基于機器視覺的輕薄彈性褲襪檢測方法研究.pdf

1、隨著人們對衣著時尚的不斷追求，市場對褲襪的需求也越來越大，且對褲襪的材料、款式要求也越來越高。目前，褲襪的質(zhì)量檢測主要通過人工完成，存在的問題有褲襪的數(shù)量較多，工人的工作量繁重，勞動強度大，而且這種方法受檢驗人員的主觀因素影響較大，檢驗效率低、漏檢率高，難以得到準確的檢測結(jié)果。因此采用自動檢測技術(shù)是褲襪檢測過程中對其質(zhì)量控制的必然趨勢。本文應(yīng)用小波變換理論對基于機器視覺的輕薄彈性褲襪疵點進行研究，具體內(nèi)容如下：
　　圖像的預(yù)處理：

2、介紹在圖像處理中常用的預(yù)處理方法，分析各自的特點，并通過實驗仿真，對線性空間濾波、中值濾波和自適應(yīng)局部濾波這三種方式的濾波效果進行研究，設(shè)計一種適合輕薄彈性褲襪圖像的濾波處理方法，使褲襪圖像的正常紋理部分得到最大化的濾除，突出疵點區(qū)域。
　　小波分析：選用合適的小波基對經(jīng)過預(yù)處理的待檢測褲襪圖像進行二維離散小波變換，得到褲襪圖像的高頻細節(jié)子圖，在水平方向的細節(jié)子圖像和垂直方向的細節(jié)子圖像中會出現(xiàn)小波系數(shù)的局部極大值，在灰度上表現(xiàn)為

3、灰度的奇異點。由于小波變換具有稀疏性，這些極大值較之分解前更為突出，更加有利于疵點的檢測。
　　疵點識別：從小波分解得到的徑向和緯向細節(jié)子圖像中提取特征值，選取能量、方差、熵作為褲襪圖像的特征值，對含有疵點的褲襪圖像的高頻細節(jié)子圖進行特征提取，并對提取的特征值進行歸一化處理，得到褲襪各個特征值的曲線，然后對得到的特征值曲線進行分析，從而判斷待檢測褲襪中是否含有疵點。
　　疵點分割：對灰度閾值分割、直方圖閾值分割和最大熵閾值分