一種通用的機織物密度圖像自動識別方法

武銀飛 李桂付 周紅濤 趙 磊

（鹽城工業職業技術學院，江蘇鹽城，224005）

在紡織企業生產中，織物密度是織物結構參數檢測中非常重要的一項，需要計數單位長度內的紗線根數。傳統的人工分析方法依賴于檢測人員，利用人眼直接觀察或借助照布鏡、密度鏡輔助計數完成織物經密緯密的測定，但檢測過程主觀性強，容易使人產生疲勞，效率低，且容易出錯。有關數字圖像處理機織物密度的自動測量方法研究：潘如如等［1］借助織物圖像的亮度投影曲線，利用區域排查法找出紗線間隙位置，求出織物經密緯密；景軍鋒等［2］利用相鄰紗線顏色突變檢測水平和垂直方向的邊緣，借助子圖像方差投影與相關系數獲得機織物經密緯密；王慶濤等［3］、孫亞峰等［4］都是利用傅里葉變換從頻譜圖上獲取紗線間距離間接求取經密緯密；李立輕等［5］、何峰等［6］利用小波變換計算織物經密緯密；李曉慧等［7］通過自適應選擇結構元素，利用數學形態學獲得織物密度；王凱等［8］在織物圖像灰度值分布基礎上，探討了織物經密緯密對重構圖像誤差的影響；周果等［9］借助亮度投影曲線和誤差處理方法獲取織物密度等。上述算法存在算法復雜、流程長、適應范圍有限等不足。本研究提出了一種通用的機織物密度圖像自動識別方法，擴展了適用范圍，對素色機織物、單色機織物、多色機織物與印花機織物都是適用的，同時也提高了檢測結果的準確性，且運算速度快，算法魯棒性好，能夠滿足實際生產的需要。

1 圖像法織物密度自動識別流程

機織物是由相互垂直的經紗緯紗系統按照一定的沉浮規律交織而成，呈水平或幅寬方向的為緯紗，垂直或長度方向的為經紗，分為素色機織物、單色機織物、多色機織物和印花機織物。素色機織物的經紗緯紗系統是未染色，呈纖維本來的顏色；單色機織物的經紗緯紗系統均為同一種顏色；多色機織物的經紗系統、緯紗系統、或經紗緯紗系統由多種不同顏色的紗線排列交織而成；印花機織物則為在織物表面印有花紋。采用數字圖像法實現機織物經密緯密自動識別流程：采集機織物表面彩色圖像→圖像灰度化→經紗緯紗方向糾偏→經紗緯紗亮度投影曲線→漏檢與去異常點→單根經紗緯紗分割圖像→計算經密緯密。

2 圖像采集與灰度化

借助襯板（紗線搖黑板機配件），利用Canon LIDE 400 型平板掃描儀采集機織物表面圖像，顏色空間為RGB 模式，分辨率為1 200 dpi，在采集過程中盡可能將織物擺正，通過MatLab R2017a軟件讀取圖像，并利用經驗公式（1）轉成灰度圖像，見圖1。

圖1 機織物灰度圖像

圖像對應為二維數組，行數表示圖像的高度，列數表示圖像的寬度，像素點灰度值為0～255，值小為黑色，值大呈白色。

3 經紗緯紗方向糾偏

由于紗線本身粗細不勻、織造設備狀態及工藝參數等因素影響，使得經紗緯紗并非完全垂直相交，為保證獲得準確的經密緯密，需經紗緯紗單獨糾偏。因掃描時紗線條干部分反射能量高，灰度值大，而紗線間隙反射能量小，灰度值小，結合機織物紋理特點糾偏后紗線間隙點的連線處于垂直或水平方向上［10］，獲取經紗方向糾偏后圖像T（x，y），見圖2（a），像素尺寸為M1×N1，其中x、y為T行、列坐標取值（1≤x≤M1，1≤y≤N1）；緯紗方向糾偏后圖像T′（x，y），見圖2（b），像素尺寸為M2×N2，其中x、y為T′行、列坐標取值（1≤x≤M2，1≤y≤N2）。

圖2 糾偏后圖像

4 漏檢與去異常點

根據公式（2）、公式（3）計算機織物經向、緯向的亮度投影曲線P（y）與P′（x），分別采用1×3模板與3×1 模板均值濾波，去除噪聲等信號，實現曲線平滑。

首先經紗，根據機織物表面圖像反射原理，經紗亮度投影曲線波谷所對應的位置即為紗線間隙位置。提取方法：若投影曲線P（y）連續5 點位置滿足P（y-2）＞P（y-1）＞P（y），且P（y）＜P（y+1）＜P（y+2），2＜y＜N1-2，則記錄y紗線間隙位置至數組Gd，試驗發現在顏色突變位置（紗線間隙波谷）有時會漏檢，非波谷位置也存有異常點現象，見圖3 和圖4，針對該問題逐一解決。

圖3 紗線顏色突變位置漏檢

圖4 非波谷位置的異常點

紗線間隙漏檢的操作步驟：將數組Gd相鄰兩項求差存入數組Gds1，并計算數組Gds1 均值設為M1；依次從數組Gds1 提取每項Gds1（i），如果Gds1（i）/M1＞K（K為顏色突變系數，經驗值取1.5），說明i點位置有漏檢并記錄，直至最后一項；對記錄的各i漏檢點在原數組Gd（i）與Gd（i+1）之間加入一新位置點，值為兩者均值取整，獲取漏檢調整后的數組Gd。

非波谷位置去異常點操作步驟：對漏檢調整后的數組Gd重新計算相鄰兩項差并存入數組Gds2，計算數組Gds2 均值設為M2；依次從數組Gds2 提取每項Gds2（i），如果Gds2（i）/M＜L且Gds2（i+1）/M＜L，（L為異常點突變系數，經驗值取0.7），說明i+1 位置為異常點并記錄；對記錄的各i+1 異常點位置在漏檢調整后的數組Gd移除。

最終經漏檢和去異常點后的經紗間隙位置曲線見圖5，可知圖4 中的非波谷位置異常點已去除，進而獲得單根經紗分割圖像，按照上述步驟即可獲得漏檢和去異常點后緯紗間隙位置曲線和單根緯紗分割圖像。

圖5 漏檢和去異常點后的經紗間隙位置

5 織物密度

按照機織物經密緯密的定義，重新對紗線漏檢和去異常點后的數組Gd相鄰兩項求差取均值記為B與C，即代表1 根經紗和緯紗所占像素點數，根據圖像分辨率D，即2.54 cm 所具有的像素點數，帶入公式（4）與公式（5），即可獲得機織物經密PT（根/10 cm）與緯密PW（根/10 cm）。

6 實例分析

將生產的素色機織物、單色機織物、多色機織物和印花織物（豎條涂上顏色，呈現條格效果）進行試驗，先用本研究的圖像法自動識別織物的經密緯密，采集彩色圖像，經圖像灰度化、經紗緯紗方向糾偏、經紗緯紗亮度投影曲線、漏檢與去異常點、單根經紗緯紗分割圖像與計算織物密度獲得的單根經紗緯紗分割圖像見圖6。圖6 中左邊為單根經紗分割，右側為單根緯紗分割。

圖6 不同機織物單根經紗緯紗分割圖像

掃描儀采集每個品種不同部位6 幅圖像，計算平均值作為圖像法經密緯密，為檢驗其識別結果的準確程度，后采用人工借助織物密度鏡核對，獲得的數據見表1。從表1 中可知，圖像法與人工法測試相當，相對誤差在1%以內，在實際生產中是可以接受的，可以代替當前人工法進行檢測，且圖像法自動測量準確度高、速度快，從讀入圖像到出結果僅需30 s 左右，可用于實際測量。

表1 圖像法與人工法織物密度檢測結果

7 結語

因紗線本身粗細不勻、織造設備狀態及工藝參數等因素的影響，機織物經紗緯紗并非是完全垂直的。利用機織物紋理特點完成經紗緯紗方向單獨糾偏，以經紗緯紗亮度投影曲線為基礎，利用紗線相鄰間隙位置差與其均值的比值，引入顏色突變系數、異常點突變系數能準確實現漏檢和去異常點，正確查找紗線間隙位置，完成單根紗線分割，從而實現機織物經密緯密的自動識別。結果表明：圖像法自動測量準確度高、速度快，單幅圖像從讀入到呈現結果只需要30 s 左右；且對素色機織物、單色機織物、多色機織物與印花機織物均有很好的適應性，相對誤差在1%以內，可以代替當前人工法進行檢測；但對高緊度機織物、復雜印花機織物等仍有待于進一步研究。