织物在服用和洗涤过程中，经过不断的摩擦会产生起毛起球现象，影响织物的服用性能。织物起毛起球的等级评定在生产质量控制和外贸检验方面显得尤为重要。随着计算机技术在纺织行业的广泛应用，国内外许多研究人员利用计算机数字图像处理技术对该方面做了相关的研究。在滤除纹理方面，HIS等¨。1运用腐蚀和膨胀的方法减少织物底纹所产生阴影的影响，但当纹理较复杂时极易造成毛球的误判；文献[3]采用傅里叶变换技术区域增长法找出峰点区域去除织物纹理；祝双武等H。对图像进行了局部直方图均衡化拉伸增强、均值滤波，但这2种方法都不能*滤除织物纹理。在毛球提取方面，文献[5—7]认为毛球图像的灰度呈高斯分布，对滤除纹理后毛球图像的直方图进行一维高斯拟合，但权系数需要根据不同的织物样品进行选取，否则会导致错误的判断结果。
本文首先采用计算机数字图像处理技术对精纺毛机织物起毛起球样照(光面GB／T 4802．3—2008《纺织品织物起毛起球性能的测定第3部分：起球箱法》)进行分析，统计样照中的毛球面积及其所占图像总面积比例，然后建立毛球面积比例与等级评定之间的关系，zui后采用数字图像处理技术对实际织物进行分析评等，验证了方法的可行性。

1、标准样照的图像分析
1．1 图像的采集
采用Microtek 4800平板扫描仪对机织物起毛起球标准样照进行扫描，本文考虑样照织物的实际尺寸为9 cm，选用的分辨率为500 dpi，扫描的样照图像总大小为1 100像素×1 100像素，即每厘米大小的织物占122个像素点。图l所示的图像为截取样照中大小为370像素×370像素，对应实际织物尺寸约为3 cm X 3 cm的区域图像。

1．2 织物纹理的滤除
为有效地分离毛球，必须滤除织物中纱线交织形成的纹理背景。在时域里很难直接分析图像中叠加在一起的周期性和非周期性成分，即织物纹理与毛球信息。为此，以MatLab 7．1为工具，采用傅里叶变换将样照图像变换至频域，幅值谱如图2所示。图中峰点及其附近区域代表了织物的纹理信息。采用峰点滤波法可找出所有峰点n、6、c、d等。本文尝试采用2种方法滤除织物纹理。

1)以幅值zui大值的50％作为阈值，滤除图2中代表织物纹理的周期性成分，滤波后的幅值谱和滤波结果如图3(a)、(b)所示。图3(b)中未能清晰反映出毛球，这是因为O点附近的毛球低频信息已被滤除。
2)在图3(a)滤波的基础上，保留以O点为圆心，图2中ab、口c较小者为直径范围内的原有低频信号。滤波后的幅值谱和滤波结果如图3(c)、(d)所示。由图3(d)可看出织物纹理得到有效的去除，毛球得到清晰呈现。

2毛球的提取
为提取毛球的特征，先要对图像进行阈值处理以分离毛球。由于毛球的数量太少，不足以引起直方图发生变化，经过上述滤波后图像的灰度直方图仍显1个峰，所以利用普通的阈值方法是不可行的。早在1979年，日本的大津展之¨1提出了一种基于判别分析过程的大津自动阈值选择法(OTSU)，此方法不管图像的直方图有无明显的双峰，都能得到较满意的效果，但OTSU缺陷是当目标物与背景灰度差不明显时，会出现大块黑色区域。为解决这个问题，本文选用灰度增强的大津阈值法一1，对纹理滤除后的图像进行灰度调整后再阈值，增强目标物与背景的对比度，同时也弥补了上文滤除纹理时削弱毛球信息的缺陷，结果如图4所示。

在起毛起球样照中，存在由于光照不匀引起图像区域亮度不一致的问题，这时，用灰度增强的大津法仅对整幅图像选择1个阈值就无法得到满意的效果。采用局部阈值的方法可有效解决此问题，即将图像分成许多块，然后在每块内进行自动阈值分割。本文将图像分成了3×3块(这样进行阈值后的毛球大小和位置接近原图)，在分块的同时对原图进行交叉切分，相邻子块之间有一半面积的重叠，这样可减少灰度不连续现象的影响¨…。阈值并取反后的毛球图如图5(a)所示．

从图5(a)所示的阈值后毛球图像可看出，图像中还存在一些非毛球的噪声信号(图中用框标出)。根据本文所采用的扫描分辨率，纱线直径约占2个像素，而毛球的尺寸较纱线直径大，将图像上2个像素点以下的噪声信号滤除，如图5(b)所示。

3结果与讨论
3．1 毛球特征的提取
根据上述方法，对样照图像圆内接zui大正方形图像(740像素×740像素)进行处理，所得毛球二值化图像与原图的对比如表1所示。从表中可看出，毛球位置与原图是对应的，毛球的大小接近实际尺寸。接着提取每级样照的毛球总面积，统计毛球面积占图像总面积的比例，结果如表2所示。从数据可以看出随着级数的增大，毛球面积明显减小，级与级之间相差较大，符合1—5级样照图像特征值的变化规律。

3．2 实例分析
按照GB／T 4802．1—1997规定的压力为780 cN，起球转数为600转，用YG 401G型织物平磨仪(磨台直径为9 Cm)分别对3块不同精纺毛织物进行起球试验。接着采用Microtek 4800平板扫描仪采集图像，为和样照图像的大小基本保持一致(9 cm的织物图像大小为1 100像素×1 100像素，即1 cm内大约122个像素)，可取扫描分辨率为300 dpi。随后进行图像截取，纹理滤除，毛球提取，等级评定，并按照标准样照比对法进行人工评定。以试样l为例，各步骤的图像如图6所示。3种试样得出的数据如表4所示。可看出本文方法评定出的等级符合主观评定结果。

4 结 论
本文利用扫描仪采集1—5级的精纺毛机织物起毛起球标准样照(光面GB／T 4802．3—2008)的图像，以MatLab 7．1为分析工具完成毛球的提取，以毛球面积及毛球所占比例作为特征值，分析每级样照和实际起毛起球织物。在傅里叶变换滤除织物纹理的过程中，保留原点附近的毛球低频信息，使得滤波结果中毛球较为清晰；增强的OTSU局部阈值法能够对毛球进行准确有效的提取，真实反映毛球的实际状态。实际织物的分析结果表明，本文建立的起毛起球评级标准可更客观地表征织物起毛起球等级。