CN115082458B - 一种基于灰度游程矩阵的纺织材料疵点分析方法 - Google Patents

一种基于灰度游程矩阵的纺织材料疵点分析方法 Download PDF

Info

Publication number
CN115082458B
CN115082458B CN202210989602.9A CN202210989602A CN115082458B CN 115082458 B CN115082458 B CN 115082458B CN 202210989602 A CN202210989602 A CN 202210989602A CN 115082458 B CN115082458 B CN 115082458B
Authority
CN
China
Prior art keywords
defect
gray level
scale
image
run
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
CN202210989602.9A
Other languages
English (en)
Other versions
CN115082458A (zh
Inventor
王悦
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 Ruigu Textile Technology Co ltd
Original Assignee
Nantong Ruigu Textile Technology 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 Ruigu Textile Technology Co ltd filed Critical Nantong Ruigu Textile Technology Co ltd
Priority to CN202210989602.9A priority Critical patent/CN115082458B/zh
Publication of CN115082458A publication Critical patent/CN115082458A/zh
Application granted granted Critical
Publication of CN115082458B publication Critical patent/CN115082458B/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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明涉及一种基于灰度游程矩阵的纺织材料疵点分析方法，通过对纺织材料表面灰度图像进行阈值分割获得疵点区域图像，将疵点区域图像进行多尺度金字塔采样获得多尺度采样结果图，根据各尺度采样结果图对应的多角度灰度游程矩阵计算采样结果图像的灰度游程转移量，根据灰度游程转移量计算出灰度偏离背景转移程度，进一步根据灰度游程转移量和灰度偏离背景转移程度得到缺陷严重程度以及缺陷指针系数，根据各疵点区域的缺陷严重程度以及缺陷指针系数进行纺织材料的疵点分析，得到纺织材料的疵点区域成因，并根据疵点分析结果进行质量控制策略推荐，检测方法智能、精准。

Description

一种基于灰度游程矩阵的纺织材料疵点分析方法
技术领域
本申请涉及机器视觉领域，具体涉及一种基于灰度游程矩阵的纺织材料疵点分析方法。
背景技术
在纺织行业当中，织造工序是指将纺好的纱线织成布料的过程，是纺织行业中重要的环节，而在织造过程中，由于各种原因，其会出现不同的织造缺陷，致使生产出的纺织材料出现疵点，在这些疵点中，轧梭疵点与拆痕疵点均为常见的织造疵点。由于其产生原因不同，因此排除疵点致因的方法也不同，为了能够更有效率的排除纺织产生的轧梭疵点与拆痕疵点，需要准确对这两种疵点进行分析进而推断出其类别及成因。
轧梭疵点产生的原因为梭子在梭道中被夹持，因而截断多支经纱，大多数由梭子结构不良，投梭与开口运动受到阻碍所形成，续织后在布面会出现许多纱尾，而拆痕疵点产生的原因为在纺织材料织造过程中，作业人员发现有异纬织入，或织造出现严重的密路、稀弄 时立即停机将织入纬纱剪断拆除，于拆除时经纱受纬纱摘下的摩擦，产生大量毛羽，因此重新织造后在原拆除范围出现毛羽布面。上述两种缺陷的外在表现均为布面存在毛羽、纱尾（二者均为细小的纤维）而现有技术在检测纺织材料表面疵点时往往应用灰度共生矩阵等纹理识别手段，其仅能根据检测出的细小纹理判别疵点，但对于上述两种缺陷，存在细小纹理作为二者共有的特征，不能作为区分上述两种疵点的依据；而使用人工神经网络算法来区分疵点又需要大量的训练数据，数据成本过高；人工目检存在又易疲劳，效率低的缺点。因此需要一种可以准确分析上述两种纺织材料疵点成因的方法来提高产品的质量控制效率。
发明内容
本发明提供一种基于灰度游程矩阵的纺织材料疵点分析方法，解决无法准确分析轧梭疵点和拆痕疵点两种纺织材料疵点成因的问题，采用如下技术方案：
获取纺织材料表面灰度图的疵点区域图像，对疵点区域图像进行多尺度金字塔下采样获得每种尺度的下采样图像；
根据每种尺度的下采样图像中像素的灰度级在每个计算方向上连续出现的次数得到每种尺度的下采样图像的每个计算方向的灰度游程矩阵；
获取根据每个计算方向的灰度游程矩阵中每一个灰度级的矩阵元素之和，将最大矩阵元素之和所对应的灰度级作为布面像素灰度级，利用布面像素灰度级构建每个计算方向的理想灰度游程矩阵；
利用每种尺度的下采样图像中每个计算方向对应的灰度游程矩阵和理想灰度游程矩阵中的元素获取每个计算方向的灰度游程转移量；
对每个方向的灰度游程转移量进行归一化处理得到每种尺度的下采样图像的灰度游程转移量均值；
根据下采样图像中最大尺度及每种尺度的下采样图像的灰度游程转移量均值得到疵点区域图像的缺陷严重程度；
利用疵点区域图像的缺陷严重程度对疵点区域图像中疵点的类型进行判断；
当疵点区域图像中的疵点类型无法判断时，利用该疵点区域图像每种尺度的下采样图像的每个计算方向对应的灰度游程矩阵和理想灰度游程矩阵中的元素获取每个计算方向的灰度偏离背景转移程度；
对每个方向的灰度偏离背景转移程度进行归一化处理得到每种尺度的下采样图像的灰度偏离背景转移程度均值；
根据下采样图像中最大尺度及每种尺度的下采样图像的灰度偏离背景转移程度均值得到疵点区域图像的缺陷指针系数；
利用缺陷指针系数对无法判断疵点类型的疵点区域图像中的疵点类型进行判断。
所述每个计算方向的理想灰度游程矩阵的获取方法为：
当计算方向为0度和90度时，构建的理想灰度游程矩阵大小与0度和90度计算方向 的灰度游程矩阵一致，并且仅在
Figure DEST_PATH_IMAGE001
位置处值为
Figure DEST_PATH_IMAGE002
，其他位置元素为0；
当计算方向为45度和135度时，构建的理想灰度游程矩阵大小与45度和135度计算 方向的灰度游程矩阵一致，并且在
Figure 100002_DEST_PATH_IMAGE003
,...,
Figure DEST_PATH_IMAGE004
,...,
Figure 100002_DEST_PATH_IMAGE005
位置处值 均为2，在
Figure 65716DEST_PATH_IMAGE001
位置处值为1，其他位置元素为0；
其中，
Figure 779594DEST_PATH_IMAGE002
为最大游程长度，
Figure DEST_PATH_IMAGE006
为下采样图像尺度，
Figure 100002_DEST_PATH_IMAGE007
为布面像素灰度级。
所述每个计算方向的灰度游程转移量的获取方法如下：
将每个计算方向的灰度游程矩阵和该方向上的理想灰度游程矩阵相减并求绝对 值得到每个计算方向的差值矩阵
Figure DEST_PATH_IMAGE008
，
Figure 100002_DEST_PATH_IMAGE009
为计算方向；
则每个计算方向的灰度游程转移量计算方法为：
Figure DEST_PATH_IMAGE010
式中，
Figure 100002_DEST_PATH_IMAGE011
为尺度为k的下采样图像在
Figure 74178DEST_PATH_IMAGE009
计算方向上的灰度游程转移量，H为灰度级 个数，
Figure DEST_PATH_IMAGE012
为矩阵元素，i为矩阵中的行，即灰度级，j为矩阵中的列，即游程长度。
所述疵点区域图像的缺陷严重程度计算方法为：
Figure 797283DEST_PATH_IMAGE013
式中，
Figure DEST_PATH_IMAGE014
为缺陷严重程度，
Figure 100002_DEST_PATH_IMAGE015
为下采样图像的最大采样尺度，
Figure DEST_PATH_IMAGE016
为尺度为k的下采 样图像在所有计算方向上的灰度游程转移量归一化后的均值。
所述对疵点区域图像中疵点的类型进行判断的方法如下：
若纺织材料的疵点区域图像的缺陷严重程度
Figure 267448DEST_PATH_IMAGE014
小于0.1，该疵点区域不是轧梭疵 点或拆痕疵点，属于其他类型疵点；否则，该疵点区域存在轧梭疵点或拆痕疵点。
所述每个计算方向的灰度偏离背景转移程度的计算方法为：
Figure 100002_DEST_PATH_IMAGE017
式中，
Figure DEST_PATH_IMAGE018
为尺度为k的下采样图像在
Figure 948965DEST_PATH_IMAGE009
计算方向的灰度偏离背景转移程度。
所述疵点区域图像的缺陷指针系数计算方法为：
Figure 100002_DEST_PATH_IMAGE019
式中，
Figure DEST_PATH_IMAGE020
为缺陷指针系数，
Figure 100002_DEST_PATH_IMAGE021
为尺度为k的下采样图像在所有计算方向上的灰度偏 离背景转移程度归一化后的均值。
所述对无法判断疵点类型的疵点区域图像中的疵点类型进行判断的方法为：
若疵点区域图像的缺陷指针系数
Figure 871790DEST_PATH_IMAGE020
大于0.5，该疵点区域为轧梭疵点，则检查梭子 是否在梭道中被夹持，或梭子结构不良，投梭与开口运动发生阻碍；否则，该疵点区域为拆 痕疵点，并检查工作人员是否存在暴力拆除断裂纬线的情况。
本发明的有益效果是：基于图像处理，通过多尺度采样结果图中多角度的灰度游程矩阵计算出采样图中的灰度转移量和灰度偏离背景转移程度，进一步计算出疵点区域的缺陷严重程度和缺陷指针系数，根据疵点区域的缺陷严重程度和缺陷指针系数可以分析出导致疵点区域的成因，根据成因可以调整质量控制策略，保证产品质量，方法精准而高效。
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是本发明的一种基于灰度游程矩阵的纺织材料疵点分析方法的流程示意图；
图2是本发明的一种基于灰度游程矩阵的纺织材料疵点分析方法的灰度游程矩阵示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
本发明的一种基于灰度游程矩阵的纺织材料疵点分析方法的实施例，如图1所示，包括：
步骤一：获取纺织材料表面灰度图的疵点区域图像，对疵点区域图像进行多尺度金字塔下采样获得每种尺度的下采样图像；
该步骤的目的是，获取疵点区域图像数据，为后续分析处理提供基础。
其中，每种尺度的下采样图像的获取方法如下：
（1）利用工业相机获得纺织材料表面图像，将其灰度化后进行大津阈值分割，获得正常纺织材料点与疵点，对疵点进行密度聚类，获得疵点集中分布的区域。用等宽高的窗口截取灰度图上的疵点区域。对每个疵点区域图像进行分析。
（2）对于一个疵点区域图像，其原图像设定其采样尺度为0，当进行一次金字塔下 采样时，采样尺度为1，当进行两次金子塔下采样时，采样尺度为2。以此类推，一共进行
Figure DEST_PATH_IMAGE022
次 金子塔下采样。获得疵点区域图像对应的各尺度采样图像标记为：
Figure 100002_DEST_PATH_IMAGE023
。
步骤二：根据每种尺度的下采样图像中像素的灰度级在每个计算方向上连续出现的次数得到每种尺度的下采样图像的每个计算方向的灰度游程矩阵；获取根据每个计算方向的灰度游程矩阵中每一个灰度级的矩阵元素之和，将最大矩阵元素之和所对应的灰度级作为布面像素灰度级，利用布面像素灰度级构建每个计算方向的理想灰度游程矩阵；利用每种尺度的下采样图像中每个计算方向对应的灰度游程矩阵和理想灰度游程矩阵中的元素获取每个计算方向的灰度游程转移量；对每个方向的灰度游程转移量进行归一化处理得到每种尺度的下采样图像的灰度游程转移量均值；
该步骤的目的是，计算每个尺度采样结果图在不同计算方向上的灰度游程矩阵的灰度游程转移量。
其中，计算每种尺度疵点区域采样图像的灰度游程转移量的步骤如下：
首先，计算各尺度疵点区域采样图像的灰度游程矩阵：
对于一个采样尺度下获得的疵点区域采样图像，计算其对应的灰度游程矩阵，记 为
Figure DEST_PATH_IMAGE024
。
Figure 738202DEST_PATH_IMAGE009
表示计算的方向，有四种分别为0度、45度、90度、135度。k表示其为采样尺度为k的 图像的灰度游程矩阵。该矩阵内各位置元素值以
Figure DEST_PATH_IMAGE025
表示，其中i表示采样图像中的灰度 值级别，j表示有j个i连续出现的次数也就是游程。至此，每一个尺度采样图像均会对应四 个计算方向的灰度游程矩阵，灰度游程矩阵如图2所示，其中H为灰度级个数（自定参数，推 荐值为20）W为最大游程长度，其取值与采样图像像素个数有关，由于前述设定中截取的是 等宽高的疵点区域原图像，所以采样图像也为等宽高的图像（用
Figure 734976DEST_PATH_IMAGE002
表示采样尺度为k的采样 图像长宽）。即最大游程长度为
Figure DEST_PATH_IMAGE026
。
然后，计算每个计算方向的灰度游程转移量：
（1）对于0度和90度（即
Figure 100002_DEST_PATH_IMAGE027
或
Figure DEST_PATH_IMAGE028
时）计算方向的灰度游程矩阵其灰度游程转 移量计算方式如下：
a.计算每个灰度级的矩阵元素之和：
Figure DEST_PATH_IMAGE029
其中，
Figure DEST_PATH_IMAGE030
表示灰度级为i的矩阵元素值之和。
b.获取布面像素灰度级：
选择
Figure DEST_PATH_IMAGE031
,
Figure DEST_PATH_IMAGE032
...,
Figure DEST_PATH_IMAGE033
中最大值的所对应的灰度级，将其表示为
Figure 305504DEST_PATH_IMAGE007
（大部分像素 值为布面像素值，因此其能表示布面像素灰度级）。
c.构建理想灰度游程矩阵：
构建0度与90度理想灰度游程矩阵
Figure DEST_PATH_IMAGE034
。所述
Figure 387729DEST_PATH_IMAGE034
大小与
Figure 655900DEST_PATH_IMAGE024
一致，且其仅在
Figure 710443DEST_PATH_IMAGE001
位 置处值为
Figure 937025DEST_PATH_IMAGE002
。其他位置元素为0。
d.将
Figure 709809DEST_PATH_IMAGE024
与
Figure 781671DEST_PATH_IMAGE034
中所有对应位置元素值相减并求绝对值，这样新获得的矩阵为差值矩 阵记为
Figure 956300DEST_PATH_IMAGE008
。
Figure 88204DEST_PATH_IMAGE008
大小仍与
Figure 348284DEST_PATH_IMAGE024
、与
Figure 958257DEST_PATH_IMAGE034
一致，以
Figure 252972DEST_PATH_IMAGE012
表示其上位置元素值。
e.计算灰度游程转移量
Figure 555777DEST_PATH_IMAGE011
：
Figure DEST_PATH_IMAGE035
式中，H为灰度级个数，i为矩阵中的行，即灰度级，j为矩阵中的列，即游程长度。
（2）对于45度和135度（即
Figure DEST_PATH_IMAGE036
或
Figure DEST_PATH_IMAGE037
时）计算方向的灰度游程转移量计算方 式如下：
a.计算每个灰度级的矩阵元素之和
Figure DEST_PATH_IMAGE038
其中，
Figure DEST_PATH_IMAGE039
表示灰度级为i的矩阵元素值之和。
b.获取布面像素灰度级：
选择
Figure DEST_PATH_IMAGE040
,
Figure DEST_PATH_IMAGE041
...,
Figure DEST_PATH_IMAGE042
中最大的那个所对应的灰度级，将其表示为
Figure 349159DEST_PATH_IMAGE007
。
c.构建理想灰度游程矩阵：
构建45度与135度理想灰度游程矩阵
Figure DEST_PATH_IMAGE043
。所述
Figure 559560DEST_PATH_IMAGE043
大小与
Figure 443203DEST_PATH_IMAGE024
一致，其与0度与90度理 想灰度游程矩阵
Figure 916909DEST_PATH_IMAGE034
不同。在
Figure 886002DEST_PATH_IMAGE003
,...,
Figure 103357DEST_PATH_IMAGE004
,...,
Figure 107085DEST_PATH_IMAGE005
位置处值均为2； 在
Figure 751693DEST_PATH_IMAGE001
位置处值为1，其他位置元素为0。
d.将
Figure 473661DEST_PATH_IMAGE024
与
Figure 229128DEST_PATH_IMAGE043
中所有对应位置元素值相减并求绝对值，这样新获得的矩阵为差值矩 阵，记为
Figure DEST_PATH_IMAGE044
。
Figure 352942DEST_PATH_IMAGE044
大小仍与
Figure 434030DEST_PATH_IMAGE024
、与
Figure 377715DEST_PATH_IMAGE043
一致。
e.计算灰度游程转移量
Figure 936873DEST_PATH_IMAGE011
：
Figure DEST_PATH_IMAGE045
式中，
Figure DEST_PATH_IMAGE046
表示差值矩阵中第i行第j列位置上的元素值。
根据（1）（2）可以计算出一个尺度为k的下采样图像在四个计算方向（角度）上的灰 度游程矩阵
Figure 977510DEST_PATH_IMAGE024
对应的四个灰度游程转移量
Figure 963920DEST_PATH_IMAGE011
（
Figure DEST_PATH_IMAGE047
），计算其归一 化后均值获得
Figure 937779DEST_PATH_IMAGE016
（二者为0-1之间的数），即每个尺度的采样结果图像都有
Figure 300627DEST_PATH_IMAGE016
。
步骤三：根据下采样图像中最大尺度及每种尺度的下采样图像的灰度游程转移量均值得到疵点区域图像的缺陷严重程度；利用疵点区域图像的缺陷严重程度对疵点区域图像中疵点的类型进行判断；
该步骤的目的是根据步骤二中得到的每种尺度的下采样图像的灰度游程转移量均值和下采样图像中的最大尺度计算出疵点区域图像的缺陷严重程度，并根据缺陷严重程度判断疵点区域的疵点类型。
其中，疵点区域图像的缺陷严重程度的计算公式如下：
Figure DEST_PATH_IMAGE048
公式中，
Figure 664612DEST_PATH_IMAGE015
为最大采样尺度，缺陷严重程度为
Figure 556345DEST_PATH_IMAGE014
，
Figure 474623DEST_PATH_IMAGE014
也为0-1之间的数即也是归一化 的结果。
其中，利用疵点区域图像的缺陷严重程度对疵点区域图像中疵点的类型进行判断的方法为：
若纺织材料的疵点区域图像的缺陷严重程度
Figure 375582DEST_PATH_IMAGE014
小于0.1，该疵点区域不是轧梭疵 点或拆痕疵点，属于其他类型疵点；否则，该疵点区域存在轧梭疵点或拆痕疵点，此时无法 准确判断疵点具体是哪一种，需要进一步确定。
步骤四：当疵点区域图像中的疵点类型无法判断时，利用该疵点区域图像每种尺度的下采样图像的每个计算方向对应的灰度游程矩阵和理想灰度游程矩阵中的元素获取每个计算方向的灰度偏离背景转移程度；对每个方向的灰度偏离背景转移程度进行归一化处理得到每种尺度的下采样图像的灰度偏离背景转移程度均值；
该步骤的目的是对步骤三种无法具体确定的疵点类型进行进一步分析，计算出每种尺度的下采样图像的灰度偏离背景转移程度。
其中，每种尺度的下采样图像的灰度偏离背景转移程度的计算方法如下：
（1）对于一个灰度游程矩阵
Figure 62916DEST_PATH_IMAGE024
，当计算方向
Figure DEST_PATH_IMAGE049
时，计算其对应的灰度偏 离背景转移程度的方式如下：
Figure DEST_PATH_IMAGE050
式中，
Figure DEST_PATH_IMAGE051
为当计算方向
Figure DEST_PATH_IMAGE052
时的灰度偏离背景转移程度。
（2）对于一个灰度游程矩阵
Figure 781342DEST_PATH_IMAGE024
，当计算方向
Figure DEST_PATH_IMAGE053
时，计算其对应的灰度 偏离背景转移程度
Figure 718074DEST_PATH_IMAGE051
的方式如下：
Figure DEST_PATH_IMAGE054
式中，
Figure 485042DEST_PATH_IMAGE051
为当计算方向
Figure 26881DEST_PATH_IMAGE053
时的灰度偏离背景转移程度。
进一步的，对上述公式进行解释如下：
Figure DEST_PATH_IMAGE055
该部分表示矩阵
Figure 322734DEST_PATH_IMAGE044
中灰度级越集中于布面像素灰度级附近的元素越多，元素值越 大，则说明灰度未偏离背景灰度级，也即
Figure 950024DEST_PATH_IMAGE051
值应越小；
Figure DEST_PATH_IMAGE056
该部分表示矩阵
Figure 989524DEST_PATH_IMAGE044
中游程长度越长，其代表灰度偏离个数越多，其能代表偏离程 度。元素值越大，越说明偏离程度大。也即
Figure 385870DEST_PATH_IMAGE051
值应越大。
Figure DEST_PATH_IMAGE057
该部分代表需要将获得的结果与偏移总量做对比，获得最终的
Figure 852624DEST_PATH_IMAGE051
。
根据（1）（2）可以计算出一个尺度为k的下采样图像的四个计算方向（角度）上的灰 度的四个灰度偏离背景转移程度
Figure 232790DEST_PATH_IMAGE018
（
Figure DEST_PATH_IMAGE058
），计算其归一化后均值获 得
Figure 544822DEST_PATH_IMAGE021
（二者为0-1之间的数），即每个尺度的采样结果图像都有
Figure 61254DEST_PATH_IMAGE021
。
步骤五：根据下采样图像中最大尺度及每种尺度的下采样图像的灰度偏离背景转移程度均值得到疵点区域图像的缺陷指针系数；利用缺陷指针系数对无法判断疵点类型的疵点区域图像中的疵点类型进行判断。
该步骤的目的是根据步骤四得到的灰度偏离背景转移程度进一步计算出疵点区域图像的缺陷指针系数，并根据缺陷指针系数对步骤三中无法具体确定的疵点类型进行判定。
其中，疵点区域图像的缺陷指针系数的计算公式如下：
Figure DEST_PATH_IMAGE059
式中，
Figure 698909DEST_PATH_IMAGE015
为最大采样尺度。缺陷指针系数为
Figure 300792DEST_PATH_IMAGE020
，
Figure 150936DEST_PATH_IMAGE020
也为0-1之间的数即也是归一化的 结果。
其中，利用缺陷指针系数对无法判断疵点类型的疵点区域图像中的疵点类型进行判断的方法为：
当缺陷指针系数
Figure 521874DEST_PATH_IMAGE020
大于0.5（自设参数，推荐值为0.5）时判定其为轧梭疵点，并进行 推荐检查梭子是否在梭道中被夹持，或梭子结构不良，投梭与开口运动发生阻碍。否则判定 其为拆痕疵点，并进行推荐检查工作人员是否存在暴力拆除断裂纬线的情况。
需要说明的是，无法判断疵点类型的疵点区域图像是指在步骤三中使用疵点区域图像的缺陷严重程度初步分析后无法具体确定疵点类型的疵点区域图像。
以上所述仅为本发明的较佳实施例而已，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 (7)

1.一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，包括：
获取纺织材料表面灰度图的疵点区域图像，对疵点区域图像进行多尺度金字塔下采样获得每种尺度的下采样图像；
根据每种尺度的下采样图像中像素的灰度级在每个计算方向上连续出现的次数得到每种尺度的下采样图像的每个计算方向的灰度游程矩阵；
获取根据每个计算方向的灰度游程矩阵中每一个灰度级的矩阵元素之和，将最大矩阵元素之和所对应的灰度级作为布面像素灰度级，利用布面像素灰度级构建每个计算方向的理想灰度游程矩阵；
利用每种尺度的下采样图像中每个计算方向对应的灰度游程矩阵和理想灰度游程矩阵中的元素获取每个计算方向的灰度游程转移量；
对每个方向的灰度游程转移量进行归一化处理得到每种尺度的下采样图像的灰度游程转移量均值；
根据下采样图像中最大尺度及每种尺度的下采样图像的灰度游程转移量均值得到疵点区域图像的缺陷严重程度；
利用疵点区域图像的缺陷严重程度对疵点区域图像中疵点的类型进行判断；
当疵点区域图像中的疵点类型无法判断时，利用该疵点区域图像每种尺度的下采样图像的每个计算方向对应的灰度游程矩阵和理想灰度游程矩阵中的元素获取每个计算方向的灰度偏离背景转移程度；
对每个方向的灰度偏离背景转移程度进行归一化处理得到每种尺度的下采样图像的灰度偏离背景转移程度均值；
根据下采样图像中最大尺度及每种尺度的下采样图像的灰度偏离背景转移程度均值得到疵点区域图像的缺陷指针系数；
所述疵点区域图像的缺陷指针系数计算方法为：
Figure 190725DEST_PATH_IMAGE002
式中，
Figure DEST_PATH_IMAGE003
为缺陷指针系数，
Figure 658091DEST_PATH_IMAGE004
为尺度为k的下采样图像在所有计算方向上的灰度偏离背景转移程度归一化后的均值；
利用缺陷指针系数对无法判断疵点类型的疵点区域图像中的疵点类型进行判断。
2.根据权利要求1所述的一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，所述每个计算方向的理想灰度游程矩阵的获取方法为：
当计算方向为0度和90度时，构建的理想灰度游程矩阵大小与0度和90度计算方向的灰度游程矩阵一致，并且仅在
Figure DEST_PATH_IMAGE005
位置处值为
Figure 794674DEST_PATH_IMAGE006
，其他位置元素为0；
当计算方向为45度和135度时，构建的理想灰度游程矩阵大小与45度和135度计算方向的灰度游程矩阵一致并且在
Figure DEST_PATH_IMAGE007
,...,
Figure 401236DEST_PATH_IMAGE008
,...,
Figure DEST_PATH_IMAGE009
位置处值均为2，在
Figure 332283DEST_PATH_IMAGE005
位置处值为1，其他位置元素为0；
其中，
Figure 227558DEST_PATH_IMAGE006
为最大游程长度，
Figure 495728DEST_PATH_IMAGE010
为下采样图像尺度，
Figure DEST_PATH_IMAGE011
为布面像素灰度级，
Figure DEST_PATH_IMAGE013
为游程长度。
3.根据权利要求1所述的一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，所述每个计算方向的灰度游程转移量的获取方法如下：
将每个计算方向的灰度游程矩阵和该方向上的理想灰度游程矩阵相减并求绝对值得到每个计算方向的差值矩阵
Figure 363321DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
为计算方向；
则每个计算方向的灰度游程转移量计算方法为：
Figure DEST_PATH_IMAGE017
式中，
Figure 527586DEST_PATH_IMAGE018
为尺度为k的下采样图像在
Figure 172807DEST_PATH_IMAGE015
计算方向上的灰度游程转移量，H为灰度级个数，
Figure DEST_PATH_IMAGE019
为矩阵元素，i为矩阵中的行，即灰度级，j为矩阵中的列，即游程长度。
4.根据权利要求3所述的一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，所述疵点区域图像的缺陷严重程度计算方法为：
Figure DEST_PATH_IMAGE021
式中，
Figure 916772DEST_PATH_IMAGE022
为缺陷严重程度，
Figure DEST_PATH_IMAGE023
为下采样图像的最大采样尺度，
Figure 497926DEST_PATH_IMAGE024
为尺度为k的下采样图像在所有计算方向上的灰度游程转移量归一化后的均值。
5.根据权利要求4所述的一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，所述对疵点区域图像中疵点的类型进行判断的方法如下：
若纺织材料的疵点区域图像的缺陷严重程度
Figure 239617DEST_PATH_IMAGE022
小于0.1，该疵点区域不是轧梭疵点或拆痕疵点，属于其他类型疵点；否则，该疵点区域存在轧梭疵点或拆痕疵点。
6.根据权利要求1所述的一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，所述每个计算方向的灰度偏离背景转移程度的计算方法为：
Figure 499697DEST_PATH_IMAGE026
式中，
Figure DEST_PATH_IMAGE027
为尺度为k的下采样图像在
Figure 657140DEST_PATH_IMAGE015
计算方向的灰度偏离背景转移程度。
7.根据权利要求1所述的一种基于灰度游程矩阵的纺织材料疵点分析方法，其特征在于，所述对无法判断疵点类型的疵点区域图像中的疵点类型进行判断的方法为：
若疵点区域的缺陷指针系数
Figure 686276DEST_PATH_IMAGE028
大于0.5，该疵点区域为轧梭疵点，则检查梭子是否在梭道中被夹持，或梭子结构不良，投梭与开口运动发生阻碍；否则，该疵点区域为拆痕疵点，并检查工作人员是否存在暴力拆除断裂纬线的情况。
CN202210989602.9A 2022-08-18 2022-08-18 一种基于灰度游程矩阵的纺织材料疵点分析方法 Active CN115082458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210989602.9A CN115082458B (zh) 2022-08-18 2022-08-18 一种基于灰度游程矩阵的纺织材料疵点分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210989602.9A CN115082458B (zh) 2022-08-18 2022-08-18 一种基于灰度游程矩阵的纺织材料疵点分析方法

Publications (2)

Publication Number Publication Date
CN115082458A CN115082458A (zh) 2022-09-20
CN115082458B true CN115082458B (zh) 2022-11-15

Family

ID=83245301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210989602.9A Active CN115082458B (zh) 2022-08-18 2022-08-18 一种基于灰度游程矩阵的纺织材料疵点分析方法

Country Status (1)

Country Link
CN (1) CN115082458B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294100A (zh) * 2022-09-26 2022-11-04 南通南伽纺织机械有限公司 一种基于数据处理的织布机停车控制方法及系统
CN116993718B (zh) * 2023-09-25 2023-12-22 深圳市东陆科技有限公司 基于机器视觉的tft阵列基板缺陷检测方法
CN117274203B (zh) * 2023-09-26 2024-04-02 山东金佳成工程材料有限公司 一种环保塑料制品表面质量视觉检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529549A (zh) * 2022-04-25 2022-05-24 南通东德纺织科技有限公司 一种基于机器视觉的布匹缺陷标注方法及系统
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108230272B (zh) * 2018-01-04 2022-04-15 京东方科技集团股份有限公司 一种图像增强方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114529549A (zh) * 2022-04-25 2022-05-24 南通东德纺织科技有限公司 一种基于机器视觉的布匹缺陷标注方法及系统
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于灰度共生矩阵的织物纹理分析;高士忠;《计算机工程与设计》;20080828(第16期);第281-284页 *

Also Published As

Publication number Publication date
CN115082458A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN115082458B (zh) 一种基于灰度游程矩阵的纺织材料疵点分析方法
CN114549522B (zh) 基于目标检测的纺织品质量检测方法
CN116843688B (zh) 一种纺织品质量视觉检测方法
CN111402226A (zh) 一种基于级联卷积神经网络的表面疵点检测方法
US11091858B2 (en) On-loom fabric inspection system and method
US6804381B2 (en) Method of and device for inspecting images to detect defects
Kang et al. Automatic structure analysis and objective evaluation of woven fabric using image analysis
CN115311303B (zh) 一种纺织品经纬缺陷检测方法
CN114663435B (zh) 一种纺织布料张力异常自动监测方法
CN115115615A (zh) 一种基于图像识别的纺织面料质量评估方法及系统
CN115311267B (zh) 一种格纹织物异常检测方法
CN109540917B (zh) 一种多角度模式下纱线外观特征参数提取与分析方法
CN115131348B (zh) 一种纺织品表面缺陷的检测方法及系统
CN115311279A (zh) 一种织物经纬瑕疵的机器视觉识别方法
CN116934749B (zh) 基于图像特征的纺织物瑕疵快速检测方法
CN116523899A (zh) 一种基于机器视觉的纺织品瑕疵检测方法及系统
CN115861310A (zh) 一种床单表面纺织缺陷检测方法
CN114881960A (zh) 基于特征增强的布匹直线型缺陷检测方法和系统
CN114693677A (zh) 一种针织面料轧染工艺异常检测方法
CN115311265A (zh) 基于纺织质量的织布机智能控制系统
CN115082465A (zh) 基于扫描电镜图像处理的羊毛羊绒分类方法
CN113936001A (zh) 一种基于图像处理技术的纺织品表面瑕疵点检测方法
CN114913180B (zh) 一种棉布筘痕缺陷的智能检测方法
CN115082460B (zh) 一种织布生产线质量监控方法及系统
Conci et al. A comparison between image-processing approaches to textile inspection

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