基于图像处理的针织物特征参数提取

技术创新图像处理您的论文得到两院院士关注１前言计算机图像处理技术在纺织品的研究与应用中虽然日益广泛，但是它在针织行业方面的研究起步较晚。

目前，对于针织物的图像处理、分析、理解方面的研究主要集中在：织物的质量控制、评价织物的起毛起球特性、测量针织物的结构参数等方面。

现在针织企业来料加工很多，为了使客户需求的针织品尽快投入生产，分析出针织物的组织结构是关键的一步。

传统上对针织品的分析与检验都由人工来完成。

分析与检验过程多利用目测法、手感法。

这种由专家或人工借助工具进行针织物组织结构的分析与识别虽然具有权威性，但是操作要求高，不易掌握，同时存在不可避免的人工误差。

因此有必要在分析与检验过程中，利用图像处理技术对针织物的组织结构进行识别。

这样可以减少主观因素的影响，精确的加工出所需花型的针织物，尽快投入生产。

并且织物表面形态包含大量的产品信息和性能信息，通过对织物表面形态的数字化分析和研究，可促进纺织品质量性能评价的客观定量化，为实现纺织品分析与检验的自动化提供理论和技术基础。

本课题的提出无论从技术的角度还是从市场及增强企业及产品竞争力的角度看，都有其重要意义。

２数学模型２．１纬编针织物的基本结构纬编是将纱、线由纬向喂入针织机的工作针上，使同一根纱、线顺序地弯曲成圈，并且互相串套而形成织物的方法。

由纬编方法所形成的针织物叫纬编针织物。

在编织过程中，纱、线受到弯曲、拉伸变形，这种变形并不在针织物平面内，而是形成三维弯曲的空间曲线。

图１为纬平针织物的线圈结构。

线圈由圈干１－２－３－４－５和延展线０￣１和５￣６组成。

圈干的直线部分１￣２和４￣５成为圈柱；弧线部分２－３－４成为针编弧，５－６－７称为沉降弧。

在针织物中，线圈在横向连接的行列，称为线圈横列；线圈在纵向串套的行列，称为线圈纵行。

在线圈横列方向上，两个相邻线圈对应点之间的距离Ａ，为圈距；在线圈纵行方向中，两个相邻线圈对应点之间的距离Ｂ，为圈高。

线圈圈柱覆盖圈弧的一面，称为针织物的正面。

线圈圈弧覆盖圈柱的一面，称为针织物的反面。

图１纬编平针组织线圈结构模型图２．２纬平组织纬平组织又称为平针组织，是单面纬编针织物中的基本组织。

它由连续的单元线圈向一个方向串套而成。

在静力平衡的条件下，纱线因弹力的作用在接触点间产生一定的压力，从而使线圈的几何形态和尺寸保持一定的稳定性。

纬平组织由于线圈在配置上的定向性，因而在针织物的两面具有不同的几何形态，正面的每一线圈具有两根与线圈纵行配制成一定角度的圈柱，反面的每一线圈具有与线圈横向配置的圆弧。

由于线圈比弧柱对光线有较大的漫反射作用，因而针织物的反面较正面为阴暗。

又由于在成圈过程中，新线圈是从旧线圈的反面穿向正面，所以正面一般较为光洁。

基于图像处理的针织物特征参数提取ＡｂｓｔｒａｃｔｉｎｇＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＫｎｉｔｗｅａｒＢａｓｅｄＩｍａｇｉｎｅＰｒｏｃｅｓｓｉｎｇ（东华大学）张娟耿兆丰ＺＨＡＮＧＪＵＡＮＧＥＮＧＺＨＡＯＦＥＮＧ摘要：本文主要讨论了用图像处理和模式识别的方法对纬编平针组织结构进行工艺特征参数提取。

首先对纬编平针组织基本结构的数学模型进行了概述。

然后用图像输入设备采集纬编正反两面图像，再分别对它们进行基元提取。

运用拉斯算子将得到的基元图像进行边缘检测，最后得到纬编平针组织的线圈基元结构图。

然后再提取纬平组织的特征参数。

实验结果证明图像处理的方法对纬编平针组织结构特征参数的提取是有效的。

关键词：图像处理；纬编平针组织；边缘检测；拉斯算子；特征参数中图分类号：ＴＰ３９１．４１文献标识码：ＡＡｂｓｔｒａｃｔ：ＴｈｅｄｉｓｓｅｒｔａｔｉｏｎｈａｓａｐｐｌｉｅｄＩｍａｇｉｎｅＰｒｏｃｅｓｓｉｎｇＴｅｃｈｎｉｑｕｅｓｔｏａｂｓｔｒａｃｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗｅｆｔｋｎｉｔｔｅｄｊｅｒｓｅｙｓｔｉｔｃｈ．Ｆｉｒｓｔ，ｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆｊｅｒｓｅｙｓｔｉｔｃｈｉｓｓｕｍｍａｒｉｚｅｄ．Ｓｅｃｏｎｄ，ｔｈｅｕｎｉｔｐｉｃｔｕｒｅｓｏｆｊｅｒｓｅｙｓｔｉｔｃｈａｒｅａｃｈｉｅｖｅｄ．Ｔｈｉｒｄ，ｔｈｅｅｄｇｅｏｆｔｈｅａｃｈｉｅｖｅｄｐｉｃｔｕｒｅｓｉｓｃｈｅｃｋｅｄｗｉｔｈＬａｐｌａｃｉａｎｏｐｅｒａｔｏｒ．Ａｎｄｔｈｅｕｎｉｔｓｔｒｕｃｔｕｒｅｏｆｊｅｒｓｅｙｓｔｉｔｃｈ’ｓｌｏｏｐｉｓａｃｈｉｅｖｅｄ．Ｆｉｎａｌｌｙ，ｃｈａｒａｃｔｅｒｉｓ－ｔｉｃｓｏｆｊｅｒｓｅｙｓｔｉｔｃｈａｒｅｐｉｃｋｅｄｕｐ．Ｋｅｙｗｏｒｄｓ：ｉｍａｇｉｎｅｐｒｏｃｅｓｓｉｎｇ，ｊｅｒｓｅｙｓｔｉｔｃｈ，ｅｄｇｅｄｅｔｅｃｔｉｎｇ，Ｌａｐｌａｃｉａｎｏｐｅｒａｔｅｒ，ｃｈａｒａｃｔｅｒｉｓｔｉｃ文章编号：１００８－０５７０（２００７）０５－３－０２８５－０２张娟：研究生在读技术创新３基元图像边缘提取３．１织物图像基元提取利用扫描仪将纬编平针组织样本正反面扫描进计算机。

用计算机进行数字图像处理有两个目的，一是产生更适合人类视觉观察和识别的图像，二是希望计算机能够自动对图像进行识别和理解。

但是，无论哪个目的，图像处理的关键一步都有对包含有大量各式各样景物信息的图像进行分解，最终结果图像分成一些具有各种特征的最小成分，称之为图像基元。

由于针织物的组织结构比较特殊，它是由线圈组成的，有一定的连贯性。

所以为了方便分析组织结构，提取的所谓基元图里包含了多个基元特征。

如图２是８６＊８６的纬编平针组织局部图像。

图１纬编平针组织线圈结构模型图３．２缘检测的算子选择图像的边缘是图像的最基本特征。

所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。

物体的边缘是由灰度不连续性所反映的。

经典的边缘提取方法是考察图像的每个像素在某个邻域内灰度的变化，利用边缘一阶或二阶方向导数变化规律。

常用的边缘检测法有微分算子法和拉普拉斯高斯算子法。

微分算子法是一阶导数，它对噪声较敏感。

拉普拉斯高斯算子是对二维函数进行运算的二阶导数算子，它将在边缘处产生一个陡峭的零交叉。

由于噪声点对边缘检测有一定的影响，所以高斯拉普拉斯算子是效果较好的边缘检测器。

他把高斯平滑滤波器和拉普拉斯瑞华滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。

３．３普拉斯高斯算子边缘检测首先把提取到的基元图变成二值图，如图３所示：图３基元的二值图像然后再对二值图像进行拉普拉斯高斯算子边缘检测，采用的高斯拉普拉斯算子是５＊５的模板。

图像与模板卷积结果如图４所示：４艺特征参数提取４．１模型的工艺结构参数针织物的线圈长度由线圈的圈干及其延展线段所组成，一般一毫米作为单位。

线圈长度不仅决定针织物的密度，而且对针织物的脱散性、延伸性、耐磨性、弹性、强力以及抗起球和勾丝性等也有很大的影响，故为针织物的一项重要的物理指标。

图４边缘检测图在一定纱支条件下，针织物的稀密程度可以用针织物的密度来表示。

它反映针织物在规定长度内的线圈数。

通常用横密和纵密表示。

横密是指沿线圈横列方向，规定长度（粗针型为１０ｃｍ。

细针型为５ｃｍ）内的线圈纵行数。

纵密是指沿线圈纵行方向，规定长度（粗针型为１０ｃｍ。

细针型为５ｃｍ）内的线圈横列数。

密度是我国目前考核针织物物理机械性能的一个重要指标。

未充满系数表示针织物在相同密度条件下，纱线支数对其稀密程度的影响。

针织物的未充实系数是根据生产实践经验决定的。

目前一般情况下，棉毛纬平组织针织物，δ＝２０￣２１；棉１＋１罗纹组织针织物，δ＝２１；棉双罗纹组织针织物，δ＝２３￣２４。

如图１线圈结构图所示：ｌ为线圈长度（ｍｍ），Ａ为圈距（ｍｍ），Ｂ为圈高（ｍｍ），ｄ为纱线直径（ｍｍ），ＰＡ为横密，ＰＢ为纵密，Ｎ为总密度。

（１）针织物的线圈长度：（２）（３）（４），其中ｋ，ｋＡ，ＫＢ均为常数。

（５）未充实系数：其中参数Ａ、Ｂ、ｄ均可由图像处理后的采集图像中得到，如图（４）ａ、ｂ所示。

所以从经过图像处理的图像中可以求出这些特征参数。

４．２线圈的排列方式以针织物的线圈横列上的某个线圈为参考基准，定义为线圈１。

这个线圈和其所在线圈纵行相邻两个线圈共有八个接触点，具体如图１所示，依次逆时针标号。

在八个接触点处，当基准线圈压住纵行线圈记作⊙；当基准线圈被纵行线圈压住记做×。

与基准线圈横列相邻的线圈上也同样定义８个点，为线圈２。

研究表明针织物织法不同线圈１、２标号处依次排列的记号也不相同。

在边缘检测图上也能找到规定的８个标记点，具体如图（４）ａ、ｂ所示。

线圈模型上的标记点与边缘检测图上的标记点一一对应。

下表归纳了不同针法的纬编针织物这８个点的排列标记根据对平针组织这８个点的标记排列可以得出如图所示的平针组织正面图，这和图像处理得出的边缘图像是相似的。

５结语通过图像处理得到了纬编平针织物的边缘图像，根据边缘图像可以从中提取出圈高、圈距和纱线直径ｄ。

根据已知的这些参数可以求出提取的线圈模型参数。

（下转第２５４页）技术创新其他进程就无法得到响应。

为此，我们采用资源预留机制为实时进程提供及时的有保护的资源访问模式，实时任务优先级的确定采用ＥＤＦ调度算法，非周期任务使用带宽保留算法，并增加了可调度性测试，具体实现如下：实时任务Ｔ的处理器带宽预留可以记为（ＣＴ，ＰＴ），表示任务Ｔ在周期ＰＴ内最多占用ＣＴ的处理器时间。

定义实时任务的处理器利用率为：ＵＴ＝ＣＴ／ＰＴ（１）现假定实时系统中有ｎ个任务，记为｛Ｔ１，Ｔ２，．．．．．．，Ｔｎ｝，对应着ｎ对资源预留参数，记为（Ｃｉ，Ｐｉ），ｉ＝１，２，．．．．．．，ｎ。

则此任务集可调度的条件为：（２）这里Ｕｍａｘ是实时系统处理器利用率的最大值，不同的调度算法其数值也不相同，用ＲＭ调度算法时这个值大约为０．６７，用ＥＤＦ调度算法时可以达到１，因此我们在实现中通过在在２．６内核中扩展ＥＤＦ调度算法来支持资源预留调度策略，以获得最大的处理器利用率。

当任务集满足上面（２）式的可调度性测试时，所有实时任务的时间约束均可得到满足：当（２）式不能满足时，则一般应保证硬实时任务的处理器利用率大于或等于其最差情况下的利用率，而软实时应用的处理器利用率可以让它小于最差情况，因为其偶尔超时只会引起服务质量的下降，而不会造成系统失败。

这就节省了宝贵的处理器资源，使得保障硬实时应用不错过截至期的情况下，尽可能多地让软实时任务得到调度执行。

当任务Ｔｉ的处理时间Ｃｉ耗尽后，一般的调度策略是在挂起Ｔｉ直至当前周期Ｐｉ结束后再恢复其可用处理器时间Ｃｉ，但这种策略可能导致处理机的空转而降低调度器的效率。

我们在这里引入ＣＢＳ（ＣｏｎｓｔａｎｔＢａｎｄｗｉｄｔｈＳｅｒｖｅｒ）的调度策略，并不马上挂起Ｔｉ，而是通过推迟任务截止期来降低Ｔｉ的优先级来预留处理器资源。

定义任务Ｔｉ的截止期为Ｄｉ，Ｔｉ对处理器的一次请求称为工作（ｊｏｂ），Ｔｉ的第ｊ次工作记为Ｔｉｊ，其到达时间记为Ｒｉｊ，此任务的ＣＢＳ服务器当前工作可用的计算时间记为Ｃｉ，任务Ｔｉ的资源预留参数为（Ｃｉ，Ｐｉ），即在Ｐｉ时间Ｃｉ内可占用处理器时间，则ＣＢＳ的调度策略如下：（１）当一个新的工作Ｔｉｊ在Ｒｉｊ达到时，如果Ｃｉ（Ｄｉ–Ｒｉｊ）／Ｐｉ×Ｃｉ，则新的截止期Ｄｉ设为Ｒｉｊ＋Ｐｉ，并且Ｃｉ被重置为最大值Ｃｉ，否则此次工作用上次的可用计算时间Ｃｉ和截止期Ｄｉ服务。