應用一維傅里葉變換的剖幅區自動識別與定位

黎 聰，閆學娜，曾祥忠，梁 猛，張 瑩

(1.西安郵電大學 電子工程學院，陜西 西安 710061；2.西安中川光電科技有限公司，陜西 西安 710061 )

應用一維傅里葉變換的剖幅區自動識別與定位

黎 聰1，2，閆學娜1，2，曾祥忠2，梁 猛1，張 瑩1

(1.西安郵電大學 電子工程學院，陜西 西安 710061；2.西安中川光電科技有限公司，陜西 西安 710061 )

針對紡織行業布匹剖幅機工作過程中，剖幅區的識別定位仍由人工完成的現狀，提出一種可行的剖幅區自動識別定位方法，以降低工人勞動強度，提高布匹剖幅速率和準確率。這種方法基于成像式自動檢測技術，應用一維傅里葉變換提取剖幅區頻域特征來對其進行識別與定位，并利用VC++編寫定位軟件對該方法進行測試。結果表明，應用一維傅里葉變換的成像式定位方法可快速、準確地實現剖幅區自動識別與定位，提高剖幅機的工作效率和可靠性。

剖幅機；傅里葉變換；圖像識別；特征提取；剖幅

圓緯機具有成圈系統多，轉速高，產量高，花形變化快，織物品質好，產品適應性強等多種優點，因此，在現代紡織應用中占有很大比例。但大多數圓緯機生產的圓筒狀織物需開幅和剖幅后才能進行后續加工。對于結構較為簡單的織物，針織過程中一般會抽去2～3針作為漏針縫，開幅時剖布刀以該漏針縫為引導線進行剖幅。而對于結構較為復雜的織物，針織過程中一般會形成一段無夾層、無花紋連接區，將該區域作為剖幅區用剖布刀進行剖剪才能保證布匹花紋和結構的完整性。

傳統的剖幅方法是由工人用眼識別定位引導線或剖幅區位置，通過調整布匹或剖布刀位置進行開幅和剖幅工作。該方法工作效率低，勞動強度大，誤剖率高，自動化程度低，因此，研究引導線自動跟蹤技術、剖幅區自動識別定位技術，開發自動化程度高的剖幅機來提高紡織生產的自動化水品有著廣闊的前景和巨大的經濟價值。

目前，國內外對于引導線跟蹤技術的研究已取得很大進展。如趙大興等[1]研究的自動對線開幅方法，采用CCD獲取樣布圖像并對漏針縫進行識別與標定，通過PID控制傘架轉速調整漏針縫位置與剖布刀對齊進行剖幅。楊德亮等[2]設計了一種基于位置敏感探測器PSD的引導線跟蹤器，使用軟件運算代替電路四則運算，提高了系統的精度與穩定性。而對于復雜織物剖幅區的識別與定位，由于織物花紋的多樣性，結構的復雜性，工序的高速性，大大增加了復雜織物自動剖幅的實現難度，因此，研究成果較少。本文研究了織物剖幅區快速自動識別和定位方法，提出了一種應用一維傅里葉變換的成像式剖幅區自動識別定位方法，并通過軟件仿真與軟件測試，驗證了該方法的有效性與可行性。

1 樣布分析

近幾年，隨著計算機軟硬件與光電傳感器技術的迅速發展，圖像處理技術與機器視覺技術的應用已深入航空航天、農業、軍事、醫學等多個領域，在紡織行業也得到了日益廣泛的應用，如檢測纖維混紡比[3]，自動評判織物抗皺性[4]、起毛起球性等級[5]、織物結構參數識別[6]等。其中，基于成像式傳感器的自動檢測方法研究是熱門的課題之一。

本文使用STC-GE500A CCD相機對白色斜紋帶花床墊樣布進行采樣，如圖1所示。圖中顯示樣布中部豎直方向寬約30 mm的帶狀區域即為剖幅區。圖像橫向視場大小為400 mm，分辨率為2 448像素×2 058像素。

依據對樣布的觀察可以發現：1)樣布為純色，區域之間無色彩差異，因此，依據色度差異的識別方法行不通。2)剖幅區與周邊區域沒有明顯的灰度區別，區域邊界無灰度突變，且布匹剖幅過程難以保證其平整性，存在光照不均的現象，因此，常用的基于灰度域的圖像分割與識別方法[1,7-9]難以實現剖幅區的識別與定位。3)剖幅區與其他區域組織結構存在差異，但織物組織結構識別[10-11]對采集圖像的分辨率要求很高，導致其識別算法復雜，運算量大，硬件設備要求高，難以符合實際應用的要求。4)剖幅區與其他區域紋理呈現不同空間周期性。可利用傅里葉變換進行頻域特征提取來實現剖幅區的識別與定位。

由此可見，基于頻域的方法可行性較高。通常，圖像頻域特征提取主要利用傅里葉描述子表征形狀特征或直接通過傅里葉系數來計算紋理特征；但這些應用都需要進行二維傅里葉變換得到頻譜圖，運算量較大，且頻譜圖上的點與圖像上的點并沒有一一對應的關系[12]，因此，本文應用列向一維快速傅里葉變換的方法，利用剖幅區紋理映射在列方向上的周期性進行識別與定位，可大大降低設備要求，減少計算量，提高效率。

2 一維頻譜特征提取與分析

2.1 特征頻率提取

圖像識別過程中，一般要對采集的圖像進行預處理，增強圖像某些特征以便進行后續分析，但對圖像某些信息進行增強的同時，不可避免地也會增強噪聲，并且增加了運算量，降低了處理速度，與剖幅機快速識別、定位剖幅區從而完成剖幅工作的目標相悖；因此，本文提出的識別定位方法將不做預處理。

樣布圖像按紋理特征可劃分為3個區域：剖幅區、非剖幅區和花紋區。圖2示出樣布局部放大圖(圖1中標識部分，同時存在3個區域，尺寸為800像素×512像素，橫向視場130 mm)，對圖2中3個區域分別進行列像素抽樣FFT(抽樣間隔為10個像素)，得到相應區域特征頻譜，結果見圖3。圖中給出了各區域中典型列像素(圖2中列線標出)的幅頻譜線。

由圖3可知，不同區域譜線差異十分顯著，3個區域各自的頻譜特征及特征頻率如下：

1)剖幅區頻譜呈現孤峰特性，即波峰陡峭，數目少，峰間無重疊；波峰C坐標為(51,2 680)，即剖幅區特征頻率f1為51。

2)非剖幅區頻譜同樣呈現孤峰特性；波峰B坐標為(9,4 100)，即非剖幅區特征頻率f2為9。

3)花紋區頻譜呈現多峰特性；波峰A坐標為(3,4 500)，由于花紋區譜線之間差異較大，圖3中列出的并不具有普遍性，故不能判斷A峰為其特征峰。

2.2 特征頻率分析

圖像的頻率是表征圖像灰度梯度的指標，灰度變化越劇烈，對應的頻率越高；灰度變化越平緩，對應的頻率越低。由傅里葉變換的性質可知，圖像像素的灰度空間分布映射到了頻域。從頻域信息中同樣能通過對應關系得到其空間分布信息，即通過特征頻率可以推算出對應的空間紋理尺寸，如下式所示：

式中：K為空間周期，mm；f為空間頻率；LN為N像素點長度，mm，N為FFT取樣點數；W為圖像橫向視場；w為圖像橫向分辨率?？梢罁鲄^域的特征頻率分析其紋理的空間周期。

由剖幅區特征頻率f1可得，其特征紋理空間周期K1為1.64 mm，與剖幅區橫向紋理尺寸一致，故可用峰C表征剖幅區高頻紋理特征。

由非剖幅區特征頻率f2可得其特征紋理空間周期K2為9.30 mm，與非剖幅區斜紋在豎直方向表現出的空間尺寸一致，故可用峰B表征非剖幅區低頻紋理特征。

峰A對應頻率附近3條曲線幅值都較大，該區域對應的空間周期范圍為20.92 ～ 27.88 mm。通過分析可以發現，該區域是由樣布不平整導致光照不均而產生的低頻噪聲(圖2中可見陰影部分)。

3 剖幅區自動識別與定位

3.1 剖幅區列像素識別

通過上述分析，得到了剖幅區列像素區別于其他區域列像素的高頻特征峰。依據特征峰的頻率及幅值，設定合適的幅頻閾值，即能檢測樣布圖像的任意列像素是否屬于剖幅區。此外，幅頻閾值的設定還應考慮2個因素：1)剖幅過程中，光照不均可能導致特征峰幅值的上下波動。2)剖幅過程中，樣布的小角度傾斜可能導致特征峰頻率的前后漂移。

利用特征峰頻率領域內取幅值標準差的方式來確定合適的幅頻閾值。計算公式如下：

式中：δ為鄰域半徑，δ∈N；Af為剖幅區特征峰幅度；B、C分別為非剖幅區與花紋區幅頻譜序列；S為標準差；AT為幅度閾值。

鄰域半徑需大于織物傾斜導致的頻率漂移半徑。即鄰域半徑越大，對樣布傾斜角度的容限越大，但同時可能導致S變小，使識別的準確率降低，易受環境光照及噪聲的影響；因此，要結合實際應用環境確定最優的鄰域半徑，即保證傾斜容限滿足實際需求，又能獲得較好的抗噪能力?？椢飪A斜導致的頻率最大漂移半徑可用公式表示：

△f=f(1-cosθ)

式中：f為剖幅區特征頻率，θ為織物傾斜最大角度。

通過對多種樣布的分析以及對剖幅過程的考察，對常見剖幅參數進行了定量分析，結果如表1所示。

表1 常見剖幅參數表Tab.1 General fabric slitting parameters

注：參數均在同一光照條件下獲得；快速傅里葉變換點數N取512。

一般地，剖幅機在剖幅過程中，織物傾斜角度小于15°，織物紋理周期剖幅區明顯小于非剖幅區。由表1可看出，對于一般剖幅情況，都能獲得較大的標準差值，表明幅度閾值的波動容限較大，因此，應用傅里葉變換的方法進行列像素識別，能有效克服剖幅過程中織物傾斜、光照不均等的干擾，準確地識別出屬于剖幅區的列像素。此外，該方法只需對個別幅值點進行大小比較而無需繁瑣的計算，因此，效率較其他方法如列頻譜求和等要高出很多。

3.2 剖幅區定位

通過對列像素進行橫向掃描式快速傅里葉變

換，可以識別出位于剖幅區的列像素，對這些列像素的坐標取平均值就能定位出剖幅區的中心位置，但考慮到實際剖幅過程中，由于不確定因素的存在，可能在個別位置出現誤識別，即將非剖幅區列識別為剖幅區列或將剖幅區列識別為非剖幅區列，前者對剖幅區中心位置定位影響很大。為了減小這種個別誤判帶來的定位誤差，使用下式計算剖幅區中心位置，依據誤判為剖幅區的列只分布在剖幅區兩側，利用前后過濾，中間取平均的方式可有效地減小誤差。

式中：Xc為剖幅區中心位置；Xn為識別的列像素坐標序列；a為過濾半徑。過濾半徑的選擇主要依據定位過程中受干擾的程度而定。一般而言，過濾半徑都取較小值。此外，過濾半徑可在剖幅過程中進行調整，使剖幅達到最理想的效果。

3.3 自動識別定位軟件實現

基于VC++編寫測試軟件對本文提出的剖幅區自動識別定位方法進行驗證。軟件主要實現二大功能：剖幅區特征頻率提取與剖幅區識別定位，流程如圖4所示。圖像采集使用IMAGING SOURCE DMM 22BUC03 CMOS相機，分辨率為640像素×480像素，橫向視場大小為130 mm，幀率為76 幀/s。

4 實驗結果與分析

在驗證中，應用編寫的軟件對樣布進行了剖幅區定位，結果如圖5所示。圖中顯示定位的剖幅區中心位置由黑色列線標出，由此可見其定位結果十分準確。

5 結 語

通過軟件測試，充分驗證了本文提出的應用一維傅里葉變換的成像式剖幅區自動識別定位方法的可行性與有效性。該方法針對剖幅區與非剖幅區紋理存在顯著空間周期差異的織物具有普遍適用性，能有效克服剖幅過程中織物小角度偏斜、光照不均、噪聲等不利因素的干擾，快速、準確地定位出剖幅區的中心位置；但由于幅頻特征的提取為靜態過程，相關參數的設定也需要人工完成，且一組特征參數僅適用于一種織物，織物改變時需要重新設定參數，無法實現真正意義上的全自動剖幅，因此，織物特征的在線提取，與參數的自適應調整將作為今后努力研究的方向。

FZXB

[1] 趙大興,馮維,孫國棟.基于CCD與PID的自動視覺對線開幅方法研究[J].測控技術,2013,32(12): 69-72.ZHAO Daxing,FENG Wei,SUN Guodong.Research on an automatic visual on-line open-width method based on CCD and PID[J].Measurement & Control Technology,2013,32(12): 69-72.

[2] 楊德亮,魏燕定,周冠雄,等.基于PSD的織物引導線跟蹤器設計[J].紡織學報,2010,31(6) :129-133.YANG Deliang,WEI Yanding,ZHOU Guanxiong,et al.Design of fabric guide line tracker based on position sensitive detector[J].Journal of Textile Research,2010,31(6): 129-133.

[3] 應樂斌.混紡織物不同纖維的圖像識別與定量分析[D].杭州：浙江大學,2012:49-62.YING Lebin.Image recognition of various fibers and quantitative analysis for blended fabric[D].Hangzhou: Zhejiang University,2012: 49-62.

[4] 盧雨正,高衛東,王鴻博.織物抗皺性能的評價方法[J].絲綢,2005(11): 22-23.LU Yuzheng,GAO Weidong,WANG Hongbo.Evaluation methodology of fabric wrinkle resis-tance[J].Journal of Silk,2005(11): 22-23.

[5] BEHERA B K,MOHAN Madan T E.Objective measurement of pilling by image processing techni-que[J].International Journal of Clothing Science and Technology,2006,17(5): 279-291.

[6] 王靜.基于圖像處理的機織物組織結構識別與分類[D].西安：西安工程大學,2013:17-49.WANG Jing.Automatic recognition and classification of woven fabric based on image processing[D].Xi′an: Xi′an Polytechnic University,2013:17-49.

[7] 沈志忠,王碩,曹志強,等.基于邊緣檢測的圖像分割方法及其在機器魚中的應用[J].機器人,2006,28(4): 361-366.SHEN Zhizhong,WANG Shuo,CAO Zhiqiang,et al.An image segmentation algorithm based on edge detection and its application to robotfish[J].Robot,2006,28(4): 361-366.

[8] 高衛東,劉基宏,徐伯俊,等.織物中緯紗排列參數的自動識別[J].棉紡織技術,2002,30(1): 28-31.GAO Weidong,LIU Hongji,XU Bojun,et al.Automatic identification of weft arrangement parameters in fabric[J].Cotton Textile Technology,2002,30(1): 28-31.

[9] 高衛東,劉基宏,徐伯俊,等.織物中經紗排列參數的自動識別[J].棉紡織技術,2002,30(3): 31-34.GAO Weidong,LIU Hongji,XU Bojun,et al.Automatic identification of warps arrangement parameters in fabric[J].Cotton Textile Technology,2002,30(3): 31-34.

[10] 潘如如,基于數字圖像處理的機織物結構參數識別[D].無錫：江南大學,2010:11-41.PAN Ruru.Automatic recognition of woven fabric parameters based on digital image analysis[D].Wuxi: Jiangnan University,2010:11-41.

[11] XU B.Identifying fabric structures with fast Fourier transform techniques[J].Textile Research Journal,1995,65(11): 676-683.

[12] 尹惠玲.基于一維傅里葉變換特征提取的紙幣識別[J].計算機與現代化,2011(7):34-35,39.YIN Huiling.Paper currency recognition based on feature extraction of one dimension Fourier trans-form[J].Computer and Modernization,2011(7):34-35,39.

Automatic recognition and positioning method for fabric slitting zone using one-dimensional Fourier transform

LI Cong1，2，YAN Xuena1，2，ZENG Xiangzhong2，LIANG Meng1，ZHANG Ying1

(1.SchoolofElectronicEngineering，Xi′anUniversityofPosts&Telecommunications，Xi′an，Shaanxi710061，China； 2.Xi′anMid-RiverPhotoelectricTechnologyCo.,Ltd.,Xi′an，Shaanxi710061，China)

The current recognition of fabric slitting zone is still completed manully during the working process of fabric slitting machine.This paper provides a high-speed and real-time method to recognize and position fabric slitting zone automatically to reduce the labor intensity of workers and improve the effectiveness and accuracy of fabric slitting.One dimensional Fourier transform is used in this method to extract features in frequency domain.Then the center of the slitting zone can be positioned based on image detection technique.In addition,using VC++ language,software is designed to test the method.The results of software testing indicate that the method proposed can recognize the fabric slitting zone and position its center quickly and precisely,and improve the effectiveness and reliability of fabric slitting machine as well.

fabric slitting machine；Fourier transform；image recognition；feature extraction；fabric slitting

10.13475/j.fzxb.20141205105

2014-12-25

2015-10-09

西安郵電大學創新基金項目(114-602080043)

黎聰(1991—)，男，碩士生。主要研究方向為光電傳感與檢測技術。梁猛，通信作者，E-mail：liangmeng@xupt.edu.cn。

TS 103.7

A