爱华网摘要：主要介绍了数字图像处理技术在纤维、纱线、织物，非织造领域的应用，以及近几年的发展动态。
近年来，随着科学技术的发展，各种先进技术不断涌入纺织工业，其中数字图像处理技术在纺织行业中的应用可谓日新月异，不断发挥其快速、精确，以及简单稳定的优势，在很大程度上加快了纺织品测试的速度，同时提高了纺织品测试的水平。
1 数字图像处理技术概述
数字图像处理(DigitalImageProcessing)又称为计算机图像处理，它是指将图像信号转换成数字信号，并利用计算机进行处理的过程。主要包括以下几个方面：数字图像的采集与数字化、图像压缩编码、图像增强与恢复、图像分割、图像分析等。
在实际应用中，使用图像处理技术的系统很多，其一般过程为：信息获取一预处理一特征提取一图像分析。获取图像的方法多种多样，可以通过直接拍摄，或通过光学显微镜或电镜放大后拍摄等方式获取图片，然后通过A／D转换，将图像信号数字化，再将数据传人图像处理系统，运用计算机强大的数据处理能力，分析图像，根据要求输出各种指标。目前，很多方法已经逐步从理论与方法的探索研究阶段走向工业化实际生产应用，如小波变换、神经网络、专家系统、立体视觉等，同时智能分析也已成为研究的必然趋势。
2数字图像处理技术的应用
上世纪90年代中期，图像处理技术在纺织中应用的研究热点主要是：纤维材料性能测试、纱线性能分析、半制品质量检测等。而近几年来，人们研究关注的重点主要集中在织物表面特性的分析、组织结构的自动分析、成品及半成品性能检测等，其中一些技术已经在纺织生产中得到实际应用。另外，人们对非织造布纤维和纤维取向的评定、纤维和纱线性能分析等方面的研究也在日趋深人。
2．1羊绒与羊毛纤维的识别
羊绒与羊毛的识别一直是纺织行业的一个难题，以往用光学或电子显微镜对纤维进行测试后，还需要测试人员的凭经验来判定，缺少客观统一的评测标准，而使用数字图像处理技术是解决这一问题的有效方法。
北京大学信息科学中心视觉与听觉信息处理国家重点实验室提出了羊绒毛图像的全自动识别方案，该方法是先用自动阈值法对图像进行二值化，然后进行多直线分割，并提取羊绒毛的细度特征，接着用Canny算子提取边缘，再在边缘图上根据羊绒毛图像的鳞片特性，提取羊绒毛的鳞片长度特征，最后用Bayes方法进行识别。检测结果表明，用该方法检测羊绒毛快速且准确。
F．H．She，I…XKong等人用图像处理技术和人工神经网络技术对美利奴细羊毛和马海毛的辨认进行了研究，并结合图像处理和神经网络技术开发了可对两种纤维自动辨别的智能系统。
2．2生丝匀度及清洁的测试
生丝检测项目较多，决定生丝等级的检测指标包括：纤度偏差、纤度最大偏差、清洁、洁净、匀度等。其中匀度和清洁的检测是表征生丝等级的重要指标。长期以来，人们一直采用黑板检测法对生丝进行等级评测，此方法主要依赖人的感官目光判断，而目光传递易出现偏差，细微的差别可能导致无法感知和识别，无法量值溯源，使得检验试样制作过程长。而采用数字图像处理技术能替代和扩大人的视觉功能，有利于解决使用传统方法测量时遇到的一系列问题。
清洁自动测量是按标准将清洁进行分类、统计，根据描出的糙疵点形状，计算其长度、宽度、周长、面积、中心灰度与周围灰度的平均差值和相对差值。道克刚等人曾采用了特征分析的方法来判断疵点的类型并统计数量，对十几种清洁检验的疵点样照进行了摄像、量化和特征分析。
匀度检验的本质实际上就是灰度差别的判别，在图像即灰度值的二维灰度函数中进行抽样、取值，再作量化，得到用灰度二维数组表示的离散化图像，就可使用计算机对其进行各种运算处理，把图像变换成便于测量的图像，继而利用模式识别手段，对生丝匀度作出判别。胡振洲等曾运用显微光学成像法测量生丝的均匀度，其具体过程是丝条由速度可控的牵引机构带动，从显微镜头下通过，丝条影像经显微镜放大，在图像感应元件CCD上成像，图像感应元件CCD将影像信号输出到信号采集卡，经信号采集卡处理后，变成可供计算机识别和计算的数字信号，在进一步处理后，得出检测数据。
2．3纱线混纺比的测试
混纺纱线的混纺比一般采用化学分析法和显微镜横截面观察法进行测量。由于化学纤维更新速度快，所以化学分析测试方法也需要不断更新，这导致很难找到一种适中的化学分析法，增加了测试成本，且结果也不令人满意。而采用计算机提取特征参数自动识别纤维，测量纱线混纺比，是实现快速准确检测混纺比的新方法。采用计算机处理对混纺纱形态参数的检测包括纤维根数的统计、根数比值、面积计算、面积比值，以及一次矩和转移指数的计算等。目前的相关研究中，对棉／麻、丝／毛、麻／涤、毛／涤混纺纱进行的研究较多且研究结果较为成熟。
2．4纱线均匀度的测试
采用数字图像处理技术对纱线条干均匀度进行检测，不仅可以客观准确地评定纱线的等级，而且检测过程不受环境的影响。此外该方法还可以准确模拟出纱线最终的布面情况。目前采用数字图像技术测试纱线均匀度的方法有：采用图像式纱线条干仪、图像形态法、图像纹理分析法、计算机视觉技术等。
图像式纱线条干仪测试原理是测试纱线不匀率的乌斯特仪Ⅲ，由原来采用电容式传感测试改为采用光电式方法进行纱线不匀率测试；图像形态法是指将采集到的纱线黑板图像经过图像预处理、图像二值化、自相关法、数学形态学的处理得到一幅可以评级的图像，利用该方法对纱线均匀度进行测试，可以对纱线的外观质量进行客观评定；图像纹理分析测试纱线均匀度主要是采用图像处理和模式识别技术，对黑板图像的均匀度进行自动分析判别，使黑板的分级得以自动执行；计算机视觉分析系统是指将光学和计算机图像处理技术相结合，利用小波分析、傅立叶分析等应用数学知识，对扫描仪、CCD摄像仪等实时采集到的纱线图像进行图像处理，最终得到直观的纱线细度不匀率。
2．5织物表面起毛起球测试
织物起毛起球是影响织物服用性能的重要因素。它往往是由于织物表面受到磨损引起的。在相关测试中，传统测量方法测试精确度不够高，包含人的主观因素比重较大，而数字图像处理技术克服了以上问题，能够从客观及精准的角度对织物表面进行测试。
东华大学的陈霞[4]等应用一种图像分析系统进行织物起球等级的客观评估，首先获取反映织物二维轮廓数据的距离图像，通过一组匹配滤波检测毛球，运用分块阈值法进行毛球分割，选取毛球个数、毛球面积和毛球体积建立等级评估方程，并采用模糊逻辑系统作为最终的等级评估模型。
王晓红等人采用统计直方图技术对起球图像进行滤波、锐化和分割预处理，然后根据自相关函数确定未起球织物区域重复结构的形状和大小，再应用膨胀和腐蚀技术处理二值图像，把原来的图像处理成没有组织结构而只有毛球的图像，最后测定毛球的大小、数量和形态。
国外许多专家对此也有深入研究，Konda等人提出了一种客观评定起球性能的方法，他们对图像进行阈值处理，然后与标准图像进行比较，建立小球数量等级。Abril等人也采用图像分析方法测量了标准织物图像上的小球面积。
2．6织物疵点测试
数字图像处理技术应用于织物疵点测试后，测试结果有了很大改善。其测试方法关键在于如何对图像进行正确合理的纹理分割和图像识别。韩武鹏等人提出的疵点检测系统对采集的图像进行预处理后，用小波变换进行特征提取，并采用模糊技术进行推理和识别，这能提高疵点边缘的增强效果，并刻画局部疵点的特征信息。田纳西大学的Yixiang、FrankZhang和Randal1．R．Bresee提出同时运用灰度统计方法和形态学方法提取特征区域，然后分析特征区域，运用模式识别对疵点进行分类。胡艳[8]等人提出了一种基于小波变换和形态学的织物疵点边缘检测方法，利用形态学实现疵点检测后，进行小波分解，再用小波模极大值法和基于数学形态学的算法分别提取高、低频子图像的疵点边缘，然后采用合理的融合规则将两个边缘图像进行融合，最终得到清晰准确边缘。
另一个关于织物疵点测试的热点问题是如何对织物疵点进行动态识别和分类。多年以前，国外就已开始从事这方面的研究并证明这是一种可行的方法，如瑞士Uster公司的Fatrriscan自动验布系统，在宽度方向装有2～8只特制高分辨率的线扫描CCD摄像机，采用神经网络技术，检测织物幅宽范围为110～440cm，速度可达120rn／min。而我国关于这方面的研究虽也已取得了阶段性的进展，但尚未形成完善的系统。
2．7色度测试
目前，在纺织品色度测试研究中，关于图像处理技术的应用研究相对较少。色度不包括亮度，是颜色的一个特性，它反映颜色的色调和饱和度，人们通常以CIE统一规定的色度系统为基础而对颜色进行目视和物理测量。而利用图像处理技术，根据三原色原理可直接获取R、G、B值，R、G、B值的分辨率为256级，这大大超出了人眼的识别能力，可准确描述物体的颜色值，进而计算出三刺激值和黄度，得出最终结果。严漂等[9]根据色度原理，通过数字图像处理技术实现了对棉纤维色度的可靠性测量，与传统测量相比，它不仅降低了成本，而且大大提高了测量的速度和稳定性。
2．8非织造布测试
非织造布发展迅速，产品质量越来越高，在纺织品市场中所占的份额也越来越大，因此非织造布的检测技术应该满足质量的要求，向简便、快捷、客观可靠的方向发展，而数字图像处理技术使其成为了可能。目前数字图像处理技术在非织造布测试中，主要应用于纤维取向度测试、纤网孔隙尺寸分布的测试、纤网瑕疵的测定、纤网均匀度和纤维直径的测试。
3结语
数字图像处理技术在纺织工业的应用，目前已取得可观的效果，但由于受到软硬件条件的限制，在很多方面并未完全投入使用，未能满足纺织品测试各个方面的需要。该技术将朝着智能化方向发展，人工智能、遗传算法、模糊理论等已经应用于纺织品的质量评定，同时二维图像处理已逐渐向三维方向发展。随着计算机科学技术及数学理论的不断发展，数字图像处理技术在纺织领域的应用范围将不断扩大，并发挥更大的作用。相信通过不断的科学研究获取新的理论和方法必能带动我国纺织工业朝着高技术领域发展。
