论文部分内容阅读
传统的织物生产过程主要依靠人工检测进行来样分析,分析效率较低。将数字图像处理技术应用于织物结构参数的自动识别,改变了纺织行业中传统的手工操作流程,大大提高了工作效率,对实现纺织产品生产的自动化、智能化具有重要意义。当前常用的织物结构参数识别算法主要采用二维傅立叶变换技术。课题设计中引入数学形态学运算,考虑不同组织类型织物中纱线的实际排列特点,针对不同组织类型的织物采用不同的图像处理算法,提出了一种新的基于数学形态学的织物结构参数自动识别算法,包括织物经纬纱密度的识别、组织循环经纬纱数的识别以及组织结构的识别。该方法在对织物图像进行预处理后,提取直方图特征参数来判定织物组织类型;结合聚类分析的方法设计了自适应结构算子选择算法,对不同组织类型的织物自动选择合适的结构算子,并使用该结构算子对织物图像进行形态学运算,提取出织物图像的经、纬纱排列图像;再对经、纬纱排列图像进行后处理和分析,最后识别得到织物结构参数。算法在设计中充分考虑了织物本身的特点;使用数学形态学运算,通过直接调整结构元素的形状来调整图像的处理结果,改善了传统分析方法复杂化的缺点,提高了结构参数的识别精度。本文对不同组织类型的织物图像进行了实验,结果表明算法可以有效地进行织物结构参数的识别,且识别精度较高。