基于机器视觉的织物经纬密度自动检测研究

刘裕文，杜文琴



基于机器视觉的织物经纬密度自动检测研究

刘裕文1,2，杜文琴1,2

（1.五邑大学 纺织服装学院，广东 江门 529020；2.五邑大学 广东省高校功能性纺织品工程技术研究中心，广东 江门 529020）

为实现机织物密度的自动测量，设计了简单的图像采集装置以获得高清的织物图像. 利用MATLAB编写算法，对织物图像进行图像灰度化、直方图规定化、中值滤波、灰度增强、带通滤波等处理，从而获得织物经纬方向的信息，得出机织物的经纬密度. 实验表明，本算法不仅适用于纯色织物，也适用于一些简单的印花织物，与人工检测结果相比，机器检测结果的相对误差均在2%以内，假设检验结果说明算法具有较高的可信度和稳定性.

数字图像处理；机织物；经纬密度；MATLAB

织物经纬密度是最基本的织物结构参数之一，对织物的外观、手感、强力、耐磨性等物理机械性能有一定的影响[1]. 目前，大部分工厂和检测机构仍旧根据国家标准[2]人工测量该参数，且多采用织物分解法、织物分析镜法、移动式织物密度镜法等；整个检测过程，对技术员要求非常高，不仅耗时费力，而且容易出错. 鉴于此，本文尝试用比较成熟的图像处理技术来识别织物（本文特指机织物）结构特征，并依此计算出织物的经纬密度，实现织物密度检测的智能化.

1 机织物图像的采集

机织物由经纬两个系统的纱线互相垂直交织而成，经、纬向纱线以及纱线间隙具有非常明显的规律. 图像采集装置的选取，对图像的获得质量影响非常大，本实验选用拍摄距离固定的Supereyes高清摄像头，内置均匀排列的LED灯，使之具有较高的分辨率和较高的动态范围，能获得纹理比较清晰的织物图像. 对于紧度较小的织物，可在织物后面垫上色差较大的薄板，以增强纱线与间隙的反差. 对于被测织物样本，要求其具有较好的表面状态，如表面平整、干净无污渍、纹路清晰、经纬纱线垂直水平相交. 织物固定在水平台上时，先施加初始张力以保持织物平整，并使图像框的左边界与上边界落在纱线的间隙上，以保持图像边界与纱线平行.

由于摄像头的分辨率是固定的，因此摄像头与试样间的距离决定了单个像素所对应的实际尺寸. 为此，需要根据所需图像的清晰度来调节摄像头的位置，本文最终选择摄像头外沿直贴织物表面，拍摄装置如图1所示. 此时所获图像的实际尺寸为；摄像头的参数：24位色彩位；分辨率；图片存储为.jpg格式.

图1 织物样品拍摄示意图

2 机织物图像处理

图像采集过程中，图像信息不仅受到噪声的干扰，而且还受到织物的毛羽数量、条干均匀程度、色彩差异等因素的影响，这将造成织物图像的有效信息质量下降，从而不利于织物的特征提取和根数识别. 本文借助MATLAB平台编写程序处理采集的织物图像，以加强有用信息，使织物图像的轮廓更加清晰. 算法主要包括灰度变换、直方图的规定化、中值滤波、灰度增强以及带通滤波等处理方法[3].

2.1 图像的灰度化

机织物的经纬密度，实际就是一定单位长度内所包含的纱线根数，可以根据图像的明暗变化规律获得. 由于部分织物是彩色或简单印花的，其被采集的图像是真彩色，直接处理不仅数据量比较大，颜色干扰也非常大，故需先灰度变换以减少颜色干扰、保持细节. 处理后发现，织物纹理中闪亮的光泽明显减弱、彩色消失，但织物仍存在大量的毛羽，纹理有些许模糊，具体效果如图2所示.

图2 灰度变换前后的织物图像

2.2 直方图规定化

在织物图像采集过程中，由于内置LED灯光的不均匀作用以及外源光的影响，图像的灰度会集中分布在比较窄的区间，并引起织物图像细节模糊. 为了改善图像细节的清晰度，本实验采用直方图规定化方法，通过调节各部分亮度的比例关系重新分布灰度值，以增强某个灰度值范围内的对比度，使细节更加清晰. 为了使机织物的纹理细节更清晰，我们希望它的图像动态范围较大，即在[0,255]范围内各个灰度级上都有像素分布，因此选择变换矢量. 通过对比发现，原始图像的灰度值大都分布在150附近，经过直方图规定化可使其灰度重新分配在0～255，处理前后的灰度值分布情况如图3所示. 处理后，图像明暗对比度明显加强，图像纹理变得更加清晰.

2.3 中值滤波

织物图像在采集和传输阶段受到的噪声干扰，易导致图像输出时纱线分布信息的不完整[4]. 本实验使用简单方便的非线性中值滤波（二维的中值滤波）对图像进行平滑处理，即用一定区域范围内所有像素点灰度值的中值来代替该区域内所有像素点的灰度值，从而达到平滑处理的效果. 由于区域是变动的，并且具有各种形状，根据织物经纬纱纵行垂直交叉的特点以及实验证明，本文选用矩形尺寸，此时效果较好，去除了一些特别闪亮的噪点. 处理前后的效果如图4所示.

图4 中值滤波前后织物的图像

2.4 灰度增强

经过前面几步的图像处理之后，已去除了图像的噪音、消除了大部分毛羽，但对于一些毛羽较多的图像，为了获取更好的纱线条干使得纱线与间隙区分得更清楚，需再次对图像进行灰度调整以增强对比度. 本文采用截取式线性变换，根据毛羽与纱线的灰度级数，分别对其进行灰度增强处理，以增强纱线与间隙的反差，形成较为清晰的织物图像. 本文将灰度范围调整到灰度范围，从图5可以看出，经过灰度增强后，纱线非常清晰.

图5 灰度增强前后的织物图像

2.5 带通滤波

如图5，根据经、纬纱线纵横垂直的有序排列规律，分别画出织物在经向、纬向的灰度值总和曲线. 如图6所示，灰度曲线是正弦曲线，其波峰、波谷分别与纱线、纱线间隙一一对应，但由于纱线条干不匀以及纱线歪斜，波谷处存在局部极值现象，这将影响到波峰数的监测，即影响到纱线根数的识别. 因此，需要对得出的经纬向灰度总和曲线进行平滑处理. 本实验在使用二次中值滤波后，又设计了一个带通滤波器进行滤波处理. 经过多次试验，经纬向分别选用上限截止频率和、下限截止频率和，此时的滤波效果较好，局部极值消除效果如图6-d所示，图像中的局部极值被消除，曲线变得更加平滑.

图6 织物的灰度值总和曲线

2.6 机织物经纬密度的计算

通过计算织物经向、纬向灰度值总和曲线的波峰数，即可得到对应图像中的经纬纱线根数. 本文利用函数findpeaks找出各波峰点以计算出图像中的纱线数，再根据织物的实际拍摄尺寸长（L）和宽（W）进行换算以求出纱线的密度. 实现程序如下：

%寻找波峰数

ynum=length(findpeaks(Sy(y))); %经纱数

xnum=length(findpeaks(Sx(x))); %纬纱数

%计算织物经纬密度

JM=(ynum/L)*10; %经纱密度

WM=(xnum/W)*10; %纬纱密度

3 实验检测与结果分析

为了验证开发的机织物经纬密度测量系统测试结果的稳定性，选用5块样布进行测试，其中包括了纯色、印花等不同的面料. 人工测量按照《GB/T4668—1995机织物密度的测定》中的移动式密度镜法进行；图像测量采用自主开发的测试系统，利用双总体F检验法与t检验法[5]验证两组数据之间的精密度，结果对比见表1.

表1 织物经纬密度实测结果一览表

1）测试结果稳定性分析. 利用统计假设检验双总体F检验法得出：统计量，当显著性水平为5%，自由度时，查F临界值表，，. 由于，说明这两种方法测试结果的稳定性无显著差异.

2）测试结果的差异分析. 利用统计假设检验的双总体t检验法得出：，当显著性水平5%，自由度时，查t临界值表，. 由于，说明这两种方法测试结果无显著差异.

由检验结果的对比可知，由于织造的原因，经纱排列比纬纱规整，其变异系数（CV%）也较小；经纬纱密度百分误差（△%）均控制在2%以内，平均误差约为0.99%.

4 结论

通过人工测量与图像测量实验的对比分析发现，本检测系统对简单组织的机织物密度识别具有非常方便、快捷、稳定的特点. 由于选择带通滤波器的上下截止频率及通频带是固定而非自适应变化的，其只能过滤一定范围内的局部极值，因此，对织物自身尺寸的稳定性要求比较高，即织物中经、纬两个不同系统纱线应该尽可能垂直排列，以减少局部极值对结果的影响. 对于紧度较高的织物，由于空隙非常小，纱线与纱线间隙的对比不明显，其密度识别仍存在很大的误差. 后续研究，可考虑在此基础上使用质量更好的摄像头，或采集更大尺寸片段的织物图像进行识别，以实现纱线的自动纠偏来提高测量精度，并进一步完善测量系统.

[1] 勇金华. 机织物结构参数的图像测量的研究[D]. 青岛：青岛大学，2009.

[2] 郑宇英，贺洁人. GB/T4668—1995机织物密度的测定[S]. 北京：中国标准出版社，1996.

[3] 秦襄培，郑贤中. MATLAB图像处理宝典[M]. 北京：电子工业出版社，2011.

[4] 徐雪倩，张凤生. 基于中值滤波和小波变换的织物图像预处理[J]. 青岛大学学报：工程技术版，2011, 26(01): 19-22.

[5] 李云雁，胡传荣. 试验设计与数据处理[M]. 2版. 北京：化学工业出版社，2008.

[责任编辑：熊玉涛]

Research of Fabric Density’s Automatic Detection Based on Machine Vision

LIUYu-wen1,2, DUWen-qin1,2

(1. School of Texiti le & Clothing, Wuyi University, Jiangmen 529020, China; 2. Guangdong Higher Education Engineering Technology Research Center, Wuyi University, Jiangmen 529020, China)

For detecting fabric density automatically, a simple system for getting HD fabric image was built. MATLAB-based algorithms, gray level transformation, histogram specification, median filtering, gray level increase, and band-pass filter were used to deal with fabric image to get fabric density automatically. Experiments show that the algorithms are suited for plain fabrics and some simple printed fabrics; contrast experiments show the relative error between manual measurement and image measurement is less than 2%, and the hypothesis testing results demonstrate that the algorithms have high reliability and stability.

digital image processing; woven fabric; thread count; MATLAB

1006-7302（2015）02-0016-05

TS103.6

A

2015-01-19

刘裕文（1989—），男，广东梅州人，在读硕士生，主要从事纺织功能材料及新技术研究；杜文琴，教授，硕士生导师，通信作者，主要从事纺织功能材料及新技术研究.