應(yīng)用圖像空域法的針織物密度在線測(cè)量

張孝超， 李 平， 金福江

(華僑大學(xué) 信息科學(xué)與工程學(xué)院， 福建 廈門(mén) 361021)

?

應(yīng)用圖像空域法的針織物密度在線測(cè)量

張孝超， 李 平， 金福江

(華僑大學(xué) 信息科學(xué)與工程學(xué)院， 福建 廈門(mén) 361021)

人工測(cè)量針織物密度的方法存在耗時(shí)、不能連續(xù)測(cè)量的缺點(diǎn)，且人工測(cè)量也無(wú)法滿(mǎn)足在線控制針織物密度的要求，為此，提出一種應(yīng)用空間域法對(duì)針織物圖像處理得到其密度的方法。在針織物二值化圖像基礎(chǔ)上，根據(jù)針織物紋理特點(diǎn)提取出表征織物橫密的紗線后，應(yīng)用改進(jìn)的Hough變換檢測(cè)得到圖像中針織物的橫紗數(shù)目；然后根據(jù)橫紗提取每行線圈，采用核密度估計(jì)對(duì)針織物線圈間距的統(tǒng)計(jì)量進(jìn)行密度估計(jì)，得到標(biāo)準(zhǔn)的線圈間距，進(jìn)而計(jì)算得到圖像中橫向平均線圈數(shù)；再通過(guò)換算得到針織物的密度。驗(yàn)證結(jié)果表明該方法實(shí)用有效。

針織物密度測(cè)量； 圖像增強(qiáng)； Hough變換； 核密度估計(jì)

織物密度不僅對(duì)織物的外觀、厚度、手感、抗折性、透氣性、耐磨性等物理機(jī)械特性有直接影響，而且對(duì)生產(chǎn)成本的控制及生產(chǎn)效率的提高也有重要意義。紡織行業(yè)現(xiàn)用的密度測(cè)量方法多是利用緯密鏡進(jìn)行人工離線測(cè)量，這種方法在實(shí)際操作中存在諸多弊端：首先，人工離線測(cè)量不僅費(fèi)時(shí)費(fèi)力，而且疲勞后容易產(chǎn)生較大的測(cè)量誤差；其次，離線測(cè)量的時(shí)效性較差，無(wú)法滿(mǎn)足對(duì)織物密度自動(dòng)控制的要求。隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)字圖像處理技術(shù)在紡織領(lǐng)域得到廣泛應(yīng)用，如傅里葉變換[1-3]、快速傅里葉變換[4-6]和小波變換[6-9]等方法的應(yīng)用，但這些研究多集中在機(jī)織物密度的測(cè)定，而對(duì)針織物密度的測(cè)量研究相對(duì)較少。以往對(duì)針織物密度的測(cè)量研究也多是在借鑒機(jī)織物密度測(cè)量方法上形成。文獻(xiàn)[10]采用一維傅里葉變換對(duì)針織物進(jìn)行了分析，通過(guò)對(duì)圖像逐行或逐列相加后的和進(jìn)行一維傅里葉變換，從弱化針織物線圈的不均勻及各線圈沿縱向和橫向不嚴(yán)格沿直線分布帶來(lái)的不良影響，但其需要針織物線圈縱行基本平行于垂直方向，橫列垂直于縱行。如果織物傾斜，行或列的疊加必然覆蓋灰度變化的周期特性，且線圈的不完整性對(duì)疊加后周期的穩(wěn)定也存在一定影響。

二維傅里葉變換分析整體織物，主要有2種方法：一是對(duì)圖像校正，使織物的縱行平行于垂直方向，橫列垂直于縱行，從而使頻譜圖中亮斑的連線也在水平與垂直方向，便于頻譜圖分析。如文獻(xiàn)[11]采用二維傅里葉變換，對(duì)頻譜圖進(jìn)行水平和垂直方向投影檢測(cè)得到針織物密度，但必然要求織物無(wú)傾斜；二是根據(jù)傅里葉變換旋轉(zhuǎn)不變性，對(duì)織物進(jìn)行二維傅里葉變換，由于織物傾斜度未知，頻譜圖特征點(diǎn)為亮斑形式，且亮斑較多，所以頻譜圖分析較為復(fù)雜。如文獻(xiàn)[12]報(bào)道，在傅里葉頻譜圖中采用多種濾波技術(shù)提取特征點(diǎn)然后通過(guò)傅里葉逆變換重構(gòu)圖像，但其特征點(diǎn)的提取較為繁瑣。文獻(xiàn)[13]采用小波分析對(duì)緯平針織物密度進(jìn)行了研究，而小波變換是將圖像分解為水平與垂直方向信息，所以對(duì)有一定傾斜的針織物圖像仍需要預(yù)處理階段的有效糾正，才能達(dá)到理想的辨識(shí)效果。

本文為解決由于織物傾斜和線圈不完整造成檢測(cè)不理想的問(wèn)題，在圖像的空間域?qū)ζ溥M(jìn)行處理。根據(jù)針織物骨架化后組織結(jié)構(gòu)的特點(diǎn)提出橫向連續(xù)紗線的提取方法，由Hough變換進(jìn)行識(shí)別，得到圖像的橫紗數(shù)。然后通過(guò)Hough變換標(biāo)記線對(duì)織物圖像進(jìn)行分割，分別提取相鄰標(biāo)記線間的線圈，通過(guò)統(tǒng)計(jì)分析得到每行相鄰線圈質(zhì)心的間距。由概率密度估計(jì)得到標(biāo)準(zhǔn)的間距值，圖像寬度與標(biāo)準(zhǔn)間距比值即為平均的線圈數(shù)。最后通過(guò)換算得到針織物密度。這種方法減小了對(duì)織物線圈完整性與均勻性的依賴(lài)，尤其對(duì)一定范圍內(nèi)傾斜的針織物圖像具有良好的檢測(cè)效果。

1 圖像的預(yù)處理

針織物成像過(guò)程中受不均勻光照與光照方式的影響，織物圖像存在灰度不均和灰度范圍偏窄的問(wèn)題，所以在針織物密度分析前需要對(duì)其進(jìn)行預(yù)處理。本文以單面平紋組織織物和羅紋針織物為研究對(duì)象，采用背光側(cè)打光成像，即光源設(shè)置在織物反面，利用工業(yè)相機(jī)在織物正面獲得織物正面的紋理結(jié)構(gòu)。采用該方式成像的織物表面其毛羽與紗線細(xì)節(jié)可被弱化，織物紋理特征清晰。為方便編程處理對(duì)圖像旋轉(zhuǎn)，因此本文的圖像中針織物的縱密是實(shí)際織物的橫密，圖像中針織物的橫密是實(shí)際織物的縱密。原灰度圖像及其灰度直方圖如圖1所示。之后再對(duì)圖像進(jìn)行二值化處理，在有效突出圖像幾何特征的同時(shí)使待處理的數(shù)據(jù)量大大減少。

圖1 原灰度圖像及灰度直方圖Fig.1 Original gray image (a) and histogram (b)

1.1 圖像的增強(qiáng)

由圖1中灰度直方圖可知圖像的灰度范圍較窄，且近似單峰分布，所以其背景色與前景色對(duì)比度不明顯。空域圖像對(duì)比度的增強(qiáng)是通過(guò)對(duì)圖像像素點(diǎn)的灰度變換實(shí)現(xiàn)的，灰度變換的過(guò)程主要分2部分：一是映射函數(shù)的選擇，本文選用直線拉伸的方法；二是確定需要變換的灰度范圍，不論灰度直方圖為單峰或雙峰，均可根據(jù)直方圖形成的曲線下覆蓋的面積比率進(jìn)行灰度范圍的確定。以峰值點(diǎn)為起始點(diǎn)向兩側(cè)疊加不同灰度值對(duì)應(yīng)的像素?cái)?shù)，當(dāng)和值與總像素點(diǎn)數(shù)之比達(dá)到面積比率值時(shí)對(duì)應(yīng)的灰度范圍為需拉伸的灰度范圍。本文取面積比率為0.8，經(jīng)過(guò)灰度調(diào)整后的圖像及其灰度直方圖如圖2所示。

圖2 調(diào)整后灰度圖像及灰度直方圖Fig.2 Adjusted gray image (a) and histogram (b)

經(jīng)過(guò)對(duì)比可看出，將灰度值的范圍擴(kuò)展至0～255像素點(diǎn)，使得像素點(diǎn)間的灰度差增大，調(diào)整后的圖像比原圖像中針織物有更為清晰的紋理結(jié)構(gòu)。

1.2 圖像的二值化

圖像的二值化是將灰度圖像轉(zhuǎn)化為二值圖像的過(guò)程。灰度圖像像素點(diǎn)的灰度值為0～255，即將圖像分成256個(gè)亮度等級(jí)，其中灰度值為0的像素點(diǎn)為全黑，灰度值為255的像素點(diǎn)為全白。二值圖像每個(gè)像素點(diǎn)只取0和1離散值中的一個(gè)，在二值圖像中，值為0的像素點(diǎn)顯示為黑色，值為1的像素點(diǎn)顯示為白色。圖像二值化的過(guò)程就是根據(jù)合理的閾值將灰度圖像灰度值小于閾值的點(diǎn)設(shè)置為0，將灰度值大于閾值的點(diǎn)設(shè)置為1的處理過(guò)程。圖像二值化的關(guān)鍵在于閾值的選取，合理的閾值可使二值化后的圖像準(zhǔn)確反映原灰度圖像的整體與局部特征。

分析調(diào)整后的灰度圖像亮度不均勻，直接采用全局閾值算法對(duì)圖像進(jìn)行二值化處理后圖像中某一部分紗線和邊緣并不能得到有效區(qū)分，在圖像模糊處該影響更加明顯。故本文采用局部閾值二值化方法[14]，通過(guò)將圖像分塊獲取其局部二值化所需的閾值。首先以需二值化的像素點(diǎn)為中心點(diǎn)，定義一個(gè)窗口Am×n，該窗口在圖像中是一個(gè)m×n的矩陣。對(duì)該窗口內(nèi)像素點(diǎn)灰度值求均值，若坐標(biāo)(x,y)像素點(diǎn)的灰度值為f(x,y)，則窗口平均灰度值為

(1)

(2)

對(duì)于邊沿像素點(diǎn)不滿(mǎn)足窗口大小時(shí)，窗口下限取1，上限分別為圖像寬度值與高度值即可。根據(jù)上述算法進(jìn)行二值化處理，窗口寬度為圖像寬度的1/8，窗口高度為圖像高度的1/8。且m、n取偶數(shù)。處理后的二值化圖像如圖3所示。

圖3 二值化圖像Fig.3 Binary image

2 針織物圖像中線圈的統(tǒng)計(jì)

2.1 針織物圖像中線圈的縱向統(tǒng)計(jì)

針織物密度的最小單位是線圈。圖3中橢圓形的白色封閉區(qū)域?yàn)榫€圈對(duì)應(yīng)的圈柱，橫向具有連續(xù)特征的部分是線圈間纏繞形成的結(jié)構(gòu)，為處理方便將其視為1根橫向紗線。分析圖像可知：圖像中一根橫向紗線即代表1行線圈，進(jìn)而可用于計(jì)算縱向線圈數(shù)。由于線圈間的紗線與線圈在二值圖像中的灰度值沒(méi)有差異，即其灰度值為1的白色點(diǎn)，所以通過(guò)灰度值是無(wú)法區(qū)分線圈間的紗線與線圈。考慮線圈間的紗線在橫向具有連續(xù)性，而線圈均為較短的結(jié)構(gòu)，二者的幾何特征相差很大，所以可根據(jù)其幾何特征將圖像中線圈間的紗線提取出來(lái)進(jìn)行分析。

2.1.1 針織物圖像中橫向紗線的提取

圖像中橫向紗線在橫向具有較好的連續(xù)性，而線圈對(duì)應(yīng)的紗線則呈橢圓形的單個(gè)封閉組織。通過(guò)骨架化[15]處理得到橫向細(xì)長(zhǎng)的紗線輪廓與縱向短小的線圈輪廓，如圖4所示。

圖4 圖像的骨架化圖Fig.4 Skeletal image

針對(duì)提取骨架后的圖像，可由Hough變換提取紗線。為進(jìn)一步提高Hough變換檢測(cè)直線時(shí)的精確度，在骨架化圖像的基礎(chǔ)上進(jìn)行橫向紗線提取。由于橫向紗線實(shí)際上并不是1根完整的紗線，而是線圈間鉤織形成，所以其在連續(xù)的同時(shí)還表現(xiàn)出小的彎曲。如直接采用消除毛刺的方法會(huì)嚴(yán)重破壞橫向紗線的連續(xù)性，本文根據(jù)橫向紗線連續(xù)的特性，提出一種新的方法用于區(qū)分橫向紗線與線圈，即通過(guò)對(duì)圖像中線圈的過(guò)濾，保留橫向紗線。主要是根據(jù)骨架化不改變連通域連通的特性，對(duì)每個(gè)與橫向紗線像素點(diǎn)的灰度值相同的像素點(diǎn)進(jìn)行連通方向的延伸，直至出現(xiàn)不連通的點(diǎn)停止，然后根據(jù)其延伸距離與標(biāo)準(zhǔn)長(zhǎng)度進(jìn)行比較，保留或舍棄該方向延伸過(guò)的所有像素點(diǎn)。標(biāo)準(zhǔn)長(zhǎng)度可通過(guò)統(tǒng)計(jì)圖像中線段的長(zhǎng)度獲得，可設(shè)置為線圈骨架平均長(zhǎng)度的2倍。

根據(jù)提取規(guī)則，首先定義一個(gè)像素點(diǎn)(x,y)，假設(shè)其灰度值f(x,y)=0，定義在點(diǎn)(x,y)處的延伸方向?yàn)镕(x,y)。F(x,y)是在周?chē)c(diǎn)的灰度值為0時(shí)，根據(jù)周?chē)c(diǎn)相對(duì)(x,y)坐標(biāo)位置確定的。

F(x,y)=

(3)

式中存在1個(gè)點(diǎn)對(duì)應(yīng)2個(gè)延伸方向時(shí)分別向不同方向進(jìn)行延伸檢測(cè)現(xiàn)象，以點(diǎn)(x-1,y-1)為例，若f(x-1,y-1)=0，則由式(3)可得到其延伸的2個(gè)方向：向上和向左。其示意圖如圖5所示。

圖5 點(diǎn)(x-1,y-1)的方向Fig.5 Direction of point (x-1,y-1)

經(jīng)過(guò)上述針織物橫紗提取程序處理后便可得到橫紗的圖像，為便于觀察將其加粗處理，結(jié)果如圖6所示。

圖6 提取得到的含有橫向紗的圖像Fig.6 Image of yarns extracted

2.1.2 針織物橫向紗線的統(tǒng)計(jì)

對(duì)針織物橫紗進(jìn)行提取后圖像中基本只含有需要識(shí)別的橫向紗線，這樣有效地降低了對(duì)Hough變換中參數(shù)復(fù)雜且苛刻的要求，但由于橫向紗線提取過(guò)程中存在部分不連續(xù)的特殊情況，Hough變換中會(huì)存在同一條直線段被分段標(biāo)記為多個(gè)部分的現(xiàn)象，如圖7所示。

圖7 Hough變換檢測(cè)得到的直線Fig.7 Lines were signed by Hough transform

針對(duì)上述問(wèn)題，本文根據(jù)檢測(cè)得到的直線段所在直線間的距離進(jìn)行了有效性檢驗(yàn)。其過(guò)程分為2個(gè)部分：1)通過(guò)延長(zhǎng)每條直線段得到直線與圖像左右邊緣的交點(diǎn)，比較交點(diǎn)坐標(biāo)縱坐標(biāo)值與圖像寬度大小，濾除超出圖像上下邊界的直線；2)在上述基礎(chǔ)上對(duì)線段延長(zhǎng)線與圖像一側(cè)邊緣交點(diǎn)的間距進(jìn)行比較分析，統(tǒng)計(jì)每條線段的斜率，大部分線段的斜率會(huì)保持在一個(gè)數(shù)值的小范圍內(nèi)波動(dòng)，對(duì)于不符合要求的線段予以刪除；對(duì)過(guò)濾后的線段作延長(zhǎng)線求取延長(zhǎng)線與圖像邊緣的交點(diǎn)，通過(guò)統(tǒng)計(jì)相鄰交點(diǎn)縱向距離，得到相鄰紗線間的參考距離，將相鄰交點(diǎn)間縱向小于參考距離一半或重合的相鄰點(diǎn)刪除其中之一，即可刪除重合直線，保留其中1條，便得到代表織物橫向紗線的線段。

假設(shè)圖像中Hough變換檢測(cè)得到的線段延長(zhǎng)線與圖像左邊沿交點(diǎn)的坐標(biāo)值分別為(1,N1)、(1,N2)、…、(1,Nk)，則可以得到相鄰兩條直線間間距E1、E2、…、Ek，其中

(4)

其均值:

(5)

圖8 經(jīng)過(guò)有效性檢驗(yàn)得到的直線Fig.8 Lines were dealt by program

2.2 針織物圖像中線圈的橫向統(tǒng)計(jì)

針織物縱密指橫向單位長(zhǎng)度內(nèi)線圈的數(shù)目。橫向線圈的提取需要根據(jù)得到的紗線對(duì)圖像進(jìn)行分割，獲得針織物圖像的局部特征，然后對(duì)局部圖像分別進(jìn)行統(tǒng)計(jì)分析，得到線圈數(shù)。

2.2.1 針織物局部線圈的提取

本文采用掩膜圖像與二值化圖像疊加的方式得到相鄰兩根橫向紗線間包含的線圈圖像。掩膜圖像的構(gòu)造：首先構(gòu)造與原圖像等大小的全白色二值圖像，圖像像素點(diǎn)灰度值為1；再根據(jù)Hough變換中標(biāo)記出的紗線位置將某一相鄰橫向紗線間區(qū)域?qū)?yīng)在全白圖像上的這個(gè)區(qū)域內(nèi)像素點(diǎn)灰度值設(shè)置為0，即黑色點(diǎn)，這樣就得到了掩膜圖像。將得到的掩膜圖像與二值化圖像進(jìn)行疊加，疊加后白色的點(diǎn)域被白色覆蓋，黑色點(diǎn)域便保留了二值化圖像中局部線圈的信息，即提取出了圖像的局部線圈，如圖9所示。

圖9 提取出的某一行線圈對(duì)應(yīng)的紗線圖
Fig.9 One row of coils extracted from binary image

2.2.2 針織物局部圖像中線圈的統(tǒng)計(jì)

由于針織物線圈對(duì)應(yīng)的紗線呈封閉的橢圓形，可得到每個(gè)橢圓形狀的重心、面積等幾何特征。本文采用針織物相鄰線圈間間距特征完成對(duì)針織物線圈數(shù)量的統(tǒng)計(jì)。具體過(guò)程是通過(guò)對(duì)針織物相鄰線圈間距的統(tǒng)計(jì)分析得到標(biāo)準(zhǔn)的線圈間距，通過(guò)圖像的橫向?qū)挾扰c標(biāo)準(zhǔn)間距的比值得到該圖像中的線圈數(shù)目。對(duì)每行線圈中橢圓形質(zhì)心的間距進(jìn)行統(tǒng)計(jì)得到的頻率直方圖(見(jiàn)圖10)。

圖10 紗線間距的頻率直方圖Fig.10 Frequency histogram for yarn space

圖中橫坐標(biāo)表示相鄰線圈間距值，縱坐標(biāo)表示對(duì)應(yīng)該間距值的數(shù)目。對(duì)標(biāo)準(zhǔn)間距的計(jì)算是通過(guò)綜合不同間距及其數(shù)目確定的。本文將其轉(zhuǎn)化為概率問(wèn)題：通過(guò)綜合每個(gè)間距值與其周?chē)g距值對(duì)應(yīng)的縱坐標(biāo)大小給出該點(diǎn)的概率密度，該點(diǎn)的概率密度代表該間距值下的概率，從而可將概率密度值最大點(diǎn)對(duì)應(yīng)的間距值視為標(biāo)準(zhǔn)間距值。

本文提出采用核函數(shù)方法實(shí)現(xiàn)該密度估計(jì)。核密度估計(jì)定義：設(shè)x1、x2、x3、……、xn是取自一元連續(xù)總體的樣本，在任意點(diǎn)x處的總體密度函數(shù)f(x)的核密度估計(jì)定義[16]為

(6)

式中：K()為核函數(shù)；h為窗寬。

核函數(shù)K()為一個(gè)權(quán)函數(shù)，核函數(shù)的形狀和閾值控制用來(lái)估計(jì)f(x)在點(diǎn)x的值時(shí)所用數(shù)據(jù)點(diǎn)的個(gè)數(shù)和利用程度。采用核函數(shù)方法實(shí)現(xiàn)密度估計(jì)需要確定核函數(shù)形式及窗寬大小。根據(jù)核密度估計(jì)的定義可知：對(duì)某一點(diǎn)的密度估計(jì)值與該點(diǎn)鄰域范圍內(nèi)所有點(diǎn)樣本觀測(cè)值有關(guān)。鄰域范圍不僅與K()形式有關(guān)還與窗寬h有關(guān)。標(biāo)準(zhǔn)間距主要由直方圖中分布集中的區(qū)域估計(jì)得到，分析可知該部分一般均符合正態(tài)分布，所以核函數(shù)的選取采用高斯核函數(shù)比較合適。本文選用高斯核函數(shù)見(jiàn)式(7)。

(7)

其窗寬的大小不僅與樣本容量有關(guān)，而且與總體的分布存在關(guān)系，本文通過(guò)求密度和其逼近之間的均值積分平方誤差最小方法獲得窗寬的計(jì)算公式為

(8)

式中：p為變量個(gè)數(shù)，本文p=1；σ為總體的標(biāo)準(zhǔn)差，可由樣本標(biāo)準(zhǔn)差替代。以給出的一組紗線間距為例，其密度估計(jì)如圖11所示。

圖11 高斯核函數(shù)的密度估計(jì)圖Fig.11 Diagram of Gauss kernel density estimation

通過(guò)密度估計(jì)曲線求取曲線的峰值點(diǎn)對(duì)應(yīng)的橫坐標(biāo)值。谷點(diǎn)對(duì)應(yīng)的橫坐標(biāo)值為分類(lèi)點(diǎn)，最大峰值對(duì)應(yīng)的橫坐標(biāo)為標(biāo)準(zhǔn)間距值。假設(shè)圖像橫向?qū)挾葹閃，標(biāo)準(zhǔn)線圈間距為d，則該局部圖像中線圈數(shù)目為

(9)

3 針織物密度計(jì)算與驗(yàn)證

3.1 針織物密度的計(jì)算

針織物橫(縱)密度是以縱向(橫向)10 cm長(zhǎng)度范圍內(nèi)線圈數(shù)目為標(biāo)準(zhǔn)計(jì)算得到的。針織物圖像的獲得可以通過(guò)掃描儀或工業(yè)相機(jī)得到。本文針織物圖像的獲取采用工業(yè)相機(jī)，為200萬(wàn)像素，感光元件對(duì)角線長(zhǎng)為8.47 mm，CMOS彩色，分辨率為1 600像素×1 200像素，單筒連續(xù)變倍，目鏡放大倍率為0.35，物鏡放大倍率為0.7～4.5。光源設(shè)置在織物反面，相機(jī)在織物正面成像。由于相機(jī)上下邊緣對(duì)圖像虛化嚴(yán)重，故截取圖像中間部分進(jìn)行分析，被分析圖像的大小為1 600像素×690像素。經(jīng)標(biāo)定可知該圖像區(qū)域?qū)?yīng)的實(shí)際范圍為13.5 mm×5.8 mm。根據(jù)密度定義可知圖像對(duì)應(yīng)的縱密為

(10)

在2.1.2中直線的有效性檢驗(yàn)可以使得圖像中完整的橫向紗線被提取保留，不完整橫向紗線被刪除，故第1行與最后1行橫紗都是整行。由于橫向紗線在圖像中數(shù)量較少，為減小計(jì)算誤差，需要根據(jù)圖像中第1條紗線與最后1條紗線位置計(jì)算有效的像素值

D=Nk-N1

(11)

則針織物橫密為

(12)

3.2 實(shí)驗(yàn)驗(yàn)證

本文針對(duì)針織物的密度進(jìn)行研究，采用單面平紋組織織物與羅紋針織物進(jìn)行實(shí)驗(yàn)驗(yàn)證。分別取6塊純色的成品織物，對(duì)每塊織物一定范圍拍攝樣張，為保證圖像的有效性，圖像中紗線應(yīng)在10個(gè)像素點(diǎn)以上。將拍攝樣張輸入計(jì)算機(jī)，通過(guò)本文程序進(jìn)行驗(yàn)證，然后與人工檢測(cè)得到的結(jié)果進(jìn)行比較，以人工檢測(cè)結(jié)果為標(biāo)準(zhǔn)值，計(jì)算其誤差為

(13)

實(shí)驗(yàn)數(shù)據(jù)如表1所示。

表1 人工測(cè)量值與本文自動(dòng)測(cè)量值Tab.1 Manual measurement values and automatic measurement values

通過(guò)實(shí)驗(yàn)數(shù)據(jù)可知，經(jīng)程序處理得到的針織物橫密與人工測(cè)量得到的數(shù)值誤差在1.8%以?xún)?nèi)，縱密誤差保持在1%以?xún)?nèi)，且有較快的檢測(cè)速度。為比較2種檢測(cè)方法差異的顯著性，采用成對(duì)數(shù)據(jù)的t檢驗(yàn)方法[13]進(jìn)行檢驗(yàn)：

假設(shè)H0的顯著水平為0.05的拒絕域?yàn)?/p>

(14)

式中Sd為樣本方差。由表1數(shù)據(jù)可得

所以不拒絕H0，認(rèn)為2種測(cè)定方法無(wú)顯著性差異。

4 結(jié) 語(yǔ)

本文通過(guò)對(duì)針織物圖像的增強(qiáng)與二值化處理，得到針織物的紋理特征。經(jīng)過(guò)骨架化處理提取橫向紗線后采用Hough變換識(shí)別圖像中針織物的橫向紗線，進(jìn)而通過(guò)檢測(cè)得到的橫向紗線分別提取相鄰紗線間線圈，根據(jù)線圈對(duì)應(yīng)紗線間間距概率方法得到圖像中橫向線圈數(shù)目。最后將人工測(cè)量值與本文方法的測(cè)量值進(jìn)行對(duì)比，可知本文測(cè)量方法可得到較好的測(cè)量效果。同時(shí)還需要指出，工業(yè)相機(jī)的成像范圍對(duì)針織物密度計(jì)算的精度有一定影響，在本文方法可識(shí)別條件下，成像范圍越大，最終計(jì)算得到的針織物密度精度也越高。

FZXB

[1] 辛斌杰, 余序芬, 吳兆平. 機(jī)織物經(jīng)緯密測(cè)量的圖像處理技術(shù)[J]. 中國(guó)紡織大學(xué)學(xué)報(bào), 1999,25(3):34-36. XIN Binjie, YU Xufen, WU Zhaoping. Automatic measurement of the yarn density of woven fabric[J]. Journal of China Textile University,1999,25(3):34-36.

[2] 官偉波. 利用數(shù)字圖像分析方法測(cè)定緯編針織物的密度[J]. 江蘇紡織, 2003(4):39-41. GUAN Weibo. The measurement for density of weft knitted fabric using digital image analysis method[J]. Jiangsu Textile,2003(4):39-41.

[3] 方明, 宋廣禮. 數(shù)字圖像處理技術(shù)在針織物檢測(cè)中的應(yīng)用[J]. 針織工業(yè), 2008(3):61-63. FANG Ming, SONG Guangli. Application of digital image processing technology in the detection of knitted fabric [J]. Knitting Industries, 2008(3):61-63.

[4] 徐步高. 快速傅立葉變換在織物結(jié)構(gòu)分析中的應(yīng)用[J].西北紡織工學(xué)院學(xué)報(bào),1996,10(4):343-352. XU Bugao. Application of FFT in the analysis of fabric structure[J]. Journal of Northwest Institute of Textile, 2008(3):61-63.

[5] 張長(zhǎng)勝, 司偉, 段亞峰. 用圖像處理技術(shù)快速檢測(cè)機(jī)織物的經(jīng)緯密度[J]. 毛紡科技, 2006(2):46-49. ZHANG Changsheng, SI Wei, DUAN Yafeng. Fast determining to the density of fabric based on computer image processing[J]. Wool Textile Journal, 2006(2):46-49.

[6] 馮毅力, 李汝勤. 用小波變換法自動(dòng)測(cè)量機(jī)織物經(jīng)緯密度[J]. 紡織學(xué)報(bào),2001,22(2):30-31. FENG Yili, LI Ruqin. Automatic measurement of weave count with wavelet transfer[J]. Journal of Textile Research, 2001,22(2):30-31.

[7] 李立輕, 陳霞, 黃秀寶. 基于自適應(yīng)正交小波的機(jī)織物密度自動(dòng)檢測(cè)的研究[J]. 東華大學(xué)學(xué)報(bào), 2005,31(1):63-65. LI Liqing, CHEN Xia, HUANG Xiubao. Automatic inspection of weaving density for woven fabrics using adaptive wavelets[J]. Journal of Donghua University, 2005, 31(1):63-65.

[8] 吳小清, 鄧中民, 王芳，等. 基于MatLab的機(jī)織物密度自動(dòng)檢測(cè)[J]. 紡織科技進(jìn)展, 2005(6):70-74. WU Xiaoqing, ZHENG Zhongmin, WANG Fang， et al. Automatic detection density of woven based on MatLab[J]. Progress in Textile Science & Technology, 2005(6):70-74.

[9] LAINE A, FAN J. Texture classification by wavelet packet signatures[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence，1993(15):1186-1191.

[10] 孫曉明, 官偉波, 王晉棠. 基于傅立葉變換的針織物密度分析[J].江南大學(xué)學(xué)報(bào):自然科學(xué)版, 2003,2(2):172-175. SUN Xiaoming, GUAN Weibo, WANG Jintang. Analyzing of knitting fabric′s density based on DFT[J]. Journal of Southern Yangtze University： Natural Science Edition, 2003, 2(2):172-175.

[11] 趙延旭, 龍海如. 利用圖像處理技術(shù)自動(dòng)測(cè)量針織物密度的研究[J]. 東華大學(xué)學(xué)報(bào), 2004,30(6):46-49. ZHAO Yanxu, LONG Hairu. Study on the automatic measurement of the density of knitted fabrics by image progressing[J]. Journal of Donghua University, 2004,30 (6):46-49.

[12] 陳莉, 宋廣禮. 二維傅里葉變換在針織物的密度測(cè)量中的應(yīng)用[J]. 東華大學(xué)學(xué)報(bào), 2004,30(5):69-72. CHEN Li, SONG Guangli. Measuring the density of knitted fabric with 2-D Fourier transform techni-ques [J]. Journal of Donghua University,2004,30(5):69-72.

[13] 花勇, 龍海如. 基于圖像處理技術(shù)的緯平針織物結(jié)構(gòu)參數(shù)測(cè)量[J]. 紡織科技進(jìn)展, 2010(6):60-62. HUA Yong, LONG Hairu. Measurement of weave parameters of weft plain knitted fabrics based on image progressing[J]. Progress in Textile Science & Technology, 2010(6):60-62.

[14] 馬馳, 張紅云. 改進(jìn)的多閾值動(dòng)態(tài)二值化算法[J]. 計(jì)算機(jī)工程, 2006,32(6):203-205. MA Chi, ZHANG Hongyun. Improved multi-threshold and dynamic binarization algorithm[J]. Computer Engineering, 2006,32(6): 203-205.

[15] 周品, 李曉東. MatLab數(shù)字圖像處理[M]. 北京：清華大學(xué)出版社, 2012:397-399. ZHOU Pin, LI Xiaodong. MatLab Digital Image Processing[M]. Beijing: Tsinghua University Press, 2012:397-399.

[16] 周品. MatLab概率與數(shù)理統(tǒng)計(jì)[M]. 北京:清華大學(xué)出版社, 2012:300-350. ZHOU Pin. MatLab Probability and Statistics[M]. Beijing: Tsinghua University Press, 2012:300-350.

歡迎訂閱《毛紡科技》

《毛紡科技》創(chuàng)刊于1973年，是由中國(guó)紡織工業(yè)聯(lián)合會(huì)主管，中國(guó)紡織信息中心和中國(guó)紡織工程學(xué)會(huì)主辦，中國(guó)紡織工程學(xué)會(huì)毛紡專(zhuān)業(yè)委員會(huì)和《毛紡科技》雜志社編輯出版，是毛紡工業(yè)系統(tǒng)的全國(guó)性科技綜合期刊。《毛紡科技》系全國(guó)中文核心期刊、中國(guó)科技核心期刊，被中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)、中國(guó)學(xué)術(shù)期刊綜合評(píng)價(jià)數(shù)據(jù)庫(kù)、中國(guó)期刊全文數(shù)據(jù)庫(kù)、萬(wàn)方數(shù)據(jù)-數(shù)字化期刊群、中國(guó)科技論文統(tǒng)計(jì)源期刊數(shù)據(jù)庫(kù)、美國(guó)《化學(xué)文摘》(CA)、荷蘭Elsevier Science數(shù)據(jù)庫(kù)等多個(gè)國(guó)內(nèi)外著名數(shù)據(jù)庫(kù)收錄。

《毛紡科技》立足于為讀者服務(wù)、為企業(yè)服務(wù)的宗旨，報(bào)道國(guó)內(nèi)外毛紡織染及相關(guān)專(zhuān)業(yè)的新工藝、新技術(shù)、新產(chǎn)品、新設(shè)備、新趨勢(shì)的科研成果及學(xué)術(shù)論文，內(nèi)容涉及到毛紡織、毛針織、麻紡織、服裝等各專(zhuān)業(yè)領(lǐng)域。創(chuàng)刊40多年來(lái)，一直受到紡織界同行的關(guān)注和支持，在促進(jìn)我國(guó)毛紡工業(yè)及相關(guān)產(chǎn)業(yè)的科技進(jìn)步，推動(dòng)國(guó)內(nèi)外新技術(shù)的交流與推廣，加強(qiáng)各級(jí)領(lǐng)導(dǎo)的宏觀決策能力，增強(qiáng)企業(yè)的活力和市場(chǎng)競(jìng)爭(zhēng)力，創(chuàng)造社會(huì)效益和經(jīng)濟(jì)效益等方面起到了很好的作用。已成為企業(yè)工程技術(shù)人員及管理人員，紡織高等院校師生，科研院所研究人員的必備讀物。

《毛紡科技》為月刊，每月5日出版；國(guó)際標(biāo)準(zhǔn)大16開(kāi)，采用銅版紙印刷。刊號(hào)為ISSN1003-1456/CN11-2386/TS，國(guó)內(nèi)外公開(kāi)發(fā)行，讀者可以通過(guò)全國(guó)各地郵局訂閱，也可以直接在本刊編輯部辦理訂閱及郵購(gòu)。

訂閱須知：郵發(fā)代號(hào)2-195，全年12期，2016年每?jī)?cè)定價(jià)15元，全年12期共180元(含郵費(fèi))。

聯(lián)系電話：010-65913844，65008693；傳真：010-65913844；網(wǎng)址：http://www.wooltex.org；E-mail: mfkj333@sina.com

地址：北京市朝陽(yáng)區(qū)延靜里中街3號(hào)主樓603室(100025)

Online measurement for density of knitted fabric by spatial domain image method

ZHANG Xiaochao， LI Ping， JIN Fujiang

(CollegeofInformationScienceandEngineering，HuaqiaoUniversity，Xiamen，F(xiàn)ujian361021，China)

The manual measurement of knitted fabric′s density was time-consuming and discontinuous and the offline measurement cannot satisfy the demand for online controll of the knitted fabric′s density. Hence, a method for determining knitted fabric′s density based on spatial domain image is proposed. The yarns presented knitted fabric′s horizontal density are extracted based on the feature of texture in binary image, then the number of knitted fabric′s horizontal yarns in image is obtained by applying modified Hough transform. Then every row′s coils in horizontal direction are extracted according to the horizontal yarns. The normal coil-span is obtained through kernel density estimation to coil-span′s statistic, then the mean number of coils in horizontal direction can be calculated. The density of knitted fabric is obtained based on the data.The result of experiment shows that this method is effective.

detection for density of knitted fabric; image enhancement; Hough transform; kernel density estimation

10.13475/j.fzxb.20141000408

2014-10-07

2015-05-14

國(guó)家自然科學(xué)基金項(xiàng)目(61273069,61203040)；中央高校基本科研業(yè)務(wù)費(fèi)-國(guó)家自然科學(xué)基金培育計(jì)劃專(zhuān)項(xiàng)基金資助項(xiàng)目(JBZR1204)；福建省高校產(chǎn)學(xué)合作科技重大項(xiàng)目(2013H6016, 2011H6019)

張孝超(1988—)，男，碩士生。主要研究方向?yàn)橹悄芗夹g(shù)與自動(dòng)化裝置。李平，通信作者，E-mail:pingping_1213@126.com。

TS 181.8

A