CN104392441B - 基于图像处理的高抗噪织物沾水等级检测评定方法 - Google Patents
基于图像处理的高抗噪织物沾水等级检测评定方法 Download PDFInfo
- Publication number
- CN104392441B CN104392441B CN201410654313.9A CN201410654313A CN104392441B CN 104392441 B CN104392441 B CN 104392441B CN 201410654313 A CN201410654313 A CN 201410654313A CN 104392441 B CN104392441 B CN 104392441B
- Authority
- CN
- China
- Prior art keywords
- fabric
- image
- spray rating
- obtains
- measured
- 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.)
- Active
Links
- 239000004744 fabric Substances 0.000 title claims abstract description 81
- 239000007921 spray Substances 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009736 wetting Methods 0.000 claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000002474 experimental method Methods 0.000 claims abstract description 4
- 238000012360 testing method Methods 0.000 claims description 29
- 238000000354 decomposition reaction Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 12
- 239000004753 textile Substances 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000004043 dyeing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 28
- 230000001788 irregular Effects 0.000 abstract description 15
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract 1
- 230000009466 transformation Effects 0.000 abstract 1
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000005530 etching Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开一种基于图像处理的高抗噪织物沾水等级检测评定方法，首先将待测织物进行织物沾水性实验，并获取织物沾水图像；在本发明中，引入了小波变换，筛选裁剪获得的织物沾水灰度图像信息，从空间频率角度去除织物纹理、光照不匀、光照变化对织物沾水等级检测的影响；对小波变换处理过的图像进行直方图均衡化，增强沾水部分和织物背景对比度；最后得到润湿比，用以判断织物沾水等级。本发明的方法能有效克服织物纹理、光照不匀、光照变化、反光对织物沾水等级评定的影响，提高织物沾水和不沾水部分的对比度，实现基于图像处理的织物沾水等级的高抗噪全自动检测。
Description
技术领域
本发明属于纺织服装性能测试领域，尤其涉及一种基于图像处理的高抗噪织物沾水等级检测评定方法。
背景技术
传统人工织物沾水等级评定过程主观性强、实验误差大，一致性差、容易漏检、误检。为解决这些问题，针对AATCC标准的喷淋方法出现了基于图像处理的织物沾水等级检测方法。
基于图像处理的织物沾水等级检测方法存在的难点是待分割沾水区域和背景对比度小，且存在纹理、光照不匀等噪声干扰：考虑到沾水区域、非沾水区域颜色差异很小，为了增加这两个区域对比度，便于图像分割算法实现二者分离，需采用高分辨率图像采集设备采集图像，这就使得即使细腻的织物纹理也会在图像中显现，成为噪声；此外织物图像采集过程中不可避免会受到光照不匀、光照变化等低频噪声影响。
目前提出的基于图像处理的织物沾水等级检测方法主要从颜色信息入手，去除上述噪声影响，如采用标准光源减少光照不匀、光照变化影响、且通过织物沾水前后采集图像像素颜色值相减的方式去除纹理等干扰影响。这种方法存在的问题是：要获得标准均匀光还需配备标准光源箱，造价不菲；其次在标准光源下放置的图像采集设备及沾水织物上水渍、水珠的反光依然会引起采集图像光照不匀；再加上织物沾水区域、非沾水区域颜色差异小，沾水前后织物图像采集不能同时进行会引起两幅图像噪声不一致，导致采用两幅图像相减方法去除噪声可能出现噪声去除不干净、更低对比度部分的沾水区域误判为干燥区域的情况。更常用的是在开放环境中仅采集沾水织物图像，经图像算法处理后获得织物沾水等级，现有这类方法存在的问题：在未处理光照不匀、光照变化引起的低频噪声的前提下对图像进行直方图均衡化操作，增加沾水区域、非沾水区域对比度，容易进一步降低相比其它沾水区域较暗的沾水部分和非沾水部分对比度，增加分离难度；仅基于像素颜色信息，采用中值滤波等方式去除纹理等产生的高频噪声，容易损伤小面积沾水区域；在处理织物沾水图像过程中通过Photoshop获取测试区域，降低了检测过程自动化程度，增加了人工成本；而通过转换颜色空间，如转到HSV空间的方式将受光照影响的亮度信息V分离，来去除光照影响，会在去除光照影响的同时，也降低了沾水、非沾水区的对比度，降低了二者可分离性。
针对上述问题，提出了基于图像处理的高抗噪织物沾水等级检测评定方法，从频率、颜色两方面入手，有效去除光照不匀、光照改变、反光、织物纹理产生的噪声，有效提取织物沾水区域，获得更准确的润湿比，保持低成本的前提下实现自动织物沾水等级检测。
发明内容
本发明的目的在于针对基于图像处理算法的织物沾水等级检测过程受织物纹理、光照不匀、光照变化、反光等干扰影响，待分割区域和背景对比度低的问题，提出一种基于图像处理的高抗噪织物沾水等级检测评定方法。
本发明的目的是通过以下技术方案实现的，一种基于图像处理的高抗噪织物沾水等级检测评定方法，包括以下步骤：
步骤1：根据美国纺织化学师与印染师协会标准AATCC22-2005《纺织品拒水性测试喷淋法》进行织物沾水性实验，并获取织物沾水图像；
步骤:2：采用Hough变换检测圆的方法获取织物沾水图像测试区域，裁剪掉非测试区域；具体为：
步骤2.1：将步骤1获取的织物沾水图像灰度化；
步骤2.2：对步骤2.1灰度化后的图像采用最大类间方差法（OTSU）二值化；
步骤2.3：对步骤2.2获得的二值化图像进行自适应中值滤波；
步骤2.4：采用sobel算子检测，获得步骤2.3处理后的图像的边缘；
步骤2.5：对经步骤2.4处理过的只含边缘的图像通过Hough变换检测出圆心和半径，并计算出测试区域的面积；
步骤2.6：依据步骤2.5检测出的圆心和半径，针对步骤2.1获得的灰度图像，裁剪出测试区域；
步骤3：将步骤2获得的只含测试区域的织物灰度图像，进行小波多分辨率分解，将小波分解后频率最高的两层小波分解细节子图像的小波分解系数和近似级小波分解子图像的小波分解系数置零，然后进行小波重构，获得新的图像；步骤4：对步骤3获得的图像进行直方图均衡化；
步骤5：对步骤4处理过的图像采用OTSU进行分割操作；
步骤6：对步骤5获得的二值图像采用线形结构元进行腐蚀、膨胀操作；计算二值图像中白色像素的个数，就得到像素为单位的润湿面积；
步骤7：针对步骤2.5得到的测试区域的面积和步骤6得到的润湿面积，计算润湿比；润湿比=润湿面积/测试区域的面积，当润湿比≥81%，则该待测织物沾水等级为0级；当81%＞润湿比≥54%，则该待测织物沾水等级为1级；当54%＞润湿比≥27%，则该待测织物沾水等级为2级；当27%＞润湿比≥10%，则该待测织物沾水等级为3级；当10%＞润湿比≥1%，则该待测织物沾水等级为4级；当润湿比＜1%，则该待测织物沾水等级为5级。
本发明的有益效果是：克服现有基于图像处理的沾水等级测试方法存在的对光照变化、光照不匀、反光、织物纹理等干扰敏感、人工参与度大的缺点，实现低成本、高抗噪的自动沾水等级测试。
附图说明
图1为待测沾水等级的织物沾水图像原图；
图2为对图1进行灰度化后，依据Hough变换检测到圆心和半径，并依据检测到的圆心和半径对灰度织物沾水图裁剪获得的灰度图像；
图3为对图2先进行小波分解，然后对将小波分解后的1、2级高频细节子图像及近似层小波分解子图像对应的小波分解系数置零后并重构获得的图，再进行直方图均衡化并用OTSU算法分割，对分割后的图像再采用和水平方向夹角分别为的线形结构元依次进行腐蚀操作，再采用和水平方向夹角分别为的同样为大小的线性结构元对腐蚀图像依次进行膨胀操作获得的图像。
图4为对图2在未经小波操作去除光照不匀、光照变化及织物纹理引起噪声的前提下，直接进行直方图均衡化后采用OTSU方法分割图像获得的二值图；
图5是6个AATCC 织物沾水性等级评价的标样（0级~5级）图。
具体实施方式
下面结合实例，对本发明作进一步说明。
实施例选择的主要依据是体现本发明去除织物纹理、光照不匀、光照变化干扰的能力。
实施例1：标准样品的润湿比测定。
将AATCC 织物沾水性等级评价的标样（0级~5级）按照以下方法分别测得6个标样的润湿比。
步骤1：采用扫描仪扫描获得AATCC 织物沾水性等级评价的标样图，如图5所示。
步骤:2：采用Hough变换检测圆的方法获取标样图测试区域，裁剪掉非测试区域；具体为：
步骤2.1：将步骤1获取的标样图灰度化；灰度化通过公式（1）的计算完成。
（1）
公式（1）中的R指采集的彩色图像中红色分量灰度值，G指绿色分量灰度值，而B指蓝色分量灰度值，I表示转换成的亮度值。
步骤2.2：对步骤2.1灰度化后的图像采用最大类间方差法（OTSU）二值化；
步骤2.3：对步骤2.2获得的二值化图像进行自适应中值滤波；
步骤2.4：采用sobel算子检测，获得步骤2.3处理后的图像的边缘（金属圈形成的圆）；
步骤2.5：在步骤2.4获得的边缘图像上应用Hough变换，获得圆心坐标及半径，并计算测试区域的面积。如公式（2）所示。
（2）
式（2）中为步骤2.4获得的仅含图像边缘的图像中圆形边缘上点的坐标，为待检测圆的圆心坐标，为待检测圆的半径，θ为直角坐标系中坐标原点和圆心连线与水平轴夹角。测试区域为通过圆的半径计算得到。
步骤2.6：依据步骤2.5检测出的圆心和半径，裁去圆外的图像；具体为：依据步骤2.5检测出的圆心和半径，获得金属圈形成的圆形的外切正方形，将正方形外的数据全部剪切掉，且将圆形测试区外部正方形内部的数据通过采用的Matlab编程语言设置为NaN类型，即非数据类型，在后续处理中不参与运算。
步骤3：对步骤2裁剪后的图像，进行5级Biorthogonal小波分解，然后将小波分解后频率最高的两层小波分解细节子图像的小波分解系数和近似级小波分解子图像的小波分解系数置零，然后重构图像。
步骤4：对步骤3处理后的图像依次采用直方图均衡化和OTSU分割算法进行处理，然后依次采用7个像素大小的水平、45度、垂直、135度方向的线形结构元进行腐蚀操作，再依次用135度、垂直、45度、水平方向的线形结构元进行膨胀操作，进一步去除可能未处理干净的织物纹理等形成的高频噪声干扰，获得最终的二值图；
步骤5：对步骤4获得的二值图采用线形结构元进行腐蚀、膨胀操作；计算二值图像中白色像素的个数，就得到以像素为单位的湿面积，计算润湿比，润湿比=湿面积/测试区域的面积。
实验结果表明，0级标样的润湿比为93%，1级标样的润湿比为69%，2级标样的润湿比39%，3级标样的润湿比16%，4级标样的润湿比3%，5级标样的润湿比0%，
实施例2，织物的沾水等级检测评定
步骤1：将待测织物按照美国纺织化学师与印染师协会标准AATCC22-2005《纺织品拒水性测试喷淋法》进行织物沾水性实验，得到如图1所示的织物沾水图像。
步骤:2：采用Hough变换检测圆的方法获取织物沾水图像测试区域，裁剪掉非测试区域；具体为：
步骤2.1：将步骤1获取的织物沾水图像灰度化；灰度化通过公式（1）的计算完成。
（1）
公式（1）中的R指采集的彩色图像中红色分量灰度值，G指绿色分量灰度值，而B指蓝色分量灰度值，I表示转换成的亮度值。
步骤2.2：对步骤2.1灰度化后的图像采用最大类间方差法（OTSU）二值化；
步骤2.3：对步骤2.2获得的二值化图像进行自适应中值滤波；以去除图像中由织物纹理等引起的高频噪声，同时不损伤金属圈信息并能减少后续sobel处理的数据量；
步骤2.4：由于固定织物用待检圆形金属圈和织物颜色差异大，对比度已足够，因此，该步骤未对待检测圆形测试区域的灰度图进行直方图均衡化，而是直接采用sobel算子检测，获得步骤2.3处理后的图像的边缘；
步骤2.5：在步骤2.4获得的边缘图像上应用Hough变换，获得圆心坐标及半径，并计算测试区域的面积。如公式（2）所示。
（2）
式（2）中为步骤2.4获得的仅含图像边缘的图像中圆形边缘上点的坐标，为待检测圆的圆心坐标，为待检测圆的半径，θ为直角坐标系中坐标原点和圆心连线与水平轴夹角。测试区域面积通过圆的半径计算得到。
本方法中在Hough变换前采用sobel检测边缘，可有效减少参与Hough运算的数据，提高算法执行速度；
步骤2.6：依据步骤2.5检测出的圆心和半径，裁去圆外的图像，裁剪后的图像如图2所示；具体为：依据步骤2.5检测出的圆心和半径，获得金属圈形成的圆形的外切正方形，将正方形外的数据全部剪切掉，且将圆形测试区外部正方形内部的数据通过采用的Matlab编程语言设置为NaN类型，即非数据类型，在后续处理中不参与运算。
步骤3：对图2所示裁剪过的图像，进行5级Biorthogonal小波分解，然后将小波分解后频率最高的两层小波分解细节子图像的小波分解系数和近似级小波分解子图像的小波分解系数置零，然后重构图像，去除光照不匀、光照变化、反光形成的低频噪声、织物纹理形成的高频噪声。
步骤4：对步骤3处理后的图像依次采用直方图均衡化和OTSU分割算法进行处理，然后依次采用7个像素大小的水平、45度、垂直、135度方向的线形结构元进行腐蚀操作，再依次用135度、垂直、45度、水平方向的线形结构元进行膨胀操作，进一步去除可能未处理干净的织物纹理等形成的高频噪声干扰，获得最终的织物沾水等级测试图3。由图3可以看出沾水区域、非沾水区域的错分明显改善。
图4为对图2在未经小波操作去除光照不匀、光照变化及织物纹理引起噪声的前提下，直接进行直方图均衡化后采用OTSU方法分割图像获得的二值图；即通过步骤1、2、4得到的二值图。与图3相比，在没有步骤3处理的情况下得到的二值图（图4）出现了明显的将背景错分为沾水区域的情况。这是由于沾水区域和非沾水区域对比度本身就低，在没有去除光照不匀、光照变化等引起的低频噪声及织物纹理形成的高频噪声的情况下进行了直方图均衡化和二值分割造成的。
步骤5：计算步骤4获得的二值图像（图3）中白色像素的个数，就得到以像素为单位的润湿面积。
步骤6：根据步骤2.5得到的测试区域的面积和步骤5得到的润湿面积，计算润湿比，润湿比=润湿面积/测试区域的面积=57%，判定该待测织物的沾水等级应为1级。
Claims (1)
1.一种基于图像处理的高抗噪织物沾水等级检测评定方法，其特征在于，包括以下步骤：
步骤1：将待测织物用美国纺织化学师与印染师协会标准AATCC22-2005《纺织品拒水性测试喷淋法》进行织物沾水性实验，并获取织物沾水图像；
步骤2：采用Hough变换检测圆的方法获取织物沾水图像测试区域，裁剪掉非测试区域；具体为：
步骤2.1：将步骤1获取的织物沾水图像灰度化；
步骤2.2：对步骤2.1灰度化后的图像采用最大类间方差法（OTSU）二值化；
步骤2.3：对步骤2.2获得的二值化图像进行自适应中值滤波；
步骤2.4：采用sobel算子检测，获得步骤2.3处理后的图像的边缘；
步骤2.5：对经步骤2.4处理过的只含边缘的图像通过Hough变换检测出圆心和半径，并计算出测试区域的面积；
步骤2.6：依据步骤2.5检测出的圆心和半径，针对步骤2.1获得的灰度图像，裁剪出测试区域；
步骤3：将步骤2获得的只含测试区域的织物灰度图像，进行小波多分辨率分解，将小波分解后频率最高的两层小波分解细节子图像的小波分解系数和近似级小波分解子图像的小波分解系数置零，然后进行小波重构，获得新的图像；
步骤4：对步骤3获得的图像进行直方图均衡化；
步骤5：对步骤4处理过的图像采用OTSU进行分割操作；
步骤6：对步骤5获得的二值图像采用线形结构元进行腐蚀、膨胀操作；计算二值图像中白色像素的个数，就得到像素为单位的润湿面积；
步骤7：针对步骤2.5得到的测试区域的面积和步骤6得到的润湿面积，计算润湿比；润湿比=润湿面积/测试区域的面积，当润湿比≥81%，则该待测织物沾水等级为0级；当81%＞润湿比≥54%，则该待测织物沾水等级为1级；当54%＞润湿比≥27%，则该待测织物沾水等级为2级；当27%＞润湿比≥10%，则该待测织物沾水等级为3级；当10%＞润湿比≥1%，则该待测织物沾水等级为4级；当润湿比＜1%，则该待测织物沾水等级为5级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410654313.9A CN104392441B (zh) | 2014-11-18 | 2014-11-18 | 基于图像处理的高抗噪织物沾水等级检测评定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410654313.9A CN104392441B (zh) | 2014-11-18 | 2014-11-18 | 基于图像处理的高抗噪织物沾水等级检测评定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104392441A CN104392441A (zh) | 2015-03-04 |
| CN104392441B true CN104392441B (zh) | 2018-04-27 |
Family
ID=52610339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410654313.9A Active CN104392441B (zh) | 2014-11-18 | 2014-11-18 | 基于图像处理的高抗噪织物沾水等级检测评定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104392441B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107016663B (zh) * | 2016-11-30 | 2020-03-31 | 浙江理工大学 | 一种基于改进l0梯度的织物沾水区域分割方法 |
| CN107256553B (zh) * | 2017-06-15 | 2018-04-17 | 江南大学 | 一种经纱上浆效果的检测方法 |
| CN107971240B (zh) * | 2017-11-21 | 2019-06-04 | 合肥工业大学 | 一种动力电池电芯破碎产物铜铝箔颗粒的色选方法 |
| CN108693093A (zh) * | 2018-04-13 | 2018-10-23 | 浙江肯特科技股份有限公司 | 一种面料的防水性能检测设备及方法 |
| CN110728247A (zh) * | 2019-10-18 | 2020-01-24 | 南京农业大学 | 一种猪胴体表皮有水或无水状态识别方法 |
| CN112697649A (zh) * | 2019-10-23 | 2021-04-23 | 洛阳超特电源科技有限公司 | 电池电解液浸润性的测试方法 |
| CN110838113B (zh) * | 2019-11-08 | 2022-03-04 | 南京大学金陵学院 | 一种对复丝合成中单丝计数和单丝粗细一致性的检测方法 |
| JP7054010B2 (ja) * | 2019-12-25 | 2022-04-13 | ダイキン工業株式会社 | しみ評価方法、水滴評価方法、撥剤評価方法及び撥剤評価装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149325A (zh) * | 2007-10-09 | 2008-03-26 | 浙江理工大学 | 织物防水性能自动检测方法和检测系统 |
| CN101196511A (zh) * | 2007-12-21 | 2008-06-11 | 五邑大学 | 一种织物沾水等级检测方法及其检测设备 |
| CN102830045A (zh) * | 2012-07-26 | 2012-12-19 | 浙江理工大学 | 基于图像处理的织物沾水等级客观评定方法 |
| CN104021561A (zh) * | 2014-06-17 | 2014-09-03 | 浙江理工大学 | 基于小波变换及形态学运算的织物起毛起球图像分割方法 |
-
2014
- 2014-11-18 CN CN201410654313.9A patent/CN104392441B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101149325A (zh) * | 2007-10-09 | 2008-03-26 | 浙江理工大学 | 织物防水性能自动检测方法和检测系统 |
| CN101196511A (zh) * | 2007-12-21 | 2008-06-11 | 五邑大学 | 一种织物沾水等级检测方法及其检测设备 |
| CN102830045A (zh) * | 2012-07-26 | 2012-12-19 | 浙江理工大学 | 基于图像处理的织物沾水等级客观评定方法 |
| CN104021561A (zh) * | 2014-06-17 | 2014-09-03 | 浙江理工大学 | 基于小波变换及形态学运算的织物起毛起球图像分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| Skew Detection and Correction Method of Fabric Images Based on Hough Transform;Zhang ruilin;《2009 Second International Conference on Intelligent Computation Technology and Automation》;20091231;第140-143页 * |
| 织物防水性能自动识别系统的研究;朱桂英;《产业与科技论坛》;20101231;第9卷(第7期);第132页左栏第2-3段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104392441A (zh) | 2015-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104392441B (zh) | 基于图像处理的高抗噪织物沾水等级检测评定方法 | |
| CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
| CN104574353B (zh) | 基于视觉显著性的表面缺陷判定方法 | |
| CN110445921A (zh) | 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 | |
| Zhang et al. | Defect detection for tire laser shearography image using curvelet transform based edge detector | |
| CN108765402B (zh) | 无纺布缺陷检测与分类方法 | |
| CN109636766B (zh) | 基于边缘信息增强的偏振差分与光强图像多尺度融合方法 | |
| CN106296670B (zh) | 一种基于Retinex-分水岭-Canny算子的红外图像边缘检测方法 | |
| CN110378902B (zh) | 一种高噪声背景下的划痕检测方法 | |
| CN111161222B (zh) | 一种基于视觉显著性的印刷辊筒缺陷检测方法 | |
| CN104504664B (zh) | 基于人眼视觉特性的nsct域水下图像自动增强系统及其方法 | |
| CN104199823B (zh) | 一种基于视觉数据驱动的织物疵点动态检测方法 | |
| CN104021561A (zh) | 基于小波变换及形态学运算的织物起毛起球图像分割方法 | |
| Pan et al. | De-scattering and edge-enhancement algorithms for underwater image restoration | |
| CN102750705A (zh) | 基于图像融合的光学遥感图像变化检测 | |
| CN109166111A (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
| Bechar et al. | On-line video recognition and counting of harmful insects | |
| CN110929574A (zh) | 一种红外弱小目标快速检测方法 | |
| CN107292897A (zh) | 用于yuv域的图像边缘提取方法、装置及终端 | |
| CN104657983B (zh) | 一种基于Gabor滤波的织物毛球密度检测方法 | |
| CN107220972B (zh) | 一种基于红外图像的禽蛋品质鉴别方法 | |
| CN113256591A (zh) | 一种宽幅玻璃缺陷快速检测装置及方法 | |
| CN106372593B (zh) | 一种基于血管收敛的视盘区定位方法 | |
| CN115984246B (zh) | 基于机器视觉的缺陷快速检测方法及装置、设备、存储介质 | |
| Srividhya et al. | Performance analysis of pre-processing filters for underwater images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201222 Address after: 251800 Songwang Development Zone, Laodian Township, Yangxin County, Binzhou City, Shandong Province Patentee after: Shandong Yangxin Hualong Textile Technology Co.,Ltd. Address before: 310018 No. 2 street, Xiasha Higher Education Park, Hangzhou, Zhejiang, 928 Patentee before: Zhejiang University of Technology |