纱线上毛羽的数量及长短直接决定了纱线的外观、质量和等级,以及织物的外观。纱线上的长毛羽较多会造成开口困难,染色不匀,降低织造和染色工序生产率,因此,毛羽检测是纺织企业产品质量控制中的关键一环。目前国内外纺织企业常用方法有光电式分级统计法和光电式全毛羽法,受制于光电和信息采集的限制,分级统计法毛羽信息采集不够全面,结果受检测速度影响,重复性较差;而全毛羽法的H值是统观的估算值不能直观反应纱线毛羽分布,且检测结果不能重现等缺陷,已经无法满足现代纺织生产中对纱线毛羽准确监控的要求。使用基于数字图像采集和分析技术对纱线毛羽进行检测有望克服现有光电法的缺陷,然而在近二十年的研究中,现有的图像法毛羽检测仍无法实现对纱线毛羽信息的完整提取和毛羽长度的准确测量,根本原因是图像分割算法和毛羽测量算法对空间中形态复杂多变、延伸方向杂乱无章的纱线毛羽缺乏自适应性。本课题研究目的是通过对纱线图像处理过程、毛羽骨架(毛羽中心线)及长度分析和检测算法的研究,获得将毛羽完整分割出的图像分割算法和提取完整毛羽长度信息的毛羽分析算法。通过构建光电法毛羽检测模型,从微观上分析了毛羽可检测角度对毛羽测量结果的影响,得到了光电法毛羽可检测率;针对现有光电法和图像法的不足,提出了基于毛羽骨架的固定长度分割和变长度分割的毛羽长度测量算法,实现了图像法对毛羽的分级统计和单根长毛羽和短毛羽的毛羽长度的精细测量;为了进一步获得适应性好、且测量更准确的毛羽骨架分析算法,引入了毛羽骨架和长度的跟踪算法,通过对毛羽点的依次判断、确定和记录,生成毛羽路径矩阵,实现对多种形态毛羽的跟踪测量。实现结果表明,毛羽骨架跟踪算法比固定长度分割和变长度分割的适用性好,且可获得较为完整的毛羽信息和较准确的毛羽长度。本课题的主要研究内容和结论如下:(1)构建了纱线毛羽检测模型,分析了纱线直径、毛羽长度和毛羽相对位置角度对毛羽测量结果的影响和毛羽可检测角度,得到了用于修正光电法检测结果的毛羽可检测率。为了对影响毛羽测量结果的各个因素进行详细的分析,得到光电法毛羽的可检测率,构建了光电法毛羽检测模型。通过模型分析,确定了毛羽长度和毛羽相对角度在毛羽测量中的重要作用和毛羽检测中检测“盲区”的存在,提出毛羽可检测角度和毛羽可检测率,作为衡量光电法毛羽检测效果的参考依据,不仅从微观上对毛羽测量进行详细分析,也为构建图像法纱线图像处理和毛羽分析算法提供指导和方向。(2)根据纱线图像的特点,确定了适用于毛羽测量的纱线处理流程,并分析了不同阈值方法、不同开运算结构算子的纱线图像处理效果,得到了可以满足毛羽测量需求的纱线毛羽骨架。为获得较为完整的纱线毛羽图像,构建了适用于毛羽长度测量的图像处理流程。首先,将采集的彩色纱线源图像转化为灰度纱线图像,并对图像的灰度矩阵中的灰度分布进行了详细分析;通过对比大津阈值法、动态阈值和手动阈值对纱线图像进行分割的结果,确定动态阈值取T3(最小灰度和大津阈值的均值与灰度直方图的灰度峰值两者间的均值)和手动阈值取65.7(灰度直方图中山峰灰度范围50~75的二次修正阈值)时,对MOTIC显微镜采集的这一系列纱线图像的适应性好;运用半径为11的圆盘结构算子对纱线二值图像进行开运算,可快速地从纱线二值图像中分割出纱线条干和纱线毛羽,且纱线条干的形状保持良好,纱线毛羽完整;运用Matlab自带张氏并行快速细化算法,得到连通性、保形性较好的毛羽骨架,用于各种形状毛羽的长度测量。(3)构建了基于毛羽骨架的固定长度分割算法和变长度分割算法,分析了毛羽骨架,得到毛羽长度的分级统计结果和精确测量结果。针对现有图像法无法实现对毛羽长度的精确测量,设计了固定长度分割算法和变长度分割算法,用于毛羽骨架和长度的分割与测量。固定长度分割算法中,将纱线条干边缘曲线作为分割线,1mm为分割步长,生成毛羽骨架的多条分割线,在垂直于纱线条干方向,平行于纱线条干作毛羽骨架的分割线。将分割线和毛羽骨架的交叉点作为毛羽长度的判断对象,统计出不同长度毛羽的根数。变长度分割算法中,采用不同的初始分割线和分割步长,将毛羽骨架细分成多个毛羽小片段,所有毛羽小片段的长度即为毛羽整体长度。毛羽长度测量实验表明,固定长度分割算法可实现毛羽的分级统计,且测量结果接近人工目测结果,比光电分级统计法的可检测角度范围大;变长度分割算法可实现毛羽的精细测量,且比固定长度分割能获得更完整的毛羽信息。(4)引入毛羽骨架及长度的跟踪算法,对单根毛羽骨架中的每一个毛羽点进行分析和定位,得到毛羽路径点矩阵用于计算出更为精确的毛羽长度。在提取纱线毛羽骨架信息的时,毛羽骨架及长度的变长度分割算法无法提取毛羽小片段上毛羽点的具体信息。针对这一问题,设计毛羽骨架及长度的跟踪算法,实现了对整个毛羽骨架上所有毛羽点的定位,依次将毛羽起点和毛羽点记录到毛羽路径矩阵中,完整地提取出每个毛羽点的位置信息和毛羽长度信息,通过判断相邻两毛羽点的相对位置,计算出整根毛羽的长度。对毛羽骨架及长度的跟踪测量实验表明,该算法对单根长毛羽、单根短毛羽、单根卷曲毛羽、重叠的毛羽、交叉的毛羽和中断毛羽的骨架跟踪及长度测量具有一定的适应性,且测得的毛羽长度更精确、更真实。(5)采用MOTIC视频显微镜采集纱线连续图像,通过对不同纱线的毛羽面积指数、毛羽长度指数和毛羽长度和根数的测量,对四种纱线毛羽进行了分析,确定了毛羽长度和指数可以用来描述纱线毛羽的具体分布。为获得干扰噪音少的纱线图像,对采集参数进行了设定,采集了环锭纺纯棉精梳纱14.6tex、11.7tex、9.7tex和7.3tex的连续纱线图像。对四种纱线的毛羽面积指数、毛羽长度指数和毛羽长度和根数测量结果表明,毛羽面积指数只能反映纱线自身的统观毛羽分布情况,无法描述毛羽具体分布和进行不同纱线之间的对比;毛羽长度指数虽可进行不同纱线间毛羽分布对比,但是无量纲单位,不能反映毛羽长度的具体分布;毛羽长度和根数不仅能反应纱线自身毛羽分布,也能进行不同线密度纱线之间毛羽具体分布的对比。