一种纱线直径与条干不匀率检测的数字化方法与流程

本发明涉及纺织技术领域，特别是涉及一种纱线直径与条干不匀率检测的数字化方法。

背景技术：

纱线的直径与条干不匀率是影响纱线、织物外观质量及服装的风格的重要参数，在纺织品的工艺设计和生产过程中起着举足轻重的作用。纱线的外观参数主要包括纱线毛羽、细度、直径不匀率等，这些参数不仅直接影响纱线强力、拉伸性、耐磨性等各项物理性能，还影响织物的表观风格。常用的纱线直径与条干不匀率检测方法中，过程复杂繁琐，容易受到检测工作人员的主观因素影响，造成了对纱线等级质量评估的困难；此外，电容式纱线条干不匀测量方法也容易受到测试环境以及待测样品温湿度等多种因素影响，同样难以用于真实准确地评估纱线质量。

技术实现要素：

为克服现有技术的上述缺陷，本发明提供一种纱线直径与条干不匀率检测的数字化方法，所采取的技术方案是：

这一种纱线直径与条干不匀率检测的数字化方法，包括对纱线的图像进行采集、对图像预处理、对预处理之后的图像进行分割、对分割后的图像进行形态学处理、对形态学处理后的图像分析计算，其特征在于：所述图像预处理是在windows系统下、matlab软件环境下完成，包括灰度处理、灰度修正、自适应中值滤波三个步骤；其中

所述灰度处理是在matlab软件中编写如式(1)所示算术加权算法程序函数，将采集到的rgb纱线图像在r、g、b三个通道上的值代入，然后由加权值映射得到灰度值从而获得灰度图像：

h＝0.2989r+0.5870g+0.1140b(1)

式中：h代表纱线图像中像素点的灰度值，r，g，b分别代表彩色图像中红，绿，蓝色的亮度值；；

人类的感觉系统对不同颜色的敏感程度不一样，对绿色最敏感，蓝色的敏感程度不如绿色，相对较低。所以，可以增加g通道在映射函数中占的比例，稍微减少b通道在映射函数中占得比例。

所述灰度修正是将获得灰度图像进行图像增强，调用matlab中imhist函数来计算图像灰度分，得到对应的直方图，并对直方图进行均衡化处理，使灰度图像的灰度级间隔变得扩大，接近于正态分布：均衡化处理的程序函数是：j＝histeq(i，n)：i为输入的原图像，j为直方图均衡化后得到的图像，n为均衡化后的灰度级数；

所述自适应中值滤波处理是对灰度修正后的图像进行的处理，自适应中值滤波算法是根据预先设定好的条件，自动改变滤波半径，同时根据判断条件确定当前像素是不是噪声，如果是则用邻域中值替换掉当前像素，不是则还用当前像素；主要步骤如下：

(1)确定滤波器的最大半径，并计算当前最大滤波器半径下的图像的像素灰度中值imed；

统计纱线条干截面的像素点个数l，根据l确定滤波器的最大半径rmax；计算当前最大滤波器半径下的图像的像素灰度中值imed，计算方法如下：以矩阵形式表示像素值ai,j，矩阵用ai表示，求矩阵中所有像素值的中位数imed；

(2)确定滤波器模板的半径

依次缩小滤波器半径，并判断imed是否包含在矩阵ai中，如果imed在矩阵ai中，则继续减小滤波器半径r，直至imed不在矩阵ai中，则停止缩小滤波器半径，此时的滤波器半径为选取的滤波器模板的半径；具体方法如下：

……

rn＝rin,jn(in＝jn,imed∈ai)

此时的rn为确定的滤波器模板的半径，并求出rn滤波器半径下的图像的像素灰度最小值imin和最大值imax；

(3)输出像素灰度值

如果当前处理的像素在[imin，imax]之间，输出当前像素；否则输出像素imed；表达式如下：

g(x,y)＝g[f(x,y)](2)

其中，f(x,y)为输入图像，g(x,y)为输出图像，g是对图像f的算子，作用于点(x,y)定义的值；

s＝g(r)(3)

其中，r表示图像f中的灰度，s表示图像g中的灰度；两者在图像中处于相同的坐标(x,y)处；上式可以简单表达为：

进一步地,所述分割是运用自适应阈值分割法对预处理后的图像进行纱线与背景的分割。

进一步地,所述形态学处理包括对图像进行腐蚀、膨胀、细化处理。

进一步地，所述图像分析计算是指对图像形态学处理的结果进行分析计算，得到纱线的平均直径、偏差和纱线条干cv值。

本发明的有益效果为：

(1)通过自适应中值滤波去噪算法处理纱线图像，可以准确、高效地计算出纱线直径并且测得纱线的条干不匀率。

(2)一种纱线直径参数的提取和分析方法能够有效地检测纱线条干不匀率，提高了数字化检测纱线直径和条干不匀率的准确率。

附图说明

图1是爱普生v700photo型扫描仪采集到的原始图像。

图2是图1经过灰度转换处理的图像。

图3(a)是图2对应的直方图，(b)是(a)经过直方图均匀化后的直方图，(c)是图(b)对应的经过灰度增强后的图像。

图4是图3(c)经过普通中值滤波后的图像。

图5是图3(c)经过本发明自适应中值滤波后的图像。

图6是图5经过自适应阈值分割方法进行分割后的图像。

图7是图6经过形态学处理后的图像。

具体实施方式

实施例1，对成纱方式为环锭纺、梳纱工艺为精梳、纱线密度为14.21tex的棉纱，通过usb3.0数据线将爱普生v700photo型扫描仪与计算机连接，将扫描仪分辨率设置为1200dpi，获得图像分辨率为500pi×500pi的单色图像。如图1所示。

灰度处理:在windows系统下、matlab软件环境下采用发明人编写的如式(1)所示的算术加权算法将rgb图像转化成灰度图像。

算术加权平均算法的方法是按照rgb图像在r、g、b三个通道上的值遵循某种加权比重进行加权平均，然后由加权值映射得到灰度值从而获得灰度图像。人类的感觉系统对不同颜色的敏感程度不一样，对绿色最敏感，蓝色的敏感程度不如绿色，相对较低。所以，可以增加g通道在映射函数中占的比例，稍微减少b通道在映射函数中占得比例。按照下面公式(1)的映射函数可以获得较合理的灰度图像。

h＝0.2989r+0.5870g+0.1140b(1)

式中：h代表纱线图像中像素点的灰度值，r，g，b分别代表彩色图像中红，绿，蓝色的亮度值。如图2所示。

调用matlab中imhist函数来计算图像灰度分，得到对应的直方图，如图3(a)所示。并对直方图进行均衡化处理，使灰度图像的灰度级间隔变得扩大，接近于正态分布；均衡化处理的程序函数是：j＝histeq(i，n)：i为输入的原图像，j为直方图均衡化后得到的图像，n为均衡化后的灰度级数；如图3(b)所示。纱线图像直方图均衡化后对应的图像如图3(c)所示。

对图3(c)所示的图像进行自适应中值滤波，主要步骤如下：

(1)确定滤波器的最大半径，并计算当前最大滤波器半径下的图像的像素灰度中值imed；

统计纱线条干截面的像素点个数l，根据l确定滤波器的最大半径rmax；计算当前最大滤波器半径下的图像的像素灰度中值imed，计算方法如下：以矩阵形式表示像素值ai,j，矩阵用ai表示，求矩阵中所有像素值的中位数imed；

(2)确定滤波器模板的半径

依次缩小滤波器半径，并判断imed是否包含在矩阵ai中，如果imed在矩阵ai中，则继续减小滤波器半径r，直至imed不在矩阵ai中，则停止缩小滤波器半径，此时的滤波器半径为选取的滤波器模板的半径；具体方法如下：

……

rn＝rin,jn(in＝jn,imed∈ai)

此时的rn为确定的滤波器模板的半径，并求出rn滤波器半径下的图像的像素灰度最小值imin和最大值imax；

(3)输出像素灰度值

如果当前处理的像素在[imin，imax]之间，输出当前像素；否则输出像素imed；表达式如下：

g(x,y)＝g[f(x,y)](2)

其中，f(x,y)为输入图像，g(x,y)为输出图像，g是对图像f的算子，作用于点(x,y)定义的值；

s＝g(r)(3)

其中，r表示图像f中的灰度，s表示图像g中的灰度；两者在图像中处于相同的坐标(x,y)处；上式可以简单表达为：

通过自适应中值滤波处理后的纱线图像中纱线的主干保留较好，干扰信息与纱线主体分离的更好。如图5所示。

对比例1，

自适应中值滤波之前的步骤与实施例1相同。

对图3(c)所示的图像进行普通中值滤波处理，如图4所示。可以看到处理后的纱线图像边缘模糊，不清晰，图像相对原图发生了失真。

从图4和图5的比较可以看出，自适应中值滤波处理后的纱线图像中纱线的主干保留较好，干扰信息与纱线主体分离的更好。

实施例2，对如图5所示的经过中值滤波处理后的图像，运用自适应阈值分割法进行纱线与背景的分割，在两个峰值之间选择一个位置，比如取两个峰值中间的位置。通常情况，选择峰值比选择谷底可靠，能够减少噪声的干扰，得到的图像分割效果更理想，纱线主干图像更清楚。如图6所示。

对图6所示的经过自适应阈值分割方法进行分割后的图像进行形态学处理，如图7所示。

以上内容是结合具体的优选实施例和对比例对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定专利保护范围。