（纺织材料与纺织品设计专业论文）基于matlab图像处理技术的针织物结构参数测量的研究.pdf

摘要 近年来，图像处理技术逐渐渗透到纺织领域中，大大促进了纺织行业的发 展，逐渐实现了从人工到智能的转变。其应用也正由纯学术研究走向工业应用， 应用领域在不断拓宽。图像处理技术在纺织品检测上的应用改变了纺织行业中的 传统的手工操作流程，提高了工作效率，解决了许多纺织品检测中的难题。 为了解决针织物结构参数在人工测量时容易产生误差以及费时费力等问题， 文章提出采用图像处理的方法实现针织物结构参数的自动测量，包括线圈长度、 密度、线圈歪斜度、面积孔隙率、未充满系数以及编织密度系数等。借助功能强 大的m a t l a b 语言编程，实现高速的运算和图像处理。尝试利用v c + + 和m a t l a b 混合编程，有效的提高了计算速度。 文章根据针织物的特点，将织物图像经过狄度化、平滑化、二维快速傅立叶 变换、频谱图中特征点的提取、图像重建、细化等处理实现了织物图像有效信号 的提取。根据空间域与频率域的对应关系得出自动测量密度的公式。利用回归分 析得出二维线圈长度和三维线圈长度的关系式，实现了线圈长度的自动测量。运 用傅立叶变换的旋转性实现了对线圈歪斜角度的测量。 对不同纱线、不同密度、不同颜色以及不同简单组织的测试结果和人工测试 结果进行了多次实验对比，用概率统计的方法检验该系统的测量数据和人工测量 结果无显著性差异。 本课题的密度测试主要针对简单组织，线圈长度测试着重研究了纬平针组 织。所以要应用于实际生产还需要做进一步的研究。 关键词：纬编针织物m a t l a b 傅立叶变换( f f t )密度线圈长度 a b s t r a c t 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 ep e n e t r a t e st e x t i l ei n d u s t r yg r a d u a l l y , w h i c ha c c e l e r a t e st h ed e v e l o p m e n to f t e x t i l ei n d u s t r ya n dr e a l i z e sm a n p o w e rc h a n g ei n t o b r a i n p o w e r t h ea p p l i c a t i o na r e a o fd i g i t a li m a g ep r o c e s s i n gb e c o m e sw i d e ra n d a c a d e m ys t u d i e st e n dt o w a r d si n d u s t r ya p p l i c a t i o n t h ea p p l i c a t i o n so fi m a g ep r o c e s s i n g t e c h n i q u ei nt e x t i l em e a s u r e m e n tc h a n g et h et r a d i t i o n a lm a n u a lo p e r a t i o n ，i n c r e a s ew o r k e f f i c i e n c ya n ds o l v em a n yd i f f i c u l t i e si nt e x t i l em e a s u r e m e n t i no r d e rt os o l v i n gt h ep r o b l e m ss u c ha sm o r ee r r o r s ，m o r et i m e ，m o r ew o r kt h a t o c c u r r e dw h e nm a nm e a s u r et h ek n i t t e df a b r i c s p a r a m e t e r s ，t h ed i s s e r t a t i o na p p l i e d d i g i t a li m a g ep r o c e s s i n gt oa u t o m a t i cm e a s u r et h ek n i r e df a b r i c sp a r a m e t e r st h a ti n c l u d e t h es t i t c hl e n g t h ，t h ed e n s i t y ，t h eb i a so fs t i t c h ，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 d u n d e f i l e dc o e f f i c i e n t , c o v e rf a c t o r , e t c a n dr e a l i z e dh i g h - s p e e do p e r a t i o na n di m a g e p r o c e s s i n gw i mm a t l a b i tt r i e sp r o g r a m m i n gm a t l a ba n dv i s u a lc + + t o g e t h e r a n di n c r e a s e st h es p e e do f o p e r a t i o ng r e a t l y a c c o r d i n gt ot h e c h a r a c t e r i s t i co fk n i t t e d f a b r i ci m a g e ，t h ed i s s e r t a t i o na d o p t s i m a g e p r o c e s s i n gm e t h o d st oe x t r a c t i n gu s e f u ls i g n a li nt h ef a b r i ci m a g e t h em e t h o d s i n c l u d eg r a y i n g ，s m o o t h i n g ，2 df a s tf o u r i e rt r a n s f o r m ，p i c k i n gu pc h a r a c t e r i s t i c si nt h e f r e q u e n c yi m a g e ，i m a g er e c o n s t r u c t i o n ，t h i n n i n ge t c i tg e t st h e f o r m u l ao fd e n s i t y a 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 nf r e q u e n c yd o m a i na n ds p a c ed o m a i n a n dg e t st 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 d3 ds t i t c hl e n g t ha c c o r d i n gt o r e g r e s s i o na n a l y s i sa n dc a na u t o m a t i cm e a s a r et h es t i t c hl e n g t he x a c t l y i tc a n t e s tt h e b i a so fs t i t c hb a s et h er o t a t i o no ff f r i tc o n t r a s ta u t o m a t i cm e a s u r e m e n tw i t hm a n u a im e a s u r e m e n ta td i f f e r e n ty a m ， d i f f e r e n td e n s i t y ，d i f f e r e n tc o l o ra n dd i f f e r e n ts i m p l ep a t t e ma n dc e a i f i e dt h et w o m e t h o d sh a v en oo b v i o u sd i f f e r e n c e sb e t w e e na u t o m a t i cm e a s u r e m e n ta n dm a n u a i m e a s l m m e n t a u t o m a t i cm e a s u r e m e n to fd e n s i t yj u s ts t u d i e st h es i m p l ep a r e m ，a n da u t o m a t i c m e a s u r e m e n to fs t i t c hl e n g t hj u s tf o rj e r s e yp a t t e m ，s ow en e e dm o r ew o r kt oi m p r o v ei t f o r t h ei n d u s t r ya p p l i c a t i o n k e yw o r d s ：w e f tk n i t t e df a b r i c s m a t l a bf a s tf o u r i e rt r a n s f o r m a t i o n d e n s i t y s t i t c hl e n g t h 独创性声明 y8 6 62 93 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，也不包含为获得云洼王些太堂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己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：丁雪荣签字日期：a o c 6 年j 2 月卵f q 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 授权云挂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：丁雪泉 导师签名： 签字r 期：聊5 年j 2 月卯同 詹1 7 u 签字目期：譬年、，月善印 学位论文的主要创新点 一、本论文利用数字图像处理技术，并通过m a t l a b 语言编程实现了针织 物结构参数的自动测量。包括密度、线圈长度、线圈歪斜度、未充满系数、面积 孔隙率、编织密度系数等。 二、在密度的测量中，通过快速傅立叶变换，并利用图像的空阳j 域和频率域 的对应关系，提取出织物密度的特征点，得出计算密度的公式，实现密度的自动 测量。 三、在线圈长度的测量中，提取出频谱图中的特征点后，重建图像，对重建 后的图像进行细化等处理后提取单个线圈并修f ，得到二维线圈长度。利用回归 分析将实际测量的三维线圈长度和计算机测量的二维的线圈长度建立关系式，从 而实现了三维线圈长度的自动测量。 四、利用傅立叶变换的旋转性自动测量纬编针织物的线圈歪斜角度。 五、尝试利用m a t c o m 实现m a t l a b 和v i s u a lc + + 6 0 混合编程的方法j i ： 发测试系统，提高了系统的测试速度。 六、利用图像处理的方法测量纱线的直径，利用所测的直径可以自动测量未 充满系数。 七、将图像进行二值化处理得到面积孔隙率，并得出面积孔隙率和未充满系 数之间的相关关系。 第1 章绪论 第1 常绪论 近些年来，随着计算机技术的飞速发展，经过人们不断地探索，将计算机数 字图像处理技术应用到了纺织行业中的各个领域。目前，数字图像处理技术在纺 织中的应用向两个方向发展：一个方向是快速计算和工厂实用；另一个方向是与 智能技术的融合。将图像处理技术应用到纺织领域中，大大促进了纺织行业的发 展，实现了从人工到智能的转变，是纺织行业中的一次重大变革。数字图像处理 技术在纺织工业中的应用也正在从纯学术研究走向工业应用，应用领域在不断拓 宽。 ， 数字图像处理在针织上应用的两个很重要的方向是计算机辅助设计和计算机 检测与分析。前者利用计算机软件来设计和仿真所需要的织物，起步早，技术较 成熟：后者是利用图像采集设备将已有织物的图像采集到计算机，并利用高级的 图像图形处理算法，从中提取出所要的织物信息，从而测试出织物的相关数据， 得到所需要的信息。 1 1数字图像处理技术在纺织品检测上的应用概况 图像处理技术在纺织品检测中的应用领域，主要可分为三类：纤维检测、纱 线检测和织物的检测。纤维检测主要是纤维的外观形态、细度、棉网均匀度检测、 纤维异型度检测。纱线检测主要是纱线混合状态及纱线的外观质量等。织物方面 主要是织物的密度测量、织物的组织结构测试、织物的褶皱分析、织物的悬垂性 评定、织物起毛情况的评价以及织物的疵点检测等。 1 1 1纤维的检测 对羊毛的卷曲度的测量：首先对摄取的图像进行中值滤波消除噪声，然后 计算图像的灰度直方图，选择灰度直方图分布中的蜂谷值作为二值化的闽值，从 而获得羊毛纤维图像的二值图像。然后进行轮廓跟踪、纤维的特征抽取和识别以 及卷曲频数、波幅、伸长率等有关参数的计算和分析。 羊绒的细度测试比：采用图像处理技术的羊绒细度自动测试系统，在对羊绒 纤维图像进行滤波二值化、边缘增强处理后能最大准确度和统计可信度测定羊绒 第l 章培论 细度及其分布。这种方法可以提供全面的羊绒品质评定数据，包括对贴皮肤服装 有影响的特种纤维识别的细节信息，可完全替代传统的羊绒细度检验方法。 羊毛与羊绒纤维表面形态的识别b 1 ：根据羊绒和羊毛的表面鳞片形态特征， 综合利用灰度差值、模板代换、边界搜索、轮廓跟踪、拐点分析等一系列图像处 理和识别的方法，对羊绒和羊毛表面鳞片形态进行处理，可以对羊绒纤维进行自 动识别。 化学纤维异型度的测量卯：利用图像处理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、纤维截面内切圆与外接圆半径以及理论半径，从而最终确定化纤的异型 度。 棉的成熟度测试”：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。其优点是能够提高测 试数据的可靠性，为制定工艺参数提供了科学依据。 棉网棉结检验9 1 ：棉网中棉结的存在，对光线的反射程度有差别，相应 的在图像当中也存在灰度差异，先对图像进行边缘提取操作；然后根据棉结实际 尺寸和灰度级设定棉结的灰度阈值和面积阈值，再对整个图像进行扫描，并按照 所设定的阈值对棉结进行判断和统计。 1 1 2 纱线的检测 纱线混纺比的测定。3 1 ：测定混纺纱混纺比的关键是提取混纺纱中不同 纤维的特征量。对纱线切面的图像处理进行滤波去噪，边缘提取、增强，图像二 值化，对比度拉伸等一系列处理后，提取纤维截面形状的常规特征量，根据纤维 的特征量不同测算混纺比。目前对棉麻、丝毛、毛，涤、麻涤等混纺纱的混纺比 测定已较成熟，并有大量的文章可供参考。 纱线外观质量评定4 川 ：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 及直径变异系数c v 值，计算纱线的粗节、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 1 3 织物的检测 第1 章绪论 织物密度的测试：在机织物经纬密计算机自动测量中，通常采用的方法是快 速傅立叶变换( f f t ) 。图像进行f f t 分析后得到光谱能量图，从能量谱图中周期 性变化的高能量部分，识别出织物的基本组织，对图像一定方向上取高频信号得 到织物经纱和纬纱的细度。通过对织物图像频谱特征的提取，确定经纬纱的频率， 进而得到机织物经纬密度。最近也有学者利用自适应正交小波实现自动测量 机织物的密度。 织物的单元组织的结构与周期的测试“8 川蚰：在织物中任何方向的结构重复， 在其功率谱图中都会出现一组与该方向相垂直的亮带组，通过选取这些亮带的频 率成分进行变换，就可以清楚的恢复图像的基本结构。 织物折皱等级的评定：美国有一些学者探讨了利用计算机图像处理技术评定 织物的折皱程度。德克萨斯大学的x b u 此盯提出了用折皱灰度表面积、阴影面 积对折皱评级。马里兰大学的y o u n g j 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、功率谱密度、尖锐度、随机分布程度、总体外观折皱程度。我国 学者也已探讨了利用计算机图像处理技术评定织物的起皱程度n ”，提出用折皱 灰度侧面积比、整体灰度标准差、折皱阴影块面积标准差来评定折皱的起皱程度。 织物悬垂性的测试旺3 2 4 1 ：首先将试样放置在支持台上，等待试样形成稳定 的悬垂形态后，由c c d 摄像头进行采样，经过图像卡a d 转换成为数字图像， 然后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，然后对悬垂图像的形态结构进行分析，提取各种特征参数， 计算表征织物悬垂性能的相应指标。 织物表面疵点的识别和检验眩5 ”n ：y o s h i os h i m i z u 等从图像狄度共生矩 阵提取特征，通过贝时斯决策对疵点进行分类，采用图像匹配的方法建立了织物 疵点检测专家系统。c o h e n 等采用高斯一马尔科夫随机场( g m r f ) 纹理模型对织物 疵点的检测进行了研究。s a rs a r d y 等探讨了采用神经网络对平纹、斜纹和缎纹 等不同种类织物上的疵点进行检测分类的可行性。z h a n g 等在对疵点检测和分类 的研究中，采用了两种方法对粗节和结头疵点进行分析。t s a i 等研究用后传播( b p ) 神经网络检测缺经、缺纬、油污和破洞疵点，输入神经网络的特征值是由织物图 像的傅立叶功率谱得到的9 个参数，分类正确率为8 8 。台湾的c h e n 等人采用 光学傅立叶透镜提取织物图像功率谱，经b p 神经网络对疵点检测和分类。c h i 第1 章鲭论 一h oc h a r t 等研究了傅立叶分析应用于织物疵点检测。j a s p e r 研究了自适应小波 在纹理描述和疵点检测中的应用。2 0 0 0 年台湾的h u 等采用最优小波包和人工神 经网络技术检测4 种织物疵点，缺经、缺纬、油污和破洞，正确率达到了1 0 0 。 织物起球等级的评定心8 “2 9 1 ：一般织物表面起毛是用人眼进行主观评价的， 但用图像识别技术可以更精确、快速地得到评价结果。西班牙学者a b r i lh c 、 t o r m sy 、m i l l a nm s 等人用灰度统计法对织物表面起毛情况进行了研究，在 他们的研究中为了得到起球的整个信息，从不同的角度对起球进行照射，得到了 相应的图像。通过分割操作对起球和背景进行分割，使得起球更清楚。然后用一 个最小起球面积阈值来对织物上面的噪声进行了滤波，最后从分割二值化图像得 到两个起毛特征值：起球的总面积和起毛密度，从而对织物起毛情况进行了相当 精确的评价。 非织造布的测试：随着非织造布的广泛应用，计算机图像处理可用来测定非 织造布的结构与性能，并能准确而深刻地揭示非织造布网的主要结构特征。这些 特征包括：孔洞、纤维取向度、网的均匀性、纤维直径和疵点。它是采用自动扫 描分析图像系统分析非织造布网的结构性能。扫描识别以大小、边界整洁性和灰 度特征为基础，再将结果与采用人工主观评定和图像分析相结合所得到的结果加 以对比。实验证明，计算机扫描测量结果是准确的，扫描计数也是稳定、可靠的。 1 2 数字图像处理技术在针织物性能测试上的应用现状 计算机图像处理技术在针织方面的研究主要有：对针织物织物表面起毛起球 的客观评价3 们，采用计算机图像处理技术辅助测量针织物的变形3 ，针织物花 纹组织的自动识别3 ”，针织物彩色花纹图像的自动分割口3 1 以及利用图像处理的 方法研究针织物的密度的自动测量b 4 ”b 7 1 等。 采用图像分析法评价针织物的起毛起球性能：在频率域利用掩膜将织物基面 与绒毛和小球有效的分离，然后计算用于描述绒毛和小球数量的特征值。 用数字图像处理技术测量针织物的变形：将松弛状态下的试样和横向拉伸 6 0 的试样实时拍摄，输入计算机，采用傅立叶变换技术，根据图像的功率频谱 图进行图像滤波，然后采用形态分析法对图像进一步处理，获取清晰的针织物条 纹图像，根据条纹间距的变化测出针织物变形的大小。 针织物花纹组织自动识别：对摄入的图像进行亮度、对比度调节、滤波处理、 几何校正、傅立叶变换、参数特征的提取后得到针织物组织大小，根据针织物大 第l 章绪论 小以及图像的颜色，对图像进行分割，最终得出针织物彩色花纹组织的意匠图。 利用图像处理的方法研究针织物的密度的自动测量：采用一维或者二维傅立 叶变换的方法实现对纬编针织物的自动测量。 1 3 本课题研究的目的、意义和方法 针织生产工艺流程短，原料适应性强，产品使用范围广；针织机的生产效率 高，劳动强度低，机器噪声小，能源消耗和占地面积少；针织生产除可织成各种 坯布，经裁剪、缝纫形成针织品外，还可以直接在机器上编织成全成形或者半成 形产品，以节约原料，简化或者取消裁剪和缝纫工序，并能改善产品的服用性能。 目前，全世界针织产品耗用纤维量已占到整个纺织品纤维用量的1 3 ，一些发达 国家则达到5 0 v a 上，就服用领域而言，针织与机织之比约为5 5 ：4 5 3 朝。因而 针织生产具有较高的经济效益和广阔的发展前景。随着高新技术向纺织业的渗透， 纺织服装工业自动化的发展，针织业也迫切要求打破传统落后的生产方式，引进 新技术，建立计算机集成制造系统( c i m s ) 体系3 9 1 ，提高生产效率，增加产品的 科技含量，提高产品的附加值。 纬编针织物所成的线圈呈一条三度弯曲的空间曲线，它是针织物的最基本单 元和主要特征。针织物的结构参数主要包括线圈长度和密度，其性能主要取决于 线圈长度。线圈长度是决定针织物性质的一项重要物理指标。它不仅决定针织物 的密度，而且对针织物的脱散性、延伸性、耐磨性、弹性、强力、抗起毛起球和 钩丝性也有重大的影响。另外线圈长度与织物尺寸稳定性有很强的相关性，全松 弛状态下的针织物，其线圈具有稳定的几何形态。线圈长度不匀使织物的外观受 到直接影响，在高档针织物中这点尤为突出。所以它在针织物的生产中起着重要 作用，是使针织生产顺利进行所要控制的主要上机工艺参数，也是影响产品质量 和织物性能的重要指标。除此而外，线圈长度还与用纱量有关，不管是采用消极 式还是积极式喂纱，特定纱支的稳定针织物克重( 单位面积重量) 是由线圈长度决 定的，线圈长度增加，则织物克重会减少。若织物克重波动大，则有损于企业的 经济效益”。因此在针织产品的生产设计时，需要经常测量织物的线圈长度和 密度等参数，来评定是否满足设计的要求。 在传统的生产中，测量这些参数需要人工手动测量，操作时间长了人容易疲 劳，经常产生测量误差甚至错误。同时，由于操作人员不同，判断结果也不同， 所以使得测量结果缺乏客观性。而且有的参数不容易测量，单靠一两次的测量是 第1 章靖论 达不到需要的精度的，只有进行大量的样本测量后，再进行数理统计才可以减少 测量的误差，费时费力。 为了使测量工作进行的既快速又准确，我们就有必要研究新的方法。采用图 像处理技术自动测试针织物的结构参数，即可以避免主观误差使得测量结果准确 客观，又可以节省大量的时间和人力物力，提高生产效率。 本课题就是要利用计算机图像处理技术对计算机采集的针织物图像进行相应 的处理后，提取出与线圈长度和密度等指标有关的图像特征，并通过这些特征直 接或者间接的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 密度系数以及线圈歪斜等主要的物理指标。本课题基于m a t l a b 进行研究开发，借 助m a t l a b 的强大功能，实现快速高效的运算和图像处理。并尝试利用v c 和m a t l a b 混合编程，有效的提高了计算速度。 第2 章针织物的主要结构参数 第2 章针织物的主要结构参数 针织物的主要结构参数包括：密度、线圈长度、织物的单位面积重量、未充 满系数、编织密度系数等。它们是影响针织物物理机械性能的主要因素。 2 1针织物的主要结构参数及其测量方法 2 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 4 1 1 。它直接反映了针织物在规定长度内的线圈数。通常用横向密度和纵向密度 来表示。 横向密度( 简称横密) 是指沿线圈横列方向，规定长度( 粗针型为1 0 0 m m ， 细针型为5 0 m m ) 内的线圈纵行数。用只表示。若己知线圈的圈距为a ，则 只= 了5 0或者只= 等 ( 2 - 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b 表示。若己知线圈的圈距为b ，则 石= 5 0 b 或者b = 百1 0 0 ( 2 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 度之前应该将试样进行松弛，使之达到平衡状态，减少测量误差。 2 1 2线圈长度 针织物的线圈长度由线圈的圈干及其延展线( 针编弧) 所组成的，一般以毫 米作为单位。线圈长度不仅与针织物的密度有关，对产品的脱散性、延伸性、耐 磨性、弹性、强力以及抗起毛起球性和勾丝性等物理机械性能也有很大影响，除 此之外，还涉及到用纱量的成本核算。线圈长度不匀容易在织物上出现横条等疵 第2 章钟奴物的主要结构参数 点，从而使织物的外观受到直接影响。可见，对线圈长度及其不匀进行有效的控 制和调节是非常必要的，而这必然要求正确测出线圈长度。 计算线圈长度的方法一般有三种b 幻： ( 1 ) 按线圈在平面上的投影近似进行计算。 ( 2 ) 用拆散的方法，求其实际长度。如数出1 0 0 只线圈，拆散后测量其长度， 然后求平均值。 ( 3 ) 用仪器实测线圈长度。即用测长仪在机器回转的情况下，求出针筒一转 时的喂纱长度，然后除以针筒上参加编织的针数，从而得出每一只线圈的平均长 度。 目前生产中采用积极式喂纱装置，定长喂给纱线以控制针织物的线圈长度， 作为控制和改善针织物质量的一种手段。 2 1 3未充满系数 未充满系数表示针织物在相同的密度条件下，纱线支数对其稀密程度的影响。 未充满系数为线圈长度与纱线直径的比值。 ， 占= ( 2 3 ) 口 式中：万一未充满系数；，一线圈长度( 衄) ；d 一纱线直径( m m ) 。 占值越大，说明线圈全部面积中被纱线直径所覆盖的面积越小，即针织物越 稀疏。 2 1 编织密度系数 编织密度系数又称覆盖系数( c o v e rf a c t o r ) ，其表示织物中纱线的覆盖程度， 常用c f 表示k 4 2 1 。 c f = m l ( 2 - 4 ) 式中：一纱线的线密度( t e x ) ；，一线圈长度( m m ) 2 1 5线圈歪斜度 纬编织物在自由状态下，线圈发生纵行歪斜的现象称为歪斜性。针织物的歪 斜性，直接影响到针织物的外观与服用。这种歪斜是出纬编的生产方式( 多路进 第2 章针织物的上舞结构参数 线) 和纱线的捻度造成的。线圈圈柱产生的退捻力使线圈的针编弧与沉降弧分别 向不同方向扭转，致使整个线圈纵行发生歪斜。单面平针织物一般均存在纵行扣 斜的问题，只是程度上的不同而己，强捻纱线制成的针织物歪斜性更加明显。线 圈的歪斜严重影响产品的外观和尺寸性能，影响消费者的服用外观，如不加以控 制会影响产品需求。 两圈柱央角平分线与横列水平线法线的夹角定义为线圈歪斜度，在实际的生 产中通过人工量角测出。 2 2 针织物各参数间的关系 2 2 1织物密度与线圈长度的关系 根据p e i r c e 假设1 4 3 1 将纱线视为平针织物内一种完全的弹性体，其线圈为弹 性弯曲，如图2 一l 所示。图中为两个大小不同的线圈，纵密p b 、横密p 一和总密 度均与线圈长度，成比例，其关系式如下： 图2 - 1 线圈弯曲示意图 只寺 只寺 v = 只b = 学= 砉 式中k 、k 。、k 。均为常数。 2 2 2面积孔隙率与未充满系数之间的关系 ( 2 5 ) ( 2 6 ) ( 2 7 ) ( 2 8 ) 针织物的稀密程度可以用面积孔隙率( ，7 ) 来表示，面积孔隙率是用一个完 整线圈中孔的面积与整个线圈的面积的比值束表示的。 ”：生( 2 - 9 ) s 式中：s 一孔的面积：s 一整个线圈所占的面积。 第2 章钟织钧的主要结构参数 根据积分和逼近原理，纱线所占的面积d x l ，d 是纱线的直径，是线圈长度， 式( 2 9 ) 可以表示成： ，7 ；s _ _ a a ：1 一d x l( 2 1 0 ) 。 ss s 又可以表示成圈距a 和圈高b 的乘积，根据式( 2 3 ) 和( 2 - 7 ) 可得： ”：l 一盟：生型 1 0 0 1 0 0 ，7 ：l 一 生 一d 。 1 0 0 1 0 0 ， 州一等( 2 - 1 1 ) 由式( 2 1 1 ) 可见，7 与6 正相关，所以纱线的稀密程度完全可以用面积孔隙率 来表示。 2 3 针织线圈的几何结构 针织物的基本结构单元为线圈，它在三度弯曲的条件下，呈一空间曲线，织 物正面与侧面如图1 2 - 2 所示，其几何形态如图2 3 所示。纱线之间相互串套形 成一定的作用力，线圈呈现一定的几何形态。对于线圈整个空间结构的描述一直 存在着一些困难，而由于受力产生的结构变形定量讨论就更少。 瓣莹。辔 图2 2 纬平针正面与侧面图图2 3 纬平针线圈结构图2 - 4 m u n d e n 线圈模型 早在。2 0 世纪3 0 年代，苏联学者a c 达利多维奇和英国学者f t + 皮尔斯5 ( p e i r e e ) 先后在不同假设条件下提出针织线圈几何模型，他们提出的关系式在形式 上虽不尽相同，但基本上都把线圈长度作为圈高( 或纵密) 、圈距( 或横密) 和纱 线直径的函数。但是这种模型是从几何分析着手的，没有考虑线圈中各线段作用 力对线圈形状的影响，所以假定的条件与实际情况有一定的差别。 赞】0 页 第2 章针织物的主要结构参数 此后，m u n d e n 给出了另一种针织线圈模型1 4 4 , 如图2 - 4 所示，其假设与p e i r c e 的弹性模型相同，假设纱线的截面为圆形，不考虑纱线的抗弯性，并且内应力认 为为零，由m u n d e n 几何模型导出线圈长度为： k = + 溯2 陆 l b c = 0 5 4 4 w 2 d f 2 1 3 ) 整个单元线圈长度，= 2 0 。+ k ) ，其中，w 为圈高。d 为纱线直径。这一公 式忽略了纱线直径对线圈参数的影响，因而计算结果与实际存在一定的误差。尽 管如此，在相当长一段时间内它常常被人们所引用。 因此，如何准确地测量线圈长度，将其应用于生产实践，仍然是人们一直探 索的问题。 本课题将探索用一种新的方式数字图像处理的方法去求密度、线圈长度 等针织物的结构参数，提供一种快捷、方便、客观的方法，解决一些难以解决的 问题。 第3 章t 宇圈像处理技术段m a t l a i b 实现方法 第3 章数字图像处理技术及m a t l a b 的实现方法 数字图像处理的发展历史不长，但已引起各方面人士的广泛关注。首先，视 觉是人类最重要的感知手段，图像又是视觉的基础。因此数字图像处理成为心理 学、生理学、计算机科学等诸多方面的学者研究视觉感知的有效工具。其次，图 像处理在军事、遥感、气象等大型应用中有不断增长的需求。随着计算机的性 能的提高和价格的下降以及图像数字化和图像显示设备的普及，数字图像处理领 域将继续成长。 m a ：na b 是由m a t h w o r k s 公司开发的一种主要用于数值计算及可视化图形 处理的工程语言。它将数值分析、矩阵计算、图形图像处理、信号处理和仿真等 诸多强大的功能集成在较易使用的交互式计算机环境之中，为科学研究、工程应 用提供了一种功能强、效率高的编程工具。一幅数字图像是一个被量化的采样的 二维矩阵，而m a t l a b 语言又是进行矩阵运算的最好工具。所以我们将二者结 合起来研究。 3 1数宇圈像处理技术 3 1 1 敦宇圈像处理技术的发展概况 数字图像最初应用在新闻业，首批图片是通过海底光缆在伦敦和纽约之间被 传送的。2 0 世纪2 0 年代初期b a r t l a n e 光缆图片传输系统的引入，使得一幅图片 穿过大洋洲所用的时间由原来的一个星期减少到3 个小时；2 0 世纪4 0 年代，数 字计算枫的出现，使得用计算机处理图像成为可能：6 0 年代早期，能够进行大量 图像处理的计算机出现，使得图像处理技术得到发展。令天，数字图像处理技术 广泛应用于科学研究、工农业生产、医疗保健、航空航天、军事等各个领域，在 国民经济中发挥着越来越大的作用。 3 1 2 圈像的数字化 在自然形式下，图像并不能直接由计算机分析。因为计算机只能处理数字而 不是图像，所以一幅图像在用计算机进行处理前必须先转化为数字形式。 不是图像，所以一幅图像在用计算机进行处理前必须先转化为数字形式。 缸i 2 页 第3 章数字图像处理技术及m a t l a b 实现方法 物理图像被划分为称作图像单元( p i c t u r ee l e m e n t ) 的小区域，图像元素简称为 像素( p i x e l ) 。最常见的划分方案是采用方形的采样方格，图像被分割成由相邻像 素组成的水平线，赋予每个像素位置的数值反映了物理图像上对应的亮度。 图像的转化过程称为数字化，如图3 1 所示。在每个像素的位置，图像的亮 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 的像素完成上述的转化后，图像就被表示成一个整数矩阵。此数字矩阵就作为计 算机处理的对象了。 像素 一 采样间隔一 问隔日 图3 1 图像数字化1 所以数字图像定义为一个被采样和量化后的二维函数( 该二维函数由光学方 法产生) ，采用等距离的矩形网格采样，对幅度进行等间隔量化。 3 1 3 数宇图像处理的一些术语 扫描( s c a n n i n g ) 指对一幅图像内给定位置的寻址。在扫描过程中被寻址的最小 单元是图像元素( p i c t u r ee l e m e n t ) ，即像素。 采样( s a m p l i n g ) 指在一幅图像的每个位置上测量灰度值。采样通常是由一个图 像传感元件完成，它将每个像素的亮度转换成与其成正比的电压值。 量化( q u a n t i z a t i o n ) 是将测量的灰度值用整数表示，将连续的测量值转化为离 散的整数。扫描、采样和量化这三个步骤构成了数字化( d i g i t i z a t i o n ) 的过程这样 我们得到了数字图像。 数字化( d i g i t i z i n g ) 是将一幅图像从原来的形式转化为数字形式的处理过程。 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。 噪声( n o i s e ) - - 般指加法性也可能是乘法性的污染。 灰度分辨率( g r a y s c a l er e s o l u t i o n ) 是指值的单位幅度上包含的扶度级数。 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( 如 扰i ：i 丽 第3 章蠹字圈像处理技术及m a t l a b 实现方法 p i x e l m m ) 。采样密度的倒数是像素间距( p i x e ls p a c i n g ) 。 3 1 4 数字图像处理方法 数字图像处理方法大致可分为两大类，即空域法和变换域法。 ( 1 ) 空域法 这种方法是把图像看作平面中各个像素组成的集合，然后直接对这一二维函 数进行相应处理。空域处理法主要有下面两大类。一是邻域处理法。其中包括梯 度运算( g r a d i e n ta l g o r i t h m ) 、拉普拉斯算子( l a p l a c i a no p e r a t o r ) 、平滑算子运算 ( s m o o t h i n go p e r a t o r ) 和卷积运算( c o n v o l u t i o n a l g o r i t h m ) 。二是点处理法。其中 包括灰度处理、面积、周长、体积、重心运算等。 ( 2 ) 变换域法 这种方法首先对图像进行正交变换，得至变换系数阵列，然后对变换后的图 像在频域中进行各种再处理( 往往相对于空间域内更方便快捷) ，最后把处理结果 逆变换到空间域，从而得到处理后的目标图像。 3 1 5 数宇图像处理的内容 数字图像处理概括的讲主要包括以下几项内容：几何处理( g e o m e t r i c a l p r o c e s s i n g ) 、算术处理( a r i t h m e t i ep r o c e s s i n g ) 、图像增强( i m a g ee n h a n c e m e n t ) 、图 像复原( i m a g er e s t o r a t i o n ) 、图像重建( i m a g er e c o n s t r u c t i o n ) 、图像编码( i m a g e e n c o d i n g ) 、图像识，j i j ( i m a g er e c o g n i t i o n ) 、图像理解( i m a g eu n d e r s t a n d i n g ) 。 3 2 1m a t l a b 语言的发展概况 m a t l a b 名字由m a t r i x 和l a b o r a t o r y 两词的前三个字母组合而成。2 0 世 纪七十年代后期，时任美国新墨西哥大学计算机科学系主任的c l e v em o l e r 教授 出于减轻学生编程负担的动机，为学生设计了一组调用l i n p a c k 和e i s p a c k 库 程序的“通俗易用”的接口，此即用f o r t r a n 编写的萌芽状态的m a t l a b 。经 凡年的校际流传，在l i r l e 的推动下，由l i t t l e 、m o l e r 、s t e v eb a n g e r 合作，于 毓id 啊 第3 章数字幽像处理技术及m a t l a b 实现方法 1 9 8 4 年成立了m a t h w o r k s 公司，并把m a t l a b 正式推向市场。从这时起，m a t l a b 的内核采用c 语言编写，而且除原有的数值计算能力外，还新增了数据图视功能。 m a t l a b 以商品形式出现后的短短几年，就以其良好的开放性和运行的可靠 性，使原先控制领域里的封闭式软件包纷纷淘汰，而改在m a t l a b 平台上重建。 在时间进入2 0 世纪九十年代的时候，m a t l a b 已经成为国际控制界公认的标准 计算软件。到九十年代初期，在国际上3 0 几个数学类科技应用软件中，m a t l a b 在数值计算方面独占鳌头，而m a l h e m a t i c a 和m a p l e 则分居符号计算软件的前两 名。m a t h c a d 因其提供计算、图形、文字处理的统一环境而深受大学生欢迎。 m a t h w o r k s 公司于1 9 9 3 年推出了基于w i n d o w s 平台的m a t l a b 4 0 。4 x 版 在继承和发展其原有的数值计算和图形可视能力的同时，出现了以下几个重要变 化：( 1 ) 推出了s i m u l i n k ，一个交互式操作的动态系统建模、仿真、分析集成 环境。( 2 ) 推出了符号计算工具包。一个以m a p l e 为“引擎”的s y m b o l i cm a t h t o o l b o x1 0 。此举结束了国际上数值计算、符号计算孰优孰劣的长期争论促成 了两种计算的互补发展新时代。( 3 ) 构作了n o t e b o o k 。m a t h w o r k s 公司瞄准应用 范围最广的w o r d ，运用d d e 和o l e ，实现了m a t l a b 与w o r d 的无缝连接， 从而为专业科技工作者创造了融科学计算、图形可视、文字处理于一体的高水准 环境。从1 9 9 7 年春的5 o 版起，后历经5 1 、5 2 、5 3 、6 0 、6 1 等多个版本的不 断改进，m a t l a b “面向对象”的特点愈加突出，数据类型愈加丰富，操作界面 愈加友善。2 0 0 2 年初夏所推6 5 版的最大特点是：该版本采用了j i t 加速器从 而使m a t l a b 朝运算速度与c 程序相比肩的方向前进了一大步。 m a t l a b 由于其强大的计算功能被业界誉为“巨人肩上的工具”它的应用领 域在不断的扩大，主要的应用领域为仿真和建模、实时仿真、自动控制、信号处 理与通信、数据分析科学计算、算法开发、图形和可视化法等。