（信号与信息处理专业论文）基于数字图像处理的织物结构参数自动识别的研究.pdf

摘要传统的织物生产过程主要依靠人工检测进行来样分析，分析效率较低。将数字图像处理技术应用于织物结构参数的自动识别，改变了纺织行业中传统的手工操作流程，大大提高了工作效率，对实现纺织产品生产的自动化、智能化具有重要意义。当前常用的织物结构参数识别算法主要采用二维傅立叶变换技术。课题设计中引入数学形态学运算，考虑不同组织类型织物中纱线的实际排列特点，针对不同组织类型的织物采用不同的图像处理算法，提出了一种新的基于数学形态学的织物结构参数自动识别算法，包括织物经纬纱密度的识别、组织循环经纬纱数的识别以及组织结构的识别。该方法在对织物图像进行预处理后，提取直方图特征参数来判定织物组织类型：结合聚类分析的方法设计了自适应结构算子选择算法，对不同组织类型的织物自动选择合适的结构算子，并使用该结构算子对织物图像进行形态学运算，提取出织物图像的经、纬纱排列图像；再对经、纬纱排列图像进行后处理和分析，最后识别得到织物结构参数。算法在设计中充分考虑了织物本身的特点；使用数学形态学运算，通过直接调整结构元素的形状来调整图像的处理结果，改善了传统分析方法复杂化的缺点，提高了结构参数的识别精度。本文对不同组织类型的织物图像进行了实验，结果表明算法可以有效地进行织物结构参数的识别，且识别精度较高。关键词：经密；纬密；组织结构：数学形态学a b s t r a c ti nt h et e x t i l ei n d u s t r y ，t h es t r u c t u r eo ff a b r i ca n a l y s i si su s u a l l ya n a l y z e db yw o r k e r ss ot h ea n a l y s i sp r o c e d u r ei sv e r yt i m ec o n s u m i n ga n di n e f f i c i e n c y i no r d e rt oi m p r o v ew o r ke f f i c i e n c y ，d i g i t a li m a g ep r o c e s s i n gi su t i l i z e dt oa c h i e v ea u t o m a t i cr e c o g n i t i o no ff a b r i cs t r u c t u r ep a r a m e t e r s i tp l a y sa l li m p o r t a n tr o l et oi m p r o v ea u t o m a t i z a t i o na n da r t i f i c i a li n t e l l i g e n c ei nt e x t i l ep r o d u c t i o n n o w a d a y sr e c o g n i t i o no f f a b r i cs t r u c t u r ep a r a m e t e r sc o m m o n l yu s e st w o - d i m e n s i o n a lf o u r i e rt r a n s f o r m t h i st h e s i sp r o p o s e san e wa u t o m a t i cr e c o g n i t i o na l g o r i t h mo ff a b r i cs l r u c t t t r ep a r a m e t e r sb a s e do nm a t h e m a t i c sm o r p h o l o g y , w h i c hi n c l u d e sw e f ta n dw a r pd e n s i t y ,f a b r i cc y c l ea n ds t r u c t u r e i nt h ea l g o r i t h m ，m a t h e m a t i c sm o r p h o l o g yo p e r a t i o ni sa p p l i e da n dt h ea c t u a la r r a n g e m e n tf e a t u r e so fy a r ni nd i f f e r e n tf a b r i c si sc o n s i d e r e d ；w h i l ed i f f e r e n tf a b r i c sa r ed e a lw i t hd i f f e r e n ti m a g ep r o c e s s i n ga l g o r i t h m f i r s t l y ，a f t e rp r e - p r o e e s s i n go ff a b r i ci m a g e ，h i s t o g r a mf e a t u r e sa r ee x t r a c t e dw h i c ha r eu s e dt or e c o g n i z ef a b r i cs t r u c t u r et y p e s s e c o n d l y , c o m b i n i n gc l u s t e ra n a t y s i sm e t h o d , a n a d a 茈v es 仃1 1 9 t i l r c 叩洲o f6 b o & i n ga l g o r i t h mi s 。蠢b m i t t e dw h i e ho 晶p e r f o r ma u t o m a t i cs e l e c to fs u i t a b l es t r u c t u r eo p e r a t o rf o rf a b r i ci m a g e t h i r d l y ，m o r p h o l o g yo p e r a t i o ni su s e do nt h ef a b r i ci m a g e su s i n gt h e s es t r u c t u r eo p e r a t o r si no r d e rt oo b t a i nw e f ta r r a n g e m e n ti m a g ea n dw a r pa r r a n g e m e n ti m a g e s p o s t - p r o c e s s i n ga n da n a l y s i sa r ei m p l e m e n t e do nt h ew e f ta r r a n g e m e n ti m a g e sa n dw a r pa r r a n g e m e n ti m a g e sa n df m a l l yt h es t r u e t u r ap m m l l e t e r so ff a b r i ca r eg o t t e n b e c a u s et h ec h a r a c t e r i s t i c so f t h ef a b r i ca r ec o n s i d e r e da n dt h er e s u l t so fi m a g ep r o c e s s i n gc a l lb ec h a n g e db yd i r e c t l ya 由u s tt h es h a p eo fs t r u c t u r eo p e r a t o ri nm a t h e m a t i cm o r p h o l o g y ，t h ei d e n t i f i c a t i o na c c u r a c yo fs t r u c t u r ep a r a m e t e r si si m p r o v e da n dt h ed e f e c t so ft r a d i t i o n a lm e t h o da l ea v o i d e d t h ea l g o r i t h mi st e s t e do nf a b r i ci m a g e sa n dt h ee x p e r i m e n tr e s u l t ss h o wt h a ti ti se f f i c i e n ta n dh a sh i g h e rr e c o g n i t i o nr a t e k e y w o r d s ：f a b r i c ；s t r c t u r e ；d e n s i t y ；f o u r i e rt r a n s f o r m ；m a t h e m a t i cm o r p h o l o g y ；c l u s t e ra n a l y s i s独创性声明本人声明所里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，也不包含为获得丞洼王业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；菇被墓，签字日期：山严 ，月j 、日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。特授权云潼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：，艿戳蘩，导师签名：互吕乏彳善签字日期：p 7 年7 月，日签字日期：2 7 年z 只夕日学位论文主要创新点一、设计了一个用于反映织物图像组织类型的图像特征参数，在对录入织物图像进行结构参数的识别之前，首先提取织物图像的特征参数来确定输入织物图像的组织类型，这是实现织物参数识别智能化的前提条件。二、充分考虑织物本身所提供的信息，引入数学形态学运算对图像进行处理，针对不同的组织类型的织物采用不同的图像处理方法，有利于提高织物结构参数的识别精度。三、结合聚类算法思想提出了一种形态学算子的自适应选择方法；对不同的织物图像自适应选择合适的形态学结构算子，利用算子对织物图像进行形态学运算可以单独提取织物图像中的经纱排列图像和纬纱排列图像。、_，四、使用一种改进的模糊增强算法对织物图像进行图像增强运算。第一章绪论第一章绪论用计算机对图像进行处理，与人类利用视觉机理进行测量的历史相比，它是一门相对年轻的学科。但在其短短的历史中，它却几乎被应用于所有与成像有关的领域中，并取得了不同程度的成功。由于其表现方式( 用图像显示) 所固有的魅力，它正不断吸引众多科研人员的注意力。近年来，随着图像处理所需计算机设备性能的不断提高，新技术的不断出现，计算机图像处理的应用越来越广泛。目前图像处理技术作为一种全新的测试技术，已经越来越多地运用在纺织品的多项检测中。中国纺织工业是全球纺织品的最大产地及原料采购方，对于企业，如何提高自身市场反应速度是一个具有现实意义的问题。作为若干流程中的一部分，来样分析目前是由人工完成的，这是纺织企业信息化、生产自动化的瓶颈，如果能将数字图像处理技术运用于织物结构参数的检测中，设计出一套实用性强的织物结构参数的自动识别算法，将会对这一问题的解决产生巨大的作用。目前，国内外的学者在这些方面己做了一定的研究，大多数集中在纺织品的计算机辅助设计，即纺织品c a d 方面，开发了一系列的c a d 软件，尤以织物c a d为多。但是，对于它的逆过程织物结构参数的自动识别研究较少，现有的一些研究也仅仅停留在探索阶段，无法用于实际的生产。1 1织物结构参数及其检测方法简介”棚织物的结构参数包括经纬纱密度、经纬纱特数、织物组织、组织循环经纬纱数、经纬向紧度、平方米重量等。在原料相同的情况下，密度的配置、织物中经纬纱特数、组织循环经纬纱数将直接影响到织物的紧度、重量等，因此，在织物结构参数中，组织循环经纬纱数、经纬纱密度又是最基本的参数。1 1 1 经纬纱密度织物的经、纬纱密度指织物单位长度中排列的经纬纱根数。织物密度的计算单位以公制计，是指l o o m 内经、纬纱排列的根数。密度的大小，直接影响织物的外观、手感、厚度、强力、抗折性、耐磨性和保暖性能等物理机械指标，同时它也关系到产品的成本和生产效率的大小。第一章绪论传统的经纬纱密度测定方法有两种；直接测数法和间接测定法。( 1 ) 直接测数法：直接测数法是借助于照布镜或织物密度分析镜来完成。织物密度分析镜的刻度尺长度为5 绷，在分析镜头下面，一块长条形玻璃片上刻有一条红线，在分析织物密度时，移动镜头，将玻璃片上红线和刻度尺上红线同时对准某两根纱线之间，以此为起点，边移动镜头边数纱线根数，直到5 册刻度线处为止。数出之纱线根数乘以2 ，即为1 0 硎织物的密度值。( 2 ) 间接测定法：这种方法适用于密度大的，纱线特数小的规则组织的织物。首先经过分析织物组织及其组织循环经纱数( 组织循环纬纱数) ，然后乘以l o c m中组织循环的个数，所得的乘积即为织物的经( 纬) 纱密度。1 1 2 组织循环经纬纱数织物中经纬纱相交处即为组织点；凡经纱浮在纬纱上，称经组织点；凡纬纱浮在经纱上，称纬组织点。当经组织点和纬组织点浮沉规律达到循环时，称为一个组织循环。组织循环经纬纱数即指构成一个组织循环的经纱数和纬纱数。传统的织物分析中，织物组织循环经纬纱数的确定是通过拆线法或直接观察法得到的。拆线法是将织物中密度较大的一个系统的纱线逐根拆出，利用密度小的纱线系统的间隙观察经纬纱的交织规律，交织规律发生重合时，认为是一个组织循环，记录其纱线根数及循环内组织点特征。直接观察法是借助于照布镜或依靠目力，直接观察织物，确定经纬纱的交织规律，组织循环纱线数。直接观察法需要有经验的工作人员来完成，主要是用来分析单层的密度不大、纱线特数较大的原组织织物和简单的小花纹组织织物。1 2 国内外研究现状随着计算机图像处理技术应用的不断推广，近十几年来，纺织领域也象其它学科领域一样，在很多方面开始利用数字图像处理技术进行分析与检测，从而建立起微观结构与宏观性质之间的关系。借助于图像特征参数的识别、抽取、统计和分析可以完成许多测试工作。目前，图像处理技术在纺织工业中的应用，已经走出了纯学术理论的研究，在一些领域正准备投入实际应用，主要有以下两种方式的应用：一是以图像处理为主要方式，有织纹标样设计、色彩分析与管理、纺织品立体仿真、悬垂性评定等；二是以图像分析为主要方式，有非织造布中纤维及纤维取向的评定、织物表面状态的分析评价( 如表面疵点、起球等级、折皱等级评价等) 、织物组织结构第一章绪论分析、棉纤维成熟度、化纤异型度、混纺纱中各组分百分比评定等。由于本课题研究的重点是织物参数的测量，因此本文主要对这方面及相关领域国内外技术进行了跟踪。1 9 9 0 年，e j w oo d 率先用傅立叶变换及相关函数对图像进行处理 4 1 ，从中提取模式特征，用于地毯模式特征的识别，得到了令人满意的结论。1 9 9 1 年，d o n g t h e nhe 提出用纹理谱特征来描述图像的纹理规掣习，再结合其它算法实现了有监督的复杂图像纹理分割。1 9 9 5 年，s a l a r i e 等使用小波分解方法进行纹理图像分割 6 1 ，分割成功率高。1 9 9 6 年，日本的太田健一等分别在经纬向利用矩形带通滤波及阀值化得到经纬纱在织物中的位置，然后由一扇形带通滤波处理得到经纬纱交织点的椭圆状突起的位置，从而确定交织情况 - q 。仅通过两种带通滤波及二值化，即简单而有效地确定了组织结构。1 9 9 8 年，吴占胜等推出了计算机辅助织物密度分析系统嗍，用特殊的图像格式，模块化的编程风格，系统地实现了自动密度测量，并分析了软、硬件的测试性能。1 9 9 9 年，t e a j i n k a n g 等t 9 采用双光路( 透射和反射) 系统摄入织物图像后，运用自相关函数、图像分割、图像复原等技术对织物图像处理后，能够有效识别织物的组织循环、组织类型、经纬纱密度、经纬纱支数、以及配色模纹。这套系统既可以用于单色织物，也可以用于色织产品，但仅限于用在单层织物的分析中，不能识别复杂织物的织物组织结构。1 9 9 9 年，郭英凯用马尔可夫随机场模型提取纹理特征实现了纹理分割【1 0 j ，说明马尔可夫随机场模型可以用来插述纹理特征。1 9 9 9 年，辛斌杰等用傅利叶变换及反变换对织物经纬密度进行了快速、准确的自动测量【i l 】，并开发了相应的软件系统。总的来说，有关计算机图像处理技术在纺织工业领域中的应用研究，近几年来逐渐增多，但我国在这方面的研究起步较晚，在织物组织结构识别方面的研究还非常有限，都没有形成比较完整的系统。因而，国内在这方面的研究还有待深入。1 3 课题的研究内容及意义课题主要研究内容是实现不同组织类型织物图像的经纬纱密度、组织循环经纬纱数的自动识别，并根据结构参数绘制出织物组织图，设计出一套实用性较强的自动识别算法。相对于传统方法，这对工厂来说，一可以减少不必要的人员费第一章绪论用，提高人员工作效率，二可以为企业的信息化、生产的自动化打下基础；同样对于日益繁忙的贸易公司和研究所这些不从事生产的实体( 也许这种现状会改变) 也具有一定的现实意义，贸易公司可以利用它进行成本核算，与生产部门签订更有利的生产合约或自行制定原材料采购计划：而研究所则可把研究人员从枯燥的体力劳动中解放出来，让研究人员把宝贵的时间投入到研究中。因此，研究开发一套完整的织物组织结构的自动识别算法并进行系统实现，对改变纺织企业管理生产模式、提高纺织行业中一些部门的工作效率具有一定的实际意义。第二章总体设计方案第二章总体设计方案本文介绍的对织物结构参数的自动识别主要包括织物纬纱密度、织物经纱密度、组织循环经纱数以及组织循环纬纱数的识别，以及组织图的绘制几个方面。2 1方案选择课题初始阶段，经过大量的文献查阅和相关技术的学习，拟定了几种初步设想的方案，现逐一分析比较各个方案的优缺点，以便最终得出最佳方案。方案一：利用傅立叶变换技术和自相关分析方法测量织物结构参数1 1 2 删织物图像通过二维傅立叶变换技术将空间域的信息转化为频率域的信息，并将傅立叶变换的结果以功率谱图像的形式表达出来；在织物图像的功率谱图中表现为有一排一排排列着的功率谱峰值；平纹织物水平方向的峰值与经纱有关，而垂直方向的峰值与纬纱有关；斜纹织物斜向的峰值与经纱有关，而垂直方向的峰值与织物纬纱有关；通过提取不同方向的峰值，再进行傅立叶反交换得到经纱和纬纱的排列结构，从而求得织物的经密和纬密。对于组织循环纱线数的识别可通过自相关分析得到；读取织物图像自相关图像上水平和垂直方向中心线上的亮度值并分别做出两个方向亮度值的曲线图，再对曲线进行一维傅立叶变换，求出周期，该周期即为一个组织循环在织物图像中所占的象素数，将其除以纱线间距即求得织物的组织循环纬纱数以及组织循环经纱数。方案二：利用织物图像的纬向亮度信息和自相关分析的方法测量织物结构参数 1 5 - 1 6 】首先计算扫描得到的织物图像纬向亮度的均值，以得到包含纱线位置更替变化的纬向亮度信息，然后对纬向亮度信号进行傅立叶变换和峰谷提取运算，用于确定纬纱的位置和密度；对得到的纬纱排列参数进行分析，建立纬纱单元图像( 以一根纬纱为中心向前、向后各l ，2 纬纱间距范围所包含的织物单元) ；对纬纱单元图像进行相关系数分析，找出纬纱循环数；由同相位纬纱单元建立同类纬纱单元图像；求出同类纬纱单元图像的经向亮度，通过对经向亮度信号分析以区分经组织点区域与纬组织点区域；分析相邻的同类纬纱单元图像上组织点区域的变动，从而确定经纱位置和密度；最后对纬纱单元图像信号求自相关函数，求得用象素表示的组织循环经纱数，再除以平均纬纱间距得到实际组织循环经纱数。方案三：利用数学形态学边缘检测方法测量织物结构参数选用一种基于弱对比度多结构元的形态学边缘检测方法【1 7 1 对经过灰度化、图第二章总体设计方案像增强等预处理后的织物图像进行边缘检测得到织物图像的边缘图像；设法提取边缘图像中的交叉点位置，交叉点位置即反映原织物图像中的组织点位置；统计组织点附近象素点亮度的变化以确定组织点类型；通过对图像进行遍历分析各行、列上组织点类型，进而得到织物纬纱密度、经纱密度以及组织循环纱线数等结构参数。方案四；利用数学形态学方法测量织物结构参数考虑不同组织类型织物中纱线的实际排列特点，采用不同的方法予以识别织物结构参数；通过提取织物图像中的直方图信息判定织物组织类型并对不同组织类型的织物图像选取合适的结构算子进行数学形态学运算p s - 1 9 以得到织物图像的经纱分割图像和纬纱分割图像；对经、纬纱分割图像进行统计测量得到织物经、纬纱间距及密度；由得到的经纬纱间距划分出组织循环单元，做出组织循环单元中纬向亮度曲线，分析纬向亮度曲线中的峰值点位置和坐标得到纬纱确切位置及组织循环纬纱数；进一步分析纬纱位置处组织循环单元图像中的经向信号得到组织循环经纱数，并根据组织循环经纬纱数绘制织物组织图。方案五：基于基元特征匹配的织物结构参数测量【2 口】通过织物图像亮度变化曲线来获取织物纹理基元的大小并在此基础上定义并提取织物的一些基元特征；对这些基元通过特征匹配寻找图像中相同的基元，得到基元相似性测度图像；分析基元相似性测度图像从而得到织物经纬纱密度以及组织循环纱线数。在上述方案中，方案一和方案二较适用于纱线间隔分明、排列周期性显著的织物。但由于一般的非平纹织物通常具有织物经向紧度较高、相邻经纱之间的间隙不明显且经纱排列随机性大等特点，对仍然沿用傅立叶变换分析方法测量织物经纬密度的方案一容易因为功率谱分布范围扩散，难以精确提取结构信息，从而无法正确得到织物的经纬密度；而对于方案二则会因为得到的纬向亮度曲线波动较大而无法精确提取峰谷值，从而降低经纬纱密度的测量精度。方案三适用于表面平整、纱线间隔分明的平纹织物；但对扫描仪的扫描精度及光照条件要求较高；并且，对于一般的斜纹织物进行边缘检测时得到的边缘图像比较混乱且容易出现虚假边缘不利于后续的图像分析。方案五是建立在织物表面图像纹理信息的基础上的，它可以扩展到对变化组织及复杂织物组织结构的识别；但在识别过程中必须对特定位置的列或行上的亮度变化曲线进行分析以确定基元位置和大小，无法做到自适应且分析方法复杂。方案四与其他四种方案相比具有以下几个优点：1 充分考虑了织物本身所提供的信息，利用数学形态学技术对织物图像进行分析，对不同组织类型的织物采用不同的方法进行结构参数的测量，且对录入织物6第二章总体设计方案以及录入设备的要求不是很高，较适用于投入实际应用。2 形态变换是对图像的局部变换，即运算只与某点邻域内的信息有关而与整体信息无关，这样就减少了无关的信息量，提高了运算效率。形态学计算简单，运算速度快，并且可以通过直接调整结构元素的形状来调整图像的处理结果。这给织物图像的实时处理提供了一个有效的途径。针对上述五种方案的优缺点比较，设计中本文选用方案四作为总体设计方案，结合各种的图像处理及识别方法实现对织物结构参数的自动测量。2 2 方案简介织物结构参数自动识别的总体设计方案如图2 1 所示。图2 - l 总体设计方案框图使用分辨率为6 0 0 d p i 的方正扫描仪作为图像录入设备，对织物试样进行扫描以采集到织物试样的彩色数字图像。图像预处理包括将彩色图像灰度化以及图像增强两部分内容。由于输入图像为真彩色图像，而后续的图像处理方法是针对灰度图像进行的，故因在后续的图像处理操作前将彩色图像转换为灰度图像，即彩色图像的灰度化处理。进行灰度化处理后的图像较为模糊且平均亮度较低，为改善图像质量，突出织物图像中的经纬纱信息，利于织物组织类型的识别应对灰度图像进行图像增强。织物中经纱和纬纱相互交错或彼此沉浮的规律称为织物组织，织物基本组织分为平纹组织、斜纹组织和缎纹组织三种。在对录入织物图像进行结构参数的分析之前，首先提取织物图像的特征参数来确定输入织物图像的组织类型，是实现织物参数识别智能化的一个前提。在设计中定义了一个织物组织类型特征参数，根据求得的参数的取值范围的不同，自动识别输入的织物图像组织类型。不同组织类型的织物采用不同的图像处理方法进行处理，这一步骤称为织物组织类型的确定。在本课题中主要讨论平纹织物图像以及斜纹织物图像的处理。引入数学形态学运算方法并结合各类图像处理及识别算法对经过预处理及织物组织类型判定第二章总体设计方案后的织物图像进行处理和分析，提取出我们所需要的织物结构参数，并将数据输出，完成对织物结构参数的自动识别。根据上述方案分析，课题中主要解决以下四个方面的问题：( 1 ) 织物组织类型的判定观察织物经纬纱交织规律，找出能够反跌织物组织类型变化的参数，根据参数取值的不同判定输入织物的组织类型。( 2 ) 形态学运算中结构算子的自适应选择课题设计中采用数学形态学运算提取织物图像中的经、纬纱分割图像：要求对不同组织类型的织物图像自适应选择结构算子，使用结构算子对织物图像进行形态学开运算，用于提取织物图像中的经纱、纬纱分割图像。( 3 ) 平纹织物图像处理及结构参数的自动识别考虑平纹组织中的经纬纱每间隔一根纱线就进行一次交织，因此具有纱线在织物中交织频繁，浮长线较短，纱线位置差异小等特点；设计合理的平纹织物图像处理算法，并通过实验来验证算法的可行性。由于平纹织物的组织循环经纬纱数以及组织图为特定的，所以不需再进行识别。( 4 ) 斜纹织物图像处理及结构参数的自动识别斜纹组织的织物表面上有经( 或纬) 浮长线构成的斜向织纹，经纱排列随机性大，位置差异大，故其不能沿用平纹组织织物的分析方法。根据斜纹织物的特点，设计出一套适用于斜纹织物图像的算法，并需通过实验来验证算法的可行性。8第三章算法分析与设计第三章算法分析与设计上一章提出了利用图像处理技术进行织物结构参数自动识别的总体设计方案。本章从图像预处理、织物组织类型确定、平纹织物结构参数识别以及斜纹织物结构参数识别几个方面详细阐述方案中的算法设计与相关的图像处理技术。3 1 图像预处理将由扫描仪采集到的彩色织物图像进行灰度化以及图像增强预处理，得到利于后续分析的织物图像。其数据处理流程如图3 1 所示。匾恒顼处理、黼淅噩h 廿篓凳i 一一一一一一j图3 1图像预处理流程3 1 1 图像灰度化灰度化就是使彩色的r 、g 、b 分量值相等的过程。由于r 、g 、b 的取值范围是0 2 5 5 ，所以灰度的级别只有2 5 6 级，即灰度图像仅能表现2 5 6 种颜色( 灰度) 。灰度化处理的主要方法有如下3 种。1 最大值法：使r 、g 、b 的值等于3 值中最大的一个，即r = g = b - - - m a x ( r , g , b )最大值法会形成亮度很高的灰度图像；2 平均值法：使r 、g 、b 的值等于三者的平均值，即r = g = b = ( r + g + b ) 3平均值法会形成较柔和的灰度图像；3 加权平均值法；根据重要性或其他指标给r 、g 、b 赋予不同的权值，并使r 、g 、b 的值加权平均，即r = g = b = ( w x r 十w g g + w b + b ) 3其中w e 、w g 、w b 分别为r 、g 、b 的权值。w r 、 n o 、w b 取不同的值，就形成不同的灰度图像。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，因此使w c r w r w b 将得到较合理的灰度图像。实验和理论推导9第三章算法分析与设计证明，当w r = o 3 0 ，w g = 0 5 9 ，w b = o 1 1 时，即当v g r a y = 0 3 0 r + 0 5 9 g + 0 1i b嘞2 b = v g r a y时，可得到最合理的灰度图像。比较上述三种灰度化处理方法的优缺点，本文选用加权平均值法进行图像的灰度化处理，得到较满意的灰度图像。具体实现方法如下图3 2 所示：输入扫描的i i 根据v 。= o 3 0 r + o 5 9 g + 0 1 1 b彩色图像j l 计算图像中每个象索点的新灰度值3 1 2 图像增强图3 - 2 灰度化处理数据流程输出灰度图像图像增强就是增强图像中用户感兴趣的信息，其主要目的有两个：一是改善图像的视觉效果，提高图像的清晰度；二是使图像变得更有利于计算机处理。图像增强的方法一般分为空间域和变换域两大类。空间域方法直接对图像像素的灰度进行处理。变换域方法在图像的某个变换域中对变换系数进行处理，然后通过逆变换获得增强图像。直方图均衡算法是图像空域增强中的最常用、最重要的算法之一。它以概率理论作基础，运用灰度点运算来实现直方图的变换，将图像的原始直方图交换为接近均匀分布的直方图，可使图像的灰度间距增大或灰度均匀分布、增大反差，使图像的细节变得清晰，从而达到图像增强的目的。设原图像象素总数为，有三个灰度级，第k 个灰度级灰度出现的频数为心。若原图像象素点( f ，) 的灰度为r ，则直方图均衡化处理后的图像在点( f ，) 处的灰度为：i t墨= r f a = 号= 岛= 一。+ 噍，k = o , 1 ，2 ，三一l公式( 3 1 )i = 0o ，神对变换后的s 值取最靠近的一个灰度级的值，建立灰度级变换表，将原图像变换为直方图均衡的图像。直方围均衡化效果图如图3 3 所示。l o第三章算法分析与设计( a ) 原始图像( b ) 直方图均衡化后的图像( c ) 原始图像直方图( d ) 均衡化后的直方图图3 - 3 直方图均衡化效果图3 2 织物组织类型确定在对录入织物图像进行结构参数的分析之前，首先提取织物图像的特征参数来确定输入织物图像的组织类型，是实现织物参数识别智能化的一个前提。观察织物经纬纱交织规律，发现织物中经纱排列随机性大，在织物组织循环中的位置差异易反映出织物组织类型的变化。对织物图像而言，经向亮度信号可以较好地反映出织物中经纱的位置排列信息，经分析和实验发现在经向亮度信号中提取位置特征信息可以很好地识别织物组织类型。1 织物亮度特性在自然状态下，机织物呈现薄片状的三维外观，厚度一般只有毫米级。织物图像是织物在一定光照条件下的二维显示，是对织物的光吸收或反射特性的记录。由于织物表面较为粗糙，在一定的光照条件下，l a m b e r t i a n 反射远大于镜面反射，根据l a m b e r t i a n 余弦定律，当表面的法线指向光照方向时，将有最大的感觉亮度。因而，当光源位于织物的正上方时，浮于表面的经纬组织点在其纱线轴线方向有最大的亮度。根据f t 皮尔斯、h t 诺维可夫等学者的研究结果表明，纱线在织物内的屈曲状态可由正弦曲线近似描述，截面形状近似椭圆。因此在纱线的轴心线上垂直第三章算法分析与设计高度值最大，在纱线的其余空间位置上垂直高度值渐减，这就使得织物图像在纱线的轴心线、纱线其余部分以及纱线之间空隙处出现明显的亮度梯度，亮度由高到低的排列依次为：纱线的轴心线、纱线的其余部分、纱线之间的空隙处。织物图像亮度的交变信号反映了纱线位置的更替，对于因纱线几何形态差异、织物形成条件波动、图像录入误差所形成的随机信号的干扰，可以采用数据平均的方法滤除掉。先在织物图像上建立坐标系，x 轴平行于纬纱y 轴平行于经纱，任意象素点的坐标为g ，y ) ，亮度值为g ，y ) ，设所要分析处理的纱线系统平行于x轴，则各行象素点亮度的平均值为1n - i三 ) = 吉，( 以力公式( 3 - 3 )1 弘0式中n 为x 轴方向图像样本的象素点数。2 高斯滤波由于经纱之间的间隙不明晰，排列随机性大以及细度变化等会导致织物图像的平均经向亮度曲线出现较大波动，是一条非光滑的曲线。由于在织物类型的确定步骤中要求记录曲线峰值点坐标，而非光滑的曲线将会导致对峰值点的误判，影响测量结果；因此在检测前应首先对经向平均亮度曲线进行高斯平滑处理。高斯函数在许多数学领域都有重要的应用。标准差为盯的一元高斯函数定义如下，其中c 是比例因子：，g ( 工) = c e2 一公式( 3 - 4 )为了建立滤波模板，c 一般取一个较大的值使所有的模板元素为整数。函数g o ) 下面的面积为l ，意味着它适合做为一个平滑滤波器，它对恒值区域无影响。对曲线进行高斯滤波的一般步骤如下；( 1 ) 选择一维g a u s s 模板1 ( x - x o ) g ( x ) = 焉三p2 ，q z 筇。其中x 2 1 ，2 ，l g ；i g 为g a u s s 模板的长度；= l g 2 。( 2 ) 用g a u s s 模板对曲线l ( y ) ( 长度为m ) 进行卷积运算得到厶( y )。( ) ，) = 三( _ ) ，) 宰g ( y )l o ( y ) 的长度为m + l g 。( 3 ) 三( 1 ：m ) = ( 厶( 1 ： f ) + l o ( t g ：i g + ，一1 ) ) 2公式( 3 5 )公式( 3 6 )第三章算法分析与设计重复执行( 2 ) 和( 3 ) 得到的厶( y ) 即为平滑后的曲线图。3 织物组织类型确定通过实验观察各类不同组织的经向亮度曲线发现，由于平纹织物组织类型简单，纱线间隔分明，排列周期性好故其经向亮度曲线平滑，峰值点明确且各峰点之间的间距变化不大；斜纹织物由于纱线间隔不明晰，间距之间存在细度差异，其经向亮度曲线出现尖角毛刺，相邻峰谷点之间出现多个峰值点，且峰谷点之间的间距较大；缎纹组织是三种基本组织中最复杂的一种组织，其经纱排列随机性较大，经向亮度曲线出现较大波动，毛刺较多，峰值点不明确。分析上述不同组织的经向亮度曲线各自的特点，可以发现峰值点之间间距变化最大的曲线是缎纹组织的曲线，其次是斜纹组织的曲线，而平纹组织的曲线峰值点之间的间距几乎不变，因此设计中利用亮度曲线峰值点之间间距变化的方差作为特征参数，来反映织物组织类型的不同；对于不同组织类型，参数的取值范围出现差异，经过多次实验发现当参数取值小于5 时，输入织物组织类型为平纹；当参数取值在【5 ，2 2 范围内输入织物组织类型为斜纹；当参数取值大于2 2 时输入织物组织类型为缎纹。因此根据特征参数取值的大小可以判断输入织物的组织类型。具体算法流程如图3 - 4 所示。第三章算法分析与设计图3 4 织物组织类型确定算法流程图下面使用一个实例来说明织物组织类型确定的过程。图3 5 ( a 1 ) 、( a 2 ) 、( a s ) 中所示分别为采用6 0 0 d p i 分辨率扫描得到并经过灰度化和直方图均衡化处理后的平纹织物图像、缎纹织物图像以及斜纹织物图像，图3 5 ( b i ) 、( b 2 ) 、( b 3 ) 中分别对应其平均经向亮度曲线；图3 5 ( c z ) 、( c 2 ) 、( c 3 ) 中则分别对应其高斯滤波后的亮度曲线。根据算法求得图( a 1 ) 中织物图像的组织类型特征参数值为0 9 7 9 6 2 2 ，故判定为缎纹织物，与实际相符合。( a 1 ) 平纹织物( b 1 ) 平均经向亮度曲线( c 1 ) 高斯滤波后的亮度曲线第三章算法分析与设计( a 2 ) 缎纹织物( b 2 ) 平均经向亮度曲线( c 2 ) 高斯滤波后的亮度曲线( a 3 ) 斜纹织物( b 3 ) 平均经向亮度曲线( c 3 ) 高斯滤波后的亮度曲线图3 5 织物类型确定3 3 平纹织物图像处理及结构参数识别若输入的织物数字图像被判定为平纹组织织物，则进入平纹织物图像处理及结构参数识别过程。具体实现流程如图3 - 6 所示。斟墓引豢篓卜叵匦劂鲨图3 6 平纹织物图像处理及结构参数识别过程数学形态学是一种以形态结构元素为基础对图像进行分析的数学工具。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。应用数学形态学可以简化图像数据，保持它们基本的形状特征，并除去不相干的结构。在研究中发现，选择合适的结构元素对织物图像进行形态学处理，可以很好地提取出织物图像中的纬纱排列图像以及经纱排列图像。对经、纬纱排列图像依次进行图像二值化和图像细化两个步骤，再对细化处理后的图像进行统计测量得到平纹织物结构参数并输出，实现了对平纹织物结构参数的自动识别。第三章算法分析与设计3 3 1 数学形态学数学形态学 2 1 - 2 4 是建立在严格的数学理论基础之上的一门科学，它具有一套完整的理论、方法和算法体系。它掘弃了传统的数学建模与解析的方式，以集合的观点来处理和分析图像。基于数学形态学的概念、变换和算子，描述图像中元素与元素、部分与部分间的关系，为图像处理开辟了新途径。数学形态学算子的性能主要以几何方式刻画，而不同于传统方式中以解析形式描述算子的性能，这种特点更适合视觉信息的处理和分析，数学形态学的基本思想如图3 - 7 所示。由图3 7 可知，当使用具有一定形态的结构元素度量和提取图像中的对应形状信息时，在形态学操作中最重要的是结构元素的选择。结构元素是一个用来定义形态操作中所用到的邻域的形状和大小的矩阵，该矩阵仅由0 和1 组成，具有任意的大小和维数，l 代表邻域内的像素。形态学运算都是对数值为1 区域的运算。结构元素图3 7 数学形态学基本思想最初应用形态学进行图像处理仅限于二值图像，后来逐渐拓展到灰度图像，所以形态学又分为二值形态学和灰度形态学。由于在设计中主要针对织物灰度图像进行形态学运算，故在此只对灰度形态学的基本运算做介绍。灰度形态学的基本运算有4 个：膨胀、腐蚀、开运算和闭运算。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。设厂b ，夕) 是输入图像，6 g ，) 是结构元素，它本身也是一个子图像。使用结构元素6 g ，y ) 对输入图像厂k y ) 进行膨胀、腐蚀、开运算以及闭运算的定义如下；1 膨胀使用结构元素6 g ，y ) 对输入图像厂b ，y ) 进行灰度膨胀记为，o b ，定义为( 厂0 6 ，f ) = m a x 扩g 一工，f y ) + 如，y ) l 0 一x ) ( f 一_ y ) b ；工d 。) 公式( 3 - 7 )其中9 和见是，和6 的定义域。这里限制g j ) 和( f y ) 在厂的定义域内，即要求在结构元素移动时必须有同图像f 相重合的点。式( 3 7 ) 的形式有点类似卷积运算，只是将卷积中的相乘替换为相加，求和替换为求最大值，而卷积时也要求两第三章算法分析与设计个函数定义域要有相交点，当卷积函数平移到被卷积函数之外时，两个函数无重合点，此点的卷积结果为0 ，进行膨胀运算时道理相同。下面用一维函数来简单介绍膨胀的含义和运算机理。用一维函数时，( 3 7 )式可以化简为( 厂o b x s ) = m a x f ( s x ) + 6 g ) l g x ) e q ；工b 公式( 3 8 )如同在卷积中，( _ 善) 是关于y 轴的对称，对正的j ，f ( s - x ) 向右边平移；对负的j ，厂0 一x ) 向左边平移。要求g 一膏) 在厂的定义域内和要求x 的值在b 的定义域内是为了让厂和b 相重合。膨胀计算是在由结构元素确定的邻域中选取f + b 的最大值，所以对灰度图像的膨胀操作有两类结果：一是如果结构元素的值都为正的，则输出图像会比输入图像亮；二是根据输入图像中暗细节的灰度值以及它们的形状相对于结构元素的关系，它们在膨胀中或被消减或被除掉。2 腐蚀使用结构元素6 g ，y ) 对图像，g ，_ y ) 进行灰度腐蚀记为f o b ，其定义为：( 细，f ) = m i n 驴g + 而h y ) 一如，y ) j g + x ) ( f + y ) d i ；x d 6 j 公式( 3 9 )其中d ，和d b 分别是，和6 的定义域。这里限制g + x ) 和( f + y ) 在的定义域之内，即要求在结构元素移动时必须完全被图像厂所包含。式( 3 - 9 ) 的形式有点类似相关运算，只是将相关中的相乘替换为相减，求和替换为最小值。如同讨论膨胀一样，下面先用一维函数来简单介绍腐蚀的含义和运算操作机理。使用一维函数时上式可以简化为：u 融) b ) = m i n 扩g + x ) 一6 g ) 1 g + 了) d i ；x d b 公式( 3 - l o )如同在相关运算中，对正的s ，f ( s + 曲平移向左边，对负的s ，f ( s + x ) 平移向右边。要求( s + x ) 在f 的定义域内和要求x 的值在b 的定义域内是为了使b 完全包含在f的平移范围之内。腐蚀的计算是在由结构元素确定的邻域中选取f - b 的最小值，所以对灰度图像的腐蚀操作也有两类结果：一是如果结构元素的值都为正的，则输出图像会比输入图像暗；二是如果输入图像中亮细节的尺寸比结构元素小，则其影响会被减弱，减弱的程度取决于这些亮细节周围的灰度值和结构元素的形状和幅度。1 7第三章算法分析与设计腐蚀运算在数学形态学运算中的作用是消除物体边界点。腐蚀可以把小于结构元素的物体( 毛刺、小凸起) 去除，这样，选取不同大小的结构元素就可以在原图像中去掉不同大小的物体。如果两个物体之间有细小的连通，那么当结构元素足够大时，通过腐蚀运算可以将两个物体分开。图3 8 显示了一幅图像f 被结构元素b 进行膨胀运算和腐蚀运算的结果。图( a ) 输入图像f图( b ) 结构元素b图( c ) 膨胀运算结果图( d ) 腐蚀运算结果图3 8 图像f 7 萄蚀和膨胀的运算结果3 开运算先腐蚀后膨胀称为开运算，定义为：石o b = ( 婀占) o b一般说来，开运算具有平滑功能，能清除图像的某些微小连接、边缘毛刺和孤立斑点；开运算( 针对黑点) 示例如图3 - 9 所示：黑点目标点，白点为背景，o r i g ；m是中心点。从图中可以看出，经过开运算后，一些孤立的小点被去掉了。oooooooo0 口6oooooo ooo o oo o oo oooooooo o ooxoooooooo o6ooo o oooooooo ooo ooooo0o00 0 oooooo o o oooox0 纛o ooooooo 口oo o ooooo aooo o oo o 9o o oo oooo oo ooo讲卿图3 - 9 开运算示例图4 闭运算先膨胀后腐蚀是闭运算，定义为：第三章算法分析与设计x b = ( x o 口) o 占闭运算具有填充物体内细小的空穴，弥合小裂缝，连接邻近物体的作用，而总的位置和形状不变。闭运算( 针对黑点) 示例如图3 - l o 所示：黑点目标点，白点为背景，o r i g i n 是中心点。从图中可以看出，经过闭运算后，断裂的地方被弥合了。o o o ooo oio o o：hooooooooooooooooo ooo