一种混合纤维制品中纤维分布情况的检测方法与流程

本发明涉及非织造设备领域，特别是应用于混合纤维制品中纤维分布情况的检测。

背景技术：

取样称重法、厚度测定法和放射性同位素测定法等传统的纤维网检测方法可以能较准确的分析出单种纤维组成的纤维网的均匀性，但不能评价出混合纤维组成的纤维网的均匀性，特别是不能直观地体现出混合纤维网中每种纤维的分布状况.随着图像处理技术的不断发展，由于其具有的处理精度高，再现性好，处理多样化等优越性，该技术被广泛用来表征纤维网结构特征，主要包括非织造材料纤维网的纤维取向分布研究、纤维网孔隙率检测、纤维网均匀度的测定在内的多项应用，得到了较好的应用效果.但是，上述图像处理方法更多的是针对单种纤维组成的纤维网的性能指标检测，而在检测混合纤维组成的纤维网中的纤维分布情况则研究较少.本专利结合多级随机共振技术，通过图像处理的方法能切实地解决上述的问题，并且具有快速高效和准确性高等优点。

目前，研究纤维分布特征的方法一般是采用图像融合以求取纤维取向、利用形态学的腐蚀与膨胀去除噪声杂点、用阈值分割来计算孔隙率.腐蚀可使轮廓边界收缩；膨胀可使轮廓边界膨胀.腐蚀、膨胀是将网格中的空隙去掉以突出纤维网格、图像阈值分割是对采集到的整张图像选择一个较为合适的阈值进行处理，进而研究纤维的分布情况.但是，还未有一种图像处理技术来研究混合纤维制品中的纤维分布情况.因此，本文采用多级随机共振的方法将混合纤维制品中任意一种纤维的特征值设置为目标纤维，其余为非目标纤维；然后利用图像处理技术来定性和定量的分析目标纤维的分布情况；最后根据目标纤维的分布情况绘制目标纤维像素点分布直方图。

技术实现要素：

本发明所要解决的技术问题是提供一种混合纤维制品中纤维分布情况的检测方法，能够得到混合纤维网中纤维的分布情况，以用于定性和定量分析混合纤维网的结构和性能。

为解决上述技术问题，本发明所采用的技术方案一种混合纤维制品中纤维分布情况的检测方法，基本流程如图1所示，具体包括以下步骤：

一、采集由多种纤维混合组成的制品的原始图像，并对图像进行去噪和灰度化处理，得到低噪灰度图；

二、根据工程实际需要，利用上述混合纤维制品中每种纤维感光性的差异，可将任意一种或多种纤维设置为目标纤维或非目标纤维。

三、按照不同工程实际的精度需求，将前述低噪灰度图整体进行一定大小和比例的切割，然后根据最佳成像效果选择合适的阈值对每一幅切割后的图像分别进行处理。

四、对设定好的非目标纤维提取其中的特征值作为噪声，将上述处理后的每一幅切割后的图像输入二维多级联随机共振进行处理，根据处理后的结果提取出目标纤维；

五、将上述提取出目标纤维的每幅切割后的图像进行二值化处理，然后将所有图像按原切割顺序重新组合成原大小的二值化图，若此时二值化图可展现目标纤维轮廓则继续进行下一步，若不能展现目标纤维轮廓则直接返回第四步重新进行处理；

六、统计复原后图像目标纤维所占像素点个数，并给出混合纤维制品中目标纤维与非目标纤维分布情况的指标数值。

附图说明

图1为本发明专利流程图。

图2为本发明中采集玻璃/涤纶纤维混合纤维网图像原始图像。

图3为本发明玻璃/涤纶纤维混合纤维网图原始图像去噪图。

图4为本发明通过取反并降阶处理后玻璃/涤纶纤维混合纤维网图像。

图5为本发明对讲阶后小像素切割图。

图6为本发明阈值为0.04处理后小像素图像。

图7为本发明阈值为0.08处理后小像素图像。

图8为本发明阈值0.04处理后二值化图像。

图9为本发明阈值0.08处理后二值化图像。

图10为本发明二值化复原图。

图11为本发明每列含有玻璃纤维的像素点数。

图12为本发明每行含有玻璃纤维的像素点数。

图13为本发明中采集玄武岩/涤纶纤维混合纤维网图像原始图像。

图14为本发明玄武岩/涤纶纤维混合纤维网原始图像去噪图。

图15为本发明通过取反并降阶处理后玄武岩/涤纶纤维混合纤维网图像。

图16为本发明对讲阶后小像素切割图。

图17为本发明阈值为0.10处理后小像素图像。

图18为本发明阈值为0.06处理后小像素图像。

图19为本发明阈值0.10处理后二值化图像。

图20为本发明阈值0.06处理后二值化图像。

图21为本发明一次随机共振处理二值化复原图。

图22为本发明二次随机共振处理二值化复原图。

图23为本发明每列含有玄武岩纤维的像素点数。

图24为本发明每行含有玄武岩纤维的像素点数。

具体实施方式

实施例1：

以玻璃纤维/涤纶纤维混合纤维网制品为例，纤维配比及分组如表1所示，用以说明本方法的可行性.，用以说明本方法的可行性。

表1

首先，用图像采集器随机采集由表1中第4组混合纤维配比制成的纤维网图像，像素大小为3000像素×4000像素(如图2所示)，采用索贝尔滤波法和加权平均值法对采集到的图像进行去噪和灰度化处理(如图3所示)。

由于玻璃纤维和涤纶纤维感光能力有区别，利用该特性，图2中白色部分为玻璃纤维，黑色部分为涤纶纤维.本文根据工程实际需要将玻璃纤维设置为目标纤维、涤纶纤维设置为非目标纤维。

首先对采集到的原始图像使用matlab进行取反降阶处理，结果如图4所示；对降阶后图像切割为像素大小为32×52小像素图像，如图5所示.然后根据目标纤维在图像上尽可能清晰和保真性强，而且非目标纤维显示尽可能少的原则，对小像素图像分别采用不同阈值来处理，如图6、图7所示；然后对不同阈值下处理后的图像进行二值化处理，如图8、图9所示。

提取设定好的非目标纤维的灰度信息特征值，对其添加噪声后再进行归一化处理，然后分别对其进行行展开与列展开，并依次进行随机共振处理(参数分别为：高斯白噪声，噪声强度4，h＝0.1，a＝6，b＝12)，得到二维复原小图像；

将采取上述方法得到的小图像进行二值化处理，然后将所有图像按原切割顺序重新组合成原大小的二值化图，如图10所示，从此图可以看出已可展现目标纤维轮廓，因此不需要返回上一步重新进行计算；

二值化后的图像只有黑像素点和白像素点两种，统计复原后二值化图像中目标纤维每行每列的像素点个数，即白像素点的个数，绘制直方图，如图11、图12所示。

实施例二

为证明本专利可以应用于其他种类混合纤维制品，本文还以玄武岩纤维/涤纶纤维混合纤维网制品为例，纤维配比及分组如表2所示。

表2

图像处理流程如图1所示，具体步骤如下：

首先，用图像采集器随机采集由表2中第4组混合纤维配比制成的纤维网图像，像素大小为3000像素×4000像素(如图13所示)，采用索贝尔滤波法和加权平均值法对采集到的图像进行去噪和灰度化处理(如图14所示)。

由于玻璃纤维和涤纶纤维感光能力有区别，利用该特性，图13中白色部分为玄武岩纤维，黑色部分为涤纶纤维.本文根据工程实际需要将玄武岩纤维设置为目标纤维、涤纶纤维设置为非目标纤维。

首先对采集到的原始图像使用matlab进行取反降阶处理，结果如图15所示；对降阶后图像切割为像素大小为32×52小像素图像，如图16所示.然后根据目标纤维在图像上尽可能清晰和保真性强，而且非目标纤维显示尽可能少的原则，对小像素图像分别采用不同阈值来处理，如图17、图18所示；然后对不同阈值下处理后的图像进行二值化处理，如图19、图20所示。

提取设定好的非目标纤维的灰度信息特征值，对其添加噪声后再进行归一化处理，然后分别对其进行行展开与列展开，并依次进行随机共振处理(参数分别为：高斯白噪声，噪声强度4，h＝0.1，a＝6，b＝12)，得到二维复原小图像；将采取上述方法得到的小图像进行二值化处理，然后将所有图像按原切割顺序重新组合成原大小的二值化图，如图21所示，从此图可以看出已可展现目标纤维轮廓仍不清楚，因此需要返回上一步重新进行计算；经过重新计算，重新提取设定好的非目标纤维的灰度信息特征值，并对其添加噪声后再进行归一化处理，然后分别对其进行行展开与列展开，并依次进行随机共振处理(参数分别为高斯白噪声，噪声强度4，h＝0.1，a＝6，b＝12，第二级随机共振参数为h＝0.1，a＝5，b＝10)，得到二维复原小图像；将采取上述方法得到的小图像进行二值化处理，然后将所有图像按原切割顺序重新组合成原大小的二值化图，如图22所示，从此图可以看出已可展现目标纤维轮廓，不再需要返回上一步重新进行计算。

二值化后的图像只有黑像素点和白像素点两种，统计复原后二值化图像中目标纤维每行每列的像素点个数，即白像素点的个数，绘制直方图，如图23、图24所示。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。