（服装设计与工程专业论文）应用图像处理技术测量针织物结构参数的研究.pdf

a b s t r a c t a sw ek n o w , a n a l y z i n ga n dm e a s u r i n gf a b r i c sp a r a m e t e r si sau p h i l lt a s kt h a t n o to n l yt a k e st i m eb u ta l s oal o to fm a n p o w e r , m o r e o v e r , i ti sh a r dt oa v o i df a c t i t i o u s e r r o rd u et ot h ed i s u n i t yo fm e a s u r es t a n d a r da n dt h ei n f l u e n c eo fs u b j e c t i v ef a c t o r , e s p e c i a l l y , t h ei o wm e a s u r ee f f i c i e n c yc a na l r e a d yn o tm e e tt h en e e d so fs m a l l q u a n t i t y , av a r i e t yo fb r e e d sa n dh i l g he f f i c i e n c yi np r e s e n tp r o d u c t i o n r e c e n t l y , d i g i t a li m a g ep r o c e s s i n gt e c h n i q u eh a sp e n e t r a t e di n t om a n yf i e l d sa b o u tt e x t i l e i n s p e c t i o na n da u t o m a t i cr e c o g n i t i o n ；i tc h a n g e dt r a d i t i o n a lm a n u a lo p e r a t i o ni nt h e t e x t i l ei n d u s t r y , h i g h l ye n h a n c e dw o r ke f f i c i e n c ya n ds o l v e dm a n yd i f f i c u l t i e s t h e r e f o r e ，t h i sd i s s e r t a t i o np u tf o r e w o r dam e t h o do fa p p l y i n gd i g i t a li m a g e p r o c e s s i n gt e c h n i q u et oa u t o m a t i cm e a s u r ek n i t t e df a b r i c sp a r a m e t e r sw h i c hi n c l u d e s t h ed e n s i t y ，t h es t i t c hl e n g t h ，t h ea n g l eo fs t i t c hd e f l e c t i o n ，c o n t r a s tc o e f f i c i e n to f d e n s i t y ，s u p e r f i c i a lh o l e sp e r c e n t a g ea n du n d e r f i l lc o e f f i c i e n t ，c o v e rf a c t o r , e t c a c c o r d i n gt ot h ec h a r a c t e r i s t i co fk n i t t e df a b r i ci m a g e ，p u tp r e p r o c e s s i n go no r i g i n a l i m a g e ，i n c l u d i n gg r a y i n g ，m e d i af i l t e r i n ga n dh i s t o g r a ms p e c i f i c a t i o nw h i c hm a k e s t h ei m a g em o r ef a v o r a b l ef o rt h ef o l l o w i n gs t e p t h e n ，w ec a nu s ef a s tf o u r i e r t r a n s f o r m i n gt e c h n i q u et ot r a n s f o r mt h ep r e p r o c e s s e di m a g ef r o ms p a c ed o m a i ni n t o f r e q u e n c yd o m a i n s ow ec a ne x t r a c tu s e f u ls i g n a l si nt h ef a b r i ci m a g e st h r o u g h p i c k i n gu pc h a r a c t e r i s t i c si nt h ef r e q u e n c yi m a g e ，i m a g e sr e c o n s t r u c t i n g ，t h i n n i n g ，e t c w eh a v eg o tt h ef o r m u l ao fd e n s i t ya c c o r d i n gt oc o r r e s p o n d i n gr e l a t i o n s h i pb e t w e e n f r e q u e n c yd o m a i na n ds p a c ed o m a i na n dg o tt h ec o r r e s p o n d i n gr e l a t i o n s h i po f2 da n d 3 ds t i t c hl e n g t ha c c o r d i n gt oc o r r e l a t i o na n a l y s i sa n dr e g r e s s i o na n a l y s i sw h i c hc a n a u t o m a t i cm e a s u r et h es t i t c hl e n g t he x a c t l y a f t e rd o i n gl o t so fc o n t r a s te x p e r i m e n t s a n dc h e c ka n a l y s i s ，w e p r o v e dt h a tt h e r e a r en oo b v i o u sd i f f e r e n c e sb e t w e e n a u t o m a t i cm e a s u r e m e n ta n dm a n u a lm e a s u r e m e n t u n d e rw i n d o w s2 0 0 0e n v i r o n m e n t ，w eu s em 枷。a ba sat o o ld e v e l o p e da n a u t o m a t i cm e a s u r i n gs y s t e mo fk n i t t e df a b r i c ss t r u c t u r ep a r a m e t e r s t h ei n t e r f a c e i sf r i e n d l ya n dt h eo p e r a t i o ni ss i m p l e t h i sd i s s e r t a t i o nj u s ts t u d i e dc o m m o nk n i t t e df a b r i c ，t h ef u n c t i o no fd e n s i t y m e a s u r e m e n ti sn e a r l yp e r f e c t ，b u tt h ea u t o m a t i cm e a s u r e m e n to fs t i t c hl e n g t hj u s t s u i tf o rj e r s e yp a t t e r n ，i tc o n c l u d e st h a tt h ea u t o m a t i cm e t h o dc a nb ea d o p t e di nt h e p r o d u c t i o n ，b u tw en e e dm o r ew o r kt oi m p r o v e i tf o rt h e i n d u s t r ya p p l i c a t i o n k e y w o r d s ：w e f tk n i t t e df a b r i c ； f o u r i e rt r a n s f o r m ； s t r u c t u r ep a r a m e t e r , d e n s i t y ； d i 舀t a li m a g ep r o c e s s i n g ； s t i t c hl e n g t h 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得 的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得天津工、i k 大学或其他教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名：嗡氓签字f l 期：川年，月硌r 学位论文版权使用授权书 本学位论文作者完全了解云洼王些太堂有关保留、使用学位论文的规 定。特授权丞洼王些太堂可以将学位论文的全部或部分内容编入有关数据 库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。 同意学校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：拐胡 导师签名： 签字同期：w 口7 年月乃日 |i ， 嘧h u 婵日却年同 学位论文的主要创新点 一、本论文利用数字图像处理技术，实现了针织物的密度、线圈长度、 线圈歪斜度、密度对比系数、未充满系数、面积孔隙率、编织密度系数等结 构参数的自动测量。 二、比较了傅立叶变换和小波变换这两种时频变换方法应用于针织物图 像处理的效果，结果表明用傅立叶变换处理针织物图像更加简便、有效。 三、通过对频谱图和线圈结构的分析，提出一种更准确可靠的密度特征 点的提取方法，即：提取横密特征点时，应同时考虑频谱图横轴上的最亮点 和次最亮点，横密特征点应在它们的比较判断中得到；提取纵密特征点时， 对于线圈歪斜严重的织物，应考虑线圈歪斜这一因素的影响。 四、针对重构线圈不匀的现象，提出“中线上找点”的线圈长度特征点 的提取方法，有效解决了这一难题；通过相关分析和多元线性回归分析建立 了线圈长度由二维向三维转换的数学模型，从而实现线圈长度的自动测量。 五、对拉伸状态下的针织物密度等结构参数的自动测量进行了尝试。在 获得纵向拉伸状态下的针织物图像后，可以有效自动测量出纵向拉密，由此 可以推导出线圈长度、编织密度系数等结构参数。 六、通过二值化等图像处理技术实现纱线直径的自动测量，“绕线法 有 效克服了被处理纱线片段长度有限的不足。 七、在w i n d o w s 2 0 0 0 环境下以m a t l a b 为工具开发了一套功能较为完善的 针织物结构参数自动测量系统，建立了简单直观的图形用户界面，通过对系 统的优化，大幅度提高了程序的运行效率。 筇一章绍论 第一章绪论 我同加入w t o 后，纺织配额限制很快取消，纺织品出口贸易大黾增加，同 时埘纺织品的检测也提出了更高的要求。传统的纺织品检测不足之处是检测所用 的纺织标准难与因外的先进标准接轨，其二是所用的仪器较为落后，检测精度低， 导致所做的检测结果不被其它国家认可。尤其在检测与纺织材料表面特性有关的 参数时，需要检测人员凭感官来进行评定，由于主观性强，检测结果的重现性差 且费力费时，难以适应大批量纺织品检测的需求n3 。随着计算机技术和电子技术 的迅猛发展，图像处理技术在纺织检测中获得了广泛的应用，它的优点是可以直 接、快速、准确地反映二维甚至三维的信息载体。在纺织检测中有效地解决了人 为评定效率低、客观性差的固有缺陷。 数字图像处理，就是利用计算机和实时硬件对数字化后的图像施加某种运算 和处理，从而获得某种预期目的的过程。其内容十分丰富，包括数字图像变形技 术、图像的傅：立叶分析技术、图像分割、边缘提取、形状描述、形态学分析、图 像压缩编码、彩色图像处理等他1 。计算机图像处理技术自2 0 世纪8 0 年代后期进 入纺织测试领域以来，一直在扩展其应用领域，从原料、半制品到成品的检验， 从机织物、针织物到非织造布的检验，以及模拟控制产品质量，均可借助图像处 理技术来完成。 1 1 图像处理技术 图像处理技术是信息科学中的一门新兴的学科，是在数字信号处理、计算机 科学、人工智能理论及其它应用学科的基础上发展起来的边缘学科。图像处理技 术在广义上是各种与图像有关的技术的总称。目前人们主要研究的是数字图像， 主要应用是计算机图像技术，这包括利用计算机与其他电子设备进行和完成的一 系列工作，例如图像的采集、获取、编码、存储和传输、图像的合成和产生，图 像的显示和输出，图像的变换、增强、复原和重建，图像的分割、目标的检测、 表达和描述，特征的提取和测量，序列图像的矫正，3 d 景物的重建复原，图像 数据库的建立、索引和抽取，图像的分类、表示和识别，图像模型的建立和匹配， 图像和场景的解释和理解，以及基于它们的判断决策和行为规划等等。另外，图 像技术还可包括为完成上述功能而进行的硬件设计及制作等方面的技术。 图形生成主要来自两种途径，即客观反映和程序生成。前者指利用相应的输 入设备( 如扫描仪、摄像仪、数字化仪等) 将客观景物、图片等，经光电、a ，d 转换，变成点阵式图形。后者是按照一定的算法( 数学模型) ，由程序控制计算 第一章绪论 机在屏幕上厕出或由拷贝设备( 打印机、绘图仪等) 在纸上绘出。 图像处理中的统计模式识别过程如图1 1 所示。数字化的任务是把图像信号 变成计算机能够接受的数字信号。预处理的目的是去除干扰、噪声及差异，将原 始信号变成适合于进行特征抽取的形式，然后对经过预处理的信号进行特征抽 取。最后进行判决分类，得到识别结果。为了进行分类，必须有图像样本。 燮匦 吨受卜匝弧 沃尉t 分瞬i 型簦笪耋冈- f _ 聂专夏 图1 - 1 统计模式识别过程 1 2 数字图像处理技术在纺织品检测中的应用现状 国际卜图像处理最初应用于纺织工业足分析地毯的麽损情况，此后在纺织材 料的测试工作中的应用越末越广泛3 。综合国内外的研究结果来看，图像处理技 术在纺织品检测中的研究重点主要包括纤维检测、纱线检测和织物检测三个方 面。 1 2 1 纤维的图像处理 纤维的图像处理热点包括棉纤维成熟度、棉网质量、棉结数量、纤维细度、 纤维的形状特征分析等。 棉纤维成熟度检测：采用图像分析法检验棉纤维的成熟度，即通过轮廓跟踪 算法获得预处理过的棉纤维边界，并根据轮廓的方向判别轮廓的转折点，分析计 算成熟度参数。其优点是能够提高数据的可靠性，为提高和制定工艺参数提供了 科学依据h 1 。 棉网检测：黄健晦3 等进行了这方面的研究并开发了棉网质量检测辅助系统。 在他们的研究中主要识别对象是棉结和杂质，先对棉网图像中的棉结和杂质选定 一个阈值，把这个阈值作为边界跟踪过程中判别的依据。其方法是通过改变棉网 图像调色板信息使棉结从图像中分离出来，并把这个结果跟实际图像经过比较确 定一个最合适的二值化阈值，进行跟踪边界工作，然后进行棉结面积计算，通过 计算可以得到一些包含棉结、孤立噪声点的“块”，根据“块 的大小跟棉结数 量火系曲线，经过反复的运算和平均，最后确定一个最能反映实际棉网数量的一 个闽值“块大小，然后对棉结数量再进行统计。 笫一章绪论 羊毛和羊绒的细度测试：采用图像处理技术的：薯毛细度自动测试系统，在对 羊毛纤维图像进行滤波、二值化、边缘增强处理后，能以最大准确度和统计可信 度测定f 毛细度以及其分布。这种方法可以提供全面的羊毛品质评定数据，可完 全替代传统的羊毛细度榆验方法m 1 。王彦霞盯3 等通过类似的方法也测量出羊绒细 1 x0 生丝清洁自动测量：清洁自动测量足按标准将按清洁进行分类、统计，根据 描出的糙疵点形状汁算其长度、宽度、周长、面积、中心扶度与周围灰度的平均 差值和相对差值。道克刚啤1 等人采用特征分析的方法来判断疵点的类型并统计数 量，对十几种清洁检验的疵点样照进行了摄像、量化和特征分析。 生丝匀度测量：现行生丝匀度检验是采用目视检查的方法。采用计算机图像 处理和识别技术能替代和扩大人的视觉功能，有利于解决传统的因人而异、因环 境而异和评价信息难以在评价人之f b j 转移、储存等一系列问题。匀度检验的本质 旧3 实际上就是灰度差别的判别在图像即灰度值的二维灰度函数中进行抽样、取 值，再作量化，得到用狄度二维数组表示的离散化的图像，即可使用计算机对其 进行各种运算处理，把图像变换成便于测晕的图像，继而利用模式识别手段，对 生幺幺匀度做出判别。在此过程中，计算机是作为人的视觉功能的替代和扩大。 化学纤维异型度测量：采用计算机图像处理分析技术对化学纤维截面图像进 行平滑、中值滤波、去除噪声、边缘锐化及直方图均衡化处理。计算形心点、纤 维截面积、纤维截面内切网与外接圆半径以及理论半径，从而最终确定化纤的异 型度。 1 2 2 纱线的图像处理 混纺纱中各纤维的鉴别：徐同祥等2 1 进行了混纺纱棉和：蔓麻纤维的识别。先 把混纺纱切成小段为检验准备，把纤维图像输入n - ；：t - 算机，再经过滤波，提取纤 维边界，膨胀收缩处理等使图像变得有利予提取特征值；再用相应的算法提取纤 维轴线方向各截面面积值和渐变、纤维横节、计算扭曲数等特征值；最后按照所 得到的特征值进行混纺纱中各纤维及其比例含量的识别。f h s h e 等n 3 1 采用 非线性分割函数和神经网络技术鉴别安哥拉山羊毛和美利奴羊毛。另外还可用滤 波、对比度增强、阈值化、交互式操作、旋转、形态操作等图像处理方法，得到 较清楚的毛线边缘和鳞片边缘，进而得出特征值，即可得到鉴定。 纱线外观质量评定1 5 3 ：将绕有纱线的黑板通过扫描仪扫描，再经过a d 转换器变为数字量，输入到计算机中去，并对图像进行预处理，目的是得到一幅 失真最小、目标信号和背景信号完全分离的图像，即对图像进行去除噪声，突出 目标。然后对图像进行特征提取和识别，即提取预处理后的图像中各个目标信号 的特征量，并根据识别模型对目标信号进行识别。这样可以得到纱线的平均直径 第章绪论 及卣径变异系数c v 值，计算纱线的相青、细节、竹节、棉结数等判别指标，根 据各指标对纱线条干的贡献率确定一个评级系数以用来对黑板评级。实现黑板条 干测试指标的量化，实现黑板条干的客观化测试。 1 2 3 织物的图像处理 图像处理技术对织物在悬垂性能的测试、经纬密度的测量、起毛起球的分级 与织物折皱等级的评定、表面纹理分析及性能综合评价上都做出了很大的贡献。 织物悬垂性能测试刚：由c c d 摄像头( 电荷耦合器) 采样，摄取织物：悬垂的 物理图像，然后经过图像卡a ，d 转换成为数字图像，以灰度图像格式存储在计 算机的存储器内。计算机对此灰度图像进行一系列的图像预处理，如滤波、二值 化、边缘增强等，除去噪声、背景等无用信息，保留与悬垂有关的信息。最后， 对悬垂图像的形态结构进行分析，提墩各种特征参数，计算表征织物悬垂性能的 相应指标。 机织物经纬密度测量：在机织物经纬密度计算机自动测量中，通常采用的方 法是快速傅立叶变换。通过对织物图像频谱特征的提取，确定经纬纱的频率，进 而得到机织物的直径与经纬密度。辛斌杰等钉也利用傅立i 叶变换技术来提取经纬 纱的窄问频率信息，测量织物的经纬密度。台湾省的v a nn u n g 工学院的j e n g j o n g l i n 州提出了一个基于狄度共生矩阵( g l o m ) 的方法来测量织物的密度，这种方法 能用在平纹、单色织物或坏布上。孙悦。9 1 等研究了两种小波基与织物图像处理效 果的关系。冯毅力、李汝勤凹”研究采用了小波变换技术对织物图像进行处理并且 实现计算机自动汁算织物经纬密度的方法。李立轻等瞪提出建立机织物t q 适应小 波分解滤波器实现织物密度自动检测的方法。 织物起毛起球的分级评定：以前对起球的评判方法郜存在固有的缺陷，主观 性太强。王晓红等人瞳幻通过对起球图像用统计直方图技术，包括滤波、锐化和分 割进行预处理，然后通过自相关函数确定未起球织物区域重复结构的形状和大 小，再运用膨胀和腐蚀技术处理二值图像，把原来图像处理成没有组织结构只有 毛球的图像。最后测定毛球的大小，毛球的数量和形态。国外已经有学者如 k o n d a 、r a n m g u l a mr b 、x ub 及h i sch 等用图像分析方法进行起球等级评估 的研究妲弘幽1 。由于织物种类及起球状态的多样性，k o n d a 、x ub 及h i sch 等人 的研究仅限于素色、简单组织及非印花织物。r a m g u l a mrb 应用三维激光扫描 方法从毛球高度特征上分析织物起球等级，该方法能适应各种类型织物。但分析 速度很慢，且织物表面破损及高低对毛球特征提取影响很大。a b r i l 等人心们采用 灰度统计法测量标准织物图像上的小球面积，他们从不同的角度对起球进行照 射，得到起球的整个信息。通过分割操作使起球和背景分离，然后用一个最小起 球面积阈值来对织物上面的噪声进行滤波。最后得到起球总面积和起毛密度。 第一章结论 织物折皱等级的评定：一般采用织物折皱恢复角来评定织物折皱程度。此方 法简单但不直观，对不同织物的折皱程度很难有一个准确的评价。德克萨斯大学 的b x u 心_ 提出用折皱灰度表面积、阴影面积埘折铍评级。马罩兰大学的 y o u n g y o on a 和b e h n a mp o u r d e y h i m i 提出用折皱强度、轮廓、功率潜密度、尖锐 度、随机分靠程度、总体外观、分形等来表征折皱程度担，这些指标均从不问侧 面表征了织物折皱程度。陈健敏、吴兆平1 提出了用折皱块数的侧面积比、图像 各象素点狄度标准差及折皱阴影块面积的标准差三个指标来评价织物折皱程度。 纺织品表面纹理分析：纺织品表面纹理分析主要涉及两个方面：其一是客观 测定表面纹理的几何或统计特征，如织物的组织结构、经纬密度、地毯的粗糙程 度、取向性等指标，以便客观确定和评价纺织品的结构参数和表面质量；其二是 分析纺织品表面纹理的缺陷特征，以调整生产工艺，提高产品质量瑚”。 机织物疵点的检测：韩武鹏等人口n 提出的疵点检测系统对采集来的图像进行 预处理后，用小波变换进行特征提取，并采用模糊技术进行推理与识别，能提高 疵点边缘的增强效果及刻画局部疵点的特征信息。针对织物表面疵点区域的纹理 不规则及局部变形导致对应的图像空域变化信息与正常织物表面纹理对应的图 像空域变化信息的不同，石美红等。堙1 提出了一种基于脉冲耦合神经网络 ( p u l s e c o u p l e dn e u r a ln e t w o r k s ，p c n n ) 的自动检测方法，与传统的人工神经网络 相比，不论从神经元的结构和网络的构成上，还是从它的j 作机理上都具有鲜明 的特色，认为对于检测织物的疵点只需先对织物图像进行h o u g h 变换，进行边 缘检测，以检测出纱线的边缘，此后再对图像进行二值化处理，可以对二值化图4 像进行s o b e l 算子细化，就可进一步增加准确度。潮。 织物的综合评价：t a ej i nk a n g 等1 研制的自动织物质量评估系统在自动测 定织物组织参数如经纬密度、织物紧度、纱线屈曲、织物厚度以及单位面积质量 等参数的同时，进行纱线间距均匀度、经纬纱交织角垂直度分析，通过分析标准 轮廓图像检测粗节或断经缺纬等疵点，从而快速准确地进行织物分等定级。 s a k a g u c h i 口朝通过使用图像分析与傅立叶变换评估筘痕的实验方法，将织物扫描 图像首先转换为能谱模拟织物的几何形状，找出表征筘幅特性波长的峰值，作为 机织物的质量指标。 1 3 数字图像处理技术在针织物检测中的应用现状 数字图像处理技术在针织物检测中的应用研究起步较晚，但是，这一技术的 应用已经逐渐得到了人们的重视。从国内外研究成果来看，该技术的应用主要集 中于针织物质量和性能检测以及针织物组织结构识别方面。包括检测针织物表面 的疵点、评价针织物的起毛起球性、测量针织物的结构参数以及组织识别等。 第一章绪论 针嘭i 物疵点的自动检测：e s h a d y 等探讨了两种针织物疵点特征提取的方 法，并对利用神经网络对疵点的分类进行了研究m 3 。文中对六种不同疵点的针 织物进行了研究，包括断针、飞花、破洞、纬向条花、粗纱和细纱。r g h a z is a e i d i 等丌发出了一套基于计算机视觉的在针织圆机生产过程中对疵点进行在线检测 的图像识别系统引。系统硬件由1 个同定的c c d 摄像机和经过特殊安排的照明 系统组成，而软件中应用了神经网络、g a b o r 变换等工具。应用该系统对针织物 进行在线检测，疵点检测分类成功率达到了9 6 5 7 ，但是该系统受到了机速的 限制，还有待深入研究。 针织物表面起毛和起球性的评价：香港理工大学对其分别进行了研究侧。 在评价针织物洗涤后的表面起毛程度时，首先对采集的织物图像利用二值化操作 得到纱线基体和毛羽的形态轮廓，然后利用图像的腐蚀和膨胀算法将毛羽从图像 中消除，得到纱线主体图像，再通过图像的减运算得到毛羽图像，根据纱线和毛 羽所占像素点面积的大小可以得到纱线的覆盖系数、毛羽的覆盖系数、纱线灰度、 纱线粗糙度、毛羽数目、毛羽尺寸这些特征参数的值，利用这些特征参数值可以 定量地表示针织物表面的起毛程度：在起球性评价方面，应用了模板的思想，利 用起球模板可以准确的对毛球做出判断。文中采用了二维高斯函数作为起球检测 模板，用起球图像对起球模板进行训练，然后将织物图像与起球模板进行匹配， 根据直方图拟合技术选定一个合适的图像分割阈值将小球从织物背景中分离，进 向提取出血个描述起球特征的参数起球数量、平均起球面积、起球总面积、 小球与背景的狄度值比和起球密度，并且通过这些特征参数建立起了计算起球等 级的公式。除了在空间域评定针织物的起毛起球性能，k l j e n s e n 等们根据起 毛起球图像的频谱结构特征，采用傅市叶掩模在频率域中评价针织物起毛起球等 级【8 1 。 针织物密度的自动检测：官伟波等h 4 2 3 利用一维离散傅立叶变换求出纬编针 织物的密度，陈莉h 3 圳、赵延旭h 鄙均采用二维快速傅立叶变换的方法得到频谱图， 通过对频谱特征的分析，实现针织物密度的自动检测。 针织物组织的自动识别：官伟波等对纬编针织物提花组织的提花图案进行了 分析识别m ，首先对颜色进行分割，再对图像进行一维离散傅立叶变换，确定线 圈横列数及线圈纵行数，进一步确定提花组织的大小，相应的画出织物组织意匠 纸的大小。检测每个小方格中心点或其它特征点的颜色，完成意匠格的颜色填充， 从而生成提花组织的彩色花纹意匠图。另外，张娟等人h 刀在纬平针织物组织结构 的识别研究方面也进行了探讨。首先采集针织物正反两面图像，在分别对它们进 行基元提取，运用拉普拉斯算子对得到的基元图像进行边缘检测，最后得到纬平 针组织的线圈基元结构图，并提取出纬平组织的结构参数。 第一幸绪论 1 4 本课题研究的意义、目的和主要内容 众所居j 知，针织物组织结构参数的分析测量，是一件费时费力的工作，而且 常常需要训练有素或经验丰富的工作人员末完成，诈：多操作要借助于目光检测、 手工测量等末完成，有的参数如线圈长度靠人工直接测量不容易完成，需要拆散 织物彳可测量，既破坏织物，又增加生产成本。而且由于测试标准的不统一以及 主观因素的影响，难免也会造成人为的误差。尤其是测量分析效率低已无法适应 目前生产中小批量、多品种、高效率的需要，很多生产厂家迫切需要一种能够自 动识别织物组织结构参数的系统。目前，国内外在织物组织结构参数自动识别方 面的研究不断增多，并取得了一定的成果，但总体上仍处于研究探索阶段，尚未 形成比较完整的系统，也没有一套成型的软件用于工厂的实际生产。所以，开发 一套有效、实用的织物结构参数自动识别软件是非常有意义的，也是有必要的。 本课题的研究目的足实现针织物的密度、线圈长度、未充满系数等参数的自 动测量，设计出一套完善的针织物结构参数自动测量系统。相对丁二传统方法，这 对工厂来说呵以减少不必要的人员费用，提高人员工作效率，又可以为企业的信 息化、生产的自动化打下基础。因此，研究丌发一套完整的针钐 物结构参数的自 动测量系统，对改变针纵企业管理生产模式、提高针织行业中一些部门的工作效 率具有一定的实际意义。并且，这一系统的歹：发完善将为针织工业实现全面自动 化，提高针织生产效率做出巨大的贡献，同时也将成为针织产品c a d j ，c a m 系 统一个重要组成部分，为以后的辅助设计、修改、创新提供信息与依据。 由于m a t l a b 中的数字图像是以矩阵形式表示的，利用m a t l a b 强大的 矩阵运算能力进行数字图像处理非常方便，应用简单、效果好。并且m a t l a b 语言简单、方便、编程效率高、扩充能力强、交互性好、便于使用和理解，因此 本课题充分运用m a t l a b 的这些优点，对针织物图像进行灰度化、滤波去噪、 时频变换、特征提取、图像重建、细化等一系列处理，测量出针织物的密度、线 圈长度、面积孔隙率、未充满系数、编织密度系数等主要的物理指标。 第二章傅立叶变换j 小波变换 第二章傅立叶变换与小波变换 数字图像处理的方法有两人类：一种是空l 、h j 域处理法( 简称空域法) ，另一 种是频域分析法( 或称变换域法) 。把图像信号从空i h j 域变换到频率域便可以从 另外一个角度来分析图像信号的特征。图像的频域处理最突晰的特点是其运算速 度高，并可采用已有的数字滤波技术进行所需要的各种图像处理，因此得到了广 泛的应用盯1 。 常用的针织物的组织一般都是很有规律的，即其表面图像具有明显的周期 性，这种周期性的特征虽然在空间域中它的各种信息相瓦纠缠在一起，无法对其 特征进行提取，但是，如果将空间域的图像转换为频率域中的图像，则町以有效 的去除干扰成分，很容易从其频谱图中提取出它的周期性的特征。因此，对图像 信号在频率域中的频率进行分析( 即频谱分析) 是处理图像的苇要手段之一。 数字图像的频域处理最关键的是变换处理，即首先将图像从空问域变换到频 率域，然后进行各种各样的处理，再将所得的结果进行反变换，即从频率域变换 到窄l 日j 域，从而达到图像处理的目的。傅立叶变换及小波变换是理想的时频变换 工具，国内外多篇文献报道都采用傅立叶变换的方法测出织物的密度等各种特征 参数。近年来，小波变换是图像处理技术的一个热点，已成为一种图像处理的新 手段。东华大学的冯毅力1 2 0 1 、李立轻等1 2 1 l 均已成功的实现了用小波变换进行机 织物密度的自动检测。因此，本课题在延续傅立叶变换这一传统方法的同时，对 近几年图像处理技术的热点小波变换也进行了初步尝试。 2 1 傅立叶变换 傅立叶变换是一种常用的正交变换，它的理论完善，应用程序多。在图像处 理应用领域，傅立叶变换起着非常重要的作用。 2 1 1 傅立叶变换的原理 傅立叶变换在数学中的定义是严格的。设厂o ) 为x 的函数，如果厂0 ) 满足 下面的狄里赫来条件： ( 1 ) 具有有限个问隔点。 ( 2 ) 具有有限个极值点。 ( 3 ) 绝对可积。 则有下列二式成立： f ) = f - t 。o o 厂 弦一7 2 舢出( 2 - 1 ) 第一章博口叶变换与小波变换 m ) = e ， ) p 脚如( 2 - 2 ) 式中，x 为时域变量，a 为频率变量。如果令0 9 = 2 r a l ，则有： f ( 缈) = r 。，f ( x ) e 叫似d x ( 2 3 ) ，一 m ) = 去e f ( 咖肚咖 ( 2 4 ) 通常把以上公式称为傅立叶变换对。 函数“x ) 的傅立叶变换一般是一个复量，可由下式表示： f ( 功= r ( 叻+ ( 叻( 2 5 ) 或者 f ( c o ) = l f ( ) p 例“ ( 2 6 ) 其中 l f ( ) l ；瓶丽函丽 ( 2 7 ) 舭) - a r c t a n 怒( 2 - 8 ) 这里l f ( ) l 称作f ( x ) 的频谱或傅立叶幅度谱，而驴( ) 称为相位谱。 如果二维函数f ( x ，y ) 满足狄里赫来条件，傅立叶变换则可推广到二维的函 数，那么二维傅立叶变换对如下： f ( ) 一仃二，( x ，y ) e 删一呵蚴 ( 2 - 9 ) 厂( x ，y ) 2 仃二f ( ) e j 2 z ( u “+ v y ) d u d v ( 2 1 0 ) 傅立叶频谱、相位谱和能量谱分别为： i f ( u ，y ) i = 尺2 ( “，l ，) + ，2 似，y ) ( 2 - 1 1 ) 地y 阳咖n 粉 ( 2 - 1 2 ) e ( u ，y ) = r 2 ，v ) + 1 2 ， ，)( 2 - 1 3 ) 2 1 2 二维离散傅立叶变换 对于m x n 数字图像阵列“x ，y ) ，0 x s m 和0 x s n ，其二维离散傅立叶 变换( 2 d d f t ，t w o d i m e n s i o n a ld i s c r e t ef o u r i e rt r a n s f o r m ) 的级数形式定义为： 第二章傅立叶变换j 小波变换 脚，l ，) 2 薹乏他y ) e 。2 州川驯”咿( 2 - 1 4 ) f ( x , y ) 2 赤磊荟f ( u 驯批护川坶( 2 - 1 5 ) 其中“，v 为频域坐标；x ，y 为空域坐标。对应( 2 1 4 ) 中，u = 0 ，1 ，2 ， m 1 ；v - - - o ，1 ，2 ，n 一1 。对应式( 2 - 1 5 ) q ，x = 0 ，1 ，2 ，m 1 ；y = 0 7 1 ，2 ，n - 1 。 2 1 3 图像傅立叶变换后的频率分布 对图像进行二维离散傅立叶变换后的频率分布如图2 - 1 所示，即数组的左 上角相当于直流部分，左上、右上、左下、右下各角的周围对应低频成分，数 组中央部分附近对应于高频成分，为了使直流成分出现在数组中央，在把画面 分成四分的基础 进行如图所示的换位也是可以的。即一、三象限和二、四象 限交换。 图2 - 1 二维离散傅j 讧叶变换结果中频率成分的分布 2 1 4 傅立叶变换的性质 二维离散傅立叶变换的性质对图像的分析具有十分重要的作用，其主要性质 见表2 1 。 以卜具有重要意义的三个性质的含义如下： ( 1 ) 可分离性：由可分离性可知，一个二维傅立叶变换可分解为两步进行， 其中每一步都是一个一维傅立叶变换。先对， ，y ) 按行进行傅立叶变换得到 f ( x ，y ) ，再对f ( x ，l ，) 按列进行傅立叶变换，便可得到厂0 ，y ) 的傅立叶变换结果。 显然对厂“，) ，) 先按列进行离散傅立叶变换，再按行进行离散傅立叶变换也是可 行的。同理，傅立叶变换的逆变换也具有可分性。 ( 2 ) 平移性质：平移性质表明，只要将f ( x ，y ) 乘以因子( 一1 ) h y ，再进行离散 第二章傅芷f 1 1 变换与小波变换 傅j 进叶变换，即可将图像的频谱原点( 0 ，o ) 移动到图像中心( m 2 ，2 ) 处。 ( 3 ) 旋转不变性：山旋转不变性可知，如果时域中离散函数旋转吼角度，则 在变换域中该离散傅立叶变换函数也将旋转同样的角度。 表2 1 二维离散傅立叶变换的性质 编号住质数学定义表达式 l 线性性质“l t j ) = 厶，r ，。n f i ( h 1 7 ) ：h f ： t ) 2比例性质 八甜毋，霉点f ( 詈考) f 0 ，b 表示沿石轴的平移，函数上 的横线表示取共轭。而缈 ) 是一个小波母函数，且满足以下可容许性条件： 第_ 二章 傅移叶变换与小波变换 芦 ，其二层小波图像重构过程正好与分解过程相反， 二层小波重构图像结构如图2 4 所示。 以瞄 f 墨 f 嵋f 岛 c 巧f q 叫c 马 f 巧 f 日 图2 _ 4 二层小波图像重构 基于小波变换的图像处理，是通过对图像分解过程中所产生的近似分量与细 节分量系数的调整，使重构图像满足特定条件，而实现图像处理。 1 一 一 哆 f t ( 曲 厂ll一|l 以， 第二章针织物密度的自动测颦 第三章针织物密度的自动测量 本章主要探讨如何利用图像处理技术测量针织物的横、纵密度，对自然状态 下密度的自动测量进行重点研究，详细介绍密度自动测量的实现方法和测试流 程，对时一频变换的两种方法傅立叶变换和小波变换进行了变换效果的比较 分析，在密度特征的提取上提出了新的见解，通过与人t n 量结果的对比，验证 了密度自动测量的准确性和适用性。并利用类似的方法对拉伸状态下的密度进行 了测量尝试。 3 1 密度及其常规测量方法 3 1 1 密度 针织物的密度是在一定纱支条件下，表示针织物稀密程度的一项物理机械指 标1 5 。它直接反映t + - t t 物在规定k 度内的线圈数。通常用横向密度和纵向密度 来表示。 横向密度( 简称横密) 足指沿线圈横列方向，规定长度( 料i 针型为1 0 0 m m ， 细针型为5 0 m m ) 内的线圈纵行数。用只表示。若已知线圈的圈距为a ，则 巴= 等或者只= 百5 0 ( 3 - 1 ) 纵向密度( 简称纵密) 是沿线圈纵行方向，规定长度( 粗针型为1 0 0 m m ， 细针型为5 0 m m ) 内的线圈横列数。用名表示。若已知线圈的圈距为b ，则 b ；警 或者 乓= 百5 0 ( 3 - 2 ) 由于针织物在加工过程中容易受到拉伸而产生变形，因此原始状态对某一针 织物来讲不是固定不变的，从而影响实测密度的正确性。因此在测量针织物的密 度之自订应该将试样进行松弛，使之达到平衡状态，减少测量误差。 3 1 2 拉密 拉密就是针织物在# i - 力n 张力的情况下测得的密度指标，用每英寸旱的线圈数 来表示。它可以更直观反映出针织物的弹性、厚度等各项物理性能。拉密也通常 有横向拉密和纵向拉密。 拉密的测量一般采用定线圈个数的方法，即在针织物的适当区间，在横列方 第二章针钐：物密度的订动测i = 向或纵行方向数1 0 个线圈，并做e 记号，然后对这一区间施加张力，拉力大小 为使织物不能再伸腱的力的大小，测量记号问的长度，再换算为每英寸罩的线圈 数。 3 2 自然状态下密度的自动测量 利用图像处理的方法测试自然状态下密度的流程如图3 1 所示： 图3 1密度测试流稃图 3 2 。1 针织物图像的录入 针织物图像的录入是针织物结构参数自动测量的自订提，图像录入过程是图像 数字化的过程，足将实际的图像转化为可以被计算机处理的数字信号的过程。采 用操作方便快捷的录入设备和方法，使录入图像有利于后续的分析，对于整个系 统的丌发实现，以及将来的推广应用具有十分重要的意义。 ( 1 ) 图像的数字化 数字图像处理，即用计算机对图像进行处理。数字图像处理系统由三个基本 的部件组成：处理图像的计算机、图像数字化仪和图像显示设备。由于计算机只 能处理数字图像，而自然界提供的图像却是其他形式的，所以一幅图像在用计算 机进行处理前必须转化为数字形式。 图像的转化过程称为数字化，在此过程中，物理图被划分为称作图像元素 ( p i c t u r ee l e m e n t ) 的d x l g 域，图像元素简称为象素( p i x e l ) 。最常见的划分方案是方 形采样网格，图像被分割成由相邻象素组成的许多水平线，赋予每个象素位置的 数值反应了物理图像上对应的亮度。在每个象素位置，图像亮度被采样和量化， 从而得到图像对应点上表示其明暗程度的一个整数值。对所有的象素都完成上述 转化后，图像被表示成一个整数矩阵。每个象素具有两个属性：位置和灰度。位 置( 或称地址) 由扫描线内的采样点的两个坐标决定，它们又称为行和列。灰度用 来表示该象素位置上的明暗程度。此数字矩阵就作为计算机处理的对象了。 由数字化仪产生的输入图像经过处理后输出图像时，必须保持两幅图像之间 点的对应，即输出图像的每一个像素对应输入图像的每一个像素。所以当输入图 第二章针钐：物密度的自动测繁 像的某一个点，或对以陔点为中心的某一个邻域施加运算( o p e r a t i o n ) 时，运算结 果，虹，卜的灰度值将存储在输出图像的对应点上。数字图像处理主要有以下几个 量：( 1 ) 亮度( 1 i g h t ) ：是指一幅图像中表示像素点明暗程度的值。( 2 ) 对比度 ( c o n t r a s t ) ：是指一幅图像中灰度反差的大小。( 3 ) 噪声( n o i s e ) ：一般指加法性的( 也 可能足乘法性的) 污染。( 4 ) 灰度级数即灰度分辨率( g r a y s c a l er e s o l u t i o n ) ：是指单 位幅度上包含的灰度级数。如用8 比特来存储幅图像，其灰度级为2 5 6 。( 5 ) 图像分辨率即采样密度( s a m p l i n gd e n s i t y ) ：是指在图像上单位长度包含的采样点 数，通常用像素英寸( p i x e l