CN108305287A - 一种基于相位信息的纺织材料纤维直径测量方法 - Google Patents
一种基于相位信息的纺织材料纤维直径测量方法 Download PDFInfo
- Publication number
- CN108305287A CN108305287A CN201810119923.7A CN201810119923A CN108305287A CN 108305287 A CN108305287 A CN 108305287A CN 201810119923 A CN201810119923 A CN 201810119923A CN 108305287 A CN108305287 A CN 108305287A
- Authority
- CN
- China
- Prior art keywords
- point
- fiber
- image
- edge
- textile material
- 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.)
- Pending
Links
- 239000000835 fiber Substances 0.000 title claims abstract description 160
- 239000004753 textile Substances 0.000 title claims abstract description 45
- 239000000463 material Substances 0.000 title claims abstract description 41
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 15
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 238000011056 performance test Methods 0.000 abstract 1
- 239000004744 fabric Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000004918 carbon fiber reinforced polymer Substances 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002121 nanofiber Substances 0.000 description 1
- 238000009987 spinning 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种基于相位信息的纺织材料纤维直径测量方法,包括:1)输入一幅扫描电子显微镜拍摄的纺织材料纤维图像I;2)利用改进的Kuwahara滤波器对图像进行滤波;3)采用高低帽变换对前景目标进行增强;4)使用基于相位一致性的特征检测方法检测纤维的边缘并细化;5)针对细化后存在毛刺、短线及断裂问题,对边缘进行修复;6)对修复之后的边缘线进行匹配,识别单根纤维;7)根据纤维识别结果得到纤维中轴线,沿着与中轴线垂直的方向进行扫描找到对应边缘点,计算纤维的像素级宽度,结合标尺信息得到纤维直径。本发明可以广泛地用于纺织材料制备和性能测试领域。
Description
技术领域
本发明属于图像处理技术领域,涉及一种基于相位信息的纺织材料纤维直径测量方法,可用于纺织材料纤维直径的测量。
背景技术
纤维直径是纺织材料的重要参数。纤维的取向分布决定了纺织材料的力学各向异性,进而影响纺织材料的性能,纳米纤维材料在燃料电池、生物医学等领域有重要的应用。纤维直径的大小不仅对纤维强度、伸长度、刚性、弹性有很大影响,而且与纺织品的手感、风格以及纱线和织物的加工过程有密切关系。快速、准确地测量纤维直径,对评价产品性能、指导改进制造工艺都具有重要意义。
基于扫描电子显微镜采集的纤维图像进行研究,提出基于相位信息的纺织材料纤维直径测量方法。首先利用改进的Kuwahara滤波器对纤维图像进行滤波并增强前景目标;然后利用基于相位一致性的方法检测纤维边缘,并对边缘进行修复,包括删除交叉点、毛刺、短线并进行边缘补断连接,在此基础上识别单根纤维;接着确定单根纤维中轴线上每一像素点的空间位置以及方向信息,沿中轴线垂直方向进行扫描找到边界像素点;最后根据扫描得到的边界像素点位置计算纤维直径。实验结果表明,本发明提出的纤维直径测量方法能够实现准确、有效的参数测量。
本发明针对扫描电子显微镜下的纺织材料纤维进行参数测量,准确测量纤维直径,从而为改进纺织材料工艺和研究纺织材料纤维的特性提供参考依据。
发明内容
本发明提出了一种基于相位信息的纺织材料纤维直径测量方法。利用相位一致性提取纤维图像的边缘并在此基础上识别单根纤维,然后确定单根纤维的中轴线并沿着垂直于中轴线的方向进行扫描找到纤维的边缘像素点,从而测量纤维直径,实现准确、有效的参数测量。实现本发明目的技术方案,包括下列步骤:
步骤1:输入一幅扫描电子显微镜拍摄的纺织材料纤维图像I;
步骤2:采用改进的Kuwahara滤波方法对图像进行预处理:
步骤2-1:对于图像中的每个像素点(x0,y0),将其邻域均匀地分成8个扇形区域,分别计算每个扇区上局部加权均值mi以及局部加权标准差si;
步骤2-2:计算(x0,y0)点的滤波输出:
其中,q是滤波参数。
步骤3:采用高低帽变换增强前景目标:
步骤3-1:对滤波后的图像f进行高帽变换b是结构元素;
步骤3-2:对滤波后的图像f进行低帽变换B(f)=(f·b)-f,b是结构元素;
步骤3-3:将滤波后的图像加上高帽变换之后的结果,再减去低帽变换之后的结果,得到增强结果E(f)=f+T(f)-B(f)。
步骤4:使用基于相位一致性的特征检测算法对图像进行边缘检测并细化:
步骤4-1:对采集到的纤维图像进行傅里叶变换;
步骤4-2:构造角向滤波器G(θ),其中θ为方向角,并利用该滤波器对纤维图像的傅里叶系数进行p个方向的滤波;
步骤4-3:构造径向滤波器H(ω),其中ω为角频率,对利用角向滤波器处理后的纤维图像分别在s个不同尺度上进行滤波;
步骤4-4:对滤波后的纤维图像,计算每个点在p个尺度s个方向上叠加的局部能量和傅里叶分量的幅度总和;
步骤4-5:计算纤维图像的相位一致性矩阵,并将该矩阵转换成灰度图像作为输出结果。
步骤5:进行边缘修复,包括检测并删除交叉点、毛刺、短线,对短边进行补断:
步骤5-1:检测并删除交叉点:
步骤5-1-1:考察当前点P的八邻域P0,P1,P2,P3,P4,P5,P6,P7,如满足以下要求则视为交叉点:
(1)T(P)=1,其中T(P)为当前点P的像素值;
(2)T(P0)+T(P1)+T(P2)+T(P3)+T(P4)+T(P5)+T(P6)+T(P7)≥3;
步骤5-1-2:如果检测到当前点为交叉点,则将当前点及其八邻域内所有点的像素值都置0;
步骤5-1-3:重复步骤5-1-2,直至处理完二值图像中的所有像素点;
步骤5-2:检测并删除毛刺:
步骤5-2-1:设定长度阈值T1;
步骤5-2-2:获得当前像素点的像素值,如果检测到该点的像素值为1即白点,且为线段的端点,则沿着该点跟踪搜索这条线段,设定一个数组作为计数器,用来记录所跟踪线段的长度,将该线段的长度记录到该数组中,每搜索到一个新的白点,先判断该点是否为交叉点,如果不是,则计数器加1,若搜索到的是交叉点,且计数器的值小于T1,则将该线段视为毛刺并将线段上的所有点的像素值置0,否则继续处理下一个端点;
步骤5-2-3:重复步骤5-2-2,直至处理完二值图像中的所有像素点;
步骤5-3:检测并删除短线:
步骤5-3-1:设定搜索范围阈值T2;
步骤5-3-2:获得当前像素点的像素值,如果该点像素值为1并且其八邻域范围内有且只有一个白点,则将该点标记为端点,沿着线段搜索与该端点相连接的另一个端点,搜索过程中将搜索到的所有白点在二值图像中的坐标保存在一个数组中,如果能够在给定的搜索阈值范围内能搜索到另一个端点,则将此线段视为短线,删除此次操作中搜索到的所有白点,否则不予操作;
步骤5-3-3:重复步骤5-3-2,直至处理完二值图像中的所有像素点;
步骤5-4:补断短边,对于由于删除交叉点导致的断线部分,将步骤3中利用边缘检测算法检测出的断开的线段连接成一条完整的纤维边缘线段。
步骤6:进行边缘匹配,识别出单根纤维:
步骤6-1:根据纤维边缘每一像素点的x和y坐标,利用最小二乘法拟合直线,
y=kix+bi i=1,2…n
式中,ki和bi分别为直线的斜率和截距;
步骤6-2:建立三个约束条件来判断两条线段之间是否匹配:
(1)直线斜率约束条件:设定个阈值Tk,建立判断机制|km-kn|<Tk;
(2)直线距离约束条件:设定两个阈值Dmin与Dmax,建立判断机制
(3)面积约束条件:设定比例阈值σ,建立判断机制
其中,Dmin为利用先验知识得到的纤维图中最小的纤维直径,Dmax为利用先验知识得到的纤维图中最大的纤维直径,AA为两条线段之间填充区域的总面积,Ao为两条线段之间属于纤维体的面积,如果同时满足以上三条约束条件,则认为两条线段匹配成功,从而识别出单根纤维。
步骤7:根据纤维识别结果测量纤维的直径:
步骤7-1:对步骤6识别出的单根纤维填充区域进行膨胀,确保真实纤维边缘落在填充区域内;
步骤7-2:根据膨胀后填充区域四个顶点的坐标计算出填充区域的中心线,得到纤维的中轴线;
步骤7-3:在中轴线上等间隔取5个点作为扫描起点,扫描边缘点并计算边缘点间欧氏距离:
步骤7-3-1:将扫描步长w设置为1,计算中轴线与x轴的夹角θ;
步骤7-3-2:以中轴线上的一点(x0,y0)作为扫描起点,沿垂直于中轴线的方向向坐标值增大的方向开始扫描,设当前点坐标为(xi,yi),计算下一个扫描点的坐标:x=xi-wsinθ,y=yi+wcosθ,判断(x,y)点是否为纤维边缘点,若不是,令xi=x,yi=y,重复本步骤,若是,记录当前坐标(x,y)对应的像素位置为Q1,将该点坐标记为(x1,y1)。
步骤7-3-3:以中轴线上的一点(x0,y0)作为扫描起点,沿中轴线另一侧进行扫描,同样根据当前点坐标(xi,yi)和中轴线与x轴的夹角θ计算下一个扫描点的坐标:x=xi+wsinθ,y=yi-wcosθ,判断(x,y)点是否为纤维边缘点,若不是,令xi=x,yi=y,重复本步骤,若是,记录当前坐标(x,y)对应的像素位置为Q2,将该点坐标记为(x2,y2);
步骤7-3-4:计算Q1、Q2两点的欧式距离对根据5个扫描起点扫描计算得到的欧氏距离求平均值即为当前纤维的像素级直径W;
步骤7-4:计算纤维真实直径其中D和Wd分别是纤维图像中标尺的实际长度和像素长度。
与现有技术相比,本发明的有益效果是:
1.提出了基于相位信息的纺织材料纤维直径测量方法。利用相位一致性提取纤维图像的边缘并在此基础上识别单根纤维,然后确定单根纤维的中轴线并沿着垂直于中轴线的方向进行扫描找到纤维的边缘像素点,从而获得纤维的像素级宽度。
2.本发明应用的改进的Kuwahara滤波模型解决了常用滤波器容易出现边缘模糊或者方块效应的问题,获得了良好的滤波效果,在此基础上得到的测量结果准确。
附图说明
图1纺织材料纤维直径测量过程;
图2为扫描电子显微镜拍摄的带有标尺信息的纺织材料纤维图像;
图3为改进的Kuwahara滤波方法中用到的8个扇形区域;
图4(a)、(b)、(c)、(d)分别为纺织材料纤维原图、滤波后的纺织材料纤维图、局部纺织材料纤维图、滤波后的局部纺织材料纤维图;
图5(a)、(b)、(c)、(d)分别为滤波后的纺织材料纤维图、高帽变换后的纺织材料纤维图、低帽变换后的纺织材料纤维图、高低帽结合使用后的增强前景目标的纺织材料纤维图;
图6为基于相位信息的边缘检测结果图;
图7(a)、(b)分别为有交叉点的情况、处理交叉点后的结果图;
图8(a)、(b)分别为有毛刺的情况、删除毛刺后的结果图;
图9(a)、(b)分别为有短线的情况、删除短线后的结果图;
图10(a)、(b)分别为有断线的情况、补断断线后的结果图;
图11(a)、(b)、(c)、(d)分别为原边缘检测图、修复后的边缘检测图、原边缘检测的局部图、修复后的局部图;
图12(a)、(b)分别为匹配后的纤维边缘图、对配对区域填充后的纤维图;
图13(a)、(b)分别为局部填充示意图、直径测量局部示意图。
图14为由纤维中轴线扫描得到纤维边缘点的示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步详细地描述。
纤维直径相当于纺织材料的线密度,是纤维重要的几何参数。纤维直径的大小与纺织品的手感、风格以及纱线和织物的加工过程有密切关系。纤维的细度不同,则其加工成的纺织品的手感及性能也会有很大差异,如采用较细纤维可以加工成柔软、舒适的内衣织物;采用较粗纤维可以加工成比较硬挺的外衣织物;当所采用纤维直径比较适中时,织物的耐磨性较好。使用直径比较小的纤维,纺纱加工中容易将纤维拉断,同时在加工过程中容易出现大量短绒。另外,使用直径较小的纤维进行纺纱时,由于纤维体之间相互接触面积比大,导致了纱线中产生较高的纤维伸直度。由于成纱断面内包含的纤维根数较多时纤维间接触面积大,滑脱概率低,这样有利于提高成纱强度。在其他条件相同的情况下,纤维直径越小,纤维体直径产生的摩擦力越大,成纱强力越高。相比于长度不匀和纤维种类的不同,直径不匀对纺织品的均匀度影响更大。纤维间的直径不匀对纤维力学性质产生很大的影响,纤维直径的差异最终将影响产品的使用。此外,在一些纺织品的国际贸易合同中,买卖双方都规定了纤维的直径指标。因此快速、准确地测量纤维直径对工业生产和人类生活具有重要意义。
本发明通过以下步骤实现了基于相位信息的纺织材料纤维直径测量方法,结合附图对整个过程做详细介绍。本发明的整体过程如图1所示,扫描电子显微镜拍摄的纺织材料纤维图像如图2所示。
第一,输入图像。
第二,滤波。
将每个像素点周围的一个邻域均匀地分成8个扇形区域,如图3所示,利用改进的Kuwahara滤波器对图像进行滤波,具体如下:
1.将每个扇区表示为极坐标的形式,并对其进行二维高斯滤波:
在此基础上,定义如下权重函数:
wi=gσUi
2.分别计算每个扇区上局部加权均值mi以及局部加权标准差
mi=I*wi
3.计算(x0,y0)点的滤波输出:
其中,q是滤波参数。滤波结果如图4所示。
第三,增强前景目标。
原图像与开运算之后的图像之差即为高帽变换,原图像与闭运算之后的图像之差即为低帽变换:
B(f)=(f·b)-f
其中,f为待操作的目标图像,b是操作过程中采用的结构元素,是形态学开运算符,·是形态学闭运算符,T(f)是经过高帽变换后的输出图像,B(f)是经过低帽处理后的输出图像,高低帽变换主要是用来校正由于光照不均匀给图像带来的影响,高帽变换用于突出暗背景上的亮物体,低帽变换则适用于相反的情况下。将滤波后的图像加上高帽变换之后的结果,再减去低帽变换之后的结果,得到增强结果:
E(f)=f+T(f)-B(f)
高低帽法增强后输出的纤维图像更加清晰,前景目标突出,单根纤维得到增强,如图5所示。
第四,边缘检测。
1.利用相位一致性检测纤维边缘。
定义相位一致性函数:
式中,An(x)是点x处的第n个Fourier分量的幅度,是点x处的第n个Fourier分量的相位,使得式中最大的为位于该点所有的Fourier分量以幅度加权的平均局部相位。所以相位一致性最大的点与局部相位的加权平均变换最小的点是相对应的。由1D信号扩展到2D图像,首先利用极性可分离的滤波器在垂直方向上与扩展函数进行卷积运算,然后在水平方向上与滤波器组进行卷积运算,整个的极性可分离的滤波器函数为:
F(ω,θ)=G(θ)·H(ω)
式中,θ为方向角,ω为角频率,Δθ为角向滤波器的方向角与像素角的角度之差,ω0为滤波器的中心频率;TN(ω/ω0)是N阶Chebyshev多项式;ε2为纹波参数,且0<ε2<1,G(θ)角向滤波器,H(ω)是径向滤波器;
利用相位信息进行的纤维图像边缘检测方法步骤如下:
(1)对增强后的纤维图像进行傅里叶变换;
(2)构造角向滤波器,并利用该滤波器对纤维图像的傅里叶系数进行p个方向的滤波;
(3)构造径向滤波器,对利用角向滤波器处理后的纤维图像分别在s个不同尺度上进行滤波;
(4)对滤波后的纤维图像,计算每个点在p个尺度s个方向上叠加的局部能量和傅里叶分量的幅度总和;
(5)根据利用角向滤波器和径向滤波器滤波后的结果计算得到纤维图像的相位一致性值矩阵,并将该矩阵转换成灰度图像作为边缘检测结果,如图6所示。
2.针对相位一致性方法检测到的图像边缘,采取二值化和细化操作,得到单像素二值边缘图。
第五,边缘修复。
在边缘检测时有可能漏检掉一些弱边缘,细化之后可能会存在一些毛刺、短线等,致使边缘线条断裂、不完整。这些情况对单根纤维识别工作会有很大的影响,必须对细化后的纤维边缘图像进行修复和校正。
检测并删除交叉点的步骤是:
1.考察当前点P的八邻域P0,P1,P2,P3,P4,P5,P6,P7,如满足以下要求则视为交叉点:
(1)T(P)=1,其中T(P)为当前点P的像素值;
(2)T(P0)+T(P1)+T(P2)+T(P3)+T(P4)+T(P5)+T(P6)+T(P7)≥3;
2.如果检测到当前点为交叉点,则将当前点及其八邻域内所有点的像素值都置0;
3.重复步骤2,直至处理完二值图像中的所有像素点,如图7所示;
检测并删除毛刺的步骤是:
1.设定长度阈值T1;
2.获得当前像素点的像素值,如果检测到该点的像素值为1即白点,且为线段的端点,则沿着该点跟踪搜索这条线段,设定一个数组作为计数器,用来记录所跟踪线段的长度,将该线段的长度记录到该数组中,每搜索到一个新的白点,先判断该点是否为交叉点,如果不是,则计数器加1,若搜索到的是交叉点,且计数器的值小于T1,则将该线段视为毛刺并将线段上的所有点的像素值置0,否则继续处理下一个端点;
3.重复步骤2,直至处理完二值图像中的所有像素点,如图8所示;
检测并删除短线的步骤是:
1.设定搜索范围阈值T2;
2.获得当前像素点的像素值,如果该点像素值为1并且其八邻域范围内有且只有一个白点,则将该点标记为端点,沿着线段搜索与该端点相连接的另一个端点,搜索过程中将搜索到的所有白点在二值图像中的坐标保存在一个数组中,如果能够在给定的搜索阈值范围内能搜索到另一个端点,则将此线段视为短线,删除此次操作中搜索到的所有白点,否则不予操作;
3.重复步骤2,直至处理完二值图像中的所有像素点,如图9所示;
补断短边的过程是:对于由于删除交叉点导致的断线部分,将断开的线段连接成一条完整的纤维边缘线段,如图10所示。
经过边缘修复后,纤维边缘线更加清晰,不混乱,如图11所示。
第六,匹配边缘,识别单根纤维。
边缘修复之后在一个数组中记录了纤维边缘曲线上每一点的x和y坐标,根据x和y坐标,利用最小二乘法拟合直线,
y=kix+bi i=1,2…n
式中,ki和bi分别为直线的斜率和截距;
建立三个约束条件来判断两条线段之间是否匹配:
(1)直线斜率约束条件:设定个阈值Tk,建立判断机制|km-kn|<Tk;
(2)直线距离约束条件:设定两个阈值Dmin与Dmax,建立判断机制
(3)面积约束条件:设定比例阈值σ,建立判断机制
其中,Dmin为利用先验知识得到的纤维图中最小的纤维直径,Dmax为利用先验知识得到的纤维图中最大的纤维直径,AA为两条线段之间填充区域的总面积,Ao为两条线段之间属于纤维体的面积,如果同时满足以上三条约束条件,则认为两条线段匹配成功,从而识别出单根纤维。图12显示了经匹配识别后单根纤维边缘的匹配与填充效果。
第七,测量纤维直径。
1.对识别出的单根纤维填充区域进行膨胀,确保真实纤维边缘落在填充区域内,根据膨胀后填充区域四个顶点的坐标计算出填充区域的中心线,得到纤维的中轴线;
2.在中轴线上等间隔取5个点作为扫描起点,将扫描步长w设置为1,计算中轴线与x轴的夹角θ,沿着与纤维中轴线垂直的方向分别向纤维两侧边缘进行扫描,如图13所示;
以中轴线上的一点(x0,y0)作为扫描起点,沿垂直于中轴线的方向向坐标值增大的方向开始扫描,设当前点坐标为(xi,yi),计算下一个扫描点的坐标:x=xi-wsinθ,y=yi+wcosθ,判断(x,y)点是否为纤维边缘点,若不是,令xi=x,yi=y,重复本步骤,若是,记录当前坐标(x,y)对应的像素位置为Q1,将该点坐标记为(x1,y1),如图14所示;
以中轴线上的一点(x0,y0)作为扫描起点,沿中轴线另一侧进行扫描,同样根据当前点坐标(xi,yi)和中轴线与x轴的夹角θ计算下一个扫描点的坐标:x=xi+wsinθ,y=yi-wcosθ,判断(x,y)点是否为纤维边缘点,若不是,令xi=x,yi=y,重复本步骤,若是,记录当前坐标(x,y)对应的像素位置为Q2,将该点坐标记为(x2,y2),如图14所示;
计算Q1、Q2两点的欧式距离
对根据5个扫描起点扫描计算得到的欧氏距离求平均值即为当前纤维的像素级直径W;
3.计算纤维真实直径其中D和Wd分别是纤维图像中标尺的实际长度和像素长度。
本发明在每条中轴线上等间隔取5个点作为扫描起点,经扫描计算得到5个纤维直径测量值,对这5个测量值取平均值,作为当前纤维的最终直径测量值。
本发明详细阐述了基于相位一致的纺织材料纤维直径的测量方法。首先对滤波后的灰度图像进行前景目标的增强;然后利用基于相位一致性的方法进行边缘检测与细化;进而修复边缘,具体包括删除交叉点、短线、毛刺并进行边缘连接,在此基础上识别单根纤维;最后确定单根纤维中轴线上每一像素点的空间位置以及方向信息,在中轴线垂直方向上扫描找到当前点两侧的边缘像素点,从而获得纤维的像素级宽度并据此计算得到纤维直径。实验结果表明,本发明能有效测量纺织材料纤维的直径。
Claims (8)
1.一种基于相位信息的纺织材料纤维直径测量方法,包括下列步骤:
步骤1:输入一幅扫描电子显微镜拍摄的纺织材料纤维图像I;
步骤2:采用改进的Kuwahara滤波方法对图像进行预处理;
步骤3:采用高低帽变换增强前景目标;
步骤4:使用基于相位一致性的特征检测算法对图像进行边缘检测并细化;
步骤5:进行边缘修复,包括检测并删除交叉点、毛刺、短线,对短边进行补断;
步骤6:进行边缘匹配,识别出单根纤维;
步骤7:根据纤维识别结果测量纤维的直径。
2.根据权利要求1所述基于相位信息的纺织材料纤维直径测量方法,其特征在于,步骤2中,采用改进的Kuwahara滤波器对图像进行滤波,具体方法是:
步骤2-1:对于图像中的每个像素点(x0,y0),将其邻域均匀地分成8个扇形区域,分别计算每个扇区上局部加权均值mi以及局部加权标准差si;
步骤2-2:计算(x0,y0)点的滤波输出:
其中,q是滤波参数。
3.根据权利要求1所述基于相位信息的纺织材料纤维直径测量方法,其特征在于,步骤3中,采用高低帽变换增强前景目标,具体方法是:
步骤3-1:对滤波后的图像f进行高帽变换T(f)=f-(fοb),b是结构元素;
步骤3-2:对滤波后的图像f进行低帽变换B(f)=(f·b)-f,b是结构元素;
步骤3-3:将滤波后的图像加上高帽变换之后的结果,再减去低帽变换之后的结果,得到增强结果E(f)=f+T(f)-B(f)。
4.根据权利要求1所述基于相位信息的纺织材料纤维直径测量方法,其特征在于,步骤4中,利用相位信息对纤维图像进行边缘检测步骤如下:
步骤4-1:对采集到的纤维图像进行傅里叶变换;
步骤4-2:构造角向滤波器G(θ),其中θ为方向角,并利用该滤波器对纤维图像的傅里叶系数进行p个方向的滤波;
步骤4-3:构造径向滤波器H(ω),其中ω为角频率,对利用角向滤波器处理后的纤维图像分别在s个不同尺度上进行滤波;
步骤4-4:对滤波后的纤维图像,计算每个点在p个尺度s个方向上叠加的局部能量和傅里叶分量的幅度总和;
步骤4-5:计算纤维图像的相位一致性矩阵,并将该矩阵转换成灰度图像作为输出结果。
5.根据权利要求1所述基于相位信息的纺织材料纤维直径测量方法,其特征在于,边缘修复的具体方法是:
步骤5-1:检测并删除交叉点:
步骤5-1-1:考察当前点P的八邻域P0,P1,P2,P3,P4,P5,P6,P7,如满足以下要求则视为交叉点:
(1)T(P)=1,其中T(P)为当前点P的像素值;
(2)T(P0)+T(P1)+T(P2)+T(P3)+T(P4)+T(P5)+T(P6)+T(P7)≥3;
步骤5-1-2:如果检测到当前点为交叉点,则将当前点及其八邻域内所有点的像素值都置0;
步骤5-1-3:重复步骤5-1-2,直至处理完二值图像中的所有像素点;
步骤5-2:检测并删除毛刺:
步骤5-2-1:设定长度阈值T1;
步骤5-2-2:获得当前像素点的像素值,如果检测到该点的像素值为1即白点,且为线段的端点,则沿着该点跟踪搜索这条线段,设定一个数组作为计数器,用来记录所跟踪线段的长度,将该线段的长度记录到该数组中,每搜索到一个新的白点,先判断该点是否为交叉点,如果不是,则计数器加1,若搜索到的是交叉点,且计数器的值小于T1,则将该线段视为毛刺并将线段上的所有点的像素值置0,否则继续处理下一个端点;
步骤5-2-3:重复步骤5-2-2,直至处理完二值图像中的所有像素点;
步骤5-3:检测并删除短线:
步骤5-3-1:设定搜索范围阈值T2;
步骤5-3-2:获得当前像素点的像素值,如果该点像素值为1并且其八邻域范围内有且只有一个白点,则将该点标记为端点,沿着线段搜索与该端点相连接的另一个端点,搜索过程中将搜索到的所有白点在二值图像中的坐标保存在一个数组中,如果能够在给定的搜索阈值范围内能搜索到另一个端点,则将此线段视为短线,删除此次操作中搜索到的所有白点,否则不予操作;
步骤5-3-3:重复步骤5-3-2,直至处理完二值图像中的所有像素点;
步骤5-4:补断短边,对于由于删除交叉点导致的断线部分,将步骤3中利用边缘检测算法检测出的断开的线段连接成一条完整的纤维边缘线段。
6.根据权利要求1所述基于相位信息的纺织材料纤维直径测量方法,其特征在于,步骤6中,匹配边缘的方法是:
步骤6-1:根据纤维边缘每一像素点的x和y坐标,利用最小二乘法拟合直线,
y=kix+bi i=1,2…n
式中,ki和bi分别为直线的斜率和截距;
步骤6-2:建立三个约束条件来判断两条线段之间是否匹配:
(1)直线斜率约束条件:设定个阈值Tk,建立判断机制|km-kn|<Tk;
(2)直线距离约束条件:设定两个阈值Dmin与Dmax,建立判断机制
(3)面积约束条件:设定比例阈值σ,建立判断机制
其中,Dmin为利用先验知识得到的纤维图中最小的纤维直径,Dmax为利用先验知识得到的纤维图中最大的纤维直径,AA为两条线段之间填充区域的总面积,Ao为两条线段之间属于纤维体的面积,如果同时满足以上三条约束条件,则认为两条线段匹配成功,从而识别出单根纤维。
7.根据权利要求1所述基于相位信息的纺织材料纤维直径测量方法,其特征在于,步骤7中,测量纤维直径的具体方法是:
步骤7-1:对步骤6识别出的单根纤维填充区域进行膨胀,确保真实纤维边缘落在填充区域内;
步骤7-2:根据膨胀后填充区域四个顶点的坐标计算出填充区域的中心线,得到纤维的中轴线;
步骤7-3:在中轴线上等间隔取5个点作为扫描起点,沿着与纤维中轴线垂直的方向分别向纤维两侧边缘进行扫描,找到二值纤维边缘两侧的边界坐标Q1、Q2,计算Q1、Q2两点的欧式距离,对根据5个扫描起点扫描计算得到的欧氏距离求平均值即为当前纤维的像素级直径W;
步骤7-4:计算纤维真实直径其中D和Wd分别是纤维图像中标尺的实际长度和像素长度。
8.根据权利要求7所述测量纤维直径的方法,其特征在于,步骤7-3中,扫描边缘点并计算边缘点间欧氏距离的具体方法是:
步骤7-3-1:将扫描步长w设置为1,计算中轴线与x轴的夹角θ;
步骤7-3-2:以中轴线上的一点(x0,y0)作为扫描起点,沿垂直于中轴线的方向向坐标值增大的方向开始扫描,设当前点坐标为(xi,yi),计算下一个扫描点的坐标:x=xi-wsinθ,y=yi+wcosθ,判断(x,y)点是否为纤维边缘点,若不是,令xi=x,yi=y,重复本步骤,若是,记录当前坐标(x,y)对应的像素位置为Q1,将该点坐标记为(x1,y1);
步骤7-3-3:以中轴线上的一点(x0,y0)作为扫描起点,沿中轴线另一侧进行扫描,同样根据当前点坐标(xi,yi)和中轴线与x轴的夹角θ计算下一个扫描点的坐标:x=xi+wsinθ,y=yi-wcosθ,判断(x,y)点是否为纤维边缘点,若不是,令xi=x,yi=y,重复本步骤,若是,记录当前坐标(x,y)对应的像素位置为Q2,将该点坐标记为(x2,y2);
步骤7-3-4:计算Q1、Q2两点的欧式距离
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119923.7A CN108305287A (zh) | 2018-02-02 | 2018-02-02 | 一种基于相位信息的纺织材料纤维直径测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119923.7A CN108305287A (zh) | 2018-02-02 | 2018-02-02 | 一种基于相位信息的纺织材料纤维直径测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108305287A true CN108305287A (zh) | 2018-07-20 |
Family
ID=62864443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810119923.7A Pending CN108305287A (zh) | 2018-02-02 | 2018-02-02 | 一种基于相位信息的纺织材料纤维直径测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108305287A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584291A (zh) * | 2018-10-31 | 2019-04-05 | 东华大学 | 一种基于自动提取中轴线的动物纤维细度计算方法 |
CN110490846A (zh) * | 2019-07-30 | 2019-11-22 | 武汉睿芯特种光纤有限责任公司 | 一种对光纤图像进行几何尺寸测试的方法和装置 |
CN111665244A (zh) * | 2019-03-05 | 2020-09-15 | 温力力 | 一种基于纺织品纤维识别与成分检测系统的方法 |
CN111665243A (zh) * | 2019-03-05 | 2020-09-15 | 温力力 | 一种纺织品纤维识别与成分检测系统 |
CN111854616A (zh) * | 2020-05-21 | 2020-10-30 | 南京鸿亦沄智能科技有限公司 | 一种激光辅助下的树木胸径视觉测量方法与系统 |
CN112150488A (zh) * | 2020-09-23 | 2020-12-29 | 创新奇智(青岛)科技有限公司 | 纤维直径测量方法、装置、电子设备及存储介质 |
CN112164085A (zh) * | 2020-09-28 | 2021-01-01 | 华南理工大学 | 一种基于图像处理的纤维图像分割及直径统计方法 |
CN113313690A (zh) * | 2021-05-31 | 2021-08-27 | 齐鲁工业大学 | 一种皮革纤维mct序列切片图像的同根区域智能检测方法 |
CN113538489A (zh) * | 2021-07-19 | 2021-10-22 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687251A (en) * | 1993-02-09 | 1997-11-11 | Cedars-Sinai Medical Center | Method and apparatus for providing preferentially segmented digital images |
CN102359762A (zh) * | 2011-06-20 | 2012-02-22 | 东华大学 | 利用计算机图像处理技术检测熔喷超细纤维主体直径方法 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
-
2018
- 2018-02-02 CN CN201810119923.7A patent/CN108305287A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687251A (en) * | 1993-02-09 | 1997-11-11 | Cedars-Sinai Medical Center | Method and apparatus for providing preferentially segmented digital images |
CN102359762A (zh) * | 2011-06-20 | 2012-02-22 | 东华大学 | 利用计算机图像处理技术检测熔喷超细纤维主体直径方法 |
CN103020609A (zh) * | 2012-12-30 | 2013-04-03 | 上海师范大学 | 复杂纤维图像的识别方法 |
Non-Patent Citations (6)
Title |
---|
孟飞飞: "羊绒与羊毛纤维鉴别系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
张文涛: "雾天图像复原技术研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
汪依帆: "复杂纤维图像的识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王琴等: "采用改进相位一致性检测方法的电力线图像分析及其提取", 《高电压技术》 * |
董长虹: "《Matlab图像处理与应用》", 31 January 2004, 国防工业出版社 * |
陈泽芸: "基于图像处理的熔喷超细纤维直径测试方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584291A (zh) * | 2018-10-31 | 2019-04-05 | 东华大学 | 一种基于自动提取中轴线的动物纤维细度计算方法 |
CN111665244A (zh) * | 2019-03-05 | 2020-09-15 | 温力力 | 一种基于纺织品纤维识别与成分检测系统的方法 |
CN111665243A (zh) * | 2019-03-05 | 2020-09-15 | 温力力 | 一种纺织品纤维识别与成分检测系统 |
CN111665244B (zh) * | 2019-03-05 | 2024-03-19 | 温力力 | 一种基于纺织品纤维识别与成分检测系统的方法 |
CN111665243B (zh) * | 2019-03-05 | 2024-03-19 | 温力力 | 一种纺织品纤维识别与成分检测系统 |
CN110490846B (zh) * | 2019-07-30 | 2023-01-06 | 武汉睿芯特种光纤有限责任公司 | 一种对光纤图像进行几何尺寸测试的方法和装置 |
CN110490846A (zh) * | 2019-07-30 | 2019-11-22 | 武汉睿芯特种光纤有限责任公司 | 一种对光纤图像进行几何尺寸测试的方法和装置 |
CN111854616A (zh) * | 2020-05-21 | 2020-10-30 | 南京鸿亦沄智能科技有限公司 | 一种激光辅助下的树木胸径视觉测量方法与系统 |
CN112150488A (zh) * | 2020-09-23 | 2020-12-29 | 创新奇智(青岛)科技有限公司 | 纤维直径测量方法、装置、电子设备及存储介质 |
CN112164085A (zh) * | 2020-09-28 | 2021-01-01 | 华南理工大学 | 一种基于图像处理的纤维图像分割及直径统计方法 |
CN112164085B (zh) * | 2020-09-28 | 2023-08-18 | 华南理工大学 | 一种基于图像处理的纤维图像分割及直径统计方法 |
CN113313690B (zh) * | 2021-05-31 | 2022-08-09 | 齐鲁工业大学 | 一种皮革纤维mct序列切片图像的同根区域智能检测方法 |
CN113313690A (zh) * | 2021-05-31 | 2021-08-27 | 齐鲁工业大学 | 一种皮革纤维mct序列切片图像的同根区域智能检测方法 |
CN113538489B (zh) * | 2021-07-19 | 2022-09-09 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
CN113538489A (zh) * | 2021-07-19 | 2021-10-22 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108305287A (zh) | 一种基于相位信息的纺织材料纤维直径测量方法 | |
Rong et al. | An improved CANNY edge detection algorithm | |
CN107256406A (zh) | 重叠纤维图像分割方法、装置、存储介质和计算机设备 | |
CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN108364291A (zh) | 基于计算机视觉技术的原坯布快速检测方法 | |
CN102706881A (zh) | 基于机器视觉的布匹瑕疵检测方法 | |
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 | |
CN103778624A (zh) | 一种基于最优阈值分割的织物疵点检测方法 | |
CN103530644A (zh) | 条纹织物组织结构自动识别方法 | |
CN108090494A (zh) | 基于Gabor滤波器及支持向量机纺织品瑕疵识别方法 | |
CN109272503B (zh) | 一种基于最大熵与dbscan相融合的毛羽检测方法 | |
Ying et al. | A study on the method of image pre-processing for recognition of crop diseases | |
CN105095907B (zh) | 一种基于rbf神经网络的棉花异质纤维鉴别方法 | |
Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
Jeong et al. | Applying image analysis to automatic inspection of fabric density for woven fabrics | |
CN105550660A (zh) | 一种机织物组织结构种类的识别方法 | |
CN114998321B (zh) | 一种基于光学手段的纺织材料表面毛羽程度识别方法 | |
CN109615598A (zh) | 一种基于边缘绘图参数自由算法的输电线识别方法 | |
CN103226829A (zh) | 基于边缘增强算子的图像边缘检测方法 | |
CN112150445A (zh) | 基于贝叶斯阈值的纱线毛羽检测方法 | |
CN107862689A (zh) | 皮革表面明显破损自动识别方法及计算机可读存储介质 | |
CN105740869B (zh) | 一种基于多尺度多分辨率的方形算子边缘提取方法及系统 | |
CN114913180B (zh) | 一种棉布筘痕缺陷的智能检测方法 | |
Jeffrey Kuo et al. | Self-organizing map network for automatically recognizing color texture fabric nature | |
Huang et al. | A vision based method for automated measurement of circular fiber cross-sections |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180720 |