基于Matlab的棉花异性纤维检测及定位算法

Matlab语言是具有强大矩阵运算能力的可视化计算软件。边缘检测技术是数字图像处理非常重要的内容，属于图像分析的范畴。着重阐述了在原棉检测中棉花异性纤维的边缘检测算法和重心定位算法，并通过Matlab语言实现了这两种算法，得到了很好的效果。     

基于小波包分解的边缘检测算法

边缘检测是图像处理中极其重要的一方面,文章简要介绍了传统的图像边缘提取算法,并提出了基于小波包分解的图像边缘提取方法。通过Matlab仿真实验,结果证明了基于小波包分解的边缘检测算法的优越性。     

基于边缘检测的虹膜图像定位分割算法研究

研究了虹膜识别的定位分割算法。算法主要包括虹膜边缘检测、虹膜内外圆定位、分割眼睑。本算法在利用改进的Canny检测边缘算子对虹膜进行边缘检测的基础上,对虹膜内外圆进行有效而准确的定位,提出了分割眼睑、睫毛等影响因素的方案,并在Matlab软件中进行了仿真实验。     

小波变换和曲波变换的图像边缘检测新算法

边缘包含着图像的许多信息,它也是图像最基本的特征。目前,图像边缘检测是一个热门的研究问题,许多专家对其进行了研究,也取得了较理想的研究成果。专家就图像边缘检测的问题提出了许多新的算法,其中就包括小波变换和曲波变换相结合的图像边缘检测新算法。文章就边缘检测问题,探讨了小波变换和曲波变换的图像边缘检测新算法。     

图像处理中的边缘检测算法比较

人类认知客观世界以及人与人相互交流,通过的主要媒体是图像,图像是人们获取信息的主要来源。科学数据表明,人们通过视觉图像获取的信息量大约是其他途径获取信息量的4倍。图像边缘是整个图像最基本特征,包含图像大量重要信息,是图像低层次的特征。不同的图像边缘检测算法适用于不同的图像,常用的图像边缘检测算法有基于数学形态学的边缘检测算法、基于图论的边缘检测算法、以及基于多颜色特征的边缘检测算法,这三种检测算法是目前应用最广泛的边缘检测算法,但均具有各自的优势以及局限性,将这三种算法充分结合,将会有很好的应用前景。     

微小塑料零件图像边缘检测方法的研究

边缘检测是计算机视觉及图像测量中的基础和重要的课题。文中分析了边缘检测的一些典型算法在微小零件非接触测量中应用的优劣，提出了结合图像分割算法与轮廓跟踪算法提取微小零件边缘，并以实际图像为例比较了这些算法。     

基于灰色关联分析和Zernike矩的图像亚像素边缘检测方法

图像边缘的检测质量直接决定后期对图像理解计算的精度。为了提高图像边缘检测精度,首先采用灰色关联分析算法检测出所有可能的边缘点,实现图像边缘的粗定位。然后利用Zernike矩算子实现图像边缘的精确定位。实验结果表明该算法能够有效地检测出图像的边缘信息,提高了图像边缘检测精度。     

基于粒子群优化算法与形态学的纸病图像检测方法

针对传统边缘检测算子对纸病图像检测的不足,提出了一种基于粒子群优化算法和数学形态学的边缘检测方法。首先通过粒子群优化算法得到图像最优分割阈值,将图像二值化,然后利用数学形态学中的腐蚀运算对纸病图像进行边缘检测。仿真结果表明,相比传统算法,该方法的检测结果更真实地反映了纸病图像的形态特征,且边缘定位准确,取得了较为理想的检测效果。     

基于canny和形态学的大米图像边缘检测

提出了一种基于canny和数学形态学相结合的大米图像边缘检测算法。首先利用形态学对原始图像的光照不均匀进行预处理,进而运用canny算法进行图像的边缘检测。实验结果表明,优于传统的canny边缘检测方法。     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法(OTSU)求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

基于RGB颜色模型棉花杂质的识别算法

介绍了原棉在线异性纤维检测系统的结构及工作原理。采用RGB颜色模型,以色度为主要特征量,设定阈值对棉花和异物的像素点进行判别。并通过Visual C++语言实现了此算法,得到了较好的效果。     

混纺纱混纺比测定中纤维特征的分析

通过使用Matlab,对棉和莫代尔两种纤维纵向特征图像进行预处理,根据处理顺序依次对灰度化、增强、滤波、二值化、旋转等处理方法进行了探讨,并自编程序提取几何形状特征值。用Origin对特征值数据进行处理,分析直径CV值、矩形度、平均灰度值对纤维识别的敏感程度。结果表明,直径CV值、平均灰度值这两个特征值能较好的识别棉、莫代尔纤维。     

棉花中异性纤维的图像多分辨率差分检测方法

针对棉花异性纤维难以检测的问题,提出了一种基于多分辨率尺度图像差分的检测方法。首先,通过小波多层分解实现检测图像中的不同频率信息成份的分离;然后,对不同分辨率的子图之间进行差分提高异性纤维与原棉信息的对比度;在此基础上,采用最大类间方差法对多分辨率差分子图进行二值化分割出异性纤维的信息;最后,通过对分割后的子图进行信息的融合,实现了对异性纤维检测。实验表明,该方法能够有效抑制棉花背景信息,最大限度的提取异性纤维的信息,异性纤维检测的准确率以上达到90%。     

基于光电技术的棉纤维杂质快速测定

针对棉纤维杂质人工检测耗时长、劳动强度大等问题,提出一种基于光电技术的棉纤维杂质机器视觉测定方法。首先通过改变平滑模板窗口尺寸对棉纤维图像自适应中值滤波优化,然后采用Otsu算法自适应选取分割阈值,并遍历整个图像,进行边缘断裂端点的连接、边缘生长与连接,搭建光电检测系统原型,实现了棉纤维杂质的快速测定。实验结果表明:该方法能够有效去除图像噪声,避免伪边缘的产生,检测到的杂质边缘清晰完整。光电检测耗时较GB/T 6499—2012《原棉含杂率试验方法》降低95.1%,结果间误差为2.35%,杂质粒数与杂质面积比参数结果误差均在2.1%以内,能够有效用于棉纤维杂质的快速准确测定。     

棉纱线黑板标准样照图像处理方法研究

利用计算机图像处理技术中的边缘提取方法对棉纱线的黑板标准样照进行处理，通过对几种边缘提取方法的比较，找出了适合棉纱线黑板标准样照边缘提取的方法，从而可以清晰、准确地提取棉纱线黑板标准样照图像的边缘轮廓线，为棉纱线黑板评级的数字化奠定了基础。     

织物悬垂测试系统中织物边缘的识别

由于织物花纹式样的多样性,传统的图像分割算法常常无法准确地识别出织物边缘轮廓。根据织物悬垂图像的边缘轮廓特点,提出采用基于梯度向量流场(GVF)的动态轮廓模型(Snake模型)来识别织物的边缘轮廓。采用贪心算法实现了Snake边缘检测模型,分别用该模型和基于边缘梯度扫描的算法识别5种典型印花织物悬垂边缘,并将2种算法得到的边缘轮廓进行了比较。实验结果表明,该边缘检测模型能准确地识别多种传统图像分割算法所无法准确识别甚至无法识别的特殊织物的边缘轮廓。     

基于图像处理技术的涤棉纱线混纺比测定

运用图像处理技术,以Matlab工具为测定平台,通过对涤棉混纺纱截面图像进行一系列的计算机图像处理,实现了提取纱线截面中的纤维截面的轮廓,并提取各纤维截面长、宽等特征参数,从而计算混纺比、标准差等多项指标,降低了人为的测定误差,提高了测定的速度.     

棉花中异性纤维检测图像分割和边缘检测方法研究进展

为进一步提高棉花中异性纤维的检测效率,对异性纤维图像处理方法进行探究。通过分析不同异性纤维图像边缘检测方法的定位精度、背景模糊以及受噪声影响情况发现,不同图像分割方法中异性纤维边缘连续性和分割效果存在差异性。统计了常见异性纤维图像边缘检测法和图像分割方法,分析了各类处理方法的优势和局限性,归纳了适用于各类异性纤维的检测方法,总结了现有研究中存在的问题和不足。研究认为:目前对不同种类异性纤维检测适用的图像处理方法不同,还无法同时检测出全部种类的异性纤维;应根据实践中具体异性纤维的种类、含量、物理特性等选择适合的检测算法并进行算法融合,开发普适性好的算法以降低成本和减少计算量。     

基于纤维纵向显微图像的棉／亚麻单纤维识别

 针对棉/亚麻混纺纤维构成的织物,基于其单纤维纵向显微图像（纤维切段的长度约为0.5mm）,研究了纤维的自动识别方法。在纤维检测中,先对纤维图像进行去背景处理,而后运用形态学闭运算和背景区域生长相结合的方法获得纤维的目标区域,对图片中出现的玻璃划痕、干扰杂物等进行了很好的滤除。由纤维骨架垂直方向上的区域图、二值图和细化图得到它们的垂直积分投影序列,并提取这3条序列各自的变异系数CV值和平均值共计6个参数。将这6个参数作为棉/亚麻纤维的特征参数,训练最小二乘支持向量机分类器,对测试集的测试结果表明该分类器对棉/亚麻短纤维的识别率正确率平均为93.3%。     

基于计算机视觉的十字线检测算法

为检测四色印刷套印是否准确,提出一种基于计算机视觉的十字线检测算法.通过对印刷品的黄、品、青、黑四色十字线进行图像分割,得到四色十字线;分别对四色十字线进行图形定位,得到四个十字线的中心;根据四个中心的位置关系判断四色套印是否准确.实验证明,该算法能正确检测套印是否准确,并且容易实现.