机器视觉在纺织检测中的应用上哈

机器视觉在纺织检测中的应用（上）

摘 要:介绍机器视觉的研究内容,比较机器视觉与人类视觉的差异,论述机器视觉检测中几种基本技术,阐述机器视觉在纺织检测领域中的应用。

1 机器视觉的研究内容

人们从外界环境获取的信息中,80 %来自于视觉,其它来自于触觉、听觉、嗅觉等感觉器官。当人们的眼睛从自己周围的环境获取大量信息,并传入

大脑后,由大脑根据知识或经验对信息进行加工、推理等处理工作,最后识别、理解周围环境,包括环境内的对象物,如运动物体与物体间的相对位置、形状、大小、颜色、纹理、运动还是静止等。机器视觉就是用计算机模拟人眼的视觉178HF添加量为10⑴5phr功能,从图像或图像序列中提取信息,对客观世界的三维景物和物体进行形态和运动识别。机器视觉研究的基本目的之一就是要寻找人类视觉规律,从而开发出从图像输入到自然景物分析的图像理解系统。对于机器视觉系统来说,输入是表示三维景物投影的灰度阵列(可以有若干个输入阵列) ,这些阵列可提供从不同方向、不同视角、不同时刻得到的信息。希望的输出是对图像所代表景物的符号描述。通常这些描述是关于物体的类别和物体间的关系,但也可能包括如表面空间结构、表面物理特性(形状、纹理、颜色、材料) 、阴影以及光源位置等信息。目前许多机器视觉专家都是在马尔(Marr) 创立的视觉计算理论框架下求索。

2 机器视觉与人类视觉的差异

对于人的视觉来说,由于人的大脑和神经的高度发展,其目标识别能力很强。但是,人的视觉也同样存在障碍,例如,即使具有一双敏锐视觉和极为高

度发达头脑的人,一旦置于某种特殊环境(即使曾经具备一定的检验知识) ,其目标识别能力也会急剧下降。事实上人们在这种环境下,面对简单物体时,仍

然可以有效而简便地识别,而在这种情况下面对复杂目标或特殊背景时,才会在视觉功能上发生障碍,两者共同的结果是导致目标识别的有效性和可靠性的大幅度下降。将人的视觉引入机器视觉中,机器视觉也存在着这样的障碍。它主要表现在3 个方面:1) 如何准确、高速(实时) 地识别出目标;2) 如何有效地增大存储容量,以便容纳足够细节的目标图像;3) 如何有效地构造和组织出可靠的识别算法,并且顺利地实现。前两者相当于人的大脑这样的物质

基础,这期待着高速的阵列处理单元以及算法(如神经络[1 、分维算法[2 、小波变换[3 等算法) 的新突破,用极少的计算量以及高度地并行性实现功能。为了便于理解,现将人的视觉与当前机器视觉对比列于表1、表2。

3 机器视觉检测中几种基本技术

311 训练系统

先将参考织物或图片的图像输入微机图像处理系统,选择并计算可表示图像特征的参数,以确定疵点或图形的分类指标,如灰度级,疵点或图形的面积,疵点在经纬向尺寸、形态等,是系统获得这些指标的标准。然后将所测试的织物输入,计算其各点灰度值及一些需比较的特征参数与标准比较,确定疵点或图形分类。

312 样板匹配

求得某一图像哪一部分对应另一图像的哪一部分是或比较2 幅图像的相似度时,采用样板样匹配的方法。一般将样板t ( x , y) ,令其中心与图像的一

点( i , j) 重合,逐点检测,找出差距小于阈值的部位,定位相同或相似的,大于阈值的部位,定为不同或不相似的点。

313 二值化处理

为将图形与背景分离,根据灰度值确定一定灰度域值。将灰度值大于此域的点置为1 ,小于此域值的点为0。使图像变为黑白二值图像,便如发现松动于图形特其次最主要是国内对原材料需求愈来愈大征测量和结构分析描述。

314 腐蚀和膨胀

腐蚀可使轮廓边界收缩,膨胀可使轮廓边界膨胀,腐蚀和膨胀的不同组合,不同处理次数,可以得到不同的图形效果,如使图像中的小孔使之检测出来或使之消除。

315 细线化

对给定的图形使之细化,从而提取线宽为1 的中心线的操作。在细线化中,不改变原图的连接性,使图形骨架轮廓结构清晰,便于计算,不会因边界上

的小凹凸而产生毛刺。在计算非织造布纤维取向度是用此法处理。

316 纹理分析

在分析绉组织的绉也可能存在差异效果或羊绒的鳞片结构时,须用纹理分析的方法。纹理分析内容包括:纹理特征的计算(如直方图特征、灰度共生矩阵、傅立叶特征) 微粒区域的分割与纹理边缘的检测。