淺談計算機圖像處理技術在紡織工業中的運用

（衡水職業技術學院，河北 衡水 053000）

0 引言

在眾多的現代化技術手段中，圖像處理技術是其中一門重要的學科技術，其涉及到計算機科學、幾何學、數字信號處理、信息論、模式識別等諸多領域知識，通過這些領域知識的相互交叉，從而演變出圖像處理技術這樣一種新型的邊緣學科。對于圖像處理技術來說，其發展時間并不長，距今為止也僅有短短的二三十年時間，但是自圖像處理技術出現以來，便得到了迅速的普及與應用，尤其是在紡織工業中，已經普遍采用數字圖像分析技術?？梢哉f，該技術在紡織工業中具有非常廣闊的發展前景。

1 紡織業的圖像處理特點

現代紡織企業在生產和制作紡織物品時，需要深入分析與評估紡織品所需原材料以及半成品與成品的質量，這就需要應用計算機系統對紡織品樣品進行采集，以此實施數字化處理。在此過程中，便需要運用到二維傅立葉變換技術，該技術是將空間內的圖像實施轉換，以使其成為頻域內的復函數。在二維傅立葉變換技術中，可以通過不同頻率的變化幅度來反映圖像中的灰度強度分布情況，并且利用傅立葉變換還能使圖像內的指定方向灰度梯度變化情況得到進一步確定，并以此為原理，即使圖像有著更大的單位，也能進行在線測量。對于計算機圖像增強技術來說，該處理方式是將圖像中會影響分析的因素進行有效消除，以使圖像更加吸引用戶的注意力，引起用戶對圖像內容的興趣。

通過計算機圖像增強技術，能夠使圖像的視覺效果得到進一步體現，從而使處理后的圖像能夠給人們帶來更強的視覺效果。在圖像中，各個像素組成了若干個集合，在具體處理過程中，需要進行圖像閾值處理，閾值處理是對邊緣處理和圖像連接處理進行結合運用，從而使圖像在閾值化以后，能夠獲得所需的二進制圖像。不過，二進制圖像仍有其缺點，比如二進制圖像的設計要求可能難以達到預期要求，所以在有些情況下，還需要對二進制圖像進行其他形式的處理，以使圖像處理質量得到進一步提高，例如收縮處理、變薄處理、骨架繪制、變粗處理等。

2 紡織工業中計算機圖像處理技術的運用分析

2.1 非織造布中纖維取向評定

對于現有的非織造布而言，其材料性能在很大程度上受到纖維性能的影響。一直以來，工作人員在利用手動圖像處理方法來對纖維方向進行分析時，這種處理方法顯得過于原始。隨著科學技術的不斷發展，這也使得圖像處理方法得到了改進，從而增加了張力、折射、超聲及微波等許多新的分析項目，這些新項目使手動圖像分析質量及效率得到了有效提高，不過仍舊無法對纖維可靠性問題進行有效解決。因此，在利用計算機圖像處理技術分析非織造物中的纖維取向過程中，需要研究出一種更好的方法。

在利用計算機圖像處理技術對非織造物纖維進行分析處理時，可以采用的具體方法有以下幾種，第一種為流場分析法，考慮到圖像邊緣能夠對圖像取向場進行表示，即通過圖像處理與計算來得到相應的像素值，然后以梯度排列方式來進行豎直排列，以使圖像能夠分割成若干個小窗口，這樣便可通過數值來對圖像幅度及矢量方向進行分析，由此便可對總平均方向進行計算，進而得出方向分布函數。這種方法還處于初期摸索階段。所以，流場分析方法仍舊被主要應用到纖維平均取向角處理工作中，平均取向角是無法對取向分布信息進行完整表達的，而且有著較低的平均取向標準。

第二種方法為直接蹤跡法，這種方法是以纖維直接操作為原理，以此對圖像進行直接性的識別與測量。在圖像中有著許多弧，這些弧便是光纖原始中軸，由此便可采取不同處理方法及手段來進行直接性的纖維操作，雖然不同處理方法的實踐成果有所差異，不過都能取得較為理想的處理效果。所以，以計算時間為角度，對項目實施優化是非?？尚械?。當然，在運用直接蹤跡法過程中，需要將縮短優化時間作為重點，通過精細化處理后實施電弧跟蹤[1]。

2.2 分析紡織品表面特性

在處理織物表面特性過程中，可以采取相應的應用程序來實現。例如，在識別紡織物品中的設計瑕疵時，便可利用計算機應用程序來對各個設計瑕疵進行識別和分類。對于紡織物來說，其外觀好壞取決于紡織物表面是否存在嚴重瑕疵。所以，在識別與分類紡織物的表面瑕疵時，需要將紡織物等級作為一個重要的評價指標。在對圖像特征區域進行提取時，主要是采用灰度統計方法來實現?，F階段，國外發達國家已經開始致力于織物疵點的圖像處理研究課題，而我國則尚未開展相應的研究，不過在紡織物特性檢測中卻也取得了一些研究成果，從整體上來說，我國對圖像處理技術在紡織特性檢測中的運用研究方面仍舊還有一段較長的路要走。

2.3 起毛、起球測定

紡織物在使用過程中，起毛、起球性能是影響其使用壽命的一種重要因素。所以，要使紡織物性能得到有效監測，如果仍舊采用以往的圖像處理方法，比如對標準樣品進行分類與比較，不僅處理結果的主觀性較強，而且也無法進行定量描述[2]。而利用顯微鏡來對凸起根數進行計算，該方法則需耗費較長的時間和較多的人力。所以，相比于傳統圖像處理來說，數字化圖像處理有著更加準確、快速的實踐效果，在對織物表面起毛、起球性能進行分析過程中具有極高的應用價值。

2.4 圖案識別

織物圖案的自動識別如下：第一步便是預處理，比如對圖像像素值進行歸一化處理；第二步是提取。例如圖像像素值可以通過矢量來進行特征表示。在實際匹配時，需要對這些特征進行對比，然后匹配到預存的模型或模板進行參考，通過統計模式識別方法來實施分類；第三步是對識別結果進行輸出。除此之外，許多混紡紗的混紡比均是采用顯微鏡橫截面觀察法與化學分析法來實施圖像處理的，不過因化學分析法的選擇相對較少，這也使其實踐效果難以達到預期[3]。

2.5 處理方式

現階段，人們在利用計算機圖像處理技術進行紡織品分析時，仍舊主要采用兩種處理方式，一種是客觀性的圖像處理方式，另一種則是主觀性的處理方式，對于主觀性的處理方式來說，其需要根據工作人員的主觀思維來進行判斷與分析，以此對產品的樣式及外觀做出評估，雖然該方式的圖像處理速度較快，并且所涉領域也較為廣泛，但該方式的主觀性卻非常強，對工作人員的自身素質有著很強的依賴性，無法適用于紡織品生產與設計指導工作。而客觀性的圖像處理方式則具有較強的客觀性，除了紡織品的樣式及外觀開發工作以外，所有的其他開發工作都適用于這種處理方式[4]。

3 應用前景

在現代紡織業發展中，圖像處理技術有著較好的發展前景，其具體發展趨勢可以從以下方面進行體現：首先，隨著計算機圖像處理技術的不斷更新，將有更多更好的圖像處理方法被應用到紡織品評價工作中；其次，在紡織生產與質量評價過程中，將對神經網絡進行更加頻繁的應用。例如，在梳理網密度及均勻度控制過程中，可以通過神經網絡模型的應用來彌補傳統控制方法的不足，以此提高控制效果。計算機圖像處理技術的不斷創新與深入研究，將使該技術在紡織業中的應用變得更加廣泛且深入，尤其是新算法的出現，比如遺傳算法、人工智能等，這些都將被逐漸應用到紡織業生產工作中，從而使紡織物圖像處理能夠完全以人的思維及視覺來開展具體工作，進而使企業真正生產出更高質量、更加符合人們審美觀念的紡織產品。

4 結語

紡織品的人工檢驗方式已經持續了很長時間，但這種方式過于耗時耗力。而計算機技術的發展，使該工作能夠利用計算機進行代替，通過計算機圖像識別及處理技術，可使紡織品檢驗效率得到極大提高。不過，要想真正實現紡織物的圖像在線檢測仍舊需要經歷一段較長的發展時間。