王曉紅等人采用統計直方圖技術對起球圖像進行濾波、銳化和分割預處理,然后根據自相關函數確定未起球織物區域重復結構的形狀和大小,再應用膨脹和腐蝕技術處理二值圖像,把原來的圖像處理成沒有組織結構而只有毛球的圖像,最后測定毛球的大小、數量和形態。
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
數字圖像處理技術應用于織物疵點測試后,測試結果有了很大改善。其測試方法關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計方法和形態學方法提取特征區域,然后分析特征區域,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學的織物疵點邊緣檢測方法,利用形態學實現疵點檢測后,進行小波分解,再用小波模極大值法和基于數學形態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。
另一個關于織物疵點測試的熱點問題是如何對織物疵點進行動態識別和分類。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,在寬度方向裝有2~8只特制高分辨率的線掃描CCD攝像機,采用神經網絡技術,檢測織物幅寬范圍為110~440cm,速度可達120rn/min。而我國關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。
2.7色度測試
目前,在紡織品色度測試研究中,關于圖像處理技術的應用研究相對較少。色度不包括亮度,是顏色的一個特性,它反映顏色的色調和飽和度,人們通常以CIE統一規定的色度系統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,根據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,得出最終結果。嚴漂等[9]根據色度原理,通過數字圖像處理技術實現了對棉纖維色度的可靠性測量,與傳統測量相比,它不僅降低了成本,而且大大提高了測量的速度和穩定性。
2.8非織造布測試
非織造布發展迅速,產品質量越來越高,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應該滿足質量的要求,向簡便、快捷、客觀可靠的方向發展,而數字圖像處理技術使其成為了可能。目前數字圖像處理技術在非織造布測試中,主要應用于纖維取向度測試、纖網孔隙尺寸分布的測試、纖網瑕疵的測定、纖網均勻度和纖維直徑的測試。
<<上一頁[1][2][3][4]下一頁>>
相關信息 







推薦企業
推薦企業
推薦企業