应用图像处理技术对绒衫类针织品起毛起球的自动评级

文/陆世栋 吴丽 石岩岭

羊绒织品以其轻便、优良的保暖性能深受消费者喜爱，但在服用过程中极易起毛起球，严重影响穿着的美观。羊绒、羊毛及混纺类织品的产品标准中明确规定起毛起球作为产品的内在质量考核指标，测试方法为GB/T 4802.3—2008《纺织品 织物起毛起球性能的测定 第3部分：起球箱法》。该试验方法采用视觉描述评级方法进行评定，具有极强的主观性。因此，如何客观、正确地评价绒衫类织品的起毛起球等级在评定羊绒制品质量上至关重要。

本文主要针对绒衫类针织品，研究使用图像处理和模式分类技术进行起毛起球的等级评定，避免因为人的主观因素而导致评定偏差，客观准确地反映产品信息，以便更好地进行产品的质量控制，并制备起毛起球样本，通过起毛起球自动评级系统与人员目光评级的结果进行对比分析，验证起毛起球自动评级系统的可行性。

1 自动评级系统的工作原理

起毛起球自动评定系统主要使用图像处理方法来进行计算。检测过程包括图像采集、图像预处理、图像分析和特征值提取。由于织物纹理是由经纱和纬纱相互交织而成，其表面具有规则交织的明显纹理特征。而起球的出现会破坏这种规则纹理特征。基于这种差异，本文提出起毛起球的检测和分级方法。起毛起球算法的流程图，具体的处理过程如图1所示。

1.1 采集原始图像

采集的原始图像见图2所示。

1.2 计算图像的平均灰度值

本次研究的样本包含多种颜色的织物裁片，而起毛起球检测设备使用的是灰度相机，无法采集彩色图片，因此对颜色的反映仅表现为平均灰度的不同（即图片整体的亮暗程度不同），为了加强起毛起球仪的适应性，在此做了灰度值判断，进而可以测试具有同一种纹理的多种样品。如图3为不同颜色的织物裁片图片，表现为不同的平均灰度值。

1.3 图像光照不均匀补偿处理

由于采集的原始图像的4个角光照不均匀，须进行光照均匀化处理。如图4所示。

1.4 图像直方图均衡化处理

经过图像直方图均衡化处理后的图像见图5所示。

1.5 图像二值化处理

由图5可见，图像明显发亮的是毛球。因此，可以根据起毛起球的不同灰度值大小，设置不同的阈值，获取到起毛起球图像。经过二值化处理的图像见图6。

1.6 图像形态学处理

织物的起毛起球图像经过二值化处理后，基本可以得到完整的毛球信息，但仍存在大量的纹理信息和噪音。为了得到更为清晰的起毛起球图像，先对二值化处理后的图像进行腐蚀操作，将细小的纹理及噪点滤除；再对腐蚀后的图像进行膨胀操作后，背景纹理得到较好滤除，使毛球信息得到有效增强。经形态学处理的图像见图7～图9。

1.7 图像轮廓处理

通过形态学处理之后的图像，起毛起球的特征虽然被加强了，但是存在很大噪音。因此，通过求取二值化图像的轮廓，并运用漫水填充法去除掉面积不符合要求的干扰。起球图像见图10。

1.8 起毛起球特征提取

使用求取连通域的个数的方法，获得轮廓处理后图像中的连通区域个数，求取起球个数。

使用轮廓处理后图像中的白色像素点个数除以图像总像素点个数，求取起球的面积比。

2 样本制备及评级结果

试样准备，选取不同颜色、纱支的绒线类织物，依据GB/T 4802.3—2008《纺织品 织物起毛起球性能的测定 第3部分：起球箱法》，分别对织物面料进行测试，并使用自动评级系统评级和人员目光评级。

调节和试验用大气采用GB/T 6529规定的标准大气。温度为20℃，湿度为65%。粗纺织物翻转7200r，精纺织物翻转14400r。测试结果见表1。

本次初步选用10个样本，每个样本上、下、左、右4个方向各测试4次，即每幅样本测试16次，并最终求取10组数据的平均值作为最终的特征值，并进行评级。

表1 自动评级系统与人员目光评级对比表

3 结论

通过自动评级系统与人员目光评级结果对比，10个样本中有8幅样本与人工分级完全一致，即正确的分级率为8/10=80%，其中2个样本因起毛起球面积比处于分级的界限上，从而产生分级的交织，而与人工分级人员商议，由于人工分级存在主观性，不具备客观性，因此相邻级别的交织在接受的范围内。

自动评级系统能提供客观的评定级别，分辨率达到0.5级。