JP2901644B2 - 編目配列の画像認識方法およびその画像認識装置 - Google Patents
編目配列の画像認識方法およびその画像認識装置Info
- Publication number
- JP2901644B2 JP2901644B2 JP1131543A JP13154389A JP2901644B2 JP 2901644 B2 JP2901644 B2 JP 2901644B2 JP 1131543 A JP1131543 A JP 1131543A JP 13154389 A JP13154389 A JP 13154389A JP 2901644 B2 JP2901644 B2 JP 2901644B2
- Authority
- JP
- Japan
- Prior art keywords
- stitch
- arc
- network
- image
- gravity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Landscapes
- Sewing Machines And Sewing (AREA)
- Knitting Machines (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、編地の編目の配列状態を認識する編目配列
の画像認識方法およびその画像認識装置に関する。
の画像認識方法およびその画像認識装置に関する。
［従来の技術］ 従来、編地の編目検査のために、編目の配列を画像認
識する画像認識方法では、編地画像の中から編目を抽出
し、抽出した編目の重心間を結ぶ線分の特定の編目列方
向に対する角度と重心点間の距離により編目配列を推定
する方法（特願昭61−301659）が提案されている。
識する画像認識方法では、編地画像の中から編目を抽出
し、抽出した編目の重心間を結ぶ線分の特定の編目列方
向に対する角度と重心点間の距離により編目配列を推定
する方法（特願昭61−301659）が提案されている。
［発明が解決しようとする課題］ しかしながら、編地は非常に柔軟なので、第11図に示
す構造の編地の撮像結果を第12図に模式的に示すよう
に、個々の編目の形状，編目間の長さ，編目間の角度が
それぞれ大きく変化する。このため、上記線分と編目列
推定方向との角度が一定角度以上になると上述の画像認
識方法ではその編目は特定の編目列方向の編目列を構成
しないと誤認識することが多く、認識確率の高い画像認
識方法が望まれていた。
す構造の編地の撮像結果を第12図に模式的に示すよう
に、個々の編目の形状，編目間の長さ，編目間の角度が
それぞれ大きく変化する。このため、上記線分と編目列
推定方向との角度が一定角度以上になると上述の画像認
識方法ではその編目は特定の編目列方向の編目列を構成
しないと誤認識することが多く、認識確率の高い画像認
識方法が望まれていた。
そこで、本発明の目的は、従来よりも高い認識確率で
編目の配列状態を認識することが可能な編目配列の画像
認識方法および画像認識装置を提供することにある。
編目の配列状態を認識することが可能な編目配列の画像
認識方法および画像認識装置を提供することにある。
［課題を解決するための手段］ このような目的を達成するために、本発明の第１形態
は、編地を撮像し、撮像して得られた画像信号を２値化
して前記編地の編糸の輪郭線を抽出し、抽出した前記輪
郭線に囲まれる編目部分の重心位置を検出し、検出した
重心位置をノードとし、かつ当該重心位置と隣接する重
心位置とを結ぶ線分をアークとするネットワークを設定
し、当該設定されたネットワーク上において、特定の編
目列方向に沿った直線性および並列性の最も高い複数の
アーク列を認識結果の編目配列として選択抽出すること
を特徴とする。
は、編地を撮像し、撮像して得られた画像信号を２値化
して前記編地の編糸の輪郭線を抽出し、抽出した前記輪
郭線に囲まれる編目部分の重心位置を検出し、検出した
重心位置をノードとし、かつ当該重心位置と隣接する重
心位置とを結ぶ線分をアークとするネットワークを設定
し、当該設定されたネットワーク上において、特定の編
目列方向に沿った直線性および並列性の最も高い複数の
アーク列を認識結果の編目配列として選択抽出すること
を特徴とする。
本発明の第２形態は、前記アーク列の選択抽出を弛緩
法により実行することを特徴とする。
法により実行することを特徴とする。
本発明の第３形態は、前記ネットワークの端部にある
ノードの中から前記特定の編目列方向との角度差が最も
小さいアークを選択した後、該アークを起点としてアー
クと結合する複数のアーク中から角度差が最も小さいア
ークを順に選択していくことによって、前記特定の編目
列方向に沿った直線性および並列性の最も高い複数のア
ーク列を前記ネットワークの中から選択抽出することを
特徴とする。
ノードの中から前記特定の編目列方向との角度差が最も
小さいアークを選択した後、該アークを起点としてアー
クと結合する複数のアーク中から角度差が最も小さいア
ークを順に選択していくことによって、前記特定の編目
列方向に沿った直線性および並列性の最も高い複数のア
ーク列を前記ネットワークの中から選択抽出することを
特徴とする。
本発明の第４形態は、編地を光電変換により撮像して
画像信号を出力する撮像手段と、該撮像手段から出力さ
れた前記画像信号を２値化して前記編地の編糸の輪郭線
を抽出する編糸抽出手段と、該編糸抽出手段により抽出
された前記輪郭線により囲まれる編目部分の重心位置を
検出する編目位置検出手段と、該編目位置検出手段によ
り検出された前記重心位置をノードとし、当該重心位置
と隣接する重心位置とを結ぶ線分をアークとするネット
ワークを設定するネットワーク設定手段と、当該設定さ
れたネットワーク上に特定の編目列方向に沿った直線性
および並列性の最も高い複数のアーク列を前記ネットワ
ークの中から選択抽出する編目配列認識手段とを具えた
ことを特徴とする。
画像信号を出力する撮像手段と、該撮像手段から出力さ
れた前記画像信号を２値化して前記編地の編糸の輪郭線
を抽出する編糸抽出手段と、該編糸抽出手段により抽出
された前記輪郭線により囲まれる編目部分の重心位置を
検出する編目位置検出手段と、該編目位置検出手段によ
り検出された前記重心位置をノードとし、当該重心位置
と隣接する重心位置とを結ぶ線分をアークとするネット
ワークを設定するネットワーク設定手段と、当該設定さ
れたネットワーク上に特定の編目列方向に沿った直線性
および並列性の最も高い複数のアーク列を前記ネットワ
ークの中から選択抽出する編目配列認識手段とを具えた
ことを特徴とする。
［作用］ 本発明の第１形態は、編目の構造上、編目の配列が並
列的に特定の方向に沿った直線状となることに着目し、
編目の重心位置をノードとして設定したネットワークの
中から特定の編目列方向に沿った直線性および並列性の
高いアーク列を選択抽出するようにしたので、従来のよ
うに編目間の角度のみで局所的に配列を認識する場合に
比べ、編地全体の調和が考慮され、抽出されたアーク列
は編目の配列状態を良く表わす。この結果、配列の認識
確立が従来より高くなる。また、編目の配列の画像認識
の要素を編糸ではなく編目の重心位置とすることによっ
て、たとえ編糸が変形しても重心位置の変化は小さいの
で、編目の配列の認識に影響を受けることはない。しか
も編地全体が変形してもネットワークの構成は変形する
ことがないので、従来の認識手法よりもさらに認識確率
が高くなる。
列的に特定の方向に沿った直線状となることに着目し、
編目の重心位置をノードとして設定したネットワークの
中から特定の編目列方向に沿った直線性および並列性の
高いアーク列を選択抽出するようにしたので、従来のよ
うに編目間の角度のみで局所的に配列を認識する場合に
比べ、編地全体の調和が考慮され、抽出されたアーク列
は編目の配列状態を良く表わす。この結果、配列の認識
確立が従来より高くなる。また、編目の配列の画像認識
の要素を編糸ではなく編目の重心位置とすることによっ
て、たとえ編糸が変形しても重心位置の変化は小さいの
で、編目の配列の認識に影響を受けることはない。しか
も編地全体が変形してもネットワークの構成は変形する
ことがないので、従来の認識手法よりもさらに認識確率
が高くなる。
本発明の第２形態では特定の編目列方式に沿った最も
直線性，並列性の高いアーク列の抽出を弛緩法により行
うようにしたので、各々のアークにおける直線性および
並列性の確率が徐々に更新され、編目配列の全体バラン
スを考慮しながら認識を行うことができる。
直線性，並列性の高いアーク列の抽出を弛緩法により行
うようにしたので、各々のアークにおける直線性および
並列性の確率が徐々に更新され、編目配列の全体バラン
スを考慮しながら認識を行うことができる。
本発明の第３形態では、特定の編目列方向に沿ったア
ークを起点としてアークとアークを結ぶ角度差が最も小
さくなるようなアークを選択する。これにより特定の方
向編目配列の認識率が向上する。
ークを起点としてアークとアークを結ぶ角度差が最も小
さくなるようなアークを選択する。これにより特定の方
向編目配列の認識率が向上する。
本発明の第４形態では、編目の配列の認識確率が高く
なるのみならず、抽出されたアーク列を出力手段によ
り、例えば図形表示することによって、操作者は編目の
配列状態から編目の変形度，編目の異常を検出すること
が可能となる。さらに、CPUによる集中演算だけでな
く、専用並列処理装置を設けることによって高速な認識
処理が可能となり、さらに画像処理演算とネットワーク
処理演算が並列に処理できるため、連続的に画像入力，
結果の表示ができる。
なるのみならず、抽出されたアーク列を出力手段によ
り、例えば図形表示することによって、操作者は編目の
配列状態から編目の変形度，編目の異常を検出すること
が可能となる。さらに、CPUによる集中演算だけでな
く、専用並列処理装置を設けることによって高速な認識
処理が可能となり、さらに画像処理演算とネットワーク
処理演算が並列に処理できるため、連続的に画像入力，
結果の表示ができる。
［実施例］ 以下、図面を参照して本発明の実施例を詳細に説明す
る。
る。
第１図は本発明実施例の基本構成を示す。
第１図において、100は編地を光電変換により撮像し
て画像信号を出力する撮像手段である。
て画像信号を出力する撮像手段である。
200は該撮像手段から出力された前記画像信号を２値
化して前記編地の編糸の輪郭線を抽出する編糸抽出手段
である。
化して前記編地の編糸の輪郭線を抽出する編糸抽出手段
である。
300は該編糸抽出手段により抽出された前記輪郭線に
より囲まれる編目部分の重心位置を検出する編目位置検
出手段である。
より囲まれる編目部分の重心位置を検出する編目位置検
出手段である。
400は該編目位置検出手段により検出された前記重心
位置をノードとし、当該重心位置と隣接する重心位置と
を結ぶ線分をアークとするネットワークを設定するネッ
トワーク設定手段である。
位置をノードとし、当該重心位置と隣接する重心位置と
を結ぶ線分をアークとするネットワークを設定するネッ
トワーク設定手段である。
500は該ネットワーク設定手段で設定された前記ネッ
トワークの前記アークの方向と特定の編目列方向とが一
致する第１確率、および前記アークの方向と近隣のアー
クの方向とが一致する第２確率の値を算出する演算手段
である。
トワークの前記アークの方向と特定の編目列方向とが一
致する第１確率、および前記アークの方向と近隣のアー
クの方向とが一致する第２確率の値を算出する演算手段
である。
600は該演算手段により算出された前記第１確率およ
び第２確率の値に基づき、前記特定の編目列方向に沿っ
た直線性および並列性の最も高い複数のアーク列を前記
ネットワークの中から選択抽出する編目配列認識手段で
ある。
び第２確率の値に基づき、前記特定の編目列方向に沿っ
た直線性および並列性の最も高い複数のアーク列を前記
ネットワークの中から選択抽出する編目配列認識手段で
ある。
700は該編目配列認識手段により選択された前記アー
ク列を認識結果の編目配列として可視出力する出力手段
である。
ク列を認識結果の編目配列として可視出力する出力手段
である。
第２図は本発明実施例の具体的な回路構成を示す。
第２図において、中央演算処理装置（CPU）１、画像
処理プロセッサ２、並列処理プロセッサ３、リードオン
リメモリ（ROM）４、ランダムアクセスメモリ（RAM）
５、入出力インターフェース（I/O）６がバス７に接続
され、I/O6に、撮像装置11,キーボード21,表示装置22が
接続されている。
処理プロセッサ２、並列処理プロセッサ３、リードオン
リメモリ（ROM）４、ランダムアクセスメモリ（RAM）
５、入出力インターフェース（I/O）６がバス７に接続
され、I/O6に、撮像装置11,キーボード21,表示装置22が
接続されている。
CPU1は装置全体の制御を司り、上述各部に対して動作
指示を与える。
指示を与える。
編糸抽出手段，編目位置検出手段，ネットワーク設定
手段としての画像処理プロセッサ２は撮像装置11から得
られる編地画像に対して画像処理を行い、編糸の輪郭線
の抽出処理，編目の重心位置の検出処理，ネットワーク
の作成処理を行う。
手段としての画像処理プロセッサ２は撮像装置11から得
られる編地画像に対して画像処理を行い、編糸の輪郭線
の抽出処理，編目の重心位置の検出処理，ネットワーク
の作成処理を行う。
演算手段，編目列認識手段としての並列処理プロセッ
サ３は画像処理プロセッサ２と並行して、本発明に関わ
る弛緩法による特定の編目列方向に沿った直線性，並列
性の高いアーク列の選択処理を行う。
サ３は画像処理プロセッサ２と並行して、本発明に関わ
る弛緩法による特定の編目列方向に沿った直線性，並列
性の高いアーク列の選択処理を行う。
ROM4にはCPU1,画像処理プロセッサ2,並列処理プロセ
ッサ３がそれぞれ実行する制御プログラムが予め格納さ
れている。
ッサ３がそれぞれ実行する制御プログラムが予め格納さ
れている。
RAM5は各プロセッサの演算データおよび撮像装置11の
撮像結果を一時記憶する。
撮像結果を一時記憶する。
I/O6は接続機器とCPU1との間で情報の転送を行う。
撮像手段としての撮像装置11は固体撮像素子（CCD）
を有し、第３図に示すように、編地の裏からの照明光を
編地を介して受光することによって編地画像を入力す
る。CCDにより光電変換されたアナログの画像信号は画
素毎のデジタルの濃度信号に変換された後撮像装置11か
ら出力される。
を有し、第３図に示すように、編地の裏からの照明光を
編地を介して受光することによって編地画像を入力す
る。CCDにより光電変換されたアナログの画像信号は画
素毎のデジタルの濃度信号に変換された後撮像装置11か
ら出力される。
キーボード21からはCPU1に対する動作指示を入力す
る。表示装置22は撮像した編地画像の表示や画像認識さ
れた編目配列の表示を行う。
る。表示装置22は撮像した編地画像の表示や画像認識さ
れた編目配列の表示を行う。
このような回路の動作説明を第４図のフローチャート
を参照して行う。
を参照して行う。
第４図は本発明実施例の動作手順を示す。
第４図において、撮像装置11から送信される編地の濃
度信号はI/O6を介してRAM5に格納される（ステップS1
0）。
度信号はI/O6を介してRAM5に格納される（ステップS1
0）。
画像処理プロセッサ２は上記濃度信号を規定値と比較
して２値化を行い、黒部分、すなわち、編糸部分の細線
化処理によって輪郭線の抽出を行う。
して２値化を行い、黒部分、すなわち、編糸部分の細線
化処理によって輪郭線の抽出を行う。
本例においては輪郭線の画素位置がビット“1"、その
他の画素位置がビット“0"で表わし、これら各画素毎の
ビット情報が輪郭線情報としてRAM5に格納される（ステ
ップS11）。
他の画素位置がビット“0"で表わし、これら各画素毎の
ビット情報が輪郭線情報としてRAM5に格納される（ステ
ップS11）。
このようにして得られる輪郭線情報を画像表示する
と、第５図に示すような編糸画像が得られる。
と、第５図に示すような編糸画像が得られる。
次に、画像処理プロセッサ２はRAM5に格納された輪郭
線情報に基づき、輪郭線で囲まれた閉区画（編目）の重
心位置を検出する。この重心位置を検出する手順は周知
であり、例えば、輪郭線で囲まれる閉区画の座標の合計
および面積を求め、数学的手法を用いて重心位置を求め
る手順を用いるとよい。
線情報に基づき、輪郭線で囲まれた閉区画（編目）の重
心位置を検出する。この重心位置を検出する手順は周知
であり、例えば、輪郭線で囲まれる閉区画の座標の合計
および面積を求め、数学的手法を用いて重心位置を求め
る手順を用いるとよい。
このように編目の重心位置が検出される毎に、ネット
ワーク作成のために、検出された重心位置は番号が付さ
れ、その重心位置が第７図（Ａ）に示すようなノードテ
ーブル５−１の形態でRAM5に格納される。本実施例にお
いては、重心位置をノード、重心位置を結ぶ線分（アー
ク）によりネットワークを形成する。このために、画像
処理プロセッサ２ではノードテーブル５−１を作成する
途中で、あるノードを含む閉区画とその境界線を共有す
る隣接の閉区画のノード番号を検出し、この検出したノ
ード番号と上記のあるノード番号とで定まるアークに番
号付を行う。このように定められたアーク番号およびア
ークを構成するノード番号が第７図（Ｂ）に示すアーク
テーブル５−２の形態で格納される（ステップS12）。
ワーク作成のために、検出された重心位置は番号が付さ
れ、その重心位置が第７図（Ａ）に示すようなノードテ
ーブル５−１の形態でRAM5に格納される。本実施例にお
いては、重心位置をノード、重心位置を結ぶ線分（アー
ク）によりネットワークを形成する。このために、画像
処理プロセッサ２ではノードテーブル５−１を作成する
途中で、あるノードを含む閉区画とその境界線を共有す
る隣接の閉区画のノード番号を検出し、この検出したノ
ード番号と上記のあるノード番号とで定まるアークに番
号付を行う。このように定められたアーク番号およびア
ークを構成するノード番号が第７図（Ｂ）に示すアーク
テーブル５−２の形態で格納される（ステップS12）。
このようにして設定されたネットワークを基に、編目
の配列の検出のための画像認識処理を次に行う。
の配列の検出のための画像認識処理を次に行う。
本実施例においては弛緩演算を上記設定されたネット
ワークに対して施すことにより編目の配列を検出する。
ワークに対して施すことにより編目の配列を検出する。
弛緩法は、1976年にRosenfeldらによって提案され、
画像処理においては線やエッジの強調，マッチング等に
応用されてきた。
画像処理においては線やエッジの強調，マッチング等に
応用されてきた。
弛緩法の考え法は、「いくつかの対象物があって、各
々の解釈に曖昧さがあるとき、一様な処理を全ての対象
物に繰り返し施し、全体として解釈の曖昧性を減らして
ゆく」というものである。「解釈する」という漠然とし
た言葉を「ラベリングする」という内容に置き換え、対
象物に与えるラベル候補群をΛとし、対象物ｉがラベル
λと解釈される可能性を▲Ｐk i▼（λ）とすると次式が
成立する。ここでｋは反復計算の回数で、次の式が成立
すると仮定する。
々の解釈に曖昧さがあるとき、一様な処理を全ての対象
物に繰り返し施し、全体として解釈の曖昧性を減らして
ゆく」というものである。「解釈する」という漠然とし
た言葉を「ラベリングする」という内容に置き換え、対
象物に与えるラベル候補群をΛとし、対象物ｉがラベル
λと解釈される可能性を▲Ｐk i▼（λ）とすると次式が
成立する。ここでｋは反復計算の回数で、次の式が成立
すると仮定する。
次に、対象物ｉと近傍の対象物ｊの関係を表わす調和
係数をRij（λ，λ′）として定め、この係数を解釈の
方法としてあらかじめ定義しておく。この調和係数の条
件によって弛緩がなされる。
係数をRij（λ，λ′）として定め、この係数を解釈の
方法としてあらかじめ定義しておく。この調和係数の条
件によって弛緩がなされる。
調和係数を用いて、対象物ｉがλのとき、その確から
しさの評価関数Ｑは次の式で示される。
しさの評価関数Ｑは次の式で示される。
▲Ｑk i▼（λ）＝Σｊε隣接dij ΣλεΛ［Rij（λ，λ′）・Pj（λ′）］ ……（２） ただし、dijは対象物間の影響度を表わし、物体間の
距離等によって定義する。
距離等によって定義する。
確からしさＱとラベル確率Ｐを乗じて対象物ｉのラベ
ルを更新する。
ルを更新する。
Rosenfeld型の確率的弛緩法は局所極値に収束する。
つまり、調和係数によって定義された規則に従って、与
えられた初期確率から最も確からしい結論へと収束計算
を行っている。このことは、初期値が重要なポイントと
なることを示しており、初期値におおよその推定値を与
えることによって、調和係数に与えられた知識に基づい
て人間の推論的な動作ができることが知られている。
つまり、調和係数によって定義された規則に従って、与
えられた初期確率から最も確からしい結論へと収束計算
を行っている。このことは、初期値が重要なポイントと
なることを示しており、初期値におおよその推定値を与
えることによって、調和係数に与えられた知識に基づい
て人間の推論的な動作ができることが知られている。
本実施例では編目で構成されたネットワークが編目の
配列を包含していることに着目し、アーク列の直線性お
よび並列性を弛緩法により調べ、特定の編目列方向の編
目の配列、例えば縦目列としての確率が高いアーク列を
抽出することによって編地の編目の配列状態を認識す
る。このために、上記弛緩法の演算式に用いる調和係数
Rij（λ，λ′）は弛緩規則としてアークｉと近隣のア
ークｊの角度差を用いる。具体的には第２確率としての
アークｉの縦目列らしさ（λ＝１）として、アークと近
隣のアークとの角度差が直線（０゜）のとき調和係数を
“0.0"、アークと近隣のアークとの角度差が90゜の時に
調和係数を“1.0"として、角度差に応じた“0"から“1"
の数値を与える。また、アークｉの縦目列らしくなさ
（λ＝０）として、アークと近隣のアークとの角度差が
90゜のとき調和係数を“0.0"、直線の時に調和係数を
“1.0"として、角度差に応じた“0"から“1"の数値を与
える。なお、調和係数中のλ′はアークｊの縦目らしさ
（λ′＝１）、縦目列らしくなさ（λ′＝０）を表わ
す。
配列を包含していることに着目し、アーク列の直線性お
よび並列性を弛緩法により調べ、特定の編目列方向の編
目の配列、例えば縦目列としての確率が高いアーク列を
抽出することによって編地の編目の配列状態を認識す
る。このために、上記弛緩法の演算式に用いる調和係数
Rij（λ，λ′）は弛緩規則としてアークｉと近隣のア
ークｊの角度差を用いる。具体的には第２確率としての
アークｉの縦目列らしさ（λ＝１）として、アークと近
隣のアークとの角度差が直線（０゜）のとき調和係数を
“0.0"、アークと近隣のアークとの角度差が90゜の時に
調和係数を“1.0"として、角度差に応じた“0"から“1"
の数値を与える。また、アークｉの縦目列らしくなさ
（λ＝０）として、アークと近隣のアークとの角度差が
90゜のとき調和係数を“0.0"、直線の時に調和係数を
“1.0"として、角度差に応じた“0"から“1"の数値を与
える。なお、調和係数中のλ′はアークｊの縦目らしさ
（λ′＝１）、縦目列らしくなさ（λ′＝０）を表わ
す。
次に、第１確率としてのアークの直線性および並列性
の確率▲Ｐ1 i▼（λ）の初期値としてはノード間を結ぶ
アーク上に編目の連結関係の強さの初期値を与える。境
界が明るいほど縦目列方向としての確率が高いので、具
体的には編目の境界の明るさによって、縦目結合らしさ
の最高値を“1.0"、全く縦目結合らしさのない確率を
“0.0"として初期値を与える。その他、初期値の設定条
件として編目の面積（同じような大きさであること）や
編目の形状（編目の長軸方向が縦目列としての確率が高
い）を加えることもできる。
の確率▲Ｐ1 i▼（λ）の初期値としてはノード間を結ぶ
アーク上に編目の連結関係の強さの初期値を与える。境
界が明るいほど縦目列方向としての確率が高いので、具
体的には編目の境界の明るさによって、縦目結合らしさ
の最高値を“1.0"、全く縦目結合らしさのない確率を
“0.0"として初期値を与える。その他、初期値の設定条
件として編目の面積（同じような大きさであること）や
編目の形状（編目の長軸方向が縦目列としての確率が高
い）を加えることもできる。
第４図に戻り、並列処理プロセッサ３は上述の原理で
調和係数を算出すると算出結果を第８図に示す弛緩規則
テーブル５−３の形態でRAM5に格納する。また、縦目列
の確からしさについての初期値も各アーク毎に濃度信号
に基づき算出され、RAM5に格納される。なお、第８図に
示す弛緩規則テーブル５−３は第６図に示すネットワー
クの中のアークａの直線性および並列性の確率を計算す
るために近隣のアークｂ〜ｋとの角度差を表わしたもの
であり、アーク全てに対して第８図に示す弛緩規則テー
ブル５−３が作成される（ステップS13）。
調和係数を算出すると算出結果を第８図に示す弛緩規則
テーブル５−３の形態でRAM5に格納する。また、縦目列
の確からしさについての初期値も各アーク毎に濃度信号
に基づき算出され、RAM5に格納される。なお、第８図に
示す弛緩規則テーブル５−３は第６図に示すネットワー
クの中のアークａの直線性および並列性の確率を計算す
るために近隣のアークｂ〜ｋとの角度差を表わしたもの
であり、アーク全てに対して第８図に示す弛緩規則テー
ブル５−３が作成される（ステップS13）。
並列処理プロセッサ３は上述の弛緩規則テーブルを作
成した後、並列処理プロセッサ３は作成済の弛緩規則テ
ーブルを用いて弛緩演算を行う（ステップS14）。
成した後、並列処理プロセッサ３は作成済の弛緩規則テ
ーブルを用いて弛緩演算を行う（ステップS14）。
第８図に示すアークａについての弛緩演算について演
算プロセスを説明する。すなわち、初期値からｋ回目の
繰り返し計算で、アークａと近隣のアークとの重みを全
て重みdij′＝1,0アークａの縦目方向らしさ（λ＝１）
の確率▲Ｐk a▼（１）〜アークｋの確率▲Ｐk k▼（１）
がそれぞれ、 ▲Ｐk a▼（１）＝0.5,▲Ｐk b▼（１）＝0.3,▲Ｐk c▼
（１）＝0.2,▲Ｐk d▼（１）＝0.4,▲Ｐk e▼（１）＝0.
5,▲Ｐk f▼（１）＝0.8,▲Ｐk g▼（１）＝0.7,▲Ｐk h▼
（１）＝0.2,▲Ｐk i▼（１）＝0.1,▲Ｐk j▼（１）＝0.
5,▲Ｐk k▼（１）＝0.4, と得られたものとする。
算プロセスを説明する。すなわち、初期値からｋ回目の
繰り返し計算で、アークａと近隣のアークとの重みを全
て重みdij′＝1,0アークａの縦目方向らしさ（λ＝１）
の確率▲Ｐk a▼（１）〜アークｋの確率▲Ｐk k▼（１）
がそれぞれ、 ▲Ｐk a▼（１）＝0.5,▲Ｐk b▼（１）＝0.3,▲Ｐk c▼
（１）＝0.2,▲Ｐk d▼（１）＝0.4,▲Ｐk e▼（１）＝0.
5,▲Ｐk f▼（１）＝0.8,▲Ｐk g▼（１）＝0.7,▲Ｐk h▼
（１）＝0.2,▲Ｐk i▼（１）＝0.1,▲Ｐk j▼（１）＝0.
5,▲Ｐk k▼（１）＝0.4, と得られたものとする。
また、縦目方向らしくなさ（λ＝０）の確率▲Ｐk a▼
（０）〜▲Ｐk k▼（０）がそれぞれ▲Ｐk a▼（０）＝１
−▲Ｐk b▼（１）＝0.7,▲Ｐk c▼（０）＝0.8,▲Ｐk d▼
（０）＝0.6,▲Ｐk e▼（０）＝0.5,▲Ｐk f▼（０）＝0.
2,▲Ｐk g▼（０）＝0.3,▲Ｐk h▼（０）＝0.8,▲Ｐk i▼
（０）＝0.9,▲Ｐk j▼（０）＝0.5,▲Ｐk k▼（０）＝0.
6が得られるものとする。
（０）〜▲Ｐk k▼（０）がそれぞれ▲Ｐk a▼（０）＝１
−▲Ｐk b▼（１）＝0.7,▲Ｐk c▼（０）＝0.8,▲Ｐk d▼
（０）＝0.6,▲Ｐk e▼（０）＝0.5,▲Ｐk f▼（０）＝0.
2,▲Ｐk g▼（０）＝0.3,▲Ｐk h▼（０）＝0.8,▲Ｐk i▼
（０）＝0.9,▲Ｐk j▼（０）＝0.5,▲Ｐk k▼（０）＝0.
6が得られるものとする。
また、第８図に示す調和係数の値を用いると第９図に
示す計算プロセスを経て上述の（２）式の確からしさ 確からしなさ が得られる。
示す計算プロセスを経て上述の（２）式の確からしさ 確からしなさ が得られる。
これらの条件下で、▲Ｐk+1 a▼（１），▲Ｐk+1 a▼
（０）を計算する。
（０）を計算する。
近隣のアークの重みはすべてdij＝1.0とする。
となり、ｋ＋１回目のアークａの縦目方向らしさの確率
と非縦目方向らしさの確率が“0.6"と求まる。
と非縦目方向らしさの確率が“0.6"と求まる。
ｋ回目の縦目方向らしさの確率は0.5であったから、
ｋ回目の確率に近隣のアークとの並列性をおりこんだ修
正を行ったｋ＋１回目の繰り返し演算により縦目方向ら
しさの確率0.6が得られる。以上、繰り返し計算を実行
し、確率Paが収束値、例えば0.8に到達したときに、ア
ークａは縦目列であると判別し、その判別結果を縦目列
の検出結果としてRAM5に格納する。以下、アークb,c…
についても同様の弛緩演算を行って、各アークについて
収束値が規定値以上となるアークを特定の編目列方向に
対する直線性かつ並行性の高いアークとして抽出する
（ステップS14〜S15）。
ｋ回目の確率に近隣のアークとの並列性をおりこんだ修
正を行ったｋ＋１回目の繰り返し演算により縦目方向ら
しさの確率0.6が得られる。以上、繰り返し計算を実行
し、確率Paが収束値、例えば0.8に到達したときに、ア
ークａは縦目列であると判別し、その判別結果を縦目列
の検出結果としてRAM5に格納する。以下、アークb,c…
についても同様の弛緩演算を行って、各アークについて
収束値が規定値以上となるアークを特定の編目列方向に
対する直線性かつ並行性の高いアークとして抽出する
（ステップS14〜S15）。
このように、並列処理プロセッサ３により縦目列とし
ての確率の高いアークが検出され、そのアーク番号がRA
M5に格納されると、CPU1は順次に、このアーク番号に基
づき、このアーク番号を持つノード（重心）位置をRAM5
内のアークテーブル５−２（第７図（Ｂ）参照）から抽
出し、ノード位置とノード位置を結ぶ直線図形で表示装
置22に表示させる。この結果、並列処理プロセッサ３に
おいて弛緩演算が終了したときは、第10図に示すように
ネットワーク内の縦目列として確率の高いアークの表示
も終了する（ステップS16）。
ての確率の高いアークが検出され、そのアーク番号がRA
M5に格納されると、CPU1は順次に、このアーク番号に基
づき、このアーク番号を持つノード（重心）位置をRAM5
内のアークテーブル５−２（第７図（Ｂ）参照）から抽
出し、ノード位置とノード位置を結ぶ直線図形で表示装
置22に表示させる。この結果、並列処理プロセッサ３に
おいて弛緩演算が終了したときは、第10図に示すように
ネットワーク内の縦目列として確率の高いアークの表示
も終了する（ステップS16）。
以上説明したように、本実施例では編目の重心をノー
ドとするネットワークを形成するようにしたので、たと
え編糸が変形しても重心位置が変化しないので、編目の
認識が容易となり、さらに、アークと近隣のアークとの
直線性および並列性を考慮してアークの縦目らしさの確
率を求めるようにしたので、特定の編目列方向に対して
一定角度以上の角度をなすアークでも直線を持つアーク
は抽出され、従来例のように個々の（局所的な）編目に
ついて単に重心間距離および角度に基づいて縦目列の認
識する場合に比べて認識確率が大幅に向上する。
ドとするネットワークを形成するようにしたので、たと
え編糸が変形しても重心位置が変化しないので、編目の
認識が容易となり、さらに、アークと近隣のアークとの
直線性および並列性を考慮してアークの縦目らしさの確
率を求めるようにしたので、特定の編目列方向に対して
一定角度以上の角度をなすアークでも直線を持つアーク
は抽出され、従来例のように個々の（局所的な）編目に
ついて単に重心間距離および角度に基づいて縦目列の認
識する場合に比べて認識確率が大幅に向上する。
なお、本実施例ではRosenfeldらによって提案された
弛緩式を用いる例を示したが、他に知られている弛緩式
を用いてもよいことは言うまでもない。
弛緩式を用いる例を示したが、他に知られている弛緩式
を用いてもよいことは言うまでもない。
また、本実施例では弛緩法を用いて特定の編目列方
向、例えば縦目列に沿った最も直線性の高いアークを抽
出する例を示したが、ネットワークの端部にあるノード
の中から特定の編目列方向との角度差が最も小さいアー
クを選択した後、このアークを起点として以下、このア
ークと結合する複数のアーク中から角度差が最も小さい
アークを順に選択していくことによっても特定の編目列
方向に沿った直線性および並列性の高いアーク列を抽出
することができる。
向、例えば縦目列に沿った最も直線性の高いアークを抽
出する例を示したが、ネットワークの端部にあるノード
の中から特定の編目列方向との角度差が最も小さいアー
クを選択した後、このアークを起点として以下、このア
ークと結合する複数のアーク中から角度差が最も小さい
アークを順に選択していくことによっても特定の編目列
方向に沿った直線性および並列性の高いアーク列を抽出
することができる。
さらに、編地を設置する向きが一定でない場合は、予
め編目の方向をキーボードから指示入力すればよく、こ
の指示入力された方向に沿った直線性かつ並列性の高い
アーク列を選択することになる。
め編目の方向をキーボードから指示入力すればよく、こ
の指示入力された方向に沿った直線性かつ並列性の高い
アーク列を選択することになる。
［発明の効果］ 以上、説明したように本発明の第１形態は、編目の構
造上、編目の配列が並列的に特定の方向に沿った直線状
となることに着目し、編目の重心位置をノードとして設
定したネットワークの中から特定の編目列方向に沿った
直線性および並列性の高いアーク列を選択抽出するよう
にしたので、従来のように編目間の角度のみで局所的に
配列を認識する場合に比べ、編地全体の調和が考慮さ
れ、抽出されたアーク列は編目の配列状態を良く表わ
す。この結果、配列の認識確立が従来より高くなる。ま
た、編目の配列の画像認識の要素を編糸ではなく編目の
重心位置とすることによって、たとえ編糸が変形しても
重心位置の変化は小さいので、編目の配列の認識に影響
を受けることはない。しかも編地全体が変形してもネッ
トワークの構成は変形することがないので、従来の認識
手法よりもさらに認識確率が高くなる。
造上、編目の配列が並列的に特定の方向に沿った直線状
となることに着目し、編目の重心位置をノードとして設
定したネットワークの中から特定の編目列方向に沿った
直線性および並列性の高いアーク列を選択抽出するよう
にしたので、従来のように編目間の角度のみで局所的に
配列を認識する場合に比べ、編地全体の調和が考慮さ
れ、抽出されたアーク列は編目の配列状態を良く表わ
す。この結果、配列の認識確立が従来より高くなる。ま
た、編目の配列の画像認識の要素を編糸ではなく編目の
重心位置とすることによって、たとえ編糸が変形しても
重心位置の変化は小さいので、編目の配列の認識に影響
を受けることはない。しかも編地全体が変形してもネッ
トワークの構成は変形することがないので、従来の認識
手法よりもさらに認識確率が高くなる。
本発明の第２形態では特定の編目列方式に沿った最も
直線性，並列性の高いアーク列の抽出を弛緩法により行
うようにしたので、各々のアークにおける直線性および
並列性の確率が徐々に更新され、編目配列の全体バラン
スを考慮しながら認識を行うことができる。
直線性，並列性の高いアーク列の抽出を弛緩法により行
うようにしたので、各々のアークにおける直線性および
並列性の確率が徐々に更新され、編目配列の全体バラン
スを考慮しながら認識を行うことができる。
本発明の第３形態では、特定の編目列方向に沿ったア
ークを起点としてアークとアークを結ぶ角度差が最も小
さくなるようなアークを選択する。これにより特定の方
向編目配列の認識率が向上する。
ークを起点としてアークとアークを結ぶ角度差が最も小
さくなるようなアークを選択する。これにより特定の方
向編目配列の認識率が向上する。
本発明の第４形態では、編目の配列の認識確率が高く
なるのみならず、抽出されたアーク列を出力手段によ
り、例えば図形表示することによって、操作者は編目の
配列状態から編目の変形度，編目の異常を検出すること
が可能となる。さらに、CPUによる集中演算だけでな
く、専用並列処理装置を設けることによって高速な認識
処理が可能となり、さらに画像処理演算とネットワーク
処理演算が並列に処理できるため、連続的に画像入力，
結果の表示ができる。
なるのみならず、抽出されたアーク列を出力手段によ
り、例えば図形表示することによって、操作者は編目の
配列状態から編目の変形度，編目の異常を検出すること
が可能となる。さらに、CPUによる集中演算だけでな
く、専用並列処理装置を設けることによって高速な認識
処理が可能となり、さらに画像処理演算とネットワーク
処理演算が並列に処理できるため、連続的に画像入力，
結果の表示ができる。
第１図は本発明実施例の基本構成を示すブロック図、 第２図は本発明実施例の具体的な回路構成を示すブロッ
ク図、 第３図は本発明実施例の撮像装置11の配置を示す断面
図、 第４図は本発明実施例の動作手順を示すフローチャー
ト、 第５図は本発明実施例の輪郭線画像の一例を示す説明
図、 第６図は本発明実施例のネットワーク構造を示す説明
図、 第７図（Ａ）は本発明実施例のネットワーク情報を記憶
するノードテーブルの内容を示す説明図、 第７図（Ｂ）は本発明実施例のネットワーク情報を記憶
するアークテーブルの内容を示す説明図、 第８図は本発明実施例の弛緩演算に用いる弛緩規則テー
ブルの内容を示す説明図、 第９図は本発明実施例の計算プロセスを示す説明図、 第10図は本発明実施例の配列認識結果の表示例を示す説
明図、 第11図は本発明実施例および従来例の認識対象の編目構
造を示す説明図、 第12図は従来例の編地の撮像結果を模式的に示す説明図
である。 １……CPU、 ２……画像処理プロセッサ、 ３……並列処理プロセッサ、 11……撮像装置。
ク図、 第３図は本発明実施例の撮像装置11の配置を示す断面
図、 第４図は本発明実施例の動作手順を示すフローチャー
ト、 第５図は本発明実施例の輪郭線画像の一例を示す説明
図、 第６図は本発明実施例のネットワーク構造を示す説明
図、 第７図（Ａ）は本発明実施例のネットワーク情報を記憶
するノードテーブルの内容を示す説明図、 第７図（Ｂ）は本発明実施例のネットワーク情報を記憶
するアークテーブルの内容を示す説明図、 第８図は本発明実施例の弛緩演算に用いる弛緩規則テー
ブルの内容を示す説明図、 第９図は本発明実施例の計算プロセスを示す説明図、 第10図は本発明実施例の配列認識結果の表示例を示す説
明図、 第11図は本発明実施例および従来例の認識対象の編目構
造を示す説明図、 第12図は従来例の編地の撮像結果を模式的に示す説明図
である。 １……CPU、 ２……画像処理プロセッサ、 ３……並列処理プロセッサ、 11……撮像装置。
フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 1/00 G06T 7/00
Claims (4)
- 【請求項１】編地を撮像し、 撮像して得られた画像信号を２値化して前記編地の編糸
の輪郭線を抽出し、 抽出した前記輪郭線に囲まれる編目部分の重心位置を検
出し、 検出した重心位置をノードとし、かつ当該重心位置と隣
接する重心位置とを結ぶ線分をアークとするネットワー
クを設定し、 当該設定されたネットワーク上において、特定の編目列
方向に沿った直線性および並列性の最も高い複数のアー
ク列を認識結果の編目配列として選択抽出することを特
徴とする編目配列の画像認識方法。 - 【請求項２】前記アーク列の選択抽出を弛緩法により実
行することを特徴とする請求項１に記載の編目配列の画
像認識方法。 - 【請求項３】前記ネットワークの端部にあるノードの中
から前記特定の編目列方向との角度差が最も小さいアー
クを選択した後、該アークを起点としてアークと結合す
る複数のアーク中から角度差が最も小さいアークを順に
選択していくことによって、前記特定の編目列方向に沿
った直線性および並列性の最も高い複数のアーク列を前
記ネットワークの中から選択抽出することを特徴とする
請求項１に記載の編目配列の画像認識方法。 - 【請求項４】編地を光電変換により撮像して画像信号を
出力する撮像手段と、 該撮像手段から出力された前記画像信号を２値化して前
記編地の編糸の輪郭線を抽出する編糸抽出手段と、 該編糸抽出手段により抽出された前記輪郭線により囲ま
れる編目部分の重心位置を検出する編目位置検出手段
と、 該編目位置検出手段により検出された前記重心位置をノ
ードとし、当該重心位置と隣接する重心位置とを結ぶ線
分をアークとするネットワークを設定するネットワーク
設定手段と、 当該設定されたネットワーク上に特定の編目列方向に沿
った直線性および並列性の最も高い複数のアーク列を前
記ネットワークの中から選択抽出する編目配列認識手段
と を具えたことを特徴とする画像認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1131543A JP2901644B2 (ja) | 1989-05-26 | 1989-05-26 | 編目配列の画像認識方法およびその画像認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1131543A JP2901644B2 (ja) | 1989-05-26 | 1989-05-26 | 編目配列の画像認識方法およびその画像認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02310781A JPH02310781A (ja) | 1990-12-26 |
| JP2901644B2 true JP2901644B2 (ja) | 1999-06-07 |
Family
ID=15060537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1131543A Expired - Lifetime JP2901644B2 (ja) | 1989-05-26 | 1989-05-26 | 編目配列の画像認識方法およびその画像認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2901644B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024110235A1 (de) * | 2022-11-25 | 2024-05-30 | Deutsche Institute Fuer Textil- Und Faserforschung Denkendorf | Vorrichtung und verfahren zur automatisierten erfassung von maschenparametern in textilen maschenwaren sowie textilmaschine |
-
1989
- 1989-05-26 JP JP1131543A patent/JP2901644B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024110235A1 (de) * | 2022-11-25 | 2024-05-30 | Deutsche Institute Fuer Textil- Und Faserforschung Denkendorf | Vorrichtung und verfahren zur automatisierten erfassung von maschenparametern in textilen maschenwaren sowie textilmaschine |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02310781A (ja) | 1990-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5793901A (en) | Device and method to detect dislocation of object image data | |
| Ben-Tzvi et al. | A combinatorial Hough transform | |
| EP0389968B1 (en) | Apparatus and method for extracting edges and lines | |
| CN106920245B (zh) | 一种边界检测的方法及装置 | |
| CN109697441B (zh) | 一种目标检测方法、装置及计算机设备 | |
| JP2004508623A (ja) | 画像シーケンスにおける線状構造に従う連続点を抽出する画像処理方法およびシステム | |
| JPH0351968A (ja) | 直線化判別方式 | |
| CN113361542A (zh) | 一种基于深度学习的局部特征提取方法 | |
| US5036544A (en) | Apparatus for discriminating linearity of line segment in image processing system | |
| JP3350822B2 (ja) | 画像上のエッジ検出方法 | |
| JP2001319239A (ja) | 物体輪郭抽出装置及び方法 | |
| JP2901644B2 (ja) | 編目配列の画像認識方法およびその画像認識装置 | |
| JP2004240909A (ja) | 画像処理装置及び画像処理方法 | |
| US5568566A (en) | Drawing processing apparatus | |
| JP2004258931A (ja) | 画像処理方法、画像処理装置、画像処理プログラム | |
| JPH08263655A (ja) | パターン認識方法 | |
| JP2646569B2 (ja) | 多値画像評価装置およびその装置を用いたしきい値決定装置 | |
| JP2959017B2 (ja) | 円形画像判別方法 | |
| JP3371614B2 (ja) | 認識装置 | |
| CN109754437B (zh) | 一种调整图形采样频率的方法 | |
| JP2018156544A (ja) | 情報処理装置及びプログラム | |
| JP2000231571A (ja) | Ｉｓａｒ画像検索装置 | |
| JPH09245166A (ja) | パターンマッチング装置 | |
| JPS63282889A (ja) | 画像処理方法 | |
| JPS58158761A (ja) | パタ−ン位置検出方法 |