论文部分内容阅读
棉花中的异性纤维主要是指棉花在采摘、晾晒、打包、加工和运输的过程中混入的非棉性纤维,如头发丝、各类丙纶丝、塑料薄膜、破布片、彩色线等,也俗称“三丝”。异性纤维在棉花中的含量虽少,但由它造成的危害却非常大。主要表现在:在清梳工序中,异性纤维极易被粉碎,混入纱线后容易导致纱线断头;在印染过程中,因为异性纤维和棉纤维的着色率不同,会造成染色不均匀,出现大量的印染瑕疵,进而影响布匹的外观和质量;由异性纤维造成的残次品严重影响了商家信誉、纺织品的质量以及市场竞争力。因此,研究一种满足高识别率和实时性要求的棉花异性纤维识别算法具有十分重要的意义。本课题主要研究了棉花中异性纤维的识别算法,首先对棉花异纤图像进行预处理,然后分别采用迭代全局阈值分割法和改进二维最大类间方差法(Otsu)对棉花异纤图像进行识别实验,并对两种算法的识别效果进行对比,最后利用Matlab完成了异纤识别算法的软件设计,具体的工作如下:(1)在棉花异纤检测设备上通过高速CCD相机完成棉花异纤图像的采集。(2)选择RGB颜色空间进行实验,首先分析了异纤图像的灰度直方图,根据深色异纤和白色异纤的不同特点,在后续识别时深色异纤直接利用图像的灰度直方图进行分析,而白色异纤利用图像的蓝色分量直方图进行分析。然后通过对背景的灰度值进行变换,使背景的灰度值范围落在棉花的灰度值范围内,减少了背景对异纤识别的影响,最后使用中值滤波来消除图像中的噪声。(3)分析了几种常用的图像分割方法,选取迭代全局阈值分割法识别异纤图像,并对多幅图像进行实验分析,统计了各种异纤的识别率。(4)利用改进的二维Otsu方法识别异纤图像,该方法在传统二维Otsu算法的基础上,对目标和背景的分块策略进行了调整,减少了算法的运行时间。实验部分对该方法与迭代阈值法在运行时间和异纤识别率上做了对比分析。(5)用Matlab的图形用户界面(GUI)设计了异纤识别算法界面,并实现了异纤图像处理的主要功能,方便用户操作,提高了交互性。