一种基于图像处理的纱线黑板毛羽量检测及评价方法与流程
本发明属于纱线毛羽检测领域，特别涉及一种基于图像处理的纱线黑板毛羽量检测及评价方法。
背景技术：
纱线毛羽是衡量纱线基本结构的特征之一，也是评定纱线质量的重要参考指标，毛羽的长度和数量直接影响纱线和织物的外观性能和手感，进而影响到产品的质量、档次、生产效率以及后续的加工工艺。适量的短毛羽可增加面料的柔软性，赋予织物丰满的外观，但根据面料的不同需求，例如光滑面料，毛羽过多会影响织物表面光滑性和纹路清晰度，纱线毛羽最终会影响到纺织品的整体外观质量和使用效果。
目前在纺织行业中，对纱线毛羽的测试方法主要是投影计数法和全毛羽光电测试法，此外还有采用人工目测来观察纱线黑板上的毛羽水平。前二者虽然检测效率高，但检测的重复性较差且不能直观反应毛羽分布情况；人工目测法观察毛羽，测试效率低且取样数量少，结果受主观因素影响。所以随着计算机技术，数字化图像处理的发展和纺织品质量需求的不断提升，运用图像采集和图像处理分析技术检测纱线毛羽已成为纱线外观测量研究的趋势。
技术实现要素：
基于上述原因，本发明的目的是提出一种基于图像处理的纱线黑板毛羽量自动检测方法，通过扫描和图像处理技术相结合完成对黑板纱线毛羽图像的自动检测，建立黑板纱线毛羽数字化评价体系，提高毛羽检测的效率并实现客观评定黑板纱线毛羽。该系统能帮助纺纱生产商对纱线品质作出准确判断，方便了解毛羽水平。为后期的市场化提供技术参考和应用研究基础，具有重要的实际意义和良好的应用前景。
为此，本发明提供的一种基于图像处理的纱线黑板毛羽量检测方法，包括s1图像采集以及s2图像处理两个步骤，其中：
所述s1纱线图像采集过程为：使用摇黑板机获得纱线均匀缠绕的黑板，采用分辨率为ndpi的扫描仪直接扫描得到纱线黑板的灰度图像；所述n≥800；
所述s2图像处理包括以下过程：
s21对采集到的灰度图像进行二值化处理，得到二值图像；
s22对二值图像进行形态学开运算得到纱线的条干图像；
s23在s21步骤得到的二值图像中，将条干图像的像素值为1的区域定义为条干区域，条干图像的像素值为0的区域定义为非条干区域；将二值图像中条干区域的像素值直接调整为0，对二值图像中的非条干区域进行局部阈值处理；最终得到毛羽图像；
s24遍历整幅毛羽图像的像素，统计像素点值为1的像素个数，得到所需测试的毛羽像素数。
进一步的，所述步骤s1图像采集中，纱线缠绕到黑板时，采用最大纱线间距进行操作，缠绕完毕后，检查并排除遗留在黑板上的杂质，并保证线条不存在棉结。
进一步的，扫描纱线黑板时，对黑板中部进行扫描，得到灰度图像；所述灰度图像的长和宽分别为黑板的长和宽的80-95％。
进一步的，所述步骤s22的开运算分为以下步骤：
s221采用半径为r个像素的圆盘作为结构元素对s21得到的二值图像进行腐蚀处理；
s222采用半径为2r个像素的圆盘作为结构元素对s221步骤处理后的图像进行膨胀处理，最终得到完整的条干图像；所述的
进一步的，所述步骤s23中，以w像素×w像素的窗口为检测单元，对图像进行分块处理，最终建立毛羽图像的像素矩阵z：分块处理时，对于条干区域，若检测单元内的所有像素的值均为1，则将该检测窗口内的所有像素均以0值存入矩阵z；对于非条干区域，提取s1步骤所采集灰度图像中检测窗口内的所有像素点的像素值并计算其方差，若方差大于5，则通过大津阈值对这些像素点进行分割，分割的结果存入矩阵z，若方差小于等于5，则直接将这些像素的像素值以0值存入矩阵z，最终得到所述的像素矩阵z；所述2r≤w≤4r，且w为整数。
为了建立纱线毛羽数字化评价体系，本发明还提供一种纱线毛羽量的评价指标：其特征在于，所述评价指标为m，所述
采用上述技术方案，本发明具有以下优点：相比目视法，本发明的检测方法更加高效客观，为企业生产提供了一种比较直观的纱线毛羽的评价指标；而这种指标，相对于现有的h值需要使用昂贵的uster仪测试，本发明的检测方法中使用的仪器非常便宜，大大降低了检测的成本。
附图说明
为了更清楚地说明本发明的技术方案，下面将对本发明的实施过程的描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅是本发明的一些实施例，对于本领域或普通技术人员来说，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。
图1为基于图像处理的纱线黑板毛羽量自动检测方法步骤
图2为扫描11.8tex的紧密赛络纺涤纶纱线黑板图像原图
图3为扫描11.8tex的紧密赛络纺涤纶纱线黑板图像局部放大图
图4为黑板纱线局部放大图二值化图像
图5为形态学开运算图像
图6为去处条干后的毛羽灰度图像
图7为黑板纱线毛羽图像
图8为局部放大图毛羽图像
具体实施方式
本发明中所说的“黑板的长”、“灰度图像的长”均是指与被缠绕的纱线平行的边的长度；“黑板的宽”、“灰度图像的宽”均是指与被缠绕的纱线垂直的边的长度；“round()”表示对括号中的函数取整。
基于图像处理的纱线黑板毛羽量自动检测方法的具体步骤参考图1。主要方法为，使用yg381型摇黑板机获得纱线均匀缠绕的黑板，经扫描仪采集的纱线毛羽黑板灰度图像由二值化、形态学运算、图像局部阈值等处理，得到黑板毛羽图像，运用像素值测量法对所得图像毛羽计数；定义评价黑板毛羽量的指标m指数，并比较其与乌斯特仪测试实验纱线的毛羽值h。本文以7.4tex、9.8tex、11.8tex紧密赛络纺涤纶纱线为例，通过m指数来量化不同等级的黑板纱线毛羽，实现黑板纱线毛羽量的客观评定，进而建立黑板纱线毛羽评级系统。
具体的分析方法如下：
a、纱线黑板图像采集：
a1、采用摇黑板机的最大纱线间距进行操作，使纱线之间的毛羽充分舒展；匀速绕完一块黑板之后，应检查是否有杂质遗留在黑板背景上，纱线条干是否有棉结。为了减小结果误差，需排除这些因素对图像处理结果的影响。
a2、为了兼顾纱线毛羽的清晰度和图像处理速度，选用1200dpi扫描分辨率(如果分辨率低于800dpi，会使得检测的准确度受到较大的影响，而分辨率过高，则会造成过大的计算量)，扫描介质为黑白型，即纱线图片为灰度图像，可直接减少图像处理的计算量，便于后续的纱线图像处理。实验中的黑板尺寸为220mm×250mm，扫描得到的图片尺寸为9000像素×10800像素，对实际应83根纱线，总长为18.97m，黑板尺寸为190.5mm×228.6mm。以纱线线密度为11.8tex的紧密赛络纺涤纶纱线黑板图像(参考图2和图3)为例。
b、图像处理：
b1、由于扫描得到纱线毛羽灰度图像，采集的原始图像中每个像素点的灰度值为0～255，使用二值化算法把该灰度图像转换成二值(0，1)图像(参考图4)。
b2、本实例对纱线条干与纱线毛羽分区处理，先采用形态学开运算对纱线二值图像进行纱线分割，消除毛羽得到纱线的条干图像，再对条干图像进行膨胀为毛羽分割作准备。经采用半径为3个像素的圆盘结构元素得到纱线条干图像(参考图5)，完整保持了其条干特征。为了在图像处理结果中得到完全去除条干并只有毛羽的图像，还需对纱线条干作膨胀处理。采用半径为6个像素的圆盘结构元素得到的效果参考图6。
b3、本实例分别对黑板纱线图像的条干区域和非条干区域进行基于大津法的图像局部分割。将图像按12像素×12像素的窗口分块处理，对条干区域，按所设置的窗口检测到其中的像素值全部为1，即是条干部分，直接将其窗口内的像素值变为0储存在一个新矩阵z中。对非条干区域，在子窗口中，提取所有非条干的像素点。为了排除背景噪点对毛羽检测的影响，进行基于方差的毛羽分割。当窗口中非条干像素点的像素值方差大于5时，采用大津阈值对非条干像素点进行分割，结果存入矩阵z中；若方差小于5，则说明窗口中存在于背景的噪点不是毛羽，直接将其像素值变为0存储在矩阵z中。图7为图2所示的毛羽图像，图8为图3所示的毛羽图像。
b4、遍历矩阵z中所有非零像素值，即可得到采集图像中毛羽的像素数，所采集的图像大小为9000像素×10800像素，该11.8tex紧密赛络纺涤纶纱线的图像毛羽像素值为4333382。
c、纱线毛羽黑板等级评价：
c1、由于图像法测得的像素值为黑板整体毛羽结果，该指标无法体现黑板上纱线单位长度的毛羽量，故提出m指数作为评价黑板毛羽量的指标。m指数为无量纲参数，其计算公式为m＝lm/ls，式中，lm为黑板图像上长度为ls(cm)纱段的当量毛羽长度(cm),也就是将黑板图像上毛羽的像素点总数pm换算成单个像素点为直径的毛羽长度。在上述实验条件下，
采用上述方法分别对7.4tex、9.8tex、11.8tex紧密赛络纺涤纶纱线测试30组，得到其m指数的均值分别为1.61、1.87、2.28。
c2、uster仪所测的h值可以对照乌斯特统计公报查出相应的纱线毛羽水平，广泛应用于国内外纺织品市场，是全球公认的最可靠的纱线毛羽测量指标，因此，本发明中用h值来验证本发明中算法的准确性。上述7.4tex、9.8tex、11.8tex紧密赛络纺涤纶纱线的30组h值均值分别为2.35、2.7、2.9。具体试验结果如表1所列。
表1测试结果分析
c3、分析m指数与h值的比值在0.7左右，且3种纱线m指数的cv均小于4％，保证了纱线黑板毛羽检测结果的稳定性。根据m指数来量化不同等级的黑板纱线毛羽，可实现数字化黑板纱线毛羽量的客观评定。通过不同原料、线密度和纺纱方式的纱线完善纱线毛羽黑板的客观评级系统，快速、高效地获取黑板毛羽特征值及m指数，实现黑板图像纱线毛羽评级的定量性和可靠性。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！