【毕业学位论文】基于机器视觉的织物起毛起球检测系统

摘 要 服装行业的日益发展，织物表面的外观缺陷受到越来越多的关注。织物表面的毛球是影响外观的主要因素之一。由于毛球形状的复杂与识别的困难，对织物表面的毛球进行检测与评定，一直是困扰该行业的难题。目前主要采用人工目视方式进行检测。人工检测除了增加用工成本之外，也容易受主观因素影响，造成产品质量不稳定，建立自动化的检测设备非常必要。 结合计算机技术、数字图像处理技术，本文提出了一种基于机器视觉的织物表面毛球检测系统。该系统主要由图像采集单元和图像处理分析单元组成。图像采集单元通过工业相机获取样品的图像，图像处理单元对样品的图像进行处理与分析，获得样品中单位面积的毛球数量和毛球半径的分布。 毛球的颜色与面料的颜色非常接近，通过图像识别毛球存在较大的难度。本文借助出了一种频域与形态学结合的图像处理算法。首先构建两个频域高斯滤波器，两滤波器相减获得带通滤波器；其次将图像经过快速傅立叶变换，利用带通滤波器对图像频域进行滤波处理，再反变换得到毛球明显的空域图像；最后经形态学的图像处理即可分割出毛球。 利用该算法对三种面料样品进行了实验，三种面料分别为混纺面料、织物面料、棉布。实验结果表明混纺面料毛球的数量较多，属于容易起毛起球的面料；织物面料毛球数量适中；棉布毛球数量最少。实验结果表明，该算法能有效的识别各种面料表面的毛球。 利用该算法构建基于机器视觉的织物表面毛球检测系统，对于毛球自动检测具有重要意义。 关键词： 面料毛球；机器视觉；高斯滤波器；形态学 研究类型 ： 应用研究 y of of in is of is of of of of is a to At is in to by in it is to a of on of by to of of in of is to by is In on a u is to be By of of of to to a of of of of on by to of ey of 目录 1 绪论 . I 言 . 1 . 1 器视觉概述 . 3 . 4 2 机器视觉相关理论与实现工具 . 6 . 6 . 6 . 8 . 10 . 10 + . 12 3 基于机器视觉的织物起毛起球检测系统组成 . 15 件系统 . 15 . 15 . . 16 . . 16 G（B）502 型织物起毛起球仪 . 16 . 19 . 19 . 2 1 . 25 4 织物起毛起球检测系统的关键算法 . 28 . 28 . 28 . 28 . 31 . 34 物起毛起球检测系统的程序 . 37 验结果与分析 . 43 5 总结与展望 . 45 . . 45 武汉纺织大学硕士学位论文 . 45 参考文献 . 46 附 录 . 50 致 谢 . 51 目录 1 1 绪论 言 织物在日常实际穿着洗涤或其他使用过程中， 会不断与来自外界的物质或者与自身相互摩擦，织物表面的纤维端由于不断 地摩擦滑动从而导致织物表面松散，露出其表面，并呈现出许多影响其美观和 舒适度的毛绒，我们称之为“起毛”。比如人们穿的毛衣袖子等部位就会经常出现这种毛绒，倘若这些毛绒在我们持续使用织物的过程中又不能及时脱落掉， 又继续与来自外界的物质或者自身相互摩擦卷曲而相互纠缠在一起，进而被揉成许许多多的球形小粒子，我们通常称之为“起球”1。织物起毛起球不仅会使织物外观丑化，而且会降低织物的服用性能，特别是合成的纤维织物，由于纤维本身抱合性差，强力高，弹性好，所以起球疵点更为突出。目前起毛起球已成为评定织物服用性能的重要指标之一。 织物表面的纤维受外部的摩擦作用，首先被拉出细长的绒毛，即起毛阶段，对短纤维而言，绒毛被拉出的原因是外部摩擦力要大于纤维内部的抱合力。绒毛在达到一定长度后，就会相互缠绕成球，即为起球阶段，织物起球受到起毛时被拉出的纤维长度和纤维的抗弯性、强度、耐磨性的影响，抗弯性差的纤维在摩擦中易相互纠缠成球，比较粗硬的纤维要比细而柔软的纤维容易起球1。有些强度较弱的纤维在形成较长的绒毛之前，已被磨断或拉断，只剩下很短的绒毛，就不易起球，有些耐磨性差的纤维虽然容易形成数量众多的小毛球，但在继续摩擦中很快就会自然脱落。 所以强度较弱和耐磨性较差的纤维起球后会进入第三阶段即脱落阶段。 题研究意义及国内外研究现状分析 起毛起球会严重影响织物的外观和手感， 不仅影响了它的美观而且使穿着者感觉到很不舒服，因此，织物的起毛起球现象已经成为了不可忽视的一个话题。目前采用的是主观方法：对织物单位面积上的毛球个数与标准样照对照比较，用文字描述起球特征、起球曲线等，这些主观的方法不靠谱，例如对于同一个检测人员，早上八点和九点只要将检测的样品顺序打乱其检测的结果可能不一样，有时候甚至会相差一个级别，这样的误差太大了。此外，要获得可靠的结果，必须由多个专家进行评定，这样需要很长的时间且成本较高。因此，运用数字图像处理技术可实现织物起毛起球性能客观评定和定量描述。 刘菁等人根据小波变换的方法对织物毛球图像处理进行了二维离散小波变换的数学建模，设计出增加小波变换的分析效率和对应的分析尺度过程1。同时武汉纺织大学硕士学位论文 使用研究出了织物起毛起球的科学估算手段。将织物的起毛起球程度进行了分级，同时根据这五个起毛起球程度等级进行了详细的处理。人根据比对样品照片中的图形小波变换处理， 能够得出一个近似细节系数作为典型性的低频信息和一个可以对织物起球程度通过典型性的高频信息中的一 个近似细节系数相对方差分析处理，若方差数值较大，那么起球程度比较严重。小波变换可以将织物的毛球与织物背景分割开来，因为织物的背景是具有重复性也就是具有周期性，将周期性的背景去除后就剩下了毛球的信息， 从而使用。王训等人通过图像的信号特点，使用最为恰当的小波基多尺度处理分析了织物起球的样品照片图像，并且重新构造毛球图形，对于甄别织物纹理参数，有一定的积极结果。 随着数字图像处理技术的不断发展，近年来国内外一些研究学者人员，尝试利用数字图像处理技术来对织物的起球性能进行评级，并取得了一定的成果。这些方法大体可以分为两大类， 一类是基于起球织物灰度图像的织物起球等级的计算机视觉评估，另一类是基于毛球距离图像的织物起球等级的计算机视觉评估。该方法都是在空域通过周期性滤波模式，对图像中的小球进行分离2。 有人在频率域利用掩模将织物基面与绒毛和小球有效地分离， 然后计算用于描述绒毛和小球数量的特征值。如：利用傅里叶变换技术可以在频率域内将织物背景和毛球进行分离（周期性成分和非周期性成分）2。 我们知道傅里叶变换是一种正交变换，在研究一个稳定信号时，得到的是信号的频域信息，而在实际应用中，研究的往往是非平稳的随机信号，此非平稳信号的相关函数或者功率谱是与时间有关的函数， 因此用傅里叶变换分析是不能确定在某时间点上信号的频率信息的，而且传统 的傅立叶变换方法速度较慢,会影响整个图形处理的传输进程。 具有复杂运算功能的小波变换是将非平稳随机信号的信息进行空间域和频域的局部变换， 完全能够确定在某时间点上信号的频率信息，根据得到的某点上的噪声信息，对该非平稳随机信号进行消除噪声处理，而且通过利用小波变换的自适应和多分辨率特性来对织物图像的边缘进行分析， 形成多尺度边缘检测思想。织物图像的边缘可以看作是二维信号的突变点，在小波变换域中，毛球部分和正常部分间存在突变点，该突变点对应的就是某小波矢量模中幅值的极大值，对于织物图像而言，该小波矢量的方向与边缘直线是成近似90 度角的，这样有了小波矢量的 模和方向，即可形成不同小波分解尺度下的图像边缘， 从而确定区域性毛球图像的边缘位置。 同时如果要对信号进行消噪处理，很多人会考虑到使用小波重构,这是由于小波重构对消噪作用力很大2。 这些客观的处理方法在某种程度有了不少的进展，但还是存在着一些弊端，比如不同等级的起球图片所需的处理尺度不同，也会存在重复不一致性等问题。目录 3 本论文就是借助计算机进行织物起球等级评定。 结合数字图像处理技术通过快速傅立叶变换、滤波、快速傅立叶反变换处理图像。目的是克服传统织物起球等级评定方法的不足，使之可以对图像进行处理，并对数据进行处理2，使之更适合于织物起毛起球的等级评定2。本论文旨在运用数字图像技术寻求一套实际有效的方法，对织物标准样照进行处理分析，提取采集到的织物单位面积毛球个数和毛球半径的分布，选取其中与起球等级相关性特征参数，作为织物起球等级评定的依据，目前已有一套评级标准，一共分为 5 级，将实际织物处理图像对照着评级标准进行分析处理验证。 器视觉概述 通过机器视觉的产品代替人的眼睛来做测量和判断我们称之为机器视觉， 它主要是来进行检测的系统2。其具体实现的过程是利用工业相机采集我们所需要的被检测器件的图像，而这个采集的过程可以说在机器视觉检测中尤为重要，因为我们要将这些被采集器件尽可能地将需要检测的特征全部都体现出来， 所以如何采集到清晰的图像（也就是采集到的图像能 尽可能地表现出我们所需要的特征，在该论文中就是我们要采集到织物中的毛 球尽可能地“浮”在表面） ，需要不断地根据器件的特征调整其光源以及相机的参数， 确保你能够采集到准确的图像从而不断地进行适当调整。当然这个时候我们采集到的图像信号是模拟信号，然后利用专业的图像处理软件将模拟信号转化为数字信号， 也就是我们所说的模数转换的过程。然后再对其进行运算，抽取目标的待检测特征，比如说颜色、器件表面是否有划痕、 规格大小是否合格、 表面涂料是否均匀等等， 最后输出结果，并且反馈到机械端对器件进行分检，将不合格器件挑选出来的过程3。 现代工业化的需求是大幅度提高生产量和自动化的程度， 而这一点正是机器视觉所擅长的。在工作环境比较不合适人身安全的情况下，或者人眼的精度达不到所需要的要求的时候，机器视觉的应用就首当其冲了；当需要短时间内生产该物件数量要求过高的时候，人工视觉的速度完全达不到目前机械化的高速要求，就算达到了，那也是付出了十倍甚至百倍的费用，而且人眼工作一段时间就会眼花，眼涩，误差也会越来越高，甚至会看走眼，照成的后果就无法估计；可能花了大量的时间和金钱所检测出的都是不合格的。 所以机器视觉检测的方法应运而生，不仅仅大大提高了生产效率，并且很大程度上提高了其准确度。 机器视觉的应用主要有机器人视觉和检测两个方面4： （1）机器人视觉：是用于指导机器人在一定范围内做出我们所需要的指令，例如在一个教室里有桌子和椅子，我们可以要机器人在其中将桌子和椅子分开，摆放放好等等。其实机器人视觉的应用很广，例子多的不胜枚举。 武汉纺织大学硕士学位论文 （2）检测：主要分为高精度定量检测和半定 量检测。高精度定量检测主要适用于一些人眼无法检测的情况，必须借助外来设备，例如用显微镜给细胞分类的检测，细胞分为红细胞、白细胞、细胞壁、细胞核等等；例如我们要对一批机械零件进行检测，他们的大小形状都有差异，而且我们要检测的部分、检测细节也会所差异，样的精度人工很难到达，这就需要我们是用机器视觉检测。半定量检测主要是用于产品外观的检测：缺陷性检测、对被检测对象的识别定位和安装是否完整性的检测。 此外还有：无人驾驶汽车、人脸识别、追踪定位、产品质量等级分类、印刷品质量自动化检测、文字识别、纹理识别、自动光学检查 机器视觉特点： （1）选择不同尺寸的工件，操作者可以调用 相应视觉程序进行尺寸检测，并输出检测结果5； （2）废品漏检率为百分之零，大大地提高了 检测的准确率，在工业生产中尤为重要； （3）当产生错误的信息时能打印输出； （4）当遇到不合格产品时能即时准确无误地将其剔除； （5）实时显示检测画面，甚至可以浏览几次 不合格品的图像，具有能够存储和实时察看错误工件图像的功能； （6）系统能够自行检测工作状态是否正常，配有工作状态指示灯,可以根据指示灯来查看工作是否正常5。 图 器视觉工作原理简图 文章节安排 第一章绪论中首先提出织物的起毛起球问题已经成为当今社会的一个非常重视的话题，随着物质生活的不断提高，人们的精神世界也不断提高，对于穿着目录 5 的高度重视，让织物的起毛起球问题不断受到重视。这个问题已经研究多年，国内外都有所成就。本文就国内外的现状进行了分析，提出了自己的见解，将采用数字图像处理技术来检测织物的起毛起球问题， 接着对机器视觉的原理进行了分析，而且机器视觉的应用很广，在本文中有着核心的地位，最后简单地介绍了机器视觉的特点。 第二章机器视觉相关理论与现实工具。采集到的图像一般都含有噪声，而我们就是要想办法将噪声除去， 以便后面对图像进行处理。 这就不得不提图像滤波，图像滤波中常用的有高斯滤波、均值滤波、中值滤波、最小均方差滤波和波，并分别对它们做了简单的介绍。本文中主要采用的是高斯滤波，后面的章节将对其做详细的说明。本论文中软件的处理工具是将 + 结合，并详细的介绍了其优缺点，并介绍了将其结合后的优点一一列举出来。 第三章基于机器视觉的织物起毛起球检测 系统组成。首先介绍了基于机器视觉的系统工作流程， 该系统主要由运动控制、 图像采集和图像处理三大部分组成。其次对硬件体系中的头、光源和织物起毛起球仪等四部分分别做了介绍，并选择了适合的型号。再次，在软件系统部分，首先提出突出采集，是通过 像机采集到的，接着提出图像预处理流程为（1）读取图像、 （2）获取图像、 （3）换、 （4）滤波、 （5）变换、 （6）形态学检测、 （7）检测瑕疵。最后，织物表面毛球识别与统计流程为： （1）开始、 （2）毛球判别、 （3）毛球标记、 （4）毛球统计、 （5）结束。 第四章织物起毛起球检测系统的关键算法。 （1）与处理中的相关算法、 （2）频域变换的相关算法、 （3）形态学的相关算法。对这三部分算法本文分别做了详细的说明，并将本文中所采用的算法提出，写出其相应的程序。 第五章对本文做出总结和展望，并对下一步的工作做了简单的说明。武汉纺织大学硕士学位论文 2 机器视觉相关理论与实现工具 关图像处理技术 数字图像处理就是利用计算机对图像信息进行修饰来满足人的视觉、 心理等等应用上的需求的行为。从其本质上来说，它是一段能够被计算机还原、显示和输出为图像的数字代码。在21世纪这样一个信息大爆炸的时代，图像不仅是人类感知世界的视觉基础，更是人类获取信息、表达信息和传递信息的重要手段。 数字图像处理6， 即采用计算机对图像进行处理， 并且其发展历史并不悠久，但是它所涉及的领域却无处不在。随着现代社会的不断发展，促进数字图像处理技术也飞速地发展，其重要性也日益显著，并且一步一步地融入到人们生活中，成为了不可或缺的一部分。首先数字图像处理技术可以帮助人们更客观、更准确地认识这个世界。视觉的载体是由图像所构成的，人的眼睛可以从大自然界中获取图像信息，并且对于外界的环境进行感观。人的眼睛能识别上千种颜色，但是有的图像人眼是看不到的，如果不借助其它工具，比如用一个像素较低的相机照出来的相片就会很模糊，对于这张很模糊的照片，人眼只能看见一个轮廓，很不清晰。如果我们采用数字图像处理中的图像增强技术，就可以将一些模糊的图像处理清晰，以获取我们所需要的信息。通过计算机模式识别技术可以将人眼无法识别的图像进行快速准确的检索、匹配和识别处理。数字图像处理技术已经广泛深入地应用于国计民生及其相关的各个领域中了。 像换以及反变换 我们在这里通过求解计算这些都是基于傅里叶变换方程得到的。通常最少使用N=1024个取样参数才能够完成使用乘法计算达到06次的振动噪声方面快变信号的以前的研究当中，研究人员对于数字信号分析在振动、声学方面快变信号领域应用较少，是由于大型计算机的乘法运行效率较低。最后由于离散傅里叶变换的快速算法 提出，也就是快速傅里叶变换（计算机的计算效率大大 提高，运行速率提升两个数量级，动态信号处理的研究在通过傅里叶变换的基础上的科学研究发展进入一个新的时代。 快速傅里叶变换现在有很多种变换方法。 我们一般采用的是使用最为广泛的是被称为基算法。快速傅里叶变换所使用的算法主要是通过 周期性和对称性，在乘法和加法的计算层面进行一定的简化。 ( ), ( ), 0,1,2,.,( 1)22xn n （ 2 机器视觉相关理论与实现工具 7 于是可将 N 个数据的 成 10() ()1220()2x n W 1220() ( )2W （ 式中 表示数据个数，由指数函数性质 222) ) ( 1) （2. 3） X(k)的计算分成奇、偶数两组。 （1）当 k 为偶数时，可令 K=2l,l=0,1,2, N/2时 2(l=1 （2. 4） 令 () () ( )2xn （ 并注意到 22/222) )/2 这时式（ 2. 2）可简化为 武汉纺织大学硕士学位论文 112200(2 ) ( ) ( )（ （2）当 k 为奇数时，可令 2 1, 0,1,2,.,( / 2 1) 这时 /2 2 1(1) 1lN 令 () () ( ),() ()2xn xn hn （这时式（简化为 1122(2 1) 00(2 1) () () （ 于是 N 点 成了两个奇、偶序列的 N/2 点 法运算减少了一半。 事实上，由式（ （ 知，对于N/2个数据的g(n)和h(n)（仍然是 2 的整倍数），还可进一步对分（再分解为偶数组和奇数组），变成 4 个N/4点此类推，直到最后进行N/ 2个2点 由此可见， 法实际上很简单，基本上由蝶形运算进行运算的12。快速傅里叶变换算法的主要步骤有以下几步： 首先快速傅里叶变换的基本运算过程是复数加减乘蝶形计算；然后每一级的计算通过蝶形计算循环 N2 次完成；最后通过在级间循环意到最后一级无需做乘法，故可将最后一级分开计算；由频率抽取 法得出的输出序列 X(k)是乱序的，最后还需要完成输出结果的整序。 态学图像处理 我们对形态作为基础的图像做一定的处理 的数学方式被称为数学形态学。数学形态学的原理是通过一些形态的结构元素 从而提取出图像中的相应形状特点13，具有直观上的简明性和数学上的严谨性。数学形态学是用来表达图像的基本特征和结构，主要内容是有自己的一套概念和一套算法，其实质上也就是显示图像中各个部分之间的关系，每个细节也都会显示出来。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对 应形状以达到对图像分析和识别的目的。利用数学形态学的可以将我们需要检 测的物体表面的形状特征表现出来，它让图像数据的结构更加简单明了，并且可以去除一些不相干的结构。对于 2 机器视觉相关理论与实现工具 9 数学形态学这种新的方法和新的理论首次提出， 虽然表面看着它的理论介绍很复杂，但是在实际应用中却是很简单、很容易上手13。数学形态学算子的性能主要以几何方式进行描述的，它的各个运算都有其计算公式，视觉信息的处理和分析可以应用于几何描述，其基本思想如下图21所示。 图 学形态学的基本思想 数学形态学的基本运算包括：膨胀运算、腐蚀运算、开启运算和闭合运算。 值膨胀运算 膨胀运算的计算公式为： (,) , B a b a A b B (由公式可以看出，膨胀运算是两个集合中所有向量之和的集合13。 膨胀是对称的结构元素，原点为其对称中心，对于非对称的结构元素，然后根据此映射的平移。也就是从图像的第一个像素点开始处理到全部像素，在每个像素点上，移动结构元素后判断此位置的结构元素是否有对果有，则保留这个点，否则对此点取反。其中膨胀操作根据结构元素对图像中的有效像素进行扩充。膨胀就填补图像中存在的空隙，说白了， 图像经过膨胀后其膨胀的尺寸会比原来的尺寸大。 膨胀运算具有的性质：（ 1）满足交换律，（ 2）满足结合律，（ 3）可以表示为平移点集的并 ,（ 4）膨胀对平移不变。 值腐蚀运算 腐蚀运算的计算公式为: (,) , , B p p b A a A b B (由公式可以看出，腐蚀运算就是 B 中的任意元素与某一元素相加后属于 这一元素为膨胀元素13。 腐蚀运算与膨胀运算相反，图像经过腐蚀运算后，尺寸比原来小一号。经过腐蚀运算后可以消除图像中的一些小的噪声。 腐蚀使剩下的物体沿其周边比原物武汉纺织大学硕士学位论文 体小一个像素的面积， 相当于经过腐蚀运算后小了两个像素点。 腐蚀运算的性质：（ 1）平移不变，（ 2）反向扩张变换，（ 3）递增变换。 先腐蚀后膨胀的过程叫做开运算，它能够消除一些细小的空隙，在细微处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程叫做闭运算，它具有填充细小空隙，具有连接邻近物体和平滑边界的作用14。 系统主要开发工具 器视觉开发工具 6： （1）具备语法检查，语法凸现，函数参数的合适取值，后续操作和替代算子建议，程序调试，完整的在线帮助（提供了全文搜索功能）等。 （2） 除了支持微软的P2000， 还有，5， 等。当需要开发出新的一套系统时，就可以很容易的转换其工作平台，以满足用户的不同需求。 （3）应用项，用户可以根据分类和名称选择合适的例程。无论您身处哪个行业，都可以方便快捷的从900个例程中选择合适的例子。 （4）在程序编辑器中直接编写、修改、执行程序（遇到不懂的地方可以打开帮助文件） ，并且在变量窗口中可以查看计算过程中的所有图像变量和控制变量，完成设计后，可以直接导出C，C+，或是其嵌入到的所需有的应用程序程序中。 （5） 码可以封装在过程中，而这些过程也可以再保存到加密的外部过程中。 （6）查看程序中的参数设置灰度直方图，特征值柱状图，放大和特征检测等。 （7）诸如3（8） 2 机器视觉相关理论与实现工具 11 图 界面 从图可以看出，面主要有四个部分：1）图形窗口，在该窗口可以查看我们要进行处理的图片，而且经过每一步程序处理后的图片，都可以在该图形窗口打开查看；2）算子窗口，当你在 编译程序的时候，双击该算子就可以设置相关参数；3）变量窗口，主要 是显示当前程序中所有的变量，在控制变量窗口可以查看变量值；4）程序编辑 器，主要是用来编写程序的所有语句10。 图 征查看窗口 武汉纺织大学硕士学位论文 图 度直方图 图 线帮助窗口 + + 7。它具有快速的可视化开发环境：首先打开C+ 要将控件（到窗体(即可，在置颜色、宽度等等。双击控件就可以在 对该控件进行编程处理了。C+ 且其开发环境具有：快速、高控件、逐步连接、令行工具、灵活的编译器优化等。它将可视化编程环境与编程语言完美有效的结合起来，让其使用用户逐年增多。 C+ 特点是提供了高度安全性、可靠性、快速性的编译优化方法，完全编译出原始机器码而非中间码，软件执行的速度大大了得到提高。而在编译和连接过程中， C+ 而提高了编译和连接速度。 程中经常需要面对 2 机器视觉相关理论与实现工具 13 成千上万的 使要实现一个不具备任何功能的窗体也需要编写五六十行代码，更别说日常应用。繁重的工作使得 程显毫无乐趣，并且编程效率低。 C+ 以说是 C+版本，其中嵌入了 使用的高效的可视化组件库，使得开发人员不必要在 C+高效的底层控制和轻松的8。 双击C+C+ 面由5 部分组成， 上面一栏为主窗口， 左边一栏上下分别为对象列表树和对象检查器，右为设计窗体和代码编辑器。 它们通过引入控件 （ 或组件 （ 得开发 用程序变得像累积木一样容易18。其简洁、灵活以及强化大的功能，无不张扬着 序员天才的智慧。界面打开后可以发现有两个可以移动的模块： 如我们要想对某一个控件进行编程说明，就可以将该控件拖入到 。例如：在主窗口中将一个 入到，我们就可以在 看见 击 后在鼠标闪动处输入 ;该语句就是对 行编译，点击 ，可生成一个可执行文件 这个可执行文件和相关文件保存，再次双击可执行文件的时候，点击 ， 动关闭。这个一个很简单的程序，但是可以将 C+优点全部表现出来。我们也可以对控件的属性、颜色和宽度进行设置或编写。例如该程序我们只需要一条语句就可以执行了，其完整的程序如下： /#*(: /_ 武汉纺织大学硕士学位论文 ; /个例子完全将 C+优点展示出来了。 图 + 编程界面 在有如下优缺点。 优点 ： （1）很好的支持所有 （2）方便查看可视数据； （3）方便选择、调试和编辑参数； （4）方便技术支持 (发送序)； 缺点： （1）不能直接生成一个正常的应用程序 (例如, 创建用户界面)； （2）使用C+, 者 在C+有如下优缺点。 优点： （1）有更好的编程结构； （2）统一的编程风格； 缺点： （1）较难调试和查看可视化数据； （2）需要花时间编写显示部分； （3）较难的技术支持； 综上所得，就决定将 在用C+ 从 3 基于机器视觉的织物起毛起球检测系统组成 15 3 基于机器视觉的织物起毛起球检测系统组成 实现织物起毛起球的视觉检测，首先就是要获取所要检测的织物表面图像（将其调用， 为我们后面的论文部分做铺垫） 。所以要搭建一个适合检测织物起毛起球的机器视觉检测的作业平台19， 是完成对织物起毛起球研究工作的基础。 本章主要是介绍基于机器视觉的织物起毛起球检测系统的硬件结构和基于机器视觉图像软件开发平台。 件系统 文采用的摄像机是 C 型的高分辨率 业数字相机。与国外同档次产品相比，有明显的价格优势，对于选择使用高性价比解决方案的客户，这是从模拟到数字升级的最佳选择。其通过外部信号触发采集或连续采集图像，广泛应用于工业在线检测、机器视觉等众多领域，在智能交通行业：超速抓拍、电子警察、卡口收费等交通行 业都可以很好的应用，特别是M 是一款高灵敏度的该产品的特点主要有： （1）数字面阵件控制图像窗口无级缩放； （2）软件调整增益、对比度，外触发：边缘曝光，电平曝光； （3）体积小，重量轻等优点； （4）驱动支持：（5）可控电子快门，全局曝光，无需附加机械快门； (6）开发包支持：B、#； (7)支持开发环境下的开发工具及演示程序和源代码； (8)彩色：8、12白：8、12式数据输出； （9）触发后延时曝光，内置用户自定义数据区，可通过包长调节帧率。 示15： C 型摄像机的技术特点 参数 性能指标 像素尺寸 x 传感器 逐行扫描 出颜色 黑白，彩色 武汉纺织大学硕士学位论文 帧速率 15光时间 20 s 1s 曝光方式 帧曝光 数据传输距离 10 米（加中继可达 60 米） 镜头接口 口或电要求 正常供电 12V 功耗 额定功率：大功率：编程控制 图像尺寸、亮度、增益、帧率、曝光时间等 驱动支持 镜头 镜头是相机的基本组成部分，它位于相机感光芯片的前端，它可以将感兴趣的区域汇聚到感光芯片的光敏面上，使景物可以在感光芯片上成像。对机器视觉系统来说，镜头是非常重要的一个组件，在确保机器视觉正常运行的基础上，很大的