機(jī)織物組織點(diǎn)自動(dòng)識(shí)別的研究.pdf

1、傳統(tǒng)的織物生產(chǎn)過(guò)程主要依靠人工檢測(cè)進(jìn)行來(lái)樣分析，分析效率較低。將數(shù)字圖像處理技術(shù)應(yīng)用于織物結(jié)構(gòu)參數(shù)的自動(dòng)識(shí)別，改變了紡織行業(yè)中傳統(tǒng)的手工操作流程，大大提高了工作效率，對(duì)實(shí)現(xiàn)紡織產(chǎn)品生產(chǎn)的自動(dòng)化、智能化具有重要意義。
　　 本文介紹了一種機(jī)織物組織點(diǎn)自動(dòng)識(shí)別方法。先利用濾波窗口從水平和垂直兩個(gè)方向分解織物圖像，經(jīng)過(guò)合理的二值化、數(shù)學(xué)形態(tài)學(xué)處理，確定組織點(diǎn)的位置；再利用每行（列）紗線的平均灰度變化及單個(gè)組織點(diǎn)圖像經(jīng)緯向紋理特征，判斷

2、組織點(diǎn)類型，輸出機(jī)織物組織圖。經(jīng)過(guò)對(duì)平紋、斜紋、緞紋3種基本組織不同試樣的實(shí)驗(yàn)，表明該方法可以識(shí)別機(jī)織物組織點(diǎn)類型。本文主要內(nèi)容如下：第一章對(duì)國(guó)內(nèi)外各種用于機(jī)織物結(jié)構(gòu)參數(shù)自動(dòng)識(shí)別的圖像處理方法進(jìn)行簡(jiǎn)介和比較，并最終確定本文采用的研究方法。第二章主要闡述織物圖像的采集裝置和光照不勻的校正、Wiener濾波和直方圖均衡化等圖像預(yù)處理方法，并對(duì)預(yù)處理前后的圖像效果進(jìn)行了比較。第三章在圖像預(yù)處理的基礎(chǔ)上，運(yùn)用Wiener濾波、圖像二值化、數(shù)學(xué)形

3、態(tài)學(xué)分析等相關(guān)算法對(duì)透射光圖像進(jìn)行處理，以確定組織點(diǎn)的位置。第四章介紹通過(guò)統(tǒng)計(jì)單行紗線的灰度值變化規(guī)律得到紗線的沉浮規(guī)律，進(jìn)而得到織物組織點(diǎn)類型，輸出織物組織圖。第五章對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析和討論，并從織物組織結(jié)構(gòu)、織物疏密程度、織物顏色、圖像放大倍數(shù)和不同識(shí)別區(qū)域等多方面來(lái)驗(yàn)證該套算法的適用性、可靠性及穩(wěn)定性。第六章對(duì)本論文進(jìn)行了總結(jié)與展望。
　　 本論文所提出的機(jī)織物組織點(diǎn)自動(dòng)識(shí)別算法，具有一定的理論意義和較大的參考價(jià)值，特別在