【摘要】：工業(yè)縫紉機(jī)的花樣機(jī)系統(tǒng),是集電子技術(shù)、軟件工程技術(shù)、機(jī)械設(shè)計制造技術(shù)、工業(yè)自動化技術(shù)為一體的多功能多技術(shù)智能控制系統(tǒng)。當(dāng)前,隨著科技的不斷發(fā)展,我國的縫制行業(yè)的勞動成本也不斷上升。其主要原因就是我國的縫制設(shè)備的自動化程度不高,花樣機(jī)主要縫制任務(wù)是按照花樣文件進(jìn)行。傳統(tǒng)的花樣文件制作方式是采用人工測量加計算機(jī)輔助設(shè)計進(jìn)行基本圖樣的繪制,然后再采用其他三方花樣文件編輯軟件處理并導(dǎo)出到打板器中進(jìn)行縫制。這種操作模式對人工勞動力要求比較高,并且在測量過程中容易造成人為誤差。因此,為了解決這些問題,本文經(jīng)過研究大量相關(guān)的數(shù)字圖像處理技術(shù)研究,探索各種可能利用機(jī)器視覺解決的方法,最終提出了一種利用數(shù)字圖像處理技術(shù)以及圖像矢量化技術(shù)自動生成花樣文件的算法。在圖像輪廓提取中,本文基于圖像Matting摳圖理論,從扣圖的邊緣出發(fā)找出一條符合要求的準(zhǔn)確的目標(biāo)輪廓。在圖像矢量化方面,本文基于多邊形矢量線條,采用三次樣條曲線對其進(jìn)行了轉(zhuǎn)角的光滑處理。最后還對以上算法進(jìn)行了編程實現(xiàn)。實驗結(jié)果表明,基于Matting的目標(biāo)輪廓提取算法能夠較好地提取出想要目標(biāo)的輪廓,并且提取出的輪廓干凈、光滑、無太多毛刺并且沒有孤島等情況存在,基本滿足縫制設(shè)備要求。圖像矢量化過程中,采用三次樣條曲線提取出的矢量輪廓同樣具有比較規(guī)整、光滑的邊緣,并且本文的矢量化算法較其他算法具有時間上的優(yōu)勢。本文從當(dāng)前縫制設(shè)備花樣文件獲取的方式上存在的人工參與度高的問題進(jìn)行了詳細(xì)研究,并提出了一種新的利用機(jī)器視覺、數(shù)字圖像處理等方法自動提取目標(biāo)輪廓的算法。算法從輪廓提取和矢量化速度方面都得到了很好的提升,對于實際應(yīng)用具有重要意義。
【學(xué)位授予單位】：西南科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TS941.562;TP391.41
【圖文】：

2 傳統(tǒng)目標(biāo)輪廓提取方法d ( , x ) d ( x ) x21 ( ( ), ( ))( )2( , )rf f xs x e ( , f ) ( f ) f無限積分方式表達(dá)，但是在實際的圖像中，某個很小的區(qū)域。距離中心元素很遠(yuǎn)的地方可濾波的連續(xù)無限形式變成離散形式：1h ( x ) k ( x ) f ( ) c ( , x ) s ( f ( ), f 素 x 為中心的一個很小的區(qū)域。式（2-10）圖所示：

圖 2.3 左：原圖，右：導(dǎo)向濾波結(jié)果Fig 2.3 Left: Original, Right: The result of Guided Filter然，在本文中基本圖像處理測試的時候使用的是導(dǎo)向濾波算法，因為其準(zhǔn)度高，較雙邊濾波而言有很大優(yōu)勢。圖像二值化和邊緣提取進(jìn)行了一些基本的圖像處理（灰度化、濾波等）操作后，后續(xù)步驟差不多應(yīng)用進(jìn)行特征的提取了，如人臉識別、面容識別、目標(biāo)提取以及邊緣提取要目的是提取圖像中的邊緣信息以供縫紉機(jī)進(jìn)行路徑縫制工作，因此邊本小節(jié)的重點。面提到，在目標(biāo)特征提取階段，傳統(tǒng)圖像處理和基于深度學(xué)習(xí)的圖像處前者對于獲取的圖像質(zhì)量要求很高，一般需要控制好光源、選好攝像頭無疑增加了圖像獲取的成本。而基于深度學(xué)習(xí)的圖像處理，由于提取的是征，對于圖像獲取部分就沒有像傳統(tǒng)圖像處理那樣對圖像獲取有著比較

圖 2.4 左：經(jīng) GF 濾波后，右：OTSU 二值化處理后Fig 2.4 Left: After GF filtering, Right: After OTSU binarization處理的結(jié)果可以看出來，經(jīng)過傳統(tǒng)的圖像二值化算法作用后，貓頭的大致輪廓。但是如果仔細(xì)觀察細(xì)節(jié)部分就可以看到圖片”出現(xiàn)，這些孤立的“小島”會導(dǎo)致最后生成的路徑斷線條的增的剪線，或者增加飛線，非常不利于實際生產(chǎn)。如下圖所示：圖 2.5 左：二值化處理后，右：Canny 邊緣提取后Fig 2.5 Left: After binarization, Right: After Canny edge extraction

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于海燕;牛慶麗;;計算機(jī)技術(shù)在圖像輪廓提取中的有效應(yīng)用[J];現(xiàn)代電子技術(shù);2016年10期

2 閻春平;王賓賓;覃斌;劉飛;;應(yīng)用拓?fù)渫队安蛔冊淼目臻g圖形輪廓提取方法[J];重慶大學(xué)學(xué)報;2010年06期

3 楊長才;鄭勝;葉瑾;;基于支持度變換的水平集人臉輪廓提取方法[J];三峽大學(xué)學(xué)報(自然科學(xué)版);2008年05期

4 黃福珍,蘇劍波,席裕庚;基于幾何活動輪廓模型的人臉輪廓提取方法[J];中國圖象圖形學(xué)報;2003年05期

5 ;1989年《無線電工程》總目錄[J];無線電工程;1989年06期

6 李艷斌;王昌寶;周希元;王敏;;用于圖象運(yùn)動模糊檢測及輪廓提取的空間域相關(guān)法研究[J];無線電工程;1989年03期

7 黃福珍;佘星星;;基于膚色和人臉形狀約束的正面人臉輪廓提取算法[J];上海電力學(xué)院學(xué)報;2012年04期

8 俞斌;工程圖紙輪廓提取方法及其在工程手寫字符識別中的應(yīng)用[J];北方交通大學(xué)學(xué)報;1995年04期

9 曹旭;聶勇偉;李桂清;;高精度連續(xù)人臉輪廓提取[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2019年04期

10 趙宏偉;劉靜;陳華程;崔弘睿;;一種改進(jìn)的輪廓提取評估算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2011年S1期

相關(guān)會議論文 前10條

1 陳雷;于明;羅永興;張海哲;李軼博;;低信噪比復(fù)雜結(jié)構(gòu)圖像中的一種動態(tài)輪廓提取方法[A];現(xiàn)代通信理論與信號處理進(jìn)展——2003年通信理論與信號處理年會論文集[C];2003年

2 徐曉剛;于金輝;馬利莊;;復(fù)雜物體輪廓提取[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

3 程麗君;穆平安;戴曙光;鄭志紅;;圖像法在燈絲主極輪廓提取中的應(yīng)用[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

4 王青翠;王魯軍;權(quán)恒恒;;基于雙閾值的鯨魚發(fā)聲信號時頻譜輪廓提取方法[A];2017中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2017年

5 宋玉丹;秦志鈺;容幸福;;基于ImageJ的彩色無序圖像外輪廓提取[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

6 孫麗娜;;棒線材端頭識別圖像處理改進(jìn)方法[A];第九屆真空冶金與表面工程學(xué)術(shù)會議論文摘要集[C];2009年

7 孫麗娜;;棒線材端頭識別圖像處理改進(jìn)方法[A];真空技術(shù)與表面工程——第九屆真空冶金與表面工程學(xué)術(shù)會議論文集[C];2009年

8 蘭志才;趙忠明;;Snake模型在遙感影像輪廓提取中的應(yīng)用[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（3）[C];2008年

9 張迎春;楊麗博;楊濤;;基于遙感影像的水體輪廓順序提取技術(shù)[A];第四屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2017年

10 葉銘;王成燾;;骨骼的輪廓提取和輪廓的B樣條描述[A];21世紀(jì)醫(yī)學(xué)工程學(xué)術(shù)研討會論文摘要匯編[C];2001年

相關(guān)重要報紙文章 前1條

1 本報記者 冉倩婷;成都或?qū)⒄紦?jù)關(guān)鍵地位[N];四川日報;2016年

相關(guān)博士學(xué)位論文 前10條

1 戴金波;基于視覺信息的圖像特征提取算法研究[D];吉林大學(xué);2013年

2 金舟;圖像著色關(guān)鍵技術(shù)分析及其應(yīng)用[D];天津大學(xué);2011年

3 陸承恩;基于形狀的圖像輪廓賦形及目標(biāo)檢測技術(shù)[D];華中科技大學(xué);2009年

4 楊淼;基于圖像的城市建筑物三維自動重建參數(shù)化建模方法研究[D];中國海洋大學(xué);2009年

5 吳長偉;基于仿人視覺的顯著性目標(biāo)分割識別及其應(yīng)用研究[D];浙江大學(xué);2018年

6 劉陽;注塑制品質(zhì)量參數(shù)在線檢測、建模與優(yōu)化方法研究[D];東北大學(xué);2010年

7 孫陽光;物體邊緣輪廓提取新方法研究[D];華中科技大學(xué);2009年

8 黃月珠;基于三維模型的線條畫繪制方法研究[D];山東大學(xué);2009年

9 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識別技術(shù)[D];南京理工大學(xué);2014年

10 馮春;基于單目視覺的目標(biāo)識別與定位研究[D];南京航空航天大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 于璦瑋;面向圖像深度次序推理的遮擋輪廓提取算法研究[D];北京郵電大學(xué);2019年

2 孫乙丹;基于蟻群系統(tǒng)的多細(xì)胞輪廓估計與跟蹤技術(shù)研究[D];中國礦業(yè)大學(xué);2019年

3 周軍;花樣圖案軌跡智能提取及優(yōu)化方法研究[D];西南科技大學(xué);2019年

4 鄧凱;顧及遙感影像信息的面狀輪廓智能簡化[D];武漢大學(xué);2017年

5 李航;基于激光測距的UUV地圖輪廓構(gòu)建與同步巡岸控制方法研究[D];哈爾濱工程大學(xué);2018年

6 賈國靖;雪糕棒輪廓缺陷在線視覺檢測系統(tǒng)研制[D];沈陽工業(yè)大學(xué);2018年

7 楊陽;基于ASM算法的肺部輪廓提取研究[D];東北大學(xué);2015年

8 王常輝;運(yùn)動目標(biāo)檢測技術(shù)研究[D];天津職業(yè)技術(shù)師范大學(xué);2018年

9 陳佳騏;基于弦理論的目標(biāo)輪廓提取[D];中南民族大學(xué);2016年

10 許開開;高速振鏡掃描式激光3D打印控制系統(tǒng)研究[D];華中科技大學(xué);2017年

本文編號：2762634