应用图像空域法的针织物密度在线测量

张孝超， 李 平， 金福江

(华侨大学 信息科学与工程学院， 福建 厦门 361021)



应用图像空域法的针织物密度在线测量

张孝超， 李 平， 金福江

(华侨大学 信息科学与工程学院， 福建 厦门 361021)

人工测量针织物密度的方法存在耗时、不能连续测量的缺点，且人工测量也无法满足在线控制针织物密度的要求，为此，提出一种应用空间域法对针织物图像处理得到其密度的方法。在针织物二值化图像基础上，根据针织物纹理特点提取出表征织物横密的纱线后，应用改进的Hough变换检测得到图像中针织物的横纱数目；然后根据横纱提取每行线圈，采用核密度估计对针织物线圈间距的统计量进行密度估计，得到标准的线圈间距，进而计算得到图像中横向平均线圈数；再通过换算得到针织物的密度。验证结果表明该方法实用有效。

针织物密度测量； 图像增强； Hough变换； 核密度估计

织物密度不仅对织物的外观、厚度、手感、抗折性、透气性、耐磨性等物理机械特性有直接影响，而且对生产成本的控制及生产效率的提高也有重要意义。纺织行业现用的密度测量方法多是利用纬密镜进行人工离线测量，这种方法在实际操作中存在诸多弊端：首先，人工离线测量不仅费时费力，而且疲劳后容易产生较大的测量误差；其次，离线测量的时效性较差，无法满足对织物密度自动控制的要求。随着计算机技术的发展，数字图像处理技术在纺织领域得到广泛应用，如傅里叶变换[1-3]、快速傅里叶变换[4-6]和小波变换[6-9]等方法的应用，但这些研究多集中在机织物密度的测定，而对针织物密度的测量研究相对较少。以往对针织物密度的测量研究也多是在借鉴机织物密度测量方法上形成。文献[10]采用一维傅里叶变换对针织物进行了分析，通过对图像逐行或逐列相加后的和进行一维傅里叶变换，从弱化针织物线圈的不均匀及各线圈沿纵向和横向不严格沿直线分布带来的不良影响，但其需要针织物线圈纵行基本平行于垂直方向，横列垂直于纵行。如果织物倾斜，行或列的叠加必然覆盖灰度变化的周期特性，且线圈的不完整性对叠加后周期的稳定也存在一定影响。

二维傅里叶变换分析整体织物，主要有2种方法：一是对图像校正，使织物的纵行平行于垂直方向，横列垂直于纵行，从而使频谱图中亮斑的连线也在水平与垂直方向，便于频谱图分析。如文献[11]采用二维傅里叶变换，对频谱图进行水平和垂直方向投影检测得到针织物密度，但必然要求织物无倾斜；二是根据傅里叶变换旋转不变性，对织物进行二维傅里叶变换，由于织物倾斜度未知，频谱图特征点为亮斑形式，且亮斑较多，所以频谱图分析较为复杂。如文献[12]报道，在傅里叶频谱图中采用多种滤波技术提取特征点然后通过傅里叶逆变换重构图像，但其特征点的提取较为繁琐。文献[13]采用小波分析对纬平针织物密度进行了研究，而小波变换是将图像分解为水平与垂直方向信息，所以对有一定倾斜的针织物图像仍需要预处理阶段的有效纠正，才能达到理想的辨识效果。

本文为解决由于织物倾斜和线圈不完整造成检测不理想的问题，在图像的空间域对其进行处理。根据针织物骨架化后组织结构的特点提出横向连续纱线的提取方法，由Hough变换进行识别，得到图像的横纱数。然后通过Hough变换标记线对织物图像进行分割，分别提取相邻标记线间的线圈，通过统计分析得到每行相邻线圈质心的间距。由概率密度估计得到标准的间距值，图像宽度与标准间距比值即为平均的线圈数。最后通过换算得到针织物密度。这种方法减小了对织物线圈完整性与均匀性的依赖，尤其对一定范围内倾斜的针织物图像具有良好的检测效果。

1 图像的预处理

针织物成像过程中受不均匀光照与光照方式的影响，织物图像存在灰度不均和灰度范围偏窄的问题，所以在针织物密度分析前需要对其进行预处理。本文以单面平纹组织织物和罗纹针织物为研究对象，采用背光侧打光成像，即光源设置在织物反面，利用工业相机在织物正面获得织物正面的纹理结构。采用该方式成像的织物表面其毛羽与纱线细节可被弱化，织物纹理特征清晰。为方便编程处理对图像旋转，因此本文的图像中针织物的纵密是实际织物的横密，图像中针织物的横密是实际织物的纵密。原灰度图像及其灰度直方图如图1所示。之后再对图像进行二值化处理，在有效突出图像几何特征的同时使待处理的数据量大大减少。

图1 原灰度图像及灰度直方图Fig.1 Original gray image (a) and histogram (b)

1.1 图像的增强

由图1中灰度直方图可知图像的灰度范围较窄，且近似单峰分布，所以其背景色与前景色对比度不明显。空域图像对比度的增强是通过对图像像素点的灰度变换实现的，灰度变换的过程主要分2部分：一是映射函数的选择，本文选用直线拉伸的方法；二是确定需要变换的灰度范围，不论灰度直方图为单峰或双峰，均可根据直方图形成的曲线下覆盖的面积比率进行灰度范围的确定。以峰值点为起始点向两侧叠加不同灰度值对应的像素数，当和值与总像素点数之比达到面积比率值时对应的灰度范围为需拉伸的灰度范围。本文取面积比率为0.8，经过灰度调整后的图像及其灰度直方图如图2所示。

图2 调整后灰度图像及灰度直方图Fig.2 Adjusted gray image (a) and histogram (b)

经过对比可看出，将灰度值的范围扩展至0～255像素点，使得像素点间的灰度差增大，调整后的图像比原图像中针织物有更为清晰的纹理结构。

1.2 图像的二值化

图像的二值化是将灰度图像转化为二值图像的过程。灰度图像像素点的灰度值为0～255，即将图像分成256个亮度等级，其中灰度值为0的像素点为全黑，灰度值为255的像素点为全白。二值图像每个像素点只取0和1离散值中的一个，在二值图像中，值为0的像素点显示为黑色，值为1的像素点显示为白色。图像二值化的过程就是根据合理的阈值将灰度图像灰度值小于阈值的点设置为0，将灰度值大于阈值的点设置为1的处理过程。图像二值化的关键在于阈值的选取，合理的阈值可使二值化后的图像准确反映原灰度图像的整体与局部特征。

分析调整后的灰度图像亮度不均匀，直接采用全局阈值算法对图像进行二值化处理后图像中某一部分纱线和边缘并不能得到有效区分，在图像模糊处该影响更加明显。故本文采用局部阈值二值化方法[14]，通过将图像分块获取其局部二值化所需的阈值。首先以需二值化的像素点为中心点，定义一个窗口Am×n，该窗口在图像中是一个m×n的矩阵。对该窗口内像素点灰度值求均值，若坐标(x,y)像素点的灰度值为f(x,y)，则窗口平均灰度值为

(1)

(2)

对于边沿像素点不满足窗口大小时，窗口下限取1，上限分别为图像宽度值与高度值即可。根据上述算法进行二值化处理，窗口宽度为图像宽度的1/8，窗口高度为图像高度的1/8。且m、n取偶数。处理后的二值化图像如图3所示。

图3 二值化图像Fig.3 Binary image

2 针织物图像中线圈的统计

2.1 针织物图像中线圈的纵向统计

针织物密度的最小单位是线圈。图3中椭圆形的白色封闭区域为线圈对应的圈柱，横向具有连续特征的部分是线圈间缠绕形成的结构，为处理方便将其视为1根横向纱线。分析图像可知：图像中一根横向纱线即代表1行线圈，进而可用于计算纵向线圈数。由于线圈间的纱线与线圈在二值图像中的灰度值没有差异，即其灰度值为1的白色点，所以通过灰度值是无法区分线圈间的纱线与线圈。考虑线圈间的纱线在横向具有连续性，而线圈均为较短的结构，二者的几何特征相差很大，所以可根据其几何特征将图像中线圈间的纱线提取出来进行分析。

2.1.1 针织物图像中横向纱线的提取

图像中横向纱线在横向具有较好的连续性，而线圈对应的纱线则呈椭圆形的单个封闭组织。通过骨架化[15]处理得到横向细长的纱线轮廓与纵向短小的线圈轮廓，如图4所示。

图4 图像的骨架化图Fig.4 Skeletal image

针对提取骨架后的图像，可由Hough变换提取纱线。为进一步提高Hough变换检测直线时的精确度，在骨架化图像的基础上进行横向纱线提取。由于横向纱线实际上并不是1根完整的纱线，而是线圈间钩织形成，所以其在连续的同时还表现出小的弯曲。如直接采用消除毛刺的方法会严重破坏横向纱线的连续性，本文根据横向纱线连续的特性，提出一种新的方法用于区分横向纱线与线圈，即通过对图像中线圈的过滤，保留横向纱线。主要是根据骨架化不改变连通域连通的特性，对每个与横向纱线像素点的灰度值相同的像素点进行连通方向的延伸，直至出现不连通的点停止，然后根据其延伸距离与标准长度进行比较，保留或舍弃该方向延伸过的所有像素点。标准长度可通过统计图像中线段的长度获得，可设置为线圈骨架平均长度的2倍。

根据提取规则，首先定义一个像素点(x,y)，假设其灰度值f(x,y)=0，定义在点(x,y)处的延伸方向为F(x,y)。F(x,y)是在周围点的灰度值为0时，根据周围点相对(x,y)坐标位置确定的。

F(x,y)=

(3)

式中存在1个点对应2个延伸方向时分别向不同方向进行延伸检测现象，以点(x-1,y-1)为例，若f(x-1,y-1)=0，则由式(3)可得到其延伸的2个方向：向上和向左。其示意图如图5所示。

图5 点(x-1,y-1)的方向Fig.5 Direction of point (x-1,y-1)

经过上述针织物横纱提取程序处理后便可得到横纱的图像，为便于观察将其加粗处理，结果如图6所示。

图6 提取得到的含有横向纱的图像Fig.6 Image of yarns extracted

2.1.2 针织物横向纱线的统计

对针织物横纱进行提取后图像中基本只含有需要识别的横向纱线，这样有效地降低了对Hough变换中参数复杂且苛刻的要求，但由于横向纱线提取过程中存在部分不连续的特殊情况，Hough变换中会存在同一条直线段被分段标记为多个部分的现象，如图7所示。

图7 Hough变换检测得到的直线Fig.7 Lines were signed by Hough transform

针对上述问题，本文根据检测得到的直线段所在直线间的距离进行了有效性检验。其过程分为2个部分：1)通过延长每条直线段得到直线与图像左右边缘的交点，比较交点坐标纵坐标值与图像宽度大小，滤除超出图像上下边界的直线；2)在上述基础上对线段延长线与图像一侧边缘交点的间距进行比较分析，统计每条线段的斜率，大部分线段的斜率会保持在一个数值的小范围内波动，对于不符合要求的线段予以删除；对过滤后的线段作延长线求取延长线与图像边缘的交点，通过统计相邻交点纵向距离，得到相邻纱线间的参考距离，将相邻交点间纵向小于参考距离一半或重合的相邻点删除其中之一，即可删除重合直线，保留其中1条，便得到代表织物横向纱线的线段。

假设图像中Hough变换检测得到的线段延长线与图像左边沿交点的坐标值分别为(1,N1)、(1,N2)、…、(1,Nk)，则可以得到相邻两条直线间间距E1、E2、…、Ek，其中

(4)

其均值:

(5)

图8 经过有效性检验得到的直线Fig.8 Lines were dealt by program

2.2 针织物图像中线圈的横向统计

针织物纵密指横向单位长度内线圈的数目。横向线圈的提取需要根据得到的纱线对图像进行分割，获得针织物图像的局部特征，然后对局部图像分别进行统计分析，得到线圈数。

2.2.1 针织物局部线圈的提取

本文采用掩膜图像与二值化图像叠加的方式得到相邻两根横向纱线间包含的线圈图像。掩膜图像的构造：首先构造与原图像等大小的全白色二值图像，图像像素点灰度值为1；再根据Hough变换中标记出的纱线位置将某一相邻横向纱线间区域对应在全白图像上的这个区域内像素点灰度值设置为0，即黑色点，这样就得到了掩膜图像。将得到的掩膜图像与二值化图像进行叠加，叠加后白色的点域被白色覆盖，黑色点域便保留了二值化图像中局部线圈的信息，即提取出了图像的局部线圈，如图9所示。

图9 提取出的某一行线圈对应的纱线图
Fig.9 One row of coils extracted from binary image

2.2.2 针织物局部图像中线圈的统计

由于针织物线圈对应的纱线呈封闭的椭圆形，可得到每个椭圆形状的重心、面积等几何特征。本文采用针织物相邻线圈间间距特征完成对针织物线圈数量的统计。具体过程是通过对针织物相邻线圈间距的统计分析得到标准的线圈间距，通过图像的横向宽度与标准间距的比值得到该图像中的线圈数目。对每行线圈中椭圆形质心的间距进行统计得到的频率直方图(见图10)。

图10 纱线间距的频率直方图Fig.10 Frequency histogram for yarn space

图中横坐标表示相邻线圈间距值，纵坐标表示对应该间距值的数目。对标准间距的计算是通过综合不同间距及其数目确定的。本文将其转化为概率问题：通过综合每个间距值与其周围间距值对应的纵坐标大小给出该点的概率密度，该点的概率密度代表该间距值下的概率，从而可将概率密度值最大点对应的间距值视为标准间距值。

本文提出采用核函数方法实现该密度估计。核密度估计定义：设x1、x2、x3、……、xn是取自一元连续总体的样本，在任意点x处的总体密度函数f(x)的核密度估计定义[16]为

(6)

式中：K()为核函数；h为窗宽。

核函数K()为一个权函数，核函数的形状和阈值控制用来估计f(x)在点x的值时所用数据点的个数和利用程度。采用核函数方法实现密度估计需要确定核函数形式及窗宽大小。根据核密度估计的定义可知：对某一点的密度估计值与该点邻域范围内所有点样本观测值有关。邻域范围不仅与K()形式有关还与窗宽h有关。标准间距主要由直方图中分布集中的区域估计得到，分析可知该部分一般均符合正态分布，所以核函数的选取采用高斯核函数比较合适。本文选用高斯核函数见式(7)。

(7)

其窗宽的大小不仅与样本容量有关，而且与总体的分布存在关系，本文通过求密度和其逼近之间的均值积分平方误差最小方法获得窗宽的计算公式为

(8)

式中：p为变量个数，本文p=1；σ为总体的标准差，可由样本标准差替代。以给出的一组纱线间距为例，其密度估计如图11所示。

图11 高斯核函数的密度估计图Fig.11 Diagram of Gauss kernel density estimation

通过密度估计曲线求取曲线的峰值点对应的横坐标值。谷点对应的横坐标值为分类点，最大峰值对应的横坐标为标准间距值。假设图像横向宽度为W，标准线圈间距为d，则该局部图像中线圈数目为

(9)

3 针织物密度计算与验证

3.1 针织物密度的计算

针织物横(纵)密度是以纵向(横向)10 cm长度范围内线圈数目为标准计算得到的。针织物图像的获得可以通过扫描仪或工业相机得到。本文针织物图像的获取采用工业相机，为200万像素，感光元件对角线长为8.47 mm，CMOS彩色，分辨率为1 600像素×1 200像素，单筒连续变倍，目镜放大倍率为0.35，物镜放大倍率为0.7～4.5。光源设置在织物反面，相机在织物正面成像。由于相机上下边缘对图像虚化严重，故截取图像中间部分进行分析，被分析图像的大小为1 600像素×690像素。经标定可知该图像区域对应的实际范围为13.5 mm×5.8 mm。根据密度定义可知图像对应的纵密为

(10)

在2.1.2中直线的有效性检验可以使得图像中完整的横向纱线被提取保留，不完整横向纱线被删除，故第1行与最后1行横纱都是整行。由于横向纱线在图像中数量较少，为减小计算误差，需要根据图像中第1条纱线与最后1条纱线位置计算有效的像素值

D=Nk-N1

(11)

则针织物横密为

(12)

3.2 实验验证

本文针对针织物的密度进行研究，采用单面平纹组织织物与罗纹针织物进行实验验证。分别取6块纯色的成品织物，对每块织物一定范围拍摄样张，为保证图像的有效性，图像中纱线应在10个像素点以上。将拍摄样张输入计算机，通过本文程序进行验证，然后与人工检测得到的结果进行比较，以人工检测结果为标准值，计算其误差为

(13)

实验数据如表1所示。

表1 人工测量值与本文自动测量值Tab.1 Manual measurement values and automatic measurement values

通过实验数据可知，经程序处理得到的针织物横密与人工测量得到的数值误差在1.8%以内，纵密误差保持在1%以内，且有较快的检测速度。为比较2种检测方法差异的显著性，采用成对数据的t检验方法[13]进行检验：

假设H0的显著水平为0.05的拒绝域为

(14)

式中Sd为样本方差。由表1数据可得

所以不拒绝H0，认为2种测定方法无显著性差异。

4 结 语

本文通过对针织物图像的增强与二值化处理，得到针织物的纹理特征。经过骨架化处理提取横向纱线后采用Hough变换识别图像中针织物的横向纱线，进而通过检测得到的横向纱线分别提取相邻纱线间线圈，根据线圈对应纱线间间距概率方法得到图像中横向线圈数目。最后将人工测量值与本文方法的测量值进行对比，可知本文测量方法可得到较好的测量效果。同时还需要指出，工业相机的成像范围对针织物密度计算的精度有一定影响，在本文方法可识别条件下，成像范围越大，最终计算得到的针织物密度精度也越高。

FZXB

[1] 辛斌杰, 余序芬, 吴兆平. 机织物经纬密测量的图像处理技术[J]. 中国纺织大学学报, 1999,25(3):34-36. XIN Binjie, YU Xufen, WU Zhaoping. Automatic measurement of the yarn density of woven fabric[J]. Journal of China Textile University,1999,25(3):34-36.

[2] 官伟波. 利用数字图像分析方法测定纬编针织物的密度[J]. 江苏纺织, 2003(4):39-41. GUAN Weibo. The measurement for density of weft knitted fabric using digital image analysis method[J]. Jiangsu Textile,2003(4):39-41.

[3] 方明, 宋广礼. 数字图像处理技术在针织物检测中的应用[J]. 针织工业, 2008(3):61-63. FANG Ming, SONG Guangli. Application of digital image processing technology in the detection of knitted fabric [J]. Knitting Industries, 2008(3):61-63.

[4] 徐步高. 快速傅立叶变换在织物结构分析中的应用[J].西北纺织工学院学报,1996,10(4):343-352. XU Bugao. Application of FFT in the analysis of fabric structure[J]. Journal of Northwest Institute of Textile, 2008(3):61-63.

[5] 张长胜, 司伟, 段亚峰. 用图像处理技术快速检测机织物的经纬密度[J]. 毛纺科技, 2006(2):46-49. ZHANG Changsheng, SI Wei, DUAN Yafeng. Fast determining to the density of fabric based on computer image processing[J]. Wool Textile Journal, 2006(2):46-49.

[6] 冯毅力, 李汝勤. 用小波变换法自动测量机织物经纬密度[J]. 纺织学报,2001,22(2):30-31. FENG Yili, LI Ruqin. Automatic measurement of weave count with wavelet transfer[J]. Journal of Textile Research, 2001,22(2):30-31.

[7] 李立轻, 陈霞, 黄秀宝. 基于自适应正交小波的机织物密度自动检测的研究[J]. 东华大学学报, 2005,31(1):63-65. LI Liqing, CHEN Xia, HUANG Xiubao. Automatic inspection of weaving density for woven fabrics using adaptive wavelets[J]. Journal of Donghua University, 2005, 31(1):63-65.

[8] 吴小清, 邓中民, 王芳，等. 基于MatLab的机织物密度自动检测[J]. 纺织科技进展, 2005(6):70-74. WU Xiaoqing, ZHENG Zhongmin, WANG Fang， et al. Automatic detection density of woven based on MatLab[J]. Progress in Textile Science & Technology, 2005(6):70-74.

[9] LAINE A, FAN J. Texture classification by wavelet packet signatures[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence，1993(15):1186-1191.

[10] 孙晓明, 官伟波, 王晋棠. 基于傅立叶变换的针织物密度分析[J].江南大学学报:自然科学版, 2003,2(2):172-175. SUN Xiaoming, GUAN Weibo, WANG Jintang. Analyzing of knitting fabric′s density based on DFT[J]. Journal of Southern Yangtze University： Natural Science Edition, 2003, 2(2):172-175.

[11] 赵延旭, 龙海如. 利用图像处理技术自动测量针织物密度的研究[J]. 东华大学学报, 2004,30(6):46-49. ZHAO Yanxu, LONG Hairu. Study on the automatic measurement of the density of knitted fabrics by image progressing[J]. Journal of Donghua University, 2004,30 (6):46-49.

[12] 陈莉, 宋广礼. 二维傅里叶变换在针织物的密度测量中的应用[J]. 东华大学学报, 2004,30(5):69-72. CHEN Li, SONG Guangli. Measuring the density of knitted fabric with 2-D Fourier transform techni-ques [J]. Journal of Donghua University,2004,30(5):69-72.

[13] 花勇, 龙海如. 基于图像处理技术的纬平针织物结构参数测量[J]. 纺织科技进展, 2010(6):60-62. HUA Yong, LONG Hairu. Measurement of weave parameters of weft plain knitted fabrics based on image progressing[J]. Progress in Textile Science & Technology, 2010(6):60-62.

[14] 马驰, 张红云. 改进的多阈值动态二值化算法[J]. 计算机工程, 2006,32(6):203-205. MA Chi, ZHANG Hongyun. Improved multi-threshold and dynamic binarization algorithm[J]. Computer Engineering, 2006,32(6): 203-205.

[15] 周品, 李晓东. MatLab数字图像处理[M]. 北京：清华大学出版社, 2012:397-399. ZHOU Pin, LI Xiaodong. MatLab Digital Image Processing[M]. Beijing: Tsinghua University Press, 2012:397-399.

[16] 周品. MatLab概率与数理统计[M]. 北京:清华大学出版社, 2012:300-350. ZHOU Pin. MatLab Probability and Statistics[M]. Beijing: Tsinghua University Press, 2012:300-350.

欢迎订阅《毛纺科技》

《毛纺科技》创刊于1973年，是由中国纺织工业联合会主管，中国纺织信息中心和中国纺织工程学会主办，中国纺织工程学会毛纺专业委员会和《毛纺科技》杂志社编辑出版，是毛纺工业系统的全国性科技综合期刊。《毛纺科技》系全国中文核心期刊、中国科技核心期刊，被中国科学引文数据库、中国学术期刊综合评价数据库、中国期刊全文数据库、万方数据-数字化期刊群、中国科技论文统计源期刊数据库、美国《化学文摘》(CA)、荷兰Elsevier Science数据库等多个国内外著名数据库收录。

《毛纺科技》立足于为读者服务、为企业服务的宗旨，报道国内外毛纺织染及相关专业的新工艺、新技术、新产品、新设备、新趋势的科研成果及学术论文，内容涉及到毛纺织、毛针织、麻纺织、服装等各专业领域。创刊40多年来，一直受到纺织界同行的关注和支持，在促进我国毛纺工业及相关产业的科技进步，推动国内外新技术的交流与推广，加强各级领导的宏观决策能力，增强企业的活力和市场竞争力，创造社会效益和经济效益等方面起到了很好的作用。已成为企业工程技术人员及管理人员，纺织高等院校师生，科研院所研究人员的必备读物。

《毛纺科技》为月刊，每月5日出版；国际标准大16开，采用铜版纸印刷。刊号为ISSN1003-1456/CN11-2386/TS，国内外公开发行，读者可以通过全国各地邮局订阅，也可以直接在本刊编辑部办理订阅及邮购。

订阅须知：邮发代号2-195，全年12期，2016年每册定价15元，全年12期共180元(含邮费)。

联系电话：010-65913844，65008693；传真：010-65913844；网址：http://www.wooltex.org；E-mail: mfkj333@sina.com

地址：北京市朝阳区延静里中街3号主楼603室(100025)

Online measurement for density of knitted fabric by spatial domain image method

ZHANG Xiaochao， LI Ping， JIN Fujiang

(CollegeofInformationScienceandEngineering，HuaqiaoUniversity，Xiamen，Fujian361021，China)

The manual measurement of knitted fabric′s density was time-consuming and discontinuous and the offline measurement cannot satisfy the demand for online controll of the knitted fabric′s density. Hence, a method for determining knitted fabric′s density based on spatial domain image is proposed. The yarns presented knitted fabric′s horizontal density are extracted based on the feature of texture in binary image, then the number of knitted fabric′s horizontal yarns in image is obtained by applying modified Hough transform. Then every row′s coils in horizontal direction are extracted according to the horizontal yarns. The normal coil-span is obtained through kernel density estimation to coil-span′s statistic, then the mean number of coils in horizontal direction can be calculated. The density of knitted fabric is obtained based on the data.The result of experiment shows that this method is effective.

detection for density of knitted fabric; image enhancement; Hough transform; kernel density estimation

10.13475/j.fzxb.20141000408

2014-10-07

2015-05-14

国家自然科学基金项目(61273069,61203040)；中央高校基本科研业务费-国家自然科学基金培育计划专项基金资助项目(JBZR1204)；福建省高校产学合作科技重大项目(2013H6016, 2011H6019)

张孝超(1988—)，男，硕士生。主要研究方向为智能技术与自动化装置。李平，通信作者，E-mail:pingping_1213@126.com。

TS 181.8

A