CN114529550A - 一种基于图像处理的纺织品色牢度检测方法及系统 - Google Patents
一种基于图像处理的纺织品色牢度检测方法及系统 Download PDFInfo
- Publication number
- CN114529550A CN114529550A CN202210436425.1A CN202210436425A CN114529550A CN 114529550 A CN114529550 A CN 114529550A CN 202210436425 A CN202210436425 A CN 202210436425A CN 114529550 A CN114529550 A CN 114529550A
- Authority
- CN
- China
- Prior art keywords
- pixel
- points
- point
- color
- color fastness
- 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.)
- Granted
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于图像处理的纺织品色牢度检测方法及系统。该方法获取参考白布图像上颜色区域的边缘像素点及其纹理走向。通过每个边缘像素点在纹理走向上与其他像素点的像素相似信息和位置相近信息获得每个边缘像素点的有效率,从而筛选出有效点,获得摩擦运动方向。分析每个像素点在摩擦运动方向直线上的其他像素点与该像素点的像素值相似性,获得每个像素点的混合率。根据颜色区域中像素点的混合率、有效率和像素值获得每个颜色区域的可信度。根据可信度调整每个颜色区域的初始色牢度,获得整体色牢度。本发明分析像素点之间互相影响的情况,获得参考性强的可信度调整初始色牢度,实现了准确的色牢度检测。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于图像处理的纺织品色牢度检测方法及系统。
背景技术
色牢度又称染色牢度、染色坚牢度。是指纺织品的颜色对在加工和使用过程中各种作用的抵抗力。
现有摩擦色牢度的检测方式为:将试样放在摩擦牢度仪上,在一定压力上用标准摩擦白布与之磨擦一定的次数,对标准摩擦白布上所沾的颜色用灰卡进行评级,所得的级数就是所测的摩擦色牢度。这种方法判断标准摩擦白布上所粘的颜色最符合哪个等级是基于人的主观倾向,受到人的状态影响,不能保证所有时刻的结果都准确。
在现有技术中,为了实现高效快速的色牢度检测,可通过计算机视觉技术,在摩擦牢度仪上加装检测相机,使用相机同时获取灰卡和标准摩擦白布上的图像;将标准摩擦白布上所沾的颜色划分为不同的区域,分别将各区域与灰卡对比确定各区域的级别,所有区域的级别进行投票确定试样的牢度级别。但是,由于织造试样时所用纱线各段的结构不同,染色时织物各部分染色结果不同,导致织物试样上不同区域的色牢度不一定相同。而摩擦牢度仪的摩擦都是往复运动,标准摩擦白布上的同一个位置会被试样的多个区域影响。当影响标准摩擦白布同一位置的不同试样区域的色牢度不同时,标准摩擦白布这一位置处对应的的色牢度就不能准确反应真实的试样色牢度。若标准摩擦白布上的这一区域的色牢度受到一个容易掉色的区域的影响,这一区域得到的色牢度级别就会降低,从而使得最终的投票结果无法准确反应试样的色牢度,无法保证检测的准确性。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于图像处理的纺织品色牢度检测方法及系统,所采用的技术方案具体如下:
本发明提出了一种基于图像处理的纺织品色牢度检测方法,所述方法包括:
获得摩擦处理后的参考白布图像;根据像素值将所述参考白布图像中的像素点分类,获得多个颜色区域;
获取每个所述颜色区域的边缘像素点;获取每个所述边缘像素点的纹理走向;以所述边缘像素点在所述纹理走向方向上的所有像素点作为方向像素点;根据第一位置信息对与所述边缘像素点像素值相同的对应所述方向像素点进行分类,以距离所述边缘像素点最近的类别作为其相邻点集;根据所述相邻点集内元素的数量和元素间距离的方差获得对应所述边缘像素点的有效率;以有效率大于预设第一阈值的所述边缘像素点作为有效点;将所述有效点的所述纹理走向相加获得摩擦运动方向;
过所述参考白布图像中每个像素点做所述摩擦运动方向上的参考直线,以所述参考直线上所有的点作为对应像素点的疑似异色牢度点;根据所述疑似异色牢度点的第二位置信息和像素值构建辅助曲线;以所述辅助曲线的导数大于预设第二阈值的点作为辅助点;以距离对应像素点两侧最近的所述辅助点作为关键点;所述关键点之间的所述辅助曲线作为第一关键曲线;根据所述第一关键曲线的长度、所述第一关键曲线上像素值的方差、所述第一关键曲线的对称性获得对应像素点的混合率;
根据每个所述颜色区域中像素点的所述混合率、所述有效点的所述有效率和每个像素点的像素值获得所述颜色区域的可信度;获得每个颜色区域的初始色牢度;根据所述可信度对所述初始色牢度进行调整,获得整体色牢度。
进一步地,所述根据像素值将所述参考白布图像中的像素点分类,获得多个颜色区域包括:
根据像素值利用均值漂移聚类算法对所述参考白布图像中的像素点分类,获得多个所述颜色区域。
进一步地,所述获取每个所述边缘像素点的纹理走向包括:
获取每个所述边缘像素点的海森矩阵;根据所述海森矩阵最小特征值对应的特征向量作为所述纹理走向。
进一步地,所述根据第一位置信息对与所述边缘像素点像素值相同的对应所述方向像素点进行分类,以距离所述边缘像素点最近的类别作为其相邻点集包括:
以所述方向像素点指向对应所述边缘像素点的向量作为第一指向向量;以所述第一指向向量与所述纹理走向的内积作为所述第一位置信息;
以所述第一位置信息为横轴,所述方向像素点的像素值为纵轴构建第一衡量曲线;将所述第一衡量曲线的纵坐标减去对应的所述边缘像素点的像素值,获得第二衡量曲线;
获得所述第二衡量曲线与横轴的交点;根据所述交点之间的距离利用密度聚类算法进行分类,获得多个聚类簇,以包含所述第二衡量曲线原点的所述聚类簇作为所述相邻点集。
进一步地,所述根据所述相邻点集内元素的数量和元素间距离的方差获得对应所述边缘像素点的有效率包括:
根据有效率公式获得所述有效率;所述有效率公式包括:
进一步地,所述以距离对应像素点两侧最近的所述辅助点作为关键点包括:
以所述疑似异色牢度点指向对应像素点的向量作为第二指向向量,以所述第二指向向量与所述摩擦运动方向的内积作为所述第二位置信息;
根据所述辅助点横坐标的正负值将所述辅助点分为正辅助点和负辅助点;以所述正辅助点和所述负辅助点中绝对值最小的点作为两个所述关键点。
进一步地,所述根据所述第一关键曲线的长度、所述第一关键曲线上像素值的方差、所述第一关键曲线的对称性获得对应像素点的混合率包括:
将所述第一关键曲线的纵坐标减去对应像素点的像素值,获得第二关键曲线;根据所述第二关键曲线中纵坐标的绝对值构建第三关键曲线;
根据混合率计算公式获得所述混合率;所述混合率计算公式包括:
进一步地,所述根据每个所述颜色区域中像素点的所述混合率、对应边缘像素点的所述有效率和每个像素点的像素值获得所述颜色区域的可信度包括:
根据可信度公式获得每个所述颜色区域的所述可信度;所述可信度公式包括:
其中,为所述可信度,为所述颜色区域的所述边缘像素点的数量,为第个所述边缘像素点的所述有效率,为所述颜色区域中的像素点数量,为第个像素点的像素值,为所述颜色区域内的平均像素值,为第个像素点的所述混合率。
进一步地,所述根据所述可信度对所述初始色牢度进行调整,获得整体色牢度包括:
根据整体色牢度公式获得所述整体色牢度;所述整体色牢度公式包括:
本发明还提出了一种基于图像处理的纺织品色牢度检测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现任意一项所述一种基于图像处理的纺织品色牢度检测方法的步骤。
本发明具有如下有益效果:
1.本发明实施例根据像素点像素值的相似特征确定参考白布的摩擦运动方向。根据每个像素点在摩擦运动方向上的疑似异色牢度点的的像素值方差和像素值相似信息判断每个像素点的混合率。通过混合率表示当前像素点对其他区域像素点的影响。进一步结合混合率和像素值信息对每个颜色区域的可信度进行判断。可信度越大说明当前颜色区域受到其他颜色区域的影响较小,获得的初始色牢度可信度高,通过可信度调整每个颜色区域的初始色牢度,获得准确的整体色牢度。整体色牢度考虑到像素点之间的影响,能够有效的表示出所测纺织品的真实色牢度。
2.本发明实施例根据每个颜色区域边缘像素点纹理走向方向上像素点的像素值相似信息和像素值位置离散信息判断每个边缘像素点的有效率,通过有效率筛选出有效点,通过有效点作为后续颜色区域可信度的参考指标,提高了可信度的参考性。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例所提供的一种基于图像处理的纺织品色牢度检测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像处理的纺织品色牢度检测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像处理的纺织品色牢度检测方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像处理的纺织品色牢度检测方法流程图,该方法包括:
步骤S1:获得摩擦处理后的参考白布图像;根据像素值将参考白布图像中的像素点分类,获得多个颜色区域。
将待检测纺织品在摩擦牢度仪上与参考白布进行摩擦,因为参考白布为纯白色的样品,因此如果待检测纺织品出现掉色情况,会使得摩擦后的参考白布上呈现多个区域的颜色信息。可通过参考白布上的颜色信息对待检测纺织品的色牢度进行判断,因此在摩擦牢度仪上部署相机,使其能够采集到清晰完整的参考白布的图像信息。
在本发明实施例中,相机采用灰度相机,直接采集到灰度化的参考白布图像,且相机的采集环境中,光照均匀,避免影响成像质量。
需要说明的是,相机在采集图像过程中会同时采集到无关的背景信息,因为相机部署位置固定,待检测纺织品和参考白布在摩擦牢度仪上的检测区域一定,因此可根据先验参数直接对相机采集的图像进行截取分割,获得仅包含参考白布图像信息的参考白布图像。
参考白布图像中会因为摩擦沾染上颜色信息,即参考白布图像中会存在不同像素值分布的多个区域,可根据像素值信息对参考白布图像中的像素点进行分类,获得多个颜色区域,具体包括:
根据像素值利用均值漂移聚类算法对所述参考白布图像中的像素点分类,获得多个所述颜色区域。每个颜色区域代表相似像素值的像素点集合。
步骤S2:获取每个颜色区域的边缘像素点;获取每个边缘像素点的纹理走向;以边缘像素点在纹理走向方向上的所有像素点作为方向像素点;根据第一位置信息对与边缘像素点像素值相同的对应方向像素点进行分类,以距离边缘像素点最近的类别作为其相邻点集;根据相邻点集内元素的数量和元素间距离的方差获得对应边缘像素点的有效率;以有效率大于预设第一阈值的边缘像素点作为有效点;将有效点的纹理走向相加获得摩擦运动方向。
因为在摩擦牢度仪上参考白布与待检测纺织品做相对运动,因此参考白布中一个位置处的颜色会被待检测纺织品上的多个位置影响,即如果待检测纺织品某个位置处的掉色严重,色牢度低,则参考白布上多个位置处都会出现颜色特征,颜色越深则色牢度越低。同理可知,待检测纺织品上多个位置的掉色情况同样影响参考白布更多位置处的颜色,如果在待检测纺织品上存在某个位置的色牢度小掉色严重,另一个相邻的位置色牢度大不掉色,则在参考白布上会受到两个位置的共同影响,无法准确判断当前待检测纺织品的色牢度级别。
因此为了分析摩擦过程造成的多位置的影响,需要分析出参考白布与待检测纺织品之间的摩擦运动方向。
在一个颜色区域中,颜色区域的边缘往往是粗糙附带纹理特征的,而颜色区域内部则是集中分布的,因此可通过颜色区域的边缘上的纹理信息获得一个纹理方向。
获取每个颜色区域的边缘像素点,针对每个边缘像素点进行分析,获取每个边缘像素点处的纹理走向,具体包括:
获取每个边缘像素点的海森矩阵;根据海森矩阵最小特征值对应的特征向量作为纹理走向。海森矩阵为边缘像素点邻域范围内的信息,因此可以有效反映边缘像素点周围的纹理信息。经过分析后,每个边缘像素点都会获得一个纹理走向,为了更有效的获得摩擦运动方向,需要对边缘像素点进行筛选,以运动特征明显的边缘像素点作为最终摩擦运动方向计算参考点。
以边缘像素点在纹理走向方向上所有像素点作为该边缘像素点的方向像素点,即以边缘像素点为起点,在对应纹理方向上的所有像素点作为方向像素点。
进一步分析方向像素点与边缘像素点的位置相近情况和像素值相似情况。如果存在与边缘像素点像素值相等且距离较近的方向像素点,则可认为对应的方向像素点和边缘像素点是由摩擦运动产生的同类像素点。因此根据第一位置信息对与边缘像素点像素值相同的对应方向像素点进行分类,以距离边缘像素点最近的类别作为其相邻点集,具体包括:
为了使得每个边缘像素点与其方向像素点之间的位置关系和像素关系更清晰且可视化,以方向像素点指向对应边缘像素点的向量作为第一指向向量。以第一指向向量与纹理走向的内积作为第一位置信息。以第一位置信息为横轴,方向像素点的像素值为纵轴构建第一衡量曲线。需要说明的是,因为指向向量与纹理方向为相反方向,因此在第一衡量曲线上横轴仅有负半轴的信息,即内积越小代表方向像素点距离对应边缘像素点越远。通过第一衡量曲线能够直观的表示方向像素点与对应边缘像素点的位置关系和像素值关系。
为了更清楚的表示方向像素点与对应边缘像素点的像素值相似信息,将第一衡量曲线的纵坐标减去对应的边缘像素点的像素值,获得第二衡量曲线。则第二衡量曲线上每个纵坐标表示方向像素点与对应边缘像素点的像素值差异。获得第二衡量曲线与横轴的交点。交点则代表了与对应边缘像素点像素值相同的方向像素点。根据交点之间的距离利用密度聚类算法进行分类,获得多个聚类簇,以包含第二衡量曲线原点的聚类簇作为相邻点集。
对于边缘像素点而言,其相邻点集内元素数量越多,连续性越强,则说明该点受摩擦影响较大,因此可根据相邻点集内元素的数量和元素间距离的方差获得对应边缘像素点的有效率,有效率越大说明该边缘像素点越可作为分析摩擦运动方向的参考点,有效率的具体获取过程包括:
根据有效率公式获得有效率。有效率公式包括:
在有效率公式中,利用距离的方差表示相邻点之间的连续性,即方差越大则连续性越差,有效率越小。
以有效率大于预设第一阈值的边缘像素点作为有效点。将有效点的纹理走向相加获得摩擦运动方向。需要说明的是,将纹理走向相加可获得一条方向,因为摩擦运动为往返摩擦,因此根据一条方向即可获得相反的另外一条方向,在后续分析过程中,仅分析一条摩擦运动方向即可。
步骤S3:过参考白布图像中每个像素点做摩擦运动方向上的参考直线,以参考直线上所有的点作为对应像素点的疑似异色牢度点;根据疑似异色牢度点的第二位置信息和像素值构建辅助曲线;以辅助曲线的导数大于预设第二阈值的点作为辅助点;以距离对应像素点两侧最近的辅助点作为关键点;关键点之间的辅助曲线作为第一关键曲线;根据第一关键曲线的长度、第一关键曲线上像素值的方差、第一关键曲线的对称性获得对应像素点的混合率。
摩擦过程会沿着摩擦运动方向影响每一个像素点。参考白布图像中的一个像素点会受到待检测纺织品多个像素点的影响,因此需要分析参考白布图像中颜色区域的每个像素点的混合率,即混合程度越大说明被待检测纺织品某些位置影响的越大。
为了分析每个像素点的混合率需要对每个像素点在摩擦运动方向上的所有像素点进行分析。过参考白布图像中每个像素点做摩擦运动方向上的参考直线,以参考直线上所有的点作为对应像素点的疑似异色牢度点。即疑似异色牢度点可能为与对应像素点互相影响的点,且分布在对应像素点的两侧。
为了更清晰的表示疑似异色牢度点与对应像素点的位置信息和像素值相似信息,根据疑似异色牢度点的第二位置信息和像素值构建辅助曲线。与第一衡量曲线相似的,以疑似异色牢度点指向对应像素点的向量作为第二指向向量,以第二指向向量与摩擦运动方向的内积作为第二位置信息。以第二位置信息作为横轴,像素值作为纵轴获得辅助曲线。
对于一个像素点而言,其附近的其他疑似异色牢度点都可能会受到混合影响,因此需要判定该像素点的附近范围。以辅助曲线的导数大于预设第二阈值的点作为辅助点,辅助点处的导数表示像素值变化程度,导数越大说明该位置处的像素值变化越大,像素值变化较大的点说明当前位置对对应像素点没有影响,或者影响较小,不用再分析其对对应像素点影响。
以距离对应像素点两侧最近的辅助点作为关键点。关键点之间的辅助曲线作为第一关键曲线。即第一关键曲线对应的疑似异色牢度点为对应像素点附近互相影响的点。需要说明的是,疑似异色牢度点分布在对应像素点的两侧,因此辅助曲线的横坐标同时包括正值和负值,且第一关键曲线的横坐标同样同时包括正值和负值,表示对应像素点两侧的附近范围。其中关键点的具体获取方法包括:
根据辅助点横坐标的正负值将辅助点分为正辅助点和负辅助点。以正辅助点和负辅助点中绝对值最小的点作为两个关键点。横坐标绝对值最小的两个点表示在对应像素点两侧距离对应像素点最近的两个辅助点。
因此可根据第一关键曲线上的疑似异色牢度点的像素信息分析对对应像素点的影响,根据第一关键曲线的长度、第一关键曲线上像素值的方差、第一关键曲线的对称性获得对应像素点的混合率具体包括:
将第一关键曲线的纵坐标减去对应像素点的像素值,获得第二关键曲线。根据第二关键曲线中纵坐标的绝对值构建第三关键曲线。第三关键曲线表示了每个疑似异色牢度点与对应像素点的像素值差异信息。
根据混合率计算公式获得混合率。混合率计算公式包括:
步骤S4:根据每个颜色区域中像素点的混合率、边缘像素点的有效率和每个像素点的像素值获得颜色区域的可信度;获得每个颜色区域的初始色牢度;根据可信度对初始色牢度进行调整,获得整体色牢度。
结合每个颜色区域中像素点的混合率、对应边缘像素点的有效率和每个像素点的像素值获得颜色区域的可信度。混合率越大说明该颜色区域受影响较多,可信度越低;颜色区域内有效点的有效率越大,说明可信度越高;区域内像素值差异越小,说明颜色区域内颜色均匀,可信度越高。因此获取可信度具体包括:
根据可信度公式获得每个颜色区域的可信度;可信度公式包括:
获得每个颜色区域的初始色牢度。需要说明的是,初始色牢度可根据色牢度检测灰卡进行检测,在分析过程中可对灰卡进行图像采集,通过灰卡图像对每个颜色区域进行对比,获得各自的初始色牢度。在本发明实施例中,灰卡上的色牢度等级为5级,若颜色区域与某个色牢度等级的灰卡颜色最相近,则颜色区域的初始色牢度为对应的色牢度等级。
以每个颜色区域的可信度作为权重,调整对应的初始色牢度,通过对每个颜色区域的初始色牢度调整并整合可获得待检测纺织品的整体色牢度,具体包括:
根据整体色牢度公式获得整体色牢度。整体色牢度公式包括:
通过整体色牢度可对待检测纺织品的染色质量进行评判。
综上所述,本发明实施例根据获取参考白布图像上的多个颜色区域。获得颜色区域的边缘像素点及其纹理走向。通过每个边缘像素点在纹理走向上与其他像素点的像素相似信息和位置相近信息获得每个边缘像素点的有效率,从而筛选出有效点,根据有效点获得摩擦运动方向。分析每个像素点在摩擦运动方向直线上的其他像素点与该像素点的像素值相似性,获得每个像素点的混合率。根据颜色区域中像素点的混合率、有效率和像素值分布获得每个颜色区域的可信度。根据可信度调整每个颜色区域的初始色牢度,获得整体色牢度。本发明实施例通过分析像素点之间互相影响的情况,获得参考性强的可信度作为调整初始色牢度的指标,实现了准确的色牢度检测。
本发明还提出了一种基于图像处理的纺织品色牢度检测系统,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现任意一项一种基于图像处理的纺织品色牢度检测方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像处理的纺织品色牢度检测方法,其特征在于,所述方法包括:
获得摩擦处理后的参考白布图像;根据像素值将所述参考白布图像中的像素点分类,获得多个颜色区域;
获取每个所述颜色区域的边缘像素点;获取每个所述边缘像素点的纹理走向;以所述边缘像素点在所述纹理走向方向上的所有像素点作为方向像素点;根据第一位置信息对与所述边缘像素点像素值相同的对应所述方向像素点进行分类,以距离所述边缘像素点最近的类别作为其相邻点集;根据所述相邻点集内元素的数量和元素间距离的方差获得对应所述边缘像素点的有效率;以有效率大于预设第一阈值的所述边缘像素点作为有效点;将所述有效点的所述纹理走向相加获得摩擦运动方向;
过所述参考白布图像中每个像素点做所述摩擦运动方向上的参考直线,以所述参考直线上所有的点作为对应像素点的疑似异色牢度点;根据所述疑似异色牢度点的第二位置信息和像素值构建辅助曲线;以所述辅助曲线的导数大于预设第二阈值的点作为辅助点;以距离对应像素点两侧最近的所述辅助点作为关键点;所述关键点之间的所述辅助曲线作为第一关键曲线;根据所述第一关键曲线的长度、所述第一关键曲线上像素值的方差、所述第一关键曲线的对称性获得对应像素点的混合率;
根据每个所述颜色区域中像素点的所述混合率、所述有效点的所述有效率和每个像素点的像素值获得所述颜色区域的可信度;获得每个颜色区域的初始色牢度;根据所述可信度对所述初始色牢度进行调整,获得整体色牢度。
2.根据权利要求1所述的一种基于图像处理的纺织品色牢度检测方法,其特征在于,所述根据像素值将所述参考白布图像中的像素点分类,获得多个颜色区域包括:
根据像素值利用均值漂移聚类算法对所述参考白布图像中的像素点分类,获得多个所述颜色区域。
3.根据权利要求1所述的一种基于图像处理的纺织品色牢度检测方法,其特征在于,所述获取每个所述边缘像素点的纹理走向包括:
获取每个所述边缘像素点的海森矩阵;根据所述海森矩阵最小特征值对应的特征向量作为所述纹理走向。
4.根据权利要求1所述的一种基于图像处理的纺织品色牢度检测方法,其特征在于,所述根据第一位置信息对与所述边缘像素点像素值相同的对应所述方向像素点进行分类,以距离所述边缘像素点最近的类别作为其相邻点集包括:
以所述方向像素点指向对应所述边缘像素点的向量作为第一指向向量;以所述第一指向向量与所述纹理走向的内积作为所述第一位置信息;
以所述第一位置信息为横轴,所述方向像素点的像素值为纵轴构建第一衡量曲线;将所述第一衡量曲线的纵坐标减去对应的所述边缘像素点的像素值,获得第二衡量曲线;
获得所述第二衡量曲线与横轴的交点;根据所述交点之间的距离利用密度聚类算法进行分类,获得多个聚类簇,以包含所述第二衡量曲线原点的所述聚类簇作为所述相邻点集。
6.根据权利要求1所述的一种基于图像处理的纺织品色牢度检测方法,其特征在于,所述以距离对应像素点两侧最近的所述辅助点作为关键点包括:
以所述疑似异色牢度点指向对应像素点的向量作为第二指向向量,以所述第二指向向量与所述摩擦运动方向的内积作为所述第二位置信息;
根据所述辅助点横坐标的正负值将所述辅助点分为正辅助点和负辅助点;以所述正辅助点和所述负辅助点中绝对值最小的点作为两个所述关键点。
10.一种基于图像处理的纺织品色牢度检测系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210436425.1A CN114529550B (zh) | 2022-04-25 | 2022-04-25 | 一种基于图像处理的纺织品色牢度检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210436425.1A CN114529550B (zh) | 2022-04-25 | 2022-04-25 | 一种基于图像处理的纺织品色牢度检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114529550A true CN114529550A (zh) | 2022-05-24 |
CN114529550B CN114529550B (zh) | 2022-07-01 |
Family
ID=81628189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210436425.1A Active CN114529550B (zh) | 2022-04-25 | 2022-04-25 | 一种基于图像处理的纺织品色牢度检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529550B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663435A (zh) * | 2022-05-25 | 2022-06-24 | 启东新朋莱纺织科技有限公司 | 一种纺织布料张力异常自动监测方法 |
CN114782562A (zh) * | 2022-06-18 | 2022-07-22 | 南通寝尚纺织品有限公司 | 基于数据识别的服装布料浸染监测方法及人工智能系统 |
CN114792317A (zh) * | 2022-06-22 | 2022-07-26 | 江苏瑞斯达安全防护用品有限公司 | 一种基于图像处理的防护手套染色控制方法及系统 |
CN114842007A (zh) * | 2022-07-04 | 2022-08-02 | 南通东德纺织科技有限公司 | 一种基于图像处理的纺织品磨损缺陷检测方法 |
CN115082480A (zh) * | 2022-08-23 | 2022-09-20 | 启东市鸿盛纺织有限公司 | 一种基于颜色共生矩阵的家纺耐摩擦色牢度检测方法 |
CN115082472A (zh) * | 2022-08-22 | 2022-09-20 | 江苏东跃模具科技有限公司 | 一种轮毂模具浇注成型产品的质量检测方法及系统 |
CN115078271A (zh) * | 2022-08-23 | 2022-09-20 | 启东奈克斯特新材料科技有限公司 | 一种化纤面料上色质量检测及评估方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1793844A (zh) * | 2005-11-30 | 2006-06-28 | 江苏科技大学 | 纺织品色牢度色差评级测试方法和装置 |
CN102539349A (zh) * | 2012-01-06 | 2012-07-04 | 江南大学 | 基于图像分析的圆网印花纺织品耐皂洗色牢度评价方法 |
CN105550660A (zh) * | 2015-12-26 | 2016-05-04 | 河北工业大学 | 一种机织物组织结构种类的识别方法 |
CN107016664A (zh) * | 2017-01-18 | 2017-08-04 | 华侨大学 | 一种大圆机的坏针瑕疵检测方法 |
CN107451993A (zh) * | 2017-07-24 | 2017-12-08 | 武汉纺织大学 | 一种织物色牢度等级评定方法和系统 |
CN107782881A (zh) * | 2017-11-30 | 2018-03-09 | 东华大学 | 基于人体五感的纺织品综合风格测量装置和方法 |
EP3327627A1 (de) * | 2016-11-26 | 2018-05-30 | MEWA Textil-Service AG & Co Management oHG | Verfahren, vorrichtung und computerprogramm zur visuellen qualitätskontrolle von textilien |
US20220097413A1 (en) * | 2020-09-30 | 2022-03-31 | Wei-Kuang Hou | Garment Printing Apparatus and Method Thereof for Improving Color Fastness and Color Shadings |
CN114386295A (zh) * | 2022-03-23 | 2022-04-22 | 武汉纺织大学 | 一种基于色纺纱分色换色的织物计算机仿真方法 |
-
2022
- 2022-04-25 CN CN202210436425.1A patent/CN114529550B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1793844A (zh) * | 2005-11-30 | 2006-06-28 | 江苏科技大学 | 纺织品色牢度色差评级测试方法和装置 |
CN102539349A (zh) * | 2012-01-06 | 2012-07-04 | 江南大学 | 基于图像分析的圆网印花纺织品耐皂洗色牢度评价方法 |
CN105550660A (zh) * | 2015-12-26 | 2016-05-04 | 河北工业大学 | 一种机织物组织结构种类的识别方法 |
EP3327627A1 (de) * | 2016-11-26 | 2018-05-30 | MEWA Textil-Service AG & Co Management oHG | Verfahren, vorrichtung und computerprogramm zur visuellen qualitätskontrolle von textilien |
CN107016664A (zh) * | 2017-01-18 | 2017-08-04 | 华侨大学 | 一种大圆机的坏针瑕疵检测方法 |
CN107451993A (zh) * | 2017-07-24 | 2017-12-08 | 武汉纺织大学 | 一种织物色牢度等级评定方法和系统 |
CN107782881A (zh) * | 2017-11-30 | 2018-03-09 | 东华大学 | 基于人体五感的纺织品综合风格测量装置和方法 |
US20220097413A1 (en) * | 2020-09-30 | 2022-03-31 | Wei-Kuang Hou | Garment Printing Apparatus and Method Thereof for Improving Color Fastness and Color Shadings |
CN114386295A (zh) * | 2022-03-23 | 2022-04-22 | 武汉纺织大学 | 一种基于色纺纱分色换色的织物计算机仿真方法 |
Non-Patent Citations (2)
Title |
---|
刘锦瑞等: ""纺织品色牢度智能评级系统的研制"", 《棉纺织技术》 * |
朱安民等: ""基于计算机视觉的纺织品色牢度检测"", 《深圳大学学报理工版》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114663435A (zh) * | 2022-05-25 | 2022-06-24 | 启东新朋莱纺织科技有限公司 | 一种纺织布料张力异常自动监测方法 |
CN114782562A (zh) * | 2022-06-18 | 2022-07-22 | 南通寝尚纺织品有限公司 | 基于数据识别的服装布料浸染监测方法及人工智能系统 |
CN114782562B (zh) * | 2022-06-18 | 2022-09-02 | 南通寝尚纺织品有限公司 | 基于数据识别的服装布料浸染监测方法及人工智能系统 |
CN114792317A (zh) * | 2022-06-22 | 2022-07-26 | 江苏瑞斯达安全防护用品有限公司 | 一种基于图像处理的防护手套染色控制方法及系统 |
CN114792317B (zh) * | 2022-06-22 | 2022-09-02 | 江苏瑞斯达安全防护用品有限公司 | 一种基于图像处理的防护手套染色控制方法及系统 |
CN114842007A (zh) * | 2022-07-04 | 2022-08-02 | 南通东德纺织科技有限公司 | 一种基于图像处理的纺织品磨损缺陷检测方法 |
CN115082472A (zh) * | 2022-08-22 | 2022-09-20 | 江苏东跃模具科技有限公司 | 一种轮毂模具浇注成型产品的质量检测方法及系统 |
CN115082480A (zh) * | 2022-08-23 | 2022-09-20 | 启东市鸿盛纺织有限公司 | 一种基于颜色共生矩阵的家纺耐摩擦色牢度检测方法 |
CN115078271A (zh) * | 2022-08-23 | 2022-09-20 | 启东奈克斯特新材料科技有限公司 | 一种化纤面料上色质量检测及评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114529550B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114529550B (zh) | 一种基于图像处理的纺织品色牢度检测方法及系统 | |
CN114972357B (zh) | 一种基于图像处理的轧辊表面缺陷检测方法及系统 | |
CN114549522A (zh) | 基于目标检测的纺织品质量检测方法 | |
CN103106645B (zh) | 一种机织物组织结构识别方法 | |
CN108960255A (zh) | 基于颜色相似性和位置聚集性的显著性织物疵点检测方法 | |
US20120082365A1 (en) | Pathologic tissue image analyzing apparatus, pathologic tissue image analyzing method, and pathologic tissue image analyzing program | |
US20120197429A1 (en) | Method and system for detecting suitability of an image to embroidery | |
CN114862855B (zh) | 基于模板匹配的纺织品缺陷检测方法及系统 | |
CN114693676B (zh) | 一种新材料纺织品漂白缺陷光学检测方法及装置 | |
CN114723704A (zh) | 一种基于图像处理的纺织品质量评估方法 | |
CN109211918B (zh) | 一种基于纬纱走向的织物弓纬检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN116228764B (zh) | 一种新生儿疾病筛查血片采集质量检测方法及系统 | |
CN114693677B (zh) | 一种针织面料轧染工艺异常检测方法 | |
CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
CN114998321A (zh) | 一种基于光学手段的纺织材料表面毛羽程度识别方法 | |
CN115063424B (zh) | 基于计算机视觉的纺织纱管纱线检测方法 | |
CN115908362A (zh) | 一种滑板轮的耐磨性检测方法 | |
CN115266732A (zh) | 基于机器视觉的碳纤维丝束缺陷检测方法 | |
Wang et al. | Automatic woven fabric structure identification by using principal component analysis and fuzzy clustering | |
CN116894840B (zh) | 纺纱打样机产品质量检测方法及系统 | |
CN117808800A (zh) | 一种纺织品染色质量智能评估方法及系统 | |
CN117152159B (zh) | 一种复杂布料印花瑕疵检测方法及系统 | |
Zhang et al. | Automated microwave tomography (Mwt) image segmentation: State-of-the-art implementation and evaluation | |
CN115082480B (zh) | 一种基于颜色共生矩阵的家纺耐摩擦色牢度检测方法 |
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 |