[發明專利]一種基于圖像處理的機織物密度檢測方法

有效

• 申請號: 202011435398.3
• 申請日: 2020-12-11
• 公開（公告）號: CN112330673B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 鄧中民;彭然;柯薇;沙莎
• 申請（專利權）人: 武漢紡織大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T3/00
• 代理公司: 武漢泰山北斗專利代理事務所(特殊普通合伙) 42250
• 代理人: 程千慧

本發明涉及一種基于圖像處理的機織物密度檢測方法，具體包括以下步驟：1、采集待檢測機織物圖像信息，并對圖像進行校正；2、將校正圖像進行多級小波變換處理，并繪制灰度特征變化曲線，曲線中相對梯度變化值的峰值對應的級數即為最優分解級數；3、通過最優分解級數下的圖像分量計算織物的經密和緯密結果。本發明在進行圖像處理前對待檢測機織物圖像進行了位置校正，防止因為圖像傾斜對檢測結果造成影響，本發明通過計算灰度特征值和灰度特征變化曲線，得到最優小波分解級數，因此可以得到較準確的織物密度檢測結果。

技術領域

本發明涉及紡織品數字化應用領域，特別涉及一種基于圖像處理的機織物密度檢測方法。

背景技術

織物密度的大小以及經緯向密度的配置，對織物的性狀，例如織物的重量、堅牢度、手感以及透水性、透氣性等，都有重要影響，因此也是織物設計的重要內容之一。密度也是織物品質評定的一項重要的物理指標。在企業和工廠的生產中，大多還是采用傳統的人工來對機織物密度進行檢測，人工方法是通過照布鏡用肉眼去觀察并計算單位長度內排列的經緯紗根數，此方法主觀性太強、費時費力且容易產生較大的人為誤差，并不能很好的滿足現狀的工業生產需求。

針對傳統人工方法存在的問題，提出了用現代化計算機圖像處理技術來高效、簡化并準確的完成這項工作。對機織物經緯密的計算機測量研究大多采用了傅立葉變換的方法。如利用傅立葉變換技術將空間域內的頻率信息在頻譜圖中體現，計算頻率封點測量織物經緯密；如對織物圖像進行FFT變換求出頻譜，分析頻譜強度和分布計算條紋分布和周期從而得到經緯密。研究發現傅里葉變換的穩定性和準確性不夠，在此基礎上進一步發展到小波變換。如用小波變換對機織物圖像進行分解和重構，根據重構圖像計算實現織物經緯密度的自動測量；用小波變換對機織物圖像進行多層離散小波分解和單層信號重構，分別求出重構后的圖像沿經緯紗線方向的亮度平均值，根據亮度信號求出其周期，進而求出紗線的經緯密度；有的專利以數字圖像處理技術為基礎,結合時頻變換理論實現機織物密度的計算機檢測。小波變換處理效果好，但有些處理細節需要完善，不能完全實現自動化檢測。

現在也有一些利用小波變換計算機織物密度的方法，但是對于如何確定最優分解級數一般都是通過多次試驗來嘗試比較，并沒有一個相對準確和簡便的計算最優分解級數的方法。

發明內容

本發明所要解決的技術問題是提供一種檢測結果準確，效率高的基于圖像處理的機織物密度檢測方法。

本發明解決上述技術問題的技術方案如下：

一種基于圖像處理的機織物密度檢測方法，包括以下步驟：

步驟1、采集待檢測機織物圖像信息，用圖像校正算法對采集的機織物圖像進行處理，得到校正圖像，使得校正圖像中的經紗為豎直狀態，緯紗為水平狀態；

步驟2、將校正圖像進行多尺度二維小波變換處理，第1級分解得到了近似分量a1、水平細節分量、垂直細節分量和對角細節分量，將水平細節分量、垂直細節分量和對角細節分量的總體作為細節分量b1，計算a1的灰度特征值，計算b1的灰度特征值，則第1級總特征值,再次對a1進行多尺度二維小波變換處理，第2級分解得到了近似分量a2和細節分量b2，計算a2的灰度特征值，計算b2的灰度特征值，則第2級總特征值,則對校正圖像進行了第i級分解后，第i級總特征值為，分別計算每一級對應的相對梯度變化值，其中，將分解級數作為橫軸，對應的相對梯度變化值作為縱軸，確定分解級數取不同數值時對應的數據點，將相鄰數據點用直線連接形成連續曲線，得到灰度特征變化曲線，灰度特征變化曲線中相對梯度變化值的峰值對應的分解級數即為最優分解級數；

步驟3、計算最優分解級數對應的水平細節分量中經紗的條數，即為待檢測機織物的經紗條數，根據檢測待檢測機織物的寬度值，計算得到待檢測機織物的經密結果；計算最優分解級數對應的垂直細節分量中緯紗的條數，根據檢測待檢測機織物的長度值，計算得到待檢測機織物的緯密結果。