应用一维傅里叶变换的剖幅区自动识别与定位

黎 聪，闫学娜，曾祥忠，梁 猛，张 莹

(1.西安邮电大学 电子工程学院，陕西 西安 710061；2.西安中川光电科技有限公司，陕西 西安 710061 )

应用一维傅里叶变换的剖幅区自动识别与定位

黎 聪1，2，闫学娜1，2，曾祥忠2，梁 猛1，张 莹1

(1.西安邮电大学 电子工程学院，陕西 西安 710061；2.西安中川光电科技有限公司，陕西 西安 710061 )

针对纺织行业布匹剖幅机工作过程中，剖幅区的识别定位仍由人工完成的现状，提出一种可行的剖幅区自动识别定位方法，以降低工人劳动强度，提高布匹剖幅速率和准确率。这种方法基于成像式自动检测技术，应用一维傅里叶变换提取剖幅区频域特征来对其进行识别与定位，并利用VC++编写定位软件对该方法进行测试。结果表明，应用一维傅里叶变换的成像式定位方法可快速、准确地实现剖幅区自动识别与定位，提高剖幅机的工作效率和可靠性。

剖幅机；傅里叶变换；图像识别；特征提取；剖幅

圆纬机具有成圈系统多，转速高，产量高，花形变化快，织物品质好，产品适应性强等多种优点，因此，在现代纺织应用中占有很大比例。但大多数圆纬机生产的圆筒状织物需开幅和剖幅后才能进行后续加工。对于结构较为简单的织物，针织过程中一般会抽去2～3针作为漏针缝，开幅时剖布刀以该漏针缝为引导线进行剖幅。而对于结构较为复杂的织物，针织过程中一般会形成一段无夹层、无花纹连接区，将该区域作为剖幅区用剖布刀进行剖剪才能保证布匹花纹和结构的完整性。

传统的剖幅方法是由工人用眼识别定位引导线或剖幅区位置，通过调整布匹或剖布刀位置进行开幅和剖幅工作。该方法工作效率低，劳动强度大，误剖率高，自动化程度低，因此，研究引导线自动跟踪技术、剖幅区自动识别定位技术，开发自动化程度高的剖幅机来提高纺织生产的自动化水品有着广阔的前景和巨大的经济价值。

目前，国内外对于引导线跟踪技术的研究已取得很大进展。如赵大兴等[1]研究的自动对线开幅方法，采用CCD获取样布图像并对漏针缝进行识别与标定，通过PID控制伞架转速调整漏针缝位置与剖布刀对齐进行剖幅。杨德亮等[2]设计了一种基于位置敏感探测器PSD的引导线跟踪器，使用软件运算代替电路四则运算，提高了系统的精度与稳定性。而对于复杂织物剖幅区的识别与定位，由于织物花纹的多样性，结构的复杂性，工序的高速性，大大增加了复杂织物自动剖幅的实现难度，因此，研究成果较少。本文研究了织物剖幅区快速自动识别和定位方法，提出了一种应用一维傅里叶变换的成像式剖幅区自动识别定位方法，并通过软件仿真与软件测试，验证了该方法的有效性与可行性。

1 样布分析

近几年，随着计算机软硬件与光电传感器技术的迅速发展，图像处理技术与机器视觉技术的应用已深入航空航天、农业、军事、医学等多个领域，在纺织行业也得到了日益广泛的应用，如检测纤维混纺比[3]，自动评判织物抗皱性[4]、起毛起球性等级[5]、织物结构参数识别[6]等。其中，基于成像式传感器的自动检测方法研究是热门的课题之一。

本文使用STC-GE500A CCD相机对白色斜纹带花床垫样布进行采样，如图1所示。图中显示样布中部竖直方向宽约30 mm的带状区域即为剖幅区。图像横向视场大小为400 mm，分辨率为2 448像素×2 058像素。

依据对样布的观察可以发现：1)样布为纯色，区域之间无色彩差异，因此，依据色度差异的识别方法行不通。2)剖幅区与周边区域没有明显的灰度区别，区域边界无灰度突变，且布匹剖幅过程难以保证其平整性，存在光照不均的现象，因此，常用的基于灰度域的图像分割与识别方法[1,7-9]难以实现剖幅区的识别与定位。3)剖幅区与其他区域组织结构存在差异，但织物组织结构识别[10-11]对采集图像的分辨率要求很高，导致其识别算法复杂，运算量大，硬件设备要求高，难以符合实际应用的要求。4)剖幅区与其他区域纹理呈现不同空间周期性。可利用傅里叶变换进行频域特征提取来实现剖幅区的识别与定位。

由此可见，基于频域的方法可行性较高。通常，图像频域特征提取主要利用傅里叶描述子表征形状特征或直接通过傅里叶系数来计算纹理特征；但这些应用都需要进行二维傅里叶变换得到频谱图，运算量较大，且频谱图上的点与图像上的点并没有一一对应的关系[12]，因此，本文应用列向一维快速傅里叶变换的方法，利用剖幅区纹理映射在列方向上的周期性进行识别与定位，可大大降低设备要求，减少计算量，提高效率。

2 一维频谱特征提取与分析

2.1 特征频率提取

图像识别过程中，一般要对采集的图像进行预处理，增强图像某些特征以便进行后续分析，但对图像某些信息进行增强的同时，不可避免地也会增强噪声，并且增加了运算量，降低了处理速度，与剖幅机快速识别、定位剖幅区从而完成剖幅工作的目标相悖；因此，本文提出的识别定位方法将不做预处理。

样布图像按纹理特征可划分为3个区域：剖幅区、非剖幅区和花纹区。图2示出样布局部放大图(图1中标识部分，同时存在3个区域，尺寸为800像素×512像素，横向视场130 mm)，对图2中3个区域分别进行列像素抽样FFT(抽样间隔为10个像素)，得到相应区域特征频谱，结果见图3。图中给出了各区域中典型列像素(图2中列线标出)的幅频谱线。

由图3可知，不同区域谱线差异十分显著，3个区域各自的频谱特征及特征频率如下：

1)剖幅区频谱呈现孤峰特性，即波峰陡峭，数目少，峰间无重叠；波峰C坐标为(51,2 680)，即剖幅区特征频率f1为51。

2)非剖幅区频谱同样呈现孤峰特性；波峰B坐标为(9,4 100)，即非剖幅区特征频率f2为9。

3)花纹区频谱呈现多峰特性；波峰A坐标为(3,4 500)，由于花纹区谱线之间差异较大，图3中列出的并不具有普遍性，故不能判断A峰为其特征峰。

2.2 特征频率分析

图像的频率是表征图像灰度梯度的指标，灰度变化越剧烈，对应的频率越高；灰度变化越平缓，对应的频率越低。由傅里叶变换的性质可知，图像像素的灰度空间分布映射到了频域。从频域信息中同样能通过对应关系得到其空间分布信息，即通过特征频率可以推算出对应的空间纹理尺寸，如下式所示：

式中：K为空间周期，mm；f为空间频率；LN为N像素点长度，mm，N为FFT取样点数；W为图像横向视场；w为图像横向分辨率。可依据各区域的特征频率分析其纹理的空间周期。

由剖幅区特征频率f1可得，其特征纹理空间周期K1为1.64 mm，与剖幅区横向纹理尺寸一致，故可用峰C表征剖幅区高频纹理特征。

由非剖幅区特征频率f2可得其特征纹理空间周期K2为9.30 mm，与非剖幅区斜纹在竖直方向表现出的空间尺寸一致，故可用峰B表征非剖幅区低频纹理特征。

峰A对应频率附近3条曲线幅值都较大，该区域对应的空间周期范围为20.92 ～ 27.88 mm。通过分析可以发现，该区域是由样布不平整导致光照不均而产生的低频噪声(图2中可见阴影部分)。

3 剖幅区自动识别与定位

3.1 剖幅区列像素识别

通过上述分析，得到了剖幅区列像素区别于其他区域列像素的高频特征峰。依据特征峰的频率及幅值，设定合适的幅频阈值，即能检测样布图像的任意列像素是否属于剖幅区。此外，幅频阈值的设定还应考虑2个因素：1)剖幅过程中，光照不均可能导致特征峰幅值的上下波动。2)剖幅过程中，样布的小角度倾斜可能导致特征峰频率的前后漂移。

利用特征峰频率领域内取幅值标准差的方式来确定合适的幅频阈值。计算公式如下：

式中：δ为邻域半径，δ∈N；Af为剖幅区特征峰幅度；B、C分别为非剖幅区与花纹区幅频谱序列；S为标准差；AT为幅度阈值。

邻域半径需大于织物倾斜导致的频率漂移半径。即邻域半径越大，对样布倾斜角度的容限越大，但同时可能导致S变小，使识别的准确率降低，易受环境光照及噪声的影响；因此，要结合实际应用环境确定最优的邻域半径，即保证倾斜容限满足实际需求，又能获得较好的抗噪能力。织物倾斜导致的频率最大漂移半径可用公式表示：

△f=f(1-cosθ)

式中：f为剖幅区特征频率，θ为织物倾斜最大角度。

通过对多种样布的分析以及对剖幅过程的考察，对常见剖幅参数进行了定量分析，结果如表1所示。

表1 常见剖幅参数表Tab.1 General fabric slitting parameters

注：参数均在同一光照条件下获得；快速傅里叶变换点数N取512。

一般地，剖幅机在剖幅过程中，织物倾斜角度小于15°，织物纹理周期剖幅区明显小于非剖幅区。由表1可看出，对于一般剖幅情况，都能获得较大的标准差值，表明幅度阈值的波动容限较大，因此，应用傅里叶变换的方法进行列像素识别，能有效克服剖幅过程中织物倾斜、光照不均等的干扰，准确地识别出属于剖幅区的列像素。此外，该方法只需对个别幅值点进行大小比较而无需繁琐的计算，因此，效率较其他方法如列频谱求和等要高出很多。

3.2 剖幅区定位

通过对列像素进行横向扫描式快速傅里叶变

换，可以识别出位于剖幅区的列像素，对这些列像素的坐标取平均值就能定位出剖幅区的中心位置，但考虑到实际剖幅过程中，由于不确定因素的存在，可能在个别位置出现误识别，即将非剖幅区列识别为剖幅区列或将剖幅区列识别为非剖幅区列，前者对剖幅区中心位置定位影响很大。为了减小这种个别误判带来的定位误差，使用下式计算剖幅区中心位置，依据误判为剖幅区的列只分布在剖幅区两侧，利用前后过滤，中间取平均的方式可有效地减小误差。

式中：Xc为剖幅区中心位置；Xn为识别的列像素坐标序列；a为过滤半径。过滤半径的选择主要依据定位过程中受干扰的程度而定。一般而言，过滤半径都取较小值。此外，过滤半径可在剖幅过程中进行调整，使剖幅达到最理想的效果。

3.3 自动识别定位软件实现

基于VC++编写测试软件对本文提出的剖幅区自动识别定位方法进行验证。软件主要实现二大功能：剖幅区特征频率提取与剖幅区识别定位，流程如图4所示。图像采集使用IMAGING SOURCE DMM 22BUC03 CMOS相机，分辨率为640像素×480像素，横向视场大小为130 mm，帧率为76 帧/s。

4 实验结果与分析

在验证中，应用编写的软件对样布进行了剖幅区定位，结果如图5所示。图中显示定位的剖幅区中心位置由黑色列线标出，由此可见其定位结果十分准确。

5 结 语

通过软件测试，充分验证了本文提出的应用一维傅里叶变换的成像式剖幅区自动识别定位方法的可行性与有效性。该方法针对剖幅区与非剖幅区纹理存在显著空间周期差异的织物具有普遍适用性，能有效克服剖幅过程中织物小角度偏斜、光照不均、噪声等不利因素的干扰，快速、准确地定位出剖幅区的中心位置；但由于幅频特征的提取为静态过程，相关参数的设定也需要人工完成，且一组特征参数仅适用于一种织物，织物改变时需要重新设定参数，无法实现真正意义上的全自动剖幅，因此，织物特征的在线提取，与参数的自适应调整将作为今后努力研究的方向。

FZXB

[1] 赵大兴,冯维,孙国栋.基于CCD与PID的自动视觉对线开幅方法研究[J].测控技术,2013,32(12): 69-72.ZHAO Daxing,FENG Wei,SUN Guodong.Research on an automatic visual on-line open-width method based on CCD and PID[J].Measurement & Control Technology,2013,32(12): 69-72.

[2] 杨德亮,魏燕定,周冠雄,等.基于PSD的织物引导线跟踪器设计[J].纺织学报,2010,31(6) :129-133.YANG Deliang,WEI Yanding,ZHOU Guanxiong,et al.Design of fabric guide line tracker based on position sensitive detector[J].Journal of Textile Research,2010,31(6): 129-133.

[3] 应乐斌.混纺织物不同纤维的图像识别与定量分析[D].杭州：浙江大学,2012:49-62.YING Lebin.Image recognition of various fibers and quantitative analysis for blended fabric[D].Hangzhou: Zhejiang University,2012: 49-62.

[4] 卢雨正,高卫东,王鸿博.织物抗皱性能的评价方法[J].丝绸,2005(11): 22-23.LU Yuzheng,GAO Weidong,WANG Hongbo.Evaluation methodology of fabric wrinkle resis-tance[J].Journal of Silk,2005(11): 22-23.

[5] BEHERA B K,MOHAN Madan T E.Objective measurement of pilling by image processing techni-que[J].International Journal of Clothing Science and Technology,2006,17(5): 279-291.

[6] 王静.基于图像处理的机织物组织结构识别与分类[D].西安：西安工程大学,2013:17-49.WANG Jing.Automatic recognition and classification of woven fabric based on image processing[D].Xi′an: Xi′an Polytechnic University,2013:17-49.

[7] 沈志忠,王硕,曹志强,等.基于边缘检测的图像分割方法及其在机器鱼中的应用[J].机器人,2006,28(4): 361-366.SHEN Zhizhong,WANG Shuo,CAO Zhiqiang,et al.An image segmentation algorithm based on edge detection and its application to robotfish[J].Robot,2006,28(4): 361-366.

[8] 高卫东,刘基宏,徐伯俊,等.织物中纬纱排列参数的自动识别[J].棉纺织技术,2002,30(1): 28-31.GAO Weidong,LIU Hongji,XU Bojun,et al.Automatic identification of weft arrangement parameters in fabric[J].Cotton Textile Technology,2002,30(1): 28-31.

[9] 高卫东,刘基宏,徐伯俊,等.织物中经纱排列参数的自动识别[J].棉纺织技术,2002,30(3): 31-34.GAO Weidong,LIU Hongji,XU Bojun,et al.Automatic identification of warps arrangement parameters in fabric[J].Cotton Textile Technology,2002,30(3): 31-34.

[10] 潘如如,基于数字图像处理的机织物结构参数识别[D].无锡：江南大学,2010:11-41.PAN Ruru.Automatic recognition of woven fabric parameters based on digital image analysis[D].Wuxi: Jiangnan University,2010:11-41.

[11] XU B.Identifying fabric structures with fast Fourier transform techniques[J].Textile Research Journal,1995,65(11): 676-683.

[12] 尹惠玲.基于一维傅里叶变换特征提取的纸币识别[J].计算机与现代化,2011(7):34-35,39.YIN Huiling.Paper currency recognition based on feature extraction of one dimension Fourier trans-form[J].Computer and Modernization,2011(7):34-35,39.

Automatic recognition and positioning method for fabric slitting zone using one-dimensional Fourier transform

LI Cong1，2，YAN Xuena1，2，ZENG Xiangzhong2，LIANG Meng1，ZHANG Ying1

(1.SchoolofElectronicEngineering，Xi′anUniversityofPosts&Telecommunications，Xi′an，Shaanxi710061，China； 2.Xi′anMid-RiverPhotoelectricTechnologyCo.,Ltd.,Xi′an，Shaanxi710061，China)

The current recognition of fabric slitting zone is still completed manully during the working process of fabric slitting machine.This paper provides a high-speed and real-time method to recognize and position fabric slitting zone automatically to reduce the labor intensity of workers and improve the effectiveness and accuracy of fabric slitting.One dimensional Fourier transform is used in this method to extract features in frequency domain.Then the center of the slitting zone can be positioned based on image detection technique.In addition,using VC++ language,software is designed to test the method.The results of software testing indicate that the method proposed can recognize the fabric slitting zone and position its center quickly and precisely,and improve the effectiveness and reliability of fabric slitting machine as well.

fabric slitting machine；Fourier transform；image recognition；feature extraction；fabric slitting

10.13475/j.fzxb.20141205105

2014-12-25

2015-10-09

西安邮电大学创新基金项目(114-602080043)

黎聪(1991—)，男，硕士生。主要研究方向为光电传感与检测技术。梁猛，通信作者，E-mail：liangmeng@xupt.edu.cn。

TS 103.7

A