[发明专利]一种基于机器视觉的验布装置及方法

权利要求书

1.一种基于机器视觉的验布方法，其特征在于，步骤如下：

S1.获取织物图像： 用工业摄像机定焦拍摄经热定型后的待检验成品织物，获取实时图像，相机成像的实际范围为 a×bmm 且 ab；

S2.采用方法一、二对织物的纵密和横密进行计算：

方法一：

对所述实时图像进行傅里叶变换，得到傅里叶频谱图；

将所述频谱图中各坐标点对应的灰度值设置为 Z 坐标，得到傅里叶频谱图的三维视图；

利用边缘检测算法对所述三维视图中的亮点区域进行提取，得到对应区域的坐标范围；

对所述坐标范围内的点进行遍历，获取对应区域内灰度值最大的点的坐标值，记为峰点坐标值；

将所述峰点坐标值对应于极坐标中，求解纵向过原点直线上的峰点的纵坐标之差的绝对值的平均值，即为图像中的脊线条数 N_b1，再求解所述纵向直线的斜率 k，可得出织物倾角并求解横向直线上的峰点到所述纵向直线的最小距离值，即为图像中的圈柱数 N_al；

根据所述脊线和圈柱信息计算织物密度:

其中，L 为针织物密度定义中的规定长度，S 当针织物存在倾角θ₁时的频谱图最高频率对应的图像的宽度，；

方法二：

对所述实时图像进行预处理：依次包括灰度变换、直方图均衡化和图像二值化处理；

通过霍夫变换提取并统计所述预处理后的图像的脊线数 N_b2 和倾角 θ₂，具体为：

①二值图像的骨架化；

②采用 MATLAB 对图像进行毛刺消除操作并提取脊线；

③利用霍夫变换对所述脊线进行识别和统计，并进行 Hough 直线有效性检验； 所述Hough 直线有效性检验，具体为：

首先，通过延长每条 Hough 标记直线段得到直线与图像左右边缘的交点，当直线与图像上下某个边缘出现交点时，该直线舍去；

然后，在上述基础上得到延长线与图像左右一侧边缘交点与相邻交点的间距 E1、E2、…、Ed-1， 定义 E_i＝Zi+1-Zi(i＝1,2,…,d-1)，其中，为所述交点的纵坐标值，则间距的均值

最后，由有效性检测后的脊线标记图得出 N_b2，由标记直线的斜率计算得出脊线在图像中的倾角 θ₂；

III.通过核密度估计算法提取并统计所述预处理后的图像的圈柱数 N_a2；

IV.计算纵密 P_A2和横密 P_B2：

定义横密纵密；

横密；

其中，b 为相机成像的宽度范围值，L 为针织物密度定义中的规定长度，H＝Z_d-Z_l；

S3.待验成品织物的横密和纵密分别为：；

其中，C₁，C₂，C₃，C₄ 为系数。

2.根据权利要求 1 所述的一种基于机器视觉的验布方法，S2 中，方法一所述边缘检测算法采用 Canny 边缘检测算子，其特征在于：

①首先用 2D 高斯滤波模板与图像进行卷积，消除噪声；

②利用 Sobel 算子或 Prewitt 算子中卷积计算核求取图像 x 和 y 两个方向导数，并计算梯度值和梯度方向：

其中，G_x 为 x 方向的梯度值，G_y 为 y 方向的梯度值；

③非极大值抑制：仅得到全局的梯度不足以确定边缘，必须保留局部梯度最大的点，而抑制非极大值；

④阈值化处理：该过程采用双阈值算法，双阈值算法对非极大值抑制图象作用两个阈值τ₁和 τ₂，且，从而可以得到两个阈值边缘图象 N1[i,j]和 N2[i,j]，由于 N2[i,j] 使用高阈值得到，因而含有很少的假边缘，但有间断，双阈值法要在 N2[i,j]中把边缘连接成轮廓，当到达轮廓的端点时，则在 N1[i,j]的邻点位置寻找可以连接到轮廓上的边缘，不断地在 N1[i,j]中收集边缘，直到将 N2[i,j]连接起来为止。