CN104237275A - 一种非织造布纤维取向分布识别方法 - Google Patents

Abstract

本发明涉及一种非织造布纤维取向分布识别方法，属于新型纺织测试领域。非织造布是随机排列纤维经热粘合、针刺等方法成型的纺织品。其物理机械性能与纤维取向分布有着紧密的联系。本发明提出一种基于图像处理技术的纤维取向分布识别方法，可以直接识别非织造布纤维取向分布。与其他间接方法相比，其优点在于图像处理过程中实现纤维取向的直接识别，具有抗干扰的鲁棒性。应用扫描电镜采集非织造布中纤维分布图，得到高质量放大图形。经灰度化、二值化和边缘检测对图像进行预处理，通过霍夫变换将非织造布扫描电镜图变换为参数空间图，统计参数空间参数点轨迹，计算出参考点累加计数，选出峰值。按角度范围进行频率合并，得到纤维取向分布测量结果。本发明可实现非织造布纤维取向分布的直接、高效识别，结果准确，抗干扰强。

Description

一种非织造布纤维取向分布识别方法

技术领域

本发明属纺织新型测试领域，涉及一种非织造布纤维取向分布识别方法，具体涉及到图像采集、处理及识别技术。适用于非织造布各向异性力学特性、物理机械性能研究。

背景技术

相比于机织物、针织物，非织造技术是一门新兴的材料加工技术，它结合了纺织、造纸、皮革和塑料四大柔性材料加工技术，并充分结合和运用了众多现代高新技术。非织造布是由随机排列的单纤维网通过化学、机械、热学等加固手段使该结构稳定和完整，具有生产工艺流程短、装备智能化、生产率高、产量高、可应用纤维范围广、工艺变化多的优点。非织造材料已广泛地应用到环保过滤、医疗、卫生、保健、工业、农业、土木水利工程、建筑、家庭设施及生活的各个领域。

非织造布中纤维呈随机排列状态，呈显著的各项异性特征。因此，非织造布的物理机械性能与非织造布中纤维排列有着紧密的联系。传统用于检测纤维分布的激光扫描法、直接示踪法、微观法、CCD采集图像处理法等。

激光扫描法，用激光照射非织造布，测量纤维取向分布。主要有散射法，即根据非织造布中纤维对激光束散射强度与纤维取向有关，通过分析散射图像强度求得纤维取向。其缺点是散热强度与纤维表面光洁度和折射率有关；衍射法，即假设纤维呈棒状，且长度相同，对这种固定长度的圆棒，若给定激光的方位角进行照射，其衍射强度与纤维的取向有关，利用测出激光照射下的纤维衍射强度求出纤维的取向。但推算时需要对纤维结晶进行测量。测试设备复杂，假设条件也与纤维网实际分布差异太大，影响测量结果的准确性。

直接示踪法，将一定比例的染色纤维混入纤维网内，用显微镜观察并统计染色纤维沿各向分布数量，求得纤维取向分布。首先对采集到的数字图像进行预处理，进行细化和轮廓增强处理，把实际图像中的纤维转化成简单数字化的弧线。该方法测试耗时较长，且示踪纤维的细度会影响纤维取向分布识别结果。

微观法，由于非织造布对平行和垂直于纤维轴向的偏振化电磁波呈现出不同的相对介电常数，基于纤维内部大分子取向排列，应用微波谐振腔产生的偏振化微波测量非织造布在两个不同方向上的相对介电常数。因此，运用微波偏振化方向与非织造布机器方向平行和垂直时的相对介电常数表示其取向度。缺点是纤维吸湿易受环境因素影响，进而引起纤维介电常数改变，产生测量误差。

以上方法都是建立在一定假设条件下，不够直接和客观。

光学显微镜法识别纤维取向分布，即运用光学显微镜和CCD摄像装置采集到非织造布放大图像，应用图像采集卡将非织造布图像转换为数字图像并输入计算机中。对图像进行预处理，得到纤维取向分布或取向特征值指标。该方法测试设备组成复杂、流程长、工序多。

快速傅立叶变换，将采集到的非织造布表面纤维图像进行滤波和阀值处理，应用傅里叶变换将非织造布扫描电镜图变换到频域，然后在频谱中统计各个角度上频率信号的强度，最后累加一定角度范围内的频率信号，得到纤维取向分布。该方法将非织造布扫描电镜图变换到频域及频域信号强度统计时对噪音和光照条件特别敏感，检测结果易受环境条件的影响。

为此，本发明提出一种基于图像处理技术的纤维取向分布识别方法。应用扫描电镜采集非织造布中纤维分布图像，得到高质量图形。经图像预处理、灰度化、二值化和边缘检测，通过霍夫变换将非织造布扫描电镜图变换到参数空间图，统计参数空间参数点轨迹，计算出参考点累加计数，选出峰值。按角度范围进行频率合并，得到纤维取向分布的识别结果。本发明提出的纤维取向分布识别方法，克服以上纤维取向分布测量方法流程长、易受环境影响等缺点，具有测量流程短，效率高的优点。

发明内容

为了准确识别非织造布中纤维排列，预测非织造布物理机械性能，本发明开发一种图像处理程序，实现准确识别非织造布中纤维取向分布，便于科研人员研究取向分布对非织造布性能影响，预测非织造布物理机械性能。

本发明解决其技术问题所采用的技术方案是：

(1)利用扫描电镜或X-射线微观CT等设备采集非织造布的表面图像，要求图像放大倍率在100倍以上，明暗均匀度好，纤维排列清晰可见；

(2)对非织造布图像进行预处理、灰度化、二值化和边缘检测：在Matlab环境下应用rgb2gray将扫描电镜拍摄到的纤维分布图转换成灰度图像；在Matlab环境下应用im2bw通过设定高度阈值将灰度图转换成二值图像，即使整个图像呈现出明显的黑白视觉效果；图像处理中边缘检测是纤维取向分布识别的一个重要环节，在Matlab环境下应用sobel算子对非织造布二值图像进行检测边缘，检测纤维边缘轮廓点；

(3)应用Hough变换通过提取分布于纤维上点的参数及点的特征值来检测纤维。对纤维图像上的每点定义一个参数空间映射，将纤维排列二值化图转换到参数空间图，应用Hough变换在参数空间寻找最大值点，得到位于图像空间中的纤维排列，识别非织造布中纤维；

(4)按参数空间内纤维排列角度范围(以10°为间隔)，计算出参考点累加计数，选出峰值，按角度范围进行频率合并，得到非织造布纤维取向分布识别结果。

附图说明

图1非织造布纤维取向分布识别流程

图2非织造布表面纤维排列图像

图3非织造布表面纤维取向分布识别结果

具体实施方式

非织造布中纤维取向分布的识别结果可以用于直观判断非织造布中纤维排列特征，用于数值模拟非织造布物理机械性能，预测非织造布各向异性特征。通过图像处理的方法实现非织造布中纤维取向分布的快速、准确识别与测量。

本发明提供了一种非织造布中纤维取向分布的识别方法，具体实现流程如图1所示。图2为利用扫描电镜采集到的非织造布表面纤维排列图像，图像放大倍率至少为100倍，明暗均匀度好，纤维排列清晰可见。对图2所示的非织造布表面纤维排列图像进行预处理，包括灰度化、二值化、边缘检测。其中，在Matlab环境下应用rgb2gray将扫描电镜拍摄到的纤维分布图转换成灰度图像；在Matlab环境下应用im2bw通过设定高度阈值将灰度图转换成二值图像，即将整个图像呈现出明显的黑白视觉效果；在Matlab环境下应用sobel算子对非织造布二值图像进行检测边缘，检测纤维边缘轮廓点。

应用Hough变换通过提取分布于纤维上点的参数及点的特征值来检测纤维。对纤维图像上的每点定义一个参数空间映射，将纤维排列二值化图转换到参数空间图，Hough变换在参数空间寻找最大值点，得到位于图像空间中的纤维排列，检测非织造布中纤维；按参数空间内纤维排列角度范围(以10°为间隔)，计算出参考点累加计数，选出峰值，按角度范围进行频率合并，得到非织造布纤维取向分布识别结果。

非织造布表面纤维取向分布识别结果如图3所示。图3中，横坐标为纤维实际排列方向与非织造布机器方向夹角，以10°为统计间隔。纵坐标为每个统计区间内，纤维取向分布频率。经过对非织造布进行图像识别，可以快速得到纤维取向分布，从而为工程技术人员建立细观尺度非织造布有限元模型，分析纤维取向排列对非织造布性能的影响，研究非织造布物理机械性能提供便捷的方法。

Claims (5)

1.一种非织造布纤维取向分布识别方法，其特征在于：利用图像处理的方法识别非织造布中纤维取向分布，具有直接、高效的特点。

2.根据权利要求1所述的图像处理，其特征在于：利用扫描电镜或X-射线微观CT设备采集非织造布微观纤维排列图像，要求图像放大倍率在100倍以上，明暗均匀度好，纤维排列清晰可见。

3.根据权利要求1纤维取向分布识别方法，其特征在于：对高质量的非织造布纤维分布图像进行灰度化、二值化和边缘检测等预处理，通过霍夫变换将非织造布扫描电镜图变换到参数空间，统计参数空间参数点轨迹，计算出参考点累加计数，选出峰值。

4.根据权利要求3非织造布纤维分布图像预处理，其特征在于：在Matlab环境下应用rgb2gray将扫描电镜拍摄到的纤维分布图转换成灰度图像；在Matlab环境下应用im2bw通过设定高度阈值将灰度图转换成二值图像，即将整个图像呈现出明显的黑白视觉效果；图像处理中边缘检测是纤维取向分布识别的一个重要环节，在Matlab环境下应用sobel算子对非织造布二值图像进行检测边缘，检测纤维边缘轮廓点；应用Hough变换通过提取分布于纤维上点的参数及点的特征值来检测纤维。对纤维图像上的每点定义一个参数空间映射，将纤维排列二值化图转换为参数空间图，Hough变换在参数空间寻找最大值点，得到位于图像空间中的纤维排列，检测非织造布中纤维。

5.根据权利要求书1和4所述的纤维取向分布识别方法，其特征在于：按参数空间内纤维排列角度范围(以10°为间隔)进行频率合并，得到非织造布纤维取向分布识别结果。