CN104535004B - 一种基于图像处理的纱线直径检测方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的纱线直径检测方法，包括步骤：获取暗箱内被测纱线的清晰图像，标定被测纱线图像像素与实际尺寸的对应关系；使被测纱线匀速运动通过暗箱，并连续采集被测纱线的序列图像并储存；对于每一帧被测纱线的序列图像，对每一行作灰度变化曲线，取灰度较小部分，并将灰度较小部分中灰度值坐标连续部分截取为被测纱线条干部分；根据被测纱线的运动速度和图像采集的帧频，去除各帧被测纱线条干部分的重合段，并生成被测纱线条干图像；根据被测纱线图像像素与实际尺寸的对应关系，获得被测纱线的直径；本发明具有极高的精确度和准确度，检测数据能够用于在不同长度上确定纱线的不均匀性，包括长片段、短片段和周期变化。

Description

一种基于图像处理的纱线直径检测方法

技术领域

本发明涉及纱线质量检测方法领域，特别是指一种基于图像处理的纱线直径检测方法。

背景技术

纱线条干均匀度是衡量纱线质量的重要指标，其不仅决定了纺织品的外观和内在质量，而且对纺织品生产过程的稳定性有很大影响。纱线直径是评价纱线均匀度的直接指标，准确并快速测定纱线直径是纺织工业生产一项有工程意义的工作。纱线直径作为所有织物参数计算和建模的一个重要指标，其对一些织物测试性能有直接的影响；同时由于纱线直径与织物中空气和水分的渗透相关，因此服装的性能和舒适性也依赖于纱线直径；另外，由于纱线内在的不均匀性，很难精确测量到纱线的直径，这就产生了纺织专家提出的用纱线的“尺寸”和“支数”来代替“直径”。但是，纱线的支数并不能准确的表征纱线的直径，这是因为由于一些参数(如纤维密度和捻系数等)在纺纱过程的变化，导致两种相同纱支的纱线可能具有不同的纱线直径。目前常用的电容测试方法，其检测的是纱线中纤维的含量，并不能直接反映纱线的外观均匀性，同时测试结果极易受到环境湿度的影响，测试间距为8mm，因此无法检测出短片段内的不匀，无法精确检测纱线直径。

发明内容

有鉴于此，本发明的目的在于提出一种测量精确、快速高效的基于图像处理的纱线直径检测方法。

基于上述目的本发明提供的一种基于图像处理的纱线直径检测方法，包括以下步骤：

获取暗箱内被测纱线的清晰图像，标定被测纱线图像像素与实际尺寸的对应关系；其中，被测纱线沿竖直方向设置；

使被测纱线匀速运动通过暗箱，并连续采集被测纱线的序列图像并储存；

对于每一帧所述被测纱线的序列图像，对每一行作灰度变化曲线，取灰度较小部分，并将所述灰度较小部分中灰度值坐标连续部分截取为被测纱线条干部分；

根据被测纱线的运动速度和图像采集的帧频，去除各帧所述被测纱线条干部分的重合段，并生成被测纱线条干图像；

根据所述被测纱线图像像素与实际尺寸的对应关系，获得被测纱线的实际直径。

优选的，采集被测纱线的序列图像后，还包括步骤：

对每一帧所述被测纱线的序列图像作垂直灰度投影曲线，并进行差分处理，根据差分处理结果中的突变点和预设的边缘阈值，切割掉所述被测纱线的序列图像中的冗余背景部分。

优选的，所述边缘阈值为15像素。

优选的，采用模糊C-均值聚类算法确定所述灰度变化曲线中灰度较小部分。

优选的，所述获取被测纱线条干图像的步骤包括：

在所述灰度变化曲线的灰度值较小部分中，以灰度值坐标连续部分的开始点作为被测纱线条干的左边缘点，结束点作为被测纱线条干的右边缘点。

优选的，生成所述被测纱线条干图像后，进一步包括步骤：

对于被测纱线条干图像P，其中，被测纱线条干处像素值为0，背景为1，当前点坐标为(i，j)，判断当前点灰度值P(i，j)是否为0，若是，则判断是否P(i-1，j)＝1和P(i+1，j)＝1，若是，设置P(i，j)＝1；若P(i，j)＝1且P(i-1，j)＝0，P(i+1，j)＝0，则设置P(i，j)＝0。

优选的，去除各帧所述被测纱线条干部分重合段的步骤包括：

被测纱线运行速度为V(m/min)，图像采集的帧频为f(fps)，则两帧序列图像之间运动的实际距离L(mm)：

图像采集位置和被测纱线位置固定，则通过标定单帧图像中被测纱线实际物理尺寸为A(mm)，设图像大小为M×N，则一个像素点所占大小为A/M(mm)，可得到两帧序列图像之间重合的行数n：

将相邻两帧序列图像组合时，去除掉其间相连的n行数据。

优选的，所述被测纱线的运动速度范围为10-100(m/min)；所述图像采集的帧频的最低值为41(fps)。

优选的，获取所述被测纱线条干图像后进一步包括步骤：提取所述被测纱线条干图像每行直径像素值，并作变化曲线，用以综合评价被测纱线条干的均匀性。

从上面所述可以看出，本发明提供的基于图像处理的纱线直径检测方法，在获取被测纱线的序列图像后，依据序列图像的灰度投影曲线将图像进行切割，大大节省了后续图像处理的速度，同时也会将序列图像背景中的一些噪点区域切割掉，减小了图像的后续处理难度；将切割后的图像进行分割时，以图像每行的灰度值为基础，利用聚类算法的原理将灰度值进行了分类，并在分类结果中查找出分割的边缘点，最后对边缘点进行了判断，分割出纱线条干。分割方法以每帧图像的每行的属性为依据，自动选取边缘点，避开了现有技术的大量选取阈值，并且准确度较高，可完全用于纱线条干的实时性检测中。本发明的测量纱线直径的方法具有极高的精确度和准确度，同时，基于本发明的方法获得的纱线直径数据，能够用于在不同长度上确定纱线的不均匀性，包括长片段、短片段和周期变化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明优选实施例的基于图像处理的纱线直径检测方法流程图；

图2为一帧被测纱线序列图像的原始图像；

图3为序列图像的垂直灰度投影曲线；

图4为垂直灰度投影曲线的差分曲线；

图5(a)为切割后的一帧序列图像；

图5(b)为切割后的一帧序列图像中一行的灰度变化曲线；

图6为灰度值分类结果图；

图7(a)为最终得到的被测纱线条干图像；

图7(b)为被测纱线条干图像与原始图像的对比效果图；

图8为被测纱线条干的直径像素值变化曲线。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明实施例提供了一种基于图像处理的纱线直径检测方法，包括以下步骤：

获取暗箱内被测纱线的清晰图像，标定被测纱线图像像素与实际尺寸的对应关系；其中，被测纱线沿竖直方向设置；

使被测纱线匀速运动通过暗箱，并连续采集被测纱线的序列图像并储存；

对于每一帧所述被测纱线的序列图像，对每一行作灰度变化曲线，取灰度较小部分，并将所述灰度较小部分中灰度值坐标连续部分截取为被测纱线条干部分；

根据被测纱线的运动速度和图像采集的帧频，去除各帧所述被测纱线条干部分的重合段，并生成被测纱线条干图像；

根据所述被测纱线图像像素与实际尺寸的对应关系，获得被测纱线的直径。

作为优选实施例，参考图1，为本发明优选实施例的基于图像处理的纱线直径检测方法流程图。

本实施例的方法包括以下步骤：

步骤101：获取暗箱内被测纱线的清晰图像，标定被测纱线图像像素与实际尺寸的对应关系；其中，被测纱线沿竖直方向设置。

于本步骤中，首先获得被测纱线的图像，具体的，被测纱线穿过暗箱，所述暗箱为仅设置有一条缝隙的相对封闭容器；图像采集设备本实施例中优选为面阵相机，同时配合使用扩倍镜、放大镜头和光源，以采集暗箱内的被测纱线的清晰图像。其中，暗箱的缝隙紧邻面阵相机镜头，光源固定在暗箱底部，面阵相机镜头、缝隙和光源三者在同一中心线上。在采集被测纱线图像时，暗箱可使采集背景保持一致，不受外界状况的干扰而影响纱线图像采集质量。

通过上述的装置设置，获取被测纱线的清晰图像，根据该清晰图像，进一步获得采集到的被测纱线图像中，被测纱线图像像素与被测纱线实际尺寸之间的对应关系，即其间的比例关系。作为优选的，被测纱线沿竖直方向设置，即在采集到的图像中，被测纱线为竖直状态。

步骤102：使被测纱线匀速运动通过暗箱，并连续采集被测纱线的序列图像并储存。

基于步骤101中的设置，本步骤中，进一步的使得被测纱线匀速的运动而通过暗箱，具体的，由伺服电机提供动力，经过一系列传动组件的传动，实现被测纱线的匀速运动，同时，通过相应的部件，使被测纱线在运动过程中张紧并避免抖动。作为优选的，本实施例中，被测纱线的运动速度可控，其范围为10-100(m/min)。

通过面阵相机连续采集匀速运动通过暗箱的被测纱线图像，即被测纱线的序列图像，并存储至与面阵相机相连的存储单元，供后续步骤处理使用。为了保证图像采集的清晰、准确，并满足后续步骤的处理需要，面阵相机的帧频的最低值为41(fps)，本实施例中，优选的面阵相机帧频为117(fps)。

步骤103：对每一帧所述被测纱线的序列图像作灰度投影曲线，并进行差分处理，根据差分处理结果中的突变点和预设的边缘阈值，切割掉所述被测纱线的序列图像中的冗余背景部分。

对于采集到的被测纱线的序列图像的每一帧进行后续处理，参考图2，为一帧被测纱线序列图像的原始图像。作该序列图像的垂直灰度投影：设所要处理的图像为I(x,y)，其大小为M×N，则该图像的垂直灰度投影函数为：

式中，PV为图像垂直灰度投影曲线。

参考图3，为序列图像的垂直灰度投影曲线。本实施例中，对所得的垂直灰度投影曲线作进一步的处理，即对其进行差分处理，参考图4，为垂直灰度投影曲线的差分曲线。由图4中可见，差分曲线中明显存在两个突变点A和B，显然，突变点A和B即是序列图像中，被测纱线的条干和背景的相接处。突变点A和B可以大致确定被测纱线的条干的左、右边缘，据此可以将突变点A左侧和B右侧的列数据去除，以去除掉序列图像中的大部分冗余的背景部分，即将序列图像进行切割，得到切割后的被测纱线序列图像；其中，由于被测纱线的条干边缘存在毛羽，突变点A和B的位置不能严格与被测纱线的条干左、右边缘对应，为了避免误切割被测纱线的条干图像，还预设有一边缘阈值，进行切割时，将保留突变点A减去边缘阈值至突变点B加上边缘阈值列的数据。作为优选的，本实施例中，所述的边缘阈值为15像素。参考图5(a)，为切割后的一帧序列图像。切割后的被测纱线序列图像不在包含大部分的冗余的背景部分，有效的减少了后续步骤的处理计算量，使整个方法的处理效率更高。

步骤104：对于切割后的被测纱线序列图像，对每一行作灰度变化曲线，取灰度较小部分，并将所述灰度较小部分中灰度值坐标连续部分截取为被测纱线条干部分。

参考图5(b)，为切割后的一帧序列图像中一行的灰度变化曲线。

利用模糊C-均值聚类算法将切割后的序列图像的每一行的灰度值分为三类。参考图6，为灰度值分类结果图。具体的，采集到的被测纱线序列图像中，被测纱线为黑色，背景为白色，因此在分得的类中第一类(灰度值最大的部分)为背景，第二类(灰度值中间的部分)为偏离纱线条干的较模糊的毛羽，第三类(灰度值较小的部分)则由纱线条干部分、毛羽紧贴纱干部分以及偏离纱线条干的较清晰的毛羽部分组成，在该类中一定有纱线条干部分，但其他两部分则可能没有，因此第三类中被测纱线的条干部分为所要分割出的部分。

进一步的，确定被测纱线条干部分，检索分割出的第三类灰度值数据在序列图像每行中的位置(即列数，也即灰度变化曲线中的x轴坐标值)，取灰度值坐标连续部分为被测纱线条干图像。具体的，以灰度值坐标连续部分的开始点作为被测纱线条干的左边缘点，结束点作为被测纱线条干的右边缘点，继而得到序列图像该行中的被测纱线条干部分。

步骤105：根据被测纱线的运动速度和图像采集的帧频，去除各帧所述被测纱线条干部分的重合段，并组合生成被测纱线条干图像。

将每一帧序列图像组合成为完整的被测纱线图像时，相邻两帧序列图像必然会存在重合的部分，需要将重合部分去除，该过程具体包括步骤：

被测纱线运行速度为V(m/min)，图像采集的帧频为f(fps)，则两帧序列图像之间运动的实际距离L(mm)：

图像采集位置和被测纱线位置固定，则通过标定单帧图像中被测纱线实际物理尺寸为A(mm)，设图像大小为M×N，则一个像素点所占大小为A/M(mm)，可得到两帧序列图像之间重合的行数n：

将相邻两帧序列图像组合时，去除掉其间相连的n行数据。

进一步的，在生成的被测纱线条干图像中的被测纱线条干边缘点有可能为紧贴纱干的毛羽或者偏离纱线条干的较清晰的毛羽，这两种情况可能会导致分割出的被测纱线条干边缘点产生错误，因此在分割出被测纱线条干后需要进行条干边缘点的判定，该边缘点的判定的步骤包括：

对于被测纱线条干图像P，其中，被测纱线条干处像素值为0，背景为1，对获得的被测纱线条干图像中误判的边缘点进行判定。当前点坐标为(i，j)，判断当前点灰度值P(i，j)是否为0，若是，则判断是否P(i-1，j)＝1和P(i+1，j)＝1，若是，设置P(i，j)＝1，即对于初步判定为被测纱线条干的点，进一步判定其左右两侧的点，若均为1(背景)，则重新确定该点为背景；若P(i，j)＝1且P(i-1，j)＝0，P(i+1，j)＝0，则设置P(i，j)＝0，即对于初步判定为背景且其左侧点为被测纱线条干的点，进一步判定其右侧的点，若其右侧点也为0(条干)，则重新确定该点为被测纱线条干。

通过上述边缘点判定步骤，去除了紧贴纱干的毛羽或者偏离纱线条干的较清晰的毛羽对应的点，更加精确的确定出了被测纱线条干图像。参考图7(a)和图7(b)，分别为最终得到的被测纱线条干图像和被测纱线条干图像与原始图像的对比效果图。其中，图7(b)为将图7(a)的被测纱线条干图像与图5(a)的切割后的一帧序列图像反色后并相减的结果，可见图7(b)中的被测纱线条干轮廓与图5(a)的被测纱线图像边缘具有极高的吻合度。

步骤106：根据所述被测纱线图像像素与实际尺寸的对应关系，获得被测纱线的实际直径。

于本步骤中，由经过前述步骤后最终得到的被测纱线条干图像，测得其上的被测纱线条干的像素长度大小，并经由步骤101中标定的被测纱线图像像素与实际尺寸的对应关系，换算得出被测纱线的直径实际测量值。根据该被测纱线的直径实际测量值能够进一步的实现对被测纱线条干均匀性的评价。

参考图8，为被测纱线条干的直径像素值变化曲线，即由最终得到的被测纱线条干图像每一行的直径像素值所作的变化曲线，能够用以综合评价被测纱线条干的均匀性。

所属领域的普通技术人员应当理解：以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于图像处理的纱线直径检测方法，其特征在于，包括以下步骤：

获取暗箱内被测纱线的清晰图像，标定被测纱线图像像素与实际尺寸的对应关系；其中，被测纱线沿竖直方向设置；

使被测纱线匀速运动通过暗箱，并连续采集被测纱线的序列图像并储存；

对于每一帧所述被测纱线的序列图像，对每一行作灰度变化曲线，采用模糊C-均值聚类算法取灰度较小部分，并将所述灰度较小部分中灰度值坐标连续部分截取为被测纱线条干部分；其中，在所述灰度变化曲线的灰度值较小部分中，以灰度值坐标连续部分的开始点作为被测纱线条干的左边缘点，结束点作为被测纱线条干的右边缘点，获得所述被测纱线条干部分；

根据被测纱线的运动速度和图像采集的帧频，去除各帧所述被测纱线条干部分的重合段，并生成被测纱线条干图像；

对于被测纱线条干图像P，其中，被测纱线条干处像素值为0，背景为1，当前点坐标为(i，j)，判断当前点灰度值P(i，j)是否为0，若是，则判断是否P(i-1，j)＝1和P(i+1，j)＝1，若是，设置P(i，j)＝1；若P(i，j)＝1且P(i-1，j)＝0，P(i+1，j)＝0，则设置P(i，j)＝0，即对于初步判定为背景且其左侧点为被测纱线条干的点，进一步判定其右侧的点，若其右侧点也为0，则重新确定该点为被测纱线条干；

根据所述被测纱线图像像素与实际尺寸的对应关系，获得被测纱线的实际直径。

2.根据权利要求1所述的基于图像处理的纱线直径检测方法，其特征在于，采集被测纱线的序列图像后，还包括步骤：

对每一帧所述被测纱线的序列图像作垂直灰度投影曲线，并进行差分处理，根据差分处理结果中的突变点和预设的边缘阈值，切割掉所述被测纱线的序列图像中的冗余背景部分。

3.根据权利要求2所述的基于图像处理的纱线直径检测方法，其特征在于，所述边缘阈值为15像素。

4.根据权利要求1所述的基于图像处理的纱线直径检测方法，其特征在于，去除各帧所述被测纱线条干部分重合段的步骤包括：

被测纱线运行速度为V(m/min)，图像采集的帧频为f(fps)，则两帧序列图像之间运动的实际距离L(mm)：

$L=\frac{V\×1000}{f\×60}$

图像采集位置和被测纱线位置固定，则通过标定单帧图像中被测纱线实际物理尺寸为A(mm)，设图像大小为M×N，则一个像素点所占大小为A/M(mm)，可得到两帧序列图像之间重合的行数n：

$n=\frac{(A-L)\×A}{M}$

将相邻两帧序列图像组合时，去除掉其间相连的n行数据。

5.根据权利要求1所述的基于图像处理的纱线直径检测方法，其特征在于，所述被测纱线的运动速度范围为10-100(m/min)；所述图像采集的帧频的最低值为41(fps)。

6.根据权利要求1所述的基于图像处理的纱线直径检测方法，其特征在于，获取所述被测纱线条干图像后进一步包括步骤：提取所述被测纱线条干图像每行直径像素值，并作变化曲线，用以综合评价被测纱线条干的均匀性。