织物疵点检测的图像处理技术实验
基于Gabor滤波器组的织物疵点检测方法
基于Gabor滤波器组的织物疵点检测方法
韩润萍;孙苏榕;姜玲
【期刊名称】《计算机工程与应用》
【年(卷),期】2007(043)007
【摘要】给出了基于Gabor滤波器组的织物疵点检测方法.在分析Gabor滤波器时频特性的基础上,针对素色坯布织物疵点图像,设计了椭圆形多尺度多方向的Gabor滤波器组,并应用该滤波器组在频域对织物疵点图像进行滤波处理,对滤波后的多幅图像进行融合与分割处理,将疵点从织物背景中分割出来,从而实现了疵点的检测.实验结果证明了该方法的有效性.
【总页数】4页(P211-214)
【作者】韩润萍;孙苏榕;姜玲
【作者单位】北京服装学院,工业设计与信息工程学院,北京,100029;北京服装学院,工业设计与信息工程学院,北京,100029;北京服装学院,工业设计与信息工程学院,北京,100029
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.采用Gabor滤波簇和等距映射算法的织物疵点检测方法 [J], 王传桐;胡峰;徐启永;吴雨川;余联庆
2.基于Log-Gabor滤波器组的织物疵点检测算法 [J], 崔月平;韩润萍
3.基于Gabor滤波器和HOG特征的织物疵点检测 [J], 汤晓庆;黄开兴;秦元庆;周纯杰
4.基于最优Gabor滤波器的织物疵点检测 [J], 杨克汶;冯晓霞;周继坤
5.基于最优Gabor滤波器的织物疵点检测 [J], 杨克汶;冯晓霞;周继坤;
因版权原因，仅展示原文概要，查看原文内容请购买。
图像处理技术在织物疵点检测中的应用
来完成的 ， 因此存在速度低、 效率不高 、 误检率和漏检 率高 等 问题 ． 近年来 ， 算 机 技 术 、 字 图像 技 术 的发 计 数
展， 使得基 于 图像 处 理 和 微 型计 算 机 平 台 的织 物 疵 点 检验 成为 可能 ． 所谓 计 算 机 图像 处 理 就 是 指将 图像 信 号转 换成 数字 格式 ， 利 用计 算 机 对 其 进 行处 理 的过 并
的生存 ． 织物 疵 点 包 括 织 造 过 程 中所 产 生 的 经 缩 、 纬 缩、 断经 、 筘路 、 花 、 边 、 渍 以及 原 材 料 所 带人 的 跳 烂 油 缺 陷 和瑕疵 ． 目前 国内织 物 检 测基 本 上是 由人 工 视觉
检测的研究形成 了一 个高潮． 国、 美 日本、 以色列 、 瑞
图像 处 理 技 术 在 织 物 疵 点 检 测 中 的应 用
张瑞林 ， 朱桂 英
（ 浙江理工 大学 信 息电子学 院 ， 杭州 ３ ０ １ ） １０ ８ 摘 要 ： 图像 处理技 术在织物疵点检 测 中的开发应用现状进 行综述． 对 认为该技术 涉及 空 间域 图像特 征提取 法、 频
谱域 图像 特征提 取法和数 学形 态学方法等 ， 每一方 法又有诸 多分 支， 形成竞相发展 的局 面， 各有优缺 点． 但 文 中提 出， 用多种技 术， 采 综合寻求兼顾识别速度快、 效果好 、 定性好 和能识 别多种常见疵点 的 目标是今 稳
学、 浙江理工大学等学校的学 者对此都有较深入的研
究． 因织 物具 有 明显 的纹 理特 征 ， 以大多数 的织物疵 所 点 检测 方法 是基 于纹 理 特征 的． 物 疵 点 检测 的核 心 织 技 术是 图像 特征值 的提 取 ． 目前 提取 方 法 有 在 空 间域
图像处理在织物表面质量检测评定中的应用
注 ：①、棉本色布 分类 ：细织物 ：１ ￣２ ｔ ｘ（５ ￣２ ｓ ；中粗织物 ：２ ￣３ ｔ ｘ ２ ｓ １ ｓ ；粗织物 １ ０ ｅ ５ｓ ９） １ ０ ｅ （８ ￣ ９ ） ３ｒｘ １ ｅ 及以上 （ ｓ 以下） １ 及 ８ ② 、每 匹布允许总评分＝ 每米 允许评分数 （ 米 ）×匹长 （ ） （ 分／ 米 计算至一位小数。四舍五入成整数） 表２布面疵点评 分限度
究 的热 点 。
精梳 织物
粗 织物 织 物 分 类
表 １棉结杂质疵点
织 物 总 紧 度 棉结杂质疵点格率， ％ 大于 不
优 等 品 一 等 品
棉结疵点格率 ， ％ 大 于 不
优 等 品
５ ７ ７
一等 品
精梳织物
半精 梳 织 物
８％ ５ 以下
８ ％ 以上 ５及
２ １棉 结 杂质 检测 ． 棉 结 ： 指棉 纤 维 因 处 理 不 当集 结 成
团。
表３布面疵点的检验 疵点长度＼
—
分数
１ ０
径 向 明 显 疵 点 纬 向 明 显 疵 点 ｌ 不 明显 ｌ 明 显
５ ｍ 以下 ｃ及 ５ ｍ 以下 ｃ及 半 幅 及 以下
格 数Ｎ 一 计 算 棉 结 疵 点格 率 、 棉 结 杂 质 ２
Ｉ 研筮展………………………… 丝一
图像处 理在织物 表面质量检 测评 定 中的应用
西安工程 大学机 电工程 学院
【 摘要 】本文通过对织物表面检测及织物等级评定 的研 究，说 明图像处理技术在这领域的重要作用。
【 关键词 】织物 ；图像处理 ；疵点检测；表面质 量
屈云仙
谭
博
长 期 以来 ， 织 物 质 量 检 测 都 主 要 依 赖 人 工 目视 完 成 ， 其 过 程 不 仅 容 易 引 起 验 布 人 员 疲 劳 ， 而且 检 测 结 果 受 检 验 人 员 主 观 因 素 影 响 较 大 。 而 利 用 图像 处 理 技 术 可 以减 少 主 观 因 素 影 响 ，客 观 评 定 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 。因 ｊ 此 ， 自２ 世 纪９ 年 代 以来 ，基 于 图像 处 Ｏ ０ 理 的 织 物 疵 点 自动 检 测 技 术 已代 替传 统 的 人 工 视 觉 ，成 为 织 物 质 量 检 测 领 域 研
基于尺度变换的Gabor滤波器织物疵点检测
使 Ｇ ｂｒ 波 函数 的 比例伸 缩 尺 度 随 中心 频 率 而 变 化 。用 Ｇ ｂｒ 度 变换 的 ３个 尺 度 和 ４个 方 向 的 滤 波 器 组 分 别 ａ ｏ滤 ａｏ 尺 与 正常 和 待 识别 的疵 点 织 物 图像 进 行 卷 积 ， 提取 正 常 与异 常 织 物 纹 理 特 征 ， 而得 到 偏 差 图像 。再 对 偏 差 图像 进 从 行 融 合 ， 织 物 疵点 突显 出 来 。最 后 通 过 阂 值处 理 检 测 出织 物疵 点 。 对 缺 经 、 纬 、 纬 交错 和 油 污 ４种 常见 织 物 使 缺 经 缺 陷 的 实验 结 果 表 明 ， 种方 法 是 有 效 的 。 这
第３ 卷 １
第 ９期
纺
织
Байду номын сангаас
学
报
Ｖｏ ． １ ３１．Ｎｏ ９ ．
２１ ０ ０年 ９月
Ｊ ｕ ｎ ｌ ｆＴ ｘ ｉ ｓ ａｃ ｏ ｒ ａ ｅ ｔ ｅ Ｒｅ ｅ ｒｈ ｏ ｌ
Ｓ ｐ．，２ ０ ｅ ０１
文 章 编 号 ：２ ３ ９ ２ （ ０ ０ ０ ． ０ ８ ０ ０ ５ —７ １ ２ １ ）９ ０ ３ ．４
ｄ ｖａ ｉｎ ｉ ｇ ｓ ｍａ ｅ ｔ ｅ ｄ ｆ ｃｓ ｏ ｈ ｆｂ ｉ ｒ ｍｉ ｅ ｔ Ａｎ ｎ ｌ ｅ ｉｔ ｍａ ｅ ｋ ｈ ｅｅ ｔ ｆｔ ｅ ａ ｒｃ ｐ ｏ ｎ ｎ ． ｏ ｄ ｆ ａｌ ｉ ｙ，ｆ ｂ ｉ ｅｅ ｔ ｒ ｅ ｅ ｔ ｄ ｂ ａ ｒｃ ｄ ｆ ｅｓ ａ ｅ ｄ ｔｃｅ ｙ
基 于 尺 度 变 换 的 Ｇ ｂ ｒ滤 波 器 织 物 疵 点 检 测 ａｏ
陈树 越 ，冯 军
（ 常州 大学 信 息科 学 与 工 程 学 院 ， 苏 常州 江 ２ ３６ ） １１４
针织纬编光坯织物疵点的图像处理
本文从图像的二值化处理的角度分析，将针织光坯织物疵点按其外观形态特征
分 为 以下 三类 ：
① ②
⑧
区域类疵点，包括破洞 ，玷污 ，修疤，异纱等。 离散类疵点，包括玷污 （ 铁锈 ） ，接头等 。
线性疵点，包括横路等 。
３ ８
‘ 河北纺织》２ １ ０ ２年第一期 （ １８期 ） 总 ４
［ ｅ ｏ ｄ 】 ：Ｋ ｉ ｔ ｄＦ ｂ ｉ ｅ ｅｔ Ｍ ＴＡ ， Ｂ ｎ ｒ ｚ ｔ ｏ 。 Ｉ ａ ｅ Ｐ ｏ ｅ ｓｎ ＫｙＷ ｒｓ ｎ ｔ ｅ ａ ｒ ｃＤ ｆ ｃ ， Ａ ＬＢ ｉ ａｙ ａ ｉｎ ｍ ｇ ｒ ｃ ｓ ｉｇ
１ 纬编光坯织物及其相对应的疵点的综合表述
４ ２
‘ 河北纺织》２ １ ０ ２年第一期 （ １ ８期 ） 总 ４
生产管理与实践
①疵 点扁度：经疵扁度很小，纬疵扁度很大 ，区域和离散小疵点扁度居中，二者可
由面 积 区分 。
② 疵点质心处的灰度值：破洞（ 由于统一取 图样 时，均 以黑色为底衬所致灰度值很 小） 、油污等区域类疵 点和色深离散疵点往往灰度值很小，而这二者可 由面积和扁度 区分： 棉结离散疵点往往灰度值较大再 由扁度和面积可区分。
ａ ｇ ｒｉ ｈ ｒ ｖｉ ｇ ａ ａｌ ｓ ｓ ａ ｄ ｃ ｍ ａ ｓ ｎ ｓ ｉ ａ ｌ Ｏ ｋ ｉ ｔ ｄ ｆ ｂ ｉ ｈ ｔ ｔ ｅ ｏ ｔ ｍ ｌ ｌ ｏ ｔ ｍ ｏ ｎ ｎ ｙ ｉ ｎ ｏ ｐ ｒｉ ｏ ， ｕ ｔ ｂ ｅ ｆ ： ｎ ｔ ｅ ａ ｒ ｃ ｔ ａ ｈ ｐ ｉ ａ ａ ｇ ｒｉ ｈ ｅ ｔ ｎ ． ｌｏ ｔ ｍ ｔ ｓ ｉ ｇ
ｃ ｍ ｌ ｘ ｔ ｉ ｈ ｒ ｃ ａ ａ ｔ ｒ ｓ ｉ ，ｗｅ ｕ ｅ Ｐ ｏ ｏ ｈ ｐ ａ ｄ Ｍ Ｔ Ａ ｍ ｇ ｒ ｃ ｓ ｉ ｇ Ｔ ｏ ｂ ｘ ｏ ｐ ｅ ｉ ｙｈ ｇ ｅ ｈ ｒ ｃ ｅ ｉ ｔ ｃ ｓ ｈ ｔ ｓ ｏ ｎ Ａ Ｌ Ｂ Ｉａ ｅＰ ｏ ｅ ｓｎ ｏ ｌｏ
织物表面疵点检测方法的设计与实现
Vol. 29, No. 1Jan. 2021第29卷第1期2021年1月AdvancedTextileTechnologyDOI ： 10. 19398/j. a t 202005004引用格式：俞新星，壬勇，支佳雯.织物表面疵点检测方法的设计与实现现代纺织技术,021,9():62 — 67.织物表面疵点检测方法的设计与实现俞新星，任勇，支佳雯(苏州大学应用技术学院，江苏苏州215325)摘要：针对传统织物生产企业中，人工检测织物存在瑕疵检出效率低、误检率高的问题，提出了一种织物表面疵点检测方法。
该方法首先采用高斯滤波、线性归一化以及限制对比度自适应直方图均衡化对织物表面图像进行预处理，从而有效增强图像中的疵点表现细节，然后通过改进的Gabor 优化选择，再对选择后的图像进行初分解，从中挑选出最优滤波图像进行二值化处理，最后运用统计学方法进行疵点判断并获得最终结果。
该方法实现简便、硬件要求低、适应性广，可用于判断织物表面是否含有疵点，并定位疵点。
实验证明,织物表面疵点检测准确率高达95.38%.关键词：织物疵点检测;Gabor 优化选择；直方图均衡化；线性归一化中图分类号:TS103；TP391文献标志码:A 文章编号：1009— 265X(202 1 )01 —0062— 06Design and Implementation of Defect Detection Method for Fabric SurfaceYU Xinxing , REN Yong , ZHI Jiawen(Applied Technology College of Soochow University, Soochow 21 5325 , China)Abstract ： To address the problems of low defect, detection efficiency and high false detectionrateof manualfabric detectionin traditionalfabric manufacturing enterprises ,a fabric surface defect, detection method is proposed. For purpose of this method , the Gaussianfilter , linear normalization and limited contrast, adaptive histogram equalization are adopted for preprocessing fabric surface images , to display detect details of the images clearly.Secondly , the selected images are preliminarily decomposed viaimproved optimal Gaborfilter ,with a view to picking outthe ones with the optimalfiltering for binarization processing. Lastly, defect, judgment, is conducted by means of statistical approach , and thefinalresultisobtained.The methodiseasytooperate ,haslow requirementsintermsof hardware , and is of wide adaptability. It can be used to judge the presence of defects onfabricsurface ,andlocatethem.The method is proved to have an accuracy rate of fabric surfacedefectdetectionashighas95.38% throughexperiments.Key words ：fabric defect detection ；optimal Gabor filter ； histogram equalization ；linearnormalization收稿日期：2020 —05 —09网络出版日期:2020 —10 —21基金项目：江苏省高校自然基金项目(19KJB520051)；江苏高校哲学社会科学研究基金项目(2018SJA2251)；江苏省大学生创新创业训练计划项目(201913984009Y)作者简介：俞新星(1998 — )男，江苏如皋人，2017级软件工程专业本科生。
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。
基于小波分析的织物疵点视觉检测方法
（，） 厂 ｔ， ， ｔ ＞＝ Ｉｎ（）， ｎｂ ＝＜ （） ６ ） ｛ ｆ ｔ１ （ ／
维普资讯
于武 ： ４ 分 的物 点 觉 测 法 海 等基于、 析 织 疵 视 检 方 渡
Ｄ 水平方向高频、 直方 向低频 的图像 垂 以 并
４ ａ
１
， ＝ 抓 ， ， ２ ， ） ， ） ， ） ， ）
Ｉ ， ＝ 抓 ， 敞Ｙ ｆ ， Ａ ，） ） ） （ ， ） ， （
Ｄ ，）＝ Ｙ ，） ｘ ｇ ｙ Ｙ ｇ（ ） （ ）
（） ６ （） ７
数。由于 。 示小 波的 时间幅值 ， 以 ａ 相 当于频 表 所
目前 ， 在织物疵点检测 的研究 已经形成 了一些方 法， 主要有像素灰度统计法、 纹理结构模型法、 形态处 理法等 ， 这些方法是基于时域 内的疵点检测方法 ， 并 且存在一定的缺点 ， 这里根据一种在频域 内的信号处
理方 法—— 小 波变换 法 （ 波 变换 在 时 域 和频 域 同 时 小
维普资讯
田
《 量 测 技 ）０半 ３卷 １期 计 与 试 术２７ 第４ 第Ｏ ｏ
基 于小 波分 析 的织 物疵 点视 觉检 测方 法
Ｔ ｅ ｔｏ ａｒ ｆｃ ｉ ａ ｅ ｃ ｏ ａｅ Ｒ Ｗ ｖｌ ａ ｓ ｈ ｈ ｄｏ Ｆ ｂｉ Ｄｅ ｔ Ｖｓ ｌ ｔ ｌ ｎＢ ｓｄＯ ａｅ ｔ Ｍｅ ｆ ｃ ｅ ｓ ｕ Ｄ ｅｉ ｅＡｎ ｌ ｉ ｙｓ
作小波 变换 （ ａｅ ｔ ｒ ｓ ｒ 或 者连 续 小 波 变换 ｗ ｖｌ ａ ｆｍ） ｅ ｔｎｏ
（ ｏｔ ｕ ｕ ａｅｅ ｔ ｎｆｒ ） ｃｎｉ ｏｓｗ ｖ ｌ ａ ｓ ｍ 。 ｎ ｔｒ ｏ
１
可见 ， 图像的小波变换就是 由低通和高通滤波器构成
一种基于OpenCV的织物疵点检测方法
Ｌ —ｕ ＣＨ Ｎ Ｃ ｕ ｎｋ ， ＵＸａ — ｎ ， Ｕ Ｊ ， Ｉ ｉｏｊｎ Ｕ Ｑｕｑ ， Ｅ ｈ ａ —ｅ Ｘ ｉ ｌ ｇ Ｙ ｉ Ｊ Ｘａ － ｏｏ ａ Ａ ｕ
（ｏｌ ｅｏ Ｍａｈｍａｉｓ ｎ ｎｏｍａ ｏ ｎ ｉｅｒ ｇ Ｊ ｘｎ ｏｌｇ，ｉｘｎ １０ １Ｃｈｎ） Ｃ ｌ ｇ ｆ ｔｅ ｔ ｄＩｆｒ ｔ ｎＥ ｇｎ ｅｉ ，ｉ ｉｇＣ ｌ ｅＪ ｉｇ３ ４ ０ ， ｉａ ｅ ｃａ ｉ ｎ ａ ｅ ａ
．
ａ ｈ ｅ ｅ ｓｔｏｎ ｎ ｅ ｅ ｔｉ ａ ｅ ｉ ｈ ｒｇ ｎａ ｍ ａ ． ｅ ｅ ｐ ｒｍ ｅ ａ ｅ ｕ ｔ ｈ ｗ ｅ ｈ ｔＯ ｐ ｎ ｃ ｉ ｖ ｓｐｏ ｉｉ ｉ ｇ ｄ ｆ ｃ ｍ ｇ ｎ ｔ ｅ ｏ ｉ ｉ ｌｉ ｇｅ Ｔｈ ｘ ｅ ｉ ｎｔ ｌｒ ｓ ｌｓｓ ｏ ｄ ｔ ａ ｅ ＣＶ ｄ ｔ ｅ ｈａ ｈ
Ａｂｓｒ ｔ Ｉ ｈｅ ｆ ｂ ｉ ｅ ｅ ｔ ｕｔ ｍ ａ ｉ ｅ ｅ ｔｏ ｅ ｅ ｏ ｔａｃ ： ｎ ｔ ａ ｒｃ ｄ ｆ ｃ ｓ ａ ｏ ｔｃ ｄ ｔ ｃ ｉ ｎ ｄ ｖ ｌ ｐｍ ｅ ，ｔａ ｉｉ ｎａ ｍ ａ ｅ ｐ ｏ ｅ ｓｎｇ ｃ ｄｅ ｃ ｎｔ ｒ ｄ ｔｏ ｌｉ ｇ ｒ ｃ ｓ ｉ ｏ ｏｍｐｉａ ｉ ｎ ｌ ｔｏ
，
ｗ ｅ ｅ ａ ｃ ｒ ｔ ｎ ｆｉ ｉ ｎ ． ｒ ｃ ｕ ａ ｅａ ｄ ｅ ｆｃｅ ｔ
基于图像距离差的织物疵点检测算法
基于图像距离差的织物疵点检测算法
卢芸;张静妙;蒋建伟
【期刊名称】《微计算机信息》
【年(卷),期】2007(000)04X
【摘要】本文将机器视觉与数字图像处理技术引入到织物疵点检测中，提出了一种织物疵点检测算法——图像距离差算法。
该算法可使用户根据织物的类型，自行设置相应的疵点检测控制参数，能够检测出三十多种常见的疵点。
实验证明该算法具有识别正确率高，识别速度快等优点。
【总页数】3页(P304-305,301)
【作者】卢芸;张静妙;蒋建伟
【作者单位】河北经贸大学信息技术学院,石家庄050061;河北科技大学信息科学与工程学院,石家庄050054;河北经贸大学计算机中心,石家庄050061
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于图像处理的织物疵点检测系统硬件设计 [J], 付国定;郭壮志;李甜;刘红
2.新的基于图像显著性区域特征的织物疵点检测算法 [J], 赵波;郑力新;潘旭玲;周凯汀;徐园园
3.基于图像距离差的织物疵点检测算法 [J], 卢芸;张静妙;蒋建伟
4.基于图像处理的织物疵点检测算法综述 [J], 刘小敏;刘国高;宗国华;张卓;张学武;
刘宇兴
5.基于图像距离差的织物疵点检测算法研究 [J], 郑广;周万珍;马红霞;乔军
因版权原因，仅展示原文概要，查看原文内容请购买。
新的基于图像显著性区域特征的织物疵点检测算法
Ｎｅ ａ ｒ ａ ｈ ｏ ａ ｉ ｅ ｅ ｔ ｅ ｅ ｔｏ ａ ｅ ｎ ｓ ｌｅ ｃ ｅ ｉ ｎ ｆ ａ ｕｒ ｗ ｐｐ ｏ ｃ ｆｆ ｂｒｃ ｄ ｆ ｃ ｓ ｄ ｔ ｃ ｉ ｎ ｂ ｓ ｄ ｏ ａ ｉ ｎ ｙ ｒ ｇ ｏ ｅ ｔ ｅ
ＺＨＡＯ Ｂｏ。 ＺＨＥＮＧ ｉｘｎ ， Ｌ ．ｉ ＰＡＮ —ｉｇ ， Ｈ ＯＵ ａ．ｉ ｇ ，ＸＵ ａ ｙ ａ Ｘｕ ｌ Ｚ ｎ Ｈ ｉｔ ｎ Ｙｕ ｎ． ｕ ｎ
ｄ ｔｃｉ ｎ ｗａ ｔ ｄｅ ．Ｉ ｈ ｓａ ｐ ｏ ｃ ， ｔ ｅ ｏ ｇｎ ｍａ ｅｗａ ｉ ｉ ｅ ｎ ｏ ｔ ａ ｔ，ｏ ｅ ｗａ ｓ ｄ ｔ ｘ ｒｃ ｅ ｈ ａ ｉｎ ｙ ｅｅ ｔ ｓ ｓｕ ｉｄ ｎ ｔ ｉ ｐ ｒ ａ ｈ ｈ ｒ ｉ ａ ｉ ｇ ｓｄ ｖｄ ｄ ｉ ｔ ｏ ｉ ｌ ｗｏ ｐ ｒ ｓ ｎ ｓｕ ｅ ｅ ｔａ ｔｄ ｔ ｅ ｓ ｌ ｃ ｏ ｅ
ｒｇｏ ａ ｒ ｆ ａｒ ｅ ｃ ｂ ｍｐｏｅ ｒｑ ｅｃ— ｎｄＳ ｉ ｃ ｅｉｎ（ Ｓ ） ｍ ｔｏ ｏｇ ｌ ａｏ ｅ ｗ ｓｕｅ ｏ ｅｉ ｆ ｔ ｅｏ ｂ ｃｄｆ ｔ ｙｉ ｒｖｄＦｅｕｎ ｙｔ ｅ ａｅ ｙ Ｒ ｇｏ Ｆ Ｒ ｎｅ ｕ ｆｉ ｅ ｕ ｌ ｎ ｅ ｄｒｕｈｙ ｎｔ ｒ ａ ｓｄ ｔ ｈ ， ｈ
Ｊ ｕ ｎ ｌｏ ｍｐ ｔｒＡｐ ｌ ａｉｎ ｏ ｒ ａ ｆＣｏ ｕ ｅ ｐ ｉ ｔ ｓ ｃ ｏ
ＩＳ ０ １ ９ ８ Ｓ Ｎ １０ ０ １
２ ２ ６— ０１ ０ ０１
计 算机应用，０ ２ ３ （ ） １７ ２ １ ，２ ６ ：５４—１７ ５７
文 章 编 号 ：０ １ ０ １２ １ ） ６—１７ ｏ １０ —９８ （ ０ ２ ０ ５４一 ４
，
（ ． ｏｌ ｅｏ ｏ ｐ ｔ ｃ ｎｅａ ｄＴｃｎ ｌ ｙ １ Ｃ ｌｇ Ｃ ｍ ｕｅ Ｓｉ ｃ ｎ ｅ ｏｏ ，Ｈｕｑａ ｎｖｒｔ，ＸａｒｎＦｊ ｎ３ １２ ， ｈｎ ； ｅ ｆ ｒ ｅ ｈ ｇ ａ ｉｏＵ ｉ ｓｙ ｉｒｅ ｎｉ ６ ０ １ Ｃ ｉａ ｅｉ ｖ ａ ２ Ｃ ｌｇ Ｉ ｏ ｔ ｎＳｉ ｃ ｎ ｎ ｉｅｒ ｇ ｕ ｑ ｏＵ ｉ ｒｔ，Ｘａ ｅ ｕａ ６０ １ Ｃ ｉａ ． ｏｌ ｅｏ ｎ ｒ ｉ ｃ ｎｅａ ｄＥ ｇｎｅｎ ，Ｈ ａ ｉ ｎｖ ｓｙ ｉｍ ｎＦｊ ｎ３ １２ ， ｈｎ ； ｅ ｆ ｆ ｍａ ｏ ｅ ｉ ａ ｅｉ ｉ
基于改进的小波分解织物疵点检测
文， 提出了不少值得借鉴的方法 ， 诸如局部 熵＿ 、 ３ 小波变换等 ； Ｊ 但
这些方法都有其局 限性 ， 布样的要求 也 比较严 格。本文结 合 对
这些方法 ， 力求找到一种 较好 的通 用方法来达 到检测 的指标要 求。
将处理得到 的二维 图像 ｛ （ ” ， 一 ０ １ ２ ｆ ｍ，） ， ，…Ｍ 一 １ ”一 ； ０ １２ ， ，…Ｎ一 １｝以及得 到的二值 图像 中共有 ｋ ， 个非零元素构成
（
） － Ｘｐ
．
一
输入神经 网络进行学习并分类 。实践证明该方法快速 、 准确 。
１ １ 织 物 疵 点 图像 的 采 集 和 图像 预 处 理 ．
‰ 一
（
Байду номын сангаас
一 ）
（） １
随机选取若干块布样 ， 在可行 的照 明光 源和 图像 数字化 设 备下获取织 物图像 的数 据。这样得到 的图像存在 噪声 ， 会带 来 很大的误差 ， 因此需要 对 图像进行 消噪 和二值化 处理。这类 问 题在 图像 预处理 中能得到较好解 决。 对 图像进行消噪和增强处理 ， 都能减 弱或去 除某些不 需要 水平 、 垂直细节均值
的像素集为 （ ｐ Ｙ ， 中 Ｐ＝ ０ １・Ｍ 姆 ＝ ０ １…Ｎ ， Ｘ ， ） 其 ，， ” ，， 则水
平垂 像 点 均 分 为 击 ， 、 素 的 值 别 直
、
。
对位于（ ｐ Ｙ ） ｘ ，ｑ 的像素 ｆ ｍ，） 计算 行、 （ ”， 列方 向上的标 准差
及平均标准差 Ｕ Ｕ ［ ： 、ｎ。 ］
作者简介 ： 严
平（９３）女， １８－， 硕士在读 ， 研究方向： 计算机在纺织中的应用。
基于分形的纺织物疵点检测方法
基于分形的纺织物疵点检测方法作者：王娜王昊鹏石井来源：《电子技术与软件工程》2013年第18期摘要：为了提高纺织物疵点检测率，从纺织物纹理具有均匀性和周期性等特点出发，提出了基于分形的纺织物疵点检测方法，该方法利用滑动窗口思想计算图像的分形维数，并以此为依据采用Otsu算法对图像进行分割。
实验结果显示该方法的分割精度较高，分割时间也能满足疵点检测的要求，是一种有效地疵点检测方法。
【关键词】疵点检测分形差分盒维数 Otsu 图像处理1 引言纺织物中的疵点是影响纺织物质量的一个重要因素，因此疵点检测是纺织物质量检测中的一项重要内容。
目前的疵点检测几乎都是靠人工目测完成，该方法工作量大、劳动强度高、检测结果主观性强，尤其是在工人疲劳的状态下误检率和漏检率很高。
采用疵点自动检测技术来取代人工检测就成了发展的必然趋势，纺织物图像是一种典型的纹理图像，具有很强的结构性、周期性、均匀性。
疵点的出现会打破纺织物原有的纹理，疵点自动检测就是利用这一特征对纺织物图像分割，从而达到识别疵点的过程。
近年来大量有关疵点自动检测的方法被提出，例如基于灰度共生矩阵的方法、基于傅立叶变换的方法、基于小波变换的方法等。
因此本文提出了一种基于分形维数的图像分割方法应用于疵点检测，实验结果表明该方法对疵点的检测是有效的。
2 差分盒计数法2.1 分型理论上世纪70年代Mandelbrot建立了分形理论，利用自然界中的事物具有自相关性的特点，使用分形维数这一指标来对事物的不规则程度进行定量衡量。
由于自然界中的绝大多数事物都符合分形的特征，所以该理论一经提出很快就被应用于图像分割领域。
在各种计算分形维数的方法中使用的最为广泛的是差分盒计数法和基于分形布朗运动自相似模型法。
这两种方法应用的对象是不同的，对于粗糙度小的事物差分盒计数法的值变化的更剧烈，而对于粗糙度大的事物基于分形布朗运动自相似模型法的值变化的更剧烈。
纺织物的粗糙度相对较小，因此本文采用改进的差分盒计数法。
基于图像线灰度和BP神经网络的织物疵点检测
织 物疵 点 自动检测 一 直是 国 内外 学者 关注 和 研 究 的重要领 域 ， 取 得 ｒ较 多 成 果 。如 Ｔ ａ 等 并 ｓｉ 研 究用 Ｂ Ｐ神 经 网络 检测 缺经 、 缺纬 、 污 和破 洞 油 疵 点 ， 入神 经 网络 的特 征 值 是 由织 物 图像 的傅 输 立叶功 率 谱 得 到 的 ９个 参 数 ；ａｐｒ 究 了 自适 Ｊｓｅ 研 应 小波 在纹理 描 述 和 疵 点检 测 中 的应用 ； 湾 的 台
ｗ ｒ ｎ ｌ ｚ ｄ ａ ｄ ｔｅ ｔｄ ｂ ｉｅ ｇ ａ ｓ ａｅ ｃ ｒ ｅ ｃ ａ ａ ｔｒｓ ｃ ｆ ａ ｒｃｄ ｆ ｃ ｇ ｓｗｅｅ ａ ｓｒ ｃｅ ｎ ｄ ｎ ｉ ｅ ｎ ｅ ｅ ａ ａ ｙ ｅ ｎ ｒ ａｅ ｙ ｌ ｒ ｙ ｃ ｌ ｕ ｖ ， ｈ ｒ ｃｅ ｉｔ ｓｏ ｂ ｉ ｅｅ ｔ ｍａ ｅ ｒ ｂ ｔ ｔｄ ａ ｄ ｉｅ ｔ ｉｄ ｉ ｎ ｉ ｆ ｉ ａ ｆ
收 确 ｆ期 ：０ １ —０ １ ２ Ｉ １１ １
检 测 图像 的线 灰度 分布 特点是 疵点 区域 特 征
提 取 的重要依 据 。采用 图像灰 度 直方 图法 可 以得
出织 物 图像 的线 灰 度 曲线 分 布 ， 种 典 型疵 点 图 各 像 及其 线灰 度 曲线 分 布 见 图 １～图 ３ 由于 缺 经 。
１ １ 图像的 线灰 度分布 ．
和模 糊技 术 等是 疵 点 自动检 测 的重要 工 具 ， 也是
今 后 的发展 方 向。本 文提 出 了基 于织 物 图像 线灰 度 分析 提取织 物 疵 点 特征 的方 法 ， 将 提 取 的织 并
作 简介 ： 徐晓峰（ ９０ ， ， １８ 一）男 讲师 ， 威海 ，６ ２ ０ ２４ １
疵点 区域 有 明显突 变 ， 即上升 或下 降 ， 疵点 区域 且 的灰 度值 含有 较大数 量 的像 素点 。
几种图像消噪处理算法在织物疵点检测中的应用
『 梁 冰 ， 俊成 ． Ａ Ｌ Ｂ二维 小波 图像 消噪【 ． ６ ］ 银 Ｍ ＴＡ Ｊ 山西 师范 大 学学 报 ： 】 自然科 学 版 ，０ ２ １ （）５ ８ ２ ０ ，６ １ ：— ．
１】 卢 海 空． 波分 析 理论 在 织 物起 毛起 球 客 观评 定 中 的应 用『】天 津 工业 大 学 ，０ ７ ７ 小 Ｄ． ２０ ．
Ｖｏ ．２．Ｎｏ． １１ ２
Ｊ ｎ ２０ １２ ｕ ．
几种 图像 消噪处理算法在 织物疵点检 测 中的应用
李 国 锋 ，李 惠 军 ，王 莉
（． 疆 大学 ， 鲁 木齐 ８ ０４ ；． 原工 学 院 ， 州 ４ ００ ） １新 乌 ３０６２ 中 郑 ５ ０ ７
摘 要 ： 用 图像 处 理技 术对 织物疵 点检 测 的过 程 中不可避 免 受到 各 种噪 声源 的干扰 ．采 用 ｓｍ４小 利 ｙ
１ 小 波分 析 法 在 织 物 疵 点 检 测 消 噪 中的研 究 现 状
小波 变换 是泛 函分析 、 ｏｒ ｒ Ｆ ｕｉ 分析 、 条分 析 、 值 分析 的完 美结 晶 ， 自动 适应 时频 信号 分析 ， ｅ 样 数 能 聚焦 到信 号 的细 节ｌ．Ｙ ｎ ， Ｚ等人 通过 比较 正 交小 波 和 自适应 小 波变 换检 测 ， 现 了 自适应 小 波变 换 更为 ３ ａｇ Ｘ． ］ 发 有效 ； 湘 运 等人 在 ２ ０ 年提 出基 于 小 波分 析和 神 经 网络对 织 物进 行 检 测和 识 别 ， 验证 明 了这种 方 卿 ０５ 实 法是 有效 和可行 的 ．对于织 物上 比较 分散且 面积较 小 的疵点 ， 小棉 结等 ， 如 由于噪 声 的干扰 ， 疵点常 常 小 淹没 在噪 声 中 ， 从灰度 差 的不 同来 分割 这类 疵点 十分 困难嘲 ．
小波分析用于织物疵点检测的图像增强研究
在这个噪声模型下 ， 小波降噪的过程如图 １ 所示 。 图中， 厂为原始信号 ； ∞为噪声信号 ； 为被污染后 的
含噪图像 ； Ｌ 为信号在小波域 的表示 ， 即含噪图像信号在小波变换下的分解系数 。
图 １ 小波降嗓过 程模 型
阈值算子 作用 以后 ， 模值小的系数被置为零 ， 留模值大的系数项 ， 只保 即
探索 。借助 ＭＡ Ｌ Ｂ小波分析工具箱 ， ＴＡ 研究 了小波分析在对疵点图像进行去噪等 图像 增强方面的实际应用 ， 并对全局 阈值降噪和分层 阈值降噪两种方法做 了比较 。实验结果
表明 ， 小波变换可以较容易地分离出噪声或其他不需要的信息， 小波分析用于疵点识别的
图像增强 ， 能有效地消除噪声 ， 去除织物纹理的影 响， 分层阈值法在此应用上更优于全局
又由于小波分析用于织物疵点 自动检测的图像增强的原理及基本方法与小波消噪是相通的， 所以， 本文着重
于 小波 消噪 的原 理分 析 。
１ 小波分析用 于增 强处理的原理
小波分解可 以把 图像分层次按照小波基展开， 也可以根据图像的性质及给定的图像处理标准确定展开 的层次 ， 还可 以把细节分量和近似分量分开［ 而常用的基于离散小波变换的非线性滤波方法允许对变换系 引， 数进行切削、 阈值处理、 缩小幅度范围等， 这可以很好地用来达到分离信号和消噪的目的。同时， 小波变换具 有一种集 中的能力 ， 使一个信号的能量在小波变换域集 中于少数系数上 ， 相对地 ， 这些系数的取值 ， 大于在小 波变换域内能量分散于大量小波系数上的信号和噪声 的小波系数值 。据此 ， 对小波系数进行阈值处理 ， 以 可 在小波变换域 中除去低幅度的噪声和不期望的信号［ 。 ３ ］
，Ｆ ，、 …
一种基于图像处理技术的坯布疵点检测及评估方法
习。选择 一幅无 疵 点 的图 像 ， 过 滤 波后 的 图像 为 经
Ｈ＝［ ＩＰ ， 灰 度 级 在 ［ ， ５ ］ 围 内。 图像 Ｈ ｈ ｍ￣其 ０２５ 范
的归一 化统计 直 方 图ｌ １ 为
Ｐ ｓ） ， ＝０ １ …… ，５ （ｋ ＝ ｋ ，， ２５
ｌｌ
式中：
归 纳 起来 ， 物疵 点 检测 算 法 大体 上 分 为统 计 织
方法 、 谱方 法和 基 于模 型 的 方法 Ｈ 。基 于模 型 的方
ｓ —第 ｋ级灰 度 的灰 度值 ； ｋ — ｎ—— 图像 中灰度值 为 Ｓ 的像 素 的个数 ； ｋ
５ ・ 准 ・ 测 ・ ６ 标 检
动织 物检 测 系统 。然而 ， 些 国外 的产 品价 格 昂贵 ， 这
且 能够 检测 出 的疵点种 类 与 国内生产 的坯 布上 出现 的疵 点种 类并 不 分 一 致 ， 分标 准 也 有 差 别 。 因 卜 评
ｈ
ｊ ， ｊ
１
一
此 ， 发 出适 合 我 国纺 织 工 业 国情 的 自动 验 布 系统 开
Ｅ ＶＳ公 司的 ｌ Ｅ 自动 检 验 系 统 。该 系 统 基 于 —Ｔ Ｘ
２ 疵 点 检 测 算 法
２ １ 数 据预 处理 和统计 学 习 ．
坯 布 以一 定 的速 度 沿 着 固 定 的方 向通 过 检 测
线， 坯布 上方 的线 阵 Ｃ Ｄ相机 实 时采 集 图像 数 据 Ｆ Ｃ
＝
随着织 机产 量 的不断 提高 ， 人工 验布 在检测
效率 、 可靠 性 、 复性 等方 面越 来越 不适 应工业 自动 重 化生 产 的要求 。 为 了克 服 人 工验 布 的 不 足 ， 自动 验 布 系统 近 年 来 成为研 究 的热 点 。但 真 正适用 于实 际生 产并被 市 场认 町 的产 品 并 不 多 ， 场 主 要 占有 者 为 以 色 列 市
基于下采样的改进的织物图像预处理方法
的不 足 ， 提 出 改进 的方 法 。 并 １ 传 统 的 下 采样 预 处 理 １１ 图像 下 采 样 的定 义 ．
郭攀峰
（ 河海大学能源与电气学院， 江苏 南京 ２０９ ） １０８
摘 要
预 处理 对 织物 疵 点 检 测 来说 是 必 不可 少的 ， 过 对 传 统 的 下 采 样 预 处 理 方 法进 行 分 析 ， 出其 中的 不足 之 处 ： 通 指 图像 下
采样 窗 口大 小是 试 凑得 到 的 ， 对 此 不 足 ， 据 织 物 纹 理 的 周期 性 提 出 了一 种 确 定 下 采 样 窗 口的 简 单 方 法 ， 快 了图像 预 针 根 加
由 于外 界 各 种条 件 的 影 响 ，一 幅 图像 中 可能 会 含 有 多 种 干
完 成 增 强疵 点 的 目的 。 然 而 ， 此 方 法 中 ， 采 样 窗 口的 Ｍ 和 Ｎ 值 是 通 过 试 凑 得 在 下 到 的 ， 样 就 具 有 一 定 的 盲 目性 。具 体 的 实 现 方 法 如 下 ： Ｍ＝ 这 当 Ｎ＝ Ｉ时 ，下 采 样 窗 口为 一 个 像 素大小 ， 于一个像 素值来说 ， 对 不需 要求 均值 或 者是 方差 ， 此 时 ， 当于没有做任何 处理 ， 相 于 是 将 Ｍ 和 Ｎ 的值 从 ２开 始 ， 对 待 检 测 图 像 进 行 下 采 样 预 处 理 ，将 具 有 最 优 效 果 下 的 Ｍ 和 Ｎ值 作 为 最 终 的值 下 采 样 窗 口 ＭＮ２ ＝＝ ｉ 待 图 槲则 像 预 卿 朴 Ｉ ＮＮ ＝＋ 开 始
- 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)。
织物疵点检测的图像处理技术实验
1、实验目的：
（1）学习织物疵点检测图像处理技术的工作原理及应用。
（2）了解织物疵点检测的软硬件环境和常见织物疵点的简单分类。
（3）理解各类疵点图像的分割和特征提取等内容。
二、实验过程
众所周知，织物疵点是影响织物品质的主要因素。
疵点检测的目的就是在织造完成后，验布过程中及时发现这些已经存在的疵点，通过修复和整理，尽可能降低由织物疵点导致的织物质量下降，有时也可以同时完成织物疵点的分类，用以评价织物的质量。
织物疵点的检测是纺织品检测中最重要的检验项目之一，长期以来，疵点的检测都是由人工视觉完成，也就是检验人员在没有眩光的北面窗旁或日月灯光照明条件下按照自己的经验对织物进行评价，按评等标准对织物进行等级评定。
这种方法存在一定的显然缺陷，如劳动强度大、效率低、漏检率高等、受检验人员主观性因素影响大，难以得到准确的检验结果。
随着计算机图像处理技术和神经网络技术的发展，使得基于图像处理和微型计算机平台的织物疵点检测称为可能。
此次的参观学习，主要从织物疵点图像的采集、采集的图像预处理和分割、图像的相关分析等方面作以讲解。
（1）织物疵点图像的采集：植物图像的数据获取，包括选择可行的照明（荧光灯或光纤）和图像数字化设备。
(a) 借用目前分辨率较高的数字图像采集设备对织物表面外观进行采
集。
(b) 如何设置光照条件，以保证采样时的光照均匀，从而使采集的数
字图像便于处理。
（2）图像预处理和图像分割：将采集到的图像利用各种图像处理方法进行必要得图像变换，图像增强处理，如将原彩色图像转换为灰色图，并未增强图像对比度进行直方图变换等，以利于后期的图像分析，进一步对图像进行分割、二值化、滤波等操作。
（3）图像分析
(a) 对织物疵点图像进行模式特征提取。
(b) 通过对织物疵点特征分析和进行大量实验，优化处理算法。
三、实验心得体会：
在师兄详细介绍完织物疵点检测系统整个原理及流程后，开始进行
实际的织物疵点检测实验。
我在观察过程中发现在织物疵点检测仪器的前端下方，有一块操作平台，主要是控制电机的正反转和疵点检测等。
但在计算机如此发达的时代，这样的操作平台远远不能满足大量生产的检测要求。
当看到师兄打开自己用C++构建的软件平台时，激起了我的求知欲。
因为在大型工厂里，不可能每台机器旁都配备一名工作人员，这样浪费人力、物力、财力。
当工作人员在主控室里空过控制计算机的软件平台，就可以完全操作整台或多台仪器，这对整个织物疵点检测图像处理技术领域是一种创新型的革命。
而且，在织物疵点检测仪器采集完布匹里出现的疵点后，计算机还可以标定每个疵点相对于布匹的坐标，这样工作人员就很容易找到疵点并作以相关处理。
在每个疵点检测完后，点击软件界面的保存按钮，计算机会自动将所检测出的疵点数保存在电脑指定位置，同时可以打印纸质版，方便记录与查阅。