matlab在图像处理中的应用.doc

计算机图像识别技术检测羊绒羊毛混纺比 摘 要: 对进一步提高计算机图像识别技术检测羊绒和羊毛混纺比检测精度的方法进行了研究。综述了山羊绒和羊毛混纺比检测方法的研究现状, 分析了现有检测方法存在的问题, 探讨了影响检测精度的因素, 同时提出了一种基于二元指标的新的检测方法。证明了该方法的可行性, 但有待于搭建模型进一步论证。 关键词：混纺比; 检测; 二元指标; 图像处理 前言：从降低产品成本, 原料性能互补, 方便加工等方面考虑, 生产商常采用山羊绒与其他纤维( 主要是细羊毛) 混纺加工; 从维护消费者权益, 提高纱线质量监控和产品研制的角度出发, 有效、正确地鉴别毛绒类纤维又显得极为重要。国内外学者对测试方法的研究已经很广泛, 但由于人工干预和各传统方法的局限性, 其成本、精度、速度及数据的稳定性还无法令人满意。计算机图像识别技术在纺织业中的应用检测开拓了新思路。用传统方法辅以计算机提取特征参数自动识别纤维, 测量混纺比, 是实现低成本、快速、准确检测混纺比的新途径。目前, 此方法在优化提取的特征参数和图像处理的算法上还具有很大的研究空间。图像处理过程是在不改变图像基本特征的情况下要把原图像处理成实验所需的二值图像。 检测方法研究现状 目前检测山羊绒纤维和羊毛类纤维比较成熟的方法主要有光学投影显微镜法、扫描电镜法、溶液鉴别法、计算机图形分析法和生物芯片法等。每种方法各具特色, 但从经济、技术角度和检测速度上看,普遍使用的是光学投影显微镜法 , 在区分出纤维种类的基础上, 可以计算其各自的含量得到纤维混纺比。近年来, 通过交流沟通, 误差有所减小, 但仍然急需一种客观的检测方法。在混纺比检测方法方面, 广州大学纺织服装学院曾志明提出了计算机辅助染色法检测山羊绒与羊毛类纤维混纺比的方法, 其核心思想是运用普通显微镜检测染色纤维的色彩特征量值和纤维细度值, 建立羊绒与羊毛纤维鉴别与计数的数字化模型,开发一个自动检测软件, 但运用该软件只能对经过确定染色条件进行染色处理的未知混纺比试样自动检测。江南大学纺织服装学院沈巍等提出了一种基于HSV 颜色模型的彩色目标提取方法检测羊绒..羊毛混纺比 , 主要思想是将具有某种色彩信息的羊或羊毛纤维从背景图片中分离出来, 然后根据所提取纤维与背景纤维的形状大小等特征的不同, 采用图像腐蚀和膨胀的方法对图片进行处理, 使所提取的目标完整地从原图中分离出来, 该方法也是将着色后颜色特征量作为鉴别2 种纤维的主要指标。由于各方法都存在着一定的局限性, 以现有测试方法为基础, 试着从山羊绒和羊毛纤维的形态特征指标着手, 考虑通过二元指标( 甚至多元指标) 的交互作用, 达到误判率进一步大幅度降低, 来改进现有的检测方法。 图像处理过程 羊绒／羊毛混纺纱线在切片的制备和图像的摄取及传送过程中会受到一些干扰，产生图像噪声．在对图像的分析过程中，需要尽可能的降低噪声，以便于对纤维的分析理解．因此需对羊绒／羊毛混纺纱线的图像进行滤波、灰度调整等技术处理。即图像转换一滤波去噪一局部灰度均匀调整一阀值化一特征值提取一输出结果 （1）图像转换：利用MATLAB软件的函数把原图变换成灰度图像。 （2）滤波去噪：灰度图像中有一些亮点，也就是噪声点，采用中值滤波器，消除孤立的噪声点。中值滤波器在衰减噪声的同时不会使边界模糊，因此中值滤波不会改变原图的基本特征． （3）图像增强：采用直方图均衡化的方法，使原图像灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强目的。 （4）二值图像处理：在二值图像中，图像的目标及其特征比其他类型图像更明显突出，易于分析． 后续步骤 黏连纤维分割( 用神经网络的算法) 和标记图像都是为了便于特征提取的。 特征提取：通常计算机表示一个区域有两种方式：区域的边界特征，是基于几何形状特征的分类，即形状特征区域的内部特征，如色彩，是基于图像纹理的识别。在识别纤维时，首先必须找出使计算机正确分类识别的规则和标准。 纤维划分: 根据纤维直径与径高比二元指标的关系划分纤维类别。为了提高检测的准确性, 增加纤维的平均径高比和平均鳞片厚度值作为参考指标。 混纺比输出: 根据2 类纤维的含量计算其混纺比, 得出结果。 主要图像处理结果 原图像 灰度图像 中值滤波后图像 二值图像 结论 图像处理技术测试纱线混纺比具有一定的可行性和较高的精确度，是对羊绒／羊毛混纺纱线含量测试的一个探索性的实验。 思考：利用该方法，获得的图像仅仅是二值图像中的黑白两种颜色的图像。于是我就查阅文献资料，通过多方比较归纳得出，综合利用了灰度差值、模板代换、细化、短线过滤、边界有哪些信誉好的足球投注网站、轮廓跟踪、断点分析、拐点分析、断点线段连接等方法处理识别羊绒与羊毛, 可以较准确