CN100492396C - 一种面向摄像整纬器的织物纹理图像识别方法 - Google Patents

Abstract

一种面向摄像整纬器的织物纹理图像识别方法，是基于傅氏变换功率谱自配准性质设计的，具备较高的检测精度，适用于机织布、斜纹布和网眼布等不同类型的织物，具有检测范围广等特点。它使用CCD摄像机采集定向移动中织物的图像，对其进行傅氏变换，利用基于统计的阈值分割在极坐标系上建立映射关系，通过与零纬斜织物的标准特征值比较，从而得到当前织物的纬斜参数，再通过整纬器的自动控制系统对织物的纬斜进行及时纠正。

Description

一种面向摄像整纬器的织物纹理图像识别方法

技术领域

本发明涉及智能模式识别与图像处理技术领域，具体地，是指一种运用傅氏变换功率谱自配准性质的纹理识别算法的摄像整纬器。

背景技术

在目前纺织工业中，织物的整纬过程仍然主要采用传统的光电整纬技术，较少应用智能模式识别技术与图像处理技术。随着人们生活水平的不断提高，对纺织品的质量提出了新的要求，从而把纺织品的纬斜指标推到了一个重要的位置。如何让纺织品的整纬达到高速度、高精度，提高整纬水平，成为纺织机械业的一大难题。光电整纬技术在国外发达国家起步早、发展快、水平较高，在其纺织企业已经普遍使用。上世纪90年代中期德国Mahlo公司等相继研制出第二代光电自动整纬机，但仍存在检测识别死角、检测精度不佳、调整精度不理想、检测数据综合分析、智能化处理能力不强等缺点。此外，光电整纬技术还受到织物种类的限制，无法适用较厚的织物或斜纹类织物等。

随着图像处理技术的发展，模式识别理论与智能图像处理技术结合得越来越紧密。近年来，摄像头作为传感装置在工业上的应用越来越多。作为机器视觉，摄像头在气动系统状态监控、智能机器人等方面都已有了成功的应用。数字图像处理技术在纺织工业中的应用也已经日趋广泛，如布料纬纱密度的光学测量、非织造结构检测等。

发明内容

本发明的目的在于提供一种织物纹理图像识别方法，将其应用于摄像整纬器的织物纬斜参数的提取，即将CCD采集到的织物灰度图像根据傅氏变换幅度谱的自配准性质对织物进行纹理识别，利用基于统计的阈值分割在极坐标系上建立映射关系，计算出其精确的纬斜参数，作为整纬器自动控制的参数，以便对织物的纬斜进行及时纠正。

关于本发明的基于傅氏变换功率谱自配准性质的依据

傅氏变换的幅度谱可以用于描述图像的纹理特征。计算一个方形图像窗矩阵的二维傅氏功率谱，在图像纹理所在方向的垂直方向上出现功率谱的峰值。图像中纹理线条可能呈现出很多方向，并随机地分布在图像的各个位置。然而对于它的傅氏变换幅度谱来说，相同方向的线条无论其位置如何，它们的贡献会被叠加在一起，集中地反映在通过频谱中心垂直于原线条方向的条带上，这一现象被称为傅氏变换幅度谱的自配准性质。

整纬器的作用在于检测织物的纬斜程度并及时做出纠正。纬斜程度作为织物纹理的特征是一个以原点为中心的角度值，具有方向性。这里，利用傅氏变换幅度谱的自配准性质对织物纹理图像进行识别与特征提取。

关于本发明的面向摄像整纬器的织物纹理图像识别的工作原理

在此，将未发生纬斜的织物定义为零纬斜织物，其纬斜特征值定义为标准特征值，作为进一步计算织物纬斜量的基准值。每幅织物图像都有其纬斜特征值，与同类织物的标准特征值比较可得到其纬斜参数，作为整纬器自动控制的参数，以便对织物的纬斜进行及时纠正。据此，本发明提供一种基于CCD摄像检测的整纬器的织物纹理图像识别方法。

同时，本发明基于以下认识：

傅氏变换功率谱二值图像仍满足傅氏变换幅度谱的自配准性质，原织物图像的纹理方向特征仍在功率谱二值图像的中心垂直于原线条方向的位置叠加。以该中心为原点建立极坐标系，将每个角度上的像素点的灰度值叠加，可以反映原织物在该角度的垂直方向的纹理特性。

综上所述，本发明的一种面向摄像整纬器的织物纹理图像识别方法，包括下列步骤：

1.计算当前织物图像的方向特征值：

a.使用CCD摄像头采集定向移动中织物的图像，进行快速傅立叶变换，得到功率谱灰度图像，其进程包括：

1)取像素为2^X×2^X的正方形图像转换成为灰度图像，其中X＝1，2，3，…；

2)对上述灰度图像进行二维FFT变换；

3)对二维FFT变换结果进行模运算，得到功率谱灰度图像。

b.将功率谱灰度图像转换成为功率谱二值图像，即对：

取得的功率谱灰度图像中最亮的N个点，设其值为1，其它点的值均设为0，其中， $N=\frac{2^x\×2^x}{2^{x+2}}.$

c.在功率谱二值图像中建立坐标系，运用统计方法得到图像纹理的方向系数，其进程包括：

1)以功率谱二值图像中心点为原点，分别建立直角坐标系和极坐标系；

2)设图像中位置为(x，y)的点对应的极坐标为(lcosθ，lsinθ)，则该点到原点的绝对距离为l(x，y)，其灰度值为G(x，y)；

3)设直线k(θ)为过原点与x轴正轴逆时针成θ角，定义L(θ)为图像上所有在直线k(θ)上的点的绝对距离二值和，如附图2(d)，则

$L\left(\mathrm{\θ}\right)=\underset{(x_i,y_i)\∈k\left(\mathrm{\θ}\right)}{\mathrm{\Σ}}{l}_i(x_i,y_i)\×G_i(x_i,y_i)$

4)在 $\mathrm{\θ}\∈({\mathrm{\θ}}_0-\frac{\mathrm{\π}}{2},{\mathrm{\θ}}_0+\frac{\mathrm{\π}}{2}]$ 的范围内搜索L(θ)在π周期内的双峰的极大值L_p，对应的θ值为织物图像的方向特征值，记为θ_p，这里，θ₀为未旋转织物图像的方向特征值，在双峰中任取。

L(θ)在π周期内的双峰问题：织物图像的傅氏变换功率谱图像关于原点对称，故绝对距离二值和L(θ)的周期为π。由于傅氏功率谱的峰值存在于图像中纹理所在方向的垂直方向上，织物图像的径向纹理与纬向纹理在功率谱π周期内都可能出现峰值，这就是绝对距离二值和L(θ)在π周期内的双峰问题。一般情况下，两个峰值相差90°。显然，径向和纬向任何一个峰值都可以作为织物纹理识别的特征参数，这里选取 $\mathrm{\θ}\∈({\mathrm{\θ}}_0-\frac{\mathrm{\π}}{2},{\mathrm{\θ}}_0+\frac{\mathrm{\π}}{2}]$ 范围内的峰值，并确定方向特征值。

附图说明

图1为本发明的基于CCD摄像检测的智能整纬控制系统框图；

图2为本发明的织物纹理识别示意图；

图3为本发明的部分L_i(θ)与θ的对应图；

图4为本发明的平纹布图像绝对距离二值和L(θ)在π周期内的双峰现象示意图；

图5为本发明的织物纹理识别过程子程序流程图；

图6为本发明的智能整纬流程图。

具体实施方式

以下结合图1～图5对本发明作进一步的描述：

本发明的一种面向摄像整纬器的织物纹理图像识别方法包括下列步骤：

1.计算当前织物图像的方向特征值：

a.使用CCD摄像头采集移动中织物的图像，进行快速傅立叶变换(FFT)，得到功率谱灰度图像：

1)取像素为2^X×2^X的正方形图像如图2(a)所示，转换成为灰度图像，其中X＝1，2，3，…；

2)对上述灰度图像进行二维FFT变换；

3)对二维FFT变换结果进行模运算，得到功率谱灰度图像。

b.将功率谱灰度图像转换成为功率谱二值图像如图2(c)所示：

取功率谱灰度图像中最亮的N个点，设其值为1，其它点的值均设为0。其中， $N=\frac{2^x\×2^x}{2^{x+2}}.$

c.在功率谱二值图像中建立坐标系，运用统计方法得到图像纹理的方向系数：

1)以功率谱二值图像中心点为原点，分别建立直角坐标系和极坐标系；

2)设图像中位置为(x，y)的点对应的极坐标为(lcosθ，lsinθ)，则该点到原点的绝对距离为l(x，y)，其灰度值为G(x，y)；

3)设直线k(θ)为过原点与x轴正轴逆时针成θ角，定义L(θ)为图像上所有在直线k(θ)上的点的绝对距离二值和，如图2(d)所示则

$L\left(\mathrm{\θ}\right)=\underset{(x_i,y_i)\∈k\left(\mathrm{\θ}\right)}{\mathrm{\Σ}}{l}_i(x_i,y_i)\×G_i(x_i,y_i)$

4)鉴于L(θ)在π周期内的双峰问题，故在 $\mathrm{\θ}\∈({\mathrm{\θ}}_0-\frac{\mathrm{\π}}{2},{\mathrm{\θ}}_0+\frac{\mathrm{\π}}{2}]$ 的范围内搜索L(θ)的极大值L_p，对应的θ值为织物图像的方向特征值，记为θ_p。这里，θ₀为禾旋转织物图像的方向特征值，在双峰中任取。具体过程如图5所示。

L(θ)在π周期内的双峰问题：织物图像的傅氏变换功率谱图像关于原点对称，故绝对距离二值和L(θ)的周期为π。由于傅氏功率谱的峰值存在于图像中纹理所在方向的垂直方向上，织物图像的径向纹理与纬向纹理在功率谱π周期内都可能出现峰值，这就是绝对距离二值和L(θ)在π周期内的双峰问题。一般情况下，两个峰值相差90°。显然，径向和纬向任何一个峰值都可以作为织物纹理识别的特征参数，这里选取 $\mathrm{\θ}\∈({\mathrm{\θ}}_0-\frac{\mathrm{\π}}{2},{\mathrm{\θ}}_0+\frac{\mathrm{\π}}{2}]$ 范围内的峰值，并确定方向特征值。

Claims (3)

1.一种面向摄像整纬器的织物纹理图像识别方法，包括步骤：

a.使用CCD摄像头采集定向移动中织物的图像，进行快速傅立叶变换，得到功率谱灰度图像；

b.将所得的功率谱灰度图像转换成为功率谱二值图像；

c.对功率谱二值图像建立坐标关系，运用统计方法得到图像纹理的方向系数；

其特征在于正确利用基于统计的阈值分割在极坐标系上建立映射关系，上述步骤c中所述的运用统计方法得到图像纹理的方向系数包括步骤：

1)以功率谱二值图像中心点为原点，分别建立直角坐标系和极坐标系；

2)图像中位置为(x，y)的点对应的极坐标为(l cos θ，l sin θ)，自该点到原点的绝对距离为l(x，y)，其灰度值为G(x，y)；

3)直线k(θ)为过原点与x轴正轴逆时针成θ角，定义L(θ)为图像上所有在直线k(θ)上的点的绝对距离二值和，则

$L\left(\mathrm{\θ}\right)=\underset{(x_i,y_i)\∈k\left(\mathrm{\θ}\right)}{\mathrm{\Σ}}{l}_i(x_i,y_i)\×G_i(x_i,y_i);$

在 $\mathrm{\θ}\∈({\mathrm{\θ}}_0-\frac{\mathrm{\π}}{2},{\mathrm{\θ}}_0+\frac{\mathrm{\π}}{2}]$ 的范围内搜L(θ)在π周期内的双峰问题的极大值L_p，对应的θ值为织物图像的方向特征值，记为θ_p，而θ₀为未旋转织物图像的方向特征值，可在双峰中任取。

2.根据权利要求1所述的一种面向摄像整纬器的织物纹理图像识别方法，其特征在于采用快速傅立叶变换，所述的步骤a中所得到的功率谱灰度图像的步骤为：

1)取像素为2^X×2^X的正方形图像，转换成为灰度图像，其中X＝1，2，3，…；

2)对上述灰度图像进行二维快速傅立叶变换；

3)对二维快速傅立叶变换结果进行模运算，得到功率谱灰度图像。

3.根据权利要求1所述的面向摄像整纬器的织物纹理图像识别方法，其特征在于准确应用功率谱图像信息，步骤b中所述的将功率谱灰度图像转换成为功率谱二值图像，是指对取得的功率谱灰度图像中最亮的N个点，设其值为1，而其它点的值均设为0，其中， $N=\frac{2^x\×2^x}{2^{x+2}}.$

Images