基于小波能量的簇绒地毯跳纱疵点的检测方法

针对簇绒地毯中存在的跳纱类疵点提出了一种基于小波能量的疵点检测方法。该方法首先使用CCD相机对地毯图像进行采集,然后将采集到的地毯图像进行滤波处理,并用三层小波对其进行分解,通过提取分解得到的细节子图的能量值和正常地毯图像细节子图的能量值的比较来判断正在测试的图像中是否含有疵点;对于有疵点的地毯图像使用Otsu法进行阈值分割二值化,并进一步使用闭运算消除二值化图像中存在的噪点,突出疵点部分。最后通过实验验证了此方法的可行性,所提出的方法可以有效地将地毯图像中的跳纱类疵点检测出来。     

基于嵌入式机器视觉图像二值化算法及实现

文章介绍了一个基于单片机的二值图像实时处理系统。该系统以大津法(OTSU法)作为二值图像处理算法。实验表明,该系统能够准确,快速地对图像进行二值化。当光线比较均匀时,图像处理效果较好,特别是当对象物和背景的灰度值的差距较大的时候,效果更明显;当图像分辨率在一定范围内时,缩小分辨率不会对图像的处理效果产生影响,但能够缩短处理时间,这为嵌入式领域在实时图像二值化处理提供了借鉴。     

基于数学形态学滤波的储粮害虫图像二值分割研究

阐述了储粮害虫二值图像分割技术在图像识别中的重要性,提出一种基于数学形态学的改进二值图像分割方法.该方法不仅可以将储粮害虫从背景中分割出来,而且很好地保留了害虫各个部分的边缘细节特征.该方法计算量较小,简便实用,将其应用于储粮害虫图像的边缘检测,能够清晰、连续地检测到储粮害虫图像的有效边缘信息.     

基于Criminisi算法的非周期性印花织物缺陷检测

由于非周期印花织物颜色多变、花型复杂、印花缺陷纹理及背景纹理之间对比度低,导致织物缺陷不易被识别,因此给出一种Criminisi算法。首先,采用频率谐调(frequency-tuned,FT)显著性算法对印花织物缺陷图像进行显著性增强,突出缺陷的边缘轮廓;其次,利用大津阈值法对显著图进行二值化处理,并将得到的二值图作为图像修复时的Mask掩码图;最后,运用Criminisi算法对原印花织物缺陷图像进行修复,将修复的印花图像减去原印花缺陷图像,获得缺陷区域。实验结果表明,该方法能准确分割出非周期性印花织物的缺陷区域,如漏墨、污渍等,且检测准确率达97.39%。同时,实验过程中不涉及参数的调节。     

基于多技术融合的桥梁蜂窝麻面的图像分割

在桥梁安全检测中,桥梁蜂窝麻面病害的检测主要受到光照不均等的问题,由此提出了一种基于融合多种图像处理技术的桥梁蜂窝麻面的图像分割算法.首先基于各类图像灰度化算法,找出了基于原始图像的加权法灰度化最适合应用于蜂窝麻面病害之上;其次基于加权法灰度化后的图片,进行了灰度图像二值化处理,通过对比全局阈值法、自适应阈值法以及自定义阈值法等方法,选择了自适应阈值法进行了图像的二值化,取得了主要病害的轮廓;最后通过引入中值滤波法,选择最佳半径消除了噪音,使得病害区域轮廓更明显.实验表明:与二维OTSU法以及Niblack法等几种算法相比,该方法的分割效果明显,并保留了主要的病害区域.     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

基于Matlab的混纺纱横截面切片图像客观分析法

根据毛粘混纺纱横截面切片图像,应用Matlab对纱线组分进行有效的分割,讨论了在分割图像处理中关键参数选取的客观性.包括:根据切片灰度图像盲孔特征,应用最大类别方差法(Otsu法)确定二值化域值;应用regionprops函数的Solidity属性,通过区域面积随Solidity阈值分布频率图,确定区分纱线不同组分的Solidity域值.这2个关键参数确定方法比较客观,实践中获得了符合实际的图像预处理和分割效果.     

传统服饰云肩实物图像主色的智能检测

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题,以传统服饰的云肩为例,借助均值漂移（Mean-shift）聚类法,提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集;对所得初始图像的R、G、B3个颜色通道进行去噪处理;再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中,利用大津法阈值原理（自适应阈值算法）分割被测图像中云肩实物与背景;最后采用Mean-shift聚类算法,将被测图像的颜色像素分割为若干有效的集群,同时从这些集群中提取云肩主要色彩。实验结果表明,该算法可较为准确地从云肩图像中提取主色,且当Mean-shift聚类算法的带宽被设定为0.05时,分类颜色结果更为准确。     

基于FCM算法的套印误差检测

为了降低四色重叠影响导致的图像色彩分割困难,提高印刷品套印误差检测的精度,提出了一种基于FCM聚类算法的套印误差检测方式。首先,将采集的印刷品套印标识符图像进行灰度化处理、高斯滤波降噪处理以及CMYK色彩空间转换并分离出四种色彩通道的图片;然后,分别对四种色彩通道图片进行FCM算法聚类;最后,对聚类后的图片进行固定阈值分割,并对分割的图片依次做图像差运算,分别提取出四个通道中C、M、Y、K四种颜色的部分,进行误差分析。对比显示测量误差均≤0.2mm,符合国家对一般印刷品套印精度检测误差不高于0.2mm的要求;该算法与应用广泛的传统大津法对比,测量误差更小,精度更高,提升了套印误差检测水平。     

滩羊胴体眼肌切面图像处理及分级特征值的提取

为获得高质量滩羊胴体眼肌切面图像,采集图像用工业摄像机,并对样本图像分割算法进行研究。首先预处理样本图像,3×3模板中值滤波器去除干扰,采用加权平均值灰度化,用自动选择最优分割值OTSU算法去除复杂背景;再对其进行二值化,通过区域逐步分割对目标区域进行粗提取,通过区域标记和形态学处理进行有效眼肌区域的精确提取;最后对有效眼肌区域面积、背膘厚度进行计算。结果表明,图像处理算法具有较好的分割效果和计算效果。     

基于二值图像连通域提取的图像滤波方法

为解决常用滤波方法对目标图像噪声抑制效果不理想的问题,提出了一种基于二值图像连通域提取的图像滤波方法。将采集到的图像进行二值化,对图像进行连通域提取并根据连通域的轮廓筛选出噪声干扰点,对噪声点进行过滤,保留图像细节特征,对目标图像的噪声达到有效抑制的效果。结果表明:该方法在特定应用上优于常规滤波方法。     

基于视觉图像的鲅鱼新鲜程度的检测方法

鲅鱼新鲜程度是评价其质量好坏的重要因素。为提高鲅鱼检测新鲜程度准确性,研究基于视觉图像的鲅鱼新鲜程度的检测方法。研究对象是某地海鲜市场中的30条鲅鱼,通过鲅鱼视觉图像采集系统采集鲅鱼视觉图像,利用区域填充算法及形态学开运算对采用大津法分割的鱼体二值图像进行填充及去噪,融合上山法与区域生长方法分割鱼眼区域,通过全局动态阈值分割方法分割鱼鳃图像;提取图像特征时,利用图像的R、G、I分量灰度均值提取鱼体、鱼眼及鱼鳃图像颜色特征,采用G分量提取鱼眼中心区域面积。将图像特征输入到NeuroShell 2神经网络判别模型中,实现鲅鱼新鲜程度的有效检测。经实验验证,该方法检测鲅鱼新鲜程度的准确率平均高达98.28%,依据鱼眼中心区域面积+颜色灰度均值特征进行鲅鱼新鲜程度检测的准确率最高,且检测不同死亡时间的鲅鱼新鲜度的检测准确率高达95%,说明鲅鱼新鲜度的检测为海鲜检测提供了理论基础。     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。     

应用积分图的织物瑕疵检测快速算法

为解决现有基于图像处理的织物瑕疵检测算法实时性较差、正确率偏低等问题,提出一种包含学习和检测2个阶段的瑕疵检测算法。通过对无瑕疵模板图像的梯度能量特征及其分布特性的学习,自适应获得检测阶段所需的参数。一方面利用积分图原理将任意大小的图像块内的求和运算化简为三次加法运算,快速提取织物图像的梯度能量特征,实现织物瑕疵的实时检测,另一方面利用核函数拟合特征参数分布,结合均值漂移法求解分布峰值获得自适应的瑕疵判定阈值参数,实现织物瑕疵的准确分割。通过实验将本文算法与现有基于局部二值模式特征、小波特征、规则带特征等算法进行对比,针对包含3种纹理6类瑕疵的织物图像数据集的测试结果显示,本文算法平均处理时间为56ms,正确率为97%。     

自动点卤槟榔图像识别方法研究

针对机器对槟榔点卤出现漏点或者点空的情况,提出了一种基于H分量的图像分割方法来识别槟榔。将采集到的RGB彩色图像进行伽马增强再转换至HSV颜色空间,分离HSV颜色空间得H通道图像,再对H分量图像进行Otsu图像分割处理,结合图像形态学和区域生长法去除二值图像中出现的孔洞和小连通区域,最后通过绘制矩形框操作对识别出的槟榔进行标注。结果表明,该方法能完整地将槟榔从背景中分割出,且不会出现过度分割或者分割不足的问题。     

基于LEP多尺度滤波分解的图像增强算法

为了解决传统图像增强方法不能在多个尺度上处理图像细节的问题,采用一种基于局部边缘保持(Local Edge-Preserving,LEP)滤波器的图像多尺度分解方法对图像进行增强。利用LEP滤波器对图像进行多尺度分解,分解成一个基本层和两个细节层;根据分解后各层的特点和增强的要求,通过保留基本层,对细节层进行S形曲线增强,实现图像细节的增强;最终合成并恢复颜色,得到最终增强图像。采用主观评价和对比度增益、信息熵来评价图像增强效果。实验结果表明,该方法能够有效增强图像细节,提升对比度,避免光晕现象,所得增强图像具有良好的视觉效果。     

基于亚像素边缘检测的纱线条干均匀度测量

为了精确地评价纱线的表观条干均匀性,提出一种基于亚像素边缘检测的纱线条干均匀度检测方法。首先通过图像采集装置获取纱线图像;然后对纱线图像进行亚像素边缘检测获取纱线边缘点集;利用开运算对获取的边缘点集进行处理,进而获得纱线条干的边缘;最后采用坐标直方图方法计算纱线平均直径和条干CV值。为验证方法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容式条干仪的均匀度检测及基于模糊C均值分类和Otsu图像法的检测结果进行了对比。结果表明:基于亚像素边缘检测的纱线条干均匀度检测方法与电容式的测量结果有着较好的一致性,证明所提方法可得到准确的结果。     

基于图像处理的稻米垩白自动检测研究

应用大津算法自动选取分割阈值,对稻米图像进行两次分割,分别得到籽粒和垩白区域的二值图像,再根据区域内部象素的连通性,将不同区域赋予不同的标记,计算出籽粒和垩白粒数,以及二者对应的面积(象素)。研究结果表明,该算法的自动检测结果与人工检测相关性大于90%,可用于稻米垩白粒率和垩白度的自动检测。