CN103234969A - 一种基于机器视觉的织物纬密度测量新方法 - Google Patents

一种基于机器视觉的织物纬密度测量新方法 Download PDF

Info

Publication number
CN103234969A
CN103234969A CN2013101258783A CN201310125878A CN103234969A CN 103234969 A CN103234969 A CN 103234969A CN 2013101258783 A CN2013101258783 A CN 2013101258783A CN 201310125878 A CN201310125878 A CN 201310125878A CN 103234969 A CN103234969 A CN 103234969A
Authority
CN
China
Prior art keywords
fabric
parallel
image
weft
pick count
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013101258783A
Other languages
English (en)
Other versions
CN103234969B (zh
Inventor
许桢英
王匀
李文斌
李亚东
欧阳世佳
李小凤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou hongin Technology Co. Ltd.
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN201310125878.3A priority Critical patent/CN103234969B/zh
Publication of CN103234969A publication Critical patent/CN103234969A/zh
Application granted granted Critical
Publication of CN103234969B publication Critical patent/CN103234969B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及一种采用空域和频域相结合的基于机器视觉的织物纬密度测量的方法，其包括织物图像在空域的预处理、空域和频域结合提取织物纬线的纹理基元、织物纬密度的空域初步计算、织物纬密度的频域精确计算。利用空域与频域结合的处理方法，提高了纬密度的检测精度，成倍的削减空域处理中的数据量，提高了处理速度。在织物品种类型、尺寸大小、纬密度大小不同的情况下，自动快速、精确测量织物的纬密度。此方法具有检测效率高、适用性强、准确性高的特点。

Description

一种基于机器视觉的织物纬密度测量新方法
技术领域
本发明属于织物参数测量领域，具体是一种采用空域和频域相结合的基于机器视觉的织物纬密度测量的方法。
背景技术
现代人们对纺织品质量的要求不断提高，织物纬密度检测在印染行业已成为保证织物产品合格的重要步骤之一。织物纬密度是指织物单位长度所含的纱线根数，它直接影响织物的外观、手感、厚度、强力、抗折性、耐磨性和保暖性能等物理机械性能，关系到纺织企业的生产成本和效率。传统织物纬密度的检测主要靠人眼利用纬密度镜或者照布镜来检测，效率低，出错率高且主观性强，已经无法与生产自动化的今天相适应。上世纪80年代以来，由于具有非接触、快速等优点，基于机器视觉的自动测量方法在织物纬密度测量中应用越来越广泛。目前国内外对纺织品纬密度自动测量均进行了大量的研究。
总的来说， 基于机器视觉的织物纬密度测量由图像采集、图像预处理、特征提取等阶段构成，其核心是对采集的织物图像应用合适的方法进行处理，目前主要可分为空域处理方法和频域处理方法：
1）空域处理方法。织物通常是由两个相互垂直的经纬纱线系统交织而成的，纬纱走向为一组间隔基本固定的平行线，且织物扫描图像中纱线处的灰度值高而纱线间的空隙处灰度值低，空域处理就利用上述特点对织物图像灰度级变换的特征进行量化，即进行织物纱线纹理特征的提取，从而计算织物的纬密度。常用的空域处理方法有灰度共生矩阵法、马尔可夫随机场纹理分析方法等，这些方法在处理大尺寸、高纬密的织物图像时，由于其相对于频域处理计算量大，存在测量速度慢等缺点，故而难以满足生产实时监测的要求。
2）频域处理方法。织物图像反映了织物的表面形态，无论是纬纱还是代表纬纱的纹理基元都有周期性变化的灰度分布，包含了织物经纬纱线的信息，因此，可将图像的二维灰度分布变换为对应的二维频域中的频谱。织物纹理图像的傅里叶功率谱极值包含了丰富的织物结构信息，提取此结构信息再通过傅里叶反变换可有效地提取织物的空间结构特征。这种方法比直接从原始图像中提取空间结构信息更为容易、准确。功率谱峰值的大小和位置反映了纹理的周期性，但是在未知被测织物初略纬密度值和纬线倾斜角的情况下难以准确定位峰值点的位置且计算量大，同时对低纬密度织物图像，由于频域中的峰值点极其靠近频谱图像中心，定位峰值点位置时的极小偏差都可能带来较大的测量相对误差，因而也不能完全适应各种织物纬密度检测。
可见，如果单独应用上述两种测量方法，受织物品种类型、尺寸大小、纬密度大小等因素的影响，测量速度和精度都难以完全满足实时在线测量的需求，有待进一步提高。
发明内容
本发明的目的是在克服传统方法只是单一在空域或频域中处理织物图像之不足的基础上，提出一种空域与频域相结合的基于机器视觉的织物纬密度测量新方法，在织物品种类型、尺寸大小、纬密度大小不同的情况下，自动快速、精确测量织物的纬密度。此方法具有检测效率高、适用性强、准确性高的特点。
本发明是一种空域与频域相结合的织物纬密度测量方法，该方法包括：织物图像在空域的预处理、织物纬线的纹理基元提取、织物纬密度的初步计算、织物纬密度的精确计算；所述基于机器视觉的织物纬密度测量方法包括如下步骤：
步骤1  采用均值滤波与矫正相结合的方法对织物图像进行预处理，在采集大小为W×H像素点组成、视场测量范围为Lcm×Mcm的织物图像上，对于原始图像                                                
Figure 342384DEST_PATH_IMAGE001
(i,j)，首先生成尺寸为r×c的均值滤波器掩码M(i,j)=
Figure 88492DEST_PATH_IMAGE002
，并将所述滤波器掩码M(i,j)代入预处理计算式
Figure 738916DEST_PATH_IMAGE003
(i,j)=round(127- M(i,j)*K+
Figure 663010DEST_PATH_IMAGE004
(i,j))中，进行低通滤波预处理，得到预处理后的织物图像(i,j)，其中，K为矫正系数，用来矫正图像整体亮度，其值根据均值滤波掩码尺寸而变化。
步骤2  从织物预处理图像中提取织物纬线的纹理基元，首先，采用频域与空域相结合的方法，根据频域图像与其复共轭之乘积的傅里叶逆变换即为对应的空域图像的自相关函数，获取织物图像的空域自相关图像(m,n)；然后从所述自相关图像中搜索灰度局部极大值，获得代表织物纱线基元的空间分布，从而提取织物纬线的纹理基元。
步骤3  织物纬密度的初步计算，将所提取的纹理基元进行形态学膨胀、提取区域骨架并进行直线拟合，获取织物纬线并计算平均纬斜角
Figure 820824DEST_PATH_IMAGE006
，据此初步计算纬线间的平均线距
Figure 915819DEST_PATH_IMAGE007
和纬线平均线宽
Figure 506201DEST_PATH_IMAGE008
，从而得到粗略的织物纬密度值
Figure 876002DEST_PATH_IMAGE009
=H/(
Figure 750286DEST_PATH_IMAGE007
+
Figure 16182DEST_PATH_IMAGE008
) (根/Mcm)。
步骤4  织织物纬密度的精确计算，对所述预处理后的织物图像进行傅里叶变换，得到织物的频域图像；计算预处理后织物图像的功率谱，获得功率谱中心坐标(
Figure 93860DEST_PATH_IMAGE010
,)；根据步骤3计算所得的织物纬线平均纬斜角
Figure 481296DEST_PATH_IMAGE006
和初步的纬密度值，快速计算并定位一个半径为r个像素、中心为(, 
Figure 446868DEST_PATH_IMAGE013
)的包含纬线峰值点的圆形小区域
Figure 46477DEST_PATH_IMAGE014
在此小区域内计算灰度值重心，即精确定位亚像素级的峰值点位置为(R,C)；计算峰值点位置(R,C)与图像功率谱中心(
Figure 185334DEST_PATH_IMAGE010
,)连线的倾斜角，即获得精确的纬线纬斜角；计算峰值点位置(R,C)与功率谱中心(
Figure 128385DEST_PATH_IMAGE010
,
Figure 438144DEST_PATH_IMAGE011
)的距离
Figure 712130DEST_PATH_IMAGE016
=
Figure 483646DEST_PATH_IMAGE017
 (根/Mcm) ，换算成织物的精确纬密度值
Figure 792268DEST_PATH_IMAGE018
=10
Figure 272928DEST_PATH_IMAGE016
/M(根/Mcm)。
在本发明中，步骤2从织物预处理图像中提取织物纬线的纹理基元包括如下步骤：
① 获取织物的空域自相关图像：首先，利用傅里叶变换，将预处理后的图像变换到频域，得其频域图像
Figure 299789DEST_PATH_IMAGE019
(u,v)，计算此频域图像
Figure 360149DEST_PATH_IMAGE019
(u,v)与其复共轭
Figure 38124DEST_PATH_IMAGE020
(u,v)的乘积，再利用傅里叶逆变换变换回空域，得到预处理后织物图像的自相关图像，即       
Figure 689685DEST_PATH_IMAGE021
(m,n)=IFT(
Figure 938264DEST_PATH_IMAGE020
(u,v)
Figure 333473DEST_PATH_IMAGE022
(u,v))
② 提取局部极大值点位置：将步骤①所述织物自相关图像上的每个点用二次多项式
Figure 616687DEST_PATH_IMAGE021
(m,n)=
Figure 907991DEST_PATH_IMAGE023
=g作近似，并求取每个点的Hessian矩阵A：
A=
Figure 175025DEST_PATH_IMAGE024
计算所述Hessian矩阵A的行列式：
det(A)=
Figure 89104DEST_PATH_IMAGE025
Figure 757983DEST_PATH_IMAGE026
搜索使det(A)>0且 < 0的点，即为织物自相关图像上的局部极大值，得到织物纬线基元点。
③ 提取纬线基元：将步骤②所述极值点处的灰度全设为255，并保留极值点的位置信息，摒弃织物图像表面多余灰度信息，获得纬线基元。
在本发明中，步骤3在空域中初略计算织物纬线的纬斜角与纬密度值，包括下列步骤：
① 获取形态学结构元：连接图像原点与行方向最近的极值点获得区域形态学结构元。
② 获取纬线的区域骨架：用所述步骤①中的结构元膨胀所有极值点区域并提取区域骨架，获取纬线的区域骨架。
③ 直线分割及拟合：所述步骤②中纬线的区域骨架为分割的许多待拟合的小段直线，采用Humber权重函数采用3次迭代计算，消除离群点，并拟合直线，获取织物纬线。
④织物纬斜角、纬密度值的初步计算：选择图像中心附近的n条纬线，由所述步骤③中拟合的直线的首尾坐标(
Figure 912201DEST_PATH_IMAGE028
、(,
Figure 625128DEST_PATH_IMAGE030
)计算初略的平均纬斜角=
Figure 499860DEST_PATH_IMAGE031
Figure 509404DEST_PATH_IMAGE032
；生成一条倾斜角为
Figure 887296DEST_PATH_IMAGE006
+π/2的垂直于所述拟合纬线的直线截断各纬线，在此直线上计算代表每两条相邻纬线线距的截断直线段长度
Figure 206151DEST_PATH_IMAGE033
和代表各纬线线宽的相交直线段长度
Figure 138335DEST_PATH_IMAGE034
，并分别求得平均线距
Figure 482728DEST_PATH_IMAGE007
=
Figure 183968DEST_PATH_IMAGE035
和纬线平均线宽
Figure 424456DEST_PATH_IMAGE008
=
Figure 375095DEST_PATH_IMAGE036
，得初略的纬密值
Figure 975709DEST_PATH_IMAGE009
=H/(
Figure 797035DEST_PATH_IMAGE007
+
Figure 739583DEST_PATH_IMAGE008
)(根/Mcm)。
实际的检测过程中，每连续5幅单幅图像的纬密度的平均值作为测量的一次输出和显示。
在同一批织物中，将前10次输出和显示的纬密度的平均值作为后续织物图像的初略纬密值
Figure 646359DEST_PATH_IMAGE009
，将前10次输出和显示的纬斜角的平均值作为后续织物图像的初略平均纬斜角
Figure 801397DEST_PATH_IMAGE006
，即可省略权利要求1中所述的步骤2和步骤3，织物图像经过步骤1所述预处理后，直接进入步骤4，根据此初略纬密值
Figure 8388DEST_PATH_IMAGE009
和平均纬斜角
Figure 842876DEST_PATH_IMAGE006
来定位半径为r个像素、中心为(
Figure 768107DEST_PATH_IMAGE012
,)的小范围区域，并计算织物纬密度的精确值
Figure 257174DEST_PATH_IMAGE018
。
本发明具有以下的技术优势：
前期对织物图像进行了预处理，显著降低或消除环境变化或光照不均对织物纬密测量的影响；在空域中利用织物图像的自相关取代表织物纬纱的基元并得到其位置信息，适当地摒弃织物表面图像多余灰度信息，成倍地削减了传统空域处理方法的数据量，大大提高处理速度；经过区域形态学、直线拟合连接孤立的基元得到代表实际织物的纬线，使得在检测纬密的过程中还能得到织物的纬斜角；在空域中利用垂直于纬线的直线，得到纬线间的截断直线段和相交直线段，快速地计算代表相邻纬线间距的截断直线段和代表纬线宽度的相交直线段长度来到初略的纬密值，消除了织物纬线倾斜导致的边缘纬线不全的影响；由初略的纬密值和纬斜角可以快速定位频域中包含纬线峰值点的小范围区域，达到滤除无关频域峰值，快速、精确地得到纬线水平或倾斜的织物纬密度值。整个空域处理的全过程自动选择阶段执行，使整个测量处理的数据量极少，检测速度大幅提高。
附图说明
图1 为本发明的原始织物图像。
图2 为图1中原始织物图进行图像预处理后的图像。
图3 为图2中预处理图像的空域自相关图像。
图4 为在图3上提取的纱线基元空间分布图。
图5 为图4中纱线基于空间分布的局部放大图。
图6 为摒弃织物图像表面多余灰度信息的纱线基元空间分布图。
图7为将图6的空间基元分布叠加与图2上的效果图。
图8为区域形态学处理、直线拟合得到的纬线图。
图9 为获取相邻纬线距离与各纬线宽度图。
图10 为图9的局部放大图。
图11 为频域内定位纬线峰值点的小范围圆形区域图。
图12为图11中进一步精确提取纬线峰值点图。
图13 为织物纬密测量的结构参数示意图。
图14为本发明所述方法的流程图。
具体实施方式
为了加深对本发明的理解，下面结合附图1~14，对本发明提出的一种基于机器视觉的织物纬密度测量新方法作进一步详述，所举实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
对于待检测的布匹，拍摄得如图1所示的原始图像，并按照织物图像在空域的预处理、织物纬线的纹理基元提取、织物纬密度的初步计算、织物纬密度的精确计算的过程进行检测，具体包括如下步骤：
步骤1  采用均值滤波与矫正相结合的方法对织物图像进行预处理，在采集大小为W×H像素点组成、视场测量范围为Lcm×Mcm的织物图像上，对于原始图像
Figure 275945DEST_PATH_IMAGE001
(i,j)，首先生成尺寸为r×c的均值滤波器掩码M(i,j)=
Figure 157314DEST_PATH_IMAGE037
，并将所述滤波器掩码M(i,j)代入预处理计算式
Figure 903422DEST_PATH_IMAGE003
(i,j)=round(127- M(i,j)*K+
Figure 85004DEST_PATH_IMAGE004
(i,j))中，进行低通滤波预处理，得到预处理后的织物图像
Figure 9098DEST_PATH_IMAGE003
(i,j)，其中，K为矫正系数，用来矫正图像整体亮度，其值根据均值滤波掩码尺寸而变化。
步骤2  从织物预处理图像中提取织物纬线的纹理基元，首先，采用频域与空域相结合的方法，根据频域图像与其复共轭之乘积的傅里叶逆变换即为对应的空域图像的自相关函数，获取织物图像的空域自相关图像
Figure 112183DEST_PATH_IMAGE005
(m,n)；然后从所述自相关图像中搜索灰度局部极大值，获得代表织物纱线基元的空间分布，从而提取织物纬线的纹理基元，如图6所示。
步骤3  织物纬密度的初步计算，将所提取的纹理基元进行形态学膨胀、提取区域骨架并进行直线拟合，获取织物纬线并计算平均纬斜角
Figure 678294DEST_PATH_IMAGE006
，据此初步计算纬线间的平均线距
Figure 448804DEST_PATH_IMAGE007
和纬线平均线宽
Figure 793066DEST_PATH_IMAGE008
，从而得到粗略的织物纬密度值
Figure 914606DEST_PATH_IMAGE009
=H/(+
Figure 909424DEST_PATH_IMAGE008
) (根/Mcm)。
步骤4  织物纬密度的精确计算，对所述预处理后的织物图像进行傅里叶变换，得到织物的频域图像；计算预处理后织物图像的功率谱，获得功率谱中心坐标(
Figure 175320DEST_PATH_IMAGE010
,)；根据步骤3计算所得的织物纬线平均纬斜角
Figure 879020DEST_PATH_IMAGE006
和初步的纬密度值
Figure 889701DEST_PATH_IMAGE009
，快速计算并定位一个半径为r个像素、中心为(
Figure 326499DEST_PATH_IMAGE012
, 
Figure 422631DEST_PATH_IMAGE013
)的包含纬线峰值点的圆形小区域
在此小区域内计算灰度值重心，即精确定位亚像素级的峰值点位置为(R,C)；计算峰值点位置(R,C)与图像功率谱中心(
Figure 71918DEST_PATH_IMAGE010
,)连线的倾斜角，即获得精确的纬线纬斜角
Figure 802861DEST_PATH_IMAGE015
；计算峰值点位置(R,C)与功率谱中心(
Figure 855131DEST_PATH_IMAGE010
,
Figure 370426DEST_PATH_IMAGE011
)的距离
Figure 558962DEST_PATH_IMAGE016
=
Figure 337562DEST_PATH_IMAGE017
 (根/Mcm) ，换算成织物的精确纬密度值
Figure 408286DEST_PATH_IMAGE018
=10
Figure 179802DEST_PATH_IMAGE016
/M(根/Mcm)
其中，从织物预处理图像中提取织物纬线的纹理基元（步骤1）包括如下步骤：
①获取织物的空域自相关图像：首先，利用傅里叶变换，将预处理后的图像变换到频域，得其频域图像
Figure 19582DEST_PATH_IMAGE019
(u,v)，计算此频域图像
Figure 969083DEST_PATH_IMAGE019
(u,v)与其复共轭
Figure 995945DEST_PATH_IMAGE020
(u,v)的乘积，再利用傅里叶逆变换变换回空域，得到预处理后织物图像的自相关图像，即
Figure 587463DEST_PATH_IMAGE021
(m,n)=IFT(
Figure 750591DEST_PATH_IMAGE020
(u,v)(u,v))
② 提取局部极大值点位置：将步骤①所述织物自相关图像上的每个点用二次多项式
Figure 165578DEST_PATH_IMAGE021
(m,n)=
Figure 29629DEST_PATH_IMAGE023
=g作近似，并求取每个点的Hessian矩阵A：
A=
Figure 844001DEST_PATH_IMAGE024
计算所述Hessian矩阵A的行列式：
det(A)=
Figure 135305DEST_PATH_IMAGE025
Figure 871180DEST_PATH_IMAGE026
搜索使det(A)>0且 < 0的点，即为织物自相关图像上的局部极大值，得到织物纬线基元点，如图4及其局部放大图5所示。
③ 提取纬线基元：将步骤②所述极值点处的灰度全设为255，并保留极值点的位置信息，摒弃织物图像表面多余灰度信息，获得纬线基元，如图6所示。
其中，在空域中初略计算织物纬线的纬斜角与纬密度值（步骤3），包括下列步骤：
① 获取形态学结构元：连接图像原点与行方向最近的极值点获得区域形态学结构元。
② 获取纬线的区域骨架：用所述步骤①中的结构元膨胀所有极值点区域并提取区域骨架，获取纬线的区域骨架。
③ 直线分割及拟合：所述步骤②中纬线的区域骨架为分割的许多待拟合的小段直线，采用Huber权重函数采用3次迭代计算，消除离群点，并拟合直线，获取织物纬线，如图8所示。
④织物纬斜角、纬密度值的初步计算：选择图像中心附近的n条纬线，由所述步骤③中拟合的直线的首尾坐标(
Figure 457068DEST_PATH_IMAGE028
、(
Figure 919273DEST_PATH_IMAGE029
,
Figure 673603DEST_PATH_IMAGE030
)计算初略的平均纬斜角
Figure 879456DEST_PATH_IMAGE006
=
Figure 402842DEST_PATH_IMAGE031
Figure 301527DEST_PATH_IMAGE032
；生成一条倾斜角为
Figure 264192DEST_PATH_IMAGE006
+π/2的垂直于所述拟合纬线的直线截断各纬线，在此直线上计算代表每两条相邻纬线线距的截断直线段长度
Figure 539315DEST_PATH_IMAGE033
和代表各纬线线宽的相交直线段长度
Figure 651628DEST_PATH_IMAGE034
，并分别求得平均线距
Figure 986794DEST_PATH_IMAGE007
=和纬线平均线宽
Figure 732213DEST_PATH_IMAGE008
=
Figure 230191DEST_PATH_IMAGE036
，得初略的纬密值
Figure 719947DEST_PATH_IMAGE009
=H/(  + 
Figure 21932DEST_PATH_IMAGE008
) (根/Mcm)。
每连续5幅单幅图像的纬密度的平均值作为测量的一次输出和显示。
在同一批织物中，将前10次输出和显示的纬密度的平均值作为后续织物图像的初略纬密值
Figure 843258DEST_PATH_IMAGE009
，将前10次输出和显示的纬斜角的平均值作为后续织物图像的初略平均纬斜角，即可省略权利要求1中所述的步骤2和步骤3，织物图像经过步骤1所述预处理后，直接进入步骤4，根据此初略纬密值
Figure 410691DEST_PATH_IMAGE009
和平均纬斜角
Figure 831308DEST_PATH_IMAGE006
来定位半径为r个像素、中心为(
Figure 772719DEST_PATH_IMAGE012
,
Figure 355010DEST_PATH_IMAGE013
)的小范围区域，并计算织物纬密度的精确值
Figure 280241DEST_PATH_IMAGE018
。 

Claims (5)

1.一种基于机器视觉的织物纬密度测量新方法，其包括：织物图像在空域的预处理、织物纬线的纹理基元提取、织物纬密度的初步计算、织物纬密度的精确计算；其特征在于，所述基于机器视觉的织物纬密度测量方法包括如下步骤：
步骤1  采用均值滤波与矫正相结合的方法对织物图像进行预处理，在采集大小为W×H像素点组成、视场测量范围为Lcm×Mcm的织物图像上，对于原始图像                                                
Figure 2013101258783100001DEST_PATH_IMAGE001
(i,j)，首先生成尺寸为r×c的均值滤波器掩码M(i,j)=，并将所述滤波器掩码M(i,j)代入预处理计算式(i,j)=round(127-M(i,j)*K+(i,j))中，进行低通滤波预处理，得到预处理后的织物图像
Figure 767885DEST_PATH_IMAGE003
(i,j)，其中，K为矫正系数，用来矫正图像整体亮度，其值根据均值滤波掩码尺寸而变化;
步骤2  从织物预处理图像中提取织物纬线的纹理基元，首先，采用频域与空域相结合的方法，根据频域图像与其复共轭之乘积的傅里叶逆变换即为对应的空域图像的自相关函数，获取织物图像的空域自相关图像
Figure 829382DEST_PATH_IMAGE004
(m,n)；然后从所述自相关图像中搜索灰度局部极大值，获得代表织物纱线基元的空间分布，从而提取织物纬线的纹理基元;
步骤3  织物纬密度的初步计算，将所提取的纹理基元进行形态学膨胀、提取区域骨架并进行直线拟合，获取织物纬线并计算平均纬斜角
Figure 51416DEST_PATH_IMAGE005
，据此初步计算纬线间的平均线距
Figure 463943DEST_PATH_IMAGE006
和纬线平均线宽
Figure 491942DEST_PATH_IMAGE007
，从而得到粗略的织物纬密度值
Figure 673524DEST_PATH_IMAGE008
=H/(
Figure 797951DEST_PATH_IMAGE006
+) (根/Mcm) ;
步骤4  织物纬密度的精确计算，对所述预处理后的织物图像进行傅里叶变换，得到织物的频域图像；计算预处理后织物图像的功率谱，获得功率谱中心坐标(,
Figure 565552DEST_PATH_IMAGE010
)；根据步骤3计算所得的织物纬线平均纬斜角
Figure 863810DEST_PATH_IMAGE005
和初步的纬密度值，快速计算并定位一个半径为r个像素、中心为(
Figure 620730DEST_PATH_IMAGE011
,
Figure 511326DEST_PATH_IMAGE012
)的包含纬线峰值点的圆形小区域
Figure 246064DEST_PATH_IMAGE013
在此小区域内计算灰度值重心，即精确定位亚像素级的峰值点位置为(R,C)；计算峰值点位置(R,C)与图像功率谱中心(
Figure 854899DEST_PATH_IMAGE009
,
Figure 28392DEST_PATH_IMAGE010
)连线的倾斜角，即获得精确的纬线纬斜角
Figure 39073DEST_PATH_IMAGE014
；计算峰值点位置(R,C)与功率谱中心(
Figure 944712DEST_PATH_IMAGE009
,
Figure 40844DEST_PATH_IMAGE010
)的距离
Figure 752448DEST_PATH_IMAGE015
=
Figure 617636DEST_PATH_IMAGE016
 (根/Mcm) ，换算成织物的精确纬密度值
Figure 694177DEST_PATH_IMAGE017
=10
Figure 277605DEST_PATH_IMAGE015
/M(根/Mcm)。
2.根据权利要求1所述的一种基于机器视觉的织物纬密度测量新方法，其特征在于，所述从织物预处理图像中提取织物纬线的纹理基元包括如下步骤：
① 获取织物的空域自相关图像：首先，利用傅里叶变换，将预处理后的图像变换到频域，得其频域图像
Figure 527320DEST_PATH_IMAGE018
(u,v)，计算此频域图像
Figure 512594DEST_PATH_IMAGE018
(u,v)与其复共轭
Figure 760036DEST_PATH_IMAGE019
(u,v)的乘积，再利用傅里叶逆变换变换回空域，得到预处理后织物图像的自相关图像，即
(m,n)=IFT(
Figure 884166DEST_PATH_IMAGE019
(u,v)
Figure 723947DEST_PATH_IMAGE021
(u,v))
② 提取局部极大值点位置：将步骤①所述织物自相关图像上的每个点用二次多项式
Figure 142290DEST_PATH_IMAGE020
(m,n)=
Figure 434731DEST_PATH_IMAGE022
=g作近似，并求取每个点的Hessian矩阵A：
A=
Figure 291828DEST_PATH_IMAGE023
计算所述Hessian矩阵A的行列式：
det(A)=
Figure 923798DEST_PATH_IMAGE024
Figure 575359DEST_PATH_IMAGE025
搜索使det(A)>0且
Figure 620675DEST_PATH_IMAGE026
 < 0的点，即为织物自相关图像上的局部极大值，得到织物纬线基元点;
③ 提取纬线基元：将步骤②所述极值点处的灰度全设为255，并保留极值点的位置信息，摒弃织物图像表面多余灰度信息，获得纬线基元。
3.根据权利要求1所述的一种基于机器视觉的织物纬密度测量新方法，其特征在于，所述步骤3在空域中初略计算织物纬线的纬斜角与纬密度值，包括下列步骤：
① 获取形态学结构元：连接图像原点与行方向最近的极值点获得区域形态学结构元;
② 获取纬线的区域骨架：用所述步骤①中的结构元膨胀所有极值点区域并提取区域骨架，获取纬线的区域骨架;
③ 直线分割及拟合：所述步骤②中纬线的区域骨架为分割的许多待拟合的小段直线，采用Huber权重函数采用3次迭代计算，消除离群点，并拟合直线，获取织物纬线;
④ 织物纬斜角、纬密度值的初步计算：选择图像中心附近的n条纬线，由所述步骤③中拟合的直线的首尾坐标(、(
Figure 499431DEST_PATH_IMAGE028
,
Figure 587473DEST_PATH_IMAGE029
)计算初略的平均纬斜角
Figure 854506DEST_PATH_IMAGE005
=
Figure 53406DEST_PATH_IMAGE030
Figure 394389DEST_PATH_IMAGE031
；生成一条倾斜角为
Figure 653332DEST_PATH_IMAGE005
+π/2的垂直于所述拟合纬线的直线截断各纬线，在此直线上计算代表每两条相邻纬线线距的截断直线段长度
Figure 407661DEST_PATH_IMAGE032
和代表各纬线线宽的相交直线段长度
Figure 456258DEST_PATH_IMAGE033
，并分别求得平均线距
Figure 917326DEST_PATH_IMAGE006
=
Figure 347170DEST_PATH_IMAGE034
和纬线平均线宽
Figure 260900DEST_PATH_IMAGE007
=
Figure 801602DEST_PATH_IMAGE035
，得初略的纬密值
Figure 382756DEST_PATH_IMAGE008
=H/( +
Figure 446844DEST_PATH_IMAGE007
) (根/Mcm) 。
4.根据权利要求1所述的一种基于机器视觉的织物纬密度测量新方法，其特征在于，每连续5幅单幅图像的纬密度的平均值作为测量的一次输出和显示。
5.根据权利要求1所述的一种基于机器视觉的织物纬密度测量新方法，其特征在于，在同一批织物中，将前10次输出和显示的纬密度的平均值作为后续织物图像的初略纬密值，将前10次输出和显示的纬斜角的平均值作为后续织物图像的初略平均纬斜角
Figure 958390DEST_PATH_IMAGE005
，即可省略权利要求1中所述的步骤2和步骤3，织物图像经过步骤1所述预处理后，直接进入步骤4，根据此初略纬密值和平均纬斜角来定位半径为r个像素、中心为(
Figure 500864DEST_PATH_IMAGE011
,
Figure 853347DEST_PATH_IMAGE012
)的小范围区域，并计算织物纬密度的精确值
Figure 795896DEST_PATH_IMAGE017
。
CN201310125878.3A 2013-04-12 2013-04-12 一种基于机器视觉的织物纬密度测量新方法 Active CN103234969B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310125878.3A CN103234969B (zh) 2013-04-12 2013-04-12 一种基于机器视觉的织物纬密度测量新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310125878.3A CN103234969B (zh) 2013-04-12 2013-04-12 一种基于机器视觉的织物纬密度测量新方法

Publications (2)

Publication Number Publication Date
CN103234969A true CN103234969A (zh) 2013-08-07
CN103234969B CN103234969B (zh) 2015-03-04

Family

ID=48883020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310125878.3A Active CN103234969B (zh) 2013-04-12 2013-04-12 一种基于机器视觉的织物纬密度测量新方法

Country Status (1)

Country Link
CN (1) CN103234969B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103866551A (zh) * 2014-03-28 2014-06-18 南京理工大学 基于机器视觉的织物纬斜快速探测方法
CN104614372A (zh) * 2015-01-20 2015-05-13 佛山职业技术学院 一种太阳能硅片检测方法
CN104778698A (zh) * 2015-04-13 2015-07-15 佛山市南海天富科技有限公司 一种织物纬密测量方法及设备
CN106651891A (zh) * 2016-10-13 2017-05-10 天津工业大学 三维编织物复合材料预制件表面参数测量方法
CN107341810A (zh) * 2017-06-16 2017-11-10 重庆交通大学 一种车辆自动识别方法、装置及电子设备
CN109211918A (zh) * 2018-08-28 2019-01-15 河海大学常州校区 一种基于纬纱走向的织物弓纬检测方法
CN109594319A (zh) * 2019-01-07 2019-04-09 东华大学 一种织物经纬密度智能检测装置及方法
CN110349142A (zh) * 2019-07-05 2019-10-18 创新奇智(青岛)科技有限公司 钢卷端面的缺陷样本生成方法、模型训练方法、系统及电子设备
CN110390675A (zh) * 2019-07-26 2019-10-29 常州弘仁智能科技有限公司 一种基于影像分析的织物纬斜检测方法
CN110791944A (zh) * 2019-11-15 2020-02-14 常州瑞昇科技有限公司 整纬机控制方法、装置、计算机设备和存储介质
CN111368585A (zh) * 2018-12-25 2020-07-03 中国科学院长春光学精密机械与物理研究所 一种弱小目标检测方法、检测系统、存储装置及终端设备
CN114677062A (zh) * 2022-05-27 2022-06-28 南通隆特家纺有限公司 一种家纺纤维面料生产质量监控系统
CN116934749A (zh) * 2023-09-15 2023-10-24 山东虹纬纺织有限公司 基于图像特征的纺织物瑕疵快速检测方法
CN117132593A (zh) * 2023-10-25 2023-11-28 济宁华晟服装股份有限公司 一种抗周期纹理影响的布匹粗糙度检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3336579A1 (de) * 1983-10-07 1985-05-02 Alma-Atinskoe special'noe konstruktorsko-technologi&ccaron;eskoe bjuro nestandartizirovannych radioizotopnych i drugich sredstv ASUTP legkoj promy&scaron;lennosti, Alma-Ata Einrichtung zur bestimmung der schussdichte eines bewegten gewebes
JPS63138240A (ja) * 1986-12-01 1988-06-10 C-Ren Denshi Kk 布帛の横糸密度の測定装置
CN101996323A (zh) * 2010-11-09 2011-03-30 东华大学 一种用于表征织物纹理的分形概貌与分形细节混合特征向量提取方法
CN102788793A (zh) * 2012-03-31 2012-11-21 江南大学 一种基于频谱分析的纬编针织物密度测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3336579A1 (de) * 1983-10-07 1985-05-02 Alma-Atinskoe special'noe konstruktorsko-technologi&ccaron;eskoe bjuro nestandartizirovannych radioizotopnych i drugich sredstv ASUTP legkoj promy&scaron;lennosti, Alma-Ata Einrichtung zur bestimmung der schussdichte eines bewegten gewebes
JPS63138240A (ja) * 1986-12-01 1988-06-10 C-Ren Denshi Kk 布帛の横糸密度の測定装置
CN101996323A (zh) * 2010-11-09 2011-03-30 东华大学 一种用于表征织物纹理的分形概貌与分形细节混合特征向量提取方法
CN102788793A (zh) * 2012-03-31 2012-11-21 江南大学 一种基于频谱分析的纬编针织物密度测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴海虹等: "织物图像的倾斜检测与纬纱密度识别", 《中国图象图形学报》, vol. 11, no. 5, 31 May 2006 (2006-05-31), pages 640 - 645 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103866551A (zh) * 2014-03-28 2014-06-18 南京理工大学 基于机器视觉的织物纬斜快速探测方法
CN103866551B (zh) * 2014-03-28 2016-04-20 南京理工大学 基于机器视觉的织物纬斜快速探测方法
CN104614372A (zh) * 2015-01-20 2015-05-13 佛山职业技术学院 一种太阳能硅片检测方法
CN104614372B (zh) * 2015-01-20 2017-05-03 佛山职业技术学院 一种太阳能硅片检测方法
CN104778698A (zh) * 2015-04-13 2015-07-15 佛山市南海天富科技有限公司 一种织物纬密测量方法及设备
CN104778698B (zh) * 2015-04-13 2018-05-08 佛山市南海天富科技有限公司 一种织物纬密测量方法及设备
CN106651891A (zh) * 2016-10-13 2017-05-10 天津工业大学 三维编织物复合材料预制件表面参数测量方法
CN106651891B (zh) * 2016-10-13 2023-05-09 天津工业大学 三维编织物复合材料预制件表面参数测量方法
CN107341810A (zh) * 2017-06-16 2017-11-10 重庆交通大学 一种车辆自动识别方法、装置及电子设备
CN107341810B (zh) * 2017-06-16 2020-07-10 重庆交通大学 一种车辆自动识别方法、装置及电子设备
CN109211918A (zh) * 2018-08-28 2019-01-15 河海大学常州校区 一种基于纬纱走向的织物弓纬检测方法
CN111368585A (zh) * 2018-12-25 2020-07-03 中国科学院长春光学精密机械与物理研究所 一种弱小目标检测方法、检测系统、存储装置及终端设备
CN109594319A (zh) * 2019-01-07 2019-04-09 东华大学 一种织物经纬密度智能检测装置及方法
CN110349142A (zh) * 2019-07-05 2019-10-18 创新奇智(青岛)科技有限公司 钢卷端面的缺陷样本生成方法、模型训练方法、系统及电子设备
CN110390675A (zh) * 2019-07-26 2019-10-29 常州弘仁智能科技有限公司 一种基于影像分析的织物纬斜检测方法
CN110791944A (zh) * 2019-11-15 2020-02-14 常州瑞昇科技有限公司 整纬机控制方法、装置、计算机设备和存储介质
CN110791944B (zh) * 2019-11-15 2020-09-15 常州瑞昇科技有限公司 整纬机控制方法、装置、计算机设备和存储介质
CN114677062A (zh) * 2022-05-27 2022-06-28 南通隆特家纺有限公司 一种家纺纤维面料生产质量监控系统
CN114677062B (zh) * 2022-05-27 2022-08-12 南通隆特家纺有限公司 一种家纺纤维面料生产质量监控系统
CN116934749A (zh) * 2023-09-15 2023-10-24 山东虹纬纺织有限公司 基于图像特征的纺织物瑕疵快速检测方法
CN116934749B (zh) * 2023-09-15 2023-12-19 山东虹纬纺织有限公司 基于图像特征的纺织物瑕疵快速检测方法
CN117132593A (zh) * 2023-10-25 2023-11-28 济宁华晟服装股份有限公司 一种抗周期纹理影响的布匹粗糙度检测方法
CN117132593B (zh) * 2023-10-25 2024-03-26 济宁华晟服装股份有限公司 一种抗周期纹理影响的布匹粗糙度检测方法

Also Published As

Publication number Publication date
CN103234969B (zh) 2015-03-04

Similar Documents

Publication Publication Date Title
CN103234969A (zh) 一种基于机器视觉的织物纬密度测量新方法
CN105976312B (zh) 基于点特征直方图的点云自动配准方法
CN102879401B (zh) 基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法
CN103604809B (zh) 一种图案布匹瑕疵在线视觉检测方法
CN107248159A (zh) 一种基于双目视觉的金属工件缺陷检测方法
CN102609701B (zh) 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法
CN105913415A (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
WO2022116218A1 (zh) 一种用于复杂表面的线结构光中心提取方法
CN107742289A (zh) 一种基于机器视觉回转体工件检测方法
CN102706881A (zh) 基于机器视觉的布匹瑕疵检测方法
CN110059663A (zh) 一种基于特征点检测的粘连蘑菇视觉识别与测量方法
CN106951905A (zh) 一种基于tof相机的树上苹果识别与定位方法
CN113093216A (zh) 一种激光雷达和相机融合的不规则物体测量方法
Zhang et al. A review of fabric identification based on image analysis technology
CN103727930A (zh) 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法
CN103295232A (zh) 基于直线和区域的sar图像配准方法
CN109766838A (zh) 一种基于卷积神经网络的步态周期检测方法
CN107341470A (zh) 一种基于航拍图像的输电线检测方法
CN107358628A (zh) 基于靶标的线阵图像处理方法
CN104077769A (zh) 一种图像配准中的误匹配点对剔除算法
CN104251662B (zh) 有序点云阈值自适应抑噪技术
CN104764407A (zh) 一种电缆护套厚度的精细测量方法
CN114862855A (zh) 基于模板匹配的纺织品缺陷检测方法及系统
CN102800113A (zh) 一种基于分形维数的数字图像分析方法
CN105654479A (zh) 多光谱图像配准方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20171225

Address after: 213000 Jiangsu province Changzhou City Zhonglou District Yonghong Street East Village Gaojiacun No. 67

Patentee after: Changzhou hongin Technology Co. Ltd.

Address before: 212013 Zhenjiang City, Jiangsu Province University Road, No. 301

Patentee before: Jiangsu University

TR01 Transfer of patent right