王曉紅等人采用統(tǒng)計直方圖技術(shù)對起球圖像進行濾波、銳化和分割預處理,然后根據(jù)自相關(guān)函數(shù)確定未起球織物區(qū)域重復結(jié)構(gòu)的形狀和大小,再應用膨脹和腐蝕技術(shù)處理二值圖像,把原來的圖像處理成沒有組織結(jié)構(gòu)而只有毛球的圖像,最后測定毛球的大小、數(shù)量和形態(tài)。
國外許多專家對此也有深入研究,Konda等人提出了一種客觀評定起球性能的方法,他們對圖像進行閾值處理,然后與標準圖像進行比較,建立小球數(shù)量等級。Abril等人也采用圖像分析方法測量了標準織物圖像上的小球面積。
2.6織物疵點測試
數(shù)字圖像處理技術(shù)應用于織物疵點測試后,測試結(jié)果有了很大改善。其測試方法關(guān)鍵在于如何對圖像進行正確合理的紋理分割和圖像識別。韓武鵬等人提出的疵點檢測系統(tǒng)對采集的圖像進行預處理后,用小波變換進行特征提取,并采用模糊技術(shù)進行推理和識別,這能提高疵點邊緣的增強效果,并刻畫局部疵點的特征信息。田納西大學的Yixiang、FrankZhang和Randal1.R.Bresee提出同時運用灰度統(tǒng)計方法和形態(tài)學方法提取特征區(qū)域,然后分析特征區(qū)域,運用模式識別對疵點進行分類。胡艷[8]等人提出了一種基于小波變換和形態(tài)學的織物疵點邊緣檢測方法,利用形態(tài)學實現(xiàn)疵點檢測后,進行小波分解,再用小波模極大值法和基于數(shù)學形態(tài)學的算法分別提取高、低頻子圖像的疵點邊緣,然后采用合理的融合規(guī)則將兩個邊緣圖像進行融合,最終得到清晰準確邊緣。
另一個關(guān)于織物疵點測試的熱點問題是如何對織物疵點進行動態(tài)識別和分類。多年以前,國外就已開始從事這方面的研究并證明這是一種可行的方法,如瑞士Uster公司的Fatrriscan自動驗布系統(tǒng),在寬度方向裝有2~8只特制高分辨率的線掃描CCD攝像機,采用神經(jīng)網(wǎng)絡技術(shù),檢測織物幅寬范圍為110~440cm,速度可達120rn/min。而我國關(guān)于這方面的研究雖也已取得了階段性的進展,但尚未形成完善的系統(tǒng)。
2.7色度測試
目前,在紡織品色度測試研究中,關(guān)于圖像處理技術(shù)的應用研究相對較少。色度不包括亮度,是顏色的一個特性,它反映顏色的色調(diào)和飽和度,人們通常以CIE統(tǒng)一規(guī)定的色度系統(tǒng)為基礎而對顏色進行目視和物理測量。而利用圖像處理技術(shù),根據(jù)三原色原理可直接獲取R、G、B值,R、G、B值的分辨率為256級,這大大超出了人眼的識別能力,可準確描述物體的顏色值,進而計算出三刺激值和黃度,得出最終結(jié)果。嚴漂等[9]根據(jù)色度原理,通過數(shù)字圖像處理技術(shù)實現(xiàn)了對棉纖維色度的可靠性測量,與傳統(tǒng)測量相比,它不僅降低了成本,而且大大提高了測量的速度和穩(wěn)定性。
2.8非織造布測試
非織造布發(fā)展迅速,產(chǎn)品質(zhì)量越來越高,在紡織品市場中所占的份額也越來越大,因此非織造布的檢測技術(shù)應該滿足質(zhì)量的要求,向簡便、快捷、客觀可靠的方向發(fā)展,而數(shù)字圖像處理技術(shù)使其成為了可能。目前數(shù)字圖像處理技術(shù)在非織造布測試中,主要應用于纖維取向度測試、纖網(wǎng)孔隙尺寸分布的測試、纖網(wǎng)瑕疵的測定、纖網(wǎng)均勻度和纖維直徑的測試。
<<上一頁[1][2][3][4]下一頁>>
相關(guān)信息 







推薦企業(yè)
推薦企業(yè)
推薦企業(yè)