本发明专利技术涉及一种采用空域和频域相结合的基于机器视觉的织物纬密度测量的方法，其包括织物图像在空域的预处理、空域和频域结合提取织物纬线的纹理基元、织物纬密度的空域初步计算、织物纬密度的频域精确计算。利用空域与频域结合的处理方法，提高了纬密度的检测精度，成倍的削减空域处理中的数据量，提高了处理速度。在织物品种类型、尺寸大小、纬密度大小不同的情况下，自动快速、精确测量织物的纬密度。此方法具有检测效率高、适用性强、准确性高的特点。
【技术实现步骤摘要】
本专利技术属于织物参数测量领域，具体是一种采用空域和频域相结合的基于机器视觉的织物纬密度测量的方法。
技术介绍
现代人们对纺织品质量的要求不断提高，织物纬密度检测在印染行业已成为保证织物产品合格的重要步骤之一。织物纬密度是指织物单位长度所含的纱线根数，它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性能，关系到纺织企业的生产成本和效率。传统织物纬密度的检测主要靠人眼利用纬密度镜或者照布镜来检测，效率低，出错率高且主观性强，已经无法与生产自动化的今天相适应。上世纪80年代以来，由于具有非接触、快速等优点，基于机器视觉的自动测量方法在织物纬密度测量中应用越来越广泛。目前国内外对纺织品纬密度自动测量均进行了大量的研究。总的来说，基于机器视觉的织物纬密度测量由图像采集、图像预处理、特征提取等阶段构成，其核心是对采集的织物图像应用合适的方法进行处理，目前主要可分为空域处理方法和频域处理方法: I)空域处理方法。织物通常是由两个相互垂直的经纬纱线系统交织而成的，纬纱走向为一组间隔基本固定的平行线，且织物扫描图像中纱线处的灰度值高而纱线间的空隙处灰度值低，空域处理就利用上述特点对织物图像灰度级变换的特征进行量化，即进行织物纱线纹理特征的提取，从而计算织物的纬密度。常用的空域处理方法有灰度共生矩阵法、马尔可夫随机场纹理分析方法等，这些方法在处理大尺寸、高纬密的织物图像时，由于其相对于频域处理计算量大，存在测量速度慢等缺点，故而难以满足生产实时监测的要求。2)频域处理方法。织物图像反映了织物的表面形态，无论是纬纱还是代表纬纱的纹理基元都有周期性变化的灰度分布，包含了织物经纬纱线的信息，因此，可将图像的二维灰度分布变换为对应的二维频域中的频谱。织物纹理图像的傅里叶功率谱极值包含了丰富的织物结构信息，提取此结构信息再通过傅里叶反变换可有效地提取织物的空间结构特征。这种方法比直接从原始图像中提取空间结构信息更为容易、准确。功率谱峰值的大小和位置反映了纹理的周期性，但是在未知被测织物初略纬密度值和纬线倾斜角的情况下难以准确定位峰值点的位置且计算量大，同时对低纬密度织物图像，由于频域中的峰值点极其靠近频谱图像中心，定位峰值点位置时的极小偏差都可能带来较大的测量相对误差，因而也不能完全适应各种织物纬密度检测。可见，如果单独应用上述两种测量方法，受织物品种类型、尺寸大小、纬密度大小等因素的影响，测量速度和精度都难以完全满足实时在线测量的需求，有待进一步提高。
技术实现思路
本专利技术的目的是在克服传统方法只是单一在空域或频域中处理织物图像之不足的基础上，提出一种空 域与频域相结合的基于机器视觉的织物纬密度测量新方法，在织物品种类型、尺寸大小、纬密度大小不同的情况下，自动快速、精确测量织物的纬密度。此方法具有检测效率高、适用性强、准确性高的特点。本专利技术是一种空域与频域相结合的织物纬密度测量方法，该方法包括:织物图像在空域的预处理、织物纬线的纹理基元提取、织物纬密度的初步计算、织物纬密度的精确计算；所述基于机器视觉的织物纬密度测量方法包括如下步骤:步骤I 采用均值滤波与矫正相结合的方法对织物图像进行预处理，在采集大小为WXH像素点组成、视场测量范围为LcmXMcm的织物图像上，对于原始图像 (i，j)，首先生成尺寸为rXc的均值滤波器掩码M(i，j)权利要求1.，其包括:织物图像在空域的预处理、织物纬线的纹理基元提取、织物纬密度的初步计算、织物纬密度的精确计算；其特征在于，所述基于机器视觉的织物纬密度测量方法包括如下步骤: 步骤I 采用均值滤波与矫正相结合的方法对织物图像进行预处理，在采集大小为WXH像素点组成、视场测量范围为LcmXMcm的织物图像上，对于原始图像 i，j)，首先生成尺寸为rXc的均值滤波器掩码2.根据权利要求1所述的，其特征在于，所述从织物预处理图像中提取织物纬线的纹理基元包括如下步骤:①获取织物的空域自相关图像:首先，利用傅里叶变换，将预处理后的图像变换到频域，得其频域图像F (U，V)，计算此频域图像F (U，V)与其复共轭P (U，V)的乘积，再利用傅里叶逆变换变换回空域，得到预处理后织物图像的自相关图像，即Rc (m, n) =IFT ( F * (u, v) F (u, v))②提取局部极大值点位置:将步骤①所述织物自相关图像上的每个点用二次多项式3.根据权利要求1所述的，其特征在于，所述步骤3在空域中初略计算织物纬线的纬斜角与纬密度值，包括下列步骤: ①获取形态学结构元:连接图像原点与行方向最近的极值点获得区域形态学结构元； ②获取纬线的区域骨架:用所述步骤①中的结构元膨胀所有极值点区域并提取区域骨架，获取纬线的区域骨架； ③直线分割及拟合:所述步骤②中纬线的区域骨架为分割的许多待拟合的小段直线，采用Huber权重函数采用3次迭代计算，消除离群点，并拟合直线，获取织物纬线；④织物纬斜角、纬密度值的初步计算:选择图像中心附近的条纬线，由所述步骤③中拟合的直线的首尾坐标( Ii，r;)计算初略的平均纬斜角4.根据权利要求1所述的，其特征在于，每连续5幅单幅图像的纬密度的平均值作为测量的一次输出和显示。5.根据权利要求1所述的，其特征在于，在同一批织物中，将前10次输出和显示的纬密度的平均值作为后续织物图像的初略纬密值，将前10次输出和显示的纬斜角的平均值作为后续织物图像的初略平均纬斜角B，即可省略权利要求1中所述的步骤2和步骤3，织物图像经过步骤I所述预处理后，直接进入步骤4，根据此初略纬密值么％和平均纬斜角B来定位半径为r个像素、中心为(Rd，Cd)的小范围区域，并计算织物纬密度的精确值D,,,。全文摘要本专利技术涉及一种采用空域和频域相结合的基于机器视觉的织物纬密度测量的方法，其包括织物图像在空域的预处理、空域和频域结合提取织物纬线的纹理基元、织物纬密度的空域初步计算、织物纬密度的频域精确计算。利用空域与频域结合的处理方法，提高了纬密度的检测精度，成倍的削减空域处理中的数据量，提高了处理速度。在织物品种类型、尺寸大小、纬密度大小不同的情况下，自动快速、精确测量织物的纬密度。此方法具有检测效率高、适用性强、准确性高的特点。文档编号G01N21/84GK103234969SQ201310125878公开日2013年8月7日 申请日期2013年4月12日 优先权日2013年4月12日专利技术者许桢英, 王匀, 李文斌, 李亚东, 欧阳世佳, 李小凤 申请人:江苏大学本文档来自技高网...
【技术保护点】
一种基于机器视觉的织物纬密度测量新方法，其包括：织物图像在空域的预处理、织物纬线的纹理基元提取、织物纬密度的初步计算、织物纬密度的精确计算；其特征在于，所述基于机器视觉的织物纬密度测量方法包括如下步骤：步骤1??采用均值滤波与矫正相结合的方法对织物图像进行预处理，在采集大小为W×H像素点组成、视场测量范围为Lcm×Mcm的织物图像上，对于原始图像????????????????????????????????????????????????(i,j)，首先生成尺寸为r×c的均值滤波器掩码M(i,j)=，并将所述滤波器掩码M(i,j)代入预处理计算式(i,j)=round(127?M(i,j)*K+(i,j))中，进行低通滤波预处理，得到预处理后的织物图像(i,j)，其中，K为矫正系数，用来矫正图像整体亮度，其值根据均值滤波掩码尺寸而变化;步骤2??从织物预处理图像中提取织物纬线的纹理基元，首先，采用频域与空域相结合的方法，根据频域图像与其复共轭之乘积的傅里叶逆变换即为对应的空域图像的自相关函数，获取织物图像的空域自相关图像(m,n)；然后从所述自相关图像中搜索灰度局部极大值，获得代表织物纱线基元的空间分布，从而提取织物纬线的纹理基元;步骤3??织物纬密度的初步计算，将所提取的纹理基元进行形态学膨胀、提取区域骨架并进行直线拟合，获取织物纬线并计算平均纬斜角，据此初步计算纬线间的平均线距和纬线平均线宽，从而得到粗略的织物纬密度值=H/(+)?(根/Mcm)?;步骤4??织物纬密度的精确计算，对所述预处理后的织物图像进行傅里叶变换，得到织物的频域图像；计算预处理后织物图像的功率谱，获得功率谱中心坐标(,)；根据步骤3计算所得的织物纬线平均纬斜角和初步的纬密度值，快速计算并定位一个半径为r个像素、中心为(,)的包含纬线峰值点的圆形小区域在此小区域内计算灰度值重心，即精确定位亚像素级的峰值点位置为(R,C)；计算峰值点位置(R,C)与图像功率谱中心(,)连线的倾斜角，即获得精确的纬线纬斜角；计算峰值点位置(R,C)与功率谱中心(,)的距离=?(根/Mcm)?，换算成织物的精确纬密度值=10/M(根/Mcm)。2013101258783100001dest_path_image001.jpg,567214dest_path_image002.jpg,680663dest_path_image003.jpg,543577dest_path_image001.jpg,767885dest_path_image003.jpg,829382dest_path_image004.jpg,51416dest_path_image005.jpg,463943dest_path_image006.jpg,491942dest_path_image007.jpg,673524dest_path_image008.jpg,797951dest_path_image006.jpg,697774dest_path_image007.jpg,263884dest_path_image009.jpg,565552dest_path_image010.jpg,863810dest_path_image005.jpg,250929dest_path_image008.jpg,620730dest_path_image011.jpg,511326dest_path_image012.jpg,246064dest_path_image013.jpg,854899dest_path_image009.jpg,28392dest_path_image010.jpg,39073dest_path_image014.jpg,944712dest_path_image009.jpg,40844dest_path_image010.jpg,752448dest_path_image015.jpg,617636dest_path_image016.jpg,694177dest_path_image017.jpg,277605dest_path_image015.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：许桢英，王匀，李文斌，李亚东，欧阳世佳，李小凤，
申请(专利权)人：江苏大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。