盧鳳龍++錢(qián)志歡

文章編號(hào)： 10055630(2014)02012605收稿日期： 20131022

摘要： 針對(duì)織物的紗線密度檢測(cè),提出一種對(duì)織物圖像,信息進(jìn)行檢測(cè)的方法。通過(guò)數(shù)字相機(jī)獲得織物圖像,對(duì)織物圖像進(jìn)行最優(yōu)二值化處理。利用像素黑白顏色區(qū)分織物上的紗線和間隙,通過(guò)掃描經(jīng)線和緯線方向的像素顏色值獲得紗線處像素顏色特性,從而計(jì)算出經(jīng)線方向和緯線方向的紗線數(shù)目。根據(jù)各方向最大像素?cái)?shù)得織物的大小，即可得知織物的密度。

關(guān)鍵詞： 織物密度; 數(shù)字圖像處理; 圖像二值化

中圖分類號(hào)： TN 247文獻(xiàn)標(biāo)志碼： Adoi： 10.3969/j.issn.10055630.2014.02.008

The detection method of digital image for fabric density

LU Fenglong, QIAN Zhihuan

(College of Science, Zhejiang University of Technology, Hangzhou 310023, China)

Abstract： For density identification of fabric, we put forward a method to detect density with the fabric image. In this system, fabric image is got by the digital camera then the fabric image is processed by binaryzation method. We can discriminate yarns and intervals by white pixels and black pixels. To scan warp pixel color and weft pixel color, we can know color characteristic of yarn pixels, so the number of warp yarns and weft yarns can be got. Length and width is known by the maximum pixel number of warp yarns and weft yarns, thus, fabric density can be easily computed.

Key words： fabric density; digital image processing; image binaryzation

引言經(jīng)緯紗線密度是織物的一個(gè)重要性質(zhì),經(jīng)緯紗線密度的大小直接影響到織物的厚度、結(jié)實(shí)程度、耐磨性和透氣性等性質(zhì)。在紡織行業(yè)中,經(jīng)緯紗線密度的檢測(cè)主要是人工通過(guò)照布鏡或織物密度分析鏡完成,但是人工檢測(cè)效率低,長(zhǎng)時(shí)間工作和人眼的疲勞性也會(huì)造成檢測(cè)誤差。目前,大多是通過(guò)傅里葉變換的方法,將織物圖像經(jīng)緯向的空域頻譜轉(zhuǎn)換為頻域頻譜來(lái)計(jì)算［14］,還有通過(guò)圖像亮度投影曲線的規(guī)律來(lái)檢測(cè)織物的密度［5］。這些方法對(duì)圖像質(zhì)量要求較高,且對(duì)于織物的長(zhǎng)度不能通過(guò)圖像來(lái)測(cè),則織物經(jīng)緯密度的測(cè)量就變得很麻煩。該檢測(cè)系統(tǒng)獲取的織物圖像,其紗線與紗線間的縫隙可以辨認(rèn)且顏色與紗線明顯不同,圖像二值化后［67］,選取合適的經(jīng)線和緯線方向分別掃描這兩行像素的灰度值,通過(guò)灰度變化規(guī)律及根據(jù)每根紗線寬度內(nèi)的像素點(diǎn)的灰度值連續(xù)性來(lái)計(jì)算紗線的數(shù)目。1織物圖像的獲取織物圖像的獲取是該方法實(shí)現(xiàn)的關(guān)鍵,要滿足下面兩個(gè)條件以便可以對(duì)紗線計(jì)數(shù)。第一,紗線本身顏色與紗線間的縫隙顏色應(yīng)該存在明顯的差異,圖像二值化后可達(dá)到一方為白且另一方為黑;第二,保證圖像中每根紗線和每根紗線間的縫隙的寬度包含的像素?cái)?shù)至少要達(dá)到兩個(gè)。根據(jù)以上兩點(diǎn),圖1中的檢測(cè)結(jié)構(gòu)中的數(shù)字相機(jī)可以上下移動(dòng),對(duì)于不同種類的織物固定合適距離,以滿足數(shù)字相機(jī)的像素可以符合第二個(gè)條件,在織物旁邊均勻放置白光LED提供光源,使織物表面的光盡量均勻且光強(qiáng)達(dá)到明亮狀態(tài)。數(shù)字相機(jī)可以通過(guò)支架調(diào)整位置,對(duì)織物的不同位置獲取圖像進(jìn)行檢測(cè),多次檢測(cè)后求平均以便達(dá)到更加精確的結(jié)果［8］。光學(xué)儀器第36卷

第2期盧鳳龍，等：織物密度的數(shù)字圖像檢測(cè)方法

由于是通過(guò)掃描經(jīng)線和緯線方向上的像素的顏色來(lái)進(jìn)行計(jì)算紗線數(shù)目的,在獲取織物圖像時(shí),織物的緯、經(jīng)紗線要保持橫平豎直的狀態(tài),且織物不可出現(xiàn)褶皺。數(shù)字相機(jī)與織物之間的距離是一定的,則獲取的圖像中織物的寬度和長(zhǎng)度也是一定的,根據(jù)相機(jī)的像素以及圖像中織物徑向和緯向的像素?cái)?shù)就可得知織物的大小,圖2是醫(yī)療所用包扎布料的圖像。

圖1檢測(cè)結(jié)構(gòu)

Fig.1The stucture of detecting圖2 醫(yī)用包扎布料織物

Fig.2The fabric for medical bandage

2經(jīng)緯紗線密度檢測(cè)

2.1圖像二值化為了更加清晰地區(qū)分紗線與紗線間的縫隙,要對(duì)織物圖像進(jìn)行二值化處理,比較多個(gè)閾值二值化處理結(jié)果,選取最佳閾值使得紗線與紗線間縫隙最為規(guī)則化且易區(qū)分的效果［5］。二值化后的圖像中,要求織物紗線為黑色,紗線間的縫隙為白色,若二值化的圖像顏色與要求相反,則對(duì)圖像進(jìn)行求反,白色變黑色,黑色變白色。將圖像中的白色像素點(diǎn)顏色值設(shè)為1,黑色像素點(diǎn)的顏色值設(shè)為0,方便接下來(lái)對(duì)經(jīng)緯方向像素點(diǎn)的顏色掃描。對(duì)圖2進(jìn)行二值化處理,通過(guò)比較不同閾值的處理結(jié)果,得到比較理想的閾值為200。對(duì)于同一種布料其圖像顏色分布是相同的,在顏色值范圍0～255內(nèi),選擇不同的閾值進(jìn)行二值化,選出二值化后圖像中紗線和間隙最為清晰可辨的最佳閾值,減小計(jì)算紗線數(shù)時(shí)的誤差。對(duì)于不同的布料圖像,各自圖像的顏色分布相差較大,最佳閾值不同,所以在對(duì)不同布料圖像二值化時(shí),要重新進(jìn)行不同閾值比較二值化后的圖像清晰度,直至選出最佳閾值。圖3為二值化后的結(jié)果,但是圖像中紗線與縫隙的顏色不符合要求,對(duì)圖像顏色求反,求反后圖像中的紗線為黑色,紗線間的縫隙為一塊類似圓形或方形的白色區(qū)域,如圖4所示。

2.2顏色掃描圖像二值化后,紗線間的縫隙為一塊類似圓形或方形的白色區(qū)域,白色區(qū)域的中心點(diǎn)最適合確定掃描的位置,該點(diǎn)位置的特點(diǎn)是在經(jīng)線和緯線方向上紗線間的間隙緊密有序排列。查找一個(gè)合適的白色區(qū)域的中心點(diǎn),以此點(diǎn)為基點(diǎn)掃描織物經(jīng)緯方向的像素點(diǎn)的顏色值,并分別將兩個(gè)方向上像素點(diǎn)的顏色值以點(diǎn)的形式繪制在坐標(biāo)系上。

圖3二值化圖像

Fig.3Binary image圖4顏色求反圖像

Fig.4Reversing color image

首先確定白色區(qū)域的中心點(diǎn),以圖像左上角的點(diǎn)為原點(diǎn),原點(diǎn)右方為x方向,下方為y方向,每個(gè)單位長(zhǎng)度是一個(gè)像素點(diǎn)。任意選取該圖像偏中心位置的一點(diǎn),如果該點(diǎn)顏色為黑色,則向該點(diǎn)右下方向移動(dòng)一點(diǎn),再判斷其顏色,直到移動(dòng)到顏色為白色的點(diǎn)。若該點(diǎn)為白色,此點(diǎn)坐標(biāo)為(x,y),見(jiàn)圖5(a),通過(guò)計(jì)算該點(diǎn)x方向左邊和右邊連續(xù)點(diǎn)顏色為白色的數(shù)目,可得到緯線這一段像素的中心點(diǎn)橫坐標(biāo)為x1;同理,得出經(jīng)線方向段的中心點(diǎn)縱坐標(biāo)坐標(biāo)y1,則點(diǎn)的坐標(biāo)由(x,y)變?yōu)?x1,y1),見(jiàn)圖5(b)。重復(fù)上部計(jì)算分析,直到xn=xn-1,yn=yn-1,白色區(qū)域的近似中心點(diǎn)的坐標(biāo)為(xn,yn),見(jiàn)圖5(c)。

圖5中心點(diǎn)的推導(dǎo)

Fig.5Deducing centre

確定白色區(qū)域中心點(diǎn)的坐標(biāo)后,基于該點(diǎn)輸出所有經(jīng)線方向和緯線方向的所有像素點(diǎn)的顏色值,并分別繪制其變化規(guī)律,每根紗線內(nèi)的像素的顏色值是連續(xù)的,計(jì)算顏色值連續(xù)為黑色的像素段數(shù),即為紗線數(shù)。數(shù)字相機(jī)與織物的距離是固定的,則數(shù)字相機(jī)所能獲得的圖像中的織物的大小也是固定的。根據(jù)數(shù)字相機(jī)的分辨率和織物單位長(zhǎng)度內(nèi)的像素?cái)?shù),即可得知織物的尺寸。在掃描像素顏色時(shí),可得到經(jīng)線和緯線方向的像素?cái)?shù)目,通過(guò)像素?cái)?shù)就可以得知織物的尺寸。經(jīng)線和緯線方向的紗線數(shù)已知,織物的經(jīng)緯密度就很容易計(jì)算得到。該方法通過(guò)判別像素點(diǎn)的顏色來(lái)進(jìn)行的,數(shù)據(jù)量較大,在此圖像二值化和顏色掃描都是通過(guò)MATLAB編程實(shí)現(xiàn)的［9］,并且可以支持大多數(shù)的圖像格式,檢測(cè)過(guò)程所用時(shí)間較短,效率很高。3結(jié)果分析在以下經(jīng)緯線方向掃描像素的圖中,x方向?yàn)橄袼氐狞c(diǎn)數(shù),y是灰度值,灰度范圍為0～255,y坐標(biāo)中1對(duì)應(yīng)255(白色),0對(duì)應(yīng)0(黑色)。根據(jù)以上所述分析,得到圖4中一塊白色區(qū)域的中心點(diǎn),其坐標(biāo)為(262,128)。圖6(a)和圖6(b)分別為織物的緯線、經(jīng)線方向的像素分布,在緯線方向(即x方向)有473個(gè)像素點(diǎn),計(jì)算顏色值為連續(xù)黑色的像素段數(shù)為29個(gè),即紗線數(shù)為29根,比實(shí)際紗線數(shù)少2根;在經(jīng)線方向(即y方向)有363個(gè)像素點(diǎn),計(jì)算顏色值為連續(xù)黑色的像素段數(shù)為18個(gè),即紗線數(shù)為18根,與實(shí)際紗線數(shù)相同。造成誤差的原因,主要是在獲取織物圖像時(shí),紗線有點(diǎn)彎曲,部分紗線偏離了掃描方向。根據(jù)經(jīng)線和緯線的像素?cái)?shù),得到圖像中的織物的長(zhǎng)度為3.2 cm,寬度為2.1 cm,經(jīng)緯密度分別是10根/cm、9根/cm。

圖6經(jīng)緯線方向像素顏色分布

Fig.6The pixel distribution of warp and weft

圖7棉質(zhì)T恤布料

Fig.7The cloth of cotton Tshirt根據(jù)此方法對(duì)其他方式得到的其他織物圖像進(jìn)行了驗(yàn)證檢測(cè),圖7是棉質(zhì)T恤布料,該布料比較特殊,緯線方向的紗線是傾斜的;圖8是麻線布料的圖片。以上兩張圖片的處理結(jié)果比較理想,圖9為織物的經(jīng)線方向的像素分布,其經(jīng)線紗線數(shù)為14根,比實(shí)際紗線數(shù)少1根,織物的長(zhǎng)度為0.8 cm,經(jīng)線密度是18根/cm;圖10(a)和圖10(b)分別為織物的緯線、經(jīng)線方向的像素分布,其緯線紗線數(shù)為33,與實(shí)際紗線數(shù)一致,經(jīng)線方向紗線為26根,比實(shí)際紗線數(shù)少1根,織物長(zhǎng)和寬分別為2.2 cm、1.5 cm,經(jīng)緯密度分別為15根/cm、17根/cm。

圖8麻線布料

Fig.8The cloth of linen thread圖9緯線方向像素顏色分布

Fig.9The pixel distribution of weft

圖10經(jīng)緯線方向像素顏色分布

Fig.10The pixel distribution of warp and weft

圖11運(yùn)動(dòng)褲布料

Fig.11The cloth of slacks為了縮短檢測(cè)時(shí)間且提高檢測(cè)精度,可以截取部分圖像來(lái)進(jìn)行處理,這樣要判別的像素?cái)?shù)目就變得很少,并且可以避免織物發(fā)生少許傾斜和褶皺的狀況,可以減小誤差。圖11是運(yùn)動(dòng)褲的布料,為方便人眼觀察,對(duì)原圖進(jìn)行了放大,圖12(a)和圖12(b)分別為織物的緯線、經(jīng)線方向的像素分布,緯線和經(jīng)線的紗線數(shù)目分別為5根、6根,與實(shí)際值相同,織物長(zhǎng)度和寬度分別為0.3 cm、0.2 cm,經(jīng)緯密度分別為17根/cm、30根/cm。4結(jié)論本文介紹了基于顏色的織物經(jīng)緯密度檢測(cè),對(duì)織物上光照的均勻性沒(méi)有過(guò)高要求,且對(duì)圖像的噪聲不敏感,在獲取圖像時(shí)保證可以明顯區(qū)分紗線本身顏色與紗線間的間隙的顏色即可。該檢測(cè)方法簡(jiǎn)單,快速且較為準(zhǔn)確,每次檢測(cè)時(shí)間短;但是該方法的一大缺點(diǎn)是獲取圖像時(shí),織物的放置形態(tài)會(huì)嚴(yán)重影響檢測(cè)結(jié)果,這一點(diǎn)需要在以后的工作中改善。

圖12經(jīng)緯線方向像素顏色分布

Fig.12The pixel distribution of warp and weft

此織物經(jīng)緯密度檢測(cè)系統(tǒng)可應(yīng)用在織物生產(chǎn)流水線上,通過(guò)多次檢測(cè)以得到最精確的結(jié)果。由于這是一種比較新穎的檢測(cè)織物的經(jīng)緯密度的方法,所能檢測(cè)的織物的種類比較單一,在許多方面還存在缺點(diǎn),這將在以后的研究工作中得到改進(jìn)。參考文獻(xiàn)：

［1］WANG X,GEORGIANS N D,PETRIU E M.Fabric texture analysis using computer vision techniques［J］.IEEE Transactions on Instrumentation and Measurement,2011,60(1):4456.

［2］周利兵,劉莉.織物經(jīng)緯紗線密度的自動(dòng)測(cè)量［J］.科技信息,2010(26):368369.

［3］吳海虹,張明敏,潘志庚.織物圖像的傾斜檢測(cè)與緯紗密度識(shí)別［J］.中國(guó)圖象圖形學(xué)報(bào),2006,11(5):640645.

［4］孫亞峰,陳霞,王新厚.機(jī)織物密度的計(jì)算機(jī)自動(dòng)識(shí)別［J］.東華大學(xué)學(xué)報(bào),2006,36(2):8388.

［5］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(shí)別［J］.紡織學(xué)報(bào),2008,9(11):128131.

［6］王長(zhǎng)軍.基于數(shù)字圖像技術(shù)的織物組織分析方法的研究［D］.上海:東華大學(xué),2008.

［7］周水慶,劉秉琦,胡文剛,等.線陣CCD全景圖像的噪聲分析與去噪方法研究［J］.光學(xué)儀器,2011,33(1):5457.

［8］李強(qiáng).基于圖像處理與虛擬儀器技術(shù)的織物懸垂性測(cè)試系統(tǒng)的研究［D］.上海:東華大學(xué),2007.

［9］馬曉路,劉倩,胡開(kāi)云,等.MATLAB圖像處理從入門(mén)到精通［M］.北京:中國(guó)鐵道出版社,

圖5中心點(diǎn)的推導(dǎo)

Fig.5Deducing centre

確定白色區(qū)域中心點(diǎn)的坐標(biāo)后,基于該點(diǎn)輸出所有經(jīng)線方向和緯線方向的所有像素點(diǎn)的顏色值,并分別繪制其變化規(guī)律,每根紗線內(nèi)的像素的顏色值是連續(xù)的,計(jì)算顏色值連續(xù)為黑色的像素段數(shù),即為紗線數(shù)。數(shù)字相機(jī)與織物的距離是固定的,則數(shù)字相機(jī)所能獲得的圖像中的織物的大小也是固定的。根據(jù)數(shù)字相機(jī)的分辨率和織物單位長(zhǎng)度內(nèi)的像素?cái)?shù),即可得知織物的尺寸。在掃描像素顏色時(shí),可得到經(jīng)線和緯線方向的像素?cái)?shù)目,通過(guò)像素?cái)?shù)就可以得知織物的尺寸。經(jīng)線和緯線方向的紗線數(shù)已知,織物的經(jīng)緯密度就很容易計(jì)算得到。該方法通過(guò)判別像素點(diǎn)的顏色來(lái)進(jìn)行的,數(shù)據(jù)量較大,在此圖像二值化和顏色掃描都是通過(guò)MATLAB編程實(shí)現(xiàn)的［9］,并且可以支持大多數(shù)的圖像格式,檢測(cè)過(guò)程所用時(shí)間較短,效率很高。3結(jié)果分析在以下經(jīng)緯線方向掃描像素的圖中,x方向?yàn)橄袼氐狞c(diǎn)數(shù),y是灰度值,灰度范圍為0～255,y坐標(biāo)中1對(duì)應(yīng)255(白色),0對(duì)應(yīng)0(黑色)。根據(jù)以上所述分析,得到圖4中一塊白色區(qū)域的中心點(diǎn),其坐標(biāo)為(262,128)。圖6(a)和圖6(b)分別為織物的緯線、經(jīng)線方向的像素分布,在緯線方向(即x方向)有473個(gè)像素點(diǎn),計(jì)算顏色值為連續(xù)黑色的像素段數(shù)為29個(gè),即紗線數(shù)為29根,比實(shí)際紗線數(shù)少2根;在經(jīng)線方向(即y方向)有363個(gè)像素點(diǎn),計(jì)算顏色值為連續(xù)黑色的像素段數(shù)為18個(gè),即紗線數(shù)為18根,與實(shí)際紗線數(shù)相同。造成誤差的原因,主要是在獲取織物圖像時(shí),紗線有點(diǎn)彎曲,部分紗線偏離了掃描方向。根據(jù)經(jīng)線和緯線的像素?cái)?shù),得到圖像中的織物的長(zhǎng)度為3.2 cm,寬度為2.1 cm,經(jīng)緯密度分別是10根/cm、9根/cm。

圖6經(jīng)緯線方向像素顏色分布

Fig.6The pixel distribution of warp and weft

圖7棉質(zhì)T恤布料

Fig.7The cloth of cotton Tshirt根據(jù)此方法對(duì)其他方式得到的其他織物圖像進(jìn)行了驗(yàn)證檢測(cè),圖7是棉質(zhì)T恤布料,該布料比較特殊,緯線方向的紗線是傾斜的;圖8是麻線布料的圖片。以上兩張圖片的處理結(jié)果比較理想,圖9為織物的經(jīng)線方向的像素分布,其經(jīng)線紗線數(shù)為14根,比實(shí)際紗線數(shù)少1根,織物的長(zhǎng)度為0.8 cm,經(jīng)線密度是18根/cm;圖10(a)和圖10(b)分別為織物的緯線、經(jīng)線方向的像素分布,其緯線紗線數(shù)為33,與實(shí)際紗線數(shù)一致,經(jīng)線方向紗線為26根,比實(shí)際紗線數(shù)少1根,織物長(zhǎng)和寬分別為2.2 cm、1.5 cm,經(jīng)緯密度分別為15根/cm、17根/cm。

圖8麻線布料

Fig.8The cloth of linen thread圖9緯線方向像素顏色分布

Fig.9The pixel distribution of weft

圖10經(jīng)緯線方向像素顏色分布

Fig.10The pixel distribution of warp and weft

圖11運(yùn)動(dòng)褲布料

Fig.11The cloth of slacks為了縮短檢測(cè)時(shí)間且提高檢測(cè)精度,可以截取部分圖像來(lái)進(jìn)行處理,這樣要判別的像素?cái)?shù)目就變得很少,并且可以避免織物發(fā)生少許傾斜和褶皺的狀況,可以減小誤差。圖11是運(yùn)動(dòng)褲的布料,為方便人眼觀察,對(duì)原圖進(jìn)行了放大,圖12(a)和圖12(b)分別為織物的緯線、經(jīng)線方向的像素分布,緯線和經(jīng)線的紗線數(shù)目分別為5根、6根,與實(shí)際值相同,織物長(zhǎng)度和寬度分別為0.3 cm、0.2 cm,經(jīng)緯密度分別為17根/cm、30根/cm。4結(jié)論本文介紹了基于顏色的織物經(jīng)緯密度檢測(cè),對(duì)織物上光照的均勻性沒(méi)有過(guò)高要求,且對(duì)圖像的噪聲不敏感,在獲取圖像時(shí)保證可以明顯區(qū)分紗線本身顏色與紗線間的間隙的顏色即可。該檢測(cè)方法簡(jiǎn)單,快速且較為準(zhǔn)確,每次檢測(cè)時(shí)間短;但是該方法的一大缺點(diǎn)是獲取圖像時(shí),織物的放置形態(tài)會(huì)嚴(yán)重影響檢測(cè)結(jié)果,這一點(diǎn)需要在以后的工作中改善。

圖12經(jīng)緯線方向像素顏色分布

Fig.12The pixel distribution of warp and weft

此織物經(jīng)緯密度檢測(cè)系統(tǒng)可應(yīng)用在織物生產(chǎn)流水線上,通過(guò)多次檢測(cè)以得到最精確的結(jié)果。由于這是一種比較新穎的檢測(cè)織物的經(jīng)緯密度的方法,所能檢測(cè)的織物的種類比較單一,在許多方面還存在缺點(diǎn),這將在以后的研究工作中得到改進(jìn)。參考文獻(xiàn)：

［1］WANG X,GEORGIANS N D,PETRIU E M.Fabric texture analysis using computer vision techniques［J］.IEEE Transactions on Instrumentation and Measurement,2011,60(1):4456.

［2］周利兵,劉莉.織物經(jīng)緯紗線密度的自動(dòng)測(cè)量［J］.科技信息,2010(26):368369.

［3］吳海虹,張明敏,潘志庚.織物圖像的傾斜檢測(cè)與緯紗密度識(shí)別［J］.中國(guó)圖象圖形學(xué)報(bào),2006,11(5):640645.

［4］孫亞峰,陳霞,王新厚.機(jī)織物密度的計(jì)算機(jī)自動(dòng)識(shí)別［J］.東華大學(xué)學(xué)報(bào),2006,36(2):8388.

［5］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(shí)別［J］.紡織學(xué)報(bào),2008,9(11):128131.

［6］王長(zhǎng)軍.基于數(shù)字圖像技術(shù)的織物組織分析方法的研究［D］.上海:東華大學(xué),2008.

［7］周水慶,劉秉琦,胡文剛,等.線陣CCD全景圖像的噪聲分析與去噪方法研究［J］.光學(xué)儀器,2011,33(1):5457.

［8］李強(qiáng).基于圖像處理與虛擬儀器技術(shù)的織物懸垂性測(cè)試系統(tǒng)的研究［D］.上海:東華大學(xué),2007.

［9］馬曉路,劉倩,胡開(kāi)云,等.MATLAB圖像處理從入門(mén)到精通［M］.北京:中國(guó)鐵道出版社,

圖5中心點(diǎn)的推導(dǎo)

Fig.5Deducing centre

確定白色區(qū)域中心點(diǎn)的坐標(biāo)后,基于該點(diǎn)輸出所有經(jīng)線方向和緯線方向的所有像素點(diǎn)的顏色值,并分別繪制其變化規(guī)律,每根紗線內(nèi)的像素的顏色值是連續(xù)的,計(jì)算顏色值連續(xù)為黑色的像素段數(shù),即為紗線數(shù)。數(shù)字相機(jī)與織物的距離是固定的,則數(shù)字相機(jī)所能獲得的圖像中的織物的大小也是固定的。根據(jù)數(shù)字相機(jī)的分辨率和織物單位長(zhǎng)度內(nèi)的像素?cái)?shù),即可得知織物的尺寸。在掃描像素顏色時(shí),可得到經(jīng)線和緯線方向的像素?cái)?shù)目,通過(guò)像素?cái)?shù)就可以得知織物的尺寸。經(jīng)線和緯線方向的紗線數(shù)已知,織物的經(jīng)緯密度就很容易計(jì)算得到。該方法通過(guò)判別像素點(diǎn)的顏色來(lái)進(jìn)行的,數(shù)據(jù)量較大,在此圖像二值化和顏色掃描都是通過(guò)MATLAB編程實(shí)現(xiàn)的［9］,并且可以支持大多數(shù)的圖像格式,檢測(cè)過(guò)程所用時(shí)間較短,效率很高。3結(jié)果分析在以下經(jīng)緯線方向掃描像素的圖中,x方向?yàn)橄袼氐狞c(diǎn)數(shù),y是灰度值,灰度范圍為0～255,y坐標(biāo)中1對(duì)應(yīng)255(白色),0對(duì)應(yīng)0(黑色)。根據(jù)以上所述分析,得到圖4中一塊白色區(qū)域的中心點(diǎn),其坐標(biāo)為(262,128)。圖6(a)和圖6(b)分別為織物的緯線、經(jīng)線方向的像素分布,在緯線方向(即x方向)有473個(gè)像素點(diǎn),計(jì)算顏色值為連續(xù)黑色的像素段數(shù)為29個(gè),即紗線數(shù)為29根,比實(shí)際紗線數(shù)少2根;在經(jīng)線方向(即y方向)有363個(gè)像素點(diǎn),計(jì)算顏色值為連續(xù)黑色的像素段數(shù)為18個(gè),即紗線數(shù)為18根,與實(shí)際紗線數(shù)相同。造成誤差的原因,主要是在獲取織物圖像時(shí),紗線有點(diǎn)彎曲,部分紗線偏離了掃描方向。根據(jù)經(jīng)線和緯線的像素?cái)?shù),得到圖像中的織物的長(zhǎng)度為3.2 cm,寬度為2.1 cm,經(jīng)緯密度分別是10根/cm、9根/cm。

圖6經(jīng)緯線方向像素顏色分布

Fig.6The pixel distribution of warp and weft

圖7棉質(zhì)T恤布料

Fig.7The cloth of cotton Tshirt根據(jù)此方法對(duì)其他方式得到的其他織物圖像進(jìn)行了驗(yàn)證檢測(cè),圖7是棉質(zhì)T恤布料,該布料比較特殊,緯線方向的紗線是傾斜的;圖8是麻線布料的圖片。以上兩張圖片的處理結(jié)果比較理想,圖9為織物的經(jīng)線方向的像素分布,其經(jīng)線紗線數(shù)為14根,比實(shí)際紗線數(shù)少1根,織物的長(zhǎng)度為0.8 cm,經(jīng)線密度是18根/cm;圖10(a)和圖10(b)分別為織物的緯線、經(jīng)線方向的像素分布,其緯線紗線數(shù)為33,與實(shí)際紗線數(shù)一致,經(jīng)線方向紗線為26根,比實(shí)際紗線數(shù)少1根,織物長(zhǎng)和寬分別為2.2 cm、1.5 cm,經(jīng)緯密度分別為15根/cm、17根/cm。

圖8麻線布料

Fig.8The cloth of linen thread圖9緯線方向像素顏色分布

Fig.9The pixel distribution of weft

圖10經(jīng)緯線方向像素顏色分布

Fig.10The pixel distribution of warp and weft

圖11運(yùn)動(dòng)褲布料

Fig.11The cloth of slacks為了縮短檢測(cè)時(shí)間且提高檢測(cè)精度,可以截取部分圖像來(lái)進(jìn)行處理,這樣要判別的像素?cái)?shù)目就變得很少,并且可以避免織物發(fā)生少許傾斜和褶皺的狀況,可以減小誤差。圖11是運(yùn)動(dòng)褲的布料,為方便人眼觀察,對(duì)原圖進(jìn)行了放大,圖12(a)和圖12(b)分別為織物的緯線、經(jīng)線方向的像素分布,緯線和經(jīng)線的紗線數(shù)目分別為5根、6根,與實(shí)際值相同,織物長(zhǎng)度和寬度分別為0.3 cm、0.2 cm,經(jīng)緯密度分別為17根/cm、30根/cm。4結(jié)論本文介紹了基于顏色的織物經(jīng)緯密度檢測(cè),對(duì)織物上光照的均勻性沒(méi)有過(guò)高要求,且對(duì)圖像的噪聲不敏感,在獲取圖像時(shí)保證可以明顯區(qū)分紗線本身顏色與紗線間的間隙的顏色即可。該檢測(cè)方法簡(jiǎn)單,快速且較為準(zhǔn)確,每次檢測(cè)時(shí)間短;但是該方法的一大缺點(diǎn)是獲取圖像時(shí),織物的放置形態(tài)會(huì)嚴(yán)重影響檢測(cè)結(jié)果,這一點(diǎn)需要在以后的工作中改善。

圖12經(jīng)緯線方向像素顏色分布

Fig.12The pixel distribution of warp and weft

此織物經(jīng)緯密度檢測(cè)系統(tǒng)可應(yīng)用在織物生產(chǎn)流水線上,通過(guò)多次檢測(cè)以得到最精確的結(jié)果。由于這是一種比較新穎的檢測(cè)織物的經(jīng)緯密度的方法,所能檢測(cè)的織物的種類比較單一,在許多方面還存在缺點(diǎn),這將在以后的研究工作中得到改進(jìn)。參考文獻(xiàn)：

［1］WANG X,GEORGIANS N D,PETRIU E M.Fabric texture analysis using computer vision techniques［J］.IEEE Transactions on Instrumentation and Measurement,2011,60(1):4456.

［2］周利兵,劉莉.織物經(jīng)緯紗線密度的自動(dòng)測(cè)量［J］.科技信息,2010(26):368369.

［3］吳海虹,張明敏,潘志庚.織物圖像的傾斜檢測(cè)與緯紗密度識(shí)別［J］.中國(guó)圖象圖形學(xué)報(bào),2006,11(5):640645.

［4］孫亞峰,陳霞,王新厚.機(jī)織物密度的計(jì)算機(jī)自動(dòng)識(shí)別［J］.東華大學(xué)學(xué)報(bào),2006,36(2):8388.

［5］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(shí)別［J］.紡織學(xué)報(bào),2008,9(11):128131.

［6］王長(zhǎng)軍.基于數(shù)字圖像技術(shù)的織物組織分析方法的研究［D］.上海:東華大學(xué),2008.

［7］周水慶,劉秉琦,胡文剛,等.線陣CCD全景圖像的噪聲分析與去噪方法研究［J］.光學(xué)儀器,2011,33(1):5457.

［8］李強(qiáng).基于圖像處理與虛擬儀器技術(shù)的織物懸垂性測(cè)試系統(tǒng)的研究［D］.上海:東華大學(xué),2007.

［9］馬曉路,劉倩,胡開(kāi)云,等.MATLAB圖像處理從入門(mén)到精通［M］.北京:中國(guó)鐵道出版社,