浅谈计算机图像处理技术在纺织工业中的运用

2021-12-11

轻纺工业与技术 2021年3期

（衡水职业技术学院，河北衡水 053000）

0 引言

在众多的现代化技术手段中，图像处理技术是其中一门重要的学科技术，其涉及到计算机科学、几何学、数字信号处理、信息论、模式识别等诸多领域知识，通过这些领域知识的相互交叉，从而演变出图像处理技术这样一种新型的边缘学科。对于图像处理技术来说，其发展时间并不长，距今为止也仅有短短的二三十年时间，但是自图像处理技术出现以来，便得到了迅速的普及与应用，尤其是在纺织工业中，已经普遍采用数字图像分析技术。可以说，该技术在纺织工业中具有非常广阔的发展前景。

1 纺织业的图像处理特点

现代纺织企业在生产和制作纺织物品时，需要深入分析与评估纺织品所需原材料以及半成品与成品的质量，这就需要应用计算机系统对纺织品样品进行采集，以此实施数字化处理。在此过程中，便需要运用到二维傅立叶变换技术，该技术是将空间内的图像实施转换，以使其成为频域内的复函数。在二维傅立叶变换技术中，可以通过不同频率的变化幅度来反映图像中的灰度强度分布情况，并且利用傅立叶变换还能使图像内的指定方向灰度梯度变化情况得到进一步确定，并以此为原理，即使图像有着更大的单位，也能进行在线测量。对于计算机图像增强技术来说，该处理方式是将图像中会影响分析的因素进行有效消除，以使图像更加吸引用户的注意力，引起用户对图像内容的兴趣。

通过计算机图像增强技术，能够使图像的视觉效果得到进一步体现，从而使处理后的图像能够给人们带来更强的视觉效果。在图像中，各个像素组成了若干个集合，在具体处理过程中，需要进行图像阈值处理，阈值处理是对边缘处理和图像连接处理进行结合运用，从而使图像在阈值化以后，能够获得所需的二进制图像。不过，二进制图像仍有其缺点，比如二进制图像的设计要求可能难以达到预期要求，所以在有些情况下，还需要对二进制图像进行其他形式的处理，以使图像处理质量得到进一步提高，例如收缩处理、变薄处理、骨架绘制、变粗处理等。

2 纺织工业中计算机图像处理技术的运用分析

2.1 非织造布中纤维取向评定

对于现有的非织造布而言，其材料性能在很大程度上受到纤维性能的影响。一直以来，工作人员在利用手动图像处理方法来对纤维方向进行分析时，这种处理方法显得过于原始。随着科学技术的不断发展，这也使得图像处理方法得到了改进，从而增加了张力、折射、超声及微波等许多新的分析项目，这些新项目使手动图像分析质量及效率得到了有效提高，不过仍旧无法对纤维可靠性问题进行有效解决。因此，在利用计算机图像处理技术分析非织造物中的纤维取向过程中，需要研究出一种更好的方法。

在利用计算机图像处理技术对非织造物纤维进行分析处理时，可以采用的具体方法有以下几种，第一种为流场分析法，考虑到图像边缘能够对图像取向场进行表示，即通过图像处理与计算来得到相应的像素值，然后以梯度排列方式来进行竖直排列，以使图像能够分割成若干个小窗口，这样便可通过数值来对图像幅度及矢量方向进行分析，由此便可对总平均方向进行计算，进而得出方向分布函数。这种方法还处于初期摸索阶段。所以，流场分析方法仍旧被主要应用到纤维平均取向角处理工作中，平均取向角是无法对取向分布信息进行完整表达的，而且有着较低的平均取向标准。

第二种方法为直接踪迹法，这种方法是以纤维直接操作为原理，以此对图像进行直接性的识别与测量。在图像中有着许多弧，这些弧便是光纤原始中轴，由此便可采取不同处理方法及手段来进行直接性的纤维操作，虽然不同处理方法的实践成果有所差异，不过都能取得较为理想的处理效果。所以，以计算时间为角度，对项目实施优化是非常可行的。当然，在运用直接踪迹法过程中，需要将缩短优化时间作为重点，通过精细化处理后实施电弧跟踪[1]。

2.2 分析纺织品表面特性

在处理织物表面特性过程中，可以采取相应的应用程序来实现。例如，在识别纺织物品中的设计瑕疵时，便可利用计算机应用程序来对各个设计瑕疵进行识别和分类。对于纺织物来说，其外观好坏取决于纺织物表面是否存在严重瑕疵。所以，在识别与分类纺织物的表面瑕疵时，需要将纺织物等级作为一个重要的评价指标。在对图像特征区域进行提取时，主要是采用灰度统计方法来实现。现阶段，国外发达国家已经开始致力于织物疵点的图像处理研究课题，而我国则尚未开展相应的研究，不过在纺织物特性检测中却也取得了一些研究成果，从整体上来说，我国对图像处理技术在纺织特性检测中的运用研究方面仍旧还有一段较长的路要走。

2.3 起毛、起球测定

纺织物在使用过程中，起毛、起球性能是影响其使用寿命的一种重要因素。所以，要使纺织物性能得到有效监测，如果仍旧采用以往的图像处理方法，比如对标准样品进行分类与比较，不仅处理结果的主观性较强，而且也无法进行定量描述[2]。而利用显微镜来对凸起根数进行计算，该方法则需耗费较长的时间和较多的人力。所以，相比于传统图像处理来说，数字化图像处理有着更加准确、快速的实践效果，在对织物表面起毛、起球性能进行分析过程中具有极高的应用价值。

2.4 图案识别

织物图案的自动识别如下：第一步便是预处理，比如对图像像素值进行归一化处理；第二步是提取。例如图像像素值可以通过矢量来进行特征表示。在实际匹配时，需要对这些特征进行对比，然后匹配到预存的模型或模板进行参考，通过统计模式识别方法来实施分类；第三步是对识别结果进行输出。除此之外，许多混纺纱的混纺比均是采用显微镜横截面观察法与化学分析法来实施图像处理的，不过因化学分析法的选择相对较少，这也使其实践效果难以达到预期[3]。

2.5 处理方式

现阶段，人们在利用计算机图像处理技术进行纺织品分析时，仍旧主要采用两种处理方式，一种是客观性的图像处理方式，另一种则是主观性的处理方式，对于主观性的处理方式来说，其需要根据工作人员的主观思维来进行判断与分析，以此对产品的样式及外观做出评估，虽然该方式的图像处理速度较快，并且所涉领域也较为广泛，但该方式的主观性却非常强，对工作人员的自身素质有着很强的依赖性，无法适用于纺织品生产与设计指导工作。而客观性的图像处理方式则具有较强的客观性，除了纺织品的样式及外观开发工作以外，所有的其他开发工作都适用于这种处理方式[4]。

3 应用前景

在现代纺织业发展中，图像处理技术有着较好的发展前景，其具体发展趋势可以从以下方面进行体现：首先，随着计算机图像处理技术的不断更新，将有更多更好的图像处理方法被应用到纺织品评价工作中；其次，在纺织生产与质量评价过程中，将对神经网络进行更加频繁的应用。例如，在梳理网密度及均匀度控制过程中，可以通过神经网络模型的应用来弥补传统控制方法的不足，以此提高控制效果。计算机图像处理技术的不断创新与深入研究，将使该技术在纺织业中的应用变得更加广泛且深入，尤其是新算法的出现，比如遗传算法、人工智能等，这些都将被逐渐应用到纺织业生产工作中，从而使纺织物图像处理能够完全以人的思维及视觉来开展具体工作，进而使企业真正生产出更高质量、更加符合人们审美观念的纺织产品。