSV颜色空间下，计算颜色数字特征，包括均值、方差。

记原始彩色图像，目标彩色图像，原始灰度图像。

前景图像，像素点灰度值大于等于阈值T的彩色图像，按公式（1）计算

背景图像，像素点灰度值小于阈值T的彩色图像，按公式（2）计算

主色图像，只包含主要颜色的图像。首先计算的彩色直方图，从最多颜色点至最少颜色点，依次累加，直至占图像总像素点的比例大于P为止，得到分界点的颜色值及其统计点数。则主色图像为颜色点个数大于的像素点集合。

颜色通常用三个相对独立的属性描述，三个独立的变量综合作用，构成颜色空间。不同颜色空间是以不同的角度去衡量同一个对象[3]。从相机获取的图像数据，是在RGB颜色空间下的表示。除此之外，颜色空间还有HSV、CIELAB等，均由RGB颜色空间进行转换。

HSV颜色空间用色相（H），饱和度（S）和明度（V）表示任一种颜色。从RGB到HSV的转换由公式（3）计算：

CIELAB颜色空间是国际照明委员会制定的一种色彩模式，本文采用1976标准。L表示明度，A表示颜色（从红到绿），B表示颜色（从黄到蓝）。从RGB到LAB的转换，先转换到CIEXYZ颜色空间，计算出三基色刺激值X、Y、Z，如公式（4）所示，得到X、Y、Z后，按公式（5～8）计算L、A、B。

各分量值范围：R/G/B：0～1；L：0～100；A/B：0～255。

为CIE标准照明下，白物体色刺激的三刺激值，對于D65标准光源漫反射， 。

4 分类器制作

颜色特征提取后，每个图像的颜色特征即为一特征向量。为避免奇异样本点对聚类结果的影响，采用随机抽样一致（RANSAC）算法筛选待训练的样本点，形成集中的样本点集合。采用K均值算法对样本进行训练得到每个色号的中心特征向量，此后通过最短距离法判定待检物的颜色。图1a）（b）展示了K均值聚类的过程，红、绿、蓝三种颜色分别代表3箱瓷砖样本，选取瓷砖图像LAB空间下的均值A、B作为特征向量，圆圈代表各类的质心。

5 实验结果

本文以12块人工分好的瓷砖为样本，进行颜色分类实验。其中，12块瓷砖分为3类，每类4块，人工分类结果对应的瓷砖序号为色号I：1～4；色号II：5～8；色号III：9～12。

实验过程中，每块瓷砖重复性测试10次，以颜色空间LAB下的A、B值作为特征向量，经过K聚类算法生成分类器。

3个色号之间的平均色差，。

由此可见，色号I、II之间的色差，色号I、III之间的色差，均在色号I、II类内色差范围内，三个色号之间颜色差值较小，属于小色差范围。得到每个色号的中心特征向量后，依据最小距离算法，判断每个瓷砖的色号。实验结果如表2所示，从分类结果可以看出与人工分类一致。

6 结论

颜色检测分类在瓷砖行业有广泛的应用。瓷砖相比其他产品具有大幅面、小色差的特点，而采集的瓷砖图像数据量大，颜色信息多，这些成为颜色检测的难点问题。本文针对此类问题，提出了一种应用于瓷砖的颜色检测分类方法，其检测结果和人的视觉感知有很好的一致性，同时还可应用于木地板等工业产品的检测。同时，如何提高检测速度满足产线需求，图像分辨率对颜色特征的影响，是下一步研究的重点。

参考文献

[1] 刘笛，朱学峰.墙地砖颜色的自动分级研究进展[J].中国陶瓷工业，2003，10（6）：66-69.

[2]ROYS.BERNS编著.李小梅，马如，陈立荣等译.颜色技术原理[M].北京：化学工业出版社，2002.

[3]李温温，王宝光，张 岩.瓷砖色差在线分类系统的研究[J].传感器与微系统，2010，29（3）：13-15.endprint