袁利華

(浙江農(nóng)業(yè)商貿(mào)職業(yè)學院, 浙江 紹興 312088)

基于紗線條干真實數(shù)據(jù)的數(shù)字化黑板的構(gòu)建

袁利華

(浙江農(nóng)業(yè)商貿(mào)職業(yè)學院, 浙江 紹興 312088)

以計算機、單片機、步進電機和視頻顯微鏡組建的紗線圖像連續(xù)采集和處理系統(tǒng)為基礎(chǔ)，提出一種基于紗線條干圖像真實數(shù)據(jù)的數(shù)字化黑板的構(gòu)建方法. 在系統(tǒng)中首先連續(xù)采集一定長度的紗線，然后對紗線圖像進行灰度變換、圖像分割、形態(tài)學開運算和面積濾波處理，得到清晰、無噪聲的紗線條干圖像，統(tǒng)計紗線條干直徑信息，構(gòu)建數(shù)字化黑板.

數(shù)字化黑板； 圖像處理； 紗線條干； 直徑

紗線的條干均勻度是衡量紗線質(zhì)量的重要指標，它不僅在較大程度上決定了紡織品的外觀和內(nèi)在質(zhì)量，而且對紡織品生產(chǎn)過程的穩(wěn)定性有很大影響[1].傳統(tǒng)黑板法評價紗線條干均勻性采用搖黑板機，將紗線均勻地纏繞在板面黑度均勻一致、表面光滑、一定尺寸的塑料黑板上，用目光對比相應(yīng)的標準樣照，對紗線進行評等[2].這種實驗方法的重復性較差，且顯示的樣本量有限，紗線的相位(起點)不能更改，同時無法脫離搖黑板機的束縛，難以總體評價紗線的外觀質(zhì)量.

目前，有關(guān)紗線電子黑板的研究主要有：黑板圖像處理法以及建立的黑板檢測自動評級系統(tǒng)[3-8]，通過對黑板實物進行拍照或掃描，制成電子黑板，然后利用圖像處理方法探討紗線黑板的處理，或者是在此基礎(chǔ)上提取圖像特征或樣照黑板圖像特征，分析確定紗線等級，但這些方法都離不開原始的繞黑板機.電子檢視板法[9]是采用美國勞森—享普希兒制造的EB-S型的紗線圖像采集及處理系統(tǒng)，該儀器硬件由一套紗線輸送系統(tǒng)和CCD視頻采集圖像鏡頭系統(tǒng)組成，將獲得的數(shù)字信號送至計算機進行信息處理，利用紗線外觀輪廓在屏幕上模擬電子黑板效果，但其獲取的是紗線外觀投影并不是紗線的外觀實際圖像.基于電容式條干均勻度儀模擬黑板的方法[10-11]是根據(jù)電容式條干均勻度儀測得紗線的線密度值，結(jié)合具體模擬算法，在軟件中模擬紗線纏繞黑板，但線密度不勻反映的是紗線截面的纖維根數(shù)的多少，與黑板目光檢驗法的紗線表觀直徑的不勻有明顯區(qū)別.

通過組建紗線圖像采集和處理系統(tǒng)來進行有關(guān)紗線方面的研究主要有：文獻[12]以數(shù)碼攝像機、紗線卷繞裝置、計算機以及步進電機為基礎(chǔ)，通過間歇采集紗線圖像模擬織物外觀；文獻[13-14]以相機、紗線扭結(jié)設(shè)備、一個封閉室、水浴以及計算機為基礎(chǔ)，通過采集在水浴中的紗線自動評定和識別紗線的扭結(jié)；文獻[15]以線陣相機、直流電機、鋁制框架以及計算機為基礎(chǔ)，采用控制圖法監(jiān)測雪尼爾紗線缺陷.

針對以往傳統(tǒng)電子黑板模擬存在的問題，本文利用計算機、單片機、步進電機和視頻顯微鏡組建紗線圖像連續(xù)采集和處理系統(tǒng)，并提出一種新的模擬紗線黑板的方法.首先利用系統(tǒng)連續(xù)捕獲紗線靜態(tài)圖像，然后運用圖像處理方法對紗線圖像進行處理，得到紗線條干圖像，統(tǒng)計紗線條干的直徑信息，構(gòu)建紗線數(shù)字化黑板圖像.

1 紗線圖像連續(xù)采集及處理系統(tǒng)原理

1.1 系統(tǒng)組成

該系統(tǒng)包括計算機(PC)、TMS320C25型DSP單片機、步進電機、導紗裝置、MOTIC SME-140型視頻顯微鏡和相應(yīng)的接口、Matlab GUI界面或其他開發(fā)環(huán)境等，系統(tǒng)示意圖如圖1所示.導紗裝置包括導紗架、導紗鉤、導紗輪和輸出羅拉，其中輸出羅拉為一對相互擠壓的皮輥.

1—紗管; 2—導紗架; 3—紗線; 4—導紗鉤; 5—導紗輪; 6—拍照背景; 7—視頻顯微鏡; 8—輸出羅拉; 9—步進電機; 10—HST884D型驅(qū)動器; 11—電源; 12—單片機; 13—顯示器; 14—主機

1.2 系統(tǒng)原理

系統(tǒng)由速度可控紗線傳動裝置模塊、紗線靜態(tài)圖像采集模塊、圖像實時處理軟件系統(tǒng)模塊組成，其原理和功能如下所述.

(1) 速度可控紗線傳動裝置模塊.利用單片機產(chǎn)生驅(qū)動步進電機的脈沖信號，并傳送給電機驅(qū)動器，驅(qū)動器對脈沖信號進行環(huán)形分配、功率放大，使步進電機繞組按一定順序通電，控制電機轉(zhuǎn)動，最后步進電機將電脈沖信號轉(zhuǎn)變?yōu)榻俏灰?，帶動輸出羅拉轉(zhuǎn)動，輸出羅拉帶動紗線勻速傳輸.調(diào)節(jié)脈沖發(fā)射頻率即可改變紗線運動速度.

(2) 紗線靜態(tài)圖像采集模塊.利用視頻顯微鏡，對通過傳動裝置的紗線進行拍攝并儲存.

(3) 圖像實時處理軟件系統(tǒng)模塊.該模塊能夠讀入采集到的紗線圖像，并利用圖像處理技術(shù)對圖像進行灰度變換、圖像分割、形態(tài)學開運算處理、面積濾波處理，得到清晰、無噪聲的紗線條干圖像，對紗線條干直徑信息進行統(tǒng)計和計算，構(gòu)建紗線數(shù)字化黑板效果圖并顯示.

2 圖像的采集與處理

2.1 紗線圖像采集參數(shù)選擇

拍攝紗線圖像時，采用的放大倍數(shù)越大，紗線的物理尺寸越短，需要拍攝的張數(shù)則越多，耗時越長，而采用較小的放大倍數(shù)則會對后續(xù)的紗線圖像處理造成影響.因此，在保證測試精度和測試速度的前提下，選擇視頻顯微鏡的放大倍數(shù)為10，最高分辨率采用1 024像素×768像素，實際拍照采用分辨率為640像素×160像素.經(jīng)標定每幅圖像中紗線物理尺寸為12.19 mm，一個像素占19.05 μm.

單片機產(chǎn)生脈沖信號驅(qū)動步進電機轉(zhuǎn)動，進而帶動紗線傳輸，100個脈沖使直徑為35 mm的皮輥轉(zhuǎn)動一周，根據(jù)弧長公式得到傳送的紗線長度為109.90 mm，因此1個脈沖信號傳送紗線長度為1.10 mm.在放大倍數(shù)為10時，每幀圖像對應(yīng)的紗線物理長度為12.19 mm，則約需要11.1個脈沖，為保持紗線采集的連續(xù)性，取11個脈沖，也就是紗線每走過11個脈沖，則靜止1 s，便于靜態(tài)圖像的采集，因而拍攝的前一幅紗線圖像的左端與拍攝的后一幅紗線圖像的右端會有5個像素的重合.

根據(jù)選擇的參數(shù)，以27.79 tex的環(huán)錠紡精梳純棉管紗為實驗對象進行黑板模擬，圖2為使用本系統(tǒng)連續(xù)采集1 000幅圖像中隨機的一幅紗線原始圖像的灰度圖像. 由圖2可知，紗線無抖動模糊現(xiàn)象，光照基本均勻一致，但圖像中存在很多噪點，因此，需要建立合理的圖像處理流程實現(xiàn)所有圖像中紗線與背景的分離，得到清晰、無噪點的紗線條干圖像.

(a) 紗線原始灰度圖像

(b) 紗線圖像灰度直方圖

2.2 圖像處理

為了對拍攝的1 000幅圖像進行逐一自動處理，并且使每幅圖像都能有較好的處理效果，本文采用的圖像處理流程為：紗線灰度圖像→圖像分割→形態(tài)學開運算→面積濾波.

2.2.1 圖像分割

由圖2(a)可以看出，紗線為白色，背景為黑色，目標和背景在灰度特性上差異較大，對比強烈，因此選擇閾值分割比較合理.同時，由圖2(b)可以看出，紗線圖像像素呈雙峰狀，因此采用自適應(yīng)閾值方法.

(2)

圖3 紗線二值圖像Fig.3 Yarn binary image

2.2.2 形態(tài)學開運算

形態(tài)學開運算可以消除小對象物、在纖細點處分離物體、平滑較大物體的邊界，同時并不明顯改變其面積[17].使用同一個結(jié)構(gòu)元素對圖像先腐蝕再進行膨脹的運算稱為開運算，在結(jié)構(gòu)元素S下的開運算定義為

(3)

式中：FoS表示用元素S對圖像F進行開運算處理；Θ表示腐蝕處理；⊕表示膨脹處理.

對紗線圖像進行處理時，采用圓盤結(jié)構(gòu)對閾值分割后的紗線圖像進行開運算處理效果相對較好[1， 18-19]，因此本文選用圓盤作為開運算的結(jié)構(gòu)形狀.當結(jié)構(gòu)元素的形狀確定后，結(jié)構(gòu)元素的尺寸會直接影響開運算后圖像的質(zhì)量.結(jié)構(gòu)元素尺寸太小，開運算時不能實現(xiàn)較大凸起與粘連的去除；結(jié)構(gòu)元素尺寸太大，會造成假斷裂[20].由于本系統(tǒng)是在同一光照環(huán)境下對紗線進行拍攝，所以運用同一結(jié)構(gòu)元素尺寸對所有圖像進行開運算應(yīng)具有相同的效果.因此，當拍下第一張紗線圖像時，對該圖像進行訓練，得到當圓盤半徑為5μm時處理后的圖像效果最佳.圖3在圓盤半徑為5μm時開運算結(jié)果圖如圖4所示.

圖4 形態(tài)學開運算后的紗線圖像Fig.4 Yarn image under morphological opening operation

2.2.3 面積濾波

開運算后，大部分紗線圖像都能得到清晰、無噪點的紗線條干圖像，但是對于有些纖維相互糾纏、穿插比較嚴重但并未形成棉結(jié)的紗線圖像(見圖5 (a)矩形框內(nèi))，經(jīng)過上述開運算后并不能將這種現(xiàn)象完全去除，同時會造成很多包含像素數(shù)有限的孤立片狀噪點(見圖5(c))，這些會使紗線條干直徑的統(tǒng)計結(jié)果偏大.為去除這類噪點，需要對開運算后的圖像進行面積濾波.該方法是通過標記二值圖像的連通域，找到各連通域面積值，將最大面積值ST定為面積閾值，當區(qū)域面積小于ST，說明該區(qū)域是噪聲，則將該區(qū)域去除.圖5(d)為面積濾波后的效果圖.

(a) 灰度化圖像

(b) 二值圖像

(c) 開運算圖像

(d) 面積濾波后圖像

為判斷紗線經(jīng)圖像處理后得到的紗線條干圖像邊緣與紗線原圖像軀干邊緣之間是否一致，將圖5(a)與(d)做減運算，結(jié)果如圖6所示.從圖6中可以看出，經(jīng)處理得到的紗線條干圖像邊緣與原圖像中軀干邊緣一致，基本沒有對紗線欠分割或過分割的現(xiàn)象，因此處理得到的紗線條干圖像數(shù)據(jù)可完全代表紗線原始圖像中紗線軀干的數(shù)據(jù)，具有真實性.

圖6 紗線邊緣輪廓判斷圖Fig.6 Yarn edge contour image

3 數(shù)字化黑板

3.1 紗線條干上下邊緣點的確定

對于獲得的紗線條干圖像，其上下邊緣點的確定如圖7所示.圖7中對矩形框內(nèi)的紗線條干圖進行了局部放大，正方形框(本為白色)代表紗線條干邊緣上的一個像素點. 從圖7中可以看出，紗線條干上下邊緣點的確定分以下兩種情況：

(1) 條干圖像的圖像矩陣中同一列有多個上下邊緣點，如圖7中的第一個上、下邊緣點和第二個上、下邊緣點(圖中文字).該種情況可能還會有第三個、第四個上下邊緣點等，因此對于這種情況下紗線直徑像素值的計算，以圖示情況為例，采用第一個上、下邊緣點之間像素的個數(shù)加上第二個上、下邊緣點之間像素的個數(shù)作為紗線一個直徑像素值.

(2) 只有一個上下邊緣點，如圖7中上邊緣點與下邊緣點(圖中文字).該種情況只需將上邊緣點與下邊緣點之間像素點的個數(shù)作為另一個紗線直徑像素值即可.

圖7 紗線條干邊緣放大圖Fig.7 Enlarged view of yarn evenness margin

3.2 紗線條干直徑信息的提取

對獲得的紗線條干圖像，由于前后兩幅圖像有5個像素的重合，因此這里采用將每一幅圖像的右端去掉5個像素點.設(shè)去掉像素后圖像的圖像矩陣為F,且A,B,C,D為不同的矩陣，(i,j)為圖像矩陣中像素點的坐標值，N1為圖像矩陣F中的總元素個數(shù)，N2為矩陣B中的總元素的個數(shù)減去1的元素個數(shù)，n1，n2為當前像素點坐標值i與j的乘積，則紗線直徑信息提取算法步驟為：

(1) 從上往下、從左往右逐列掃描圖像矩陣F，若F(i-1，j)=0且F(i,j)=1(0表示為黑點即背景，1表示為白點即紗線條干)，則確定點(i,j)為紗線條干的上邊界點，此時將i,j分別存入矩陣A,B中，否則執(zhí)行步驟(2)；

(2) 判斷是否滿足F(i,j)=1且F(i+1，j)=0，若是，則確定點(i,j)為紗線條干的下邊界點，此時只需將i值存入矩陣C中，若否，則執(zhí)行步驟(3)；

(3) 執(zhí)行下一個點，并判斷該點的橫、縱坐標之積即n1是否大于圖像矩陣F中的總元素個數(shù)N1，若是，執(zhí)行矩陣運算：D=C-A,若否，繼續(xù)執(zhí)行(1)；

(4) 判斷存儲邊界點縱坐標的矩陣B中相鄰的數(shù)據(jù)是否相同，即判斷紗線條干圖像矩陣中是否一列中有多個邊界點的情況(如圖7第一、二個上、下邊緣點)，即若B(i,j)=B(i,j+1)，則D(i,j)=D(i,j)+D(i,j+1)，此時矩陣D中這種多個邊界點的情況，通過疊加合成為一個數(shù)據(jù)值，也就是一個直徑像素值，否則執(zhí)行步驟(5)；

(5) 執(zhí)行下一個點，并判斷該點的橫、縱坐標之積即n2是否大于矩陣B中的總元素個數(shù)減1的個數(shù)N2，若是，將矩陣D儲存為文本文檔格式，算法結(jié)束，若否，繼續(xù)執(zhí)行步驟(4).

由于實際拍照采用的分辨率為640像素×160像素，因此經(jīng)過上述算法，采集的1 000幅紗線圖像則會提取到635 000個直徑數(shù)據(jù)存在文本文檔中.紗線條干直徑信息提取算法流程如圖8所示.

圖8 紗線直徑信息提取算法Fig.8 Pick-up algorithm of yarn diameter information collection

3.3 數(shù)字化黑板構(gòu)造原理

在GB/T 9996.1—2008中，采用250 mm×180 mm× 2 mm的塑料黑板對紗線試樣等級進行評定.為了滿足國家標準規(guī)定，也為了不使構(gòu)建的數(shù)字化黑板太大而引起操作麻煩，本文中數(shù)字化黑板大小采用5 000像素×3 600像素.

標定的圖像中一個像素占19.05 μm(即1 mm約有53個像素點)，參照GB/T 9996.1—2008中對棉及化纖純紡、混紡紗線的黑板繞紗密度的規(guī)定，利用長度單位和像素點之間的換算關(guān)系，得到數(shù)字化黑板的繞紗間距參考值，如表1所示.通過固定基線，依據(jù)圖9算法流程構(gòu)造的黑板如圖10所示，實驗所用紗線為27.79 tex精梳純棉紗，則間距則為59個像素點.

圖9 數(shù)字化黑板構(gòu)建算法流程圖Fig.9 The flowchart of construction algorithm of digital blackboard

表1 傳統(tǒng)黑板的繞紗密度和數(shù)字化黑板的繞紗間距參考值

圖10 27.79 tex純棉紗構(gòu)建的數(shù)字化黑板圖像Fig.10 Digital blackboard image of 27.79 tex cotton yarn

3.4 數(shù)字化黑板功能

通過上述方法建立的數(shù)字化黑板具有局部放大、快速聚焦功能，以及紗線相位、紗線卷繞密度可調(diào)性等功能.

3.4.1 局部放大和快速聚焦功能

在檢測紗線外觀質(zhì)量時，可根據(jù)需要對數(shù)字化黑板整體進行局部的放大，快速聚焦于可能出現(xiàn)紗疵的區(qū)域.在構(gòu)建好的黑板效果圖上，放置鼠標即可觀察到鼠標所在位置以及周圍一定區(qū)域內(nèi)的紗線條干放大圖像，鼠標移動，放大區(qū)域移動，快速聚焦紗疵位置，鼠標光標位于所需放大區(qū)域的中心位置，這樣使得圖像在放大區(qū)域中均勻展開，更確保了圖像邊緣也能同樣放大， 放大區(qū)域的大小和放大倍數(shù)可通過軟件參數(shù)調(diào)節(jié)，效果圖如圖11所示.放大倍數(shù)為圖11(b)的像素實際顯示值與圖11(a)中矩形框中圖像的實際像素值的比值.

3.4.2 相位可調(diào)性

紗線相位可調(diào)是指可以以紗線上任意位置(矩陣中任意一個數(shù)據(jù))為起點構(gòu)建數(shù)字化黑板.當構(gòu)造的數(shù)字化黑板中，紗疵出現(xiàn)在黑板上下或左右邊緣位置時(見圖12(a))，視覺上不容易發(fā)現(xiàn)疵點位置，此時可通過設(shè)置的軟件界面進行調(diào)整.一個為下拉菜單，其中有向左、向右、向上和向下4個選項，用來確定所需移動的方位；另一個是數(shù)字輸入框，通過鍵入數(shù)字來確定需要移動的紗線條干行數(shù). 通過在界面上改變這兩個設(shè)置將紗疵位置(圖12中方框內(nèi)部分)調(diào)整至黑板中間位置，更利于視覺上的觀察，同時也利于紗疵位置的快速聚焦.圖12(b)和(c)為通過改變界面設(shè)置得到的不同紗疵位置圖.

(a) 快速聚焦區(qū)域

(b) 區(qū)域放大圖像

(a) 紗線疵點位于數(shù)字化黑板下端

(b) 向上側(cè)調(diào)整

(c) 向右側(cè)調(diào)整

3.4.3 卷繞密度可調(diào)性

針對線密度不同的紗線，在構(gòu)造數(shù)字化黑板時，應(yīng)選擇不同的繞紗密度.依據(jù)表1，在軟件內(nèi)根據(jù)輸入的紗線線密度，自動給出繞紗密度，實現(xiàn)卷繞密度的可調(diào)性.圖13為27.79和14.59 tex純棉紗構(gòu)造的數(shù)字化黑板效果對比圖.

(a) 27.79 tex純棉紗間距59個像素點

(b) 14.59 tex純棉紗間距41個像素點

Fig.13 Comparison images of yarn digital blackboard with different linear density

4 結(jié) 語

本文以組建的連續(xù)采集紗線圖像系統(tǒng)為平臺，利用紗線條干圖像真實數(shù)據(jù)構(gòu)造的數(shù)字化黑板，克服了紗線外觀輪廓投影的不足，完全擺脫了搖黑板機的束縛，能更好地實現(xiàn)利用黑板對紗線外觀質(zhì)量的評定.構(gòu)建的數(shù)字化黑板更能直觀、快捷地反映出紗線條干情況，對于及時發(fā)現(xiàn)紗線質(zhì)量問題意義重大，同時可通過快速聚焦和局部放大來迅速發(fā)現(xiàn)紗疵位置，并可通過改變紗線相位將疵點移至有利觀察的位置，進而可分析該疵點.

本文構(gòu)造的數(shù)字化黑板只是開發(fā)系統(tǒng)中的一個附帶功能，系統(tǒng)最終目的是實現(xiàn)基于圖像式的紗線條干儀的研究.目前所設(shè)計的系統(tǒng)只是一個雛形，下一步則會在進一步提高速度的同時，完善系統(tǒng)結(jié)構(gòu)，對軟件進一步深化，記錄棉結(jié)、粗節(jié)、細節(jié)以及統(tǒng)計表示紗線外觀不勻的各種變異系數(shù)等指標，同時實現(xiàn)紗線外觀質(zhì)量的評價，對數(shù)字化黑板外觀評價標準進一步開發(fā).

[1] 遲開龍,潘如如,劉基宏,等.基于數(shù)字圖像處理的紗線條干均勻度檢測初探[J].紡織學報,2012,33(12):19-24.

[2] GB/T 9996.1—2008棉及化纖純紡、混紡紗線外觀質(zhì)量黑板檢驗方法[S].

[3] DARIUSH S, MASOUD L, MOHAMMAD A， et al. Grading of yarn appearance using image analysis and an artificial intelligence technique[J]. Textile Research Journal, 2006,76(3):188-189.

[4] ZHEN L, XU B, CHI Z, et al. Intelligent characterization and evaluation of yarn surface appearance using saliency map analysis, wavelet transform and fuzzy ARTMAP neural network[J]. Expert Systems with Applications, 2012(39): 4201-4212.

[5] 蔣宗仁.圖像形態(tài)法在棉紗黑板圖像處理中的應(yīng)用[J].現(xiàn)代計算機,1995(10):11-14.

[6] 李亞濱,宋新平,張毅.棉紗黑板檢驗的圖像處理[J].天津工業(yè)大學學報,2002,21(4):28-30.

[7] 路劍鋒,張一心.圖像分析法測試黑板條干的研究[J].毛紡科技,2003(4):53-54.

[8] 周絢麗,成玲.紗線黑板數(shù)字圖像處理方法[J].紡織學報,2008,29(8):30-33.

[9] BASU A, PASUPATHY R. Objective assessment of yarns[J]. Melliand Magazine, 2002(1/2): 28-30.

[10] 孫浩然,王靜,鐘安華.基于計算機紗線仿真的紗線條干檢測系統(tǒng)[J].輕紡工業(yè)與技術(shù),2012,41(6):63-65.

[11] 韓玲,文靜，張一心.計算機黑板模擬系統(tǒng)開發(fā)與研究[J].陜西紡織,2006(1):4-6.

[12] HAKAN ?, GUNGOR B. Computer simulation of woven fabric appearances based on digital video camera recordings of moving yarns[J]. Textile Research Journal, 2008,78(2): 152-153.

[13] XU B, CHARLOTTE M, MURRELLS, et al. Automatic measurement and recognition of yarn snarls by digital image and signal processing methods[J]. Textile Research Journal, 2008,78(5): 439-440.

[14] XU B, TAO X, CHARLOTTE M. Evaluation of a digital image-signal approach on the automatic measurement of cotton yarn snarls[J]. Textile Research Journal, 2010,80(12): 1152-1153.

[15] TUNA’K M, BAJZL’K V, TESTIK M. Monitoring chenille yarn defects using image processing with control charts[J]. Textile Research Journal, 2011,81(13): 1347-1348.

[16] 張錚,王艷平,薛桂香.數(shù)字圖像處理與機器視覺[M].北京:人民郵電出版社,2010:363-367.

[17] 朱虹.數(shù)字圖像處理基礎(chǔ)[M].北京:科學出版社,2005:159.

[18] 姬建正,劉建立,高衛(wèi)東,等.基于數(shù)字圖像處理的紗線線密度測量[J].紡織學報,2011,32(10):44-45.

[19] 孫銀銀,潘如如,高衛(wèi)東.基于數(shù)字圖像處理的紗線毛羽檢測[J].紡織學報,2013,34(6):103-104.

[20] 朱士虎,朱紅,何培忠.形態(tài)學運算中結(jié)構(gòu)元素選取方法研究:專業(yè)版[J].現(xiàn)代計算機,2009(311):19-21.

Construction of Digital Yarn Blackboard Based on Yarn Evenness Image Acquisition

YUANLi-hua

(Zhejiang Agricultural Business College, Shaoxing 312088, China)

A new method was proposed for simulating digital yarn blackboard based on a yarn image acquisition system. The system was mainly consisted of a computer, a single-chip micro-computer， a stepper motor, and a digital video microscope, and it was used to capture sequence images for a moving yarn. And then the images were processed by image grey-scale transformation, image segmentation, morphological opening operation and area filtering process. The yarn evenness information was extracted from the yarn core image. Finally, the digital yarn blackboard was constructed with the yarn evenness information.

digital blackboard; image processing; yarn evenness; diameter

2015-03-27

浙江省教育廳科研資助項目(Y201223063)

袁利華(1982—)，女，安徽亳州人，講師，碩士，研究方向為紡織材料及紡織新型技術(shù).E-mail：htyuanlihua@126.com

1671-0444(2015)05-0650-09

TS 107.2

B