CN114882035B - 一种基于图像处理的面料熨烫质量预测评估方法及装置 - Google Patents

一种基于图像处理的面料熨烫质量预测评估方法及装置 Download PDF

Info

Publication number
CN114882035B
CN114882035B CN202210808366.6A CN202210808366A CN114882035B CN 114882035 B CN114882035 B CN 114882035B CN 202210808366 A CN202210808366 A CN 202210808366A CN 114882035 B CN114882035 B CN 114882035B
Authority
CN
China
Prior art keywords
ironing
sliding window
damage
pixel points
image
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
CN202210808366.6A
Other languages
English (en)
Other versions
CN114882035A (zh
Inventor
杨家俊
邵海军
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.)
Nantong Shisen Cloth Co ltd
Original Assignee
Nantong Shisen Cloth 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 Nantong Shisen Cloth Co ltd filed Critical Nantong Shisen Cloth Co ltd
Priority to CN202210808366.6A priority Critical patent/CN114882035B/zh
Publication of CN114882035A publication Critical patent/CN114882035A/zh
Application granted granted Critical
Publication of CN114882035B publication Critical patent/CN114882035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/30—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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的面料熨烫质量预测评估方法及装置，涉及图像处理领域；包括：获取面料表面图像的灰度图像，并计算灰度图像中像素点的梯度方向及梯度大小；建立预设尺寸的滑窗，滑窗中梯度最大的像素点与其他像素点的梯度方向以及梯度大小获得熨烫损伤度；获得灰度图像中像素点的平滑度以及邻域平滑度均值；根据灰度图像中所有像素点的熨烫损伤度获得第一特征图像，将像素点的平滑度以及邻域平滑度均值构建二元组计算第一特征图像的二维熵得到平滑熵；根据所有像素点的熨烫损伤度的均值以及平滑熵得到熨烫质量指标，当熨烫质量指标大于预设阈值对面料进行熨烫，否则无需对面料进行熨烫。

Description

一种基于图像处理的面料熨烫质量预测评估方法及装置
技术领域
本申请涉及图像处理领域，具体涉及一种基于图像处理的面料熨烫质量预测评估方法及装置。
背景技术
在纺织行业中，成品面料在生产出来时有时会出现表面褶皱，这时就需要对面料进行熨烫，而有些特殊材料面料会受到熨烫温度或熨烫压力的影响而产生损伤，当褶皱过多或褶皱过于不平，其无法保证面料不受损伤的同时将其烫平，造成熨烫后仍为残次品的结果，因此需要对面料在熨烫前对熨烫结果进行预测评估。
熨烫过程即为将原面料表面褶皱烫平过程，其熨烫方向一般为顺着褶皱方向熨烫，若熨烫方向与褶皱方向垂直，其容易出现将褶皱挤压重叠的现象，即局部粘合。而对于特殊材料的面料的熨烫不仅要求无粘合缺陷，还要求熨烫对原面料的损伤最小。
因此需要判断面料是否有必要进行熨烫操作，现有技术中仅仅能通过褶皱的多少来控制熨烫时间以及熨烫温度的方式来提高熨烫效率与熨烫质量，无法从面料本身的褶皱程度判断原面料是否需要熨烫操作。
发明内容
针对上述技术问题，本发明提供了一种基于图像处理的面料熨烫质量预测评估方法及装置。
第一方面，本发明提出了一种基于图像处理的面料熨烫质量预测评估方法，包括：
获取面料表面图像的灰度图像，并计算所述灰度图像中像素点的梯度方向及梯度大小。
建立预设尺寸的滑窗，以所述灰度图像中的每一像素点为中心分别进行滑窗，将每次所述滑窗中梯度大小最大的像素点作为参考点，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差。
根据每次所述滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次所述滑窗的中心像素点的熨烫损伤度，得到灰度图像中每一像素点的熨烫损伤度。
将所述灰度图像中每一像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为每一像素点的平滑度，分别获得所述灰度图像中每一像素点的平滑度，并将所述灰度图像中每一像素点的八邻域像素点的平滑度的均值，作为每一像素点的邻域平滑度均值，将所述灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组。
根据所述灰度图像中所有像素点的熨烫损伤度获得第一特征图像，所述第一特征图像中像素点的值为所述灰度图像中像素点的熨烫损伤度，利用所述二元组计算所述第一特征图像的二维熵得到平滑熵。
根据得到所述平滑熵以及所述灰度图像中所有像素点的熨烫损伤度的均值，得到熨烫质量指标，判断所述熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫。
进一步的，所述基于图像处理的面料熨烫质量预测评估方法，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，包括：
每次所述滑窗中的所述参考点的梯度大小为
Figure 100002_DEST_PATH_IMAGE001
，每次所述滑窗的最大固有熨烫损伤
Figure 135339DEST_PATH_IMAGE002
。
计算每次所述滑窗中其他像素点的溢出熨烫损伤比，所述溢出熨烫损伤比的计算方法包括
Figure 100002_DEST_PATH_IMAGE003
，其中
Figure 450914DEST_PATH_IMAGE004
为像素点的梯度大小，
Figure 100002_DEST_PATH_IMAGE005
为每次所述滑窗中像素点的溢出熨烫损伤比。
计算每次所述滑窗中其他像素点的熨烫偏差，所述熨烫偏差的计算方法包括：
Figure 520501DEST_PATH_IMAGE006
，其中，
Figure 100002_DEST_PATH_IMAGE007
为每次所述滑窗中像素点的梯度方向与所述参考点的梯度方向之间的夹角，
Figure 672259DEST_PATH_IMAGE008
为每次所述滑窗中像素点的熨烫偏差。
进一步的，所述基于图像处理的面料熨烫质量预测评估方法，根据每次所述滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次所述滑窗的中心像素点的熨烫损伤度，包括：
Figure 100002_DEST_PATH_IMAGE009
，其中
Figure 485494DEST_PATH_IMAGE010
为将每次所述滑窗中所有像素点按照最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差进行组合后得到变量组合，
Figure 100002_DEST_PATH_IMAGE011
在每次所述滑窗中所有像素点的变量组合中出现的频率，
Figure 904843DEST_PATH_IMAGE012
为每次所述滑窗的中心像素点的熨烫损伤度。
进一步的，所述基于图像处理的面料熨烫质量预测评估方法，将所述最大固有熨烫损伤划分等级，当每次所述滑窗的最大固有熨烫损伤分别位于区间
Figure 100002_DEST_PATH_IMAGE013
时，其值分别取0.1，0.2，…，1。
对每次所述滑窗中像素点的溢出熨烫损伤比
Figure 614173DEST_PATH_IMAGE005
进行分级，当所述溢出熨烫损伤比分别位于区间
Figure 830391DEST_PATH_IMAGE013
时，其值分别取0.1，0.2，…，1。
对每次所述滑窗中像素点的所述熨烫偏差
Figure 181737DEST_PATH_IMAGE008
进行分级，当所述熨烫偏差分别位于区间
Figure 491146DEST_PATH_IMAGE014
以及
Figure 100002_DEST_PATH_IMAGE015
时，其值分别取0.5以及1。
进一步的，所述基于图像处理的面料熨烫质量预测评估方法，计算所述灰度图像中像素点的梯度方向及梯度大小，包括：
将位于所述灰度图中第
Figure 168115DEST_PATH_IMAGE016
行第
Figure 100002_DEST_PATH_IMAGE017
列的像素点的位置记为
Figure 278153DEST_PATH_IMAGE018
，利用sobel算子计算水平方向的梯度
Figure 100002_DEST_PATH_IMAGE019
，以及垂直方向的梯度
Figure 416879DEST_PATH_IMAGE020
，则该像素点的梯度幅值即梯度大小
Figure 100002_DEST_PATH_IMAGE021
，该像素点的梯度方向为
Figure 623870DEST_PATH_IMAGE022
。
进一步的，所述基于图像处理的面料熨烫质量预测评估方法，根据所述灰度图像中所有像素点的熨烫损伤度均值以及所述平滑熵，得到熨烫质量指标，包括：
Figure 100002_DEST_PATH_IMAGE023
，其中
Figure 409423DEST_PATH_IMAGE024
为所述灰度图像的熨烫质量指标，
Figure 100002_DEST_PATH_IMAGE025
为所述灰度图像中所有像素点的熨烫损伤度均值，
Figure 819807DEST_PATH_IMAGE026
为所述平滑熵。
进一步的，所述基于图像处理的面料熨烫质量预测评估方法，获取面料表面图像的灰度图像前，还包括：调整面料表面使得面料表面平整，避免面料存在堆叠。
第二方面，本发明提出了一种基于图像处理的面料熨烫质量预测评估装置，包括：
图像获取模块，用于获取面料表面图像的灰度图像。
第一计算模块，用于计算所述灰度图像中像素点的梯度方向及梯度大小，并以所述灰度图像中的像素点为中心建立预设尺寸的滑窗，将每次所述滑窗中梯度最大的像素点作为参考点，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，并根据所述像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，获得每次所述滑窗的中心像素点的熨烫损伤度。
第二计算模块，用于将所述灰度图像中像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为像素点的平滑度，获得所述灰度图像中所有像素点的平滑度，并将所述灰度图像中像素点的八邻域像素点的平滑度的均值，作为像素点的邻域平滑度均值。
第三计算模块，用于根据所述灰度图像中所有像素点的熨烫损伤度获得第一特征图像，所述第一特征图像中像素点的值为所述灰度图像中像素点的熨烫损伤度，将所述灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组，利用所述二元组计算所述第一特征图像的二维熵得到平滑熵。
第四计算模块，用于根据所述灰度图像中所有像素点的熨烫损伤度的均值以及所述平滑熵，得到熨烫质量指标。
评估判断模块，用于判断所述熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫。
本发明提供了一种基于图像处理的面料熨烫质量预测评估方法及装置，包括：获取面料表面图像的灰度图像，并计算所述灰度图像中像素点的梯度方向及梯度大小；以所述灰度图像中的像素点为中心建立预设尺寸的滑窗，将每次所述滑窗中梯度最大的像素点作为参考点，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差。
根据所述像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，获得每次所述滑窗的中心像素点的熨烫损伤度。将所述灰度图像中像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为像素点的平滑度，获得所述灰度图像中所有像素点的平滑度，并将所述灰度图像中像素点的八邻域像素点的平滑度的均值，作为像素点的邻域平滑度均值。
根据所述灰度图像中所有像素点的熨烫损伤度获得第一特征图像，所述第一特征图像中像素点的值为所述灰度图像中像素点的熨烫损伤度，将所述灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组，利用所述二元组计算所述第一特征图像的二维熵得到平滑熵。
根据所述灰度图像中所有像素点的熨烫损伤度的均值以及所述平滑熵，得到熨烫质量指标，判断所述熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫。
相比于现有技术，本发明能够通过对面料的图像进行分析处理，判断是否需要对面料进行熨烫，从而避免不必要的熨烫造成的浪费。
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，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于图像处理的面料熨烫质量预测评估方法的流程示意图。
图2是本发明实施例提供的一种基于图像处理的面料熨烫质量预测评估装置的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
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，以便透彻理解本申请实施例。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申请。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申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例1
本发明实施例1提供了一种基于图像处理的面料熨烫质量预测评估方法，如图1所示，包括：
101、获取面料表面图像的灰度图像，并计算灰度图像中像素点的梯度方向及梯度大小。
需要说明的是，当面料存在褶皱时需要进行熨烫，且熨烫过程会对面料的质量造成损伤，需要在烫平褶皱的的同时使熨烫给面料造成的损伤最小，且局部的粘合缺陷最少。若面料的褶皱程度过大的，会使得熨烫后面料的质量仍不达标，此时没必要进行熨烫操作。
具体的，采集面料的表面图像并将其灰度化，并对灰度化结果求其上各点梯度。本实施例利用sobel算子求灰度图像中像素点的梯度，将位于灰度图中第
Figure 247377DEST_PATH_IMAGE016
行第
Figure 777716DEST_PATH_IMAGE017
列的像素点的位置记为
Figure 530908DEST_PATH_IMAGE018
，利用sobel算子计算水平方向的梯度
Figure 209014DEST_PATH_IMAGE019
，以及垂直方向的梯度
Figure 955122DEST_PATH_IMAGE020
，则该像素点的梯度幅值即梯度大小
Figure 339967DEST_PATH_IMAGE021
，该像素点的梯度方向为
Figure 795219DEST_PATH_IMAGE022
。
需要说明的是，sobel算子是典型的基于一阶导数的边缘检测算子，是离散型的差分算子。该算子对噪声具有平滑作用，能很好的消除噪声的影响，Sobel算子包含两组3x3的矩阵，分别为横向及纵向模板，将之与图像作平面卷积，即可分别得出图像中像素点的水平梯度及垂直梯度。
优选的，可以在采集面料的表面图像前，调整面料表面使得面料表面平整，避免面料存在堆叠，从而避免因面料的堆叠带来的干扰。
102、建立预设尺寸的滑窗，以灰度图像中的每一像素点为中心分别进行滑窗，将每次滑窗中梯度大小最大的像素点作为参考点，根据每次滑窗中其他像素点与参考点的梯度方向以及梯度大小之间的关系，获得每次滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差。
首先，根据熨斗在实际获得图像上的大小，确定滑窗的边长
Figure 100002_DEST_PATH_IMAGE027
，得到的滑窗中像素点个数为
Figure 367146DEST_PATH_IMAGE028
，此时预设尺寸即
Figure 149901DEST_PATH_IMAGE028
。
需要说明的是，灰度图中像素点的梯度大小能够反映像素点处的褶皱大小，其梯度方向就代表了该像素点处的褶皱方向。
具体的，每一滑窗中梯度大小最大的像素点的梯度方向即最大褶皱点处的方向，熨烫温度或熨烫压力可以根据梯度幅值大小调节，褶皱越深越大其对应的熨烫温度或熨烫压力就越大。将滑窗中梯度大小最大的像素点的梯度方向的法向作为熨烫方向，每一滑窗中其他像素点的会与该熨烫方向产生三种差异，同时这些差异会对面料造成熨烫损伤，熨烫损伤越多熨烫的质量越差。
需要说明的是，对于一个滑窗，其内所有像素点受到的熨烫操作为相同的，而对于滑窗内其他小褶皱点，其受到的熨烫操作是大于其本身被熨平所需要的，此时超出的部分为溢出熨烫损伤。而熨烫本身就会对原面料存在一个固有的熨烫损伤。滑窗内最大褶皱越大，对滑窗内所有其他褶皱点施加的固有熨烫损伤就最大，同时其他褶皱点的溢出熨烫损伤比就越大。
具体的，每一滑窗中梯度大小最大的像素点为参考点，参考点的梯度大小为
Figure DEST_PATH_IMAGE029
，则滑窗的最大固有熨烫损伤
Figure 185990DEST_PATH_IMAGE030
；对于滑窗内其他像素点，溢出熨烫损伤比
Figure DEST_PATH_IMAGE031
，
Figure 218668DEST_PATH_IMAGE004
为像素点的梯度大小。
需要说明的是，对于梯度幅值相近但方向不同的两个褶皱点来说，熨烫方向可能与其本身的最优熨烫方向存在偏差，这个偏差越大，在熨烫面料中出现局部粘合缺陷的概率就越高，进而对熨烫质量造成不良影响。对于滑窗内的像素点，其梯度方向的法向为其最优的熨烫方向，但可能会与滑窗的熨烫方向存在偏差，滑窗中其他某一个像素点的熨烫偏差包括：
Figure 871366DEST_PATH_IMAGE032
，其中，
Figure DEST_PATH_IMAGE033
为该像素点的梯度方向的与滑窗内参考点的梯度方向之间的夹角，即
Figure 162539DEST_PATH_IMAGE033
为熨烫偏差角，
Figure 521976DEST_PATH_IMAGE033
大于等于0且小于等于
Figure 584610DEST_PATH_IMAGE034
。
103、根据每次滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次滑窗的中心像素点的熨烫损伤度，得到灰度图像中每一像素点的熨烫损伤度。
优选的，将最大固有熨烫损伤划分等级，当滑窗的最大固有熨烫损伤分别位于区间
Figure 662288DEST_PATH_IMAGE013
时，其值分别取0.1，0.2，…，1；对滑窗中像素点的溢出熨烫损伤比
Figure 789775DEST_PATH_IMAGE005
进行分级，当所述溢出熨烫损伤比分别位于区间
Figure 66035DEST_PATH_IMAGE013
时，其值分别取0.1，0.2，…，1；对滑窗中像素点的熨烫偏差
Figure 502833DEST_PATH_IMAGE008
进行分级，当所述熨烫偏差分别位于区间
Figure 802227DEST_PATH_IMAGE014
以及
Figure 982673DEST_PATH_IMAGE015
时，其值分别取0.5以及1。
优选的，根据熨烫损伤比、熨烫偏差以及最大固有熨烫损伤这三种指标构建多维矩阵，矩阵维度为10*2*10。其对应的维度分别对应溢出熨烫损伤比的级别、熨烫偏差的级别以及滑窗的最大固有熨烫损伤的级别。
具体的，根据滑窗的最大固有熨烫损伤，以及滑窗中像素点的熨烫损伤比和熨烫偏差，计算滑窗的熨烫损伤度
Figure DEST_PATH_IMAGE035
，且
Figure 565970DEST_PATH_IMAGE009
，其中
Figure 173669DEST_PATH_IMAGE036
为将所述滑窗中所有像素点按照最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差进行组合后得到变量组合，
Figure DEST_PATH_IMAGE037
在所述滑窗中所有像素点的变量组合中出现的频率，将
Figure 491518DEST_PATH_IMAGE035
作为滑窗的中心像素点的熨烫损伤度。
需要说明的是，由于固有熨烫损伤为滑窗内最大褶皱点的梯度大小所决定，则若滑窗内的最大褶皱点的梯度大小越大，固有的熨烫损伤就越高，相应的，其溢出熨烫损伤比与熨烫偏差比的基数就越大，即核内最大固有熨烫损伤影响着溢出熨烫损伤比与熨烫偏差比的重要程度。
对于滑窗内一个像素点，其溢出熨烫损伤比越大，说明其与参考点的梯度幅值差距越大，这时其熨烫偏差比的重要程度就会下降，因为褶皱点越小其产生局部粘合缺陷的概率越小，其熨烫方向的重要程度也会下降。
104、将灰度图像中每一像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为每一像素点的平滑度，分别获得灰度图像中每一像素点的平滑度，并将灰度图像中每一像素点的八邻域像素点的平滑度的均值，作为每一像素点的邻域平滑度均值，将灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组。
具体的，对灰度图像中上一个像素点，计算该点的熨烫损伤度与其周围八邻域像素点的熨烫损伤度的差，获得八个差值，计算这八个差值的方差，将这个方差作为该像素点的平滑度，进一步得到灰度图像中所有像素点的平滑度；对于灰度图像中的某一像素点，将其周围八邻域像素点的平滑度的平均值作为该像素点的邻域平滑度均值。
具体的，将灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组，通过平滑度以及邻域平滑度均值，能够反映灰度图像中像素点与其八邻域在熨烫损伤度上的平滑过渡的程度。
105、根据灰度图像中所有像素点的熨烫损伤度获得第一特征图像，第一特征图像中像素点的值为灰度图像中像素点的熨烫损伤度，利用二元组计算第一特征图像的二维熵得到平滑熵。
需要说明的是，第一特征图像中像素点的值为灰度图像中像素点的熨烫损伤度，对于灰度图像中每一个像素点均存在其熨烫损伤度，以像素点的熨烫损伤度为值，得到与灰度图像对应的第一特征图，第一特征图能够评价熨烫损伤的特征。
具体的，利用二元组计算第一特征图像的二维熵，将计算得到的二维熵作为平滑熵
Figure 944496DEST_PATH_IMAGE026
，得到的平滑熵能够很好地描述灰度图像的空间特征。
106、根据灰度图像中所有像素点的熨烫损伤度的均值以及平滑熵，得到熨烫质量指标，判断熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫。
需要说明的是，
Figure 195348DEST_PATH_IMAGE025
越小熨烫的质量越好，
Figure 715892DEST_PATH_IMAGE026
越小熨烫的质量也越好，计算熨烫质量指标
Figure 989878DEST_PATH_IMAGE024
：
Figure 512127DEST_PATH_IMAGE038
，当
Figure DEST_PATH_IMAGE039
时，预测熨烫质量达标，有必要进行熨烫，即通过熨烫能够使得面料满足要求；当
Figure 86327DEST_PATH_IMAGE040
时，预测熨烫质量未达标，此时即便对面料进行熨烫也无法使其达到质量要求，没有必要对面料进行熨烫，其中
Figure DEST_PATH_IMAGE041
为预设阈值，预设阈值的一个推荐值为0.7，
Figure 488359DEST_PATH_IMAGE026
为平滑熵，
Figure 249641DEST_PATH_IMAGE025
为灰度图像中所有像素点的熨烫损伤度的均值。
相比于现有技术，本实施例能够通过对面料的图像进行分析处理，判断是否需要对面料进行熨烫，从而避免不必要的熨烫造成的浪费。
实施例2
本发明实施例提供了一种基于图像处理的面料熨烫质量预测评估装置，如图2所示，包括：
图像获取模块21，用于获取面料表面图像的灰度图像。
第一计算模块22，用于计算灰度图像中像素点的梯度方向及梯度大小，并以灰度图像中的像素点为中心建立预设尺寸的滑窗，将每次滑窗中梯度最大的像素点作为参考点，根据每次滑窗中其他像素点与参考点的梯度方向以及梯度大小之间的关系，获得每次滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，并根据像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，获得每次滑窗的中心像素点的熨烫损伤度。
第二计算模块23，用于将灰度图像中像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为像素点的平滑度，获得灰度图像中所有像素点的平滑度，并将灰度图像中像素点的八邻域像素点的平滑度的均值，作为像素点的邻域平滑度均值。
第三计算模块24，用于根据灰度图像中所有像素点的熨烫损伤度获得第一特征图像，第一特征图像中像素点的值为灰度图像中像素点的熨烫损伤度，将灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组，利用二元组计算第一特征图像的二维熵得到平滑熵。
第四计算模块25，用于根据灰度图像中所有像素点的熨烫损伤度的均值以及平滑熵，得到熨烫质量指标。
评估判断模块26，用于判断熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫。
综上所述，相比于现有技术，本实施例能够通过对面料的图像进行分析处理，判断是否需要对面料进行熨烫，从而避免不必要的熨烫造成的浪费。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
上述实施例仅仅是为清楚地说明所做的举例，并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。

Claims (6)

1.一种基于图像处理的面料熨烫质量预测评估方法，其特征在于，包括：
获取面料表面图像的灰度图像，并计算所述灰度图像中像素点的梯度方向及梯度大小；
建立预设尺寸的滑窗，以所述灰度图像中的每一像素点为中心分别进行滑窗，将每次所述滑窗中梯度大小最大的像素点作为参考点，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差；
根据每次所述滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次所述滑窗的中心像素点的熨烫损伤度，得到灰度图像中每一像素点的熨烫损伤度；
将所述灰度图像中每一像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为每一像素点的平滑度，分别获得所述灰度图像中每一像素点的平滑度，并将所述灰度图像中每一像素点的八邻域像素点的平滑度的均值，作为每一像素点的邻域平滑度均值，将所述灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组；
根据所述灰度图像中所有像素点的熨烫损伤度获得第一特征图像，所述第一特征图像中像素点的值为所述灰度图像中像素点的熨烫损伤度，利用所述二元组计算所述第一特征图像的二维熵得到平滑熵；
根据得到所述平滑熵以及所述灰度图像中所有像素点的熨烫损伤度的均值，得到熨烫质量指标，判断所述熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫；
其中，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，包括：
每次所述滑窗中的所述参考点的梯度大小为
Figure DEST_PATH_IMAGE001
，每次所述滑窗的最大固有熨烫损伤
Figure 615805DEST_PATH_IMAGE002
；
计算每次所述滑窗中其他像素点的溢出熨烫损伤比，所述溢出熨烫损伤比的计算方法包括
Figure DEST_PATH_IMAGE003
，其中
Figure 541560DEST_PATH_IMAGE004
为像素点的梯度大小，
Figure DEST_PATH_IMAGE005
为每次所述滑窗中像素点的溢出熨烫损伤比；
计算每次所述滑窗中其他像素点的熨烫偏差，所述熨烫偏差的计算方法包括：
Figure 537198DEST_PATH_IMAGE006
，其中，
Figure DEST_PATH_IMAGE007
为每次所述滑窗中像素点的梯度方向与所述参考点的梯度方向之间的夹角，
Figure 2814DEST_PATH_IMAGE008
为每次所述滑窗中像素点的熨烫偏差；
其中，根据每次所述滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次所述滑窗的中心像素点的熨烫损伤度，包括：
Figure DEST_PATH_IMAGE009
，其中
Figure 917549DEST_PATH_IMAGE010
为将每次所述滑窗中所有像素点按照最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差进行组合后得到变量组合，
Figure DEST_PATH_IMAGE011
在每次所述滑窗中所有像素点的变量组合中出现的频率，
Figure 734196DEST_PATH_IMAGE012
为每次所述滑窗的中心像素点的熨烫损伤度。
2.根据权利要求1所述的基于图像处理的面料熨烫质量预测评估方法，其特征在于，
将所述最大固有熨烫损伤划分等级，当每次所述滑窗的最大固有熨烫损伤分别位于区间
Figure DEST_PATH_IMAGE013
时，其值分别取0.1，0.2，…，1；
对每次所述滑窗中像素点的溢出熨烫损伤比
Figure 2366DEST_PATH_IMAGE005
进行分级，当所述溢出熨烫损伤比分别位于区间
Figure 122156DEST_PATH_IMAGE014
时，其值分别取0.1，0.2，…，1；
对每次所述滑窗中像素点的所述熨烫偏差
Figure 20842DEST_PATH_IMAGE008
进行分级，当所述熨烫偏差分别位于区间
Figure DEST_PATH_IMAGE015
以及
Figure 59205DEST_PATH_IMAGE016
时，其值分别取0.5以及1。
3.根据权利要求2所述的基于图像处理的面料熨烫质量预测评估方法，其特征在于，计算所述灰度图像中像素点的梯度方向及梯度大小，包括：
将位于所述灰度图中第
Figure DEST_PATH_IMAGE017
行第
Figure 255700DEST_PATH_IMAGE018
列的像素点的位置记为
Figure DEST_PATH_IMAGE019
，利用sobel算子计算水平方向的梯度
Figure 695909DEST_PATH_IMAGE020
，以及垂直方向的梯度
Figure DEST_PATH_IMAGE021
，则该像素点的梯度幅值即梯度大小
Figure 827813DEST_PATH_IMAGE022
，该像素点的梯度方向为
Figure DEST_PATH_IMAGE023
。
4.根据权利要求3所述的基于图像处理的面料熨烫质量预测评估方法，其特征在于，根据所述灰度图像中所有像素点的熨烫损伤度均值以及所述平滑熵，得到熨烫质量指标，包括：
Figure 353472DEST_PATH_IMAGE024
，其中
Figure DEST_PATH_IMAGE025
为所述灰度图像的熨烫质量指标，
Figure 368306DEST_PATH_IMAGE026
为所述灰度图像中所有像素点的熨烫损伤度均值，
Figure DEST_PATH_IMAGE027
为所述平滑熵。
5.根据权利要求4所述的基于图像处理的面料熨烫质量预测评估方法，其特征在于，获取面料表面图像的灰度图像前，还包括：调整面料表面使得面料表面平整，避免面料存在堆叠。
6.一种基于图像处理的面料熨烫质量预测评估装置，其特征在于，包括：
图像获取模块，用于获取面料表面图像的灰度图像；
第一计算模块，用于计算所述灰度图像中像素点的梯度方向及梯度大小，并建立预设尺寸的滑窗，以所述灰度图像中的每一像素点为中心分别进行滑窗，将每次所述滑窗中梯度大小最大的像素点作为参考点，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差；
第二计算模块，用于根据每次所述滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次所述滑窗的中心像素点的熨烫损伤度，得到灰度图像中每一像素点的熨烫损伤度；
第三计算模块，用于将所述灰度图像中每一像素点与其八邻域像素点的熨烫损伤度的差值的方差，作为每一像素点的平滑度，分别获得所述灰度图像中每一像素点的平滑度，并将所述灰度图像中每一像素点的八邻域像素点的平滑度的均值，作为每一像素点的邻域平滑度均值，将所述灰度图像中像素点的平滑度以及邻域平滑度均值构建二元组；
第四计算模块，用于根据所述灰度图像中所有像素点的熨烫损伤度获得第一特征图像，所述第一特征图像中像素点的值为所述灰度图像中像素点的熨烫损伤度，利用所述二元组计算所述第一特征图像的二维熵得到平滑熵；
评估判断模块，用于根据得到所述平滑熵以及所述灰度图像中所有像素点的熨烫损伤度的均值，得到熨烫质量指标，判断所述熨烫质量指标是否大于预设阈值，若判断结果为是，则需要对面料进行熨烫，若判断结果为否则无需对面料进行熨烫；
其中，根据每次所述滑窗中其他像素点与所述参考点的梯度方向以及梯度大小之间的关系，获得每次所述滑窗的中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，包括：
每次所述滑窗中的所述参考点的梯度大小为
Figure 663022DEST_PATH_IMAGE028
，每次所述滑窗的最大固有熨烫损伤
Figure 903510DEST_PATH_IMAGE029
；
计算每次所述滑窗中其他像素点的溢出熨烫损伤比，所述溢出熨烫损伤比的计算方法包括
Figure DEST_PATH_IMAGE030
，其中
Figure 775520DEST_PATH_IMAGE004
为像素点的梯度大小，
Figure 861288DEST_PATH_IMAGE005
为每次所述滑窗中像素点的溢出熨烫损伤比；
计算每次所述滑窗中其他像素点的熨烫偏差，所述熨烫偏差的计算方法包括：
Figure 807247DEST_PATH_IMAGE031
，其中，
Figure DEST_PATH_IMAGE032
为每次所述滑窗中像素点的梯度方向与所述参考点的梯度方向之间的夹角，
Figure 280954DEST_PATH_IMAGE008
为每次所述滑窗中像素点的熨烫偏差；
其中，根据每次所述滑窗中像素点的最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差，计算每次所述滑窗的中心像素点的熨烫损伤度，包括：
Figure 312363DEST_PATH_IMAGE033
，其中
Figure DEST_PATH_IMAGE034
为将每次所述滑窗中所有像素点按照最大固有熨烫损伤、溢出熨烫损伤比以及熨烫偏差进行组合后得到变量组合，
Figure 529718DEST_PATH_IMAGE035
在每次所述滑窗中所有像素点的变量组合中出现的频率，
Figure 333114DEST_PATH_IMAGE012
为每次所述滑窗的中心像素点的熨烫损伤度。
CN202210808366.6A 2022-07-11 2022-07-11 一种基于图像处理的面料熨烫质量预测评估方法及装置 Active CN114882035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210808366.6A CN114882035B (zh) 2022-07-11 2022-07-11 一种基于图像处理的面料熨烫质量预测评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210808366.6A CN114882035B (zh) 2022-07-11 2022-07-11 一种基于图像处理的面料熨烫质量预测评估方法及装置

Publications (2)

Publication Number Publication Date
CN114882035A CN114882035A (zh) 2022-08-09
CN114882035B true CN114882035B (zh) 2022-09-27

Family

ID=82683638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210808366.6A Active CN114882035B (zh) 2022-07-11 2022-07-11 一种基于图像处理的面料熨烫质量预测评估方法及装置

Country Status (1)

Country Link
CN (1) CN114882035B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116397422B (zh) * 2023-05-31 2023-08-11 深圳市微琪思网络有限公司 智能无线电熨斗控制方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114445387A (zh) * 2022-01-29 2022-05-06 泗阳富艺木业股份有限公司 一种基于机器视觉的纤维板质量分类方法
CN114359416B (zh) * 2022-03-17 2022-06-07 山东水利建设集团有限公司 一种建筑物外墙空鼓渗漏异常检测及定位方法

Also Published As

Publication number Publication date
CN114882035A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
WO2018173660A1 (ja) 表面欠陥検査方法及び表面欠陥検査装置
CN105913415B (zh) 一种具有广泛适应性的图像亚像素边缘提取方法
US7916286B2 (en) Defect detection through image comparison using relative measures
CN107301637A (zh) 近矩形平面状工业产品表面瑕疵检测方法
CN114882035B (zh) 一种基于图像处理的面料熨烫质量预测评估方法及装置
CN110689501B (zh) 一种畸变校正方法、装置、电子设备及计算机可读存储介质
JP5442305B2 (ja) 欠陥検出装置及び欠陥検出方法
CN117351019B (zh) 一种焊接缺陷检测方法
US10013619B2 (en) Method and device for detecting elliptical structures in an image
CN115049651B (zh) 一种钣金冲压异常检测方法
CN116486091B (zh) 基于人工智能的风机叶片缺陷区域快速分割方法及系统
CN116740072B (zh) 基于机器视觉的道路表面缺陷检测方法及系统
EP3748578A1 (en) Automatic visual detection of defects in images of via holes
CN103150725B (zh) 基于非局部均值的susan边缘检测方法及系统
CN114881961A (zh) 一种玻璃纤维板裂纹检测方法及设备
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN116258838B (zh) 一种用于管片模具合模系统的智能视觉引导方法
CN114187267A (zh) 基于机器视觉的冲压件缺陷检测方法
Ryu et al. Detection of scarfing faults on the edges of slabs
CN112150413A (zh) 一种管路振动检测方法、装置、设备及存储介质
CN111768376A (zh) 一种涡流热成像边缘检测方法、系统、存储介质及应用
CN113763380B (zh) 基于矢量梯度的无参考图像清晰度评价方法
CN113888517A (zh) 一种卷绕机下料视觉检测方法
KR101071567B1 (ko) 밀도 기반의 분할된 히스토그램 평활화를 통한 명암 대비 향상 방법
Kim et al. Real-time pipe fault detection system using computer vision

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