基于图像处理技术的织物组织识别研究现状
数字图像处理技术在纺织检测中的研究和应用
数字图像处理技术在纺织检测中的研究和应用摘要：随着社会发展，我国科学技术在不断地进步，同时数据图像处理技术日益成熟，并运用到了各行业当中。
目前，我国纺织检测过程中也广泛纳入了数字图像处理技术，需要高度重视数字图像处理技术的特点，不断提升纺织检测的效率和质量。
关键词：数字图像处理技术；纺织检测；应用引言数字图像处理技术是当前信息技术中一项快速发展的计算机技术，其综合数字信号处理、计算机科学、几何学、模式识别等等各方面的理论而发展而来，当前在各个领域中应用广泛，同时随着我国经济高速发展，数字图像处理技术得到了广阔的发展空间，其应用范围呈爆炸式拓展，几乎所有与成像有关的领域中都应用了此技术，在当前的纺织工业生产中，数字图像分析技术也得到了广泛的应用。
1数字图像处理技术的介绍数字图像处理技术是将图像处理的理论、基本方法及其在智能化检测中应用三者有机结合起来的一门学科。
它首先通过特殊的方法提取相关的图像信息，然后对图像进行相关的处理，最后利用计算机编程及有关数字图像技术进行有效分析，从而获得所预期的结果。
图像处理技术从上个世纪80年代后期开始被应用到纺织材料的测试领域中来，随着计算机技术的发展，该技术在纺织测试领域中的应用空间变得越来越广阔，特别是该技术的应用实际上取代了部分纺织测试中的人工检验，克服了传统人工检验过程中的一些缺陷，对纤维材料测试的自动化、定量化和客观化发展起到了重要的推动作用。
2数字图像处理技术在纺织检测中的应用2.1在织物表面特性分析中的应用对织物表面特性分析是纺织工业中重要的生产关节，通过对织物图像中特征参数的分析评价，确定织物表面特性情况，主要是进行两方面工作：针对织物表面疵点的分析评价与针对织物折皱等级的分析评定。
织物表面疵点对织物的外观效果有着直接影响，所以这也成为了评价织物等级的重要指标，计算机技术发展图像分析技术完善，使得可以通过计算机图像分析技术来对织物表面疵点进行分析，这是当前一种应用广泛的技术，通过对织物表面进行灰度统计，提取图像上的特征区域，在通过对疵点运用模式识别技术进行分析评价，当前主要的技术为静态织物表面疵点的分析评价技术，而动态织物表面疵点的分析技术是以后发展的重要趋势，在未来市场中具有重大的使用价值，但是在当前还需要进行一步的研究开发。
图像处理技术在纺织品检测中的应用
图像处理技术在纺织品检测中的应用摘要：本文基于Matlab图像处理方法对长丝图像进行滤波、锐化、二次处理采用数值处理、区域提取和圆角区域的阈值设置进行检测。
该方法操作简单，节省了人力、物力，加快了检测速度，对提高纺织品的质量具有很大的实用价值。
关键词：图像处理技术；纺织品检测；应用前言在二十一世纪的初期，我国成功加入世界贸易组织，使得我国纺织品行业遇到了更多的机遇，与此同时，纺织品面临了更大的挑战，唯有提高产品质量，才能够在激烈竞争的市场上立于不败之地。
因此，纺织品检测的重要性得以凸显，我们应对当前纺织品检测行业的发展情况进行简要回顾，并探索其未来发展趋势。
1我国纺织品检测行业的发展现状分析首先，当前的一些机构比较分散，有一些规模比较大的综合性检测机构，也有一些企业附属的小型检测机构，缺乏统一、有效的平台，这些机构各自为政，使得检测资源无法得到集中，从而使得纺织品质量检测服务无法发挥出最大作用。
其次，我国纺织检验技术与设备与国外发达国家相比，还存在着一些差距，一段时间以来，一般都进行一些传统项目的检验，不仅检验内容比较简单，并且对于精确度没有过高的要求，也缺乏行业间的沟通和交流，使得我国纺织检验技术远远落后于发达国家。
再次，当前我国纺织品检测机构的运行模式和服务方法比较单一，很长时间以来都将国家拨款、中介服务和检测费用作为基本的经费和业务来源，比较习惯于听从上级部门的指挥，而没有自己开拓业务的意识，使得我国纺织品检测机构逐步陷入故步自封的程度。
2纺织品重点检测项目和检测技术分类2.1纺织品的重点检测项目将国家强制性的相关标准作为纺织品检测的主要依据，我国目前的纺织品检测划分出以下4个重点检测项目：色差以及色牢度的检验：以GB/T250-2008和GB/T251-2008中所列示的灰色样卡作为检测评定的标准，对纤维以及织物进行检验，前者主要用来检测纺织品的变色情况，而后者主要用来检验纺织品的色牢度；纺织产品安全性能的检验：该检验的主要依据为GB18401-2010,该标准不仅吸收了国际上对纺织品安全性能的基本要求，还结合了国内的纺织品检测发展情况；絮用纤维制品的检测：相关标准对絮用纤维制品的安全问题提出了以下几点要求：一是絮用纤维制品中不得存在绿脓杆菌以及溶血性链球菌等一些致命病菌；而是皮肤或者黏膜接触絮用纤维制品后，不得出现过敏反应或者不良刺激；三是通过肉眼观察后，絮用纤维制品中不得发现会传播疾病的跳蚤、臭虫以及蟑螂等异物；四是絮用纤维制品不得因潮湿而出现霉臭味，以及其他的诸如煤油、鱼腥味以及动物骚味等异味；纺织品以及服装上的使用说明：根据GB/T5296.4-2012规定,纺织品以及服装上必须标明以下要点：纺织品原材料的各种成分以及含量、洗涤以及晾晒方法、生产商名称地址、产品型号、产品使用周期、标准编号以及质量等级、质量合格证明等11项。
简析图像处理技术在纺织品检测中的应用
简析图像处理技术在纺织品检测中的应用摘要：我国发展至今，在经济和科技方面都有了非常大的进步。
很多先进的科学技术都被应用到社会中的很多领域。
图像处理技术在纺织品检测中的应用在一定程度上将纺织品的检测质量得到了一定的提高。
并且图像处理技术可以有效地防止纺织品中的有害物质对人们的身体产生影响。
而且对图像处理技术的应用，还可以让纺织品的检测变得更加简单、实用和精准。
从而大大的提高了我国纺织品检测质量。
同时通过图像处理技术在纺织品检测中也会提高人们生活水平。
因此本篇文章对图像处理技术在纺织品检测中的应用做出分析，并以此供相关人士参考。
关键词：图像处理；纺织品；应用；检测引言图像处理技术其实在很早之前就有被应用到纺织品的检测当中。
但是由于缺乏一定的条件，导致图像处理技术没有得到广泛的应用。
现阶段随着计算机技术的不断发展，图像处理技术才慢慢的被广泛应用。
并且图像处理技术已经被投放到各个领域。
在这些领域中也获得了很好的口碑。
如果在纺织品的检测中应用到图像处理技术，这将会在一定程度上提高纺织品检测的准确度。
并且在纺织品检测的过程中，对图像处理技术的应用可以在一定程度上减少人的主观判断造成的错误。
现阶段，图像处理技术在纺织品领域中主要可以分为三大类：纤维检测、纱线检测、织物检测。
其中纤维检测主要是根据横截面形状、直径、网棉均匀度的检测。
纱线检测主要是根据纱线的密度、直径以及纱线混合的状态。
而织物的检测一般是通过褶皱的程度、织物表面的纹理以及织物的缺点来进行检测。
一、图像处理技术的概括图像处理技术于其他新兴学科的不同之处在于，它可以将图像技术的基本理论、实践方法以及图像处理在智能检测的过程中综合的运用起来。
简单的来说，图像处理技术就是把图像中的信息进行提取，之后对图像进行一定的处理。
最后就可以使用计算机对图像信息进行分析[1]。
从而达到理想的效果。
图像处理技术被应用纺织品检测中的时间很晚。
但是随着科技的发展，已经被逐渐应用到多个领域中。
图像处理技术在织物来样分析中的应用
织 科 技
总第１６ ９期
图像 处理技 术在 织物来 样分 析 中的应 用
姚建军
（ 天津工业大学，天津，３０８ ） ０３７
摘 要 ：利用数字图像处理技术可以实现不同组织类型织物 图像 的经纬纱 密度 、组织循环经纬纱数的 自动识别，并
根据结构参 数绘制 出织物组织图。文 中对数 字图像处理技术在织物来样分析 中的应用进行 了综述。该技术可以减 少不必要的人 员费用 ，为企业 的信息化、生产 的 自动化打下基础；对 改变纺织企业管理 生产模式、提高纺织行业 中一些部 门的工作效率具有一定的实际意义。
检测结果易受检测者经验和感官差异影 响。这种 由专家 物中经纬纱沉浮的规律称为织物组织。当经组织点和纬
或人工借助工具进行的分析与识另 虽然具有权威性 ，但 组织点浮沉规律达到循环时，称为一个组织循环。组织循 是操作要求高，同时存在不可避免的人工误差。将数字 环经 纬纱数 即指 构成一个 组织 循环的经纱 数和纬纱 数【。 １ ｌ 图像处理技术应用于纺织品来样分析 中，改变了纺织行 织物组织是织物的重要结构参数之一。 业中传统的手工操作流程 ，减少主观 因素的影 响，可大 密度的大小 ，织物组织不同直接影响织物 的外观 、
．织物组织结构经纬纱信息 ，利于织物组织类型的识别应对灰度图像 进行图像增强。 结合聚类分析的方法设计 自适应结构算子选择算
法 ，对 不 同组 织类 型 的织物 自动选 择合 适 的结 构算 子 ， 并使 用该 结构 算子对 织物 图像进 行形 态学 运算 。
２３ ．织物组织类型确 定
在对织物图像进行预处理后 ，提取直方图特征参数
数学形态学方法是用来提取图像成分 ，并据此来对
来判定织物组织类型。对录入织物图像进行结构参数分 图像 区域的形状进行表示和描述。它的数学语言是集合 析 ，首先设计并提取织物 图像的特征参数来确定输入织 理论 ，其中的集合代表图像中物体 的形状。图像处理 中 物 图像 的组织类型 ，根据 求得 的参数 的取值 范围的不 常用的数学形态学方法包括腐蚀 、膨胀、开、闭、边缘
基于图像处理的机织物密度的高精度识别
（ ｉｎ ｎ ｎ Ｕ ｉ ｒｔ Ｊ ｇ ａ ｎｖ ｓｙ，Ｗｕ ｉ ｉｎｓ ２４ ２ ａ ｅｉ ｘ ，Ｊａ ｇｕ １ １２，Ｃ ｉａ） ｈｎ
Ａｂｓｒ ｃ Ｂ ｉｃ ｓｉ ｇｔ ｅ ｆｂ ｃ ｉ ｇ ｎ ｈ ｒ ｃｓｏ ｆｔ ｅｓ ａ ｎ ｒｉ ｈ ｒ ｃｅ，ｔｅ ｓ ａ ｎ ｒｉ ｕｓｄ ｔａ ｔ ｙ ｄｓ ｕ ｓｎ ｈ ａ ｒ ｍａ ｅ ａ ｄ ｔ ｅ ｐ ｅ ｉｉｎ ｏ ｈ ｃ ｎ ｅ ｎ ｔ ｅａｔ ｌ ｉ ｉ ｈ ｃ ｎ ｅ ｓ ｅ ｔ ｅ ｉｈ ｒ ｓｌ ｔ ｎ ｆ ｒｃ ｉ ｇ ｙｓ ａ ｎ ｎ ｎ ｔｅｖ ｒｉａ ｉｅ ｔ ｎ．Ａ ｐ ｃｆｃｉ ｇ ｅ ｓｚ ｓｐ ｔｆｒ ｒ ｏ ｏ ｇ ｔｈ ｇ ｅ ｏｕ ｉ ａ ｉ ｍａ ｅｂ ｃ ｎ ｉｇ ｉ ｈ ｅ ｃ ｌｄｒ ｃｉ ｏ ｂ ｔ ｏ ｓ ｅ ｉ ｍａ ｉｅ ｉ ｕ ｏ ｗａｄ ｔ ｉ ａ ａｙ ｅ ｔ ｅｆ ｒｃ ｉ ｇ ｎ ｌｚ ｈ ａ ｉ ｍａ ｅ． Ｔ ｅ ｓ ｅ ｏ ｈ ｏ ｌｔ ａ ｒｃ ｉ ｇ ａ ｅ ｎ ｃ ｒｅ ｔｙ ｒ ｃｉ ｅ ｙ ｌｃ ｔ ｇ ｔ ｅ ｂ ｈ ｋ ｗ ｆｔ ｅ ｃ ｍｐ ｅｅ ｆ ｉ ｍａ ｅ ｈ ｓ ｂ ｅ ｏｒｃｌ ｅ ｔ ｄ ｂ ｏ ａｉ ｈ ｂ ｉ ｆ ｎ
第 ２卷 ９
第 １ 期 １
纺
织
学
报
Ｖ０ ． ９ Ｎｏ． ｌ Ｉ２ １
ＮＯ ． Ｖ ２ ｏ ０８
２０ ０ ８年 Ｉ １月
Ｊｕ ｎ ｌ ｆＴ ｘｉ ｅ ｅ ｒ ｈ ｏ ｒ ａ ｅ ｔ ｅ Ｒ ｓａ ｃ ｏ ｌ
文 章 编 号 ：２３９ ２ （０ ８ １－ １８０ ０ ５ ．７ １ ２ ０ ） １ ２ －４ ０
基 于 图像 处理 的机织 物密 度 的高精 度识 别
数字图像处理技术在纺织业中的应用研究
数字图像处理技术在纺织业中的应用研究随着科技的不断进步和发展，数字图像处理技术在众多领域得到了广泛应用。
其中，在纺织行业中的应用越来越受到人们的关注和重视。
数字图像处理技术在纺织业中可以应用于纱线颜色测量、织物缺陷检测、纺织品图案分析、物料辨识等方面。
本文将深入探讨数字图像处理技术在纺织业中的应用研究。
一、纱线颜色测量纱线颜色测量是纺织行业中一项很重要的技术。
在传统的纱线颜色测量方法中，需要使用显微镜和回转色度计等复杂的设备来进行颜色分析。
而数字图像处理技术可以通过图像采集、分析和处理来实现对纱线颜色的测量。
具体的方法是将一段纱线的图像通过某种方法转化为彩色图像，并根据色差算法进行颜色分析。
该方法减少了传统的测量流程，提高了纱线颜色测量的效率和准确度。
二、织物缺陷检测织物缺陷是纺织品生产过程中的一个普遍问题，会影响织物的质量和美观度。
传统的织物缺陷检测方法是使用人工目测和手工检验。
但这种方法费时费力，且效率低下。
数字图像处理技术可以通过对织物图像的采集、分析和处理来实现自动化的检测。
具体的方法是先对织物的图片进行预处理，去除背景干扰，并进行图像增强处理。
然后采用算法对图像中的缺陷进行定位和分析，再根据一定的规则判断缺陷的类型和程度。
此方法不仅速度快、效率高，而且可以大大提高缺陷检测的准确性。
三、纺织品图案分析纺织品的图案对产品的美观度和商品价值有很大影响。
传统的图案设计需要进行大量的手工绘制和修饰。
数字图像处理技术可以通过对图像的采集、分析和处理来实现自动化的图案分析和设计。
具体的方法是将纺织品的图案采集并转化为数字图像。
然后通过图像处理方法进行图案分析和辨识，即对图像中的主题元素、拼贴形式、色彩搭配等进行分析。
同时，借助计算机图形学等技术，实现纺织品图案的优化和设计。
此方法可以大大节约图案设计时间和成本，提高图案设计的创新性和实用性。
四、物料辨识在纺织品生产过程中，物料的辨识是非常重要的。
传统的物料辨识需要进行大量的人力和时间成本，并且存在误差。
计算机图像处理技术应用于纺织检测
计算机图像处理技术应用于纺织检测自二十世纪八十年代末计算机图像处理技术进入纺织检测领域以来，从原材料、半成品到成品的检验，从机织物、针织物到非织造布，再到产品质量的模拟控制，都可以通过图像处理技术来完成。
国际上最早将图像处理技术应用于纺织工业，分析地毯的磨损状况。
传统的纺织品检验测试多采用手感和目测，受人为因素的干扰较大，精度不高。
运用图像处理技术可以减少主观因素的影响，客观评价纺织品的外观和内在质量，是提高劳动生产率、保证产品质量的重要手段。
标签：图像处理技术;纺织;检测;应用近年来随着纺织技术自动化的发展，计算机图像处理技术在纺织工业检测中得到了广泛的应用。
在介绍图像处理技术概念的基础上，分析了图像处理技术在纺织工业中的应用，重点研究了图像处理技术在纺织加工检验中的应用。
为纺织工业自动化研究提供参考。
一、图像处理技术在纺织工业中的应用现阶段图像技术在纺织业中的不同领域中的应用效果显著，并呈现不同图像处理方法与多种技术融合的发展趋势。
目前的图像处理技术主要应用于纺织工业中纤维、纱线和织物等方面的检验鉴别工作。
图像处理技术在纤维检验方面，主要是对纤维外观、细度、均匀度及异性度等方面进行测试，同时还有对超细羊毛与羊绒之间的鉴别。
在纱线织物方面，主要是结合数字处理技术和识别技术对其密度、纹理、瑕疵、悬垂性、褶皱性、均匀度及毛羽量进行检验，对纱线混纺比进行测试。
在非织造布方面，主要是对其空洞大小、形态、纤维曲度及纤维网的瑕疵进行测定。
二、图像技术的基本理论和方法图像处理主要包括以下方面：（1）图像预处理，其目的是对图像去除噪声，突出目标;（2）图像分割和目标提取，主要目的是从图像中获得感兴趣的区域;（3）特征提取，是要获得对目标的有效特征表达和描述;（4）目标分类，是在提取特征的基础上实现判别和分类。
在计算机视觉的图像处理中，往往需要进行平滑、增强、边缘检测和去除噪声等处理。
在多数空域预处理算法时涉及到领域处理，典型的算法有中值滤波、均值滤波等。
基于图像分析的针织物组织结构模式识别研究的开题报告
基于图像分析的针织物组织结构模式识别研究的开题报告1. 研究背景和意义：针织物是一种常见的织物，在服装、家居用品等领域中被广泛使用。
针织物的组织结构种类繁多，不同的组织结构具有不同的特点和用途。
因此，对于针织物组织结构进行模式识别和分类具有重要的实际应用价值。
目前，随着数字图像技术的发展，基于图像分析的针织物组织结构模式识别技术逐渐成为研究热点。
该技术能够通过对针织物图像的处理和分析，提取各种特征信息，从而实现对针织物组织结构的自动识别和分类。
具有节省时间和精力、提高工作效率等优点，有很大的应用前景和研究价值。
2. 研究目的和内容：本文旨在基于图像分析技术，研究针织物组织结构的模式识别方法，通过对针织物图像的处理和分析，实现针织物组织结构的自动识别和分类。
具体研究内容包括以下几个方面：1）了解针织物的基本知识，包括针织物组织结构的种类，针织物的性质和特点等。
2）熟悉图像处理和分析的基本理论和方法，包括数字图像的获取、预处理、特征提取和分类等。
3）对针织物图像进行预处理，包括去噪、平滑、边缘检测等处理步骤，提高针织物图像的质量和准确性。
4）通过特征提取方法，提取针织物图像的颜色、纹理、形状等特征信息，构建针织物组织结构的特征向量。
5）应用机器学习算法，对针织物图像进行分类，建立针织物组织结构的识别模型。
主要采用支持向量机(SVM)、K近邻(KNN)、人工神经网络等方法进行实验研究。
6）对针织物组织结构的识别模型进行评价，确定其准确性和可靠性。
3. 研究方法：本文将采用以下方法对针织物组织结构进行模式识别：1）数据采集：利用数码相机和扫描仪对一定数量的针织物样品进行拍摄和扫描，形成一组针织物图像数据集。
2）图像预处理：对采集到的针织物图像进行去噪、平滑、边缘检测等预处理步骤，提高图像质量和准确性。
3）特征提取：通过特征提取方法，提取针织物图像的颜色、纹理、形状等特征信息，构建针织物组织结构的特征向量。
图像处理与识别技术在纺织工业中的应用
像 中测 得其成 熟度 及其他 参数 的方 法 已做 了大量
的研究 。 即通 过 轮廓跟 踪算 法获得 预处 理过 的棉
纤 维边 界 ， 并根 据 轮廓 的方 向判别 轮廓 的转折 点 ，
分 析计 算成熟 度 参数 。
２ １ ３ 纤维 的卷 曲度 的测试 ．．
摘
要 ： 着计算机 技 术的发 展及 其应 用的 不断推 广 ， 算机技 术 越 来越 多地运 用于 纺织工 业 。与 随 计
传统技 术相 比 ， 图像 处理 与识 别技 术 的应 用提 高 了纺 织产品检 测 鉴别 的效 率 、 自动化程 度和精 度 。文章
论述 了图像 处理 与识 别技 术 在 纺织工 业产品 中的研 究应 用现 状 和发展 前景 。
采用 图像 处 理与识别 技术 可对 羊毛 的卷 曲性
能进 行客 观而又 全面 的测试 。首先 对摄取 的 图像
进行 中值滤 波消 除 噪声 ， 后 计算 图像 的灰 度直 然 方 图 ， 择灰 度直 方 图分 布 中 的峰谷 值 作 为 二值 选
化 的 阈值 ， 而获 得 羊 毛 纤 维 图像 的二 值 图像 。 从
用
１ 图像 处 理 与 识 别 技 术 的 基 本 概 念
计 算机 图像 处理技术 已经应用 到纺 织工业 中
图像 处理是 人 类 视 觉延 伸 的重 要 手 段 ， 图 将 像 转换成 一个 数 字矩 阵存 放 在计 算 机 中 ， 采 用 并
一
的各个 领 域 ， 对纤 维 、 线 、 物 的结 构 与性 能 如 纱 织
识 别技 术是 ２ 世 纪信息 时代 的高 新科学 技术 ， １ 它 是 在数 字 信 号处 理 、 算 机科 学 技术 、 息 论 、 计 信 几 何 学 、 式识别 及 其 他 学科 基 础 上 发 展起 来 的边 模 缘 学科 。近几 年来 ， 这一 技术 得到 了迅速 发展 ， 被 不 同程 度地应用 于几乎所 有与 成像 相关 的领域 。
图像处理技术在织物花型结构识别中的应用
传统 纺织 工业 中对 织物 样 品的组 织 、花型 的识 别 多通 过人工 的方 法来 完成 ， 但人 工检 测 费时 费力 ， 存在
向（ 针织 物 ） 或经 纬 向（ 机织 物 ） 不垂 直 以及 图像 获取 时 样 品摆放 歪斜 ，导 致获取 的数字 图像 存在 不规 整 的现
许 多 不便 ， 响产 品检 测和设 计 的效率 。 影 随着 电子 技 术
中图 分 类 号 ：Ｎ １ ． ； Ｓ ８ ．１ Ｔ ９ １ ３ Ｔ １ ４１ ２ ７ 文 献 标 识 码 ： Ａ 文 章 编 号 ：０ １ ７ ０ （ ０ ８ ０ — ０ ２ ０ １０ — ０ ３２ ０ ） １０ ４ — ３
Ａｐ ｌ ａ ｉｎｏ ｇ ｒ ｃ ｓ ｉ ｇＴ ｃ ｎ ｌ ｇ ｎ Ｓ ｒ ｃｕ ｅ Ｒｅ ｏ ｎ ｔ ｎｏ ａ ｒｃ ａｔ ｒ ｐ ｉ ｔ ｆ ｍａ ｅＰ ｏ ｅ ｓｎ ｅ ｈ ｏｏ ｙｏ ｔｕ ｔ ｒ ｃ ｇ ｉｉ ｆ ｂ ｉ ｓＰ ｔ ｎ ｃ ｏ Ｉ ｏ Ｆ ｅ
ＺＨＵ Ｈａ ｏ
（ｅ ｔｅ ｎ ａｍ ｎ ｅ ａ ｍ ｎ ， ｈ ｏ ｉｇＵ ｉ ｒ ｔ Ｓ ａｘｎ １ ０ ０ Ｃ ｉａ Ｔ ｘ ｌ ａ ｄ ｒ ｅ ｔ ｐ ｒ ｅ ｔ Ｓ ａｘｎ ｎｖ ｓ ｙ ｈ ｏ ｉｇ ０ ， ｈ ） ｉ Ｇ Ｄ ｔ ｅ ｉ， ３ ２ ｎ
Ａｂ ｔａ ｔ Ｔ ｅｃ ｒｅ ｔ ｐ ｌ ａｉｎｏ ｉｉ ｌ ｍａ ｅｐｏ ｅｓｎ ｃ ｎ ｌｇｅ ｂ ｉ ａｔｒ ｓａ ｄｓ ｕ ｔｒｓｒｃ ｇ ｉ ｏ ａ ｓ ｒｃ ： ｈ ｕ ｒｎ ｐｉ ｔ ｆ ｇｔ ｇ ｒｃ ｓｉｇｔ ｈ ｏｏ ｉｓ ｎｆ ｒｃｐ ｔ ｎ ｎ ｔ ｃｕ ｅ ｅ ｏ ｎｔ ｎｗ ｓ ａ ｃ ｏ ｄ 中 ， 因为没有 实 时性 的要求 ， 以一般 采用 数 字 所 扫 描仪获 取 图像 ，下 面对花 型 的图像 处理 与识 别进 行 讨论 。 １１ 花型 图像 的处理 ． 在对 花型 图像 进行 识别 前一般 要对 花 型 图像 进 行
数字图像处理技术在纺织中的运用
本 文 主要 以纤维 检测 中的数 字 图像 处理 技术 的可 以直 接进 行处 理 ，是 模拟 图像 的则需 要对 图
为依据 ，展 开论 述。
像进行转化处理成可与 电脑直接接受的数字图像 。
数 字 图像 处 理 技 术 是 由多 个 分 支 技 术 组 成 的， 图像 转 化 、 图像 增 强 与复 原 、图像 编 码 压缩 、
数字 图像 处理技术在 纺织 中的运用
舒 阳 霞
（ 江西服装学 院服装商 贸分院 ，江西南 昌 ３ ３ ０ ２ ０ １ ） 摘 要： 基 于数字图像处理技术概况及其特点 ， 简要 的对数字 图像处理技术在纺织 中的应用进行分析 ，
并 以纤 维为依据 ，对图像处理技术 的应用进行 相对 详细的分析 ，意在为 日 后数字图像处理者研究工作
电脑相 连并 进 行相 应处 理 。为此 ，在对 图像 进 行 包括 的数 据信 息量 都 比较大 ，需要 计算 机 的时 间
处 理 时 ，必 须对 图像 进 行判 断分 析 ，为数 字 图像 也 比较 长 ，为 此 ，对 计算 机存 储量 和处 理速 度 的
投 稿 日期 ：２ ０ １ ４ — ０ ８ － ０ ２
１ ． ２ 数字图像处理技术特征
图像又分 为模 拟图像 和数字图像两种 。模 拟图像 是
一
数字 图像 处 理对 其处 理 速度 、存储 容量 、压
种颜 色和亮 度连续 变化的 图像 ，用胶 片拍摄的照 缩性 、质 量好 坏 的评价 有较 高 的要求 ，此外 数字
片多数 是模 拟图像 ，且该类 图像是无法 直接与计 算 图像处理技术 的综合性和应用性也相对较好。一 ， 机 连接 或接受处 理 的 ；数码 相机 或工业 Ｃ Ｃ Ｄ拍 摄 图像 处理 过 程 中 ，其多 数为 二维 图像 ，部分 为三 的照片一般 为数字图像 ，这类数字 图像 可以直接 与 维 Ｒ Ｇ Ｂ图像 ，不管 是二维 图像还是 三维 图像 其所
基于图像分解的织物组织自动识别
织物的物理性质不但决定于纱线性质 ， 而且还 与织物本身的组织结构有着重要关系． 传统的织物 组织参数的检测主要是靠人工来完成． 这是一项既 费时又 消耗大 量脑 力 与 体 力的工 作 ， 且测 量 结果 而 很大程度上受人为主观因素及周围环境 的影响． 因 此 ， ２ 世纪 ８ 年代中期开始， 从 ０ ０ 人们尝试利用计算 机等相关技术来 自动识别织物组织结构． 计算机 自动 识 别 织 物 组 织 的主 要 方 法 有 采 用 自相关 函数 法 ， 基于图像共 生矩阵纹理 特征分析
到织物密度等在内的若干组织参数 ， 并提取子图像
中纱线空间位置的有效信息以确定组织点位置， 进 而根据图像具体灰度分布特征识别组织点类型．
ｄ ｎ ｉ ａ ｂ ｃ ｌｕａｅ ｆｏ ｅ ｓｔ ｃ ｎ ｅ ａｃ ｌｔｄ ｒｍ ｔｅ ｈ ｅｈ ｌｅ ｓ ｂｍａ ｅ ｗｈｃ ｉｃｕ ｅ ｈ ｗａｐ ｎ ｗｅｔ ｎｏｍａｉｎ ｙ ｈ ｔｒｓ ｏｄ ｄ ｕ ｉ ｇ ｓ ｉｈ ｎ ｌｄ ｔ ｅ ｒ ａ ｄ ｆ ｉｆｒ ｔ ｏ
Ｄ ｃ ０８ ｅ．２ ０
文章编 号 ：１７ — ４４２０ ）６ ０６ 一 ， ６１ ０， （０８０ ～ ６８ Ｏ Ｉ １
基于 图像分解 的织物组织 自动识别
贾婷 婷 ， 立 轻 李
（ 东华大学 纺织学院 ， 上海 ２ １２ ） ０ ６ ０
图像处理在机织物组织结构识别中的应用
ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｆ ａ ｃ ｔ ｏ ｒ ｓ ．Ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｈ ａ ｓ ｓ ｕ ｃ ｈ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ａ ｓ ｈ ｉ ｇ ｈ ｓ ｐ ｅ ｅ ｄ ，
ｗｈ ｉ ｃ ｈ ｃ ａ ｎ ｉ ｎ ｃ ｒ ｅ ａ ｓ ｅ ｇ ｒ ｅ ａ ｔ ｌ ｙ ｔ ｈ ｅ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ ，ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｉ ｔ ｙ ａ ｎ ｄ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ．Ｔｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｅ ｌ ａ ｂ ｏ ｒ ａ ｔ ｅ ｓ
但效 率低 、 精度差 ， 还易受主观因素影响 。图像 处理具有快速 、 准确 、 自动化程度高等优点 ， 用来识别织物组织
结构 可以大大提高检测 效率 和客观准确度 。文章详细阐述 了国 内外在应 用图像处 理技术进行 机织物组织结
构 自动识 别的研究现状 ， 并将这些识别方法 概括 为两 类 ： 基于时域 的方法 和基 于频域 的方法 ； 并总结 了研究存 在不足的几个方面 ； 最后指 出纺织领域 的许 多人 工检测项 目， 均可用 图像处理来代替 ， 图像处理技术在纺织 品 检测领域具有广阔的应用前景 。 关键词 ： 机织物 ； 组织结构识别 ； 图像处 理 ； 时域 ； 频域
２ ０ １ ３ 年纪代 ｌ ２ ５ 识校 第 ４ 期
数字图像处理技术在纺织检测中的研究和应用
数字图像处理技术在纺织检测中的研究和应用发布时间：2021-01-25T01:57:35.517Z 来源：《防护工程》2020年29期作者：孙鹤鸣[导读] 计算机图像处理技术是指利用计算机技术将图像信号转变为数字格式。
计算机图像处理技术的覆盖范围广泛，包括数字图像变形技术、彩色图形处理技术、图像分割技术等。
计算机图像处理技术能够将直观的图像信号进行数字转化，这一技术在生产生活的各个行业中得到了广泛应用。
郑州海关技术中心消费品实验室河南省郑州市 450003摘要：随着科学技术的不断发展与进步，数字图像处理技术随之不断的成熟，并且得到了广泛的应用，应用的领域较多。
从现阶段的实际情况来看，纺织检测中也已经开始应用数字图像处理技术，在应用的过程中，应该注重充分发挥数字图像处理技术的重要优势，提高纺织检测的效率。
笔者针对数字图像处理技术及其在纺织工业的应用进行了探究与分析，并提出了数字图像处理技术在纺织检测中应用的途径，希望有助于纺织检测水平的提高。
关键词：数字图像处理技术；纺织检测；应用途径引言计算机图像处理技术是指利用计算机技术将图像信号转变为数字格式。
计算机图像处理技术的覆盖范围广泛，包括数字图像变形技术、彩色图形处理技术、图像分割技术等。
计算机图像处理技术能够将直观的图像信号进行数字转化，这一技术在生产生活的各个行业中得到了广泛应用。
在纺织行业中传统检测方法大多为人工经验累积测试，人为影响因素大，准确率无法稳定。
利用计算机图像处理技术能够降低人为主观因素的影响，对纺织品的外观形态、内在质量进行客观准确的评定。
《纤维和纺织品测试技术》一书是针对纺织行业纤维与纺织品测试技术进行研究的专业书籍。
该书由浅入深，详细的阐明了纤维和纺织品测试的基本原理，对国内外发展的纤维和纺织品的新测试方法和典型仪器进行介绍，包括：纤维长度、细度、卷曲、热收缩、成熟度、异形度和纤维结构分析测试；纱线细度、强力、捻度、毛羽、不匀和疵点测试；纺织品颜色、光泽、抗弯刚度、悬垂性、抗折皱性、热湿传递、透气怀、阻燃、色牢度、混纺比以及防紫外线、防辐射性、抗静电、抗菌、防螨、防虫蛀、生态和安全等性能测试，论述了纤维结构分析相关技术，包括电子显微镜分析、红外光谱分析技术、X射线衍射分析、热分析技术等。
基于图像处理技术的织物组织自动识别
１ ３ 系统 构 成 ．
图像数 据 ， 将 模 拟 信 号转 换 成 数 字 信 号 。计 算 并
收 稿 日期 ： ０ ５ １ — ７ ２ ０ — ２０
本 系统 主 要 有 Ｘ 广 ＴＬ １型 摄 影 体 视 显 微 镜 ， Ｃ Ｄ摄 像头 ， Ｃ 图像 采 集卡 ， 计算机 （ Ｐ 为 Ｐ ｎ ｉ ｃｕ ｅ ｔ —
中图分 类号 ： Ｐ ９． １ Ｔ ３ １ ４ 文献标 识码 ： Ｂ 文 章 编 号 ：０ ９３ ２ （ ０ ６ ０ —０ ７０ １ ０ —０ ８ ２ ０ ） １０ ３ —３
计算 机技 术 的 应 用变 得 越 来 越 广泛 ， 种交 各
机在 接受 到 图像 的数 字信 号后 ， 将其 存 入存储 区 。 常用 的 图像采 集 部件 有 ： 像 机 加 上 视频 图像 采 摄
・
３ ・ ８
山 东 纺 织 科 技
２０ ０ ６年第 １期
构 示 意图如 图 １ 示 。 所
地 会产 生噪声 ， 用 中值 滤 波 的方 法 可 以在 抑 制 采
匦
圜
一 画匾
一 画塑巫
噪声 的同时 克服线 性滤 波器 如最 小均方 滤 波 等带
④ 信噪 比：０ ｄ ５ Ｂ ⑤ 扫描 频率 ：Ｈ） ５ ６ ５ｋ ，Ｖ） ０Ｈｚ （ １ ． ２ Ｈｚ （ ５
１ ２ 样 品 的 要 求 ．
依 赖 于 人工 操 作 的 ， 率 低 而 且 容 易存 在 误 差 。 效 计算机 图像 处理 技 术用于织 物 的检测 方 面 已有 很 多文 献记 载 ， 在织 物组织 识 别这一 部分 ， 但 相关 技
织具 有 空间周 期性 的特 点 ， 出利 用 数 字 图像 处 提 理 技术来 实现 织物 组织 的 自动识别 。
基于图像处理技术的纬编单面针织物组织结构及参数的识别
基于图像处理技术的纬编单面针织物组织结构及参数的识别在针织产品的工业设计中,对织物分析与识别需要测试密度、线圈长度、未充满系数等参数,这些参数是影响针织物的物理机械性能的主要因素。
此外,来样加工或仿制设计通常需要分析针织物的组织结构。
以往这些参数的测试和织物结构分析主要是依靠人工借助放大镜、照布镜等工具来完成。
这种方法对技术人员的经验和视力要求很高。
同时分析与识别的周期也相对较长且分析过程单调而乏味,因而存在不可避免的人工误差。
因此,为了解决在人工分析与测量针织物结构及参数时容易产生误差以及费时费力等问题,有必要研制能代替人工对各种织物面料的类别、纱线参数等进行有效自动检测与分析的系统。
利用图像采集设备将已有织物的图像采集到计算机,并利用有效的识别算法,从织物的图像中提取出所要的织物信息并对织物及其组织结构自动检测识别,进而能正确计算分析织物图像,得出织物的类别、组织规律及技术参数。
本文研究了利用计算机图像处理与模式识别技术对图像采集设备采集的针织物图像进行自动参数提取与分析和组织结构识别的方法,提出了针织物面料自动识别的流程与技术路线,讨论了怎样的织物图像的获取与预处理才能有效地反映织物的特征信息和参数。
然后通过图像处理算法提取出与织物参数有关的图像特征,并通过这些特征直接或者间接的测量出针织物的密度、纱线直径、线圈长度、面积孔隙率、未充满系数等主要的物理指标。
利用灰度和得到组织循环的波谱图,再进行小波变换消除锯齿状波峰,通过差分法求得波峰位置和数量,进而计算出织物的横纵密；利用纱线细度指标与纱线直径的转换关系,通过对织物图像进行最优阈值化处理,然后计算出纱线的直径进而计算出纱线的细度的方法,利用同样的方法可以求得面积孔隙率；并将它们的计算结果与人工测量结果进行了比较和分析,表明该技术可以快速、准确的实现针织物参数的测量。
对于织物组织结构的识别,本文先利用二维小波变换的预处理及其低频、高频信号特征的描述与提取。
基于MATLAB图像处理技术的针织物结构参数测量的研究
基于MATLAB图像处理技术的针织物结构参数测量的研究
近年来,图像处理技术逐渐渗透到纺织领域中,大大促进了纺织行业的发展,逐渐实现了从人工到智能的转变。
其应用也正由纯学术研究走向工业应用,应用领域在不断拓宽。
图像处理技术在纺织品检测上的应用改变了纺织行业中的传统的手工操作流程,提高了工作效率,解决了许多纺织品检测中的难题。
为了解决针织物结构参数在人工测量时容易产生误差以及费时费力等问题,文章提出采用图像处理的方法实现针织物结构参数的自动测量,包括线圈长度、密度、线圈歪斜度、面积孔隙率、未充满系数以及编织密度系数等。
借助功能强大的MATLAB语言编程,实现高速的运算和图像处理。
尝试利用VC++和MATLAB混合编程,有效的提高了计算速度。
文章根据针织物的特点,将织物图像经过灰度化、平滑化、二维快速傅立叶变换、频谱图中特征点的提取、图像重建、细化等处理实现了织物图像有效信号的提取。
根据空间域与频率域的对应关系得出自动测量密度的公式。
利用回归分析得出二维线圈长度和三维线圈长度的关系式,实现了线圈长度的自动测量。
运用傅立叶变换的旋转性实现了对线圈歪斜角度的测量。
对不同纱线、不同密度、不同颜色以及不同简单组织的测试结果和人工测试结果进行了多次实验对比,用概率统计的方法检验该系统的测量数据和人工测量结果无显著性差异。
本课题的密度测试主要针对简单组织,线圈长度测试着重研究了纬平针组织。
所以要应用于实际生产还需要做进一步的研究。
基于图像处理技术的纺织品检测算法研究
基于图像处理技术的纺织品检测算法研究纺织品是人们日常生活中必不可少的物品之一，它的质量直接关系到人们的舒适度和健康。
在生产过程中，一些质量问题经常会发生，如毛洞、污渍、扭曲等，这些问题如果不被及时发现和修复，就会直接影响到产品的质量和市场竞争力。
因此，对于纺织品检测技术的研究具有重要的意义。
自动化检测技术在纺织品生产中的应用日益广泛，其中基于图像处理技术的纺织品检测算法是一种高效、准确、可重复的技术。
本文将从纺织品检测需求、图像采集与预处理、特征提取与分类三个方面探讨如何实现一款基于图像处理技术的纺织品检测算法。
一、纺织品检测需求纺织品生产过程中，为了确保产品的质量，需要对纱线、织物、成衣等不同制品进行检测。
其中，纱线检测主要是针对纱头数量识别、杂质检测、纤维断头检测等；织物检测则是对织物的密度、毛洞、扭曲、缺失等方面进行识别；成衣检测主要是对裙长、裤长、肩宽、袖长、按钮位置等方面进行检测。
因此，不同的检测任务需要采用不同的检测技术和算法。
二、图像采集与预处理针对不同的检测任务，需要采用不同的图像采集设备，如高清相机、红外线相机、X光机等，并对采集到的图像进行预处理。
图像预处理包括去噪、灰度化、二值化、形态学处理等环节。
去噪是预处理的第一步，它旨在消除图片中的噪声。
在纺织品检测中，常用的去噪方法有中值滤波、均值滤波、小波变换等。
灰度化是将采集到的图像数据变成单通道灰度值的过程，在图像处理中非常关键。
对于高光和暗部等反差较大的图像，采用基于平均亮度和基于加权关系的方法，可以得到更符合实际环境的灰度图像。
二值化是将灰度图像转化为黑白图像的过程，该过程中需要选取一个适当的阈值来划分黑白。
优化的二值化算法能够将柔软的边缘识别出来，以及减少图像中噪点的干扰。
在二值化过程中，常用的算法有OTSU算法、迭代阈值法等。
形态学处理是对图像进行形态学变换的方法，属于图像处理的基本处理方法。
常用的形态学处理方法有腐蚀、膨胀、开运算和闭运算等。
数字图像处理技术在针织物检测中的应用
亮点就是特征点．一个点越亮，说 明这个点的峰值越高．那么图像频 率的大多数就集中在峰值高的点 上．提取能量谱横轴上的峰点．再 进行傅立叶反变换重建图像．得到 明显的竖条纹．两个相邻黑色条纹 之间的距离就是圈距的一半．通过 圈距可得到线圈横密。同理．也可 得到线圈纵密。利用这种方法．从 频谱图中提取描述线圈结构的特 征点后．通过一些后续的操作．还
Ｕ
特征提取
Ｕ
等级评价
图２针织物起球评价流程图
·
６２ ·
万方数据
２００８年３月
针织 工业
Ｎｏ．３
以上方法都是在空间域评定 针织物的起毛起球性能．在频率 域中同样可以对起毛起球性进行 评价。Ｋ．Ｌ．Ｊｅｎｓｅｎ等根据起毛起 球图像的频谱结构特征．采用傅 立叶掩模评价针织物起毛起球等 级ｆ８］。其原理如下：将起毛起球的 针织物表面图像输入到计算机 内，进行颜色、形状的修正处理． 通过表征图像针织物背景功率谱 的峰点自动获得傅立叶掩模．在 频率域利用这种掩模将针织物组 织背景与绒毛和小球有效分离． 然后计算出用于描述绒毛和小球 数量的特征值．从而对针织物的 起毛起球性进行评价。实验表明 该方法测量结果与专家评定结果 是一致的。 ２数字图像处理技术在针织物组 织结构识别中的应用
性差的同有缺陷。 数字图像处理技术在针织物
检测中的应用研究起步较晚．但 是．这一技术的应用已经逐渐得到 了人们的重视。从目前的研究成果 来看．该技术的应用主要集中于针 织物质量和性能检测．以及针织物 组织结构识别方面．包括检测针织 物表面的疵点．评价针织物的起毛 起球性．测量针织物的结构参数． 分析和识别纬编提花组织等。与传 统的检测方法相比．数字图像处理 在针织物检测中的应用具有自动、 快速、准确、客观等诸多优点。 １ 数字图像处理技术在针织物质 量和性能检测中的应用 １．１疵点检测
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ Ｓｈａ ｎｇ ｈａ ｉ Ｕ ｎｉ ｖｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｅｎｇ ｉ ｎｅ ｅ ｒ ｉ ｎ ｇ Ｓｃ ｉ ｅ ｎ ｃ ｅ， Ｓｈａ ｎｇ ｈａ ｉ ， ２ ０１ ６２ ０） Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔｈｅ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｓ ｔ ａｔ ｕ ｓ ｏ ｆ ｆ ａ ｂｒ ｉ ｃ ｗｅ ａ ｖ ｅ ｉ ｄｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏｎ ｂａ ｓ ｅ ｄ ｏ ｎ ｉ ｍａ ｇｅ ｐｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎｇ ｔ ｅ ｃ ｈｎ ｏｌ ｏ ｇｙ ｗａ ｓ ｓ ｕ ｍ～ ｍａ ｒ ｉ ｚ ｅ ｄ． Ｄｕ ｒ ｉ ｎｇ ｔ ｈｅ ｉ ｄｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｆ ａ ｂｒ ｉ ｃ ｗｅ ａ ｖｅ， ｔ ｈｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｎ ｇ ｏ ｆ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ａ ｎｄ ｔ ｈｅ ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｆ ａ ｂｒ ｉ ｃ ｗｅ ａ ｖｅ ｗｅ ｒ ｅ ｔ ｈｅ ｋ ｅ ｙ ｐ ｒ ｏ ｂｌ ｅ ｍｓ ．Ｆｏ ｃ ｕｓ ｉ ｎｇ ｏｎ ｔ ｈｅ ｔ ｗｏ ｐ ｒ ｏ ｂｌ ｅ ｍ ｓ，ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ａ ｃ ｈｉ ｅ ｖｅ ｍｅ ｎｔ ｏｆ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈｅ ｒ ｓ ａ ｔ ｈ ｏｍ ｅ ａ ｎｄ ａ ｂｒ ｏａ ｄ ｉ ｎ ｒ ｅ ｃ ｅ ｎ ｔ ｙ ｅ ａ ｒ ｓ ｗｅ ｒ ｅ ｓ ｕｍ ｍ ａ ｒ ｉ ｚ ｅ ｄ ａ ｎ ｄ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ｉ ｎｃ ｌ ｕｄ ｉ ｎｇ Ｆｏ ｕｒ ｉ ｅ ｒ ｔ ｒ ａ ｎｓ ｆ ｏｒ ｍ ａ ｎ ｄ ｗａ ｖｅ ｌ ｅ ｔ ｔ ｒ ａ ｎｓ ～ ｆ ｏ ｒ ｍ ｂａ ｓ ｅ ｄ ｏ ｎ ｆ ｒ ｅ ｑ ｕｅ ｎ ｃ ｙ ｄｏ ｍａ ｉ ｎ， ｇｒ ａ ｙ － ｌ ｅ ｖｅ ｌ Ｃ Ｏ — ｏ ｃ ｃ ｕｒ ｒ ｅ ｎｃ ｅ ｍａ ｔ ｒ ｉ ｘ ｂ ａ ｓ ｅ ｄ ｏｎ ｓ ｐ ａ ｔ ｉ ａｌ ｄ ｏｍ ａ ｉ ｎ， ａ ｕｔ ｏｃ ｏ ｒ ｒ ｅ １ ａ ｔ ｉ ｏ ｎ ｆ ｕ ｎｃ ～ ｔ ｉ ｏ ｎ， ｍｅ ｔ ｈ ｏｄ ｓ ｂａ ｓ ｅ ｄ ｏ ｎ ｎ ｅ ｕｒ ａ ｌ ｎｅ ｔ ｗｏｒ ｋ， ｍｅ ｔ ｈ ｏｄｓ ｂａ ｓ ｅ ｄ ｏｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ａ ｎａ ｌ ｙｓ ｉ ｓ ａ ｎｄ Ｓ Ｏ ｏ ｎ． Ｔｈ ｅ ｄｉ ｓ ａ ｄ ｖ ａｎ ｔ ａ ｇｅ ｓ ｅ ｘｉ ｓ ｔ ｅ ｄ ｉ ｎ ｃ ｕ ｒ ｒ ｅ ｎｔ ｆ ａ ｂｒ ｉ ｃ ｉ ｄｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏｎ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｗ ｅ ｒ ｅ ｓ ｕｍ ｍ ａ ｒ ｉ ｚ ｅ ｄ ．Ｉ ｔ ｉ ｓ ｃ ｏ ｎｓ ｉ ｄｅ ｒ ｅ ｄ ｔ ｈ ａｔ ｔ ｈｅ ｆ ａ ｂｒ ｉ ｃ ｗｅ ａ ｖ ｅ ｉ ｄｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏｎ
ｍｅ ｔ ｈ ｏ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｉ ｓ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ ｕ ｎ ｄ ｅ ｒ ｔ ｈ ｅ ｆ ｏ ｕ ｎ ｄ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ ． Ｉ ｔ ｈ ａ ｓ
的 方 法等 ； 总 结 了 当前 织 物 识 别研 究 中存 在 的 不 足 。认 为 ： 基 于 图像 处理 技 术 的 织 物 组 织 识 别 方 法 是 建 立 在 客
观评价基础上 的， 具有准确、 快速 、 效率高等优势 ， 在 纺 织 品检 测领 域 具 有 良好 的发 展 前 景 。
择 垤织 技
【８ Ｏ】
Ｃｏ ｔ ｔ ｏｎ Ｔｅ ｘｔ ｉ ｌ ｅ Ｔｅｃ ｈ ｎ ｏｌ ｏｇ ｙ
第 ４ ３卷
第 １ １ 期
２ ０ １ ５年 １ １月
基 于 图像 处 理 技 术 的织 物 组 织 识 别研 究现 状
张 瑞 辛 斌 杰
（ 上海工程技术大学 ， 上海 ， ２ ０ １ ６ ２ ０ ）
关键 词 ： 机织物； 织 物组 织 ； 特征 参数 ； 傅 立 叶 变换 ； 小波 变换 ； 灰度 共 生矩 阵 ； 神 经 网络
中图分 类号 ： Ｔ Ｓ １ ０ １ ． ８ 文 献标 志码 ： Ａ 文章编 号 ： １ ０ ０ １ — ７ ４ １ ５ （ ２ ０ １ ５ ） １ １ ０ ０ ８ ０ ０ ５
摘要 ： 总结基于图像 处理技 术的织物组织识别研 究现状 。在 织物组 织识别 过程 中， 特征参 数的提取 和
织物 组 织 的识 别 是 关键 问题 。针 对 这 两个 问题 ， 概括 和 分 析 了近 年 来 国 内 外 研 究人 员 的 研 究 成 果 ， 包括 基 于 频 率域 的傅 立 叶 变换 和 小 波 变换 、 基 于空 间域 的 灰 度 共 生矩 阵 、 自相 关 函 数 、 基 于神 经 网络 的 方 ｓ ｅ ａ ｒ ｃ ｈ Ｓ ｔ ａ ｔ ｕ ｓ ｏ ｆ Ｆａ ｂｒ ｉ ｃ Ｗｅ ａ ｖ ｅ Ｉ ｄ ｅ ｎｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ Ｏ ｎ Ｂａ ｓ ｅ ｄ ｏ ｎ
Ｉ ｍａ ｇ ｅ Ｐｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ Ｔｅ ｃ ｈｎ ｏ ｌ ｏ ｇ ｙ