CN111179240B - 基于图像处理的针织物条阴状不匀的定量表征方法 - Google Patents

基于图像处理的针织物条阴状不匀的定量表征方法 Download PDF

Info

Publication number
CN111179240B
CN111179240B CN201911350211.7A CN201911350211A CN111179240B CN 111179240 B CN111179240 B CN 111179240B CN 201911350211 A CN201911350211 A CN 201911350211A CN 111179240 B CN111179240 B CN 111179240B
Authority
CN
China
Prior art keywords
image
knitted fabric
strip
gray
value
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
Application number
CN201911350211.7A
Other languages
English (en)
Other versions
CN111179240A (zh
Inventor
范红卫
王山水
杨胜林
陈瑞
汤方明
王丽丽
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.)
Jiangsu Hengli Chemical Fiber Co Ltd
Original Assignee
Jiangsu Hengli Chemical Fiber Co Ltd
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 Jiangsu Hengli Chemical Fiber Co Ltd filed Critical Jiangsu Hengli Chemical Fiber Co Ltd
Priority to CN201911350211.7A priority Critical patent/CN111179240B/zh
Publication of CN111179240A publication Critical patent/CN111179240A/zh
Application granted granted Critical
Publication of CN111179240B publication Critical patent/CN111179240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及一种基于图像处理的针织物条阴状不匀的定量表征方法，先采集针织物图像并将其转化为灰度图像，再对灰度图像进行两次处理后计算参数D，以参数D表征条阴状不匀的程度；灰度图像包括条阴区、非条阴区的高灰度值区域和非条阴区的低灰度值区域；第一次处理即将灰度图像中非条阴区的高灰度值区域的像素点变为纯白点；第二次处理即将灰度图像中非条阴区的低灰度值区域的像素点变为纯白点；参数D的计算公式为：D＝ΣB/A，其中，ΣB代表灰度图像中灰度值为0的像素点的个数，A代表灰度图像中像素点的总个数。本发明的基于图像处理的针织物条阴状不匀的定量表征方法，简单易行，准确客观，可广泛应用与针织物布面条阴状不匀程度的检测。

Description

基于图像处理的针织物条阴状不匀的定量表征方法
技术领域
本发明属于卷曲纤维技术领域，涉及一种基于图像处理的针织物条阴状不匀的定量表征方法。
背景技术
三维卷曲纤维又称螺旋状卷曲纤维，具有优良的蓬松性和回弹性，还可以提高纤维加工时的抱合力以及织物的尺寸稳定性。三维卷曲纤维一般通过复合纺丝法或非对称冷却法制备。
三维卷曲长丝纱线的外观形态是整齐的螺旋纱段和纤维混乱排列纱段的随机组合，不同纱段的表面形态结构、纤维倾斜状态的差异，引起纱线反光效果的不同，从而在织物特别是针织物布面产生随机性的条阴状不匀。
条阴状不匀检测目前依靠人工目测，劳动强度大、检测效率低，而且全凭检测人员主观判断、并无定量的检测标准。
因此，研究一种针织物条阴状不匀的定量检测方法具有十分重要的意义。
发明内容
本发明的目的是解决现有技术中针织物条阴状不匀检测依靠人工目测、无定量检测标准的问题，提供一种基于图像处理的针织物条阴状不匀的定量表征方法。
为达到上述目的，本发明采用的方案如下：
基于图像处理的针织物条阴状不匀的定量表征方法，先采集针织物图像并将其转化为灰度图像，再对灰度图像进行两次处理后计算参数D，以参数D表征条阴状不匀的程度；
灰度图像包括条阴区、非条阴区的高灰度值区域和非条阴区的低灰度值区域(非条阴区整体划分为两个区域，灰度值较高的区域为高灰度值区域，灰度值较低的区域为低灰度值区域，“高”、“低”都是相对而言)；
第一次处理即将灰度图像中非条阴区的高灰度值区域的像素点变为纯白点；第二次处理即将灰度图像中非条阴区的低灰度值区域的像素点变为纯白点；
参数D的计算公式为：D＝ΣB/A，其中，ΣB代表灰度图像中灰度值为0(灰度值0为纯黑，255为纯白)的像素点的个数，A代表灰度图像中像素点的总个数。
作为优选的技术方案：
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，针织物为坯布或匀染针织物。
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，采集针织物图像前，沿针织物的长度方向和宽度方向施加张力使织物平整，张力的单位为g/m，张力的数值为针织物克重数值的1/5～1/10，克重的单位为g/m2。
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，采集针织物图像时，采用照明光源进行照明，照明光源的入射角为30～75°。
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，采集针织物图像时，保持照明光源的位置不变，将针织物围绕针织物平面的法向相对转动360°，并在转动过程中采集多张针织物图像，一张针织物图像对应一个参数D，以参数D的最大值表征条阴状不匀的程度。
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，将针织物图像转化为灰度图像即将针织物图像转化为256级灰度图像。
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，第一次处理的过程为：先生成横坐标为灰度值且纵坐标为对应像素点计数或对应像素点占总像素点的百分数的灰度分布图，再以灰度分布图中两峰之间的过渡区纵坐标值最小时对应的横坐标值为阈值(此阈值为最优值，不宜有偏差范围，否则容易造成有效信息丢失)，令灰度值大于阈值的像素点的灰度值等于255(即纯白)。
如上所述的基于图像处理的针织物条阴状不匀的定量表征方法，第二次处理的过程为：首先锐化灰度图像，令所有非纯白点的像素点的灰度值为0(即纯黑)，然后对灰度图像进行FFT变换得到频谱图，接着采用滤波处理去除频谱图中的环状频谱，保留条状频谱，最后利用逆FFT变换，还原得到仅保留条阴区的灰度图像。
有益效果：
(1)本发明的基于图像处理的针织物条阴状不匀的定量表征方法，构思巧妙，简单易行；
(2)本发明的基于图像处理的针织物条阴状不匀的定量表征方法，准确高效，相对客观，可重复性好，可广泛应用与针织物布面条阴状不匀程度的检测。
附图说明
图1为由采集到的布样图像转换成的8位256级灰度图像；
图2为由图1的灰度图像生成的横坐标为灰度值且纵坐标为对应像素点计数的灰度分布图；
图3为经过第一次处理后的灰度图像；
图4为第二次处理过程中经过锐化与FFT变换后得到的频谱图；
图5为经过第二次处理后得到的仅保留条阴区的灰度图像。
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
基于图像处理的针织物条阴状不匀的定量表征方法，其步骤是：
(1)布样准备：采集坯布或匀染针织物图像前，沿坯布或匀染针织物的长度方向和宽度方向施加张力使织物平整，张力的单位为g/m，张力的数值为坯布或匀染针织物克重数值的1/5～1/10，克重的单位为g/m2；
(2)采集图像：采用照明光源进行照明，照明光源的入射角为30～75°，保持照明光源的位置不变，将坯布或匀染针织物围绕坯布或匀染针织物平面的法向相对转动360°，并在转动过程中采集多张坯布或匀染针织物图像；
(3)图像处理：
(3.1)选择一张采集到的坯布或匀染针织物图像转化为256级灰度图像，如图1所示，灰度图像包括条阴区、非条阴区的高灰度值区域和非条阴区的低灰度值区域；
(3.2)对灰度图像进行第一次处理，即将灰度图像中非条阴区的高灰度值区域的像素点变为纯白点；其过程为：先生成横坐标为灰度值且纵坐标为对应像素点计数或对应像素点占总像素点的百分数的灰度分布图，如图2所示，再以灰度分布图中两峰之间的过渡区纵坐标值最小时对应的横坐标值为阈值，令灰度值大于阈值的像素点的灰度值等于255；
(3.3)对灰度图像进行第二次处理，即将灰度图像中非条阴区的低灰度值区域的像素点变为纯白点；其过程为：首先锐化灰度图像，令所有非纯白点的像素点的灰度值为0，如图3所示，然后对灰度图像进行FFT变换得到频谱图，如图4所示，接着采用滤波处理去除频谱图中的环状频谱，保留条状频谱，最后利用逆FFT变换，还原得到仅保留条阴区的灰度图像，如图5所示；
(4)计算参数D；
参数D的计算公式为：D＝ΣB/A，其中，ΣB代表灰度图像中灰度值为0的像素点的个数，A代表灰度图像中像素点的总个数；
(5)对其余采集到的坯布或匀染针织物图像，依次重复步骤(3)～(4)，一张坯布或匀染针织物图像对应一个参数D，因此，得到多个参数D；
(6)以参数D中的最大值表征该坯布或匀染针织物条阴状不匀的程度。

Claims (6)

1.基于图像处理的针织物条阴状不匀的定量表征方法，其特征是：先采集针织物图像并将其转化为灰度图像，再对灰度图像进行两次处理后计算参数D，以参数D表征条阴状不匀的程度；
灰度图像包括条阴区、非条阴区的高灰度值区域和非条阴区的低灰度值区域；
第一次处理即将灰度图像中非条阴区的高灰度值区域的像素点变为纯白点；第一次处理的过程为：先生成横坐标为灰度值且纵坐标为对应像素点计数或对应像素点占总像素点的百分数的灰度分布图，再以灰度分布图中两峰之间的过渡区纵坐标值最小时对应的横坐标值为阈值，令灰度值大于阈值的像素点的灰度值等于255；
第二次处理即将灰度图像中非条阴区的低灰度值区域的像素点变为纯白点；第二次处理的过程为：首先锐化灰度图像，令所有非纯白点的像素点的灰度值为0，然后对灰度图像进行FFT变换得到频谱图，接着采用滤波处理去除频谱图中的环状频谱，保留条状频谱，最后利用逆FFT变换，还原得到仅保留条阴区的灰度图像；
参数D的计算公式为：D＝ΣB/A，其中，ΣB代表灰度图像中灰度值为0的像素点的个数，A代表灰度图像中像素点的总个数。
2.根据权利要求1所述的基于图像处理的针织物条阴状不匀的定量表征方法，其特征在于，针织物为坯布或匀染针织物。
3.根据权利要求1所述的基于图像处理的针织物条阴状不匀的定量表征方法，其特征在于，采集针织物图像前，沿针织物的长度方向和宽度方向施加张力，张力的单位为g/m，张力的数值为针织物克重数值的1/5～1/10，克重的单位为g/m2。
4.根据权利要求1所述的基于图像处理的针织物条阴状不匀的定量表征方法，其特征在于，采集针织物图像时，采用照明光源进行照明，照明光源的入射角为30～75°。
5.根据权利要求4所述的基于图像处理的针织物条阴状不匀的定量表征方法，其特征在于，采集针织物图像时，保持照明光源的位置不变，将针织物围绕针织物平面的法向相对转动360°，并在转动过程中采集多张针织物图像，一张针织物图像对应一个参数D，以参数D的最大值表征条阴状不匀的程度。
6.根据权利要求1所述的基于图像处理的针织物条阴状不匀的定量表征方法，其特征在于，将针织物图像转化为灰度图像即将针织物图像转化为256级灰度图像。
CN201911350211.7A 2019-12-24 2019-12-24 基于图像处理的针织物条阴状不匀的定量表征方法 Active CN111179240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911350211.7A CN111179240B (zh) 2019-12-24 2019-12-24 基于图像处理的针织物条阴状不匀的定量表征方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911350211.7A CN111179240B (zh) 2019-12-24 2019-12-24 基于图像处理的针织物条阴状不匀的定量表征方法

Publications (2)

Publication Number Publication Date
CN111179240A CN111179240A (zh) 2020-05-19
CN111179240B true CN111179240B (zh) 2023-08-01

Family

ID=70658161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911350211.7A Active CN111179240B (zh) 2019-12-24 2019-12-24 基于图像处理的针织物条阴状不匀的定量表征方法

Country Status (1)

Country Link
CN (1) CN111179240B (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1486017A (en) * 1974-10-08 1977-09-14 By Ltd High pile fabrics
CN101245518B (zh) * 2008-02-18 2011-04-27 东华大学 一种双组分并列复合长丝的后加工方法

Also Published As

Publication number Publication date
CN111179240A (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN107255641B (zh) 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法
CN113643289B (zh) 基于图像处理的织物表面缺陷检测方法和系统
CN105158258B (zh) 一种基于计算机视觉的竹条表面缺陷检测方法
CN115330784B (zh) 一种布匹表面缺陷检测方法
CN107749057B (zh) 一种太阳能电池片外观漏浆缺陷检测的方法
CN102495026B (zh) 一种用于线激光扫描视觉测量系统的光带中心线提取方法
CN109727230A (zh) 一种绒毛织物表面质量测量装置以及测量方法
CN108230303A (zh) 一种多晶硅太阳能电池片外观划痕缺陷检测的方法
CN108596903A (zh) 一种太阳能电池片的黑边和碎片的缺陷检测方法
CN103018252A (zh) 一种用于光纤环绕制的在线监测与报警系统及方法
CN108921819A (zh) 一种基于机器视觉的验布装置及方法
CN107392849A (zh) 基于图像细分的靶标识别与定位方法
CN110021023A (zh) 一种电子布疵点分割方法
CN105044127A (zh) 一种oled微型显示器缺陷检测装置及检测方法
CN106780464A (zh) 一种基于改进阈值分割的织物疵点检测方法
CN118196094B (zh) 一种三轴转台缺陷视觉检测方法
CN115100206A (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN111179240B (zh) 基于图像处理的针织物条阴状不匀的定量表征方法
Soleimani et al. Quantifying abrasion and micro-pits in polymer wear using image processing techniques
CN101976442A (zh) 一种用于表征织物纹理的分形概貌与Sobel算子滤波细节混合特征向量提取方法
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
CN116805312A (zh) 一种基于图像处理的针织式面料质量检测方法
Xu Assessing carpet appearance retention by image analysis
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
CN108805854B (zh) 一种复杂环境下药片快速计数与完整性检测方法

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
GR01 Patent grant
GR01 Patent grant