朱 博，潘如如，劉基宏，高衛(wèi)東

(生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué))，江蘇無錫 214122)

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，圖像處理技術(shù)在紡織業(yè)的應(yīng)用逐漸廣泛，包括纖維類別檢測、棉網(wǎng)的均勻性檢測、紗線以及織物外觀質(zhì)量檢測、織物結(jié)構(gòu)參數(shù)的自動識別等［1］.

在織物后整理的軋光工序中，當(dāng)織物接縫線經(jīng)過熱膠輥時，因接縫處厚度突然增加，會在膠輥表面留下痕跡，這種痕跡會復(fù)制到后續(xù)軋光的織物表面，從而影響布面外觀與平整度，甚至產(chǎn)生疵品，因此在現(xiàn)有的軋光工序中，需由人工操作控制熱膠輥的升降以避讓接縫線，以免造成上述質(zhì)量問題。然而，這種方法存在視覺系統(tǒng)誤差，人工反應(yīng)速度誤差以及工人持續(xù)緊張導(dǎo)致的疲勞失誤等，這些主觀因素可能造成接縫線的過度避讓或者避讓不及。

對于較厚的織物，也有根據(jù)厚度變化采用接觸式滾輪來自動檢測是否存在織物接縫的方法，但隨著高檔織物的薄型化，這種厚度檢測方法已經(jīng)不能滿足實(shí)際生產(chǎn)的要求，只能依靠人工視覺進(jìn)行織物接縫線的檢測。本文提出一種基于數(shù)字圖像處理的非接觸式織物接縫線智能檢測方法，不僅可以減少對織物的損傷而且可以降低工人勞動強(qiáng)度，并可大大提高織物接縫線識別精度。軋光工序中織物接縫線自動檢測的過程分為3步:1)采集織物圖像，獲取有接縫線與無接縫線的圖像信息;2)圖像預(yù)處理，對采集到的織物圖像依次進(jìn)行灰度化與濾波去噪，得到清晰的織物灰度圖像;3)完成織物圖像是否存在接縫線的判別。

1 試樣準(zhǔn)備與采集

在選擇軋光加工的織物時，以細(xì)支高密防羽布為試樣，并以接縫線兩側(cè)的織物分別為同色與異色2種情形來考慮，所有接縫線的顏色均為乳白色。

采用工業(yè)相機(jī)進(jìn)行織物圖像采集，幀速為20幀/s，圖像為真彩色。分辨率是圖像采集的重要技術(shù)參數(shù)，分辨率過高，會增加處理過程運(yùn)算量，進(jìn)而影響系統(tǒng)識別速度;分辨率過低，則達(dá)不到識別精度［2－3］，本文系統(tǒng)選擇的分辨率為 640 像素 ×160像素。試樣接縫線的線徑約為0.2 mm，為保證識別精度，至少占1個像素，即每毫米試樣在圖像上至少占5個像素。調(diào)整相機(jī)鏡頭與織物的間距，使圖像中織物的實(shí)際尺寸為80 mm×20 mm，即每毫米占8個像素。實(shí)際生產(chǎn)中，織物運(yùn)行速度一般為30～50 m/min，而本文系統(tǒng)理論上每分鐘可以采集到的織物長度為96 m，可實(shí)現(xiàn)接縫線的實(shí)時在線檢測。圖1為采集的1幀含有接縫線的防羽布圖像。

圖1 含有接縫線的防羽布圖像Fig.1 Image of down-proof seam fabric

2 織物圖像預(yù)處理

為了獲取圖像中的有用信息，需要對圖像進(jìn)行一系列處理。首先將彩色織物圖像轉(zhuǎn)換為灰度圖像;接著對圖像進(jìn)行去噪處理，不僅可以保持圖像細(xì)節(jié)信息，還可以更加精準(zhǔn)地檢測接縫線信息［4］;最后提取圖像的特征參數(shù)。

為了提高圖像處理的計(jì)算速度，首先需將彩色圖像轉(zhuǎn)化為灰度圖像［5］。本文運(yùn)用加權(quán)平均法對彩色圖像進(jìn)行灰度處理，所用公式為:

式中:X為灰度值;x1、x2、x3分別為紅、綠、藍(lán)色分量值。

圖像的隨機(jī)噪聲會影響特征參數(shù)的提取，因此需對圖像進(jìn)行濾波處理去除噪聲。中值濾波是一種非線性濾波處理技術(shù)［6］，基本原理是將每個像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值［7］。中值濾波的優(yōu)點(diǎn)在于能夠去除噪聲的同時在很大程度上避免邊緣模糊［8］。

圖2為經(jīng)過上述圖像預(yù)處理后，含有接縫線的防羽布圖像。從圖中可看出圖像經(jīng)過預(yù)處理后，接縫線更為清晰可辨。

圖2 圖像預(yù)處理后含有接縫線的防羽布圖像Fig.2 Image of down-proof seam fabric after image processing

3 圖像特征值提取與分析

圖像特征參數(shù)的選取應(yīng)遵循以下原則［9］:1)實(shí)用性，特征參數(shù)要少而精，要使識別分類速度快并且計(jì)算量小;2)準(zhǔn)確性，特征參數(shù)必須要使識別分類的誤判率低;3)唯一性，特征參數(shù)之間要彼此獨(dú)立，各個參數(shù)表達(dá)不同的特征。

對圖像預(yù)處理后的織物圖像分別計(jì)算均值、標(biāo)準(zhǔn)差和CV值，利用灰度直方圖可實(shí)現(xiàn)上述特征參數(shù)的快速計(jì)算［10］。

依據(jù)軋光工序中膠輥對織物的軋光時序，依次采集防羽布接縫線前側(cè)、含有接縫線與接縫線后側(cè)的織物圖像。選取4組防羽布試樣，接縫兩側(cè)同色的有淺色試樣 1(1-1#、1-2#、1-3#)、中色試樣 2(2-1#、2-2#、2-3#)、深色試樣3(3-1#、3-2#、3-3#)和兩側(cè)異色的試樣 4(4-1#、4-2#、4-3#)，按順序采集共 12 幅圖像，依上述流程進(jìn)行圖像預(yù)處理，處理后結(jié)果如圖3所示。由于相機(jī)帶有自動白平衡調(diào)整功能，在采集試樣4-3#時，相機(jī)通過其鏡頭和白平衡感測器對光線情況進(jìn)行自動調(diào)整。

3.1 灰度均值

防羽布圖像的灰度均值可反映其灰度分布的平均程度，圖3中防羽布圖像的灰度均值的計(jì)算結(jié)果如表1所示。

圖3 圖像預(yù)處理后的防羽布圖像Fig.3 Images of down-proof fabric after image processing

表1 防羽布樣品圖像灰度均值Tab.1 Gray mean values of down-proof fabric

從表1可看出:前3組樣品中有接縫線圖像的灰度均值大于無接縫線圖像，而第4組樣品中有接縫線圖像與無接縫線圖像的灰度均值無此規(guī)律，因此均值無法成為識別織物有無接縫線的特征參數(shù)。

3.2 灰度標(biāo)準(zhǔn)差

防羽布圖像的灰度標(biāo)準(zhǔn)差可反映其灰度分布的離散程度，圖3中防羽布圖像的灰度標(biāo)準(zhǔn)差的計(jì)算結(jié)果如表2所示。

表2 防羽布圖像灰度標(biāo)準(zhǔn)差Tab.2 Gray standard deviation of down-proof fabric

從表2可看出:4組樣品中有接縫線圖像的灰度標(biāo)準(zhǔn)差大于無接縫圖像，但灰度標(biāo)準(zhǔn)差是個絕對變化量，若用它作為判別參數(shù)，在接縫線與織物顏色相近的情況下，會造成誤判。

3.3 灰度變異系數(shù)

灰度變異系數(shù)CV值是標(biāo)準(zhǔn)差與相應(yīng)均值的比值，可衡量數(shù)據(jù)的變異程度。在分析防羽布圖像灰度特征時，變異系數(shù)可以很好地反映多幀均值不等圖像的灰度離散程度。圖3中防羽布圖像的灰度CV值的計(jì)算結(jié)果，如表3所示。

表3 防羽布圖像灰度CV值Tab.3 Gray CV values of down-proof fabric

從表3可看出:4組樣品中有接縫線圖像的灰度CV值均大于無接縫圖像。CV值反映了圖像灰度的相對變化，客觀反映了各組防羽布圖像的灰度離散程度，可以作為檢測有無接縫線的標(biāo)準(zhǔn)。從表中數(shù)據(jù)可看出，無接縫線圖像的灰度CV值最大為0.076 3，有接縫線圖像的灰度 CV值最小為0.136 3，后者將近是前者的2倍。判別有無接縫線的閾值應(yīng)選在0.076 3到0.136 3之間，為保證算法具有較強(qiáng)的魯棒性，選擇其平均值作為閾值。

為了檢驗(yàn)算法的有效性，對試樣中另外3組防羽布圖像進(jìn)行檢測，結(jié)果如表4所示。

表4 防羽布接縫線評定結(jié)果Tab.4 Evaluation results of down-proof fabric seam

表4結(jié)果表明，本文提出的方法對不同種類防羽布的接縫線都能夠達(dá)到正確的識別。

為檢驗(yàn)系統(tǒng)的實(shí)時性，對每幀圖像的處理時間進(jìn)行測試。每幀圖像的實(shí)際處理時間為0.042 8 s。小于用于每幀圖像的采集時間0.05 s，可以滿足織物有無接縫線實(shí)時檢測的要求。

4 結(jié)論

由工業(yè)相機(jī)采集的防羽布彩色圖像先通過加權(quán)平均法得到灰度圖像，而后進(jìn)行中值濾波去除噪聲。在防羽布特征提取的實(shí)驗(yàn)中，提取了圖像預(yù)處理后灰度圖像的3項(xiàng)特征參數(shù)，分別是均值、標(biāo)準(zhǔn)差、CV值。通過數(shù)據(jù)分析，均值與標(biāo)準(zhǔn)差都無法有效地對織物有無接縫線進(jìn)行識別，CV值可以成為檢測織物接縫線的特征參數(shù)。與傳統(tǒng)的軋光工序中人工控制熱膠輥升降以避讓接縫線相比，采用本文提出的數(shù)字圖像處理方法能夠精確地判別接縫線，且不受工人主觀因素的影響。由實(shí)驗(yàn)結(jié)果可知，軋光工序中織物接縫線的圖像檢測方法是可行的，并且圖像處理的計(jì)算量小，檢測速度快，可實(shí)現(xiàn)接縫線的及時避讓。

［1］ 狄煒，徐伯俊.數(shù)字圖像處理在紡織中的用及發(fā)展［J］.計(jì)算機(jī)應(yīng)用，2002，30(3):61 －62.DIWei，XU Bojun.The application and development of digital image processing in textile［J］.Computer Application，2002，30(3):61－62.

［2］ 潘如如，高衛(wèi)東.基于圖像處理的機(jī)織物密度的高精度識別［J］.紡織學(xué)報，2008，29(11):128 －131.PAN Ruru，GAO Weidong.High-precision identification ofwoven fabric density via image processing［J］.Journalof Textile Research，2008，29(11):128－131.

［3］ 潘如如，高衛(wèi)東，錢欣欣，等.基于互相關(guān)的印花織物疵點(diǎn)檢測［J］.紡織學(xué)報，2010，31(12):134 －128.PAN Ruru，GAOWeidong，QIAN Xinxin，etal.Defect detection of printed fabrics using normalized cross correlation［J］.Journal of Textile Research，2010，31(12):134－128.

［4］ 降雨志.基于CCD焊縫自動跟蹤系統(tǒng)的研究［D］.沈陽:沈陽工業(yè)大學(xué)，2002:27－29.JIANG Yuzhi.The study of automatic tracking system of welding seams basing on CCD sensor［D］.Shenyang:Shenyang University of Technology，2002:27 －29.

［5］ 李玉紅，潘如如，高衛(wèi)東，等.基于數(shù)字圖像處理的拼毛比例分析［J］.紡織學(xué)報，2010，31(11):20 －24.LIYuhong，PAN Ruru，GAO Weidong，et al.Wool blending based on digital image processing［J］.Journal of Textile Research，2010，31(11):20－24.

［6］ 劉建立，左保齊.織物疵點(diǎn)圖像消噪方法的比較［J］.紡織學(xué)報，2007，28(11):128 －131.LIU Jianli， ZUO Baoqi. Comparison of denoising methods used in fabric defects image［J］.Journal of Textile Research，2007，28(11):128－131.

［7］ 李彥君，蘇紅旗，楊峰，等.改進(jìn)的中值濾波圖像去噪方法研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(12):2995－2997.LIYanjun，SU Hongqi，YANG Feng，et al.Improved algorithm study about removing image noise［J］.Computer Engineering and Design，2009，30(12):2995－2997.

［8］ 朱紅.數(shù)字圖像處理基礎(chǔ)［M］.北京:科學(xué)出版社，2005:91－92.ZHU Hong.The Basis of Digital Image Processing［M］.Beijing:Science Publishing Company，2005:91－92.

［9］ 耿兆豐.基于圖像分析的服裝縫線疵點(diǎn)的識別研究［D］.上海:東華大學(xué)，2008:63－70.GENG Zhaofeng.Research of recognizing garment seam defects based on image analysis［D］. Shanghai:Donghua University，2008:63 －70.

［10］ 殷開成，于偉東.基于圖像處理技術(shù)的服裝疵點(diǎn)檢測系統(tǒng)研究［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2008(10):7－10.YIN Kaicheng，YUWeidong.Study of garment production detection system based on image processing［J］.Applications of Computer System，2008(10):7－10.