织物密度图像检测软件研究

文/张惠芳 郭斌 何波 叶翔宇

机织物的密度是单位长度内所包含的经纬纱根数，一般以根/10cm表示，分为经密和纬密。目前，机织物密度测定一般采用GB/T 4668—1995《机织物密度的测定》[1]，标准规定了3种方法：织物分解法、织物分析镜法和移动式织物密度镜法，但这3种方法均是依靠人眼检测，不仅费时费力，还容易出错，对于高支高密、组织结构无规律的面料，更是很难检测。因此很多人研究借助仪器测试机织物密度，例如采用CCD摄像头拍摄机织物图像，通过处理图像得出经纬密度[2]，也有通过织物的扫描图像发现经纬两向纱线间的间隙亮度的变化规律来计算经纬向密度[3]。

本文采用电子显微镜，通过合适的硬件和软件相结合对织物结构进行识别并计算织物纱线之间的距离，以此来计算经纬向的密度，研发出“织物密度图像检测软件”。该方法提高了检测效率，具备测试结果可重复性、稳定性以及数据的精确度，也为实现智能检测奠定基础。

1 方案设计及算法原理

1.1 设计方案

依据GB/T 4668—1995《机织物密度的测定》的原理，开发的软件使用C++语言编写，在Qt平台上结合OpenCV开发，软件包括Android和Windows版本。软件检测流程如下：第一步：加载图片，使用空间滤波算法对图片进行预处理，增强图像信息。织物图像采用1000万像素工业相机拍摄，镜头为0.5倍率远心镜头，配合白色光源，拍摄的布料实际大小为12.82mm×9.17mm。第二步：对织物结构类型进行选取或者进行自动识别（自动模式）。第三步：使用模板匹配算法，获得织物结构位置点集，通过点集计算经向、纬向间距大小，实现织物经度、纬度方向根数识别，最终计算出织物密度。整个检测流程如图1所示。

综上所述,在异位妊娠患者的检测过程中,经阴道超声检测方式相较于经腹彩超检测方式具有更高的应用价值,诊断率高,值得进一步研究推广。

1.2 算法原理

1.2.1 图像增强

在图像采集过程中，由于环境光线以及布料颜色影响，采集到的图片难免加入噪声，出现对比度低现象，需使用空间滤波算法对图像进行增强。

2 想吃药的话吃益生菌（金双歧或培菲康）和乳果糖，促进大便中的食物残渣充分发酵分解，从而能吸收保持一定的水分，软化大便。

A:接受孩子的情绪，别强调必须这样那样，重要点就在两句话“我能够”和“我长大了”。相信自己能够，做事时就不慌张，衣服就不会穿反；为自己的长大而自豪，这种自豪感的“力量”会帮助他克服“睡不够”的烦躁与不安。所以教诲孩子用自我对话的方式，这样很容易获得“内在力量”。

1.2.3 形态学Blob分析

使用该“十字图案”作为一个模板，在整幅图像中的检测模板情况。显而易见，把模板放置在图像中的某一位置，通过比较模板中的强度值和图像中对应值，可以检测模板在哪一位置的存在。因为强度值很少能够很好地匹配，需要测量模板强度值同对应图像值之间的相似度。

平纹类织物的编织结构在图像中表征为“十字图案”，如图4所示。

设模板图像为t（x，y），大小为m×n个像素。在目标图像f（x，y）上从左到右移动m×n大小的匹配窗口，计算每移动一个像素之后窗口内像素与模板像素的相似度，该相似度用NCC参数进行度量，如式（1）所示：

提升小波算法通过构造双正交小波函数，使用线性、非线性或空间变化的预测和更新算子进行提升变换，比较适合于数控机床热误差数据分析，可以有效获取其主要变化特征[7]。

图像增强方法分为两大类：空间域方法和频域方法。空间域方法指的是对图像像素直接处理。设f（x，y）为增强后的图像，（x，y）为像素点坐标。设orig（x，y）为原始图片，m（x，y）为使用掩模（101*101）进行均值滤波后的图像，factor为增强算子，则图像增强算法可以表示为：f（x，y）= round [（255*0.5 - mean）* factor +orig] 。其中round为灰度值取整函数。原始图片和增强后的效果图如图2和图3所示。从图4中可以看出图片的灰度得到了提升，对比度更加明显。

在获得点集后，接下来就是计算经纬向间距，从而计算经纬向根数，最终得出织物密度。

1.2.2 基于灰度的归一化互相关模板匹配

式(1)中μ、σ为窗口大小内图像的灰度均值和方差，NCC范围为[-1,1]，值越大表示相似度越高。对图像进行织物结构模板匹配操作，当找到NCC系数最大值时，即为织物结构组织。图5中标识的绿点即为匹配到的所有织物结构位置。图6为匹配到的点集的二值化图像。

高效液相色谱-四极杆/静电场轨道阱高分辨率质谱法快速检测大鼠血浆中6种附子生物碱 …………… 赛 那等（6）：761

（1）经向点集分类。在图6的点集中，每一个点代表一个织物结构组织位置，在图像中选取合适大小掩模进行形态学闭操作，将所有的点集分类，使得相同经向的点集连在一起，不同经向的点集区分开，如图7所示。

（2）密度计算。设图像的宽高分别为M和N，统计整张图片中所有矩形框内点集的间隔，去掉异常值，使用加权平均算法计算的结果假设为V个像素；统计整张图片中所有相邻矩形框中心点的间隔，去掉异常值，使用加权平均算法计算的结果假设为H个像素。则我们就知道在这张图片中，经向的根数T和纬向的根数W分别为：

在图7中，相同经向的点集已经用“矩形框”框在一起，不同经向的点集也通过不同矩形框相互分开。这里的每一个矩形框就对应于织物的每一根经向。

假设织物密度均匀分布，在得到单张图片的经纬向根数后，相应换算到100mm×100mm范围大小，就可以知道织物的密度数据。

2 结果与讨论

选择经纬密度较高的6块不同织物密度的平纹织物进行验证，主要依据GB/T 4668—1995《机织物密度的测定》的测试方法，分别经过人工检测根数和软件测试，测试结果见表1，并且通过式（2）计算两者偏差率。

式（2）中：Y为软件测试与人工测试的偏差率的绝对值；P软件表示为软件测试数据；P人工表示为人工根据标准检测的数据。

发电厂电气设备检修是一项比较复杂的系统工程，它其中所涉及的因素比较多。随着我国特高压、超大容量电网的快速发展，电气设备的安全运行越来越重要。要做好检修这项工作，不仅需要电厂的各个部门及科室积极配合，而且需要通过严格的监督管理体系和管理制度来制约相关人员，同时加强电力检修人员的培训。只有这样，才能提高设备检修的可靠性，促进电力企业更好的发展。

表1 软件测试与人工检测结果比较

以人工检测数据为标准值，通过对6块织物密度的检测后得出的数据与标准值进行比较，两者相差的比例≤2.6%。但软件测试的时间为1min～2min，而人工测试需要花费至少10min以上[4]，因此采用本软件可以大大降低检测时间，提高效率，也节省了劳动强度。

3 结论

使用C++语言编写，在Qt平台上结合OpenCV开发织物密度测试软件， 代替人工通过密度放大镜来数密度的方法，从而提高织物密度测试的效率，提供更加稳定、可追溯的测试结果，同时对促进纺织服装检测方法朝智能检测发展奠定了一定的基础。