[发明专利]一种基于机器视觉的织物纬密度测量新方法

说明书

技术领域

本发明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。

背景技术

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：

1）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。

发明内容

本发明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。

本发明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)。