织物纹理可以体现织物表面的纹路特征，比如同样的条件下毛织物比 丝织物粗糙，通过纹理的粗糙性可以快捷地比较织物表面的粗糙程度。粗 糙性的大小与局部的空间重复结构有关，周期大的纹理粗，周期小的纹理 图2单根纤维的位置识别 细。这是一种感觉上的判断，而不是定量的纹理测度，不过还是体现了纹理变化的倾向，即小测度的纹理表示细纹理，大测度的纹理表示粗纹理，其实粗糙测度才是表示纹理粗细 的最好方法。用空间自相关函数作为纹理测度的方法，图像的二维函数表示为/($，％)，自相关函数如下：
4织物疵点检测
织物表面的特征分析是图像处理技术在纺织检测中应用的重点。对于一幅织物图像如图3，它是由经 线和纬线交织而成，突起的浮长线很好地体现了织物的纹路。如果某个区域出现疵点或者褶皱，该区域的 经线（或者纬线）就不连续。在平面上织物中的经纬线一般为直线段，对于检测这类织物的疵点，只需先 对织物图像进行Hough变换，进行边缘检测，以检测出纱线的边缘，此后再对图像进行二值化处理，得到 图4。二值化时的阀值设定非常关键，阀值太大会降低分辨率，阀值太小容易产生噪音，处理过的图像都 会造成信息损失。这里采用一种根据像素的灰度值和其周围局部灰度信息来确定阀值的局部阀值法，它对 于织物图像这种多样性的图像效果比较理想。为进一步增加准确度，可以对二值化图像进行Sobel算子细 化。sobel算子细化原理是通过引入衰减因子得到不失真的灰阶边缘图，然后将灰阶边缘图用索贝尔算子 进行处理，得到边缘的边缘图，再用前者减去后者得差值图，再将差值图中为负的点改为0，用以除去差 值图图中边缘外侧的点，从而得到边缘较细的边缘图。对于边缘较陡的部分可直接得到光滑、连续且接近 单点宽的边缘；对于边缘模糊的部分这一过程可以重复多次，最后也可得到较细的边缘（但不一定连续）。 此方法对于处理其它边缘检测方法得到的边缘也有效。边缘细化可用于物体边缘的精确定位，由于结果仍 是灰阶图像，因而可以保留图中幅值较低的边缘，故还可用于克服阈值选择不当造成的分割错误。细化可 以不改变原始图形的连接性，并且使得图形的骨架轮廓更加清晰（图5)，图3中右边的疵点便被检测出 来了。另外，可由织物的二值化图像（图4)测得织物的经密和纬密。
5、结 语
图像处理技术用于纺织行业极大地提高了检测效率，但离在线检测还有距离，图像的在线检测技术将 是今后一个时期亟需解决的难点。
<<上一页[1][2]
相关信息 
推荐企业 推荐企业
推荐企业
您所在的位置：
