Labview与Matlab结合的针织物疵点检测技术

"基于Labview的针织物疵点检测 (2009年) - 东华大学学报(自然科学版) - 赵娜，龙海如" 这篇论文主要探讨了一种利用Labview和Matlab编程实现的针织物疵点检测系统和方法。该系统旨在通过图像处理技术，对针织物的瑕疵进行自动检测和识别，提高生产过程中的质量控制效率。 首先，系统采用Labview作为主要开发平台，Labview是一种图形化编程环境，特别适合于数据采集和信号处理应用。结合Matlab的强大的数学运算能力，可以实现更复杂的图像分析任务。 在图像预处理阶段，论文中提到对针织物的原始图像进行中值滤波，这是去除噪声的一种常用方法，特别是针对椒盐噪声有较好的效果。中值滤波器通过用像素邻域内的中值替换该像素的值，能有效地保护图像边缘，同时减少噪声的影响。 接下来是二值化处理，这是将图像转化为黑白两色的过程，使得图像中的疵点与背景形成鲜明对比，便于后续的疵点识别。二值化通常通过设定一个阈值来实现，高于阈值的像素被标记为白色（疵点或背景），低于阈值的像素被标记为黑色。 然后，使用db小波分解技术对二值化后的图像进行分析。db小波是小波变换中的一类，具有良好的时频局部化特性，能够对图像进行多尺度分析。通过小波分解，图像被分解为多个经向和纬向的纹理子图像，这有助于突出疵点的特征。 在特征提取阶段，论文提取了分解后经向和纬向纹理子图像的特征值。这些特征值可能包括边缘强度、纹理结构、形状信息等，它们能够表征疵点的独特性，是识别疵点的关键步骤。 最后，通过比较这些特征值，系统能够识别出不同类型的疵点，如平针、罗纹和双罗纹针织物的常见疵点。实验结果显示，这种方法在实际应用中表现出了高效和准确的疵点检测能力。 总结来说，这篇论文提出了一种结合Labview和Matlab的针织物疵点检测方法，通过中值滤波、二值化、db小波分解以及特征值提取，实现了对针织物瑕疵的有效检测，对于提升针织品质量控制具有重要意义。