CN117237346B - 一种用于布匹表面的叠纱瑕疵检测方法 - Google Patents

Abstract

本发明涉及一种用于布匹表面的叠纱瑕疵检测方法，属于数据识别技术领域，该方法步骤包括：获取布匹生产过程中待检测布面图像；对待检测布面图像进行灰度降级处理得到降级后图像；获取降级后图像在多个方向灰度游程矩阵，将每个方向灰度游程矩阵与对应权重值相乘并相加得到加权增强后灰度游程矩阵；利用加权增强后灰度游程矩阵内的元素值计算出长游程低灰度特征值；当长游程低灰度特征值位于预设区间内时，判定待检测布面图像中存在叠纱缺陷，否则待检测布面图像中不存在叠纱缺陷；本发明根据叠纱瑕疵的分布特点进行数据的增强，并根据增强后的数据信息进行缺陷判别，实现对叠纱瑕疵的高精度检测。

Description

一种用于布匹表面的叠纱瑕疵检测方法

技术领域

本发明属于数据识别技术领域，具体涉及一种用于布匹表面的叠纱瑕疵检测方法。

背景技术

我国是传统的纺织业大国，所生产的纺织物在国际贸易上占有巨大份额，纺织产业促进我国产生了巨大的经济效益。在如今激烈的市场竞争中，优良的纺织品质量无疑是一个纺织品牌得以立足和发展的重要保障，因此在纺织品缺陷检测环节中漏检率的有效控制显得十分重要。目前，布匹上瑕疵种类多种多样，瑕疵大小也不尽相同，我们需要能够在现实情况等的干扰下，仍可有效地对布匹缺陷进行识别检测。

现有技术中识别布匹缺陷时，一般是通过阈值分割以及连通域分析等手段，但是由于叠纱瑕疵为弱表征缺陷即叠纱缺陷与正常布匹很相似，通过阈值分割以及连通域分析等手段并不能精确的检测到叠纱瑕疵，很容易造成叠纱瑕疵的漏检或误检。

发明内容

本发明提供一种用于布匹表面的叠纱瑕疵检测方法，根据叠纱瑕疵的分布特点进行数据增强，并根据增强后的数据信息进行缺陷判别，实现对叠纱瑕疵的高精度检测。

本发明的一种用于布匹表面的叠纱瑕疵检测方法采用如下技术方案：

获取布匹生产过程中待检测布面图像；

对待检测布面图像进行灰度降级处理得到降级后图像；

将降级后图像划分为多行横向矩形窗口，将降级后图像划分为多列纵向矩形窗口；

根据每个横向矩形窗口内包含的所有像素点灰度值计算出每个横向矩形窗口的二维信息熵，同理计算出每个纵向矩形窗口的二维信息熵；

利用全部横向矩形窗口的二维信息熵，计算出横向二维信息熵标准差，同理计算出纵向二维信息熵标准差；

利用横向二维信息熵标准差和预设横向参考值计算出横向熵稳定性差异度，利用纵向二维信息熵标准差和预设纵向参考值计算出纵向熵稳定性差异度；

获取降级后图像在多个方向的灰度游程矩阵，利用横向熵稳定性差异度、纵向熵稳定性差异度以及预设比重计算出横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值，根据横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值计算出其余方向灰度游程矩阵的权重值；

将每个方向灰度游程矩阵与对应权重值相乘得到每个方向加权后灰度游程矩阵，将全部方向加权后灰度游程矩阵相加得到加权增强后灰度游程矩阵；

利用加权增强后灰度游程矩阵内的元素值计算出长游程低灰度特征值，当长游程低灰度特征值位于预设区间内时，判定待检测布面图像中存在叠纱缺陷，否则待检测布面图像中不存在叠纱缺陷。

进一步地，所述对待检测布面图像进行灰度降级处理得到降级后图像的步骤包括：

根据待检测布面图像中每个像素点的灰度值构建灰度直方图，对灰度直方图进行高斯拟合得到拟合曲线；

将拟合曲线中灰度值由高到低的第一个波谷对应的灰度值向下取整作为第一分割阈值；

将待检测布面图像中大于第一分割阈值的灰度值划分为同一灰度级；

将待检测布面图像中灰度值小于或等于第一分割阈值的灰度值平均划分为多个灰度级；

将待检测布面图像中每个像素点的灰度值替换为对应的分级后灰度级得到降级后图像。

进一步地，所述将降级后图像划分为多行横向矩形窗口，将降级后图像划分为多列纵向矩形窗口的步骤包括：

获取降级后图像的横向尺寸和纵向尺寸；

将降级后图像从上至下平均划分为若干个与降级后图像的横向尺寸相同的横向矩形窗口；

将降级后图像从左至右平均划分为若干个与降级后图像的纵向尺寸相同的纵向矩形窗口；

横向矩形窗口的数量与纵向矩形窗口的数量相同。

进一步地，所述利用横向二维信息熵标准差和预设横向参考值计算出横向熵稳定性差异度，利用纵向二维信息熵标准差和预设纵向参考值计算出纵向熵稳定性差异度的步骤包括：

计算出横向二维信息熵标准差与预设横向参考值的第一差值绝对值；

计算出横向二维信息熵标准差与预设横向参考值的第一和值；

将第一差值绝对值与第一和值的比值作为横向熵稳定性差异度，同理计算出纵向熵稳定性差异度。

进一步地，所述获取降级后图像在多个方向的灰度游程矩阵的步骤包括：

获取降级后图像在0度、45度、90度、135度四个方向上的灰度游程矩阵，其中，0度方向上的灰度游程矩阵即为横向方向灰度游程矩阵，90度方向上的灰度游程矩阵即为纵向方向灰度游程矩阵。

进一步地，所述横向方向灰度游程矩阵的权重值的计算公式为：

其中，表示横向方向灰度游程矩阵的权重值；/>表示横向熵稳定性差异度；/>表示纵向熵稳定性差异度；/>表示预设比重；

纵向方向灰度游程矩阵的权重值的计算公式为：

其中，表示纵向方向灰度游程矩阵的权重值；/>表示预设比重；/>表示横向方向灰度游程矩阵的权重值。

进一步地，所述根据横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值计算出其余方向灰度游程矩阵的权重值的步骤包括：

用1减去预设比重得到剩余比重；

将剩余比重平均分配给其余方向灰度游程矩阵，得到其余每个方向灰度游程矩阵的权重值。

本发明的有益效果是：

本发明提供一种用于布匹表面的叠纱瑕疵检测方法，针对的是布匹中的叠纱瑕疵，叠纱缺陷在图像中的表征是低灰度部分是有较为集中的方向，而正常的低灰度部分是杂乱无章的，所以通过能表征方向分布特点的灰度游程矩阵算法，对叠纱缺陷进行有效检测。

叠纱缺陷是过多的线被含在同一个编织位置上，会造成该处比其他正常区域有较为粗且稍暗的特征，并且会有某方向上的集中，所以为了后续利用游程矩阵特征值来检测叠纱缺陷的高准确度，计算出横向熵稳定性差异度和纵向熵稳定性差异度，利用横向熵稳定性差异度、纵向熵稳定性差异度对纹理差异程度较大的分布方向进行确定，并设计自适应权重将每个方向灰度游程矩阵与对应权重值相乘得到每个方向加权后灰度游程矩阵，将全部方向加权后灰度游程矩阵相加得到加权增强后灰度游程矩阵，最后对加权增强后灰度游程矩阵中全部元素值进行特征值统计，以提高检测准确程度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种用于布匹表面的叠纱瑕疵检测方法的实施例总体步骤的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种用于布匹表面的叠纱瑕疵检测方法的实施例，如图1所示，该方法包括：

S1、获取布匹生产过程中待检测布面图像。

本发明针对的是布匹织物在生产过程中，其表面易出现部分瑕疵，从而导致布匹织物的质量不高，在进行缺陷检测时，缺陷的显著程度极大地影响着缺陷检测的准确率，由于叠纱瑕疵为弱表征缺陷即叠纱缺陷与正常布匹很相似，所以在进行布匹织物叠纱瑕疵检测的前期，需要对弱表征缺陷的瑕疵进行相关图像增强，以提高瑕疵检测的准确率；本发明在获取布匹生产过程中待检测布面图像的过程中，采用的是机器视觉检测系统，利用电子相机垂直拍摄传送方向的布匹织物。

叠纱缺陷是指在布匹纺织过程中，机器不稳定导致的多条经线或纬线被纺织进布匹中，对布匹的外观质量有较大影响，其在布匹表面的表征较弱，首先要对其进行合理增强，以提高后续叠纱瑕疵检测的准确率。

S2、对待检测布面图像进行灰度降级处理得到降级后图像。

对待检测布面图像进行灰度降级处理得到降级后图像的步骤包括：根据待检测布面图像中每个像素点的灰度值构建灰度直方图，对灰度直方图进行高斯拟合得到拟合曲线；将拟合曲线中灰度值由高到低的第一个波谷对应的灰度值向下取整作为第一分割阈值；将待检测布面图像中大于第一分割阈值的灰度值划分为同一灰度级；将待检测布面图像中灰度值小于或等于第一分割阈值的灰度值平均划分为多个灰度级；将待检测布面图像中每个像素点的灰度值替换为对应的分级后灰度级得到降级后图像。

本发明针对的是细节表征的叠纱瑕疵，相对于正常布匹表面而言，其是在某一位置处较粗且较暗的长条区域；现有技术中可使用阈值分割进行异常低灰度区域，但是直接依低灰度进行阈值分割区域的话，会将其他正常布匹表面上的相似灰度区域错误划分为同种区域，所以采用阈值分割的方法无法满足检测要求；但在图像中叠纱缺陷表征的低灰度部分是有较为集中的方向，而正常的低灰度部分是杂乱无章的，所以通过能表征方向分布特点的灰度游程矩阵算法，对叠纱缺陷进行有效检测。

叠纱缺陷是过多的线被含在同一个编织位置上，会造成该处比其他正常区域有较为粗且稍暗的特征，并且会有某方向上的集中，所以为了后续利用游程矩阵特征值来检测叠纱缺陷的高准确度，我们需要对纹理差异程度较大的某分布方向进行确定，并设计自适应权重对该方向上的矩阵数据进行增强,最后对增强后的数据信息进行特征值统计，以提高检测准确程度。

在利用电子相机采集布匹织物后，对布匹织物图像进行去噪锐化并将其转换为灰度图像，将转换为灰度图像的布匹织物图像作为待检测布面图像，待检测布面图像中有0到255共256个灰度级，其中低灰度区域是叠纱区域以及正常布匹部分区域，较高灰度区域是正常的布匹纹理部分区域，所以需要将低灰度区域进行更细致的分级，同时为了降低后续灰度游程矩阵的计算量，首先将待检测布面图像进行灰度降级，降为8级。

根据待检测布面图像表征，叠纱瑕疵缺陷是明显地低灰度部分，不存在高灰度部分，对于正常区域来说，较高灰度的像素位置应为正常布匹区域，所以我们在进行灰度级降级时，我们要将较低灰度的区域进行细致性分级，而较高灰度的正常区域划分为一级。

根据待检测布面图像中每个像素点的灰度值构建灰度直方图，对整体的灰度直方图进行统计，并对直方图数据进行高斯曲线拟合得到拟合曲线，将拟合曲线中灰度值由高到低的第一个波谷对应的灰度值向下取整作为第一分割阈值，第一分割阈值记为，将灰度值/>的灰度像素都转为同一个灰度级/>。

将剩下的灰度的像素转为0-6共7个灰度级，计算7个灰度级分级的单位范围大小为：

其中，表示第一分割阈值；+1指的是将灰度为0的像素大小加上去，整体除以7后代表着剩余灰度被分为7份一致的灰度范围，即为/>。

将灰度值小于第一分割阈值的像素点进行分级操作，记小于或等于的灰度值记为/>（即/>），进行灰度分级所对应的灰度级数/>为：

其中，表示的是灰度值小于或等于/>的灰度值；/>表示的是0-6灰度级分级的单位分级灰度值范围大小；/>表示的是灰度值小于或等于/>的灰度值除以单位分级灰度值范围；/>表示的是向下取整符号；/>表示的是/>除以/>得到分级后所对应的整数灰度级数，即/>。

基于此，我们可合理的将较高灰度区间的灰度值划分为灰度级为7的区域，将剩余含有正常以及瑕疵的低灰度区间的灰度值合理划分，得到对应0到6的七个灰度级。

S3、将降级后图像划分为多行横向矩形窗口，将降级后图像划分为多列纵向矩形窗口。

将降级后图像划分为多行横向矩形窗口，将降级后图像划分为多列纵向矩形窗口的步骤包括：获取降级后图像的横向尺寸和纵向尺寸；将降级后图像从上至下平均划分为若干个与降级后图像的横向尺寸相同的横向矩形窗口；将降级后图像从左至右平均划分为若干个与降级后图像的纵向尺寸相同的纵向矩形窗口；横向矩形窗口的数量与纵向矩形窗口的数量相同。

本发明中将待检测布面图像进行区域划分，记降级后图像的横向尺寸为，纵向尺寸为/>，分析在两个方向上的滑窗数据分析。按照图像的横纵尺寸划分出横向矩形窗口尺寸为/>共十个，纵向矩形窗口/>尺寸为/>共十个。

S4、根据每个横向矩形窗口内包含的所有像素点灰度值计算出每个横向矩形窗口的二维信息熵，同理计算出每个纵向矩形窗口的二维信息熵。

计算每个矩形窗口内二维信息熵，来进行矩形区域内灰度纹理信息的数字化表示。上述步骤中已经将灰度降级，随后我们将以第个横向矩形窗口/>(/>)为例，其横向矩形窗口内部的二维信息熵/>为，二维信息熵的计算公式采用现有技术中的计算公式：

其中，、/>表示的都是降级后的八个灰度级，/>是特征二元组/>在横向滑窗/>内出现的频数，/>为矩形窗口/>的区域面积即像素尺寸大小，反映的是在矩形窗口/>内某像素位置上的灰度值与其周围像素灰度分布（纹理表现）的综合特征值，即对应区域内的二维信息熵/>，依据于此我们可以得到每个横向矩形窗口和每个纵向矩形窗口内的二维信息熵/>、/>()。

S5、利用全部横向矩形窗口的二维信息熵，计算出横向二维信息熵标准差，同理计算出纵向二维信息熵标准差。

由于待检测布面图像的可疑叠纱缺陷的分布方向是未知的，有可能是存在经线方向上的叠纱缺陷，也可能是存在纬线方向上的叠纱缺陷，也不排除经纬方向都存在叠纱缺陷的可能性。所以我们需要根据上述所求得的某方向滑窗矩形的二维信息熵数据（数据表现的是纹理特征），进行该方向上的熵的稳定性分析，数值越不稳定则证明该方向上的纹理分布差异越大，即越有可能存在叠纱瑕疵，那么我们需要对于这种稳定性差异程度进行竖直表述，随后计算横向二维信息熵标准差和纵向二维信息熵标准差/>。

S6、利用横向二维信息熵标准差和预设横向参考值计算出横向熵稳定性差异度，利用纵向二维信息熵标准差和预设纵向参考值计算出纵向熵稳定性差异度。

利用横向二维信息熵标准差和预设横向参考值计算出横向熵稳定性差异度，利用纵向二维信息熵标准差和预设纵向参考值计算出纵向熵稳定性差异度的步骤包括：计算出横向二维信息熵标准差与预设横向参考值的第一差值绝对值；计算出横向二维信息熵标准差与预设横向参考值的第一和值；将第一差值绝对值与第一和值的比值作为横向熵稳定性差异度，同理计算出纵向熵稳定性差异度。

其中，表示横向熵稳定性差异度；/>表示横向二维信息熵标准差；/>表示预设横向参考值，是通过实验后得到的正常布匹表面横向上的二维信息熵标准差参考值；表示横向二维信息熵标准差与预设横向参考值的第一差值绝对值，其比上两者之和得到横向熵稳定性差异度/>，那么可知/>，且差异度越小越靠近于0，差异度越大越靠近于1。

S7、获取降级后图像在多个方向的灰度游程矩阵，利用横向熵稳定性差异度、纵向熵稳定性差异度以及预设比重计算出横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值，根据横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值计算出其余方向灰度游程矩阵的权重值。

获取降级后图像在多个方向的灰度游程矩阵的步骤包括：获取降级后图像在0度、45度、90度、135度四个方向上的灰度游程矩阵，其中，0度方向上的灰度游程矩阵即为横向方向灰度游程矩阵，90度方向上的灰度游程矩阵即为纵向方向灰度游程矩阵。

横向方向灰度游程矩阵的权重值的计算公式为：

其中，表示横向方向灰度游程矩阵的权重值；/>表示横向熵稳定性差异度；/>表示纵向熵稳定性差异度；/>表示预设比重，本发明中预设比值/>；

纵向方向灰度游程矩阵的权重值的计算公式为：

其中，表示纵向方向灰度游程矩阵的权重值；/>表示预设比重，本发明中预设比值/>；/>表示横向方向灰度游程矩阵的权重值。

根据横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值计算出其余方向灰度游程矩阵的权重值的步骤包括：用1减去预设比重得到剩余比重；将剩余比重平均分配给其余方向灰度游程矩阵，得到其余每个方向灰度游程矩阵的权重值。

根据横向熵稳定性差异度、纵向熵稳定性差异度以及预设比重计算出横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值，由于叠纱缺陷会出现在横向和纵向，所以将横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值设置成大比重0.9，而其余方向灰度游程矩阵的权重值之和为0.1，同时具体的横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值，要根据横向熵稳定性差异度和纵向熵稳定性差异度进行计算，使得纹理越不稳定即差异度越大的方向上的灰度游程矩阵有更大的权重，以实现叠纱缺陷的自适应增强的目的，最后得到的是自适应加权增强的灰度游程矩阵。

不同方向灰度游程矩阵的权重计算，本发明以0度、45度、90度、135度四个方向灰度游程矩阵为例，得到加权增强的灰度游程矩阵为：

其中，为灰度游程矩阵/>的权重系数，要求/>，而是将四个方向上的灰度游程矩阵分别进行加权后求和，得到加权增强的灰度游程矩阵/>。对于可能存在叠纱缺陷的/>和/>，设定大的权重即/>，对于不存在叠纱缺陷的/>和/>，直接设定小的权重即/>，而/>与/>具体大小需要根据图像特点进行自适应取值，根据所在方向上的熵稳定性差异度进行计算，横向方向灰度游程矩阵的权重值的计算公式为：

其中，表示横向方向灰度游程矩阵的权重值；/>表示横向熵稳定性差异度；/>表示纵向熵稳定性差异度，/>表示预设比重，本发明中预设比值/>，/>指的是/>与的求和权重值，/>指的是/>在/>中所占的比例，叠纱缺陷越贴近0度方向则的值越大，叠纱缺陷越贴近90度方向则/>的值越小，那么就实现了一个自适应权重/>即/>；

纵向方向灰度游程矩阵的权重值的计算公式为：

其中，表示纵向方向灰度游程矩阵的权重值；/>表示预设比重，本发明中预设比值/>；/>表示横向方向灰度游程矩阵的权重值。

S8、将每个方向灰度游程矩阵与对应权重值相乘得到每个方向加权后灰度游程矩阵，将全部方向加权后灰度游程矩阵相加得到加权增强后灰度游程矩阵。

在步骤S7中得到了四个灰度游程矩阵各自对应的四个权重，得到自适应加权增强的灰度游程矩阵为：

其中，自适应权重主要是的设计，/>，根据具体图像的叠纱偏向程度进行一个自适应增强，基于此，对布匹织物表面灰度图像进行对应的自适应增强，得到加权增强后灰度游程矩阵/>。

S9、利用加权增强后灰度游程矩阵内的元素值计算出长游程低灰度特征值，当长游程低灰度特征值位于预设区间内时，判定待检测布面图像中存在叠纱缺陷，否则待检测布面图像中不存在叠纱缺陷。

在得到加权增强后灰度游程矩阵后，利用加权增强后灰度游程矩阵内的元素值计算出长游程低灰度特征值，由于叠纱缺陷在图像中表现为长游程低灰度，所以图像中的长游程低灰度特征值能表征图像中是否存在叠纱缺陷，本发明中将长游程低灰度特征值记为/>，现有技术中长游程低灰度特征值对应公式如下：

其中，指的是灰度降级后的0-6范围，/>指的是游程长度，/>指的是矩阵中的最大游程长度，/>指的是矩阵/>中的二元组/>对应的频数，/>测量的是矩阵/>低灰度范围的长期运行长度的分布特征值即/>，此为公用知识，公式逻辑不予过多解释。

预设区间的计算步骤包括：

选取多数量叠纱样本进行此方法，对所有的特征值进行计算得到均值参考值和标准差参考值/>，那么依据统计学中的3/>法则做出以下决策：若待测布匹表面图像得出的特征值/>满足：/>，则认为该待测布匹表面存在叠纱缺陷，否则认定其不存在叠纱缺陷，由于叠纱缺陷在灰度图中的表现即为长游程低灰度，所以根据图像中长游程低灰度特征值，能确定出图像中叠纱缺陷的分布。

本发明根据叠纱瑕疵的分布特点进行数据的增强，并根据增强后的数据信息进行缺陷判别，实现对叠纱瑕疵的高精度检测。

Claims (5)

1.一种用于布匹表面的叠纱瑕疵检测方法，其特征在于，该方法包括：

获取布匹生产过程中待检测布面图像；

对待检测布面图像进行灰度降级处理得到降级后图像；

将降级后图像划分为多行横向矩形窗口，将降级后图像划分为多列纵向矩形窗口；

根据每个横向矩形窗口内包含的所有像素点灰度值计算出每个横向矩形窗口的二维信息熵，同理计算出每个纵向矩形窗口的二维信息熵；

利用全部横向矩形窗口的二维信息熵，计算出横向二维信息熵标准差，同理计算出纵向二维信息熵标准差；

利用横向二维信息熵标准差和预设横向参考值计算出横向熵稳定性差异度，利用纵向二维信息熵标准差和预设纵向参考值计算出纵向熵稳定性差异度；

获取降级后图像在多个方向的灰度游程矩阵，利用横向熵稳定性差异度、纵向熵稳定性差异度以及预设比重计算出横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值，根据横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值计算出其余方向灰度游程矩阵的权重值；

将每个方向灰度游程矩阵与对应权重值相乘得到每个方向加权后灰度游程矩阵，将全部方向加权后灰度游程矩阵相加得到加权增强后灰度游程矩阵；

利用加权增强后灰度游程矩阵内的元素值计算出长游程低灰度特征值，当长游程低灰度特征值位于预设区间内时，判定待检测布面图像中存在叠纱缺陷，否则待检测布面图像中不存在叠纱缺陷；

所述利用横向二维信息熵标准差和预设横向参考值计算出横向熵稳定性差异度，利用纵向二维信息熵标准差和预设纵向参考值计算出纵向熵稳定性差异度的步骤包括：

计算出横向二维信息熵标准差与预设横向参考值的第一差值绝对值；

计算出横向二维信息熵标准差与预设横向参考值的第一和值；

将第一差值绝对值与第一和值的比值作为横向熵稳定性差异度，同理计算出纵向熵稳定性差异度；

所述获取降级后图像在多个方向的灰度游程矩阵的步骤包括：

获取降级后图像在0度、45度、90度、135度四个方向上的灰度游程矩阵，其中，0度方向上的灰度游程矩阵即为横向方向灰度游程矩阵，90度方向上的灰度游程矩阵即为纵向方向灰度游程矩阵。

2.根据权利要求1所述的一种用于布匹表面的叠纱瑕疵检测方法，其特征在于，所述对待检测布面图像进行灰度降级处理得到降级后图像的步骤包括：

根据待检测布面图像中每个像素点的灰度值构建灰度直方图，对灰度直方图进行高斯拟合得到拟合曲线；

将拟合曲线中灰度值由高到低的第一个波谷对应的灰度值向下取整作为第一分割阈值；

将待检测布面图像中大于第一分割阈值的灰度值划分为同一灰度级；

将待检测布面图像中灰度值小于或等于第一分割阈值的灰度值平均划分为多个灰度级；

将待检测布面图像中每个像素点的灰度值替换为对应的分级后灰度级得到降级后图像。

3.根据权利要求1所述的一种用于布匹表面的叠纱瑕疵检测方法，其特征在于，所述将降级后图像划分为多行横向矩形窗口，将降级后图像划分为多列纵向矩形窗口的步骤包括：

获取降级后图像的横向尺寸和纵向尺寸；

将降级后图像从上至下平均划分为若干个与降级后图像的横向尺寸相同的横向矩形窗口；

将降级后图像从左至右平均划分为若干个与降级后图像的纵向尺寸相同的纵向矩形窗口；

横向矩形窗口的数量与纵向矩形窗口的数量相同。

4.根据权利要求1所述的一种用于布匹表面的叠纱瑕疵检测方法，其特征在于，所述横向方向灰度游程矩阵的权重值的计算公式为：

其中，表示横向方向灰度游程矩阵的权重值；/>表示横向熵稳定性差异度；/>表示纵向熵稳定性差异度；/>表示预设比重；

纵向方向灰度游程矩阵的权重值的计算公式为：

其中，表示纵向方向灰度游程矩阵的权重值；/>表示预设比重；/>表示横向方向灰度游程矩阵的权重值。

5.根据权利要求1所述的一种用于布匹表面的叠纱瑕疵检测方法，其特征在于，所述根据横向方向灰度游程矩阵的权重值和纵向方向灰度游程矩阵的权重值计算出其余方向灰度游程矩阵的权重值的步骤包括：

用1减去预设比重得到剩余比重；

将剩余比重平均分配给其余方向灰度游程矩阵，得到其余每个方向灰度游程矩阵的权重值。