本发明所述织物的组织判别方法,根据织物的经纬纱线方向的亮度信号有规律的变化而分割出经纬纱线的基础上,根据组织点的纤维具有一定的纹理方向,对经纬纱分割线交叉形成的区域(组织点)进行纤维方向的识别处理,以确定经纬组织点属性,并求出被检测织物的最小组织循环。从而能够针对经纬同色或是经纬密度相同的织物进行组织判别,判别效果准确率较高。1、一种织物的组织判别方法,基于织物通常是由两个相互垂直的纱 线系统交织而成的,织物扫描图像的亮度信号具有一定的变化规律,组 织点的纤维具有一定的纹理方向,其特征在于:根据织物经纬纱线方向 亮度信号有规律的变化而分割出经纬纱线的基础上,由于组织点的纤维 具有一定的纹理方向,对经纬纱分割线交叉形成的区域进行纤维方向的 识别处理,以确定经纬组织点属性,并求出被检测织物的最小组织循环。 2、根据权利要求1所述的织物的组织判别方法,其特征在于:所述 检测方法的流程是, 第一步,对被检测织物进行扫描以获得图像; 第二步,在织物图像上建立相应的坐标系,设定X轴平行于纬纱方向, Y轴平行于经纱方向;向右为X轴的正方向,向下为Y轴的正方向,原点在 左上角;依据在织物图像上建立的坐标系,输入要检测织物组织点的区 域的坐标,获取区域内经纱方向或者纬纱方向上的像素点的平均亮度变 化曲线; 第三步,分割经纬纱线; 针对织物图像上的经纬纱线亮度曲线,对亮度曲线信号进行快速傅 立叶变换(FFT)处理,得出对应于所有组织点的周期值;逐一提取织物 图像亮度曲线的波峰或者波谷以得到每一经纬纱线的分割线的位置,以 此分割出所有经纬纱线; 第四步,对经纬纱分割线交叉形成的区域(组织点)利用图像处理 函数对组织点图像进行处理,测算出该组织点图像中纤维的纹理方向与 正X轴正方向之间的夹角; 第五步,根据夹角范围来识别组织点的属性。 3、根据权利要求2所述的织物的组织判别方法,其特征在于:由经 纬纱线的亮度曲线的信号周期T_J,T_W,分割第一根经纬纱线是在亮度曲线 L_J(L_W)的O-T_J(T_W)之间,找出最大值或最小值L_J(i_j)(L_W(i_w)),即波峰或者 波谷;则点i_j,i_w分别为经纬纱线的第一个波峰位置或者波谷位置,对应 于经纬纱的第一根分割线; 以第一个亮度波峰或者波谷位置i_j,i_w为起点,根据第三步求得的平 均周期确定一个区域范围,在此区域范围内应确保有一根经纬纱线,找 出这个区域内的亮度最大值或最小值,即为经纬纱线的第二根分割线; 以此类推,直至找出所有的经纬纱线的分割线,并在扫描的织物图 像上标注出来。 4、根据权利要求3所述的织物的组织判别方法,其特征在于:以每 根分割出来的分割线为起点,根据第三步求得的平均周期自动确定一个 区域范围,在此区域范围内应确保有一根经纬纱线。 5、根据权利要求2或4所述的织物的组织判别方法,其特征在于:对 经纬纱分割线交叉形成的区域,调用图像处理函数组织点图像进行处理, 测算出该组织点图像中纤维的纹理方向与X轴正方向的夹角; 若夹角小于45°、或者大于135°的,则识别为纬组织点; 若夹角大于45°、或者小于135°的,则识别为经组织点。 技术领域 本发明涉及一种通过织物的扫描图像,根据织物经纬纱线中纤维的 纹理方向来检测织物经纬组织点的方法。 背景技术 现行的织物组织的检测方法,由测试人员通过放大镜进行人工检测, 主观因素对测试结果影响很大,而且效率比较低。 目前利用图像处理技术检测织物组织的技术,其检测方式有很多局 限。如通过经纬异的色织物中的组织点颜色或灰度值的深浅,或是通过 组织点的形状差异来区分同一织物中不同的经、纬组织点等方法。上述 现有检测方法对于经纬同色、或是经纬密度相同的织物来说,根本无法 检测。 发明内容 本发明所述织物的组织判别方法,其设计目的在于解决上述问题和 缺陷而根据织物的经纬纱线方向的亮度信号有规律的变化而分割出经纬 纱线的基础上,根据组织点的纤维具有一定的纹理方向,对经纬纱分割 线交叉形成的区域(组织点)进行纤维方向的识别处理,以确定经纬组 织点属性,并求出被检测织物的最小组织循环。 为实现上述发明目的,基于织物通常是由两个相互垂直的纱线系统 交织而成的,织物扫描图像的亮度信号具有一定的变化规律,组织点的 纤维具有一定的纹理方向。 根据织物经纬纱线方向亮度信号有规律的变化而分割出经纬纱线的 基础上,由于组织点的纤维具有一定的纹理方向,对经纬纱分割线交叉 形成的区域进行纤维方向的识别处理,以确定经纬组织点属性,并求出 被检测织物的最小组织循环。 所述判别织物组织的方法流程及其原理是: 第一步,对被检测织物进行扫描以获得图像; 通常采用较高的分辨率,取样窗口根据织物组织循环的大小决定。 一般为织物组织循环的两至三倍即可。 第二步,提取织物经纬纱线亮度曲线; 在织物图像上建立相应的坐标系,设定X轴平行于纬纱方向,Y轴平 行于经纱方向;向右为X轴的正方向,向下为Y轴的正方向;原点在左上 角;依据在织物图像上建立的坐标系,输入要检测经纬密度的区域的坐 标,获取区域内经纱方向或者纬纱方向上的像素点的平均亮度变化曲线。 根据研究结果表明,纱线在织物内的屈曲状态可由正弦曲线近似描 述,截面形态近似椭圆。因此在纱线的轴心线上垂直高度值最大,在纱线 的其余空间位置上垂直高度值渐减,这就使得织物图像在纱线的轴心线、 纱线其余部分以及纱线之间空隙处出现明显的亮度梯度,亮度由高到低 的排列依次为:纱线的轴心线、纱线的其余部分、纱线之间的空隙处。 设任一象素点的坐标为(x,y),其亮度值表示为f(x,y)。 则该纱线的各行象素点的亮度平均值为: L ( y ) = 1 M Σ x = 0 M - 1 f ( x , y ) - - - ( 1 ) ]]>各列的像素点亮度的平均值为: L ( x ) = 1 N Σ x = 0 N - 1 f ( x , y ) - - - ( 2 ) ]]>其中,M、N分别为x,y轴方向上的图像样本的象素点数。 由于亮度曲线的交变信号反映了经纬纱线位置的更替,因此根据公 式(1)、(2)在织物图像上标注出的经纱或者纬纱的亮度曲线,可以找出 经纬纱线的亮度曲线的波峰或者波谷的位置,从而确定经纬纱线的分割 线。 第三步,求出经纬纱线亮度曲线的周期,分割经纬纱线; 针对织物图像上的每一轴线亮度曲线,进行快速傅立叶变换(FFT), 得出对应于所有组织点的周期值。 由经纬纱线的亮度曲线的信号周期T_J,T_W,逐一提取织物图像亮度的 波峰值或者波谷值以得到每一经纬纱线的分割线的位置,以此分割出所 有经纬纱线; 即在亮度曲线L_J(L_W)的O-T_J(T_W)之间,找出亮度最大值或者最小值 L_J(i_j)(L_W(i_w)),即波峰或者波谷,则点i_j,i_w分别为经纬纱线的第一个波 峰位置或者波谷位置,对应于经纬纱的第一根分割线;以第一个亮度波 峰或者波谷位置i_j,i_w为起点,根据求得的平均周期T_J,T_W自动确定一个 区域范围(在此区域范围内应确保有一根经纬纱线)找出这个区域内的 亮度最大值或者最小值,即为经纬纱线的第二根分割线; 以此类推,以每根分割出来的经纬纱线的分割线为起点,根据平均 周期确定一个区域范围,找出这个区域内的亮度最大值或这最小值,即 经纬纱线的分割线的位置,直至找出所有的经纬纱线的分割线,并在扫 描的织物图像上标注出来。 第四步,判断组织点中纤维的纹理方向与正X轴正方向之间的夹角 对经纬纱分割线交叉形成的区域(组织点)利用图像处理函数对组 织点图像进行处理,测算出该组织点图像中纤维的纹理方向与正X轴正方 向之间的夹角; 第五步,根据夹角范围来识别组织点的属性。 经过对大量织物进行测试分析,95%以上的织物的经组织点中纤维的 纹理方向,与正x轴方向夹角大于45°或者小于135°;而纬组织点中纤 维的纹理方向,与正x轴方向夹角小于45°或者大于135°。 对第四步检测出的组织点图像中纤维的纹理方向与正X轴正方向之 间的夹角进行判断,若夹角小于45°、或者大于135°的,则识别为纬组 织点;若夹角大于45°、或者小于135°的,则识别为经组织点。直到把 所有的组织点都判断出来 第六步,对第五步检测出来的结构进行人工检查和纠正,确定最小 的织物组织循环。 由于在织物扫描图像上有少数的组织点纹理方向不是很明显,会导 致自动检测错误。因此需要人工对检测出的结果进行检查和纠正,保证 所有的检测点都判断正确,然后即可自动检测出织物最小的组织循环 如上内容,所述织物的组织判别方法的优点是,能够针对经纬同色 或是经纬密度相同的织物进行组织判别,判别效果准确率较高。 附图说明 图1是应用本发明所述织物的组织判别方法的系统构成图; 图2是图1中数据处理过程的示意图; 图3是所述织物纱线捻向示意图; 图4是图3所示纱线捻回角示意图; 图5是所述织物的原始图像; 图6是通过图像分析得到的纤维的纹理走向示意图; 图7是采用3200dpi的分辨率扫描的织物图像; 图8是所述分割出的织物经纬纱线示意图; 图9是织物组织点识别结果图; 表1是实施例1得出的组织点判别结果对比。 具体实施方式 实施例1,如图1和图2所示,应用本发明所述织物的组织判别方 法的检测系统结构原理图和数据处理流程图。 如图3至图9所示,所述织物的组织判别方法是, 首先,对被检测织物进行扫描以获得图像; 分辨率选取为3200dpi,因为本实施例中的组织循环较小,所以取样 窗口较小,长和宽都不到1cm,织物取样的位置的纹路清晰、表面干净无 污渍、经纬纱排列较整齐;扫描时,将织物的经纬纱线保持横平竖直; 扫描图像为反射图像,保存格式为BMP位图格式。 其次,依据在织物图像上建立的坐标系,输入要检测织物组织点的 区域,获取区域内经纱方向或者纬纱方向上的象素点的平均亮度变化曲 线。 在织物图像上建立相应的坐标系,设定x轴平行于纬纱,y轴平行于 经纱。则任一象素点的坐标为(x,y),其亮度值表示为f(x,y); 因为织物图像在纱线的轴心线、纱线其余部分、以及纱线之间的空 隙处,出现明显的亮度梯度,所以根据区域内经纱方向或者纬纱方向上 的像素点的平均亮度值,即可获取区域内经纱方向或者纬纱方向上的象 素点的有规律变化的平均亮度变化曲线。 再次,对扫描图像进行经纬纱线的分割。 针对织物图像上的每一轴线亮度曲线,进行快速傅立叶变换(FFT), 得出对应于所有组织点的周期值。 然后,由经纬纱线的亮度曲线的信号周期T_J,T_W,逐一提取织物图像 亮度的波峰值以得到每一经纬纱线的间隙中心,以此分割出所有经纬纱 线。 最后,判断织物经纬组织点的类型。 对经纬纱分割线交叉形成的区域(组织点)进行判断,并将判断后 的结果以1代表经组织点0代表纬组织点的形式在织物图像上显示出来。 此实施例中的检测结果见附图图9中织物经纬纱分割线交叉的区域 内标记上的组织点类型 如图9所示,采用人工方式对附图图9中组织点识别结果下面编辑框 中系统检测的组织点结果进行检查,并将正确的结果填入编辑框中,经 人工检查,有几个组织点由于纹理方向不明显,导致自动检测错误。在 组织点识别对话框中进行纠正,然后点击人工纠正后结果,在下面的编 辑框中显示01 10即检测出的织物组织点的最小组织循环,为一上一下的 平纹。 附图表1所示的是采用根据组织点纤维方向判断组织点类型的方法 对单个组织点进行检测的结果,所测试的共20个组织点,10个经组织点, 10个为组织点。最后经组织点检测中8个正确,2个错误。纬组织点检测 中9个正确,1个错误。所以自动检测的正确率为85%,进行人工检查和纠 正后准确率为100%。 以上是结合附图所给出的实施例,仅是实现本发明目的的优选方案。 对于所属领域技术人员来说可以据此得到启示,而直接推导出符合本发 明设计构思的其他替代内容,也应属于本发明所述的权利保护范围。