基于傅里叶变换的家纺图案自动生成技术研究

运用数学和信号学中的傅里叶变换,提出一种家纺图案的自动生成技术。应用MATLAB软件,通过编程将简单图样理解为图像信号,依次经过离散傅里叶变换和离散傅里叶反变换后,得到复杂图案的灰度图。在此基础上利用HSV色彩模型定义复杂图案的色彩特征,从而得到可用于生产的家纺图案。     

基于DSP的便携式织物密度仪可行性分析

基于计算机图像处理技术，将织物图像采集、织物密度检测及结果显示3个模块集成为一个DSP应用系统，并用快速傅里叶变换（FFT）指令进行相应的DSP检测软件设计与模拟运行。结果表明其运算时间接近实际应用要求，有一定的可行性。     

基于频域特征点提取的素色机织物密度识别算法

通过计算机图像处理技术对织物图像进行分析,利用傅里叶变换技术将织物图像从空间域转换到频率域,并采用对比度拉伸、高斯低通滤波等图像预处理手段来增强图像质量,然后使用阈值处理技术对织物频谱图进行处理,得到包含织物密度信息的特征点坐标。通过频谱图上特征点坐标和空间域周期的对应关系,经计算最终得到织物经纬密度。实验结果表明,织物密度识别最高误差为2.8%,此方法可以实现三原组织素色织物的经纬密度的自动识别。     

应用频谱图的机织物纹理分析

利用傅里叶变换技术将空间域的纹理图像变换到频率域中,采用频谱图对机织物纹理信息进行分析。通过傅里叶变换技术得到机织物图像的频谱图,利用阈值分割曲线选取合适的阈值对频谱图进行分割,然后用邻域最大值的方法找到织物纹理的特征坐标点。根据坐标点与实际频率的关系计算机织物纹理的频率范围。实验结果表明,随着密度的增大织物纹理的频率增加,斜纹和缎纹的频率范围比平纹织物的大,常见机织物的纹理为中低频。     

基于快速傅里叶变换与织物纹理能量算法的起毛起球织物纹理滤除

在织物起毛起球图像处理过程中,织物纹理信息的滤除是实现毛球分割至关重要的一步,而不同的图像包含的纹理、毛球信息不同,在用傅里叶变换对图像进行处理时需要采用不同滤波半径。因此,在处理过程中选取的滤波半径是实现纹理滤除的关键因素。本文将快速傅里叶变换与织物纹理能量的算法相结合,根据能量2次差值拟合曲线实现毛球与纹理分离时最佳滤波半径的自动获取,然后通过反傅里叶变换得到分离的纹理信息和毛球信息,实现织物纹理的滤除,最后分割出完整的毛球信息。     

织物组织结构参数自动识别系统的研究

针对织物结构具有一定空间周期性的特点，运用扫描仪获取织物原始图像（反射图像和透射图像），在对织物图像预处理的基础上通过傅立叶变换得到织物图像的二维功率谱图像及自相关图像，由此求得织物的经纬纱密度和组织循环经纬纱数等织物组织结构参数，并开发了织物组织结构参数自动识别系统，具有一定的推广价值。     

织物组织结构参数自动识别系统的研究

针对织物结构具有一定空间周期性的特点 ,运用扫描仪获取织物原始图像 (反射图像和透射图像 ) ,在对织物图像预处理的基础上通过傅立叶变换得到织物图像的二维功率谱图像及自相关图像 ,由此求得织物的经纬纱密度和组织循环经纬纱数等织物组织结构参数 ,并开发了织物组织结构参数自动识别系统 ,具有一定的推广价值     

基于图像处理技术的纸张功能信息数字化研究

围绕纸张功能信息数字化的图像呈现问题展开研究,采用图像处理技术,分别从数字图像的获取、傅里叶变换、离散余弦变换、哈达玛变换、Radon变换、小波变换等方面进行分析探讨,研究不同的图像变换方式在纸张功能信息图像处理中的特点。研究表明,各种图像变换方式在图像处理中的应用各有不同,在纸张功能信息数字化的应用中发挥各自的转换优势。     

基于自适应小波变换的织物密度测量

应用自适应小波变换技术以实现机织物密度的自动测量。先运用Wiener2和直方图均衡技术对织物图像进行预处理,增强图像的纹理特征;接着选取自适应小波技术对织物图像进行分解;再对分解得到的子图像进行二值、平滑等后处理;最后通过分析后处理图像的经纬纱线信息得到织物密度。试验结果证明,运用该方法能够准确测量3种基本组织的织物密度,是一种行之有效的方法。另外,还简要介绍了自适应小波的构造技术。     

喷气织机断纬检测移除系统研究

断纬检测移除系统是可在喷气织机织造纬纱断纬时实现停车、自动寻找并移除断纬的一种装置。为了提高断纬识别率,针对其纬纱所处的实际环境,设计了一种基于嵌入式单片机的喷气织机断纬移除检测系统,利用二阶有源带通滤波电路对信号进行的滤波和放大,有效抑制信号中的高频和低频干扰,同时放大有效信号。采用快速傅里叶变换对采样数据进行后处理,将时域信号转换为频域信号,根据纬纱种类的多样性,利用动态阈值比较法判断是否检测到纬纱。实验结果表明:所提方案在实际生产环境中具有良好的抗干扰性能,识别率达到92%,可显著提高断纬检测移除模块的纬纱检测成功率。     

变细度细特纯棉色织双面小提花面料的开发

通过对双面小提花面料的织物组织设计,采用不同粗细的经、纬纱进行织造,并改变纬纱密度和采用不同的色彩搭配,使织物呈现出立体方格和特殊的双面效应,对浆纱工艺和织造工艺进行优选,经纱采用双织轴喂入,克服了由于复杂的织物设计带来的织造难度,成功开发出了纯棉细特高密色织双面小提花面料。     

双层分割拉纬法双面立绒组织设计

基于单梭口织机,通过分析常规起绒织物的设计方法,创新地设计了N型、W型固结组织和引入辅助纬纱的双面经起绒组织。先设计双层地部组织,同时织入辅助纬纱,辅助纬纱不与上下层地经交织,在上下层地部织物的外侧;绒经连接上下两层,绒经与单层一组纬纱排列比的交织中,绒经上方或下方其中一方包覆在辅助纬纱外侧,另一方在辅助纬纱内侧,从而形成双面经起绒双层组织。利用双层织物分割割绒技术先产生内层单面立绒,再通过整纬机拉出织物中的辅助纬纱,使包覆在辅助纬纱外侧的绒经从外层被拉出,形成外层毛绒。应用本技术开发的织物毛绒簇立好,手感柔软舒适,达到了水洗机洗不易脱绒和起毛起球的效果,为企业产品开发提供了有价值的方法。     

图像处理技术在织物来样分析中的应用

利用数字图像处理技术可以实现不同组织类型织物图像的经纬纱密度、组织循环经纬纱数的自动识别,并根据结构参数绘制出织物组织图。文中对数字图像处理技术在织物来样分析中的应用进行了综述。该技术可以减少不必要的人员费用,为企业的信息化、生产的自动化打下基础;对改变纺织企业管理生产模式、提高纺织行业中一些部门的工作效率具有一定的实际意义。     

傅里叶变换在数字图像处理中的教学方法探讨

信号与系统中离散信号的傅里叶变换完成了离散信号的空间域和频率域之间的转换,本文将数字图像处理中的频率域图像低通滤波过程实施到信号与系统的教学中,加强了学生对离散傅里叶变换的理解。     

应用一维傅里叶变换的剖幅区自动识别与定位

针对纺织行业布匹剖幅机工作过程中,剖幅区的识别定位仍由人工完成的现状,提出一种可行的剖幅区自动识别定位方法,以降低工人劳动强度,提高布匹剖幅速率和准确率。这种方法基于成像式自动检测技术,应用一维傅里叶变换提取剖幅区频域特征来对其进行识别与定位,并利用VC++编写定位软件对该方法进行测试。结果表明,应用一维傅里叶变换的成像式定位方法可快速、准确地实现剖幅区自动识别与定位,提高剖幅机的工作效率和可靠性。     

织物中纬纱排列参数的自动识别

基于机织物通常是由两个相互垂直的纱线系统交织而成和纬分布相对均匀的特点，首先计算出织物图像沿纬纱方面的亮度值，再对亮度信号进行傅立叶变换和波谷提取运算，进而精确确定织物图像上纬纱所在位置和纬纱密度，从而有助于确定织物组织点的位置及识别组织的性质。     

功率谱分析在机织物组织纹理识别中的应用

将功率谱应用到织物组织识别中,用功率谱及相关函数对织物图像进行处理,得到织物图像的功率谱曲线,从曲线的峰值中提取织物表面的方向性信息,得到织物经纬密度,并进一步确定织物组织的经纬纱特数、飞数和经纬纱循环数,最后得出织物的组织点属性.实验证明这种方法实际可行,对织物组织的计算机分析、识别及进一步的应用研究有重要的理论和实际意义.     

基于小波变换的机织物高密度检测

针对目前高密度机织物密度自动检测算法测量精度较低的现象,提出在三原组织织物密度自动检测过程中,利用小波变换的分解与重构特性分析预处理后的织物图像,对分解的子图像进行二值化、平滑处理来提取纱线周期性特征参数,统计二值图像中黑白循环更替次数来确定织物经纬密度。为提高密度检测精度,采用分区域平滑减小了斜纹纹路的影响;通过缎纹织物图像反面获取纬纱信息消除缎纹组织织物浮长的影响;运用形态学滤波去除因高密度织物上纱线毛羽导致平滑过程中出现的细条块。实验结果表明:该方法检测误约为1.00%,测量精度较高,具有一定的实用参考价值。     

基于MATLAB的机织物密度自动检测

对机织物用MATLAB语言进行图像处理，实现机织物经纬密度自动检测进行了研究。提出用小波变换对机织物图像进行分解和重构，将机织物经向和纬向信息分离出来，再对变换后的图像进行二值化和平滑处理。得到与背景完全分离的纱线分布信息，自动计算出机织物的经纬密度。经实验验证，所得结果相对误差为3‰，准确度较高。     

基于matlab环境下的图像重建及吸收率分析

针对重建未知介质的几何形状及吸收率,综合运用滤波反投影算法进行图像重建,首先先引入中心切片定理,采集不同视角下的投影并求解其傅里叶变换,汇集成图像的傅里叶变换再经傅里叶反变换,其次利用matlab iradon函数重建得未知介质的几何形状,再次利用坐标变化和标定参数得出未知介质在正方形托盘中的位置,最后通过matlab rgb2gra函数得到重建图形的灰度值矩阵,由灰度值与吸收率的关系待测未知介质吸收率。