CN110189298A - 一种快速检测纱线条干均匀度的图像处理算法 - Google Patents

一种快速检测纱线条干均匀度的图像处理算法 Download PDF

Info

Publication number
CN110189298A
CN110189298A CN201910313440.5A CN201910313440A CN110189298A CN 110189298 A CN110189298 A CN 110189298A CN 201910313440 A CN201910313440 A CN 201910313440A CN 110189298 A CN110189298 A CN 110189298A
Authority
CN
China
Prior art keywords
image
yarn
evenness
processing algorithm
formula
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
Application number
CN201910313440.5A
Other languages
English (en)
Inventor
刘美娜
曲延梅
潘峰
辛斌杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yantai Nanshan University
Original Assignee
Yantai Nanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yantai Nanshan University filed Critical Yantai Nanshan University
Priority to CN201910313440.5A priority Critical patent/CN110189298A/zh
Publication of CN110189298A publication Critical patent/CN110189298A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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

本发明提供一种快速检测纱线条干均匀度的图像处理算法，包括对纱线图像的动态采集以及对所采集的图像在计算机中进行预处理，对预处理的图像进行图像阈值分割、对分割后的图像进行图像分析计算四个步骤，其特征在于所述的图像预处理指纱线图像背景处理，采用图像差分法。与现有技术相比，本发明简化工作流程，有效提高检测效率，减少纱线运转过程中对毛羽、条干的影响。

Description

一种快速检测纱线条干均匀度的图像处理算法
技术领域
本发明涉及纺织技术领域，特别是涉及一种检测纱线条干均匀度的图像处理算法。
背景技术
近年来随着纺织行业的技术进步,对纺织品的质量检测提出了更高的要求。在纺织品生产过程的各个阶段都会出现影响其外观和质量的因素，其中最常见的影响因素是纱线的质量。纱线粗细均匀度不仅在很大程度上决定纺织品的外观和内在质量,而且还对纺织生产过程的稳定性有着重大的影响。此外,细纱均匀度的降低,会使纺纱及织造生产断头率急剧增加,从而降低劳动生产率。
而直径是纱线均匀度的直接体现。因此快速、准确检测纱线直径对对纱线的性能、质量和后序加工过程有影响显著。
随着图像采集技术和计算机技术的不断发展，数字图像处理技术逐步应用到纱线外观检测中，提高了纱线参数检测的全面性和准确度。
迟凯龙等采用扫描仪采集纱线图像，然后对纱线图像进行一系列算法处理得到纱线主干图像，基于处理后的图像计算纱线的直径和纱线的条干CV值。他提出的算法处理图像时间长并且不能够动态获取纱线图像，因此不利于该方法在工业生产上的应用。
李忠健等获取纱线图像并进行预处理，从而得到纱线直径数据，但其背景没有处理好而采用OTSU法对纱线图像进行阈值处理得到二值图像，纱线图像分割精度较低，光照不均匀时OTSU算法的使用一定的局限性。
景军锋等提出一种应用显著性算法检测纱线条干均匀度的方法。对采集到的纱线图像提取颜色和亮度特征，进行显著性分析，突出纱线条干区域，然后利用迭代阈值分割算法和区域滤波，得到准确清晰的纱线条干二值图像，基于此进行直径计算、均匀度分析和纱线疵点判定。他提出的算法能够较为精确计算纱线条干直径，但是在检测过程中消耗较长的时间，不利于该方法在工业生产指导上的应用。
发明内容
为克服现有技术的上述缺陷，本发明提供一种快速检测纱线条干均匀度的图像处理算法，所采取的技术方案是：
一种快速检测纱线条干均匀度的图像处理算法，包括对纱线图像的动态采集以及对所采集的图像在计算机中进行预处理，对预处理的图像进行图像阈值分割、对分割后的图像进行图像分析计算四个步骤，其特征在于所述的图像预处理指纱线图像背景处理，采用图像差分法：在MATLAB软件中编写如式(1)所示的程序函数，让含有纱线的图像与纱线背景的图像进行差值运算得到差分图像，即：
Δf(x,y)＝|f(x,y)-fb(x,y)| (1)
式中：Δf(x,y)为差分图像；f(x,y)为纱线原始图像；fb(x,y)为纱线背景图像。
进一步地，所述图像阈值分割是在MATLAB软件中调用最大类间方差法即OTSU算法程序函数，利用im2bow函数对得到的差分图像进行阈值分割，得到纱线条干的二值图像；
最大类间方差公式为：
式中：p1(t)是灰度级为[0,1,2,…,t]的像素发生的概率；mt是灰度级为[0,1,2,…,t]像素的平均灰度。mG是全部像素平均灰度；
最大时，t为最佳阈值。以最佳阈值进行阈值分割得到最佳分割图像。
进一步地，所述图像分析计算是在MATLAB软件中对纱线条干的二值图像采用等间隔取点计算直径的方法快速检测纱线条干的直径，根据公式(3)求出纱线条干CV值；
采集的图像存储为空间分辨率M×N＝500像素×1696像素，对应的实际大小为宽×长＝20.8mm×66.7mm。每隔10个像素点取上下两点来计算纱线条干的直径，这样原来需要计算3200个点，而现在只需要计算320个点，极大提高了算法的处理效率。
式中为每帧图像上纱线的平均直径所占的像素点个数；n为每帧图像上纱线主干图像的列数；Xi为每帧图像上纱线直径所占的像素点个数。
基于检测原理的不同，采用本算法得到的纱线条干与传统电容法检测纱线条干的CV值大小不同，但存在相关关系，不需要区分纱线成分，表明本算法能够快速高效的检测出纱线的条干不均匀率。如图6所示，A为电容法，B为图像法。
进一步地，所述纱线图像动态采集，是在纱线运动状态下进行图像采集，所采集的图像为纱线运动状态下任意一帧的图像，包括纱线图像和背景图像。
进一步地，所述纱线图像动态采集，采用的装置包括导纱罗拉、步进电机、图像采集装置。
进一步地，所述导纱罗拉的速度根据图像采集装置的速度设置，纱线在导纱罗拉的带动下，以恒定的速度经过图像采集装置。
进一步地，图像采集装置包括LED光源、CCD相机和PC计算机，CCD相机能够高速采集纱线图像，并将纱线图像保存在计算机中。
本发明的有益效果为：
(1)采用图像动态采集方法，能够有效收集纱线外观图像。
(2)采用图像差分法处理图像背景，能够有效减少干扰信息，得到精确的纱线主干图像，对于后期阈值分割精确度的提高有明显的帮助。
(3)采用等间隔取点计算直径的方法快速检测纱线条干的直径，能够有效提高纱线条干的而检测速度。
(4)本算法不需要区分纱线成分，能够有效反映纱线的条干不匀率。
附图说明
图1是实施例1纱线原始图像
图2是实施例1纱线背景图像
图3是实施例1纱线去除背景后得到的差分图像
图4是实施例1纱线背景处理后阈值分割图像
图5是实施例1纱线未做背景处理后阈值分割图像
图6是实施例2四种试样纱线原始图像
图7是本算法与电容法检测条干CV值的对比图
具体实施方式
下面结合附图和实施例对本发明的具体实施方式作进一步详细的说明。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
实施例1，对成纱方式为环锭纺、梳纱工艺为精梳、纱线密度tex为28的棉纱，选取10米无规律移动，通过数字CCD相机获得的图像存储为空间分辨率M×N＝500×1696像素的单色图像和无纱线的背景图如图1-2所示。
背景处理：在Windows10系统中，使用MATLAB2016版软件对纱线图像背景处理，采用图像差分法：在MATLAB软件中编写如式(1)所示的程序函数，让含有纱线的图像与纱线背景的图像进行差值运算得到差分图像如图3所示；
Δf(x,y)＝|f(x,y)-fb(x,y)| (1)
式中：Δf(x,y)为差分图像；f(x,y)为纱线原始图像；fb(x,y)为纱线背景图像。
图像分割：在MATLAB软件中调用最大类间方差法即OTSU算法程序函数，利用im2bow函数对得到的差分图像3进行阈值分割，
式中：p1(t)是灰度级为[0,1,2,…,t]的像素发生的概率；mt是灰度级为[0,1,2,…,t]像素的平均灰度。mG是全部像素平均灰度。
最大时，t为最佳阈值。以最佳阈值进行阈值分割得到最佳分割图像。如图4所示。
对比例1，对成纱方式为环锭纺、梳纱工艺为精梳、纱线密度tex为28的棉纱，选取10米无规律移动，通过数字CCD相机获得的图像存储为空间分辨率M×N＝500×1696像素的单色图像，如图1.
图像分割：采用OTSU阈值分割法对处理的图像1进行分割。
类间方差公式为：
式中：p1(t)是灰度级为[0,1,2,…,t]的像素发生的概率；mt是灰度级为[0,1,2,…,t]像素的平均灰度。mG是全部像素平均灰度。
最大时，t为最佳阈值。以最佳阈值进行阈值分割得到最佳分割图像。如图5所示。
从图4和图5对比可以看出，经过背景处理后纱线图像背景中干扰信息减少，能够得到精确的纱线主干图像。没有经过背景处理的图像，由于背景中含有较多噪声，有些噪声灰度值甚至与纱线主干的灰度值接近，导致阈值分割难以将图像背景中干扰信息去除。
实施例2，对成纱方式为环锭纺、梳纱工艺为精梳、纱线密度tex为13,23，28的三种棉纱和纱线密度tex为29的涤纶(分别命名为试样1、试样2、试样3、试样4)，选取10米无规律移动，通过数字CCD相机获得的图像存储为空间分辨率M×N＝500×1696像素的单色图像和无纱线的背景图如图6所示。
背景处理：让含有纱线的图像与纱线背景的图像进行差值运算得到差分图像，即：
Δf(x,y)＝|f(x,y)-fb(x,y)| (1)
式中：Δf(x,y)为差分图像；f(x,y)为纱线原始图像；fb(x,y)为纱线背景图像。
图像分割：采用OTSU阈值分割法对处理的图像进行分割。
类间方差公式
式中：p1(t)是灰度级为[0,1,2,…,t]的像素发生的概率；mt是灰度级为[0,1,2,…,t]像素的平均灰度。mG是全部像素平均灰度。
最大时，t为最佳阈值。以最佳阈值进行阈值分割得到最佳分割图像。类似于图4所示。
条干参数提取：采用等间隔取点计算直径的方法快速检测纱线条干的直径。每隔10个像素点取上下两点来计算纱线条干的直径，每帧图像取320个像素点，根据公式可以求出纱线条干CV值。
式中为每帧图像上纱线的平均直径所占的像素点个数；n为每帧图像上纱线主干图像的列数；Xi为每帧图像上纱线直径所占的像素点个数。可以得到每种纱线的条干CV值。得到纱线条干如图7所示线条B。
对比例2，对实施例2的四个试样分别采用乌斯特条干仪检测条干不匀率，得到纱线条干CV值如图7所示线条A。
对比图7中A、B检测值，图像法能够有效反应纱线的条干情况，提高检测效率。
以上内容是结合具体的优选实施例和对比例对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定专利保护范围。

Claims (7)

1.一种快速检测纱线条干均匀度的图像处理算法，包括对纱线图像的动态采集以及对所采集的图像在计算机中进行预处理，对预处理的图像进行图像阈值分割、对分割后的图像进行图像分析计算四个步骤，其特征在于所述的图像预处理是指在Windows10系统中，使用MATLAB2016版软件对纱线图像背景处理，采用图像差分法：在MATLAB软件中编写如式(1)所示的程序函数，让含有纱线的图像与纱线背景的图像进行差值运算得到差分图像，即：
Δf(x,y)＝|f(x,y)-fb(x,y)| (1)
式中：Δf(x,y)为差分图像；f(x,y)为纱线原始图像；fb(x,y)为纱线背景图像。
2.根据权利要求1所述的快速检测纱线条干均匀度的图像处理算法，其特征在于：所述图像阈值分割是在MATLAB软件中调用最大类间方差法即OTSU算法程序函数，利用im2bow函数对得到的差分图像进行阈值分割，得到纱线条干的二值图像；
最大类间方差公式为：
式中：p1(t)是灰度级为[0,1,2,…,t]的像素发生的概率；mt是灰度级为[0,1,2,…,t]像素的平均灰度。mG是全部像素平均灰度；
最大时，t为最佳阈值，以最佳阈值进行阈值分割得到最佳分割图像。
3.根据权利要求1所述的快速检测纱线条干均匀度的图像处理算法，其特征在于：所述图像分析计算是在MATLAB软件中对纱线条干的二值图像采用等间隔取点计算直径的方法快速检测纱线条干的直径，根据公式(3)求出纱线条干CV值；
式中为每帧图像上纱线的平均直径所占的像素点个数；n为每帧图像上纱线主干图像的列数；Xi为每帧图像上纱线直径所占的像素点个数。
4.根据权利要求1所述的快速检测纱线条干均匀度的图像处理算法，其特征在于：所述纱线图像动态采集，是在纱线运动状态下进行图像采集，所采集的图像为纱线运动状态下任意一帧的图像，包括纱线图像和背景图像。
5.根据权利要求1所述的快速检测纱线条干均匀度的图像处理算法，其特征在于：所述纱线图像动态采集，采用的装置包括导纱罗拉、步进电机、图像采集装置。
6.根据权利要求5所述的快速检测纱线条干均匀度的图像处理算法，其特征在于：所述导纱罗拉的速度根据图像采集装置的速度设置，纱线在导纱罗拉的带动下，以恒定的速度经过图像采集装置。
7.根据权利要求5所述的快速检测纱线条干均匀度的图像处理算法，其特征在于：图像采集装置包括LED光源、CCD相机和PC计算机，CCD相机能够高速采集纱线图像，并将纱线图像保存在计算机中。
CN201910313440.5A 2019-04-18 2019-04-18 一种快速检测纱线条干均匀度的图像处理算法 Pending CN110189298A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910313440.5A CN110189298A (zh) 2019-04-18 2019-04-18 一种快速检测纱线条干均匀度的图像处理算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910313440.5A CN110189298A (zh) 2019-04-18 2019-04-18 一种快速检测纱线条干均匀度的图像处理算法

Publications (1)

Publication Number Publication Date
CN110189298A true CN110189298A (zh) 2019-08-30

Family

ID=67714707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910313440.5A Pending CN110189298A (zh) 2019-04-18 2019-04-18 一种快速检测纱线条干均匀度的图像处理算法

Country Status (1)

Country Link
CN (1) CN110189298A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111257318A (zh) * 2020-02-24 2020-06-09 江南大学 一种浆纱表面被覆效果表征方法及浆纱条干影像采集装置
CN111507943A (zh) * 2020-03-27 2020-08-07 江苏恒力化纤股份有限公司 一种涤纶长丝毛丝检测方法
CN111815615A (zh) * 2020-07-21 2020-10-23 江南大学 一种基于双光源的麻灰纱图像条干信息提取方法
CN113160122A (zh) * 2021-02-08 2021-07-23 武汉纺织大学 基于图像处理的纱线条干不匀度的检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WENDI WANG 等: "Single vision based identification of yarn hairiness using adaptive threshold and image enhancement method", 《MEASUREMENT》 *
卢明 等: "纱线毛羽图像的二值化处理及其Matlab实现", 《山东纺织科技》 *
方珩 等: "一种新型纱线毛羽图像特征识别算法的研究", 《河北科技大学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111257318A (zh) * 2020-02-24 2020-06-09 江南大学 一种浆纱表面被覆效果表征方法及浆纱条干影像采集装置
CN111507943A (zh) * 2020-03-27 2020-08-07 江苏恒力化纤股份有限公司 一种涤纶长丝毛丝检测方法
CN111815615A (zh) * 2020-07-21 2020-10-23 江南大学 一种基于双光源的麻灰纱图像条干信息提取方法
CN111815615B (zh) * 2020-07-21 2024-07-16 江南大学 一种基于双光源的麻灰纱图像条干信息提取方法
CN113160122A (zh) * 2021-02-08 2021-07-23 武汉纺织大学 基于图像处理的纱线条干不匀度的检测方法
CN113160122B (zh) * 2021-02-08 2024-04-19 武汉纺织大学 基于图像处理的纱线条干不匀度的检测方法

Similar Documents

Publication Publication Date Title
CN110189298A (zh) 一种快速检测纱线条干均匀度的图像处理算法
CN107515220B (zh) 一种基于图像处理的纱线黑板毛羽量检测及评价方法
CN103759662A (zh) 一种纺织纱线直径动态快速测量装置与方法
CN116977358B (zh) 一种瓦楞纸生产品质视觉辅助检测方法
CN113658131B (zh) 一种基于机器视觉巡游式环锭纺断纱检测方法
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
CN112330598B (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
CN115063424B (zh) 基于计算机视觉的纺织纱管纱线检测方法
CN112435235B (zh) 一种基于图像分析的籽棉含杂率检测方法
CN109472779A (zh) 一种基于形态结构的纱线外观特征参数提取与分析方法
CN115131348A (zh) 一种纺织品表面缺陷的检测方法及系统
CN105118077B (zh) 一种提高文件拍摄流畅性的方法及系统
CN111681181A (zh) 一种织物表面起球程度的评价方法
CN109583306B (zh) 一种基于机器视觉的纱管残留纱线检测方法
CN102103090A (zh) 基于计算机视觉的梳棉机棉网质量在线检测装置与方法
CN102901466A (zh) 一种基于图像分析的织物纬斜检测方法
CN109508714A (zh) 一种低成本多通道实时数字仪表盘视觉识别方法及系统
CN109919939A (zh) 一种基于遗传算法的纱线缺陷检测方法和装置
CN109671088A (zh) 一种纱线毛羽特征参数的数字化方法
CN115311278B (zh) 一种对于纱线检测的纱线分割方法
CN109671025A (zh) 一种纱线毛羽图像的预处理方法
CN105954295A (zh) 一种头盔罩面缺陷检测系统及方法
TW201211348A (en) Yarn detecting device and method thereof
CN111815615B (zh) 一种基于双光源的麻灰纱图像条干信息提取方法
CN114723832A (zh) 一种基于聚类的针织物染色浴比参数调节方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190830