本发明属于织物纺织领域,特别涉及一种纺织图像处理领域。
背景技术:
经编织物组织结构与其性能有极为密切的关系,影响织物的强力、拉伸性、织物风格和手感等,因此,对经编织物组织结构的分析是一项十分有研究价值的课题。但传统的经编织物组织结构分析方法都是人工分析,利用显微镜和带有标尺的放大镜完成,分析过程单调、乏味,分析效率较低,且对分析人员技术要求较高。随着劳动力成本的增加和纺织行业自动化程度提升,自动化、智能化识别经编织物组织结构成为一项亟待解决且具有应用前景的课题。
随着计算机技术的发展,现代图像处理技术在纺织生产中的应用逐渐广泛,经编织物结构的自动分析方法开始得到运用,现有的织物结构自动分析法主要由扫描仪或数码相机的图像采集装置和织物结构分析的计算机软件部分组成,该方法仍然存在以下不足之处:1)扫描仪或数码相机操作复杂,不易携带,用户普及程度不高,不能满足用户随时随地使用的目的;2)机织物与经编织物的编织原理大相径庭,装置适用于结构相对简单的机织物,对于结构复杂的经编针织物无法适用。
技术实现要素:
鉴于上述原因,本发明的目的在于提供一种基于智能手机的经编织物工艺快速分析装置,其简易方便,能够自动测量和识别织物的工艺花宽、工艺花高、成品横密、成品纵密、组织结构和穿经循环等,提高经编织物工艺分析效率,满足用户随时随地使用的要求。本发明还提供了一种基于智能手机的经编织物工艺快速分析方法。
为实现上述目的,本发明采用以下技术方案:
一种基于智能手机的经编织物工艺快速分析装置,包括智能手机和服务器,所述智能手机用于采集织物正反双面图像并发送至服务器,所述服务器用于接收所述智能手机发出的织物图像并进行处理、分析,然后将分析结果发送到智能手机。
进一步地,所述智能手机设置有:
摄像头,用于拍摄并采集织物正反双面图像;
图像第一预处理模块,用于判断图像质量并进行相应的白平衡处理和图像定位裁剪;
图像发送模块,用于向服务器发送织物图像。
信息接收模块,用于接收服务器发送的织物分析结果。
进一步地,所述服务器上设置有:
图像接收模块,用于接收由智能手机发送模块发出的织物图像;
图像第二预处理模块,用于对图像接收模块接收到的织物图像进行灰度化处理并检测是否含有织物;
图像处理模块,用于对经过第二预处理模块处理后的织物图像进行阈值变换、自适应滤波、快速傅里叶变换、边缘检测等处理,分别获取织物工艺正反面图像的周期性特征点;
织物分析模块,用于对织物图像组织结构参数进行分析、计算,得出织物分析结果,包括工艺花宽、工艺花高、成品横密、成品纵密、组织结构和穿经循环等;
结果反馈模块,用于将织物分析结果发送到智能手机客户端。
一种基于智能手机的经编织物工艺快速分析方法,包括以下步骤:
S1智能手机采集经编织物双面图像并发送到服务器;
S2服务器接收所述的智能手机发出的织物图像并进行处理、分析,然后将分析结果发送到智能手机。
进一步地,所述步骤S1具体包括以下分步骤:
S11检测环境光照,通过智能手机的光线传感器获取周围环境的光照值,预先设定光照值取值范围,当环境光照值不在预设的范围内时,图像获取失败;
S12织物图像预览,设置织物拍摄预览框,用户通过调整拍摄位置使织物呈现在预览框中且确保预览框中至少含有一个完整循环大小的织物图像;
S13第一次预处理:通过智能手机将步骤S11中采集到的图像进行放大3-6倍后进行定位裁剪并且基于进行动态阈值的自动白平衡处理,以获取符合织物分析要求的织物图像;
S14织物图像发送,智能手机的图像发送模块将步骤S13中获取的织物图像发送至服务器。
进一步地,所述步骤第一次预处理S13中白平衡处理方法包括:
S131将织物图像由RGB模式转换为YCbCr,转换完成后将图像分成N个部分,分别计算每个部分的Cb和Cr的平均值Mb、Mr以及两者的均方差Db、Dr,计算方法如下:
S132统计织物图像各区域的平均值Mb、Mr以及均方差Db、Dr作为整个图像的值(最后需舍去Db<0.05Mb和/或Dr<0.05Mr时的值);
S133按如下方法确定织物图像中的白色参考点,
|Cb(i,j)-(Mb+Db×sign(Mb))|<1.5×Db
|Cr(i,j)-(Mr+Dr×sign(Mr))|<1.5×Dr
亮度值前10%的白色参考点作为最终的白色参考点;
S134计算织物图像各白色参考点亮度平均值Rav,Gav,Bav,各通道的增益Rgain,Ggain,Bgain和图像在YCbCr模式下Y的最大值Ymax;
S135计算织物图像各通道最终的R’G’B’:
R’=R×Rgain
G’=G×Ggain
B’=B×Bgain
进一步地,所述步骤S2包括以下分步骤:
S21织物图像接收,服务器接收模块接收由智能手机图像发送模块发出的经预处理后的织物图像;
S22织物图像预处理,服务器第二预处理模块对步骤S21接收到的织物图像进行灰度化处理并检测是否含有织物;
S23织物图像处理,图像处理模块对步骤S22处理后的图像进行阈值变换、自适应滤波、快速傅里叶变换、边缘检测等处理,分别获取织物工艺正反面图像的周期性特征点;
S24织物图像分析,织物分析模块对步骤S23中的图像进行分析,得出织物分析结果,包括工艺花宽、工艺花高、成品横密、成品纵密、组织结构和穿经循环等;
S25分析结果反馈,结果反馈模块将步骤S24中得出的织物分析结果发送至 智能手机中。
优选地,所述步骤S22中的图像灰度化处理通过以下公式变换:
Gray(i,j)=0.11R(i,j)+0.59G(i,j)+0.3B(i,j)
优选地,所述步骤S23包括以下子步骤:
S231阈值变换,采用阈值变换的方法将提取的织物正反两面图像二值化,图像灰度的阈值变换方法如下:
S232通过自适应滤波消除织物双面图像中的噪声,根据图像的局部方差调整滤波输出,确保图像边缘和高频细节信息。
S233通过快速傅里叶变换(FFT)将织物工艺正面图像的空间域图像转换为频谱图:
S234对经过步骤S231、S232处理后的织物工艺反面图像进行边缘检测,获取织物工艺反面的边缘图。
优选地,所述步骤S24包括以下子步骤:
S241服务器图像处理模块处理后的织物工艺正面频域图像在水平和垂直方向上有分布规律的亮带,水平方向亮带代表织物横列信息,垂直方向亮带代表织物纵行信息,分别对频域图像进行水平和垂直方向投影;
S242选定水平(垂直)方向投影图像的中心点,沿垂直(水平)方向逐点扫描图像灰度,直至扫描到灰度值为255时将该像素作为起点,继续沿垂直(水平)方向逐点扫描,直至下一次扫描到灰度值为255时停止,记录扫描过的像素 数m(n),m(n)极为织物的相邻两横列(纵行)间的频率。
S243智能手机100拍摄的图像分辨率为r(像素/英寸),定位裁剪的织物图像大小为M×N(像素),所述织物的工艺花宽Width、工艺花高Height、成品横密WPC和成品纵密CPC可以分别表示为:
Width=n
Height=m
S244服务器200图像处理模块230处理后的织物工艺反面图像,对提取的织物边缘图中多个目标区域形状特征参数进行识别,运用像素标记法逐像素进行判断,获取组织循环内的线圈延展线边缘参数,进而分析、计算织物的组织结构和穿经循环。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
1、本发明通过智能手机获取织物图像信息,利用智能手机的上网无线技术将织物图像信息发送给远程的高性能服务器,实现了经编织物工艺分析自动化、数字化的要求,简单易用,便于推广和普及;
2、本发明能够自动识别经编织物信息并进行分析、计算,用户可随时随地获取织物的工艺信息,包括工艺花宽、工艺花高、成品横密、成品纵密、组织结构和穿经循环等,提高工艺分析效率,消除工艺分析的技术门槛。
附图说明
图1为本发明一种基于智能手机的经编织物工艺快速分析装置界面参考图;
图2为本发明经编织物工艺快速分析方法的流程示意图;
图3a为一种实施方式中经编织物经过裁剪后的织物正面图像;
图3b为一种实施方式中经编织物经过裁剪后的织物反面图像;
图4a为图3a经阈值变换后的织物正面图像;
图4b为图3b经阈值变换后的织物反面图像;
图5为4a经处理模块处理后的织物工艺正面频谱图;
图6为4a经处理模块处理后的织物工艺反面边缘图。
具体实施方式:
为了使本发明目的、技术方案和优点更加清楚,以下结合附图及实施例,对本发明作进一步说明。应当理解,此处描述的具体实施例仅用以解释本发明,但并不用于限定本发明。
实施例
本发明公开了一种基于智能手机的经编织物工艺快速分析装置,包括智能手机和服务器,其中:
智能手机用于采集织物正反双面图像并发送到服务器,其上设置有摄像头、图像第一预处理模块及图像发送模块和信息接收模块;摄像头用于拍摄并采集织物图像;图像第一预处理模块用于判断织物图像质量并进行白平衡处理和图像定位裁剪;图像发送模块用于向服务器发送织物图像;信息接收模块用于接收服务器发送的织物分析结果。
服务器用于接收智能手机发出的织物图像并进行处理、分析和计算,并将分析结果发送到智能手机,服务器设置图像接收模块、图像第二预处理模块、图像处理模块、织物分析模块和结果织物分析结果反馈模块。图像接收模块用于接收由智能手机发送模块发出的织物图像;图像第二预处理模块用于对接收模块接收的织物图像进行平滑处理并检测是否有织物;图像处理模块用于对第二预处理模块处理后的织物图像进行阈值变换、自适应滤波、快速傅里叶变换、边缘检测等处理,分别获取织物工艺正反面图像的周期性特征点;织物分析模块用于对图像处理模块处理后的织物图像进行组织结构参数分析、计算,得出织物分析结果,包括工艺花宽、工艺花高、成品横密、成品纵密、组织结构和穿经循环等;结果反馈模块,用于将织物分析模块的分析结果发送到智能手机。
参考图1和图2,一种基于智能手机的经编织物工艺快速分析方法,以一种 双梳特里科经编织物为例,其包括以下步骤:
S1智能手机采集经编织物正反双面图像并发送到服务器,该步骤经以下分步骤实现:
S11检测环境光照,通过智能手机光线传感器获取环境光照值,这一步需要预先设好光照取值范围,如果环境光照值不在预设的范围内,则图像获取失败;
S12织物图像预览,设置织物拍摄预览框,用户可通过调整拍照位置使织物呈现在预览框中且确保预览框中至少含有一个完整循环大小的织物图像;
S13第一次预处理:通过智能手机将步骤S11中采集到的图像进行放大3-6倍后进行定位裁剪并且基于进行动态阈值的自动白平衡处理,以获取符合织物分析要求的织物图像;(参考图3a和图3b),白平衡处理具体方法如下:
将织物图像由RGB模式转换为YCbCr,转换完成后将图像分成N个部分,分别计算每个部分的Cb和Cr的平均值Mb、Mr以及两者的均方差Db、Dr,计算方法如下:
统计织物图像各区域的平均值Mb、Mr以及均方差Db、Dr作为整个图像的值,若某部分的均方差偏小则略去(舍去Db<0.05Mb和/或Dr<0.05Mr时的值),避免因颜色分布均匀而影响分析结果;
按如下方法确定织物图像中的白色参考点,若初步定为白色参考点的像素取其亮度值前10%作为最终的白色参考点:
|Cb(i,j)-(Mb+Db×sign(Mb))|<1.5×Db
|Cr(i,j)-(Mr+Dr×sign(Mr))|<1.5×Dr
计算织物图像各白色参考点亮度平均值Rav,Gav,Bav,各通道的增益Rgain,Ggain,Bgain和图像在YCbCr模式下Y的最大值Ymax:
计算织物图像各通道最终的R’G’B’:
R’=R×Rgain
G’=G×Ggain
B’=B×Bgain
S14织物图像发送,智能手机的图像发送模块将步骤S13中获取的织物图像发送至服务器。
S2服务器接收所述的智能手机发出的织物图像并进行处理、分析,然后将分析结果发送到智能手机,该步骤经以下分步骤实现:
S21服务器接收模块接收由智能手机图像发送模块发出的经预处理后的织物图像;
S22服务器第二预处理模块对步骤接收到的织物图像进行灰度化处理并检测是否含有织物,灰度化通过以下公式变换:
Gray(i,j)=0.11R(i,j)+0.59G(i,j)+0.3B(i,j)
S23织物图像处理,图像处理模块对步骤S22处理后的织物工艺图像进行阈值变换、自适应滤波、快速傅里叶变换、边缘检测等处理,分别获取织物工艺正反面图像的周期性特征点,具体方法如下:
S231选定织物双面灰度图像阈值T,若织物图像中某像素灰度值小于T,则像素灰度值设为0,若某像素灰度值大于T,则像素灰度值设为255,将织物图像二值化(参考图4a和图4b),图像灰度的阈值变换方法如下:
S232通过自适应滤波消除织物双面图像中的噪声,根据图像的局部方差调整滤波输出,确保图像边缘和高频细节信息。
S233通过快速傅里叶变换(FFT)将织物工艺正面图像的空间域图像转换为频谱图(参考图5):
S234对经过步骤S231、S232处理后的织物工艺反面图像进行边缘检测,获取织物工艺反面的边缘图(参考图6)。
S24织物图像分析,服务器织物分析模块对步骤S23处理后的图像进行分析,得出织物分析结果,包括工艺花宽、工艺花高、成品横密、成品纵密、组织结构和穿经循环等,具体方法如下:
服务器图像处理模块处理后的织物工艺正面频域图像在水平和垂直方向上有分布规律的亮带,水平方向亮带代表织物横列信息,垂直方向亮带代表织物纵行信息,分别对频域图像进行水平和垂直方向投影;
选定水平(垂直)方向投影图像的中心点,沿垂直(水平)方向逐点扫描图像灰度,直至扫描到灰度值为255时将该像素作为起点,继续沿垂直(水平)方向逐点扫描,直至下一次扫描到灰度值为255时停止,记录扫描过的像素数m(n),m(n)极为织物的相邻两横列(纵行)间的频率。
智能手机拍摄的图像分辨率为r(像素/英寸),定位裁剪的织物图像大小为M×N(像素),则织物的工艺花宽、工艺花高、成品横密和成品纵密可以分别表示为:
Width=n
Height=m
服务器图像处理模块处理后的织物工艺反面图像,对提取的织物边缘图中多个目标区域形状特征参数进行识别,运用像素标记法逐像素进行判断,获取组织循环内的线圈延展线边缘参数,进而分析、计算织物的组织结构和穿经循 环。
S25分析结果反馈,结果反馈模块将步骤S24中得出的织物分析结果发送至智能手机中,并将分析结果显示给用户。
利用上述方法连续监测不同经编织物,与人工测量进行对比,结果如下表所示:
经编织物纵横密度测量误差
由上表可以看出,使用本发明的经编织物工艺快速分析方法,可以有效得运用于多种不同织物结构的分析,并且分析结果与人工分析的误差较小(均小于6%),在保证准确度的前提下,能够有效得提高分析速度。
以上所述仅为本发明的优选实施方式,但本发明并不仅限于此,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。因此,只要是在本发明基本原理基础上所做出的改进与变换,均应视为落入本发明的保护范围内。