本發(fā)明屬于織物紡織領(lǐng)域，特別涉及一種紡織圖像處理領(lǐng)域。

背景技術(shù)：

經(jīng)編織物組織結(jié)構(gòu)與其性能有極為密切的關(guān)系，影響織物的強力、拉伸性、織物風格和手感等，因此，對經(jīng)編織物組織結(jié)構(gòu)的分析是一項十分有研究價值的課題。但傳統(tǒng)的經(jīng)編織物組織結(jié)構(gòu)分析方法都是人工分析，利用顯微鏡和帶有標尺的放大鏡完成，分析過程單調(diào)、乏味，分析效率較低，且對分析人員技術(shù)要求較高。隨著勞動力成本的增加和紡織行業(yè)自動化程度提升，自動化、智能化識別經(jīng)編織物組織結(jié)構(gòu)成為一項亟待解決且具有應(yīng)用前景的課題。

隨著計算機技術(shù)的發(fā)展，現(xiàn)代圖像處理技術(shù)在紡織生產(chǎn)中的應(yīng)用逐漸廣泛，經(jīng)編織物結(jié)構(gòu)的自動分析方法開始得到運用，現(xiàn)有的織物結(jié)構(gòu)自動分析法主要由掃描儀或數(shù)碼相機的圖像采集裝置和織物結(jié)構(gòu)分析的計算機軟件部分組成，該方法仍然存在以下不足之處：1)掃描儀或數(shù)碼相機操作復雜，不易攜帶，用戶普及程度不高，不能滿足用戶隨時隨地使用的目的；2)機織物與經(jīng)編織物的編織原理大相徑庭，裝置適用于結(jié)構(gòu)相對簡單的機織物，對于結(jié)構(gòu)復雜的經(jīng)編針織物無法適用。

技術(shù)實現(xiàn)要素：

鑒于上述原因，本發(fā)明的目的在于提供一種基于智能手機的經(jīng)編織物工藝快速分析裝置，其簡易方便，能夠自動測量和識別織物的工藝花寬、工藝花高、成品橫密、成品縱密、組織結(jié)構(gòu)和穿經(jīng)循環(huán)等，提高經(jīng)編織物工藝分析效率，滿足用戶隨時隨地使用的要求。本發(fā)明還提供了一種基于智能手機的經(jīng)編織物工藝快速分析方法。

為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于智能手機的經(jīng)編織物工藝快速分析裝置，包括智能手機和服務(wù)器，所述智能手機用于采集織物正反雙面圖像并發(fā)送至服務(wù)器，所述服務(wù)器用于接收所述智能手機發(fā)出的織物圖像并進行處理、分析，然后將分析結(jié)果發(fā)送到智能手機。

進一步地，所述智能手機設(shè)置有:

攝像頭，用于拍攝并采集織物正反雙面圖像；

圖像第一預處理模塊，用于判斷圖像質(zhì)量并進行相應(yīng)的白平衡處理和圖像定位裁剪；

圖像發(fā)送模塊，用于向服務(wù)器發(fā)送織物圖像。

信息接收模塊，用于接收服務(wù)器發(fā)送的織物分析結(jié)果。

進一步地，所述服務(wù)器上設(shè)置有：

圖像接收模塊，用于接收由智能手機發(fā)送模塊發(fā)出的織物圖像；

圖像第二預處理模塊，用于對圖像接收模塊接收到的織物圖像進行灰度化處理并檢測是否含有織物；

圖像處理模塊，用于對經(jīng)過第二預處理模塊處理后的織物圖像進行閾值變換、自適應(yīng)濾波、快速傅里葉變換、邊緣檢測等處理，分別獲取織物工藝正反面圖像的周期性特征點；

織物分析模塊，用于對織物圖像組織結(jié)構(gòu)參數(shù)進行分析、計算，得出織物分析結(jié)果，包括工藝花寬、工藝花高、成品橫密、成品縱密、組織結(jié)構(gòu)和穿經(jīng)循環(huán)等；

結(jié)果反饋模塊，用于將織物分析結(jié)果發(fā)送到智能手機客戶端。

一種基于智能手機的經(jīng)編織物工藝快速分析方法，包括以下步驟：

S1智能手機采集經(jīng)編織物雙面圖像并發(fā)送到服務(wù)器；

S2服務(wù)器接收所述的智能手機發(fā)出的織物圖像并進行處理、分析，然后將分析結(jié)果發(fā)送到智能手機。

進一步地，所述步驟S1具體包括以下分步驟：

S11檢測環(huán)境光照，通過智能手機的光線傳感器獲取周圍環(huán)境的光照值，預先設(shè)定光照值取值范圍，當環(huán)境光照值不在預設(shè)的范圍內(nèi)時，圖像獲取失?。?/p>

S12織物圖像預覽，設(shè)置織物拍攝預覽框，用戶通過調(diào)整拍攝位置使織物呈現(xiàn)在預覽框中且確保預覽框中至少含有一個完整循環(huán)大小的織物圖像；

S13第一次預處理：通過智能手機將步驟S11中采集到的圖像進行放大3-6倍后進行定位裁剪并且基于進行動態(tài)閾值的自動白平衡處理，以獲取符合織物分析要求的織物圖像；

S14織物圖像發(fā)送，智能手機的圖像發(fā)送模塊將步驟S13中獲取的織物圖像發(fā)送至服務(wù)器。

進一步地，所述步驟第一次預處理S13中白平衡處理方法包括：

S131將織物圖像由RGB模式轉(zhuǎn)換為YC_bC_r,轉(zhuǎn)換完成后將圖像分成N個部分，分別計算每個部分的C_b和C_r的平均值M_b、M_r以及兩者的均方差D_b、D_r,計算方法如下：

S132統(tǒng)計織物圖像各區(qū)域的平均值M_b、M_r以及均方差D_b、D_r作為整個圖像的值(最后需舍去D_b<0.05M_b和/或D_r<0.05M_r時的值)；

S133按如下方法確定織物圖像中的白色參考點,

|C_b(i,j)-(M_b+D_b×sign(M_b))|＜1.5×D_b

|C_r(i,j)-(M_r+D_r×sign(M_r))|＜1.5×D_r

亮度值前10％的白色參考點作為最終的白色參考點；

S134計算織物圖像各白色參考點亮度平均值R_av，G_av，B_av，各通道的增益R_gain，G_gain，B_gain和圖像在YC_bC_r模式下Y的最大值Y_max；

S135計算織物圖像各通道最終的R’G’B’：

R’＝R×R_gain

G’＝G×G_gain

B’＝B×B_gain

進一步地，所述步驟S2包括以下分步驟：

S21織物圖像接收，服務(wù)器接收模塊接收由智能手機圖像發(fā)送模塊發(fā)出的經(jīng)預處理后的織物圖像；

S22織物圖像預處理，服務(wù)器第二預處理模塊對步驟S21接收到的織物圖像進行灰度化處理并檢測是否含有織物；

S23織物圖像處理，圖像處理模塊對步驟S22處理后的圖像進行閾值變換、自適應(yīng)濾波、快速傅里葉變換、邊緣檢測等處理，分別獲取織物工藝正反面圖像的周期性特征點；

S24織物圖像分析，織物分析模塊對步驟S23中的圖像進行分析，得出織物分析結(jié)果，包括工藝花寬、工藝花高、成品橫密、成品縱密、組織結(jié)構(gòu)和穿經(jīng)循環(huán)等；

S25分析結(jié)果反饋，結(jié)果反饋模塊將步驟S24中得出的織物分析結(jié)果發(fā)送至 智能手機中。

優(yōu)選地，所述步驟S22中的圖像灰度化處理通過以下公式變換：

Gray(i,j)＝0.11R(i,j)+0.59G(i,j)+0.3B(i,j)

優(yōu)選地，所述步驟S23包括以下子步驟：

S231閾值變換，采用閾值變換的方法將提取的織物正反兩面圖像二值化，圖像灰度的閾值變換方法如下：

S232通過自適應(yīng)濾波消除織物雙面圖像中的噪聲，根據(jù)圖像的局部方差調(diào)整濾波輸出，確保圖像邊緣和高頻細節(jié)信息。

S233通過快速傅里葉變換(FFT)將織物工藝正面圖像的空間域圖像轉(zhuǎn)換為頻譜圖：

S234對經(jīng)過步驟S231、S232處理后的織物工藝反面圖像進行邊緣檢測，獲取織物工藝反面的邊緣圖。

優(yōu)選地，所述步驟S24包括以下子步驟：

S241服務(wù)器圖像處理模塊處理后的織物工藝正面頻域圖像在水平和垂直方向上有分布規(guī)律的亮帶，水平方向亮帶代表織物橫列信息，垂直方向亮帶代表織物縱行信息，分別對頻域圖像進行水平和垂直方向投影；

S242選定水平(垂直)方向投影圖像的中心點，沿垂直(水平)方向逐點掃描圖像灰度，直至掃描到灰度值為255時將該像素作為起點，繼續(xù)沿垂直(水平)方向逐點掃描，直至下一次掃描到灰度值為255時停止，記錄掃描過的像素 數(shù)m(n)，m(n)極為織物的相鄰兩橫列(縱行)間的頻率。

S243智能手機100拍攝的圖像分辨率為r(像素/英寸)，定位裁剪的織物圖像大小為M×N(像素)，所述織物的工藝花寬W_idth、工藝花高H_eight、成品橫密W_PC和成品縱密C_PC可以分別表示為：

W_idth＝n

H_eight＝m

S244服務(wù)器200圖像處理模塊230處理后的織物工藝反面圖像，對提取的織物邊緣圖中多個目標區(qū)域形狀特征參數(shù)進行識別，運用像素標記法逐像素進行判斷，獲取組織循環(huán)內(nèi)的線圈延展線邊緣參數(shù)，進而分析、計算織物的組織結(jié)構(gòu)和穿經(jīng)循環(huán)。

采用上述技術(shù)方案后，本發(fā)明與背景技術(shù)相比，具有如下優(yōu)點：

1、本發(fā)明通過智能手機獲取織物圖像信息，利用智能手機的上網(wǎng)無線技術(shù)將織物圖像信息發(fā)送給遠程的高性能服務(wù)器，實現(xiàn)了經(jīng)編織物工藝分析自動化、數(shù)字化的要求，簡單易用，便于推廣和普及；

2、本發(fā)明能夠自動識別經(jīng)編織物信息并進行分析、計算，用戶可隨時隨地獲取織物的工藝信息，包括工藝花寬、工藝花高、成品橫密、成品縱密、組織結(jié)構(gòu)和穿經(jīng)循環(huán)等，提高工藝分析效率，消除工藝分析的技術(shù)門檻。

附圖說明

圖1為本發(fā)明一種基于智能手機的經(jīng)編織物工藝快速分析裝置界面參考圖；

圖2為本發(fā)明經(jīng)編織物工藝快速分析方法的流程示意圖；

圖3a為一種實施方式中經(jīng)編織物經(jīng)過裁剪后的織物正面圖像；

圖3b為一種實施方式中經(jīng)編織物經(jīng)過裁剪后的織物反面圖像；

圖4a為圖3a經(jīng)閾值變換后的織物正面圖像；

圖4b為圖3b經(jīng)閾值變換后的織物反面圖像；

圖5為4a經(jīng)處理模塊處理后的織物工藝正面頻譜圖；

圖6為4a經(jīng)處理模塊處理后的織物工藝反面邊緣圖。

具體實施方式：

為了使本發(fā)明目的、技術(shù)方案和優(yōu)點更加清楚，以下結(jié)合附圖及實施例，對本發(fā)明作進一步說明。應(yīng)當理解，此處描述的具體實施例僅用以解釋本發(fā)明，但并不用于限定本發(fā)明。

實施例

本發(fā)明公開了一種基于智能手機的經(jīng)編織物工藝快速分析裝置，包括智能手機和服務(wù)器，其中：

智能手機用于采集織物正反雙面圖像并發(fā)送到服務(wù)器，其上設(shè)置有攝像頭、圖像第一預處理模塊及圖像發(fā)送模塊和信息接收模塊；攝像頭用于拍攝并采集織物圖像；圖像第一預處理模塊用于判斷織物圖像質(zhì)量并進行白平衡處理和圖像定位裁剪；圖像發(fā)送模塊用于向服務(wù)器發(fā)送織物圖像；信息接收模塊用于接收服務(wù)器發(fā)送的織物分析結(jié)果。

服務(wù)器用于接收智能手機發(fā)出的織物圖像并進行處理、分析和計算，并將分析結(jié)果發(fā)送到智能手機，服務(wù)器設(shè)置圖像接收模塊、圖像第二預處理模塊、圖像處理模塊、織物分析模塊和結(jié)果織物分析結(jié)果反饋模塊。圖像接收模塊用于接收由智能手機發(fā)送模塊發(fā)出的織物圖像；圖像第二預處理模塊用于對接收模塊接收的織物圖像進行平滑處理并檢測是否有織物；圖像處理模塊用于對第二預處理模塊處理后的織物圖像進行閾值變換、自適應(yīng)濾波、快速傅里葉變換、邊緣檢測等處理，分別獲取織物工藝正反面圖像的周期性特征點；織物分析模塊用于對圖像處理模塊處理后的織物圖像進行組織結(jié)構(gòu)參數(shù)分析、計算，得出織物分析結(jié)果，包括工藝花寬、工藝花高、成品橫密、成品縱密、組織結(jié)構(gòu)和穿經(jīng)循環(huán)等；結(jié)果反饋模塊，用于將織物分析模塊的分析結(jié)果發(fā)送到智能手機。

參考圖1和圖2，一種基于智能手機的經(jīng)編織物工藝快速分析方法，以一種 雙梳特里科經(jīng)編織物為例，其包括以下步驟：

S1智能手機采集經(jīng)編織物正反雙面圖像并發(fā)送到服務(wù)器，該步驟經(jīng)以下分步驟實現(xiàn)：

S11檢測環(huán)境光照，通過智能手機光線傳感器獲取環(huán)境光照值，這一步需要預先設(shè)好光照取值范圍，如果環(huán)境光照值不在預設(shè)的范圍內(nèi)，則圖像獲取失??；

S12織物圖像預覽，設(shè)置織物拍攝預覽框，用戶可通過調(diào)整拍照位置使織物呈現(xiàn)在預覽框中且確保預覽框中至少含有一個完整循環(huán)大小的織物圖像；

S13第一次預處理：通過智能手機將步驟S11中采集到的圖像進行放大3-6倍后進行定位裁剪并且基于進行動態(tài)閾值的自動白平衡處理，以獲取符合織物分析要求的織物圖像；(參考圖3a和圖3b)，白平衡處理具體方法如下：

將織物圖像由RGB模式轉(zhuǎn)換為YC_bC_r,轉(zhuǎn)換完成后將圖像分成N個部分，分別計算每個部分的C_b和C_r的平均值M_b、M_r以及兩者的均方差D_b、D_r，計算方法如下：

統(tǒng)計織物圖像各區(qū)域的平均值M_b、M_r以及均方差D_b、D_r作為整個圖像的值，若某部分的均方差偏小則略去(舍去D_b<0.05M_b和/或D_r<0.05M_r時的值)，避免因顏色分布均勻而影響分析結(jié)果；

按如下方法確定織物圖像中的白色參考點，若初步定為白色參考點的像素取其亮度值前10％作為最終的白色參考點：

|C_b(i,j)-(M_b+D_b×sign(M_b))|＜1.5×D_b

|C_r(i,j)-(M_r+D_r×sign(M_r))|＜1.5×D_r

計算織物圖像各白色參考點亮度平均值R_av，G_av，B_av,各通道的增益R_gain，G_gain，B_gain和圖像在YC_bC_r模式下Y的最大值Y_max：

計算織物圖像各通道最終的R’G’B’：

R’＝R×R_gain

G’＝G×G_gain

B’＝B×B_gain

S14織物圖像發(fā)送，智能手機的圖像發(fā)送模塊將步驟S13中獲取的織物圖像發(fā)送至服務(wù)器。

S2服務(wù)器接收所述的智能手機發(fā)出的織物圖像并進行處理、分析，然后將分析結(jié)果發(fā)送到智能手機,該步驟經(jīng)以下分步驟實現(xiàn)：

S21服務(wù)器接收模塊接收由智能手機圖像發(fā)送模塊發(fā)出的經(jīng)預處理后的織物圖像；

S22服務(wù)器第二預處理模塊對步驟接收到的織物圖像進行灰度化處理并檢測是否含有織物，灰度化通過以下公式變換：

Gray(i,j)＝0.11R(i,j)+0.59G(i,j)+0.3B(i,j)

S23織物圖像處理，圖像處理模塊對步驟S22處理后的織物工藝圖像進行閾值變換、自適應(yīng)濾波、快速傅里葉變換、邊緣檢測等處理，分別獲取織物工藝正反面圖像的周期性特征點，具體方法如下：

S231選定織物雙面灰度圖像閾值T，若織物圖像中某像素灰度值小于T，則像素灰度值設(shè)為0，若某像素灰度值大于T，則像素灰度值設(shè)為255，將織物圖像二值化(參考圖4a和圖4b)，圖像灰度的閾值變換方法如下：

S232通過自適應(yīng)濾波消除織物雙面圖像中的噪聲，根據(jù)圖像的局部方差調(diào)整濾波輸出，確保圖像邊緣和高頻細節(jié)信息。

S233通過快速傅里葉變換(FFT)將織物工藝正面圖像的空間域圖像轉(zhuǎn)換為頻譜圖(參考圖5)：

S234對經(jīng)過步驟S231、S232處理后的織物工藝反面圖像進行邊緣檢測，獲取織物工藝反面的邊緣圖(參考圖6)。

S24織物圖像分析，服務(wù)器織物分析模塊對步驟S23處理后的圖像進行分析，得出織物分析結(jié)果，包括工藝花寬、工藝花高、成品橫密、成品縱密、組織結(jié)構(gòu)和穿經(jīng)循環(huán)等，具體方法如下:

服務(wù)器圖像處理模塊處理后的織物工藝正面頻域圖像在水平和垂直方向上有分布規(guī)律的亮帶，水平方向亮帶代表織物橫列信息，垂直方向亮帶代表織物縱行信息，分別對頻域圖像進行水平和垂直方向投影；

選定水平(垂直)方向投影圖像的中心點，沿垂直(水平)方向逐點掃描圖像灰度，直至掃描到灰度值為255時將該像素作為起點，繼續(xù)沿垂直(水平)方向逐點掃描，直至下一次掃描到灰度值為255時停止，記錄掃描過的像素數(shù)m(n)，m(n)極為織物的相鄰兩橫列(縱行)間的頻率。

智能手機拍攝的圖像分辨率為r(像素/英寸)，定位裁剪的織物圖像大小為M×N(像素)，則織物的工藝花寬、工藝花高、成品橫密和成品縱密可以分別表示為：

W_idth＝n

H_eight＝m

服務(wù)器圖像處理模塊處理后的織物工藝反面圖像，對提取的織物邊緣圖中多個目標區(qū)域形狀特征參數(shù)進行識別，運用像素標記法逐像素進行判斷，獲取組織循環(huán)內(nèi)的線圈延展線邊緣參數(shù)，進而分析、計算織物的組織結(jié)構(gòu)和穿經(jīng)循 環(huán)。

S25分析結(jié)果反饋，結(jié)果反饋模塊將步驟S24中得出的織物分析結(jié)果發(fā)送至智能手機中,并將分析結(jié)果顯示給用戶。

利用上述方法連續(xù)監(jiān)測不同經(jīng)編織物，與人工測量進行對比，結(jié)果如下表所示：

經(jīng)編織物縱橫密度測量誤差

由上表可以看出，使用本發(fā)明的經(jīng)編織物工藝快速分析方法，可以有效得運用于多種不同織物結(jié)構(gòu)的分析，并且分析結(jié)果與人工分析的誤差較小(均小于6％)，在保證準確度的前提下，能夠有效得提高分析速度。

以上所述僅為本發(fā)明的優(yōu)選實施方式，但本發(fā)明并不僅限于此，熟悉該領(lǐng)域的技術(shù)人員對本發(fā)明的具體實施方式所做的任何改動均不脫離本發(fā)明的權(quán)利要求書的范圍。因此，只要是在本發(fā)明基本原理基礎(chǔ)上所做出的改進與變換，均應(yīng)視為落入本發(fā)明的保護范圍內(nèi)。