CN113808121A - 一种纱线亚像素级直径测量方法及系统 - Google Patents
一种纱线亚像素级直径测量方法及系统 Download PDFInfo
- Publication number
- CN113808121A CN113808121A CN202111124256.XA CN202111124256A CN113808121A CN 113808121 A CN113808121 A CN 113808121A CN 202111124256 A CN202111124256 A CN 202111124256A CN 113808121 A CN113808121 A CN 113808121A
- Authority
- CN
- China
- Prior art keywords
- gray
- point
- image
- yarn
- 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.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title claims description 8
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000006870 function Effects 0.000 claims description 57
- 238000001514 detection method Methods 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 5
- 206010020112 Hirsutism Diseases 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种纱线亚像素级直径测量方法及系统,包括采用线阵CCD传感器拍摄的纱线的初始离散图像,对纱线的初始离散图像进行调整得到灰度离散图像,基于灰度离散图像确定图像中纱线的第一边缘,再基于纱线的第一边缘确定纱线的亚像素级第二边缘像素点,最后以第二边缘像素点位置计算纱线直径,本发明中线阵CCD传感器设置于纱线生产线的两侧,实现了纱线直径的在线测量,通过第二边缘像素点位置计算纱线直径,实现了纱线直径的亚像素级别的测量,本方法的过程简单,可操作性强,同时还大大的提高了纱线直径测量结果的准确性。
Description
技术领域
本发明属于纱线测量技术领域,特别涉及一种纱线亚像素级直径测量方法及系统。
背景技术
纱线直径是表征纱线条干均匀性的重要指标。由于纱线的断面呈现不规则形状,且柔软易变形,实际生产中通常用线密度(单位质量下的长度)来表征其直径大小。但由于捻度系数、毛羽纤维的影响,同样的线密度可能会对应不同直径值。
现有技术中大多通过获取像素的个数计算直径,这种方法的测量误差较大。为提高测量精度,技术人员试图通过图像处理技术进行纱线直径测量,但是图像处理技术算法计算周期长,效率低,因此难以实现纱线直径的在线测量。
发明内容
针对上述现有技术存在的问题,本发明提供了一种纱线亚像素级直径测量方法及系统,实现了纱线的在线亚像素级测量。
本发明实施例的第一方面提供了一种纱线亚像素级直径测量方法,所述方法包括:
获取采用线阵CCD传感器拍摄的纱线的初始离散图像;
采集初始离散图像各个像素点的灰度值,计算初始离散图像像素点的平均灰度值作为调整值,并基于调整值对初始离散图像各个像素点的灰度值进行调整,输出灰度离散图像;
选取灰度离散图像的灰度值最低的像素点为检测原点,基于检测原点依次判断检测原点水平方向各个像素点的灰度值是否满足所述阈值,确定灰度离散图像的第一边缘像素点;
基于灰度离散图像第一边缘像素点的灰度值,构建拟合函数将灰度离散图像的边缘像素点连接为连续的灰度离散图像第一边缘;
以灰度离散图像第一边缘的各个第一像素点为起始点,从起始点左右等距选取若干个目标点,基于目标点的灰度值确定第二边缘像素点;
基于第二边缘像素点的坐标位置,可计算出纱线的直径。
本发明实施例的第二方面提供了一种纱线亚像素级直径测量系统,所述系统包括:
图像获取单元,用于获取采用线阵CCD传感器拍摄的纱线的初始离散图像;
图像过滤单元,用于采集初始离散图像各个像素点的灰度值,计算初始离散图像像素点的平均灰度值,并基于平均灰度值对初始离散图像各个像素点的灰度值进行调整,输出灰度离散图像;
边缘检测单元,用于选取灰度离散图像的灰度值最低的像素点为检测原点,基于检测原点依次判断检测原点水平方向各个像素点的灰度值是否满足所述阈值,确定灰度离散图像的第一边缘像素点;
数据处理单元,用于基于灰度离散图像第一边缘像素点的灰度值,构建拟合函数将灰度离散图像的边缘像素点连接为连续的灰度离散图像第一边缘;
边缘检测单元,用于以灰度离散图像第一边缘的各个第一像素点为起始点,从起始点左右等距选取若干个目标点,基于目标点的灰度值确定第二边缘像素点;
输出单元,基于第二边缘像素点的坐标位置,可计算出纱线的直径。
本发明实施例的第三方面提供了一种终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现上述的一种纱线亚像素级直径测量方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现上述的基于声纹分析的一种纱线亚像素级直径测量方法。
本发明的一种纱线亚像素级直径测量方法及系统,具备如下有益效果:
1.本发明公开了一种纱线亚像素级直径测量方法及系统,包括采用线阵CCD传感器拍摄的纱线的初始离散图像,线阵CCD传感器设置于纱线生产线的两侧,通过对初始图像进行分析处理,测量出纱线的直径,实现了纱线直径的在线测量,简化了纱线直径测量的过程,提高了纱线测量方法的实用性。
2.本发明公开了一种纱线亚像素级直径测量方法及系统,包括对纱线的初始离散图像进行调整得到灰度离散图像,基于灰度离散图像确定图像中纱线的第一边缘,再基于纱线的第一边缘确定纱线的亚像素级第二边缘像素点,最后以第二边缘像素点位置计算纱线直径,实现了纱线直径的亚像素级测量,大大的提供了纱线直径测量结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明一种纱线亚像素级直径测量方法的整体流程图;
图2是灰度离散图像调整过程流程图;
图3是第一边缘像素点的确定方法流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种纱线亚像素级直径测量方法,上述方法包括:
获取采用线阵CCD传感器拍摄的纱线的初始离散图像;
采集初始离散图像各个像素点的灰度值,计算初始离散图像像素点的平均灰度值作为调整值,并基于调整值对初始离散图像各个像素点的灰度值进行调整,输出灰度离散图像;
选取灰度离散图像的灰度值最低的像素点为检测原点,基于检测原点依次判断检测原点水平方向各个像素点的灰度值是否满足所述阈值,确定灰度离散图像的第一边缘像素点;
基于灰度离散图像第一边缘像素点的灰度值,构建拟合函数将灰度离散图像的边缘像素点连接为连续的灰度离散图像第一边缘;
以灰度离散图像第一边缘的各个第一像素点为起始点,从起始点左右等距选取若干个目标点,基于目标点的灰度值确定第二边缘像素点;
基于第二边缘像素点的坐标位置,可计算出纱线的直径。
参考图1,在本实施例中,通过线阵CCD传感器获取纱线的初始离散图像,初始离散图像为纱线在CCD象元上的投影图像,根据纱线初始离散图像所占CCD象元数量可计算出纱线直径,但是纱线存在毛羽,在计算中毛羽的投影会对纱线的直径测量结果产生影响,因此需要过滤毛羽噪声,在本实施例中,通过比较初始离散图像各个像素点的灰度值与平均灰度值大小,调整像素点的灰度值,过滤初始离散图像中的毛羽噪声,得到灰度离散图像。由于线阵CCD象元为离散排列,直接通过纱线灰度离散图像所占CCD象元数量计算纱线直径的误差较大,因此在本实施例中通过以灰度离散图像中灰度值最低的像素点为原点依次比较该点与其水平方向点的灰度值确定纱线的第一边缘像素点,再基于第一边缘像素点自其1/4处选取若干像素点,通过高斯拟合确定灰度图像的第二边缘像素点,根据第二边缘像素点的坐标位置,可更加精确的计算出纱线的直径。
基于上述方法,上述初始离散图像采集方式包括:
测量纱线生产线上纱线的运动速度和运动方向;
基于纱线的运动速度和运动方向调节纱线成像光源的位置和线阵CCD传感器获取图像的频率,获取纱线的投影图像;
在纱线投影图像后设置放大透镜,将获取的投影图像进行放大,得到纱线放大图像;
通过图像采集单元采集纱线放大图像,并进行位置调整输出为纱线的初始离散图像,所述采集单元采用线阵排列的CCD像元。
在本实施例中,纱线的直径测量大多应用于纱线生产过程中,因此纱线的初始离散图像也是在纱线的生产线上进行采集的,在纱线的生产过程中由于纱线是不断运动的,因此在纱线采集之前先要测量出纱线的运动速度和运动角度,基于纱线的运动角度,将纱线成像光源和线阵CCD传感器设置于纱线两侧并纱线处于平行位置,纱线成像光源采用平行光源,再基于纱线的运动速度调整CCD传感器获取图像的频率,CCD传感器获取图像的频率应于纱线的运动速度保持一直,通过纱线成像光源照射纱线可以得到纱线的投影图像,为了更加便于测量,在本实施例中通过放大透镜将纱线的投影图像放大,再通过采集单元采集纱线的放大图像,放大透镜的放大倍数优选为20倍,采集单元为线阵排列的CCD像元,获取放大图像后,由于纱线运动过程中可能存在震动,因此采集的图像位置上可能存在一定的偏差,因此还需要对放大图像进行位置调整,最终输出的为纱线的初始离散图像。
基于上述方法,上述灰度离散图像的调整步骤如下:
(1)将灰度离散图像等分成若干水平条形图像块;
(2)计算条形图像块中各个像素点的灰度值,以灰度值最低的像素点为中心,选取一个正方形调整框,所述调整框的边长与条形图像的宽度相同;
(3)计算调整框中各个像素点灰度值的平均值作为调整值,将调整框中像素点的会灰度值与调整值进行比较,计算灰度值小于调整值的像素点在调整框中的占比,若占比小于所设阈值,则重新选取调整框;
(4)若占比大于所设阈值,则将调整框沿水平方向移动一个像素点,计算灰度值小于调整值的像素点在调整框中的占比,若占比大于所设阈值,则将调整框与移动方向相反一列的像素点的灰度值调整最低灰度值;
(5)重复上述步骤(4),直到灰度值小于调整值的像素点在调整框中的占比小于所设阈值,调整框停止移动,完成初始离散图像的调整。
参考图2,在本实施例中,首先将灰度离散图像等分成若干水平条形图像块,其中条形图像块的宽度优选为20个像素点,然后获取单个条形图像块中各个像素点的灰度值,以其中灰度值最低的像素点为中心选取一个20*20的调整框,计算调整框中所有像素点的平均值,将计算得到的平均值作为调整值,再将调整框中的所有像素点的灰度值与调整值进行比较,统计其中灰度值小于调整值的像素点在调整框中所占的比值,如果比值小于所设阈值,则说明选取中心点为干扰点,则舍弃该点重新确定中心点,选取调整框,如果比值大于所设阈值,则将调整框沿水平方向移动一个像素点,其中阈值优选为0.1。
调整框沿水平方向移动,在本实施例中复制两个相同的调整框,一个向左移动,一个向右移动,移动一个像素点后,计算灰度值小于调整值的像素点在调整框中所占的比值,如果比值大于所设阈值,则将向左(右)移动的调整框最右(左)侧一列的像素点的灰度调整为最低灰度值,继续移动调整框,直到灰度值小于调整值的像素点在调整框中的占比小于所设阈值,停止移动调整框,完成初始离散图像的调整。
基于上述方法,上述第一边缘像素点的确定方法如下:
基于所述纱线的灰度离散图像,分别计算灰度离散各水平位置图像中像素点的灰度值,选取其中灰度值最低的像素点为检测原点;
选取像素点的检测阈值,依次计算灰度离散图像各水平位置上检测原点水平两侧的像素点的灰度值与检测阈值之间的差值;
判断所述差值的正负,若所述差值为负值,则选取该像素点的前一像素点为灰度离散图像各水平位置上的第一边缘像素点,所述灰度离散图像各水平位置上的第一边缘像素点共有两个;
依次确定灰度离散图像各水平位置上的第一边缘像素点,即可得到灰度离散图像的第一边缘像素点。
参考图3,在本实施例中,通过计算灰度离散图像各个水平位置上第一边缘像素点,从而得到整个灰度离散图像的所有第一边缘像素点,具体的是,首先分别计算灰度离散图像各水平位置上各个像素点的灰度值,选取水平位置上灰度值最低的像素点为检测原点,在选取像素点的检测阈值,在本实施例中的检测阈值可设置为水平位置上最高灰度值的一半,然后依次计算灰度离散图像各水平位置上检测原点水平两侧的像素点的灰度值与检测阈值之间的差值,并判断所计算出的差值的正负,检测原点水平两侧的像素点的灰度值与检测阈值之间的差值,上述判断过程的计算公式如下:
SL=(H-Li)(H-Li+1) (1)
SR=(H-Ri)(H-Ri+1) (2)
其中,S表示差值,H表示检测阈值,Li表示检测原点左侧第i个像素点的灰度值,Ri表示检测原点右侧第i个像素点的灰度值。若SL≤0则检测原点左侧第i个像素点为灰度离散图像各水平位置上左侧第一边缘像素点,若SR≤0则检测原点右侧第i个像素点为灰度离散图像各水平位置上右侧第一边缘像素点。
基于上述方法,上述第一边缘像素点离散排列,通过函数对其进行拟合可得到灰度离散图像的连续第一边缘,所述拟合过程如下:
基于第一边缘像素点的数量,构建一个n次的拟合函数,其中n为第一以边缘像素点的数量;
将第一边缘像素点的灰度值代入到所述n次拟合函数中,求解所述n次拟合函数的各项拟合系数;
将求解得到的拟合系数待入拟合函数中,得到第一边缘像素点的拟合函数。
在本实施例中,通过对第一边缘像素点的灰度值进行拟合,得到灰度离散图像的连续边缘,具体的是,第一边缘像素点可采用最小二乘法进行曲线拟合。本实施例中,通过线阵CCD传感器采集图像,因此图像的个点均为离散点,首先基于第一边缘像素点的数量,构建一个n次的拟合函数,然后将第一边缘像素点的灰度值代入到所述n次拟合函数中构建拟合方程,求解函数的的拟合系数,再将求得的拟合系数带入拟合函数中,即可得到拟合函数每次项的系数,从而得到第一边缘像素点的拟合函数。
基于上述方法,上述第二边缘像素点的确定方法如下:
选取灰度离散图像第一边缘上的第一像素点为起始点,从起始点两侧1/4处等距离选取若干个目标点;
计算选取的目标点之间的灰度值差值,所述目标点之间的灰度值差值为离散值;
基于目标点的灰度值差值构建拟合函数对目标点灰度值进行拟合,并求解拟合系数最大的目标点对应的函数值;
将起始点的坐标增加该函数值所得的坐标位置即为第二像素点的坐标位置。
在本实施例中,为了进一步精确图像的边缘点位置,需要对第一边缘像素点进行进一步的细分,得到灰度离散图像的第二像素点,实现对灰度离散图像的亚像素级边缘识别。首先以第一边缘像素点为起始点,从起始点两侧1/4处等距离选取若干个目标点,则所述目标在一个像素点中所占大小为像素点的1/4,实现了对图像的亚像素级识别,然后通过计算可得各个目标点的灰度值的差值,由于目标点为等距离选取,该差值为离散值,因此需要通过函数对所灰度值差值进行拟合,求解该拟合函数拟合系数最大的目标点对应的函数值,最后将第一边缘像素点的坐标增加该函数值即可得到第二像素点的坐标。
基于上述方法,上述目标点灰度值的拟合函数构建过程如下:
获取目标点的坐标,确定目标点所处的像素点的位置,计算出目标点所在的各个像素点中灰度值权重;
获取目标点所在像素点的灰度值,根据目标点在各个像素点中灰度值权重,计算出各个目标点的灰度值;
依次计算相邻两个目标点之间的灰度值差值,基于所述相邻两个目标点之间的灰度值差值可得目标点灰度值的变化函数;
基于目标点灰度值的变化函数,构建目标点灰度值的变化函数的函数图像,基于目标点灰度值的变化函数的函数图像,以目标点的灰度值为参数述构建目标点的拟合函数。
具体的是,由于目标点处于多个像素点中,因此目标点的灰度值可以通过其在各个像素点的所占权重进行计算,例如目标点位于4个像素点中,其在四个像素点中所占权重分别为w1,w2,w3,w4,4个像素点的灰度值分别为c1,c2,c3,c4,则目标点的灰度值C=w1c1+w2c2+w3c3+w4c4,然后再依次计算相邻两个目标点之间的灰度值差值,由目标点之间的灰度值差值可得目标点的灰度值变化函数。
基于目标点的灰度值变化函数图像可确定拟合函数的类型,在本实施例中可得拟合函数优选为高斯拟合函数,并且高斯分布的中心即高斯分布的均值是在灰度值变化最大的地方就是边缘位置,因此只要求出高斯分布的均值,就可以准确定位亚像素边缘坐标,其中高斯曲线函数的计算公式为:将(3)进行对数变换,得到再通过最小二乘法求解(4),可求得μ的值即为亚像素的值,可通过μ表示亚像素点的位置,其中μ表示高斯分布的均值,即亚像素点的坐标,σ表示高斯函数的标准差。
本发明实施例提供了一种纱线亚像素级直径测量系统,上述系统包括:
图像获取单元,用于获取采用线阵CCD传感器拍摄的纱线的初始离散图像;
图像过滤单元,用于采集初始离散图像各个像素点的灰度值,计算初始离散图像像素点的平均灰度值,并基于平均灰度值对初始离散图像各个像素点的灰度值进行调整,输出灰度离散图像;
边缘检测单元,用于选取灰度离散图像的灰度值最低的像素点为检测原点,基于检测原点依次判断检测原点水平方向各个像素点的灰度值是否满足所述阈值,确定灰度离散图像的第一边缘像素点;
数据处理单元,用于基于灰度离散图像第一边缘像素点的灰度值,构建拟合函数将灰度离散图像的边缘像素点连接为连续的灰度离散图像第一边缘;
边缘检测单元,用于以灰度离散图像第一边缘的各个第一像素点为起始点,从起始点左右等距选取若干个目标点,基于目标点的灰度值确定第二边缘像素点;
输出单元,基于第二边缘像素点的坐标位置,可计算出纱线的直径。
本实施例提供的一种纱线亚像素级直径测量系统与上述实施例提供的一种纱线亚像素级直径测量方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本发明实施例提供了一种终端,包括处理器和存储器,存储器中存储有至少一条程序代码,至少一条程序代码由处理器加载并执行以实现上述的一种纱线亚像素级直径测量方法。
该终端包括:至少一个处理器、存储器、用户接口和至少一个网络接口。终端中的各个组件通过总线系统耦合在一起。可以理解,总线系统用于实现这些组件之间的连接通信。
本发明实施例提供了一种计算机可读存储介质,该存储介质中存储有至少一条程序代码,至少一条程序代码由处理器加载并执行以实现上述的一种纱线亚像素级直径测量方法。
可以理解,存储器可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。本发明实施例中的存储器能够存储数据以支持终端的操作。这些数据的示例包括:用于在终端上操作的任何计算机程序,如操作系统和应用程序。其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。
Claims (10)
1.一种纱线亚像素级直径测量方法,其特征在于,所述方法包括:
获取采用线阵CCD传感器拍摄的纱线的初始离散图像;
采集初始离散图像各个像素点的灰度值,计算初始离散图像像素点的平均灰度值作为调整值,并基于调整值对初始离散图像各个像素点的灰度值进行调整,输出灰度离散图像;
选取灰度离散图像的灰度值最低的像素点为检测原点,基于检测原点依次判断检测原点水平方向各个像素点的灰度值是否满足所述阈值,确定灰度离散图像的第一边缘像素点;
基于灰度离散图像第一边缘像素点的灰度值,构建拟合函数将灰度离散图像的边缘像素点连接为连续的灰度离散图像第一边缘;
以灰度离散图像第一边缘的各个第一像素点为起始点,从起始点左右等距选取若干个目标点,基于目标点的灰度值确定第二边缘像素点;
基于第二边缘像素点的坐标位置,可计算出纱线的直径。
2.根据权利要求1所述的一种纱线亚像素级直径测量方法,其特征在于,所述初始离散图像采集方式包括:
测量纱线生产线上纱线的运动速度和运动方向;
基于纱线的运动速度和运动方向调节纱线成像光源的位置和线阵CCD传感器获取图像的频率,获取纱线的投影图像;
在纱线投影图像后设置放大透镜,将获取的投影图像进行放大,得到纱线放大图像;
通过图像采集单元采集纱线放大图像,并进行位置调整输出为纱线的初始离散图像,所述采集单元采用线阵排列的CCD像元。
3.根据权利要求1所述的一种纱线亚像素级直径测量方法,其特征在于,所述灰度离散图像的调整步骤如下:
(1)将灰度离散图像等分成若干水平条形图像块;
(2)计算条形图像块中各个像素点的灰度值,以灰度值最低的像素点为中心,选取一个正方形调整框,所述调整框的边长与条形图像的宽度相同;
(3)计算调整框中各个像素点灰度值的平均值作为调整值,将调整框中像素点的会灰度值与调整值进行比较,计算灰度值小于调整值的像素点在调整框中的占比,若占比小于所设阈值,则重新选取调整框;
(4)若占比大于所设阈值,则将调整框沿水平方向移动一个像素点,计算灰度值小于调整值的像素点在调整框中的占比,若占比大于所设阈值,则将调整框与移动方向相反一列的像素点的灰度值调整最低灰度值;
(5)重复上述步骤(4),直到灰度值小于调整值的像素点在调整框中的占比小于所设阈值,调整框停止移动,完成初始离散图像的调整。
4.根据权利要求3所述的一种纱线亚像素级直径测量方法,其特征在于,所述第一边缘像素点的确定方法如下:
基于所述纱线的灰度离散图像,分别计算灰度离散各水平位置图像中像素点的灰度值,选取其中灰度值最低的像素点为检测原点;
选取像素点的检测阈值,依次计算灰度离散图像各水平位置上检测原点水平两侧的像素点的灰度值与检测阈值之间的差值;
判断所述差值的正负,若所述差值为负值,则选取该像素点的前一像素点为灰度离散图像各水平位置上的第一边缘像素点,所述灰度离散图像各水平位置上的第一边缘像素点共有两个;
依次确定灰度离散图像各水平位置上的第一边缘像素点,即可得到灰度离散图像的第一边缘像素点。
5.根据权利要求4所述的一种纱线亚像素级直径测量方法,其特征在于,所述第一边缘像素点离散排列,通过函数对其进行拟合可得到灰度离散图像的连续第一边缘,所述拟合过程如下:
基于第一边缘像素点的数量,构建一个n次的拟合函数,其中n为第一以边缘像素点的数量;
将第一边缘像素点的灰度值代入到所述n次拟合函数中,求解所述n次拟合函数的各项拟合系数;
将求解得到的拟合系数待入拟合函数中,得到第一边缘像素点的拟合函数。
6.根据权利要求5所述的一种纱线亚像素级直径测量方法,其特征在于,所述第二边缘像素点的确定方法如下:
选取灰度离散图像第一边缘上的第一像素点为起始点,从起始点两侧1/4处等距离选取若干个目标点;
计算选取的目标点之间的灰度值差值,所述目标点之间的灰度值差值为离散值;
基于目标点的灰度值差值构建拟合函数对目标点灰度值进行拟合,并求解拟合系数最大的目标点对应的函数值;
将起始点的坐标增加该函数值所得的坐标位置即为第二像素点的坐标位置。
7.根据权利要求6所述的一种纱线亚像素级直径测量方法,其特征在于,所述目标点灰度值的拟合函数构建过程如下:
获取目标点的坐标,确定目标点所处的像素点的位置,计算出目标点所在的各个像素点中灰度值权重;
获取目标点所在像素点的灰度值,根据目标点在各个像素点中灰度值权重,计算出各个目标点的灰度值;
依次计算相邻两个目标点之间的灰度值差值,基于所述相邻两个目标点之间的灰度值差值可得目标点灰度值的变化函数;
基于目标点灰度值的变化函数,构建目标点灰度值的变化函数的函数图像,基于目标点灰度值的变化函数的函数图像,以目标点的灰度值为参数述构建目标点的拟合函数。
8.一种纱线亚像素级直径测量系统,其特征在于,所述系统包括:
图像获取单元,用于获取采用线阵CCD传感器拍摄的纱线的初始离散图像;
图像过滤单元,用于采集初始离散图像各个像素点的灰度值,计算初始离散图像像素点的平均灰度值,并基于平均灰度值对初始离散图像各个像素点的灰度值进行调整,输出灰度离散图像;
边缘检测单元,用于选取灰度离散图像的灰度值最低的像素点为检测原点,基于检测原点依次判断检测原点水平方向各个像素点的灰度值是否满足所述阈值,确定灰度离散图像的第一边缘像素点;
数据处理单元,用于基于灰度离散图像第一边缘像素点的灰度值,构建拟合函数将灰度离散图像的边缘像素点连接为连续的灰度离散图像第一边缘;
边缘检测单元,用于以灰度离散图像第一边缘的各个第一像素点为起始点,从起始点左右等距选取若干个目标点,基于目标点的灰度值确定第二边缘像素点;
输出单元,基于第二边缘像素点的坐标位置,可计算出纱线的直径。
9.一种终端,其特征在于,所述终端包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现如权利要求1至7中任一项权利要求所述的一种纱线亚像素级直径测量方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行以实现如权利要求1至7中任一项权利要求所述的基于声纹分析的一种纱线亚像素级直径测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111124256.XA CN113808121A (zh) | 2021-09-24 | 2021-09-24 | 一种纱线亚像素级直径测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111124256.XA CN113808121A (zh) | 2021-09-24 | 2021-09-24 | 一种纱线亚像素级直径测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113808121A true CN113808121A (zh) | 2021-12-17 |
Family
ID=78896584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111124256.XA Pending CN113808121A (zh) | 2021-09-24 | 2021-09-24 | 一种纱线亚像素级直径测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808121A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596281A (zh) * | 2022-03-08 | 2022-06-07 | 常州市新创智能科技有限公司 | 一种玻纤布面上纬纱纱线的间隙判断方法 |
CN114998268A (zh) * | 2022-06-07 | 2022-09-02 | 常州市新创智能科技有限公司 | 一种花边捆绑纱并丝断丝的检测方法及装置 |
CN115015244A (zh) * | 2022-04-22 | 2022-09-06 | 江苏欧罗曼家纺有限公司 | 基于多模态传感设备的浆纱上浆品质分析方法 |
CN116164645A (zh) * | 2023-02-20 | 2023-05-26 | 浙江禾川科技股份有限公司 | 一种绝对位置检测方法、装置、设备及存储介质 |
-
2021
- 2021-09-24 CN CN202111124256.XA patent/CN113808121A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114596281A (zh) * | 2022-03-08 | 2022-06-07 | 常州市新创智能科技有限公司 | 一种玻纤布面上纬纱纱线的间隙判断方法 |
CN114596281B (zh) * | 2022-03-08 | 2022-11-01 | 常州市新创智能科技有限公司 | 一种玻纤布面上纬纱纱线的间隙判断方法 |
CN115015244A (zh) * | 2022-04-22 | 2022-09-06 | 江苏欧罗曼家纺有限公司 | 基于多模态传感设备的浆纱上浆品质分析方法 |
CN114998268A (zh) * | 2022-06-07 | 2022-09-02 | 常州市新创智能科技有限公司 | 一种花边捆绑纱并丝断丝的检测方法及装置 |
CN114998268B (zh) * | 2022-06-07 | 2022-11-25 | 常州市新创智能科技有限公司 | 一种花边捆绑纱并丝断丝的检测方法及装置 |
CN116164645A (zh) * | 2023-02-20 | 2023-05-26 | 浙江禾川科技股份有限公司 | 一种绝对位置检测方法、装置、设备及存储介质 |
CN116164645B (zh) * | 2023-02-20 | 2023-08-08 | 浙江禾川科技股份有限公司 | 一种绝对位置检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113808121A (zh) | 一种纱线亚像素级直径测量方法及系统 | |
CN112665727B (zh) | 一种红外热成像测温方法 | |
CN116309757B (zh) | 基于机器视觉的双目立体匹配方法 | |
CN109655234B (zh) | 一种针对于相机的自动化测试方法 | |
CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
CN106683084B (zh) | 一种基于行间像偏移估计的tdi图像形变程度客观评价方法 | |
CN108062821B (zh) | 边缘检测方法及验钞设备 | |
CN112153320B (zh) | 一种物品尺寸的测量方法、装置、电子设备和存储介质 | |
CN112801165A (zh) | 一种卡片审核方法及装置 | |
CN112924037A (zh) | 基于图像配准的红外体温检测系统及检测方法 | |
Chen et al. | A Voronoi-Diagram-based method for centerline extraction in 3D industrial line-laser reconstruction using a graph-centrality-based pruning algorithm | |
CN115830514A (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 | |
CN116105691A (zh) | 批量测定叶片表型性状的方法及相关设备 | |
CN115546131A (zh) | 一种带钢表面黑灰的定量评价方法及相关设备 | |
CN111784724B (zh) | 改进型马尔科夫链蒙特卡洛二维岩石切片重构方法及系统 | |
CN112146834A (zh) | 结构振动位移测量方法及装置 | |
CN117496499B (zh) | 3d结构光成像中虚假深度边缘的识别和补偿方法、系统 | |
RU2351091C2 (ru) | Способ автоматического определения и коррекции радиальной дисторсии на цифровом изображении | |
CN116168022B (zh) | 一种双线型像质计图像处理方法、装置、设备及存储介质 | |
CN117173179B (zh) | 一种防音布生产质量快速检测方法及系统 | |
CN116051390B (zh) | 运动模糊程度检测方法和设备 | |
CN112730427B (zh) | 一种基于机器视觉的产品表面缺陷检测方法及系统 | |
CN106572348B (zh) | 接触式图像传感器的校准方法 | |
EP4202869A1 (en) | Method and apparatus for determining at least one optical parameter of at least one spectacle lens | |
CN115420277B (zh) | 一种物体位姿测量方法及电子设备 |
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 |