基于序列切面投影图像的织物起球等级评定方法研究

'人：菅細細?4:?“‘二：：？丄‘,二二—二丄删°」」」丄八迎—丨■…一丨一—■―：■忠工一串》——■▲■■“：：：：：：一：—”—■■——：二二一二今、★…—―—；知士一士二：」‘：—一；基于序列切面投影图像的织物起球论文题苷：：：“：：：：：等级评定方法研究—；—二二二二厂士丄一■▲：—纺织工程—‘■；一—；与念一———■杨疏■作者姓名■‘,———￡汪军陈霞“—指导教师：—年月；：完成曰期：——：一飞二土,■■—二：：：—；一丁■十；,—‘■介■——：‘‘■■丨‘‘“— 学校代学号：基于序列切面投影图像的织物起球等级评定方法研究学科专业：纺织工程学生姓名：杨璇指导老师：汪军、陈霞答辩日期：年月 东华大学学位论文原创性声明本人郑重声明：恪守学术道德,崇尚严谨学风。所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已明确注明和引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写,对所写的内容负责,并完全意识到本声明的法律结果由本人承担。学位论文作者签名：期：丨、年月 东华大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅或借阅。本人授权东华人学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制亍段保存和汇编本学位论文。保密□,在年解密后适用本版权书。本学位论文属于不保密‘学位论文作者签名指导教师签名 尔牛大衂学位论义摘茇基于序列切面投影图像的织物起球等级评定方法研究摘要织物的起毛起球现象指织物在实用过程中,因表面受磨部分生出绒毛茸,进而纠结成小球的疵病,这种现象严重影响织物的外观以及大众的消费选择,尤其是近年来,消费者对服用面料轻薄化、柔软化、高支化的要求越来越高,因而服用面料的起球问题也就更加受到关注,织物的起毛起球等级是评价织物质量的重要指标之一,目前通常采用主观评定方式,其结果受到人为因素影响很大。本文致力于研究基于序列切面投影图像的织物起球等级的计算机视觉评定方法,试图以一种客观评定方法来代替主观评定。论文对基于序列织物进行图像处理,并根据织物厚度将其分为轻薄型、中厚型和厚重型,着重对三种不同厚度起球织物的图像分割进行了分析与讨论,最后利用最近邻算法建立了织物起球客观等级评定标准,并用个织物试样对该方法进行了实验验证。论文主要内容如下：、通过采集装置得到小球序列切面投影图像(将小球视为织物上的毛球进行验证实验),利用边缘检测算法提取小球序列切面投影图像的边缘轮廓线,将序列切面投影图像轮廓高度曲线拼接起来获得起球图像；进而对图像预处理；图像分割；最后提取相关特征值,从而验证了基于序列切面投影图像的运动毛球理论模型的正确性和合理性。、在对实际起球织物序列切面投影图像基于双高斯拟合选取最适阈值时,着重考虑了织物厚度的因素,并且根据检测出织物的不 摘要、中人学位沦文同厚度,采用不同的分割参数相匹配,然后提取起球织物的序列切面投影图像的边缘轮廓高度曲线,拼接得到织物的起球图像；利用单峰高斯拟合阈值对起球图像毛球进行分割；对于起球等级严重的织物毛球出现的粘连现象,采用了基于点邻域比值的阈值对粘连毛球进行了再分割,取得了很好的效果。、提取了毛球个数、毛球总面积、毛球平均面积、毛球最大面积、毛球总体积、毛球平均体积、毛球最大体积、毛球平均高度、毛球最大高度个特征参数,分析了个特征参数与起球等级的相关性,确定了毛球个数、毛球总面积、毛球平均体积以及毛球最大高度个参数作为最终特征值,对这四个特征值进行归一化,建立特征向量模板,从而为起球等级评定提供依据。、利用最近邻法建立了起球等级标准,选取组个实际起球织物试样进行客观起球等级评定,结果与主观评定相比,吻合率达到,表明了基于序列切面投影图像的织物起球等级评定方法的可行性。关键词：织物起球、等级评定、阈值分割、粘连毛球分割、织物厚度 仏平大学如！丨学位沦义,、、 ABSTRACT4、中大她位论义,、,,、 东午大学硕学位论义目录第一章绪论文献综述本文研究的主耍内容及意义第一章基于序列切而投影图像的织物毛球模型验证运动毛球理论模型的建立运动毛球理论模型的验证本章小结第二章织物起球图像的获取序列切面投影图像中织物边缘轮廓的检测序列切面投影图像轮廓高度曲线的提取织物厚度的判定织物起球图像的获得：本章小节第四章起球织物图像毛球分割毛球分割木章小结第五章织物起球特征值提取、客观评级及验证特征参数提取特征参数分析特征值标样模板建立织物起球等级评定方法织物起球等级评定方法验证本章小结第六章结论本文结论参考文献 《、屮大学她位沦义硕上期间发表论文情况 东平大学硕学位论义绪论第一章绪论对于织物起毛起球等级的评定国内外一直沿袭着主观评定的方法,但近些年图像处现领域的快速发展,已经将图像处理应用于织物起毛起球的客观评定进行研究,且取得了一定的成果。文献综述随着计算机软硬件技术的快速发展以及图像处理和分析算法成果的不断涌现,织物起毛起球等级评定朝着客观化,仪器化的方向发展成为了可能,自上世纪年代以来,国内外不少学者开始致力于研究利用图像处理技术对织物起毛起球进行客观评级,虽然现阶段该技术仍未成熟,但也取得了一定的进展。研究的大体流程为：图像采集一图像预处理一毛球分割一特征值提取一客观评级。根据图像采集方法的不丨织物起毛起球客观评级方法大体可以分为三大类,一类是基于起球织物灰度图像的织物起球客观等级评定；第二类是基于起球织物表而形态高低起伏信息即距离摆像的织物起球客观等级评定；第三类是基于投影图像的织物起球客观等级评级。基于灰度图像的织物起球分析方法：光丫试样〉一广物台图灰度图像的釆集灰度图像采用摄像头等设备接获取,图像中的每一点像素值代表一定条件下织物表面反射光的强度。利用摄像头采集起球织物的灰度图像(图通过安装在计算机内的采集卡送入到计算机内部进行分析和处理。等⑴用近切向的平行光源从侧面照射织物获取个试样的灰度阁像,直接将图像阈值化为二值图像,提取毛球个数和毛球总面积,对比样照小的毛球个数和总面积确定起球等级,并与主观评定进行了比较,不足之处是若底纹 第一；？绪论大争硕丨学位论；复杂,其上浮点有可能归为毛球类。等采用标准的照明条件,用散射变光管从织物侧向照明获取织物的灰度图像,对图像进行光照不匀等预处理后进行阈值化,分割毛球的阴影区域,提取了毛球总数、总面积、总体积,毛球的大小、形状、取向度、对比度,毛球空间分布的均匀性。由于侧向照射产生阴影,所分割的毛球区域也包括毛球产生的阴影区域,对部分衍标值产生影响,而且并没有根据起球特征进行起球等级的客观评定,且其仅适用丁素色织物。采集的织物灰度阁像比较暗,再用直方图拉伸至整个灰度范围,应用频谱分析方法,滤除图像巾织物的底纹,再用模板匹配来定位毛球并全局闭值方法进行分割,之后提取出毛球的分布密度、毛球大小和对比度三个特征值,最后用密度和面积百分比建立两个非线性变化方程和再由确定毛球的最后等级,但并未与主观评定进行比较且其采用的方法也只适应于素色织物。等对标准样照用频谱分析方法滤除底纹,再采出局部闭值方法进行毛球分割,提取起球总面积,与起球等级间建立了以为底的对数函数关系。在进一步的研究中,他们增加了毛球密度这一指标。而对实物采集时从织物的圆周位置上用光源近切向照射,每个织物试样采集幅图像,分别经底纹滤除后用变换合成一幅图像,提取特征,根据已建立的对数函数关系评定等级,其评定结果与主观评定差异较大,而且其方法也仅遗合于素色织物。等‘基于二维离散小波的频域分析分别对双面针织物和机织物这两个系列的织物起球标准样照进行图像处理,并通过提取图像的小波系数来对织物起球情况进行评级,同时他也对织物灰度的变化、水平或垂直变换以及图像的旋转对客观评级的影响进行了讨论。等,在早期对机织物、非织物、针织物分别进行了起毛起球等级评定。他们根据小波系数构造出复染纹理的特征参数,通过对标准样照进行织物纹理分析,将织物纹理进行分解,并在其水平,垂宵和对角线方向建立特征向量,应用二维离散小波变换得到的标准方差对织物纹理进行分类,再应用主成份分析法在建立的织物纹理向量中寻找特征向量,最后利用判别分析法根据毛球密度判别起球织物的所属等级。在后期的研究中,他们基于二维二分数小波重构滤波器对单色,无图案针织物进行图像分解和重建,再利用祌经网络对织物表面的起毛起球程度进行客观评级。通过采集织物起毛起球图像,然后进行预处理,将采集到的图像从位转化为位,利用小波分析来识别和分割图像,利用主成份分析法提取特征值,最后利线性分类神经网络和多层感知神经网络分别对织物进行客观评级,得出后者结果更加准确,通过 平大学硬学位论文第一绪论这种方法得出织物起球等级与专家评级的相比一致度高,若异均在一个级别以内。等基于边缘流对起毛起球织物进行分割。首先采取织物图像,可以是灰度图像也可以位彩色图像,之后分别计算颜色边缘流向量、纹理边缘流向量、相位边缘流向量,进行边缘检测,然后将不连续的边缘连接,提取出毛球人小、毛球数量、毛球体积三个特征值,由于三个特征值与毛球等级的相关性均大于,故最后利用最小距离法对织物起毛起球程度进行等级评虽然该方法不受织物颜色、纹理的影响,但最后并未做大量实验进行验证,未能给出一个准确的测试结果。利用均值偏移算法对织物毛球图像进行过滤和分割,最后将处理后的图像与原图像进行了人工对比,这种算法不仅检测单色织物,同样也适用于颜色多样的织物,最后虽与原始图像进行了对比,但并未给出一个准确的对比结果。曹飞对精梳毛织物标准样照图像先进行扫描,得到数字图像,之后运用快速傅立叶变换技术在频域范围对织物纹理进行去除,在频域内采用中值滤波器对纹理信息对应的亮点、亮带进行有效滤除,并应用基丁边界和基于闭值的方法来进行图像分割,选取毛球个数、毛球总面积光学体积这三个参数彳征毛球的标准特征参数,并进行归一化处理和建立特征向量模板,最后选取最小距离判别法作为实际织物起球等级的评定方法。崔琴等基于相位一致性进行起球图像分割。用照相机获取针织物的标准样照图像,利用由不同尺度和不同方向构成的滤波器组得到相位一致图像后,用熵法和基于信息熵的迭代法的加权阈值获得适应阈值来实现织物毛球图像的分割,然后提取毛球个数、平均面积、面积标准差个特征值,最后运用神经网络进行等级评定。选取余种不同颜色,不同针织纹路的针织物,共制备了个起球针织物试样,每一等级均有个待测样本,最后结果与主观评级一致程度分别为一级、二级、三级、四级、五级。周圆圆采用平板扫描仪并选取合适分辨率对机织物起毛起球标准样照进行扫描,采用傅立叶变换将图像信号转换到频域得到幅值谱,利用阈值法建立滤波模板,对纹理滤除后的起毛起球图像进行对比度增强,并将整个图像分成若干块,在每个子块里采用阈值处理,对闽位后的织物起毛起球图像进行消噪处理,得到最终的毛球二值图像。接着给出了基于样照图像分析的织物起毛起球评等标准建立。提取毛球个数、毛球总面积所占比例、毛球最大面积等参数,确定以毛球总面积所占比例这特征参数作为等级评定的标准。最后 第一夺绪论华大学硕学位论义对实际织物起毛起球试样按照前文提出的方法依次进行纹理滤除、毛球提取、毛球总面积所占比例计算、织物起毛起球等级评定。总共进行了种织物试样的起球试验,分别采用图像分析方法及人工样照比对方法对织物起毛起球等级进行评定,主客观评等结果一致率为不一致的级差均为级。虽然上述的基于边缘流和均值偏移两种图像分割算法尝试了对彩色织物,复杂纹理织物进行客观评佔,且具有一定的可行性,但这两种方法均未做人量实验进行验证,未能给出一个准确的测试结果。而现今主流的灰度图像分析方法的研究虽取得了一定的成果,但该类方法容易受到织物纹理、色彩、图案对毛球信息的影响,因此只适合于浅色、素色及简单组织织物,不适应于纹理复杂或伴有局部印花的织物。下述基于织物距离图像的分析方法则克服了这缺点。基于距离图像的织物起球分析方法距离图像中每一点的像素值代表织物表面至一定参考平面的高度值。其釆集方法一般是通过激光逐点扫描织物的表面获得,但也可通过其方法间接获取。利用激光三角法采集图像时,如图所示,织物试样放置于工作乎台上(平面),从激光器发射的光束经透镜照射到织物表而,织物表而的散射光经成像透镜由位置传感器接受,根据三角测量原理得到该点的相对高度。然后试样在方向和方向以一定的问隔依次作位移,通过逐点扫描织物得到反映织物表面整个高度分布的距离图彳激光丁图距离图像的采集基于该方法进行研究的为、、等、等。釆用了向后消减算法以选取最佳阈值对针织物的距离图像进行分割,提取突出面积、毛球总数、最大毛球突出面积和最高毛球高度四个特征值,然后根据最大似然方法建立了平均面积、最大突出面积和最大突出高度的等级评估二维系统,最后根据最近邻原则对起毛起球等级进行评估,并与试样的主观评定进行了比较。个针织物试样的评定巾个试样主客观评定差异为士级,其中有个试样的主客观差异为士级。 大学硕丨：学位论文第一￥络论】分别用分形理论、傅立叶变换和小波变换对针织物的毛球和茸毛进行分析,对不同等级试样分别提取了十四个指标,并分析了每个指标与主观评定等级之间的相关系数,但没有系统地根据这些指标进行起球等级的客观评定。等利用非接触立体视觉三维测试系统对织物毛球进行客观评级,一朿激光照射织物表面,两台采集反射得到的图像,利用光学三丨法对织物进行三维重建,提取毛球数量、毛球面积、毛球密度三个特征值,利用多元线性回归的方法将特征值和毛球等级建立关系,从而达到对织物毛球的客观评定。等设计出基于光学三角的立体扫描系统对织物毛球进行客观评级,他们利用平行入射光,在织物表面形成反射,反射光分别进入位于织物左右上方的采集器,对获取的有缺陷的像素值通过设计的自行运行程序根据目此临的个无缺陷像素的平均值进行修正,然后对图像进行预处理,去除噪声,平滑图像以及利用高斯分布来进行织物织物表面距离运算,随后利用已经开发的软件对织物进行三维重建,然后进行特征值毛球总体积的提取计算与毛球等级的相关性进行比较,得出了基丁毛球总体积的客观等级评定方法。里然等对该系统进行了测试,对并未给出与主观评定相一致的准确结果。基于距离图像的织物起球方法不受织物颜色、纹现、图案的影响,何由于其基于光学三角测量原理进行逐点扫描且一般采用激光,图像采集速度慢,采集设备成本高,无法满足工业应用,因此具有一定的局限性。基于序列切面投影图像的织物起球分析方法投影图像如图丨所示,即基于织物表面的轮廓线来进行客观评级,有些学者直接利用织物表面的轮廓线进行图像处理,也有学者：将获得的投影图像进行拼接后再进行客观评级。图投影图像设计出采集装置织物通过一个旋转棍,在改变方向处获得毛球的投影信息,从而消除了织物颜色、纹理、亮度等信息对图像的千扰,之后直接对投影图像进行基于灰度标准偏差的边缘检测, 访一草结论中大学硕十学位论义找出阈值进行二值化,提取出毛球的数量、毛球的宽度、毛球的高度、毛球的面积以及毛球间距离的标准偏差等特征值,最利用概率神经网络对织物毛球进行客观评级。由于其直接利用的投影图像无法确定是否为毛球最高点位置时得到的,因此对结果必然造成一定的影响。美国的公司开发的起毛起球自动检测系统原理是利用成像技术,捕捉测试样表面图形,通过分析扫描图像并经公式计算,从而获得可靠的起毛起球评定结果。该检测系统通过织物转过滚轴,使用照相机以每秒幅的速度读取试样的图像,再利用不同角度的两而镜子使照相机在每一个单独的图像中同吋获取水平线和织物上表面的图像,从而通过合成试样通过滚轴的所有图像,一个试样的复杂拓扑图即可被扫描进起球评级系统,之后该系统对拓扑图进行图像处理,分析系统图像,计算起毛程度,确定起球数的临界值,通过临界值来获得总的起球数,根据起球的不同尺寸将球进行分类,使用对数分类,最后加权的起球数数据代入起球评级公式得到相关级数。应用这种方法与主观评定结果进行比较的结果较为理想,浅色针织物、深色针织物和花色针织物与主观评级的一致性相差一级以上的样本数分别占、、。但由于其采集的毛球信息有一定的拉伸,这必定会对最后的评级结果产生影响。国内的徐增波先采集一幅参考图像,将投影图像减去参考图像后采用同一个阈值对所有投影图像进行二值化,提取织物的轮廓线并加以拼接得到序列投影图像。然后,采用与灰度图像同样分析方法分割,提取毛球个数、面积和体积指标,用大毛球个数、大毛球面积和毛球平均体积建立模糊模式识别,其中的隶属度函数需要人为确定。徐比较系统的分别从灰度图像和投影图像两种方法来评定织物的起球等级,但对于投影图像,仍采用与灰度图像同样的分析方法进行毛球识别与分割,且对实验裝置未进行精细的设计和分析,势必影响评定结果的准确性。陈霞在徐增波的基础上研制出织物序列切面投影图像采集装置及其关键零件异型杆的设计,在该装置采集图像的基础上利用边缘检测算子和插值法提取起球织物切面投影轮廓线,再通过拼接序列切面投影轮廓线得到织物三维起球图像以及其二维灰度图像,之后应用形态学方法对图像进行了预处理,然后采用高斯拟合阈值法分割毛球,提取粗糖度、偏度、毛球个数、毛球平均高度、毛球最大高度、毛球总体积、毛球总面积、毛球平均面积和毛球分形维等特征值,最后分别利用网络和自组织神经网络两种模式识别对织物进行了等级评定,等级评定正确率分别为,。陈系统的从织物起球采集装置的研制到最后起球等级您的客观评定均做出了详细的阐述及证明,其方法具 ^^^■？大学硕丨：学位论义策一？：结论有一定的可行性。基于投影图像的研究方法如距离图像一样不会受到织物颜色和纹理的影响,但也存在身的不足,将投影图像拼接后间接得图像会对毛球有一定的形状拉仲,这样得到的图像势必会对评级结果有一定的影响。本文研究的主要内容及意义本文对基于序列切而投影图像的织物起球等级评方法继续进行研究,首先对运动毛球理论模型进行理论分析和实验验证,之后对轻薄型、中厚型、厚重型三种不同厚度的起球织物进行分析讨论,建立了织物起球客观等级标准,并用个织物试样进行了实验验证。论文各章内容如下：第一章概述了国内外有关计算机视觉的织物起球等级评定的研究现状及本论文研究的主要内容和意义。第二章重点论述了对运动毛球理论模型的验证,通过采集装置得到小球序列切面投影图像(将小球当做织物上的毛球进行验证实验),将投影图像轮廓线拼接起来获得起球图像,进一步预处理,起球图像分割,最后提取特征值,从而运动毛球理论模型的止她性和合理；第三章详细讨论了如何利用织物序列切而投影阁像获取织物起球图像的理论、方法和途径。着重介绍了并考虑了织物厚度的因素从而采用了基于双高斯拟合选取最适阈值的图像分割方法,然后提取起球织物的序列切面投影图像的边缘轮廓高度曲线,并拼接从而得到织物的起球图像。第四章详细介绍了织物起球图像毛球分割。文中利用高斯拟合对毛球进行分割,由于起球等级严的织物毛球会有粘连现象,故首先要将粘连毛球从单个毛球中分离出来,然后着重介绍了基于点邻域比值对粘连毛球进行分割的合理性和可行性。第五章提取并分析毛球个数、毛球总面积、毛球平均面积、毛球最大面积、毛球总体积、毛球平均体积、毛球最大体积、毛球平均高度、毛球最大高度等特征参数与起球等级的相关性,确定了毛球个数、毛球总面积、毛球平均体积以及毛球最大高度为最终特征值,从而为起球等级评定提供了依据。最后介绍了利用最近邻法评定毛球等级。并用组实际起球织物实验验证了起球织物客观评定的正确性,从而验证整套方法的可行性。第六章对本论文进行了总结。介绍了本论文的主要研究内容、结论及存在的问题,并对进步研究进行了展望。基于计算机视觉和图像处理技术对织物起毛起球等级进行客观评定是今后 弟一？络论中大学硕丨：学位论文该领域发展的必然趋势。本论文正基于该技术方法进行研究的,初步得出了一套起毛起球等级评定的客观方法,并用实际试样对该方法进行了分析验证。 东大顿丨：学位论义十序列切投彩图像的织物屯球模喷验第二章基于序列切面投影图像的织物毛球模型验证在对织物起毛起球客观评定过程中,织物图像采集方式是至关東要的,基于序列切面投影图像的问接采集方式可以消除织物纹现、颜色等因素对毛球识别的干扰。通过分析图像采集过程中毛球投影度数据和图像采集装置关键部件形杆半径之间的关系,模拟了基丁序列切面投影图像的运动毛球的三维形状,提取了毛球的长宽比、面积和体积指标,并用实验进行验证。运动毛球理论模型的建立序列切面投影图像采集过程中,织物包覆在异形杆缓慢勻速移动,一侧的摄像头将织物运动过程中表面毛球的投影图像进行连续采集。如图所示,假设毛球呈球形,角度为开始拍摄毛球的起始位置,为第次拍摄的位置,弧线为异型杆被试样包绕的边缘部分从拍摄方向来看毛球的投影高度从起始最低位置,逐渐上升到最位置,继而再下降到最低的末——位置图中加粗的黑色圆弧部分为毛球运动到该位罝时可被拍摄到的部分。以毛球运动方向上的最大截而圆为分析对象,第次拍摄到的毛球投影阁像中毛球的高度为,下面以第次拍摄到的序列投影图像为例：广：、、,、、、：、、丨、、。、；丨養、、！」士’图毛球运动示意图毛球从起始位置到最高位置再到末位置,毛球运动轨迹对应为异型杆包绕边缘弧长,,、 ?-.?；十序列切投彡图像的织物屯球模哨验丨卜：大学硕丨位论文上式中的实际上是序列切面投影图像拼接后毛球在方向上的投影直径,而毛球在方向上的投影直径和实际毛球直径一致,为,两者的比值为,称为毛球投影的长宽比,——冗—？‘其中,从公式可以看出的大小与昇型杆曲率半径和毛球半径的比值有关个丨‘■‘；‘：二一少图最大截面圆轮廓线各点高度示意图以最大截面圆为参考,如图所示,分析运动方向上其它截面圆的投影度其中：其它截面圆与最大截面圆距离,当时即为最大截面圆的投影度。桢拟份位置行图毛球投影三维形状模拟图 东平人学硕学位论文第二章基十序列切面投影图像的织物毛球模型验证根据毛球各个截面圆投影高度的理论分析,利用计算机模拟绘制出运动毛球投影的三维形状,如图所示,然后计算模拟毛球在方向上的投影直径,在平面的投影面积和体积,与毛球实际直径,投影面积和体积进行比较,为毛球投影的长宽比,为模拟毛球投影面积与毛球实际投影面积的比值,为模拟毛球体积与毛球实际体积的比值,结果如表所示。表不同值对毛球长宽比、面积、体积的影响由表可见,当异形杆半径与毛球半径之比增加时,长宽比、面积比、体积比逐渐增大,即毛球的长宽比增加,毛球在织物移动方向上被拉伸,模拟毛球的投影面积增加,体积膨胀。当时,长宽比为,即毛球在织物移动方向上没有被拉伸,但投影面积比实际大,体积比实际要略小一些。从理论上分析,要想避免毛球的拉伸变形,只能尽量降低异型杆半径与毛球半径的比值。考虑到织物厚度和毛球尺寸,一般〉。因此,只要降低异形杆半径,就能降低毛球拉伸变形。一一运动毛球理论模型的验证以半径为的小球代表织物上的毛球,半径为的转动轴代表异形杆,在小球围绕转动轴运动的过程中,连续采集小球的切面投影图像采集到的切面投影图像如图所示。图表示小球位于起始位置,图和图小球位于中间位置,图小球位于最高位置。图序列切面投影图像 第—章难于序列切面投影图像的织物毛球模型验证东华人学硕：丨：学位论文序列切面投影图像中边缘轮廓的检测对图所示的图像利用边缘检测方法提取边缘轮廓线,其基本原理是在图像中找出灰度快速变化的地方,即灰度值二阶导数零交叉点的位置。边缘检测是利用不同区域间像素灰度不连续的特点检测出区域的边缘。图像中相邻的不同区域间总是存在边缘,边缘处像素的灰度值不连续,这种不连续性可以利用梯度最大值或二阶导数过零点来提取边界。为了寻找图像灰度不连续的边缘点,通过梯度算子或一阶导数的检测器来估计图像灰度变化的方向,增强图像的这些变化区域,然后对该梯度进行阈值运算,如果该位置的梯度大于给定的阈值。则该处即为一个边缘点,再将确定的边缘像素点连接起来,即形成包围的边界。二维函数的梯度定义为▽—该向量的幅值为通常,该量用绝对值丨(梯度向量的基本属性是它指向在坐标(,处的最大变化率方向,最大变化率出现时的角度为对于数字图像,因其图像函数是离散函数,故用差分代替微分：‘实际应用中利用边缘检测算子(掩模)单独对图像做卷积,然后,相应图像的梯度近似可以通过两个滤波后的图像的绝对值求和获得,图为计算偏导数和的边缘检测算子(掩模)、、及其计算方法。 /j;平大学硕学位论义■：丛于序列切投彩图像的织物毛球模验、图像领域、算了掩模——‘、、舒掩模图—阶微分算子及其实现的一阶导数图巾的、和算子都是阶微分算子,寻找的是图像灰度像素一阶导数的极值点,除此之外图像的边缘也可以通过计算图像灰度像素的二阶导数零交叉点处获得,称为二阶微分算子,其通常用拉普拉斯算子简称算子来计算。图像函数的二阶微分运算形式为：▽算子是一个线性的、位移不变的算子,它的传递函数在频域空问的原点是零,因为经算子滤过的图像具有零平均灰度。其卷积核如图所示。 .?：丛十序列切投影图像的织物球換彳验、平大硕学位论文图算子卷积核由于拍摄的小球模型序列切而投影图中小球轮廓清晰,故利用一阶和二阶边缘检测算子对边缘检测效果良好,本文以二阶算子检测得到效果图为例,如图所示。■■图边缘检测图像序列切面投影图像轮廓线高度的提取及小球三维立体图像的获得为了得到小球的三维立体图像,提取相关参数,上文已经获得了序列切面投影图像边缘轮廓线,故需要提取边缘轮廓高度数据,从而拼接起来得到小球的三维立体图像。以像素为单位通过搜索轮廓线上边缘点所在行位置,即行位置即为该边缘点的高度值,图为图切面投影图像的轮腐高度曲线图。 平大学她丨：学位论义第：？■基于序列切血投影图像的织物毛球模带验丨卜：—「序一一—列切,广、—；霞像――、、、‘像“‘‘‘‘‘‘图轮廊髙度曲线位宜列将序列切面投影图像的轮廓高度曲线拼接起来,即得到小球模型的三维立体图像,如图。毛‘点赛泛、妳：；位列位置行图小球模型三维立体图拼接图像预处理由于采集装置的安装、运行未达到理想的精度,从而采集到的小球序列切面投影图像中的轮廓线难以达到绝对水平,属于背景不勻的一种,故本文需要对进行背景不勻的消除,这里主要是行不匀的消除。行不匀指起球图像在三维空间整体沿行向倾斜,即每顿序列切面投影图像轮廓线在水平方向上呈倾斜。本文利用网像减法处理,像相减处理表示为：即小球三维立体图像减去具有相同倾斜趋势的平面,而这个相同倾斜趋势的平面是由未放置小球时而采集到的序列切面投影图像拼接成的图像拟合得到的平面,如图所示,且可看出平面其有明显的倾斜,这样既可以减去图像中那些静止的传送带部分,所得到的阁像只存在织物信息,乂可以去除行不勻现象。 tli；？：十序列切投彩图像的织物毛球模划验丨卜：东大学硕丨学位论文卞、面轮素、■灣、、位置列位置行图未放置小球采集的序列切面投影图像拼接后得到的拟合平面去除行不勾后得到的拼接图像如图所示。通过与图运动毛球投影的三维形状进行比较,可以看出两者三维形态的一致性进一步说明了运动毛球模型的正确性。毛即霸图预处理后的拼接图像拼接图像分割拼接图像进行预处理后,由于毛球区域的像素值明显高于周围像素,故可以选取一个合适的阈值将毛球从背景中分割出来,大于阈值为毛球,小于为背景部分,详见节,阈值分割后得到的二值图像如图。□图二值图像 平大学硕学位论义丛十序列切山丨投彩图像的织物毛球模验特征值提取从分割后的毛球区域中提取方向上的投影直径,平面的投影面积,和毛球体积三个指标。、投影直径通过寻找二值图像中连通区域的外接矩形,外接矩形的长即代表毛球的投影直径。、投影而积连通区域的像素个数即代表该毛球的面积,故通过对连通区域的搜索,计算连通区域的像素个数,即可得到毛球的面积。、毛球体积利用积分原理,将毛球模型分成无数个狭长柱子,其横截面为正方形,面积为像素,高度值为丨像素,从而该模型体积丨。根据上面的计算方法可得到三个特征值长宽比面积比和体积比,且当时,理论分析与实验验证数据结果如表所示表理论分析与实验验证数据对比理论分析实验验证误差由表可看出,理论分析和试验验证得到的数据接近,误差均在以内,说明运动毛球三维模型正确的反应了运动毛球投影的三维形状。实验验证数据比理论分析数据偏小的原因是由于图像采集过程中,小球出现偏移导致,但对毛球个数不会造成影响本章小结基于序列切面投影图像的织物起球等级客观评定方法,本章从图像采集原理上对运动毛球进行三维模拟,从理论上分析了起球图像中毛球的拉伸变形和图像采集装置关键部件异形杆半径之间的关系,并得出结论,即降低异形杆半径可降低投影后毛球的拉伸变形以及对毛球而积和体积指标的影响,验证实验表明了运动毛球三维建模及分析的正确性。 第二卒织物起球像的获収平大学硕学位论文第三章织物起球图像的获取第二章验证了基于序列切面投影图像获得运动毛球模型的可行性,从本章开始对实际织物起球等级进行客观评定,本章主要内容是如何检测出织物序列切面投影图像轮廓线,间接获取织物的起球图像。序列切面投影图像中织物边缘轮廓的检测序列切面投影图像的获得是先将起球织物點贴到传送带上,确保其表面整,由于采集到的是序列切面投影图像,需对其拼接才能得到起球图像,故要调试传动速度使织物沿运动方向的单位时间所走的像素与垂直于运动方向上单位长度所代表的像素相一致,然后利用摄像头对织物进行采集。采集得到的序列切面投影图像中,织物边缘处毛球的起伏状态可以通过投影图像边缘轮廓线体现,从而通过提取序列切面投影图像的轮廓线并加以拼接,即可得到织物的起球图像,因此织物边缘轮廓的提取得非常重要。为了提取边缘轮廓,主耍有两种方法,分别为边缘检测和阈值分割。边缘检测结果本文在第丨节巳经对边缘检测理论进行了详细的阐述。以边缘检测理论为依托,我们对幅序列切面投影图像进行边缘检测,检测效果如图。、起球织物切面投影图像、丨算子边缘检测图、—、算子边缘检测阁、算子边缘检测图图织物序列切面投影图及其不同算子的边缘检测结果比较 /J:牛大学硕丨：学位论文访二织物起球图像的获収由图可见,四种边缘检测方法得到的效果图均不理想,一阶微分算子中算子和算子产生噪声,织物切面投影图像中突起的毛羽部分对这两种算了造成了干扰,形成了噪声,算子是数字图像处理中最古老的边缘检测器之一,其检测结果造成轮廓线的断裂,形成了断点,因为该算子掩模不是对称的,不能检测诸如°倍数的边缘。二阶导数对噪声具有无法接受的敏感性,它的幅度会产生双边缘,从上图的拉普拉斯算子可看出织物突出的毛羽对检测出的织物切面投影图像产生了很大影响,不能得到一个光滑的轮廓线。國值检测原理及结果、阈值检测原理由于阈值处理直观、实现简单且计算速度快,因此图像阈值处理在图像分割应用中处于核心地位。图像一般有较暗的背景和较亮的对象组成,目标和背景像素会存在于两种主要灰度级区间,阈值即为区分目标和背景的灰度值,图像像素灰度值大于阈值,则这些点就为背景或目标,反之亦然。如果图像只存召名背景两大类’目标典赛景的灰度分布没有交叉或较少交叉,选取一个固阈值即可分离背景和目标。如果图像中有多个目标,就需要选取多个阈值将各个目标分开。阈值分割方法的最大特点是计算简单,运算效率高,速度较快,在重视运算效率的应用场合的应用场合,它得到了广泛的应用。基于阈值的分割方法主要有以卜几种：全局单阈值常用的全阈值选取方法有利用图像灰度直方图的峰谷法、最小误差法、最大类间方差法以及其它一些方法。典型的全局单阈值是等人于六十年代中期提出的直方图双峰法也称法。该方法的基本思想是：当灰度级直方图具有双峰特性时,选取两峰之间的谷对应的灰度级作为阈值。如果背景的灰度值在整个图像中可以理地看作为恒定,而且所有目标与背景都具有几乎相同的对比度,那么,选择一个正确的、间定的全局阈值会有较好的效果。这种方法虽然简单易行,但是因为同一个直方圍可能对应若干种不同的图像,所以使用双峰法盖要有一定的图像先验知识,而且该方法不适合用于直方图中的双峰差别很大或双峰之间的谷部较宽广而平坦的图像。全局阈值对于灰度相差很大的不同目标和背景能进行有效分割,但当图像的灰度差异不明显或不同目标的灰度值范有重叠时,应采用自适应阈值或多阈值分割法。 第二草织物起球图像的获取如平大学硕丨：学位论义自适应阈值在许多情况下,背景的灰度值并不是常数,物体和背景的对比度在图像中也有变化,这时一个在图像中某一区域效果良好的阈值在其它区域却可能效果很差另外当遇到图像中有阴影、突发噪声、照度不均、对比度不均或哲景灰度变化等情况时,只用一个固定的阈值对整幅图像进行阈值化处理,则会由于不能兼顾图像各处的情况而使分割效果受到影响。在这些情况下,阈值的选取不是一个固定的值,而是取一个随图像中位置缓慢变化的函数值是比较合适的。这就是自适应阈值。这类算法的时间和空间复杂度都较大,但是抗噪能力强,对一些使用全局阈值法不宜分割的图像具有较好的分割效果。多阈值分割在多阈值分割中,分割足根据不同区域的特点得到几个目标对像,所以提取每一个目标需要采用不同的阈值,也就是说要使用多个阈值才能将它们分开,这就是多阈值分割。但是在实际的应用中,由于噪声等干扰因素,直方图冇时不能出现明显的峰值,此时选择的阈值不能得到满意的结果；另外个就是阈值确定主要依赖于灰度直方图,很少考虑图像中像素的空间位置关系,因此当背景复杂,特别是在同一背景上重叠出现若干个研究目标时,容易丧失部分边界信息,造成图像分割的完整。图像分割至今尚无通用的理论。随着各学科许多新理论和方法的提出,出现许多与一些特定理论、方法相结合的图像分割技术,如基于小波变换的分割方法和基于神经网络的分割方法以及人工神经网络识别技术。这些分割算法都针对某一类型图像、某一具体的应用问题而提出的,并没有一种适合所有图像的通用分割算法,图像分割是计算机视觉领域的一个经典难题,尽管人们在图像分割方面已取得了大量的研究成果,但目前尚无通用的分割理论的提出,现己提出的算法大多是针对具体问题的。正是由于图像分割的不确定性及分割任务的重要性,因此本章对序列切面投影图像分割进行深入研究。、基于双高斯拟合确定阈值频中丨■卜■■…图序列切面投影图像的灰度直方图灰度值采集得到的织物切面投影图像的灰度直方图走势均如图所示(图是 中大学颂丨：学位论义沿二？织物起球图像的放収图的灰度直方图),横坐标代表灰度级,纵坐标足灰度级像素点出现的个数,从上图可看出切面投影图像的灰度分布存在两个波峰,且两个波峰之间的谷部是一段较为平坦且宽广的灰度分布,并没有出现分明的波谷位置,木文的目标对象只存一个就是织物毛球部分,不存在多目标现象,故多阈值分割方法在本文中不适用。从灰度直方图可以看出,左起第一个波峰段分布的灰度值小,对应于图像中颜色较暗的区域,代表序列切面投影图像的织物部分(包括毛球),第二个波峰段处于灰度值相对较大的区域,对应图像中颜色较亮的像素点,代表背景部分,中间宽广平坦的灰度级区段代表织物和背景的交界区域部分,我们需要将织物切面投影图像中织物标与背景成功分割,既能保留毛球部分,又能使突起的独立的毛羽及背景部分得到消除。灰度直方图中波峰下降处,斜率最大点,这里称为拐点,如果选取阈值在第一个波峰下降处的第一个拐点处,极有可能使灰度级较大代表部分毛球的灰度级被误认为背景,反之,如果选取第二个拐点处作为阈值,则分割后的结果存在过多的毛羽干扰,影响最后的客观评级。为了把误差降到最低,应该在两个拐点间寻找一个合适的阈值。确定拐点灰度值左起第一个波峰拐点处的灰度值可以将起球织物和背景分割开,但部分灰度值较大的毛球会误分割为背景,将第一个拐点处的灰度值称为如图所示,第二个拐点处的灰度值可以将织物、毛球、突起毛羽与背景分割开,但部分突起毛羽会被误认为毛球,我们将第二个拐点的灰度值称为,分析起球织物序列切面投影图像的灰度直方图,发现其类似双峰的高斯曲线分布式所以可以利用高斯拟合得到的函数求得拐点处的灰度值————式中：织物灰度分布最高点的纵坐标背景灰度分布最高点的纵坐标织物灰度分布最高点的横坐标背景灰度分布最高点的横坐标织物灰度分布标准差背景灰度分布标准差 笫二巧织物起球图像的获取、平大学硕学位论义频灰度直万囝宇高斯拟合曲线￡瞻—丨丨咖清侧,丨,丨—幽—图图⑶的灰度直方图髙斯拟合曲线)火度图为图切面投影图像灰度直方图利用高斯曲线拟含的结果,从上图可看出,利用高斯函数能得到较好的拟合效果,则根据灰度直方图走势可以得到第一个拐点处的灰度值为另一个拐点处灰度值为根据上述公式可以得到图图的两个拐点处的灰度值为,为单位为。、最终阈值的确定从上可知两个拐点处的灰度值、可以利用高斯函数获得,继而我们需要在、之间找到一个最适阈值,从而将毛球从背景中分割出。设‘’其中从上式可知是一个在之间的数值,我们将与之间分成份,则,其中为、、；从上式可以看出阈值是一个与有关的函数,因此选取一个最适的值即可确定最适阈值,由于不同厚度的织物的灰度直方图波峰与波谷的位置并不是一致的,会有一定的错位,因此并不能通过一个固定不变使得每次分割效果都达到最佳,所以我们进行了数百次实验通过选择来得到最佳阈值。这里以厚重型织物为例来进行说明选取的过程,如图,表是不同的值相对应的阈值。 <1;年大学她丨：学位论文第三￠织物起球图像的获似原图图不同值得到的二值图像表不同〖‘值对应的阐值““““图中图为原起球织物序列切面投影图像的灰度图像,图为根据式分别取丨、、、、得出的二值图像,图、、中用楠圆形标出来的地方是毛球部分未能很好分割出来的部分,图用椭圆形标出的地方是突起的毛羽被误认为毛球,从而得到的阈值分割效果最佳。经过数百次实验,可得出对于厚重型和中厚型织物,二时图像分割效果最佳,即最适阈但为对于薄型织物来讲,时图像分割效果最佳,即最适阈值为』 第二草织物起球图像的获収丨中大学硕学位论文、阈值分割结果分析从采集的中厚型、薄型起球织物序列投影图像中分别任取顿图像进行分割效果说明。顿中厚型起球织物序列切面投影图像最佳阈值分别为、、、、,单位为,其分割效果如图左侧为原序列切面投影图像,右侧为阈值分割后的二值图像：‘氣一一丄一■…：■■广、■■二丫义卢；图中厚型起球织物序列切面投影二值图像,顿薄型织物起球织物序列切面投影图像最佳阈值分别为、、、、单位为分割效果如图左侧为原序列切面投影图像,右侧为阈值分割后的二值图像)： 东华大学硕士学位论文第二？：织物起球图懷的获収■■■讓：,图丨薄型起球织物序列切面投影二值图像综上分割效果阁可看出,通过双高斯拟合得到两个拐点处的灰度值,继而实验求出最佳阈值的分割方法得到了较好的效果,毛球既能从背景中分割出来,突出的毛羽部分又不会误认为毛球。序列切面投影图像轮廓高度曲线的提取为了对起球图像进行客观等级评定,需要得到织物的起球图像。本文已经对起球织物的序列切面投影图像进行了分割,将毛球从背景中分离了出来,从其序列投影图像的二值图像中我们可以提取图像轮廓高度曲线,继而拼接起来得到织物的起球图像。二值图像即图像是由灰度值为、的像素点组成。序列投影图像的二值图像中毛球织物部分为黑色,灰度值为,背景部分为白色,灰度值为丨,设序列切面投影图像的下边缘为基准线,高度为从而上边缘的高度为序列切面投影图像的最大宽度,要想提取起球织物的边缘轮廓高度曲线,即求特景与毛球相接部分的高度值,所以本文从上往下,从左向右搜索,当某个像素点满足灰度值为,且其下一个像素点的灰度值为时,我们就认为该像素点处在边缘曲线上,其高度值即为其所在的行位置。提取的序列切面投影图像轮廟高度曲线如图所示。为原起球织物序列切面投影图像,为得到的二值图像,为轮廊高度曲线。 第三？织物起球图像的获収大学硕丨：学位论义口度——■严、、—■、、■■、■‘■■幸』——系’一‘位置(行)图序列切面投影图像轮廊髙度曲线织物厚度的判定织物厚度指在一定压力下织物的绝对厚度,由于不同厚度的织物毛球特征有一定的差别,厚型织物表面毛球体积较大,相同光照下,釆集的图像中毛球较暗,灰度值较小,轻薄型织物则相反,因此在阈值分割过程中,织物厚度会影响边缘轮廓提取的精度。因此我们需要对起球织物厚度进行评定,根据不同厚度的织物,选取不同的阈值,从而减少错误率,提高精度。各类织物设计厚度如表表各类织物设计厚度织物类型棉型织物精梳毛型织物粗梳毛型织物以下以下以下屮厚型厚重型以上以上丨以上在这里本文将由高斯拟合求得的两个拐点的灰度平均值作为起球织物序列切面投影图像的分割阈值,然后利用图像相减处理,即起球织物序列切面投影图像的轮廓高度曲线减去未放置织物而采集到的序列切面投影图像的轮廓高度曲线,两者的差值即是织物的厚度。图是三个不同厚度的试样通过图像相减处理得到的高度对比图。 东平大学硕：丨学位论文浓二￠织物起球图像的获収度■！！‘；像忙、一——■…玄：议！淡—！！！”■乂■—■、———、广、”‘■；、厚龍随(一！！！像弟一一一一、一八、一、、…“乐■—广一高、屮厚型位置(行)■■—！：■广“一一一、■…：一飞—八—、了―…；？素！！；位置(行)、轻薄型图不同厚度织物髙度从上图可看出织物轮廓高度线出现了的明显的降低,织物的厚度可以从每种织物中随机抽取幅图像通过求其度平均值确定,由于得到的高度值为像值本文需耍将像素值转化为以毫米为单位前数值符到的数据如。表序列切面投影图像轮廓高度值像素像素像素平均根据国家标准,本文采用型数字式织物厚度仪测定织物厚度,压脚直径选取根据织物种类的〈同,选取厚重型和中厚型压力为轻薄型织物压力为分别测试次,求其平均值,数据如表表实验所得织物厚度醫)实验次数厚重型中厚型轻薄型平均值 弟二？织物起球像的识収如平大学硕十〒位论文图像处理和试验所得的织物厚度对比数据,如表表数据对比图像处理数据实验数据厚重型屮厚型轻薄型图像处理得到的织物厚度与实验所得的误差均小于,从而可以利用图像处理技术来计算图像的厚度,从而对详见节的选取提供了依据。织物起球图像的获得现对厚重型、中厚型和轻薄型三种不同厚度的试样依次拍摄的顿序列切面投影图像的轮廓高度曲线按次序拼接起来,可得到反映起球织物表面形态的三维图像,即起球高度图像,采集的织物像素大小为对应于实际面积为,效果如图,图表示厚重型织物起球图像,图代表中厚型织物起球图像,图代表轻薄型织物起球图像,从图上可看出,毛球在织物运动方向(轴方向)上被拉伸,呈椭圆形,这也再次证明了第二章中毛球拉伸理论。 平大学硕上学位论文第二织物起球图像的获图三种不同厚度织物试样起球图像 第二；织物起球图像的识似大学《丨学位论文本章小节本章对起球图像的序列切面投影图像的边缘轮廓提取进行了详细的介绍,一是基于边缘检测的方法,利用一阶和二阶微分算子：另一种是利用基于高斯拟合的最适阈值选取分割方法,一阶和二阶微分算子极易产生噪音,故边缘轮旗线的提取精度受到很人影响；另一种通过双高斯拟合能较为准确的获得拐点处的阈值从而为最适阈值的获取奠定了结实的基础,故本文选取第二种方法来确定序列切而投影图像的边缘轮廓线,然后拼接获得织物起球图像。 东平人学硕学位论文第四窣起球织物图像预处理和毛球分割第四章起球织物图像毛球分割第三章我们讨论了基于序列切面投影图像获得织物起球图像的方法、过程和途径,为之后的各个阶段图像处理奠定了基础,这一章主要介绍对起球图像进行毛球分割,着重对粘连毛球的再分割做出了介绍。毛球分割毛球初步分割毛球分割之前需要对起球图像进行预处理,预处理原理详见第节,预处理后的起球织物效果图如图所示。位置列图预处理后的起球织物图像频‘：；」謹圓、驗,七…丨…■■灰度值图起球织物图像灰度直方图为了得到毛球的特征信息,需要对织物毛球进行分割,即织物毛球和背景进行分离,从起球图像中把毛球提取出来。由于起球图像的灰度直方图分布不同于序列切面投影图像的灰度直方图,织物起球图像中较亮的像素代表对毛球 第叫章织物起球阁像毛球分割东平人学硕：丨学位论文信息,较暗的像素为背景部分,毛球即使在起球严重的织物中所占的比例也是很小,因此起球织物图像的灰度方图只呈现一个波峰,如图所示(图是图起球图像的灰度直方图)。根据节的阈值分割理论,本文利用单峰高斯函数进行拟合,高斯拟合公式见式(〒式中：直方图波峰最高点的纵坐标直方图波峰做最高点的横坐标直方图标准差阈值公式为：士式中：基于高斯拟合的阈值高斯拟合曲线均值高斯拟合曲线标准差经验系数式中的系数大小会影响毛球分割的精度,经过几十次分割结果分析,得出取为宜。分割后的二值图像如图。图起球织物二值图高斯拟合阈值分割得到了较好的毛球图像,但也混杂着少量的非毛球信息噪声点,因此有必要滤除这些噪声点。通过对多个薄型、中厚型及厚重型织物的观察,毛球直径一般不小于,转化为像素,则毛球面积不小于个像 /k午大学丄学位论义第四草起球织物圓像预处押和屯球分割素,因此我们对面积小于个像素的点进彳丁踢出,去除噪声点的效张图见图图起球图像去除噪声点后的二值图像毛球分析在织物起球密集区,或严重起球织物采集到的序列切面投影图像拼接后的起球图像可能会出现毛球粘连现象,两个甚至三个毛球相—起,从图可以看出,这对提取的毛球个数、毛球而积及体积等特征参数造成千扰,影响精度,因此需要对粘连毛球进行再分割。非粘选毛球小毛球大毛球：、粘连毛球图毛球分类示意图为了提高运算速度、精确找到粘连区域的位置,我们先将毛球进行分类,分类示意图如粘连毛球至少是两个毛球在一起,所以根据毛球面积大小来分,小于毛球面积平均值两倍的称为小毛球部分,认为该部分为正常毛球部分,即不会出现粘连毛球的部分；大于平均值两倍的大毛球可能是单个毛球,与可能是多个毛球的粘连,所以对于大于毛球平均面积两倍的毛球,本文称为大毛球部分,根据其形态再划分为两类,分为非粘连毛球和粘连毛球。第二章已经介绍了运动毛球会有定的拉伸,假设理想毛球是球形的,那么出现拉伸的毛球为椭球形,故分割后的毛球形态应该为椭圆形(第三章也己 染网？：织物起球图像毛球分别平大学颂十学令位论文证明),如图所示,图毛球形态示意图设短轴半径为,长轴半径为,则外接矩形的面积：椭圆面积：外接矩形面积与椭圆面积的比值：从图中可以看出分割后的单个毛球呈类椭圆形,而粘连毛球形态特征较之差异较大,比值是认为分割的毛球是楠圆形的理想情况下计算出来的,仍实际毛球为类椭圆形或类矩形,故根据两者之问的差异,以外接矩形与毛球面积的比值作为判断准则,以此来分类,设实际外接矩形与毛球面积的比值为,则根据以上分析可知式中(为一个经验值,经过大量实验得出取,从而对于在范围内的,为未出现粘连的毛球,〉,为粘连毛球部分。毛球分类效果如图。图为在图的基础上分类得到的小毛球部分,即面积小于平均面积倍的二值图像,认为未出现粘连毛球,图为大毛球中的非粘连毛球部分,即面积大于平均面积倍,满足式的二值图像,认为未出现粘连毛球,图为大毛球中粘连毛球部分,即毛球面积大于平均面积倍,但不满足式的二值图像,认为存在粘连毛球。本文仅需要对图进行毛球再分割。 东中大学硕丨：学位论文网草起球织物阁像预处观和宅球分割■■图毛球分类效果图粘连毛球分割经过成功毛球分类后,只需要对粘连部分的毛球进行再分割,从而提高了运算速度,也减少了不必要的干扰。、基于形态学分水岭的分割分水岭分割方法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面,刺穿一个小孔,然后把整个模型慢慢浸入水中,随着浸入的加深,每一个局部极小值的影响域慢慢向外扩展,在两个集水盆汇合处构筑大项,即形成分水岭。 泌四￥织物起球幽像毛球分割尔平大学硕学位论义分水岭分割效果如图■图分水岭分割效果图分水岭算法对微弱边缘具有良好的响应,是得到封闭连续边缘的保证的,同时,分水岭算法所得到的封闭的集水盆,为分析图像的区域特征提供了可能。但是由于分水岭算法对微弱边缘具有良好的响应,图像中物体表面细微的灰度变化,会产生过度分割的现象。图是对图中的图用分水岭分割后得到的结果,可以看出该分割方法出现了过度分割现象。、基于点邻域比值的阈值分割距离变换利用点邻域比值选取阈值的方法之前需要先对二值图像进行距离变换,距离变换是对二值图象的一种操作运算,它是将一幅二值图象转化为一幅灰度图象,是每一个像素到最近非零值像素的距离,原理如图,在一幅灰度图象中,每个连通域的各像素点的灰度级与该像素点到其背景像素的最近距离有关,经距离变换得到的图象,其灰色度最大点的集合为骨架,就是目标图象中心部分的线像素的集合,也是图形各内接圆中心的集合,灰度等级反应背景与目标对象边界的影响关系。距离变换的结果是图象中物体表面值低,内部值高,中心值最尚。 东平大学硕学位论文第四￠起球织物像预处？和毛球分割―—……‘‘；：！—■二值隨图距商变换示意图距离变換图像图丨炬离变换后的图像阈值判定距离变换后的图象,如图毛球中心点附近的灰度值大,毛球间粘连部分是细长的区域,虽然灰度值大,但平均灰度值较毛球中心附近的小,根据毛球中心区域和粘连部分的不同,选取合适的阈值,可以将灰度值较大的像素点作为目标区域显示出米。由于毛球大小不一,粘连大小也不同,毛球灰度值分布较为分散,在距离变换后的图像上直接选择一个灰度值作为阈值,灰度值小的粘连毛球会消失,影响精度,故本文利用图象中任意一点的灰度值与其邻域的平均灰度值的比值绘制灰度比例直方图从而确定阈值,可以使不同灰度值的毛球有更好的集聚性,消除了灰度值分散带来的影响,同时也能将灰度值较大的像素点突出出来。 第网￠织物起球图像毛球分割东平大学硕学位论义邻域的选择“、丨、■！：—丨、乂：丨图邻域选择示意图在阈值判定过程中需要对邻域大小进行选择,如图所示,本文是以邻域大于毛球粘连区域的大小如图所示进行选取的,具体是以最小毛球的外接矩形大小作为邻域的,如果邻域过人,如图所示,远大于毛球所占用的面积,那么任意一点的灰度值与其邻域的平均灰度值的比值可以近似认为只受到该点灰度值的影响,与其邻域平均值无关,那么该方法也就失去了应用的意义,同理,如图所示,邻域过小,上述比值仅受到邻域平均值的影响。分割效果根据上述方法,得到粘连毛球分割效果局部图,如图,可以看出毛球粘连处得到了很好的分割。■■图局部枯连毛球分割效果图本文利用圆轨迹起球法、箱式起球法、马丁代尔起球法分别对针织物、机织物进行起球实验,并人工统计大小的毛球个数,同吋,利用上述计算机评定方法对大小的织物进行客观评定计算其个数,得出 东卜大学硕位论义：起球织物像预处押和宅球分割的对比数据如表和表表针织物起球个数对比数据人工评级个数计兑机评级个数个)(个)丨轨迹箱式马丁代尔表机织物起球个数对比数据人工评级个数计算机评级个数个)(个)圆轨迹箱式马丁代尔从数据中可看出,人工评级和计算机客观评级两者之间存在误差,但针织物误差小于丨,机织物误差小于,说明该方法对于针织物和机织物均具有的一定的适用性。人工评级和计算机客观评级间产生误差的原因是虽然两者都针对织物中心区域评判,但两者区域不完全一致,对于针织物和机织物比较,针织物毛球较大,主观评定对针织物中大毛球敏感,小毛球有可能会被忽略,从而昇致人工评毛球个数小十计算机评本章小结本章介绍了织物起球图像预处理、毛球分割,以及详细讨论了基于距离变换利用任一点灰度值与其邻域平均灰度值的比值得出的阈值对粘连毛球进行分割的方法,同时也验证了该方法的可行性。 ；五草织物起球特征仿提取、客观评级及验证平大学硕丨：学位论义第五章织物起球特征值提取、客观评级及验证上一章讨论了起球图像毛球分割,尤其是粘连毛球的再分割,本章将再此基础上进一步讨论织物起球特征值提取、客观评级以及实验验证。特征参数提取参考文献°初步选取毛球个数、毛球总面积、毛球平均面积、毛球最大面积、毛球总体积、毛球平均体积、毛球最大体积、毛球平均高度、毛球最人高度作为特征参数。毛球个数在二值阁像采用八邻域自上而下的方式搜索连通区域,每个连通区域即代表一个毛球,搜索到的第一个连通区域标记为,第二个标记为,以此类推,直到最后一个连通区域为,则毛球个数即为个,对于粘连毛球需要再分割,相应计数个或个。毛球面积每一个连通域的像素个数即代表该毛球的面积,故通过对连通区域的搜索,计算每一个连通区域的面积,可见节,从而得到毛球总面积、毛球平均面枳、毛球最大面积。■■■■图局部粘连毛球分割效果图从图可以看出,粘连毛球得到了很好的分割,从而可以得到准确的毛球个数,但是毛球而积,体积受到了很大的影响,均变小,故根据分割后的毛球占分割前粘连毛球的比例,对毛球面积和体积进行再分配。以粘连毛球为 牛大她学论义浓五克织物起球特征值提収、客观级及验例进行说明,粘连毛球是毛球和毛球粘连在一起的,通过对二值图像连通区域的搜索,我们可以分别得到连通区域、、的面积、、根据比例我们可以得到毛球、的实际面积、应为：左(女得到单个毛球的面积后,即可得到毛球总面积、毛球平均面积和毛球最大而积。毛球体积利用积分原理,将每个毛球分割成无数个小的圆柱体,可见节,从而可以得到每个连通区域的毛球体积,继而得到毛球的总体积、毛球的平均体积、毛球的最大体积。同理毛球面积的计算,粘连毛球的体积计算同样需要按比例进行重新分配。计算方法同毛球面积计算。设粘连毛球体积为分割后得到的两个毛球体积分别为,则两个毛球的实际体积,为：■‘、■■毛球高度毛球的高度指每个毛球的最大像素高度值,通过对连通区域的搜索可以分别求出每个毛球的像素高度,继而得到毛球平均高度和毛球的最大高度。特征参数分析按照以上给定的各指标计算公式对精梳毛织物五个等级标准试样特征参数进行计算,得出个特征参数指标值如表所示。表特征参数指标值个数总面积平均面积最大面积总体积平均体积最大体积平均高度最大高度个)( 笫五草织物起球特值提収、客观评级及验大学硕丨：学位论文对各特征参数与起球等级进行相关性分析,做出各特征参数与到等级之间的关系曲线,如图,并计算出两者之间的判定系数值,如表所示。个总平数棚。；积秦。咖“、。“——‘“————等级°‘级等级搞总；平彳土丨而、奢！小设參积、‘誦■等级—丄等级—觸一斤乂城大均大体高高积度度參。；。：俠°纽等级過寸图特征参数与起球等级关系表特征参数与起球等级间的判定系数毛球毛球毛球毛球毛球毛球毛球毛球毛球：：二：：平均最大平均最大个数总商积平均面积最大面积总体积体积体积局度尚度从图可看出,从级到级,个特征参数数值均呈下降趋势,与五个 东平人学颂学位论文第五章织物起球特征值提取、客观评级及验证等级之问具宵定的线性关系,从表判定系数可看出,毛球个数、毛球总面积、毛球平均面积、毛球最大面积、毛球平均体积、毛球最大高度个特征参数的相关系数均在以上,但与毛球面积有关特征参数,总面积、平均面积、最大面积之间具有重复性,为了简便算法,提高速度故择优选取毛球总面积最为特征值,综上本文选取毛球个数、总面积、平均体积、最大高度个特征参数作为最终的特征值。特征值标样模板建立根据上节的介绍得到四个特征值：毛球个数、毛球总面积、毛球平均体积、毛球最大高度,数值如下表。表特征值数据毛球毛球毛球毛球个数总面积平均体积最人高度个)(—级一级五级从上可看出毛球个数、总面积、平均体积、最大高度具有不一样的数量级,因此为了消除该影响,能更准确地反映元素的偏离程度,需要对数据进行归一化处理,得到数值都在之间。式中：第等级(或第个试样)的第个特征值第个特征值的最大值。根据以上原理得到特征值标样模板如下表。表特征值标样模板个数总面积平均体积最大高度一级二级二级四级 笫五皁织物起球特征值提取、客观级及验证东肀人学唢卜学位论义级织物起球等级评定方法特征值与起球等级之间具有很好的线性相关性,选取的各特征值与起球等级之间的相关系数均在以上且差异很小,故这个特征值给予了相同的权重,所以本文利用简单方便的最近邻法,即计算待测图像特征值与标样图像的特征值之间的欧氏距离,并决策待测图像特征值与离它最近的等级同类,由此判断图像的起球等级。最近邻法原理如下：假定有个类别,…,。,在本文指起球等级,每个类别的样本个,即特征参数。—,…,我们可以规定类的判别函数为…’其中的角标表示类,表示类个样本中的第个。按照式(决策规则可以写为：若,…,则决策即到某一等级最近,属于。提取起球图像中毛球特征值,归一化处理,并建立向量,然后与标准向量模板运用最近邻法进行等级评定。织物起球等级评定方法验证本文对由上海市毛麻研究所制得的组级精梳毛织物共个试样进行验证。对试样进行图像采集,级织物在序列切面投影采集装置上重复采集次,严格控制使采集时间和传动速度相匹配,尽量减少由于人为因素、设备调试原因而造成误差。根据前面所述方法对采集得到的图像进行图像处理,再对毛球特征值数据进行提取,建立特征参数向量,对照特征模板,运用最近邻法,进行织物起球等级评定,三组实际织物个等级共个试样毛球特征值数据以及起球等级主客观评定见表 尔平大学硕学位论义染五：：织物起球特征提収、客观评级及验表三组实际织物个等级共个试样毛球特征值数据及主客观评定结果；个数細积平均体积大高度个)諸结果试样试样试样试样试样试样试样试样试样试样试样试样试样试样式样从表可看出,对二组试样五个等级分别进行客观评定所得数据中可以看出,除试样和试样的客观评定等级与主观评走相差一级外,其他试样气球等级评定结果与主观评定均一致,准确性,说明该客观评定方法具有一定的适用性。出现差异的主要原因为主观评定会受到灯光、评级人员的影响,而计算机客观评定方法中对采集到的织物平整度有较高的要求,故两种评定方法会出现不一致的结果,为了验证计算机客观评定方法的稳定性,本文对试样、、、、,进行了次重复性试验,得到的数据如表。 %五？织物起球特丨值提収、客观过级及骀、中大肀岣■￥位论义表试样、、、、麵复性实验数据及主客观评定结果毛球毛球八似人丄评定丨兑机评定个数平均体积敁大咼度…、、寺级结宋个)(次试验试样次试验次试验次试合试样次试验次试验次试验试样次试验次试验次试验试样次试验次试验次试验试样次试验次试验从表可看出,重复性实验数据可看出,试样、、、、的二次重复试验数据,除去两次结果不同外,其他等级评定均一致,准确性说明该客观评定方法具有一定的稳定性。由于同一个试样在每次的采集过程中采集到的起球区域不完全一致,从而导致重复试验得到的评级结果会出现不一致的现象。本章小结通过分析确定毛球个数、毛球总面积、毛球平均体积以及毛球最大高度作为起球特征值,介绍了利用最近邻法对织物起球等级进行客观评级。实际织物验证实验选取三组实际织物,每组织物五个等级,共个试样,然后对试样进行图像采集和图像处理,提取特征值,运用最近邻法对试样起球等级进行客观评定,评定结果与主观评定结果基本一致,说明本论文运用的图像处理技术对起球等级评定其有一定的应用价值。 人？结沦么屮大学她丨肀位论义第六章结论本文结论本文基于序列切面投影图像处理技术对织物起球进行客观评定,通过与主观评定结果进行比较,说明该图像处理方法具有一定的可行性,排除了主观评定中的人为因素,研究要内容及结论如下：、重点论述了对运动毛球理论模型的验证,通过采集装置得到小球序列切面投影图像,将投影图像轮廓线拼接起来获得起球图像,进步预处理,起球图像分割,最后提取特征值,从而验证了运动毛球理论模型的正确性和合理性。、介绍了边缘检测和阈值分割两种方法对织物序列切面投影图像的轮廓线进行提取,在基于双高斯拟合选取最适阈值的图像分割方法中,着重介绍并考虑了织物厚度的因桌,检测出了织物厚度,提取起球织物的序列切面投影图像的边缘轮廓度曲线,拼接得到织物的起球图像,可以得出织物厚度■对序列切面投影图像轮廓线的提取是有一定的影响。、对起球织物图像进彳丁图像处理过程中,洋细论述利用高斯拟合对毛球进行分割,对干起球严重的织物得到的起球图像会出现粘连毛球现象,木文着重介绍了基于点邻域比值对粘连毛球进行再分割的算法,并试验验证了毛球分割算法的合现性,说明点邻域比值选取阈值的算法进行粘连毛球分割的适用性。、讨论了毛球个数、毛球总面积、毛球平均体积、毛球最大高度个特征参数与起球等级的相关性,最终确定为特征值,从而为起球等级评定提供了依据,最后利用最近邻法评定毛球等级,并用组实际起球织物实验验证了起球织物客观评定的正确性,从而验证整套方法的可行性。展望、采集装置需要进一步提高精准性,织物采集过程中设备的稳定性,拍摄过程中,织物是否能保持表面的匀整状态对后续的客观评定具有重要的影响。、本文的算法是用图像处理软件编写的,如投入使用需要运用面向对象的语言进行编译。、由于试样制作过程的复杂性,以及需要主观评定人员的专业性,因此木文仅刘经过专业主观评定的织物进行了验证实验,未能对其它织物进行验证,还需要进行更为深入的理论研究和更加广泛的实验验证。 参考义献《屮大学缺丨：学位论；参考文献,,,’,,, /J、平大硕位沦义参考义,,丨曹基于图像分析技术的织物起球等级评定方法崔琴,志涛,雷美琳,基相位‘致性的织物起球图像分割,天津丄、大学学报,,周岡,基于数字图像技术的织物起毛起球等级评定,,,“,,,,,,,邹文静,颜倩起球动评级检测系统的探讨屮国纤检,徐增波,应用图像分析技术评估织物起球等级中国纺织大学学报,陈徑,基厂切投影图像的织物起球笄级的讣兑机视觉评定,陈,李立轻,图像处理技术在评估织物起毛起球等级上的应用,纺织导报, 参考义献、平大肀她丨位论义冈萨雷斯,数字图像处理(版),北京：电子丄、出版社,冈萨雷斯,数字图像处理第二版),北京：屯子丄业川版社,刘生浩曾立波,刘斌,方切重叠颗粒图像的分离,汁算机工程,游迎荣范影乐,庞全基于距离变换的粘连细胞分割方法计算机与应用袁天云,姜忐国,孟如松标分割图中粘连对象的向动切割和分离中国体现学与图像分析,,崔媛媛,蒋先刚基于细胞图像局部分布特性的粘连分割技术研究华东交通人‘学报,边肇祺张学工等编著,模式识別第阪北京：清华大学出版社 、屮大学帧学位沦她期问发表沦文佶况硕士期间发表论文情况杨璇,陈■,立怜基十序列如丨投影阁像的织物毛球违模及验证屮纺织学术屮会论文集 么屮大肀如肀位论义致谢本论文是在汪军老师和陈霞老师的悉心指导下完成的,汪老师和陈老师认真负责的治学态度和平易近人的处事方式都给我留下了极为深刻的印象。从最幵始的课题选题指导,到最后的论文修改,汪老师都倾注了大量的心血。在课题研究过程中,汪老师时刻关心我的课题进展,尽可能的提供办助来帮我解决课题研究过程中出现的问题。每当在我课题遇到瓶颈时,陈老师总能给我指明方向,教会我分析问题解决问题的方法。在此,我谨向汗军老师和陈霞老师表达诚挚的敬意和衷心的感谢！在课题研究过程中,得到了李立轻老师等在图像处理方面的帮助,在此向他们表示感谢！同时也要感谢周建学长、李冠忐同学等所有帮助过我的同学,感谢你们一直以来对我的帮助和支持。最后我要感谢我的家人和朋友,你们对我的关心和支持是我不断进歩的力量源泉。'