CN104346818A - 一种机织物密度自动测量方法 - Google Patents

Abstract

本发明公开了一种机织物密度自动测量方法，它包括粗略测量和精确测量两个步骤：粗略测量主要通过亮度投影曲线来获取粗略的经纬纱根数；精确测量则是在粗略测量的基础上，通过对原机织物图像中的子图像单独进行投影来获取亮度投影曲线，再通过计算这些曲线在水平方向的累计波峰个数来获取精确的经纬纱根数，以此计算经纬纱密度。该方法不仅能快速实现单色机织物、单系统多色机织物和双系统多色机织物密度的自动测量，且测量误差较小，能够满足实际生产的需要。

Description

一种机织物密度自动测量方法

技术领域

本发明属图像分析处理领域，应用于纺织品织造参数自动分析与识别领域，涉及一种机织物密度自动测量方法。

背景技术

机织物密度包括经纱密度和纬纱密度，是机织物最基本的结构参数，分别是指10cm长度内经、纬纱的总根数。传统的机织物密度测量主要依靠人工，使用照布镜或织物密度分析镜来统计纱线根数，这种方法效率较低，且容易出错。随着数字图像处理与模式识别技术的发展，基于图像分析的机织物参数的自动测量成为了可能。目前，机织物密度的自动测量方法可以按机织物的类型分成三类：单色机织物、单系统多色机织物和双系统多色机织物密度的自动测量。

单色机织物密度的自动测量方法主要有:中值滤波法、基于亮度投影曲线的方法、基于灰度共生矩阵的方法、傅立叶变换法、小波变换法等。然而这些方法并不适用于多色机织物的密度测量。

在单系统多色机织物密度自动测量中，常用的方法是在RGB或Lab颜色空间上使用模糊C均值聚类算法，首先将机织物图像划分成单色和混色区域，再分别应用投影法和相关系数法来获取机织物密度。当存在颜色相近的纱线时，模糊C均值聚类算法并不准确，且该方法不能适用于双系统多色织物的密度测量。

对于双系统多色机织物，常用方法是基于梯度图像和彩色梯度图像的概念，利用彩色梯度图像，通过相关性和灰度投影理论，对双系统多色织物的进行密度识别。该算法对于多色机织物的密度测量精度较高，但需要繁琐的预处理操作。

发明内容

本发明的目的就是为了克服现有检测方法不足，提出了一种机织物密度自动测量方法。本发明包括粗略测量和精确测量两个步骤：粗略测量主要通过亮度投影曲线来获取粗略的经纬纱根数；精确测量则是在粗略测量的基础上，通过对原机织物图像中的子图像单独进行投影来获取亮度投影曲线，再通过计算这些曲线在水平方向的累计波峰个数来获取精确的经纬纱根数，以此计算经纬纱密度。该方法不仅能快速实现单色机织物、单系统多色机织物和双系统多色机织物密度的自动测量，且测量误差较小，能够满足实际生产的需要。

本发明的一种机织物密度自动测量方法，其特征包括粗略测量和精确测量两个步骤:

粗略测量：

(1)将尺寸为M×N(像素)的原机织物图像A转换至HSV颜色空间，并提取其中的亮度分量，记为V(i,j)，其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N)；

(2)对V(i,j)沿竖直方向进行投影，获得亮度投影曲线，记为P(j)

$P\left(j\right)=\frac{1}{M}{\mathrm{\Σ}}_{i=1}^{M}V(i,j)---\left(1\right)$

(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₁，并记平滑后的曲线为P'(j)；

(4)统计曲线P'(j)中的波峰个数，即为原机织物图像A中的经纱粗略根数，记为n_r；

精确测量：

(5)将V(i,j)沿水平方向均匀地分割为s个子图像，记为T_k(i,j)，其中k＝1,2…s，代表各子图像的序号

T_k(i,j)＝V(s×(k-1)+i,j) (k＝1…s i＝1…M j＝1…N)   (3)

其中，α为子图像分割控制参数，根据操作经验在区间[0.5,2]内选定效果较好，为向上取整运算符；

(6)将每个子图像T_k(i,j)沿竖直方向进行投影，获得各自的亮度投影曲线，记为Q_k(j)

$Q_k\left(j\right)=\frac{s}{M}{\mathrm{\Σ}}_{i=1}^M{T}_k(i,j),(j=1...\mathrm{M\; k}=1...s)---\left(4\right)$

(7)对所得投影曲线Q_k(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₂，并记平滑后的曲线为Q'_k(j)；

(8)统计所有曲线Q'_k(j)沿水平方向上的累计波峰个数，记为N(j)；

(9)对N(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₃，记平滑后的曲线为N'(j)；

(10)统计曲线N'(j)中的波峰个数，即为原机织物图像中经纱的精确根数，记为n_J；

(11)将原机织物图像A沿中轴线旋转90°，并记旋转后的图像为A^T，然后以A^T代替原机织物图像执行步骤(1)～步骤(10)以获得原机织物图像A的纬纱精确根数，记为n_W；

(12)求解机织物图像经纱密度D_J(根/10cm)，

D_J＝10×n_J/W   (5)

D_W＝10×n_W/H   (6)

其中，W(cm)为原机织物图像实际水平宽度，H(cm)为原机织物图像实际竖直高度。

如上所述的一种机织物密度自动测量方法，所述的原机织物可为所有品种的单色织物和多色织物。

如上所述的一种机织物密度自动测量方法，所述的原机织物图像中的行方向(水平方向)为纬纱排列方向，列方向(竖直方向)为经纱排列方向。

如上所述的一种机织物密度自动测量方法，所述的原机织物图像颜色空间格式为RGB。

如上所述的一种机织物密度自动测量方法，所用的平滑处理方法为LOESS(Locally Weight Regression)回归算法，其中平滑所用窗口宽度选取依据如下：

窗口宽度d₁的选取原则：

d₁＝γ₁×M/H   (7)

其中，γ₁为数据光滑控制参数，根据操作经验在区间[0.01,0.03]内选定效果较好；

窗口宽度d₂的选取原则：

d₂＝γ₂×N/n_r   (8)

其中，γ₂为数据光滑控制参数，根据操作经验在区间[1,2]内选定效果较好；

窗口宽度d₃的选取原则：

d₃＝γ₃×N/n_r   (9)

其中，γ₃为数据光滑控制参数，根据操作经验在区间[1,2]内选定效果较好。

本发明具有以下有益效果：

1、方法计算简单，运算效率高；

2、相比传统方法，方法品种适应性强；

3、方法具有较高的测量精度，能够满足实际生产的需求。

附图说明

图1是本发明实施例1中所采用的原多色机织物图像

图2是本发明实施例1中经LOESS回归平滑处理后的亮度投影曲线

图3是本发明实施例1中的子图像分割结果

图4是本发明实施例1中Q'_k(j)沿水平方向上的累计波峰个数

图5是本发明实施例1中经LOESS回归平滑处理后的累计波峰个数曲线

图6是本发明实施例2中所采用的原多色机织物图像

图7是本发明实施例2中经LOESS回归平滑处理后的亮度投影曲线

图8是本发明实施例2中的子图像分割结果

图9是本发明实施例2中Q'_k(j)沿水平方向上的累计波峰个数

图10是本发明实施例2中经LOESS回归平滑处理后的累计波峰个数曲线

具体实施方式

下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

实施例1

本发明实施例采用一幅来自色织工厂的双系统多色机织物图像作为试验图像，其颜色空间格式为RGB，像素尺寸为408像素×350像素(M＝408,N＝350)，实际尺寸为0.864cm×0.741cm(H＝0.864,W＝0.741)，竖直方向为经纱方向，水平方向为纬纱方向，如图1所示。本实施例具体的实现步骤为：

粗略测量：

(1)将尺寸为M×N(408×350)(像素)的原机织物图像A转换至HSV颜色空间，并提取其中的亮度分量，记为V(i,j)，其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N)；

(2)对V(i,j)沿竖直方向进行投影，获得亮度投影曲线，记为P(j)

$P\left(j\right)=\frac{1}{M}{\mathrm{\Σ}}_{i=1}^{M}V(i,j)$

(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₁，并记平滑后的曲线为P'(j)，如图2所示，图2用于展示平滑后的曲线P'(j)，用于在步骤(4)中统计波峰个数

d₁＝γ₁×M/H

其中γ₁的值根据经验选取0.02，求解d₁的值为9.45；

(4)统计曲线P'(j)中的波峰个数，即为原机织物图像A中的经纱粗略根数，记为n_r，n_r的值为30。

精确测量：

(5)将V(i,j)沿水平方向均匀地分割为s个子图像，记为T_k(i,j)，其中k＝1,2…s，代表各子图像的序号，分割结果如图3所示，图3用于描述子图像分割的结果，每个子图像将在步骤(6)中被分别处理

T_k(i,j)＝V(s×(k-1)+i,j) (k＝1…s i＝1…M j＝1…N)   (3)

其中，α为子图像分割控制参数，根据经验取1.8，为向上取整运算符，求解s的值为17；

(6)将每个子图像T_k(i,j)沿竖直方向进行投影，获得各自的亮度投影曲线，记为Q_k(j)

$Q_k\left(j\right)=\frac{s}{M}{\mathrm{\Σ}}_{i=1}^M{T}_k(i,j),(j=1...\mathrm{M\; k}=1...s)---\left(4\right)$

(7)对所得投影曲线Q_k(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₂，并记平滑后的曲线为Q'_k(j)；

d₂＝γ₂×N/n_r

其中γ₂的值根据经验选取1，求解d₂的值为11.67；

(8)统计所有曲线Q'_k(j)沿水平方向上的累计波峰个数，记为N(j)，N(j)的分布如图4所示，图4用于展示N(j)的分布，便于观察其规律；

(9)对N(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₃，记平滑后的曲线为N'(j)，如图5所示，图5用于展示平滑后的曲线N'(j)，用于在步骤(10)中统计波峰个数

d₃＝γ₃×N/n_r

其中γ₂的值根据经验选取1.5，求解d₂的值为17.5；

(10)统计曲线N'(j)中的波峰个数，即为原机织物图像中经纱的精确根数，记为n_J，n_J的值为33。

(11)将原机织物图像A沿中轴线旋转90°，并记旋转后的图像为A^T，然后以A^T代替原机织物图像执行步骤(1)～步骤(10)以获得原机织物图像A的纬纱精确根数，记为n_W，n_W的值为27；

(12)求解机织物图像经纱密度D_J(根/10cm)，

D_J＝10×n_J/W   (5)

D_W＝10×n_W/H   (6)

经求解，D_J的值为381.94，D_W的值为364.37。

人工测量结果为经纱密度D_J：382；纬纱密度D_w：364。经校对可知偏差率分别为0.016％以及0.102％。

人工测量本样品的经、纬纱密度所需时间为6分钟，采用本发明测量所需时间为3秒。本发明测量耗时量为人工测量的0.833％。

本实施例所采用的PC机配置为：

CPU：Intel Core i5 2.40GHz

RAM：4.00GB

操作系统：Windows 7家庭普通版

实施例2

本发明实施例采用一幅来自色织工厂的单系统多色机织物图像作为试验图像，其颜色空间格式为RGB，像素尺寸为593像素×593像素(M＝593,N＝593)，实际尺寸为1.256cm×1.256cm(H＝1.256,W＝1.256)，竖直方向为经纱方向，水平方向为纬纱方向，如图6所示。本实施例具体的实现步骤为：

粗略测量：

(1)将尺寸为M×N(593×593)(像素)的原机织物图像A转换至HSV颜色空间，并提取其中的亮度分量，记为V(i,j)，其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N)；

(2)对V(i,j)沿竖直方向进行投影，获得亮度投影曲线，记为P(j)

$P\left(j\right)=\frac{1}{M}{\mathrm{\Σ}}_{i=1}^{M}V(i,j)$

(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₁，并记平滑后的曲线为P'(j)，如图7所示，图7用于展示平滑后的曲线P'(j)，用于在步骤(4)中统计波峰个数

d₁＝γ₁×M/H

其中γ₁的值根据经验选取0.02，求解d₁的值为9.45；

(4)统计曲线P'(j)中的波峰个数，即为原机织物图像A中的经纱粗略根数，记为n_r，n_r的值为37。

精确测量：

(5)将V(i,j)沿水平方向均匀地分割为s个子图像，记为T_k(i,j)，其中k＝1,2…s，代表各子图像的序号，分割结果如图8所示，图8用于描述子图像分割的结果，每个子图像将在步骤(6)中被分别处理

T_k(i,j)＝V(s×(k-1)+i,j) (k＝1…s i＝1…M j＝1…N)   (3)

其中，α为子图像分割控制参数，根据经验取1.8，为向上取整运算符，求解s的值为21；

(6)将每个子图像T_k(i,j)沿竖直方向进行投影，获得各自的亮度投影曲线，记为Q_k(j)

$Q_k\left(j\right)=\frac{s}{M}{\mathrm{\Σ}}_{i=1}^M{T}_k(i,j),(j=1...\mathrm{M\; k}=1...s)---\left(4\right)$

(7)对所得投影曲线Q_k(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₂，并记平滑后的曲线为Q'_k(j)；

d₂＝γ₂×N/n_r

其中γ₂的值根据经验选取1，求解d₂的值为16.03；

(8)统计所有曲线Q'_k(j)沿水平方向上的累计波峰个数，记为N(j)，N(j)的分布如图9所示，图8用于展示N(j)的分布，便于观察其规律；

(9)对N(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₃，记平滑后的曲线为N'(j)，如图10所示，图9用于展示平滑后的曲线N'(j)，用于在步骤(10)中统计波峰个数

d₃＝γ₃×N/n_r

其中γ₂的值根据经验选取1.5，求解d₂的值为24.04；

(10)统计曲线N'(j)中的波峰个数，即为原机织物图像中经纱的精确根数，记为n_J，n_J的值为37。

(11)将原机织物图像A沿中轴线旋转90°，并记旋转后的图像为A^T，然后以A^T代替原机织物图像执行步骤(1)～步骤(10)以获得原机织物图像A的纬纱精确根数，记为n_W，n_W的值为54；

(12)求解机织物图像经纱密度D_J(根/10cm)，

D_J＝10×n_J/W   (5)

D_W＝10×n_W/H   (6)

经求解，D_J的值为294.59，D_W的值为429.94。

人工测量结果为经纱密度D_J：294.5；纬纱密度D_w：430。经校对可知偏差率分别为0.031％以及0.014％。

人工测量本样品的经、纬纱密度所需时间为8分钟，采用本发明测量所需时间为4秒。本发明测量耗时量为人工测量的0.833％。

本实施例所采用的PC机配置为：

CPU：Intel Core i5 2.40GHz

RAM：4.00GB

操作系统：Windows 7家庭普通版

Claims (5)

1.一种机织物密度自动测量方法，其特征包括粗略测量和精确测量两个步骤：

粗略测量：

(1)将尺寸为M×N(像素)的原机织物图像A转换至HSV颜色空间，并提取其中的亮度分量，记为V(i,j)，其中i,j分别为V的行和列坐标取值(1≤i≤M,1≤i≤N)；

(2)对V(i,j)沿竖直方向进行投影，获得亮度投影曲线，记为P(j)

$P\left(j\right)=\frac{1}{M}{\mathrm{\Σ}}_{i=1}^{M}V(i,j)---\left(1\right)$

(3)对亮度投影曲线P(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₁，并记平滑后的曲线为P′(j)；

(4)统计曲线P′(j)中的波峰个数，即为原机织物图像A中的经纱粗略根数，记为n_r；

精确测量：

(5)将V(i,j)沿水平方向均匀地分割为s个子图像，记为T_k(i,j)，其中k＝1,2...s，代表各子图像的序号

T_k(i,j)＝V(s×(k-1)+i,j)  (k＝1...s i＝1...M j＝1...N)    (3)

其中，α为子图像分割控制参数，根据操作经验在区间[0.5,2]内选定效果较好，为向上取整运算符；

(6)将每个子图像T_k(i,j)沿竖直方向进行投影，获得各自的亮度投影曲线，记为Q_k(j)

$\begin{array}{cc}{Q}_k\left(j\right)=\frac{s}{M}{\mathrm{\Σ}}_{i=1}^M{T}_k(i,j)& (j=1...M,k=1...s)---\left(4\right)\end{array}$

(7)对所得投影曲线Q_k(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₂，并记平滑后的曲线为Q′_k(j)；

(8)统计所有曲线Q′_k(j)沿水平方向上的累计波峰个数，记为N(j)；

(9)对N(j)采用LOESS回归进行平滑处理，平滑所用窗口宽度为d₃，记平滑后的曲线为N′(j)；

(10)统计曲线N′(j)中的波峰个数，即为原机织物图像中经纱的精确根数，记为n_J；

(11)将原机织物图像A沿中轴线旋转90°，并记旋转后的图像为A^T，然后以A^T代替原机织物图像执行步骤(1)～步骤(10)以获得原机织物图像A的纬纱精确根数，记为n_W；

(12)求解机织物图像经纱密度D_J(根/10cm)，

D_J＝10×n_J/W                     (5)

D_W＝10×n_W/H                     (6)

其中，W(cm)为原机织物图像实际水平宽度，H(cm)为原机织物图像实际竖直高度。

2.根据权利要求1所述的一种机织物密度自动测量方法，其特征在于，原机织物可为所有品种的单色织物和多色织物。

3.根据权利要求1所述的一种机织物密度自动测量方法，其特征在于，原机织物图像中的行方向为纬纱排列方向，列方向为经纱排列方向。

4.根据权利要求1所述的一种机织物密度自动测量方法，其特征在于，原机织物图像颜色空间格式为RGB。

5.根据权利要求1所述的一种机织物密度自动测量方法，其特征在于，所用的平滑处理方法为LOESS(Locally Weight Regression)回归算法，其中平滑所用窗口宽度选取依据如下：

窗口宽度d₁的选取原则：

d₁＝γ₁×M/H                    (7)

其中，γ₁为数据光滑控制参数，根据操作经验在区间[0.01,0.03]内选定效果较好；

窗口宽度d₂的选取原则：

d₂＝γ₂×N/n_r                     (8)

其中，γ₂为数据光滑控制参数，根据操作经验在区间[1,2]内选定效果较好；

窗口宽度d₃的选取原则：

d₃＝γ₃×N/n_r                     (9)

其中，γ₃为数据光滑控制参数，根据操作经验在区间[1,2]内选定效果较好。