نویسنده

چکیده

تراکم تار و پود پارچه و ضریب تغییرات آن بر خواص فیزیکی از قبیل زیر دست و خواص اصطکاکی و مکانیکی منسوجات تأثیر به سزایی دارد. در این مقاله نشان داده شده است که می توان با استفاده از تبدیلهای فوریه1 به روشهای متفاوت، تراکم تار و پود و ضریب تغییرات آن را برای پارچه های تافته2 تعیین کرد. از جمله روشهای مورد استفاده در این تحقیق تابع خود همبستگی است. ابتدا طیف توان (دو بعدی) تصویر سطح خاکستری پارچه توسط تبدیل فوریه تخمین زده شد. سپس با کاربرد عکس تبدیل فوریه3، تابع خود همبستگی محاسبه شد. نهایتاً از تابع خود همبستگی و استفاده از تابع چگالی طیفی، فاصلۀ تکرار دو نخ تار و یا پود مجاور تخمین زده شد. انجام محاسبات رگرسیون4 بین تراکمهای به دست آمده توسط روش ACF و روش میکروسکوپی5، ضریب همبستگی بالایی را نشان داد (2r). بنابراین، روش جدید پردازش تصویری همراه با کاربرد تبدیلهای فوریه را می توان جایگزین روش میکروسکوپی کرد که در آن اندازه گیری تراکم تار و پود پارچه با استفاده از مهارت افراد خبره به صورت دستی انجام می شود.

عنوان مقاله [English]

Measurement of Plain Weave Fabrics Density Using Fourier Transforms

نویسنده [English]

  • S. A. Hoseini

چکیده [English]

Warp and weft spacing and its coefficient of variation affect the physical properties of fabrics such as fabric hand, frictional and mechanical properties. In this paper the weft and warp spacing and its coefficient of variation for plain weave is calculated using Fourier transforms. Different methods have been used in this work including autocorrelation function. First, two dimensional power spectrum of the gray level image of the fabric was estimated using Fourier transforms. Then, inverse Fourier transform was used to calculate the two dimensional autocorrelation function. Finally, from autocorrelation function and autospectral density the periodicity of the warps and the wefts were calculated. The results from ACF and microscopic methods yielded a significant correlation factor (r2). Thus image processing coupled with application of fourier transforms can be considered as a new method and a good substitute for the microscopic method.

تحت نظارت وف ایرانی