织物密度测量MATLAB实现
织物密度分析实验报告
织物密度分析实验报告1. 实验目的本实验旨在通过测量织物的密度，了解织物的纤维结构和质量特性，并掌握测量织物密度的方法。
2. 实验原理织物的密度指的是织物单位体积中纤维的数量，通常用纺数来表示。
纺数是指织物中单位长度内纬线的根数。
测量织物密度的方法主要有两种，即纺数计数法和称重法。
纺数计数法是通过直接数一定长度织物中纬线的根数来计算密度的。
首先，将一定长度的织物剪下，并用放大镜观察织物的纬线，数一定范围内纬线的根数，然后根据公式N = \frac{{L \times n}}{{l}}计算纺数，其中N为纺数，L为织物长度，n为纬线根数，l为数线所在范围的长度。
称重法是通过测量织物的质量和已知密度的参考物质的质量，再利用密度的计算公式求解。
首先，将一定大小的织物剪下并称重，得到质量M_1，然后分别将织物和参考物质浸泡在水中测量它们的浸没质量M_2和M_3，再利用公式\rho = \frac{{M_1}}{{M_1 - M_3}} \cdot \frac{{M_2 - M_1}}{{M_2}} \cdot \rho_0计算织物的密度，其中\rho为织物密度，\rho_0为参考物质的密度。
3. 实验仪器和材料- 放大镜- 称量器具- 织物样品- 水槽4. 实验步骤4.1 纺数计数法1. 选择一段织物样品，并剪下一定长度。
2. 将织物样品固定在台面上，并利用放大镜观察织物的纬线。
3. 在放大镜下用计数器数出一定范围内纬线的根数n。
4. 测量织物的长度L和数线所在范围的长度l。
5. 根据公式N = \frac{{L \times n}}{{l}}计算纺数N。
4.2 称重法1. 将织物样品剪下一定大小，并称重得到质量M_1。
2. 准备一个已知密度的参考物质，并称重得到质量M_3。
3. 将织物样品和参考物质浸泡在水中分别称重得到浸没质量M_2和M_3。
4. 利用公式\rho = \frac{{M_1}}{{M_1 - M_3}} \cdot \frac{{M_2 -M_1}}{{M_2}} \cdot \rho_0计算织物的密度\rho。
MATLAB在纺织应用习题与作业
MATLAB在纺织图像处理上的应用第一部分图象处理实例1 提取图象图 1 图2MATLAB在纺织最优化计算上的应用将利用图1，将图2中“纺织”图像提取出来。
实例2 提取织物沾水图象图3 图4 实例3 自动计算机织物密度图5第二部分数据计算与拟合多项式拟合命令：ployfit(X,Y,N) 多项式拟合，返回降幂排列的多项式系数。
Polyval(P,xi) 计算多项式的值。
其中，X，Y是数据点的值；N是拟合的最高次幂；P是返回的多项式系数；xi 是要求的点的横坐标。
实例2X: 1 2 3 4 5 6 7 8 9;Y: 9 7 6 3 -1 2 5 7 20;x=[1 2 3 4 5 6 7 8 9];y=[9 7 6 3 -1 2 5 7 20];plot(x,y,’*’);123456789p=polyfit(x,y,3);xi=0:.2:10;yi=polyval(p,xi);plot(xi,yi,x,y,'r*');012345678910Pp =0.1481 -1.4030 1.8537 8.2698Y=0.1481 x 3-1.4030 x 2+1.8537x+8.2698。
第四部分 最优化计算解线性规划的函数linprog ，其约束条件如下：目标函数到最小值 x f Tx min 不等式约束 Ax ≤b等式约束 beq Aeqx =上、下界限制 ub x lb ≤≤书写格式有：[x,fval]=linprog(f, A,b)用于不等式约束，使目标函数为最小值。
[x,fval, exitflag]=linprog(f, A,b,Aeq,beq,lb,ub)用于具有等式约束和不等式约束，使目标函数为最小的解，若只有等式约束，则不等式约束的矩阵A 和向量b 需用空阵[]代替。
[x,fval,exitflag, output]=linprog(f, A,b,Aeq,beq,lb,ub,x0)与上式相同，但增加了初值设置，这种设置仅对中规模算法有效。
织物密度检测
数字图像处理课程设计报告课设题目：织物密度检测学院：信息科学与电气工程学院专业：电子与信息工程班级：0802502姓名：杜天宇学号：080250215指导教师：于海雁周志权赵占锋哈尔滨工业大学（威海）2010 年11月24日目录一. 课程设计任务 (1)二. 课程设计原理及设计方案 (2)三. 课程设计的步骤和结果 (6)四. 课程设计总结 (17)五. 设计体会 (18)六. 参考文献 (19)哈尔滨工业大学（威海）课程设计报告一. 课程设计任务数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。
随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。
1、能够读取和存储图像，对图像进行去噪和对比度增强；2、对任意指定的距离范围内的织物进行自动经纬纱根数计数；3、设计软件界面。
4、读取已获得的需要测量的织物的图像或从计算机上联接的图像获取设备中获得实际图像（提高部分）；5、对图像进行任意角度旋转，使织物纬线方向呈水平；6、根据图像质量对对图像进行去噪和对比度增强；7、对纵向织物线条个数，采用垂向一阶微分算子（如sobel、roberts）检测垂直向边缘；8、对垂直向进行投影，做直方图统计，计算直方图峰值个数；9、横向织物根数采用和纵向相同方法计数。
- 1 -哈尔滨工业大学（威海）课程设计报告二. 课程设计原理及设计方案2.1设计简介本设计采用MATLAB语言，利用图像处理和计算机技术，对提供的织物的数字图像进行图像转换、中值滤波、对比度增强等预处理，再进行小波变换将织物径向和纬向信息分离出来，然后进行二值化处理、平滑处理，得到与背景完全分离的纱线分布信息，最后编程实现自动检测织物经、纬纱数目。
2.2设计基本概念（一）设计的基本概念：在织物单位长度中排列的经纬纱根数，称为织物的经纬纱密度。
织物密度的计算单位以公制计，是指10cm内经纬纱排列的根数。
基于MATLAB图像处理技术的针织物结构参数测量的研究
基于MATLAB图像处理技术的针织物结构参数测量的研究
近年来,图像处理技术逐渐渗透到纺织领域中,大大促进了纺织行业的发展,逐渐实现了从人工到智能的转变。
其应用也正由纯学术研究走向工业应用,应用领域在不断拓宽。
图像处理技术在纺织品检测上的应用改变了纺织行业中的传统的手工操作流程,提高了工作效率,解决了许多纺织品检测中的难题。
为了解决针织物结构参数在人工测量时容易产生误差以及费时费力等问题,文章提出采用图像处理的方法实现针织物结构参数的自动测量,包括线圈长度、密度、线圈歪斜度、面积孔隙率、未充满系数以及编织密度系数等。
借助功能强大的MATLAB语言编程,实现高速的运算和图像处理。
尝试利用VC++和MATLAB混合编程,有效的提高了计算速度。
文章根据针织物的特点,将织物图像经过灰度化、平滑化、二维快速傅立叶变换、频谱图中特征点的提取、图像重建、细化等处理实现了织物图像有效信号的提取。
根据空间域与频率域的对应关系得出自动测量密度的公式。
利用回归分析得出二维线圈长度和三维线圈长度的关系式,实现了线圈长度的自动测量。
运用傅立叶变换的旋转性实现了对线圈歪斜角度的测量。
对不同纱线、不同密度、不同颜色以及不同简单组织的测试结果和人工测试结果进行了多次实验对比,用概率统计的方法检验该系统的测量数据和人工测量结果无显著性差异。
本课题的密度测试主要针对简单组织,线圈长度测试着重研究了纬平针组织。
所以要应用于实际生产还需要做进一步的研究。
织物密度实验报告
织物密度实验报告实验目的本实验旨在测量某种面料的物理特性之一，即织物密度。
通过计算织物单位面积上的线条数，可以了解织物的紧密程度和质量等指标。
同时本实验也是对实验者操作技能和理论知识的考察。
实验原理织物面料的密度是指单位面积内织物纱线的密集程度，常用线数或纱支数表示。
线数是指单位面积内的纵向、横向纱线数之和。
纱支数则是指单位重量的纱长，它是标准化的纱线规格。
由于纱线的直径不同，因此纱数并不能准确地表示织物密度，而线数则可以更准确地反映出织物的紧密程度。
在实验中，使用的是整平织物，即横纱和纵纱的线条数相同，此时线数等于纱数。
测量织物密度的一种方法是显微镜法。
测量步骤如下：1. 用剪刀将织物裁剪成一个矩形样品，尽量平整以避免误差。
2. 将样品固定在载玻片上，用显微镜对其进行观察。
3.在显微镜下，垂直放置一个V形游标卡尺，两个游标位置各自比较样品上的线条数，并记录读数。
4. 根据样品尺寸和常数计算出线条数，并计算织物密度。
实验仪器显微镜、V形游标卡尺、取样刀、载玻片等。
切取织物样品首先要从织物中拆下一个符合要求的样品，一下是具体的步骤：1. 用尺子测量织物长度和宽度。
2. 根据实验要求和仪器限制，决定取样区域。
3. 伸直织物，仔细剪去笼统的破边和悬起的线头。
4. 将剪好的织物样品放到工作台上，并横向摆好。
5. 从样品的横向中央处，用取样刀割开一道5mm左右的长条状样品。
6. 将样品摆放到载玻片上，暂时不要去除臂纱，以免使线条变形或断裂。
利用显微镜测量织物密度按以下步骤进行测量：1. 将载玻片端到显微镜台上，调节好光照和清晰度。
2. 将V形游标卡尺置于两个不同的线条之间，并用手微调卡尺，调节至游标和线条完全对齐。
3. 记录下读数，并换到另一处位置进行同样的操作，记录下新的读数。
4. 重复上述过程，直到记录到足够数量的数据为止。
计算织物密度根据上述测量得到的数据，可以计算出织物密度。
计算公式如下：线条数=游标间距（mm）/玻片倍率×游标刻线数织物密度（线/厘米）= 横向线条数+纵向线条数/2/ 样品面积实验数据样品尺寸： 30mm x 30mm玻片倍率：20x游标刻线数：50读数（mm）横向纱线数纵向纱线数4.1 20 204.3 19 193.9 21 214.2 20 204.0 20 21数据计算横向线条数：4.1 mm/20 x 50 = 102.520 + 20 + 21 + 20 + 21 = 102织物密度（线/厘米）= (102+102)/2/0.009 = 11333 约113线/cm实验结论通过本次实验测量，我们得出了织物的线条数及织物密度，以此来评价织物的质量。
织物密度测量MATLAB实现
图 6 用黑线截断垂直织线
图 7 实际情况下的干扰
实际中采取的方案如图 8 所示，跟踪某一条水平织线。对此水平织线进 行按列扫描，记下当前列白色像素点的宽度。若宽度大于一定长度，说明存在 垂直织线。若宽度太小说明是水平横线发生弯曲，重新校正水平织线边缘。
图 8 用水平织线检测垂直织线
上面是检测垂直织线，对于水平织线，我们二值化图像矩阵进行转置处 理，进行相同的步骤，可以检测出水平织线根数。
stri_begin=i+j-1; %记录下白线结束位置
point_begin=i; %记录下白线开始位置
break
end
end
end
%%%%%%%%%%%%%%%%跟踪白线%%%%%%%%%%%%%%%
i=point_begin;
m=stri_begin;
for j=1:width1-1 %从检测到横线开始进行列像素点判断
图 3 中值滤波后图像
5. 对滤波后的图像进行直方图规定化处理 global imag_filter; global imag_match; set(handles.radiobutton3,'value',0);
-4-
哈尔滨工业大学（威海）课程设计报告
set(handles.radiobutton4,'enable','off'); set(handles.radiobutton5,'enable','on'); hgram=0:255; imag_match=histeq(imag_filter,hgram); axes(handles.axes1); imshow(imag_match); title('直方图规定化图像')
基于机器视觉的织物经纬密度自动检测研究
基于机器视觉的织物经纬密度自动检测研究刘裕文;杜文琴【摘要】为实现机织物密度的自动测量，设计了简单的图像采集装置以获得高清的织物图像。
利用 MATLAB 编写算法，对织物图像进行图像灰度化、直方图规定化、中值滤波、灰度增强、带通滤波等处理，从而获得织物经纬方向的信息，得出机织物的经纬密度。
实验表明，本算法不仅适用于纯色织物，也适用于一些简单的印花织物，与人工检测结果相比，机器检测结果的相对误差均在2%以内，假设检验结果说明算法具有较高的可信度和稳定性。
%For detecting fabric density automatically, a simple system for getting HD fabric image was built. MATLAB-based algorithms, gray level transformation, histogram specification, median filtering, gray level increase, and band-pass filter were used to deal with fabric image to get fabric density automatically. Experiments show that the algorithms are suited for plain fabrics and some simple printed fabrics; contrast experiments show the relative error between manual measurement and image measurement is less than 2%, and the hypothesis testing results demonstrate that the algorithms have high reliability and stability.【期刊名称】《五邑大学学报（自然科学版）》【年(卷),期】2015(000)002【总页数】5页(P16-20)【关键词】数字图像处理;机织物;经纬密度;MATLAB【作者】刘裕文;杜文琴【作者单位】五邑大学纺织服装学院，广东江门 529020; 五邑大学广东省高校功能性纺织品工程技术研究中心，广东江门 529020;五邑大学纺织服装学院，广东江门 529020; 五邑大学广东省高校功能性纺织品工程技术研究中心，广东江门 529020【正文语种】中文【中图分类】TS103.6织物经纬密度是最基本的织物结构参数之一，对织物的外观、手感、强力、耐磨性等物理机械性能有一定的影响[1]. 目前，大部分工厂和检测机构仍旧根据国家标准[2]人工测量该参数，且多采用织物分解法、织物分析镜法、移动式织物密度镜法等；整个检测过程，对技术员要求非常高，不仅耗时费力，而且容易出错. 鉴于此，本文尝试用比较成熟的图像处理技术来识别织物（本文特指机织物）结构特征，并依此计算出织物的经纬密度，实现织物密度检测的智能化.1 机织物图像的采集机织物由经纬两个系统的纱线互相垂直交织而成，经、纬向纱线以及纱线间隙具有非常明显的规律. 图像采集装置的选取，对图像的获得质量影响非常大，本实验选用拍摄距离固定的Supereyes高清摄像头，内置均匀排列的LED灯，使之具有较高的分辨率和较高的动态范围，能获得纹理比较清晰的织物图像. 对于紧度较小的织物，可在织物后面垫上色差较大的薄板，以增强纱线与间隙的反差. 对于被测织物样本，要求其具有较好的表面状态，如表面平整、干净无污渍、纹路清晰、经纬纱线垂直水平相交. 织物固定在水平台上时，先施加初始张力以保持织物平整，并使图像框的左边界与上边界落在纱线的间隙上，以保持图像边界与纱线平行.由于摄像头的分辨率是固定的，因此摄像头与试样间的距离决定了单个像素所对应的实际尺寸. 为此，需要根据所需图像的清晰度来调节摄像头的位置，本文最终选择摄像头外沿直贴织物表面，拍摄装置如图1所示. 此时所获图像的实际尺寸为；摄像头的参数：24位色彩位；分辨率；图片存储为.jpg格式.2 机织物图像处理图像采集过程中，图像信息不仅受到噪声的干扰，而且还受到织物的毛羽数量、条干均匀程度、色彩差异等因素的影响，这将造成织物图像的有效信息质量下降，从而不利于织物的特征提取和根数识别. 本文借助MATLAB平台编写程序处理采集的织物图像，以加强有用信息，使织物图像的轮廓更加清晰. 算法主要包括灰度变换、直方图的规定化、中值滤波、灰度增强以及带通滤波等处理方法[3].2.1 图像的灰度化机织物的经纬密度，实际就是一定单位长度内所包含的纱线根数，可以根据图像的明暗变化规律获得. 由于部分织物是彩色或简单印花的，其被采集的图像是真彩色，直接处理不仅数据量比较大，颜色干扰也非常大，故需先灰度变换以减少颜色干扰、保持细节. 处理后发现，织物纹理中闪亮的光泽明显减弱、彩色消失，但织物仍存在大量的毛羽，纹理有些许模糊，具体效果如图2所示.2.2 直方图规定化在织物图像采集过程中，由于内置LED灯光的不均匀作用以及外源光的影响，图像的灰度会集中分布在比较窄的区间，并引起织物图像细节模糊. 为了改善图像细节的清晰度，本实验采用直方图规定化方法，通过调节各部分亮度的比例关系重新分布灰度值，以增强某个灰度值范围内的对比度，使细节更加清晰. 为了使机织物的纹理细节更清晰，我们希望它的图像动态范围较大，即在[0,255]范围内各个灰度级上都有像素分布，因此选择变换矢量. 通过对比发现，原始图像的灰度值大都分布在150附近，经过直方图规定化可使其灰度重新分配在0～255，处理前后的灰度值分布情况如图3所示. 处理后，图像明暗对比度明显加强，图像纹理变得更加清晰.2.3 中值滤波织物图像在采集和传输阶段受到的噪声干扰，易导致图像输出时纱线分布信息的不完整[4]. 本实验使用简单方便的非线性中值滤波（二维的中值滤波）对图像进行平滑处理，即用一定区域范围内所有像素点灰度值的中值来代替该区域内所有像素点的灰度值，从而达到平滑处理的效果. 由于区域是变动的，并且具有各种形状，根据织物经纬纱纵行垂直交叉的特点以及实验证明，本文选用矩形尺寸，此时效果较好，去除了一些特别闪亮的噪点. 处理前后的效果如图4所示.2.4 灰度增强经过前面几步的图像处理之后，已去除了图像的噪音、消除了大部分毛羽，但对于一些毛羽较多的图像，为了获取更好的纱线条干使得纱线与间隙区分得更清楚，需再次对图像进行灰度调整以增强对比度. 本文采用截取式线性变换，根据毛羽与纱线的灰度级数，分别对其进行灰度增强处理，以增强纱线与间隙的反差，形成较为清晰的织物图像. 本文将灰度范围调整到灰度范围，从图5可以看出，经过灰度增强后，纱线非常清晰.2.5 带通滤波如图5，根据经、纬纱线纵横垂直的有序排列规律，分别画出织物在经向、纬向的灰度值总和曲线. 如图6所示，灰度曲线是正弦曲线，其波峰、波谷分别与纱线、纱线间隙一一对应，但由于纱线条干不匀以及纱线歪斜，波谷处存在局部极值现象，这将影响到波峰数的监测，即影响到纱线根数的识别. 因此，需要对得出的经纬向灰度总和曲线进行平滑处理. 本实验在使用二次中值滤波后，又设计了一个带通滤波器进行滤波处理. 经过多次试验，经纬向分别选用上限截止频率和、下限截止频率和，此时的滤波效果较好，局部极值消除效果如图6-d所示，图像中的局部极值被消除，曲线变得更加平滑.2.6 机织物经纬密度的计算通过计算织物经向、纬向灰度值总和曲线的波峰数，即可得到对应图像中的经纬纱线根数. 本文利用函数findpeaks找出各波峰点以计算出图像中的纱线数，再根据织物的实际拍摄尺寸长（L）和宽（W）进行换算以求出纱线的密度. 实现程序如下：%寻找波峰数ynum=length(findpeaks(Sy(y))); %经纱数xnum=length(findpeaks(Sx(x))); %纬纱数%计算织物经纬密度JM=(ynum/L)*10; %经纱密度WM=(xnum/W)*10; %纬纱密度3 实验检测与结果分析为了验证开发的机织物经纬密度测量系统测试结果的稳定性，选用5块样布进行测试，其中包括了纯色、印花等不同的面料. 人工测量按照《GB/T4668—1995机织物密度的测定》中的移动式密度镜法进行；图像测量采用自主开发的测试系统，利用双总体F检验法与t检验法[5]验证两组数据之间的精密度，结果对比见表1. 1）测试结果稳定性分析. 利用统计假设检验双总体F检验法得出：统计量，当显著性水平为5%，自由度时，查F临界值表，，. 由于，说明这两种方法测试结果的稳定性无显著差异.2）测试结果的差异分析. 利用统计假设检验的双总体t检验法得出：，当显著性水平5%，自由度时，查t临界值表，. 由于，说明这两种方法测试结果无显著差异. 由检验结果的对比可知，由于织造的原因，经纱排列比纬纱规整，其变异系数（CV%）也较小；经纬纱密度百分误差（△%）均控制在2%以内，平均误差约为0.99%.4 结论通过人工测量与图像测量实验的对比分析发现，本检测系统对简单组织的机织物密度识别具有非常方便、快捷、稳定的特点. 由于选择带通滤波器的上下截止频率及通频带是固定而非自适应变化的，其只能过滤一定范围内的局部极值，因此，对织物自身尺寸的稳定性要求比较高，即织物中经、纬两个不同系统纱线应该尽可能垂直排列，以减少局部极值对结果的影响. 对于紧度较高的织物，由于空隙非常小，纱线与纱线间隙的对比不明显，其密度识别仍存在很大的误差. 后续研究，可考虑在此基础上使用质量更好的摄像头，或采集更大尺寸片段的织物图像进行识别，以实现纱线的自动纠偏来提高测量精度，并进一步完善测量系统.[1] 勇金华. 机织物结构参数的图像测量的研究[D]. 青岛：青岛大学，2009.[2] 郑宇英，贺洁人. GB/T4668—1995机织物密度的测定[S]. 北京：中国标准出版社，1996.[3] 秦襄培，郑贤中. MATLAB图像处理宝典[M]. 北京：电子工业出版社，2011.[4] 徐雪倩，张凤生. 基于中值滤波和小波变换的织物图像预处理[J]. 青岛大学学报：工程技术版，2011, 26(01): 19-22.[5] 李云雁，胡传荣. 试验设计与数据处理[M]. 2版. 北京：化学工业出版社，2008. [责任编辑：熊玉涛]。
Matlab与VB混合编程在织物疵点自动检测的应用
Matlab与VB混合编程在织物疵点自动检测的应用
李建福;汪黎明
【期刊名称】《现代纺织技术》
【年(卷),期】2008(016)004
【摘要】利用Visual Basic6.0设计了应用软件的用户界面,用SDK2000视频卡与CCD摄像头连接采集数据,利用Matlab7.0图像处理工具箱,小波分析工具箱,通过各种算法的比较和验证,找到有利于疵点的检测,快速的疵点识别,精确的疵点分割方法,三者相互结合构成织物疵点自动检测系统.在图像采集中,调用视频卡驱动程序,实现图像的储存.图像处理中,应用二维小波分解重构,小波消噪,阈值分割,数学形态学处理等方法,快速准确识别疵点,利用Matlab最新的COM生成器,将Matlab的M 文件,生成COM组件在Visual Basic中直接调用,基本实现自动检测.
【总页数】4页(P1-4)
【作者】李建福;汪黎明
【作者单位】青岛大学纺织服装学院,山东青岛,266071;青岛大学纺织服装学院,山东青岛,266071
【正文语种】中文
【中图分类】TS103.63
【相关文献】
1.VB和MATLAB混合编程实现层次分析法在湘潭市供水安全评估中的快速应用[J], 胡清;林斯杰;张鹤清;蒋华
2.MATLAB与混合编程方法在伺服机构动态测试中的应用 [J], 施金花;王斌;张鑫彬;李文顶
3.VB和MATLAB混合编程及其在图像处理软件中的应用 [J], 孙进;曹肖伟
4.VB和Matlab混合编程在圆度误差评定中的应用研究 [J], 曾浩然;张琳娜;赵凤霞
5.基于VB与MATLAB混合编程在钻井泵故障诊断中的应用 [J], 钟功祥;王仕强;吕治忠;周耀胜;邓勇刚
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.2 课程设计的要求
运用数字图像处理技术，完成一款织物密度测量器的设计。要求实现以下 功能： 1、 能够读取和存储图像，对图像进行去噪和对比度增强； 2、 对任意指定的距离范围内的织物进行自动经纬纱根数计数； 3、 设计软件界面。
图 3 中值滤波后图像
5. 对滤波后的图像进行直方图规定化处理 global imag_filter; global imag_match; set(handles.radiobutton3,'value',0);
-4-
哈尔滨工业大学（威海）课程设计报告
set(handles.radiobutton4,'enable','off'); set(handles.radiobutton5,'enable','on'); hgram=0:255; imag_match=histeq(imag_filter,hgram); axes(handles.axes1); imshow(imag_match); title('直方图规定化图像')
图 2 灰度处理图像
4. 对灰度处理后的图像进行滤波 global imag_gray; global imag_filter; imag_filter=medfilt2(imag_gray,[6,6]);%采用 6*6 模板 axes(handles.axes1); imshow(imag_filter); title('中值滤波后图像')
图 1 原始图像
2. 旋转图像 %将图像位置调整 degree=str2num(get(handles.edit_Degree,'String')); global imag_org; imag_org=imrotate(imag_org,degree); axes(handles.axes1); imshow(imag_org); title('旋转后图像')
四. 课程设计总结 .....................................................................................................12 五. 设计体会 .............................................................................................................13 六. 参考文献 .............................................................................................................14
-6-
哈尔滨工业大学（威海）课程设计报告
for i=200:300
flag1=1;
if(bw(i,1)==1&&bw(i-1,1)==0)
for j=1:20
if(bw(i+j,1)==1)
flag1=flag1+1;
else
break
end
end
if(flag1>=7)
%白色积累超过 7 个像素点，认为找到白横线
-1-
哈尔滨工业大学（威海）课程设计报告
二. 课程设计原理及设计方案
2.1 织物密度测量概述
在织物单位长度中排列的经纬纱根数，称为织物的经纬纱密度。 织物密度的计算单位以公制计，是指 10cm 内经纬纱排列的根数。密度的 大小，直接影响织物的外观，手感，厚度，强力，抗折性，透气性，耐磨性和 保暖性能等物理机械指标，同时他也关系到产品的成本和生产效率的大小。经 纬密度的测定方法可以采用直接测数法。 直接测数法是凭借照布镜或织物密度分析镜来完成。织物密度分析镜的刻 度尺长度为 5cm,在分析镜头下面，一块长条形玻璃片上刻有一条红线，在分 析织物密度时，移动镜头，将玻璃片上红线和刻度尺上红线同时对准某两根纱 线之间，以此为起点，边移动镜头边数纱线根数，直到 5cm 刻度线为此。 输出之纱线根数乘以 2，即为 10cm 织物的密度值。在点数纱线根数时， 要以两根纱线之间的中央为起点，若数到终点时，超过 0.5 根，而不足一根时， 应按 0.75 根算；若不足 0.5 根时，则按 0.25 根算。织物密度一般应测得 3-4 个 数据，然后取其算术平均值为测定结果。
图 4 直方图规定化后图像
6. 对直方图规定化后的图像进行二值化处理 global imag_match; global imag_bi; imag_bi=(imag_match>200);%%二值化，白色为 1，黑色为 0 imshow(imag_bi); title('二值化后图像')
图 5 二值化后图像
2.2 织物密度测量在 MATLAB 上的实现
借助 matlab 强大的数值运算功能，可以延伸到对图像的处理。利用多媒 体设备，可以很容易得到织物的样本图像。 1、 首先为了方便接下的处理和便于分析对有用的信息，对采集到的彩色图像
进行灰度处理。 2、 由于样本中往往有很多噪声，即用户不需要的干扰信息，首先要进行去噪
三. 课程设计的步骤和结果 .......................................................................................3 3.1 对织物样本进行预处理 ...............................................................................3 3.2 织物密度测量 ...............................................................................................6 3.3 GUI 界面实现 ..............................................................................................10 3.4 测量结果分析 .............................................................................................11
stri_begin=i+j-1; %记录下白线结束位置
point_begin=i; %记录下白线开始位置
break
end
end
end
%%%%%%%%%%%%%%%%跟踪白线%%%%%%%%%%%%%%%
i=point_begin;
m=stri_begin;
for j=1:width1-1 %从检测到横线开始进行列像素点判断
二. 课程设计原理及设计方案 ...................................................................................2 2.1 织物密度测量概述 .......................................................................................2 2.2 织物密度测量在 MATLAB 上的实现 ........................................................2
-2-
哈尔滨工业大学（威海）课程设计报告
三. 课程设计的步骤和结果
3.1 对织物样本进行预处理
1. 打开样本图像文件 clc; global imag_org; global filename; imag_org=imread(filename); %%读取源图像 axes(handles.axes1); imshow(imag_org); title('原始图像')
处理。这一步可以用滤波来实现，本设计中，使用 6*6 的模板对原图像进 行中值滤波。 3、 为了突出用户需要的信息，比如本例中的织物边缘，可以进行图像增强处 理，这里采用直方图规定化这一方式。 4、 接下来对图像增强处理后的图像进行二值化处理，方便最后的条纹检测。 5、 有了上面的预处理，最后一步进行织物垂直、水平根数的确定。
%%%%%%%%%%%%%%%%%上边界%%%%%%%%%%%%%%%
if(bw(i,j+1)==1) %横白线的下一个像素点是否为 1
数字图像处理
课程设计报告
课设题目： 织物密度测量 学 院： 专 业： 班 级： 姓 名： 学 号： 指导教师：
哈尔滨工业大学（威海）
年
月日
目录
一. 课程设计任务 .......................................................................................................1 1.1 课程设计的目的 .........................................................................................1 1.2 课程设计的要求 .........................................................................................1
3. 对样本图像文件进行灰度处理 global imag_org; global imag_gray; imag_gray=rgb2gray(imag_org);