小波变换在纺织品性能检测中的应用.docx

《小波变换在纺织品性能检测中的应用.docx》由会员分享，可在线阅读，更多相关《小波变换在纺织品性能检测中的应用.docx（52页珍藏版）》请在课桌文档上搜索。

1、摘要针织物产品设计生产过程中，需要测量针织物的结构参数并检测疵点情况，一方面依赖于检测人员的客观经验和主观感受，另一方面长时间的劳动难免会产生误差。采用图像处理技术不仅可以做到快速准确的测量针织物的密度以及检测识别疵点，还可以减少技术人员的工作量，提高生产效率。本文采用高分辨率的扫描仪采集得到结构清晰的针织物图像以供图像处理，通过Matlab软件对得到的针织物图像进行灰度化、中值滤波等预处理。对于针织物密度的测量，对预处理后的针织物图像分别作纵向和横向灰度和，再对得到的波峰图分别作小波变换提取高频信号，经过实验得到最优的分解层数和最佳小波基，提取得到平滑理想的波峰图，再利用差分法求得针织物的纵

2、密横密。对于针织物疵点检测，对预处理后的针织物图像做N层小波分解提取图像的低频、水平高频、垂直高频和对角高频信号，通过实验选取最优的分解层数和最佳的小波基，得到清晰反映针织物疵点特征的子图像。再分别对水平和垂直高频子图像做四个角度的灰度共生矩阵，进一步计算燧、能量、对比度、角二阶矩等特征值来表征疵点信息。最后构建BP神经网络，输入织物的特征值数据和对应的疵点情况，划分训练集和测试集，对针织物疵点进行自动检测。关键词：图像处理；小波变换；织物密度；织物疵点AbstractIntheprocessofdesignandproductionofknittedfabrics,itisnecessary

3、tomeasurethestructuralparametersofknittedfabricsanddetectthedefects.Ontheonehand,itdependsontheobjectiveexperienceandsubjectivefeelingsofinspectors.Ontheotherhand,long-termlaborwillinevitablyproduceerrors.Theuseofimageprocessingtechnologycannotonlyquicklyandaccuratelymeasurethedensityofknittedfabric

4、sanddetectandidentifydefects,butalsoreducetheworkloadoftechnicalpersonnelandimproveproductionefficiency.Inthispaper,ahigh-resolutionscannerisusedtoacquireknittedfabricimageswithclearstructureforimageprocessing.Matlabsoftwareisusedtopre-processtheknittedfabricimagesobtainedbygrayscale,medianfiltering

5、andsoon.Tomeasurethedensityofknittedfabric,thegraysumofthelongitudinalandtransverseofthepretreatedknittedfabricimageismaderespectively,andthenthewavelettransformisusedtoextractthehighfrequencysignaloftheobtainedwavepeakimage.Aftertheexperiment,theoptimalnumberofdecompositionlayersandthebestwaveletba

6、sisareobtained,thesmoothandidealwavepeakimageisextracted,andthelongitudinalandtransversedensityofknittedfabricisobtainedbythedifferencemethod.Forthedetectionofknittedfabricdefects,thelow-frequency,horizontalhighfrequency,verticalhighfrequencyanddiagonalhighfrequencysignalsofthepre-processedknittedfa

7、bricimageswereextractedbyN-Iayerwaveletdecomposition.Theoptimaldecompositionlayersandthebestwaveletbasiswereselectedthroughtheexperimenttoobtainthesub-imagethatclearlyreflectedthefabricdefectscharacteristics.Then,thegrayco-occurrencematrixoffourangleswasmadeforthehorizontalandverticalhigh-frequencys

8、ub-imagesrespectively,andtheeigenvaluessuchasentropy,energy,contrastandangularsecond-ordermomentwerefurthercalculatedtocharacterizethedefectinformation.Finally,theBPneuralnetworkwasconstructed,theeigenvaluedataoffabricandcorrespondingdefectswereinputed,thetrainingsetandthetestsetweredivided,andthefa

9、bricdefectsweredetectedautomatically.Keywords：Imageprocessing;Wavelettransform;Fabricdensity;FabricdefectsAbstract第1章绪论11.1 研究背景和意义11.2 研究现状11.2 .1小波变换在织物密度测量方面的研究现状11.3 .2小波变换在织物质量和性能方面的研究现状21.3 主要研究内容与研究方法31.3.1 研究内容31.3.2 研究方法3第2章基于图像处理的针织物密度测量52.1针织物图像采集和预处理52. 1.1图像的采集53. 1.2图像灰度化64. 1.3中值滤波72.

10、2 针织物图像的小波变换处理82. 2.1小波变换简述83. 2.2最佳分解层数和最优小波基的选取104. 2.3织物密度测量192.3 结果分析与讨论19第3章基于图像处理的织物疵点检测233.1 针织物图像预处理233.2 小波变换233.3 灰度共生矩阵283.4 基于特征值计算的针织物疵点检测293.5 结果讨论于分析313.5.1基于特征值计算的结果讨论与分析313.5.2基于BP神经网络的针织物疵点自动分类374.1 基于图像处理的针织物密度测量得到的结论414.2 基于图像处理的织物疵点检测得到的结论41参考文献42致谢45第1章绪论1.1 研究背景和意义我国是纺织产业大国，纺织

11、工业生产中常常需要检测织物的结构参数和疵点、起毛起球等情况，如果采用人工测量，不仅费时费力，而且依赖于检测人员的技术水平，具有很大的主观程度，时间长了还会造成疲劳，不免产生误差，不利于纺织行业由劳动密集型向技术密集型转型。基于图像处理的纺织品性能自动检测技术是纺织品自动化生产和测试的关键技术,它能够有效克服传统人工检测方法的主观性、不稳定性和低效率等局限,提供与自动生产线相适应的客观高效的检测。在众多图像处理技术中，小波变换是一种信号的时间一频率分析法。与傅里叶变换相比，小波变换能同时提取信号的时域和频域信息，在低频部分具有较高的频率分辨率和较低的时间分辨率，而在高频部分具有较高的时间分辨率和

12、较低的频率分辨率。因此，小波变换具有比傅里叶变换更广泛的适用性，在纺织品自动检测方面具有巨大的应用潜力。MATLAB软件具语法简单、图像处理功能强大，提供了有效的编程工具。1.2 研究现状1.2.1 小波变换在织物密度测量方面的研究现状小波变换在织物密度测量方面的研究主要集中在机织物密度测量和针织物密度测量两方面。基于小波变换的机织物密度测量主要有三种方法，第一种方法回先对灰度图像进行直方图规定化增强对比度和中值滤波去噪等预处理，选用bior3.7小波、COif小波或构造自适应小波，对处理后的织物图像进行N次分解重构后得到清晰的反应经纬方向的高频垂直重构图和高频水平重构图，对重构图进行二值化处

13、理和平滑处理使经纬向明显，对图像取一行（列），计算其中连续黑色像素的个数累加和从而得到机织物密度。第二种方法是.选用dbl小波基对灰度图像进行小波分解，对分解得到的垂直图像分量进行二值化、Radon变换处理。求得图像的经向灰度投影曲线，选用demy小波对一维积分投影曲线信号进行4级滤波分解，同时对每一尺度上的信号进行放大重构，得到真实的经纱位置。最后采用机器视觉算法判别一定像素内的经纱数量并求得机织物密度。最后一种方法先对预处理后的图像进行小波变换，再对亮度信号进行处理分析得到亮度曲线的周期，以此求出织物的密度。基于小波变换的针织物密度测量方面，花勇和龙海如I对图像进行灰度化、平滑去噪等预处理

14、，将图像横向分为W条纵线，并把每条纵向的灰度和做40,选用db8小波基，对TU）用二维小波变换分解和重构得到波峰频谱图，用差分法求得波峰位置和数量即可求得织物密度。邓中民网等先对图像进行N级离散小波分解，保留有线圈信息的图像，剔除图像中如纱线毛羽等高频信息和光照不匀等低频信息，将剩下的分级图像进行重构。将图像灰度化，以每一列灰度值的平均值统计得到灰度曲线，统计得到除杂后的波谷坐标即线圈列和圈柱间隙列实际横坐标。进行二值化处理，通过八邻域广度优先搜索算法得到消去圈柱间隙列后的图像，经过2次膨胀再腐蚀使线圈间相互独立，取每列像素值和绘制灰度曲线图，根据波谷数量算出织物密度。韦秋菊等对图像进行中值滤

15、波、直方图均衡化预处理，选用Morlet小波，对图像进行多级小波变换得到各个方向上的信息子图像，二值化后计算水平和垂直分量灰度投影，计算得到密度。1.2.2 小波变换在织物质量和性能方面的研究现状小波变换在质量评定方面的研究主要集中在织物疵点检测方面，大多数做法如是先选用db小波、sym小波或构造自适应小波对灰度图像进行单尺度小波分解得到纬向和经向纹理子图像，对于经向纹理子图像将其沿纬纱方向划分为大小相同的块数，在每矩形块内计算其灰度值的标准方差作为特征值；对于纬向纹理子图像将其沿经纱方向划分为大小相同的块数，每块内计算其灰度值的横向纹理烯值作为特征值，与正常织物的指标相比较，出现明显的峰值和

16、波动变化明显说明包含疵点，否则为正常织物。小波变换在性能测试方面的研究主要集中在织物起毛起球方面，大多数做法625.是先对织物起毛起球图像进行灰度化、边缘平滑、去除光照不匀等预处理。选用Haarbio3.7小波进行N层小波分解，将每一层的水平、垂直、对角细节系数分别相加，重构子图像。计算相应近似系数能量的百分数和相应的水平、垂直、对角细节系数能量的百分数的和，计算了能量比、能量差分、能量梯度等特征值来获得最佳的分割层级。通过分析得到织物纹理和毛球的分割点的具体层数，由此可分别获得织物纹理图像和织物毛球图像，再对毛球图像进行二值化处理评定起毛起球等级。Wang等还根据未磨损织物图像和合成图像的系

17、数矩阵中所有大于O的元素与矩阵中元素的总数的关系计算灰度比定量表述织物损失程度。1.3 主要研究内容与研究方法1.3.1 研究内容(1)织物图像的采集借助摄像机、工业相机、CCD扫描仪、工业电子显微镜等设备采集清晰的织物图像，选取合适的分辨率，并考虑到光源的角度、强度以及类型，再截取规定大小的区域。(2)织物图像的预处理由于彩色图像数据量大，处理起来较慢，因此通常需要对采集到的织物图像进行灰度化处理，以减少后续处理的数据量。灰度化后的图像还具有很多噪声，会影响特征值的提取，因此必须对图像进行中值滤波去噪处理。(3)小波变换、特征提取、指标计算对于针织物密度的测量，对预处理后的图像进行N级小波分

18、解并重构，比较得到最佳的分解层数，接着选用不同的小波基进行小波分解并重构，比较选择最佳小波基。用差分法计算波峰数量并换算得到织物密度。织物密度的人工测量方法采用照布镜法，测量五次取平均值。针织物密度是5cm内的线圈个数。由于针织物具有弹性和卷变性，因此在测量前应该先使式样松弛达到平衡状态。将两种测量方法进行比较，计算误差大小。在织物疵点检测中，对经过预处理的织物图像，选用不同的小波基进行N级分解得到经纬向纹理子图像，比较不同小波基分解的效果,选择最优的小波基,计算经向纹理子图像的灰度值的标准方差和纬向纹理子图像的灰度值的爆，与正常织物的特征值进行比较判断织物疵点情况。1.3.2 研究方法通过查

19、阅文献搜集最新的织物密度和疵点检测的图像处理技术，关注最新的论文研究成果和行业动态。通过实验对采取不同小波基或不同技术路线得到的实验结果进行比较，分析不同小波基或技术路线之间的差异和特点，以此选定最优路线。与人工测量的数据进行对比，如果与实验结果相差不大，则证明实验思路和技术路线大致正确，如果相差较大则修改技术路线。第2章基于图像处理的针织物密度测量2.1 针织物图像采集和预处理2.1.1 图像的采集首先挑选干净整洁的织物，将其裁剪成适当尺寸大小，接着用蒸汽熨斗熨平织物，消除褶皱和卷边以获得平整的织物。采集织物图像的设备主要有扫描仪和工业相机。采用扫描仪采集图像具有便捷快速的优点，并且可以看到

20、清楚的织物经纬纱组织结构，满足进一步图像处理的要求。因此本文选用佳能7580扫描仪扫描织物图像，分辨率为600x600dpi。采集到的针织物彩色图像如图2-1所示。(a)试样#1(e)试样#3(f)试样#4(g)试样#5(h)试样#6图2-1所有的织物试样在MATLAB中读取图像用imread函数实现，该函数的调用语法为：A=imread(FILENAME,FMT)；其中，A是读取的彩色图像，FILENAME为文件名，FMT是扩展名。2.1.2 图像灰度化输入的RGB彩色图像为一个三维矩阵，若直接进行处理，运算量较大，运行时间较慢。因此要先将RGB彩色图像转换成一维矩阵的灰度图像，提高运算效率

21、。图像灰度化在MATLAB中的调用格式为：I=rgb2gray(RGB);其中，RGB为原始彩色图像矩阵，I为转换的灰度图像矩阵。彩色织物图像灰度化后的图像如图2-2所示。(a)试样#1豺印第那恁小觌t,MMF(f)试样#4(e)试样#3(g)试样#5(h)试样#6图2-2所有织物的灰度图图像的灰度值不表示图像的颜色信息，只表示亮度信息，O代表黑色，255代表白色，中间的数值代表不同的灰度级别。灰度化后织物的线圈结构和纹理更加明显。2.1.3 中值滤波扫描织物时由于光照不匀等因素的影响，灰度图像存在噪声，不能直接使用。为了增强线圈结构部分和背景部分的对比，突出线圈结构部分，还要对图像进行中值滤

22、波去噪处理，以下以试样#6为例进行说明。中值滤波在MATLAB中的调用格式为：J=medfilt2(I,m,n);其中，I为灰度图像矩阵，J为经过中值滤波处理图像的矩阵，m和n是中值滤波处理的模板大小，默认为3*3。中值滤波处理前后的试样#6图像如图2-3所示。(a)处理前(b)处理后图2-3中值滤波处理前后的试样#8图像从图2-3可以看出，经过中值滤波处理后的灰度图像的噪声减弱，图像的灰度分布更加均匀。2.2针织物图像的小波变换处理2.2.1小波变换简述小波变换是一种信号的时间一尺度分析方法，它具有多分辨率分析的特点，可以对信号和图像在不同尺度上进行分解，在小波域进行去噪、压缩处理后，做反变

23、换得到去噪和压缩后的信号和图像。小波变换的基本原理是使用一族函数或基函数去表示或逼近一个函数或者信号，这一族函数称为小波函数系。小波变换采用的不是时间一频率域，而是时间一尺度域，尺度越大，采用越大的时间窗;尺度越小，采用越短的时间窗，即尺度和频率成反比。小波变换定义为：力32)=，外匕力(/辿=,)/。泗(9)力=其中收。为基本小波或称为母小波，山通过尺度伸缩和位移生产的函数族为称为由山生成的连续小波。小波变换的实质在于将I?(R)空间中的任意函数/表示成为其在具有不同伸缩因子。和平移因子匕的出动之上的投影的叠加。与傅里叶变换不同的是，小波变换将一维时域函数映射到二维“时间一尺度”域上，因此了

24、在小波基上的展开具有多分辨率的特性。通过调整伸缩因子。和平移因子儿可以得到具有不同时一频宽度的小波，以匹配原始信号的任意位置，达到对信号的时一频局部化分析的目的。信号分析一般是为了获得时间和频率域之间的相互关系，傅里叶变换只是一种纯频域的分析方法，它在频域的定位性是完全正确的，而在时域无任何分辨能力，即傅里叶变换所反映的是整个信号全部时间下的整体频域特征，而不能提供任何局部时间段上的频率信息。小波变换继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，与傅里叶变换不同，小波变换通过平移母小波或者基本小波就可获得信号的时间信息，而通过缩放小波的宽度或尺度可获得信号的频

25、率特性。小波变换同时提取信号的时域和频域信息，在低频部分具有较高的频率分辨率和较低的时间分辨率，而在高频部分具有较高的时间分辨率和较低的频率分辨率。它的主要特点是通过变换能够充分突出问题某些方面的特征，因此，小波变换在许多领域都得到了成功的应用，特别是小波变换的离散数字算法已被广泛用于许多问题的变换研究中，在纺织品自动检测方面具有巨大的应用潜力乐，小波变换分为分解和重构两个过程。图像的小波分解是运用小波所对应的高通滤波器和低通滤波器不断对图像进行滤波得到相应频率子图像的过程。小波变换在织物图像处理中一般采用二维离散小波变换，即对二维图像信号在水平和垂直方向做一维离散小波变换的结果。小波变换把图

26、像分解成低频和高频信息，低频信息反映图像的基本特性，高频信息反映图像的细节信息，用低频图像可以表现一幅图像的主要信息。分解的层次越多，低频图像表示的信息越少,高频图像表示的信息越多。将织物图像先经过行低通滤波器卷积滤波，再经过列高通滤波器卷积滤波，由于纹理的信息能量大部分集中于低频，所以经这样变换后就舍去了经向的纹理信息而保留了纬向的纹理信息，因此得到横向纹理子图像。同样，将织物图像先经过行高通滤波器再经过列低通滤波器卷积滤波，就得到了纵向纹理子图像。原图像经一层分解后，分别得到低频、垂直高频、水平高频和对角高频分解图像，对低频图像又可再一次重复上述分解。理论上分解可以无限进行，实际分析的时候

27、则应选择适当的标准进行合适的分解，每一层分别对应于不同的频段和分辨率，尺度越小，空间分辨率越高。同样可以利用二维离散小波将分解的结果在不同尺度上重构图像。2. 2.2最佳分解层数和最优小波基的选取对预处理后的灰度图分别求取纵向和横向的灰度和，求取灰度和在MATLAB中的调用格式为：S=sum(J,DIM);其中，J为预处理后的灰度图像矩阵，DIM等于1或者2,1表示对每一列进行求和，2表示对每一行进行求和，S为求得的灰度和。图2-4为试样#6的纵向和横向灰度和的波峰图。1. 5lU2.611O50010001500050010001500像素列号像素行号(a)纵向(b)横向图2-4试样#6的纵

28、横向灰度和纵向波峰图的波形在一定区间内有规律的震荡，波峰处为灰度和最大的区域，表明该区域亮度较高，对应灰度图像上的线圈纵行的各个圈柱；波谷处为灰度和较小的区域，表明该区域亮度较暗，对应灰度图像上的背景部分。在波峰处还存在着许多锯齿状波峰，对应为灰度图上圈柱与背景之间的过渡部分。横向波峰图的波形整体向下震荡，波动较大，个别波峰形状不突出，波峰与波谷之间还存在许多小的不规则波峰，是因为圈柱是倾斜的且不同位置的线圈形态不同，同一个线圈横列所包含的灰度信息也不同。相比于纵向波峰图，横向波峰图的波峰代表了灰度图像线圈横列的各个圈柱。锯齿状波峰和不规则波峰都不利于我们确定波峰位置和计算波峰个数。为了得到平

29、滑理想的波峰图，需要对原始波峰图做小波变换处理，即先对图像进行小波分解处理提取低频信号，再对信号进行重构。小波分解函数在MATLAB中的调用格式为：C,S=wavedec2(J,N,wname)；其中，C为各层分解系数，S为各层分解系数长度也就是大小，J为输入的图像矩阵，N为分解层数，Wname为所选用的小波基。接着对小波分解后的系数进行重构，小波重构函数在MATLAB中的调用格式为：X=wrcoef2(type,C,S,wname,N)；其中，当type=a时，仅对低频部分进行重构，此时N可以为0；当type=h时,对信号的水平高频进行重构，当type=v时，对信号的垂直高频进行重构，当ty

30、pe=d时，对信号的对角高频进行重构，此时N为正整数。由于输入的灰度和为一个一维向量，所以只需要对低频信号进行重构。本文选用db8小波对试样#6的纵横向灰度和分别做1-7层小波分解并重构,得到的波峰图如图2-5所示。o。Oo)l留送050010001500像素列号2.6050010001500像素行号4208工工工2a。OO)留去L550010001500像素列号(C)纵向2层(a)纵向1层5050工工ZZ(0。OOO)晶留3.4ooooo)l笆与50010001500像素行号(d)横向2层(b)横向1层ooooo)sL!Ai二一二f,IJO42086工3.工ZZ(。OOX)乓笆5001000

31、1500像素列号(e)纵向3层50010001500像素行号(f)横向3层oooo三x)ls与K.IrI1-一O42086工工工ZZ(。0。OO)留去50010001500像素列号(g)纵向4层50010001500像素行号(h)横向4层*！*O0505054.工工ZZLooooo)*50010001500像素列号(i)纵向5层4208工工工Z(。0。003星般图50010001500像素行号(j)横向5层(。OoOX)品留.A,JO42086工工工ZZ(O0000)x迩与50010001500像素列号50010001500像素行号(k)纵向6层(m)纵向7层k050010001500像素列号

32、050504.工工ZZ(。OO)&笆(1)横向6层50010001500像素行号(m)横向7层4208工工工2(OOooO)迦图2-5对试样#6的纵横向灰度和做1-7层小波分解后重构的波峰图从图中看出，选用不同分解层数重构后的波峰图各不相同。其中纵向波峰图在经过1-6级小波分解重构后波形的震荡区间变化不大，锯齿状波峰随着分解层数的增加逐渐减少直至消除，并在第6层小波分解和重构后得到光滑理想的波峰图。当分解层数等于7时，重构的波峰图的震荡区间从2xl54xl()5缩小至j2.5x1O53.5x1O5,波动幅度变小，波峰和波谷不突出，波形也不完整。横向波峰图在经过1-6级小波分解和重构后得到的波峰

33、图的震荡区间缓慢减小，波峰的最高峰值逐渐减小，并且从尖锐突起的波峰向圆润平滑的波峰过度。随着分解层数的增加，突变波峰和异常波峰逐渐减少，终于在第6层小波分解和重构后得到了理想的波峰图。当分解层数等于7时，波峰图的震荡区间减小，没有清晰的波峰和波谷，不符合进一步图像处理的要求。综上确定纵横向最佳的小波分解层数为6层。小波基具有不唯一性，即不同的小波基对同一信号的处理效果和同一小波基对不同信号的处理效果都不尽相同，因此常常通过实验和经验积累来进行选取最优小波基，本文选用符合二维离散小波变换的haar小波、sym4小波、db8小波、coif4小波、bior2.6小波和rbio2.4小波对试样#8的纵

34、横向灰度和做6层小波分解后，重构后得到的波峰图如图2-6所示。50010001500像素列号O50505054.4.工工ZZL(OOOOo)l旭50010001500像素行号4208工工工2SOOOO-XSs(a)haar小波纵向(b)haar小波横向50010001500像素列号*a，：,O50505054.4.工工ZZL(ooooo)lw/送50010001500像素行号O2086工工2Z(。0。Oo)l留去(C)Sym4小波纵向(d)sym4小波横向50010001500像素列号-，A：A:O50505054.4.工工ZZL(00000)*50010001500像素行号(e)db8小波纵

35、向(f)db8小波横向50010001500像素列号一?AJO0505054.工工ZZLooooo)&悒50010001500像素行号4.51.550010001500像素列号050504.工工22.(OoOoO)w50010001500像素行号208工工2(OOooOX)五引(i)bior2.6小波纵向koO50010001500像素列号5050504.4.工工22.ooooo)兵迪与(j)bior2.6小波横向50010001500像素行号(DrbiO2.4小波横向4208工工工200。OO)w/4(k)rbio2.4小波纵向图2F不同小波基对试样#6纵横向灰度和做6级小波分解重构图2-6

36、选用haar小波进行小波分解后重构的波峰图由曲线变成直线，波峰和波谷位置变成一段直线。haar小波的消失矩阶数为1,消失矩越高，越有利于检测出突变信号的奇异点，因此haar小波对存在较多突变波峰信号的横向灰度和做分解后重构的波峰图的效果较差，造成失真现象。虽然haar小波的计算速度较快，但处理效果较差，不能作为处理该类信号的最佳小波基。选用sym4小波处理得到的波峰图的波形比较完整，能过滤掉大部分的锯齿状波峰和突变波峰，但仍存在一些波峰位置附近有小的波峰，且曲线的连接过度生硬不平滑。sym4小波的处理效果虽较haar小波有了很大改善，但仍不是最理想的小波基。选用db8小波处理得到的波峰图波形完

37、整，过度平滑。db8小波是正交小波,能保证小波分解后的重构图像能完全还原，因此波峰的震荡区间较小波分解前的波峰图没有较大的变化。db8小波具有正则性，正则性保证了对信号或图像重构时获得良好的平滑效果，同时正则性越高消失矩越高，db8小波的消失矩为8,能有效检测出突变信号，从重构后的波峰图也能看到不存在锯齿状波峰和突变波峰，整体处理效果好。Coif4小波也具有正交性和正则性，因此选用coif4小波处理得到的波峰图与db8小波处理得到波峰图相似，波形完整平滑。选用bior2.6小波处理得到的波峰图的波形也比较完整，但由于bior2.6小波不具备正交性和对称性，导致信号在经过小波分解和重构后产生相位

38、畸变和失真，图像不能完全还原。纵向波峰图的震荡区间发生明显的变化，波峰和波谷的过度生硬，近似直线，处理效果一般。选用rbio2.4小波处理得到的波峰图的波形比较完整，但存在着较多的异常波峰，整体处理效果较差。综上，db8小波和COif4小波处理效果都较好，但两者的差别不大。为了在两者中选出最优的小波基，选用db8小波和coif4小波对不同的织物式样的纵横向灰度和再一次进行6层小波分解并重构得到波峰图，5 0 5 0 工 工 ZZ oooo)金包与50100150像素行号6 2 8 4 工 工 ZZ oooo)l送结果如图2-7所示。1.5O50100150像素列号(a)db8小波试样#1纵向L

39、5F050100150像素列号(OOOOIX)=包送(b)db8小波试样#1横向2.O1050100150像素行号(OoOOIX)MWW3.5O50100150200像素列号5.5050工4.4.oooox)E与086425.4.4.4.4.(OOO三X)B赵R(e)db8小波试样#2纵向(Ddb8小波试样#2横向3.5050100150200像素列号5050工工4.4.(OOOO)u)50100150200像素行号08642工4.4.4.4.(OOoH)(g)coif4小波试样#2纵向(h)coif4小波试样#2横向08O200400600800像素列号6.42O(0。0二)兵引战6.42O

40、.8(OOOOOlX)晶旭(m)db8小波试样#4纵向(n)db8小波试样#4横向像素列号ooooo)笆像素行号(O)COif4小波试样#4纵向(P)COif4小波试样#4横向5 0 5工 工 2SOOOO-S5001000像素行号2 10 9工 工 工 200。OO)笆然2.005001000像素列号(q)db8小波试样#5纵向(r)db8小波试样#5横向工工22.ooooo)乓速送像素列号像素行号(三)COif4小波试样#5纵向(t)coif4小波试样#5横向图2-7db8小波和coif4小波对不同试样的纵横向灰度和做小波分解重构从图2-7可以看到db8小波和coif4小波对试样#1和试样

41、#2处理得到的波峰图的波形相似，没有较大的差别。选用db8小波处理试样#4纵向灰度和得到的波峰图的不同波峰峰值差异较大，排列不整齐，有个别波峰的形态不明显，波峰和波峰的个别过度位置生硬不自然。而用COif4处理试样#4纵向灰度和得到的波峰排列规整，波形更加完整自然，波峰和波谷的过度平滑，没有扁平状波峰的出现。选用db8小波处理试样#5纵向灰度和得到的波峰图的波动区间变小，且在像素列号400-700的波形的波动范围明显小于其他位置的波形，波峰与波谷的差异不明显。相同的支撑长度下，Coiflets小波的消失矩是Daubechies小波的两倍,因此Coiflets小波分析突变信号的能力更强，因此用c

42、oif4小波处理得到的波峰图的波形更加完整，在像素列号400700区域的波峰和波谷的形态比较完整。综上所述，选择coif4小波基作为对织物试样的纵横向灰度和做小波分解的最优小波基。2. 2.3织物密度测量首先确定波峰个数，纵向灰度和的一个波峰代表一个圈柱，两个波峰即代表一个线圈，横向灰度和的一个波峰即代表一个线圈。考虑到波峰图的波峰是一定区间内的灰度最大值，因此采用逐差法历遍所有的灰度和值，接着使所得的大于0的数值变为1,小于0的数值变为-1,等于0的数值仍为0。再对处理过后的数值采用逐差法，统计小于0的所有数值即代表波峰个数。确定所测织物试样的实际大小，由于扫描仪分辨率的DPI的定义为每英寸

43、长度内的像素点数，1英寸长等于2.54厘米，因此织物的实际长度（宽度）等于2.54x横向（纵向）像素数/横向（纵向）分辨率。而要求织物试样的纵横向像素数可在MArLAB中调用size函数，其调用格式如下：M,N=size（J）;其中，M为织物图像的纵向像素数，N为织物图像的横向像素数。根据定义，针织物的纵密等于5x纵向波峰个数/（2x织物实际宽度），针织物的横密等于5x横向波峰个数/织物实际高度。2. 3结果分析与讨论各个试样纵横向最佳波峰图如图2-8所示。O 5 0 5 0 5 工 工 ZZL (OOOOX)辰:50100150像素列号(a)试样#1纵向6 工O 2 8 4 0 工 ZzZ

44、(0000x)B*，A * * ” O 5 0 5 0 5 5.工4.4.工 (OOoOX)金洌出. * A * I-O 0 8 6 4 2 0 4 4 4- (OOooX)晶超50100150200像素列号(C)试样#2纵向50100150200像素行号(d)试样#2横向 J -Tl O .6.42 O.8.6 (0000)l:I? A ， A X O M.20.8.6 oooox)品包与4080120像素列号(e)试样#3纵向4080120像素行号试样#3横向O.42 O (00000)迩送O .6.4.2.0.8 ooooo)速送200400600800像素列号(g)试样#4纵向200400600800像素行号(h)试样#4横向50100150像素行号(b)试样#1横向像素列号像素行号工 工 ZZ (00000)兵留(i)试样#5纵向(J)试样#5横向k050010001500像素列号50010001500像素行号4 2 0 8 工 工 工 2 (00000)l 迩送(k)试样#6纵向试样#6横向图2-8各试样纵横向最佳波峰图由各波峰图可以求得波峰个数，经过换算可以求得针织物密度。程序自动测量和人工测量的结果如表3-1所示。表3-1测试结果与数据编号人工测量横密线圈数