基于图像处理技术的纤维识别研究.docxVIP

基于图像处理技术的纤维识别研究 图像分析技术始于20世纪60年代，在70年代初取得了迅速发展并广泛应用的效果。在纺织纤维形态的观察中，传统的微计技术已扩展到数字、计算机科学和智能。这是研究纺织和纤维形式的重要技术。 1 硬件设备 1.1 视频采集部件 常用的图像采集部件有:摄像机加上视频图像采集卡、图像扫描仪、数码相机、显微光密度计。通过比较各采集部件的优缺点, 本文采用设备精度满足要求, 摄像速度快, 价格适中, 且易于从监视器上直接评价图像输入效果的彩色视频摄像机和图像采集卡。CCD摄像机是由光学镜头、图像传感器及相关电路组成。 1.2 计算机pit 本文用生物显微镜, CCD摄像头, 图像采集卡, 计算机 (CPU为Pentium 4, 物理内存不低于 256M, 15英寸液晶显示器) , 斜照明光源, 透射光源等。系统结构示意图如下: 2 图像捕获 采集原始的纤维模拟图像, 并将模拟信号转换成数字信号。计算机在接受到图像的数字信号后, 将其存入存储区。 3 处理完 本文采用 WINDOWS 2000操作系统, MATLAB、VC++6.0软件处理图像。 3.1 几何变换和剪取 为了更好的显示西藏细羊毛纤维的表面结构, 在对图像进行各种算法处理之前要进行相应的几何变换, 常用的几何变换包括图像平移、图像的镜像变换、图像的转置、图像的缩放和旋转、图像的剪取等, 剪取和缩放为了选取纤维结构表面状况较好的图像。 3.2 频率域法图像变换 图像的增强技术通常有两类方法即空间域法和频率域法。空间域法主要是在空间域中对图像像素灰度值直接进行运算处理。它可以用下式来描述: g (x, y) = f (x, y) ·h (x, y) 其中 f (x, y) 是处理前的图像;g (x, y) 表示处理后的图像;h (x, y) 是空间运算函数。 频率域法是图像的各种变换域中 (通常是频率域中) 对图像的变换值进行某种运算处理, 然后变换回空间域。其过程可描述如下: 其中F (μ, ν ) 为原始图像f (x, y) 频域正变换的结果, H (μ, ν) 为频域中的修正函数, G (μ, ν) 是修正后的结果, g (x, y) 是G (μ, ν) 反变换的结果, 即增强后的图像。 比较两者的不同之处, 频域法可以选择不同的滤波函数, 功能较强大, 可以实现一些空域处理无法实现的功能, 但滤波函数与整幅图像相关, 因此不能够处理图像中的某些特定点;空域处理虽方法有限但可以针对图像的特定点操作, 处理结果较直观可见, 结合西藏细羊毛的特点, 主要选择空域处理。 3.2.1 边缘保持得好 为了减少或消除噪声干扰, 强化有用信息, 一般采用中值滤波的方法对图像进行平滑。中值滤波在一定的条件下克服了线性滤波器带来的图像细节模糊。在去除噪声的同时, 边缘保持得比较好。在MATLAB环境下, 可使用函数medfilt2来进行中植滤波, 其程序为: i=imread (d:\p.tif) ; j= medfilt2 (i) ; imshow (j) ; 如果叠加在图像上的噪声非相关, 这可采用近视相同条件下拍摄的多幅图像取平均来消除具有零均值的随机噪声。 3.2.2 图像的梯度运算 与平滑相反, 图像的锐化使得图像更为清晰, 边缘更加明显。纤维结构的识别要突出纤维的边缘信息, 但图像采集中由于光线的影响使得纤维边缘看起来模糊, 为了解决这一问题要对图像进行锐化来增强边缘和轮廓信息。经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算, 因此可以对其进行逆运算 (如微分运算) 就可以使图像变得清晰。从频率域来考虑, 图像模糊的实质是因为其高频分量被衰减, 因此可以用高通滤波器来使图像清晰。 为了要把图像中间任何方向伸展的边缘和轮廓线变得清晰, 我们希望对图像的某种运算是各向同性的。可以证明偏导平方和的运算是各向同性的, 即: (?f?x′)2+(?f?y′)2=(?f?x)2+(?f?y)2(?f?x′)2+(?f?y′)2=(?f?x)2+(?f?y)2 式中 (x, y) 是图像旋转前的坐标, (x′, y′) 是图像旋转后的坐标。梯度运算就是在这个式子的基础上开方得到的。图像 (x, y) 点的梯度值: g=f?kτ?2fg=f-kτ?2f 为了突出物体的边缘, 常常采用梯度值的改进算法, 将图像各个点的梯度值与某一阈值作比较, 如果大于阈值, 该像素点的灰度用梯度值表示, 否则用一个固定的灰度值表示。 我们在对图像增强的过程中, 采用的是一种简单的高频滤波增强方法: G(x,y)=[(?f?x)2+(?f?y)2]12≈|f(x,y)?f(x+1,y)|+|f(x,y)?f(x,y+1)|G(x,y)=[(?f?x)2+(?f?y)2]