王晓红等人采用统计直方图技术对起球图像进行滤波、锐化和分割预处理，然后根据自相关函数确定未起球织物区域重复结构的形状和大小，再应用膨胀和腐蚀技术处理二值图像，把原来的图像处理成没有组织结构而只有毛球的图像，最后测定毛球的大小、数量和形态。
国外许多专家对此也有深入研究，Konda等人提出了一种客观评定起球性能的方法，他们对图像进行阈值处理，然后与标准图像进行比较，建立小球数量等级。Abril等人也采用图像分析方法测量了标准织物图像上的小球面积。
2．6织物疵点测试
数字图像处理技术应用于织物疵点测试后，测试结果有了很大改善。其测试方法关键在于如何对图像进行正确合理的纹理分割和图像识别。韩武鹏等人提出的疵点检测系统对采集的图像进行预处理后，用小波变换进行特征提取，并采用模糊技术进行推理和识别，这能提高疵点边缘的增强效果，并刻画局部疵点的特征信息。田纳西大学的Yixiang、FrankZhang和Randal1．R．Bresee提出同时运用灰度统计方法和形态学方法提取特征区域，然后分析特征区域，运用模式识别对疵点进行分类。胡艳[8]等人提出了一种基于小波变换和形态学的织物疵点边缘检测方法，利用形态学实现疵点检测后，进行小波分解，再用小波模极大值法和基于数学形态学的算法分别提取高、低频子图像的疵点边缘，然后采用合理的融合规则将两个边缘图像进行融合，最终得到清晰准确边缘。
另一个关于织物疵点测试的热点问题是如何对织物疵点进行动态识别和分类。多年以前，国外就已开始从事这方面的研究并证明这是一种可行的方法，如瑞士Uster公司的Fatrriscan自动验布系统，在宽度方向装有2～8只特制高分辨率的线扫描CCD摄像机，采用神经网络技术，检测织物幅宽范围为110～440cm，速度可达120rn／min。而我国关于这方面的研究虽也已取得了阶段性的进展，但尚未形成完善的系统。
2．7色度测试
目前，在纺织品色度测试研究中，关于图像处理技术的应用研究相对较少。色度不包括亮度，是颜色的一个特性，它反映颜色的色调和饱和度，人们通常以CIE统一规定的色度系统为基础而对颜色进行目视和物理测量。而利用图像处理技术，根据三原色原理可直接获取R、G、B值，R、G、B值的分辨率为256级，这大大超出了人眼的识别能力，可准确描述物体的颜色值，进而计算出三刺激值和黄度，得出最终结果。严漂等[9]根据色度原理，通过数字图像处理技术实现了对棉纤维色度的可靠性测量，与传统测量相比，它不仅降低了成本，而且大大提高了测量的速度和稳定性。
2．8非织造布测试
非织造布发展迅速，产品质量越来越高，在纺织品市场中所占的份额也越来越大，因此非织造布的检测技术应该满足质量的要求，向简便、快捷、客观可靠的方向发展，而数字图像处理技术使其成为了可能。目前数字图像处理技术在非织造布测试中，主要应用于纤维取向度测试、纤网孔隙尺寸分布的测试、纤网瑕疵的测定、纤网均匀度和纤维直径的测试。
<<上一页[1][2][3][4]下一页>>
相关信息 
推荐企业 推荐企业
推荐企业
您所在的位置：
