纺织图像监测技术应用.docVIP

纺织图像监测技术应用 　　蓬勃发展的计算机技术为提高纺织品质量创造了广泛的应用领域,计算机图像分析技术正逐渐成为世界纺织工业监测的主要技术手段之一。它对确定纺织品质量,尤其是分析在生产过程中线性织物出现的瑕疵,对提高纺织品检测水平起到了关键性作用,成为纺织工业数字化的主要探索领域。 　　众所周知,纺织品生产过程中,需要确定和测量出现的瑕疵尺寸,利用数字图像分析即可详细查明其基本结构参数,即线性纺织品的厚度、毛边和曲折图像。更重要的是,这种技术可使其他外部结构特征的线性纺织产品,如捻参数和线性密度系数得到进一步分析。其中确定结构纱参数是重要的依据,它目前已普遍应用于纺织工业。图像处理技术可使纺织品纵与横或纤维直径获得充分的评估,线性纺织图像技术可有效监测纱疵并确定其成因。不仅如此,纺织物图像还可帮助观察到生产过程中的二维和三维纺织图像,包括拼接和纱端连接,从而正确估计其生产质量。数字图像处理系统也可应用二维图像监控纺织生产。其原理是利用数字图像分析,即二维图像处理技术获取图像。该图像把所描述的二维矩阵真实或虚拟的数字提出明确的字节数,然后显示图表结构,再告诉操作员该怎样调整设备以消除瑕疵。目前,最新的数字图像处理技术还包括:图像采集与建模、改善图像质量、提高监控能力,采用直观理想的图像功能确保生产质量与预定计划一致。 　　图像模拟是基于数字化的实时图像,获取图像过程包括采样和量化。数字图像可被描述为二维矩阵形,其内容包括强度量化功能,称其为灰度水平。定义数字图像的是空间分辨率和灰度分辨率。最小的组成部分是数字图像像素。像素的亮度水平数据可能很大,但仅凭像素和灰度就能准确解决生产和检测中出现的问题。 　　图像质量的改善,其突出的特点是应用数字图像技术进行处理。在该过程中,图像质量不会增加额外的图像数据,但增加了动态范围,可迅速选定对象,这有利于工作人员迅速检测到瑕疵,然后调整,它也可通过另一种方式改善质量,即调整灰度和对比度,提高清晰度,降低噪音,进行光学意义上的过滤。最新纺织生产图像处理技术的核心主要有如下方面。 　　 　　图像校正法 　　 　　柱状图像法是最简单的图像校正程序。柱状图,特别是灰度特征的图像产生于生产的过程。它主要用于增加对比度,提高颜色在图中的突出位置,强调突出部分,通过修改柱状图获得校正。另一种图像校正法是,调整平均亮度功能,即所谓的平均标记程序。运用这一程序,使先期亮度特定像素的平均值被设为选定。该程序旨在消除瑕疵或斑点,在使用过程中用数字图像处理法可增加织物图像的锐利度。 　　中值过滤值是指选择平均亮度功能,是根据不同规则确定新的像素值。中值过滤不使用基本平均像素值,但接受最近相关范围的亮度值。例如,该程序的应用可获得比没有这些过滤器更好的效果。由此,在有中值过滤条件下,可通过轮廓分配获得较好的效果,中值过滤适用于所有色彩模式,但下列除外:48位RGB模式、16位灰色范围、彩色模式下的调色板、黑色和白色模式。 　　程序的开端是一个梯度,用于提取和分析图像。它是根据不断变化的亮度函数值而设定。许多标记均可采用梯度法。拉普拉斯过滤的一个梯度使轮廓更清晰,更便于提取,同时它又在划定区域内保持亮度。灰度阈值使图像分割开来。它对这一进程中的灰色表面图像进行分析比较,以确定灰度。作为比较结果,如果灰度高于阈值,该区域被接受为白色,如果灰度小于定义值,则确定为黑色。阈值程序利用边界亮度值确定和设置。像素值高于或低于阈值都取决于选项。其余的像素没有改变,并维持其先前的颜色。选择这两个层次的原因是,所有像素均属白色或黑色,根据它们的亮度值界定阈值。阈值还可为整个图像分析并定义。 　　自相关是一个不同的图像处理技术概念,它结合了图像分析的所有片段,并经常用于表述被反复掩盖的图像。应用自相关原理,可创造其他更多数字图像处理范围,还能确定重复单位的平均尺度。该技术可复制整体图像,以分析相关的重复像素单位。 　　频率法是根据修改傅里叶变换强度的功能,确定反向变换的图像分析。频率法需要很强的计算功能,作为过滤作用,它包含了所有的点图像的频率空间,也包括周围有限的特定像素。频率法使这些因素得以消除或补偿,如照明不均匀和几何断层图像等。 　　侵蚀与扩张是适用于普通织物的处理方式,用以纠正图像错误。侵蚀和扩张更正程序是基于像素的增加或消除,即根据基础规则制定的标准,它依赖于邻近图像像素的对比进行处理。 　　 　　恢复所需图像的特征 　　 　　恢复所需图像特征是以消除或减少为依据,它可降低其质量。通过光学,光电或电子方法获取图像,在监测过程中不可避免要涉及使图像特征退化的问题。像差、摄像传感器内噪、照相机图像模拟散焦以及空气污染都可能导致监测质量条件进一步恶化。恢复理想的图像特征不同于改善表面,其程序与突