羊毛衫横纵密度的自动识别
第33卷第4期
2012年4月
纺织
JournalofTextileRearch
V01.33.No.4
Apr.,2012
文章编号:0253-9721(2012)04—0060—04
羊毛衫横纵密度的自动识别
汪秀琛
(中原工学院，河南郑州450007)
摘要羊毛衫组织密度的识别目前还未有成熟算法.为此提出一套基于极值簇的密度自动识别方法.首先计
算任意识别区域的实际尺寸，采用线性方法对图像进行增强处理；进一步提出极值簇融合算法，抽取图像中线圈圄
柱及空隙部分产生的灰度峰值簇及谷值簇，并将同一位置的同类极值簇融合，以绘制能显现图像变化规律的横向
及纵向灰度极值簇融合图；最后给出通过灰度极值簇融合图计算羊毛衫织物组织横纵密的公式.通过MatLab7.0
编程验证该算法，得出其对纯色平纹，罗纹组织识别准确率大于98%的结论.
关键词羊毛衫；横密；纵密；极值簇；识别
中图分类号:TS184.5文献标志码:A Automaticrecognitionofwaleandcourperunitlengthofwoolensweaters
W ANCXiuchen
(ZhongyuanUniversityofTechnology,Zhengzhou,Henan450007,China) AbstractThereisnotamaturealgorithmfordensityrecognitionofwoolensweatertextureatpr ent.
Therefore,thispapertsforthanautomaticrecognitionmethodbadonextremumcluster.F irstly,
actualsizeofanyrecognitionareaiscalculated,andimageissubjectedtoenhancementproces singby
linearmethod.Thenafusionalgorithmofextremumispropod.Withthisalgorithm,graypea kcluster andvalleyclustergeneratedbyloopcolumnandvoidpartinimagesareextracted,theidentical extremum
clustersinthesamepositionarefud,andfusiongraphofgrayextremumclusterforimagecha ngeruleis
drawn.Finally,acalculationformulaofwaleandeourperunitlengthofwoolensweatertext ureis
given.ThealgorithminthispaperisverifiedbyMatLab7.0,andtheresultsindicatethatitsreco gnition
accuracyismorethan98%forjeryandribtexture.
Keywordssweater;waleperunitlength;courperunitlength;extremecluster;recognition 羊毛衫的横，纵密自动识别是指在不损伤羊毛
衫组织的前提下，借助计算机图像分析技术对羊毛
衫局部图像的灰度变化规律进行分析，以自动计算
羊毛衫的横密与纵密.它是羊毛衫款式分析的一项
重要工作，可为羊毛衫的质量检测，参数分析，款式
设计及工艺单计算提供参考.
有关羊毛衫密度自动识别的研究报道较少，文水瓶和水瓶
献[1—2]采用傅里叶变换对针织物进行图像处理
以测量密度.其他密度自动识别的研究大都集中在
机织物方面，主要有频域法和空问域法2种.频域
法包括傅里叶变换法,Gabor法，小波变换
法..空间域方法主要有纱线间隙定位法，数
字形态法，自相关法¨，模糊聚类法¨等.机织
物的算法对针织物密度自动识别并不适用，原因是
针织物线圈在空隙部位及相邻部位出现2次以上的
灰度变化，并且线圈正面圈柱部分的灰度沿弧形方
向变化，与机织物沿直线方向的变化不同.而羊毛
黄色老师衫图像中需要考虑线圈的2个圈柱及沉降弧等因
素，才能合理地将其灰度变化规律抽取，以准确计算
其横纵密度.
收稿日期:2011—06—18修回日期:2012一O1一l0
基金项目：河南省重大科技攻关项目(102102210064)
作者简介：汪秀琛(1972一)，女，副教授.研究方向为计算机在纺织服装工业的应用.E-mail:nbwangxiuchen@163?com.
第4期汪秀琛：羊毛衫横纵密度的自动识别?61?
为解决上述问题，本文提出了一种新的羊毛衫
肩膀长痣图解大全横密，纵密自动识别算法.该算法首先确定任意识
别区域实际尺寸并对其进行线性增强，然后根据所
提出的极值簇融合算法，绘制能显现图像变化规律
的横向及纵向极值簇融合图，根据图形曲线计算羊
发话毛衫组织的横密，纵密.通过MatLab7.0编程验证,
该算法对纯色平纹，罗纹组织识别准确率大于
98%，具有良好的识别效果.
1自动识别方法
1.1羊毛衫分析区域的实际尺寸确定
计算羊毛衫的横纵密必须获得所分析图像区域
的实际尺寸.设所获取的羊毛衫区域图片分辨率为
P，所选择的任意图像区域像素大小为N×M，横向
实际尺寸为，纵向实际尺寸为日，则羊毛衫分析
区域的实际尺寸为
王者图片
空旷W=M/p(1)
H=N/p2
1.2图像的增强
本文采用文献[12]给出的线性图像增强方法,
具体为
,
一
,
F:g+坠—(一g.)>f(3)
g2一g1
式中：厂为图像的任意点灰度，灰度范围为[g,g:],
其对应的新灰度为F，取值范围为[g,g].
1.3极值簇融合算法
该步骤是羊毛衫横纵密自动识别算法的关键.
羊毛衫组织由于线圈的存在使其图像的灰度变化较为复杂，图1为羊毛衫的组织图及其灰度极值簇立体示意图.图中，图像灰度在圈柱及空隙区域形成
由多个像素点组成的极值群称为极值簇，圈柱处称为峰值簇，空隙处称为谷值簇.极值簇界限模糊，单
独分析每行每列不易统计其规律变化.例如，图2
为图1(a)中第12行的灰度分布图.由图可看出其
峰值和谷值没有明显的规律可循.其他所有行和列的灰度变化也存在这样的问题.
为此，本文提出融合极值簇的方法准确显现羊
毛衫图像的灰度变化规律以识别其横纵密度.其思路是分别融合行方向与列方向的所有峰值簇和所有谷值簇，从而绘制极值簇融合图，以计算羊毛衫组织的横纵密度.
设待分析图像窗口中的像素大小为NXM，整
个图像灰度平均值为G，第i行第列像素点的灰度
趔
越
g
《
懈
极值簇(峰值簇)(a1组织圈
极值簇(谷值簇)
(b)灰度极值簇
图1羊毛衫组织图及其灰度极值簇示意图Fig.1Texturestructure(a)anditsgray extremeclusterdiagram(b)ofsweater
机械管理像素点的列数
图2第12行灰度变化图民间故事有哪些
Fig.2Graychangegraphof12thline
值为g…则
NM
一
2—2一g
G专(1≤≤)(4)
设横向极值簇个数为m，其中峰值簇为m个,
谷值为m个，所有横向峰值簇用向量日(l≤m)
表示，谷值簇为向量日(≤m)，日日中的每个
元素中含有多个像素点，其中的任意点灰度为g., 用Hj-g.表示，则有:
日g<G，日?g>G(5)
同理，对于纵向的极值簇有
VJ?g.
<G,V2?g.>G(6)
62?纺织第33卷
