陳澤蕓，王榮武，張賢淼，殷保璞

（東華大學(xué) 紡織學(xué)院，上海 201620）

熔噴材料超細(xì)纖維直徑的測(cè)量方法探討

陳澤蕓，王榮武，張賢淼，殷保璞

（東華大學(xué) 紡織學(xué)院，上海 201620）

在不同型號(hào)的光學(xué)顯微鏡上采集了多種熔噴材料圖像，利用大律法全局閾值、LOG和CANNY算子邊緣檢測(cè)及邊緣檢測(cè)基礎(chǔ)上的閾值分割對(duì)其進(jìn)行處理，研究表明光學(xué)顯微鏡下熔噴材料的圖像自動(dòng)分析難以實(shí)現(xiàn).針對(duì)掃描電鏡（SEM）圖片，提出一種基于邊緣檢測(cè)、圖像分割、細(xì)化、線段連接后配對(duì)的熔噴超細(xì)纖維直徑分布測(cè)試算法，驗(yàn)證試驗(yàn)表明該方法能準(zhǔn)確地測(cè)量熔噴超細(xì)纖維的主體直徑.

熔噴非織造布；超細(xì)纖維直徑；圖像處理技術(shù)

熔噴非織造布布面纖維橫縱交錯(cuò)、分布散亂，纖維作為熔噴材料的主體成分，其直徑大小及其分布影響材料的強(qiáng)度、手感及應(yīng)用［1］.熔噴非織造布廣泛應(yīng)用于過濾材料，纖維直徑的大小是決定其過濾性能的重要參數(shù).對(duì)于定量的熔噴非織造濾材，纖維越細(xì)，濾材的表面積越大，過濾效率越好［2］.傳統(tǒng)的熔噴非織造布纖維直徑的測(cè)量是用尺子對(duì)電鏡照片進(jìn)行人工測(cè)量［3］.其勞動(dòng)強(qiáng)度大、效率較低、受人為因素影響較大，且無(wú)法實(shí)現(xiàn)在線測(cè)量，對(duì)測(cè)得數(shù)據(jù)的進(jìn)一步處理不方便［4］，因而快速、準(zhǔn)確地測(cè)量熔噴非織造材料中的纖維直徑是十分必要的.文獻(xiàn)［5－10］在纖維的形態(tài)測(cè)定方面做了大量的研究工作.GONG等［8］對(duì)非織造纖維網(wǎng)中孔洞的有效直徑進(jìn)行了分析研究.YAN等［11］采用圖像處理方法對(duì)纖維直徑進(jìn)行了測(cè)量，但其并沒有討論熔噴超細(xì)纖維材料在光學(xué)顯微鏡成像中必然存在的嚴(yán)重多焦面問題，也沒有提及由于纖維互相重疊甚至緊密黏結(jié)造成光線散射而引起的虛影問題，圖像分割部分也沒有說明如何將目標(biāo)物從背景中提取出來(lái).王麗等［12］通過CCD攝像頭連續(xù)采集非織造纖網(wǎng)中單根纖維的透射光投影圖，用中值濾波去除圖像中的噪聲后，利用CANNY邊緣檢測(cè)算法提取纖維的邊緣線，再通過曲線擬合得到纖維的傾角，根據(jù)纖維傾角與纖維水平或豎直寬度的關(guān)系得到纖維的直徑，但采用的非織造材料樣品并非熔噴材料.總體而言，目前國(guó)內(nèi)外對(duì)如何運(yùn)用圖像處理技術(shù)測(cè)量熔噴材料纖維直徑，尚未形成實(shí)際可行的方法.主要難題有如何獲得清晰的、能用于自動(dòng)圖像分析的圖片；針對(duì)清晰熔噴超細(xì)纖維圖像的算法設(shè)計(jì).因此，本文基于圖像處理技術(shù)，分別從光學(xué)顯微鏡和掃描電鏡圖片著手，探討熔噴材料纖維直徑的測(cè)量方法.

1 方法概述

本文首先采集熔噴材料顯微鏡圖像和掃描電鏡圖片，然后分別進(jìn)行圖像處理，實(shí)現(xiàn)纖維直徑測(cè)量，同時(shí)借助圖像工具軟件（通過手動(dòng)點(diǎn)拉鼠標(biāo)即可測(cè)量圖像中的直線距離），對(duì)掃描電鏡圖片進(jìn)行纖維直徑測(cè)量，最后對(duì)兩種測(cè)量結(jié)果進(jìn)行對(duì)比評(píng)估，具體流程方法如圖1所示.

圖1 熔噴材料超細(xì)纖維直徑測(cè)量方法Fig.1 Methods of measuring fiber diameter in the melt－blown web

2 試驗(yàn)測(cè)試與分析

2.1 光學(xué)顯微鏡測(cè)量

2.1.1 圖像的采集

分別制取3種不同面密度的熔噴材料（1＃（25.5g/m2），2＃（24.2g/m2），3＃（23.0g/m2））試樣各5個(gè)，試樣大小為5cm×3cm，經(jīng)甘油浸透后置于載玻片上，依次在1，2，3號(hào)光學(xué)顯微鏡上進(jìn)行試驗(yàn)，光學(xué)顯微鏡先后采用40和100倍的物鏡.試驗(yàn)中對(duì)每個(gè)試樣載玻片進(jìn)行逐行逐列掃描，調(diào)焦后對(duì)每個(gè)試樣采集100個(gè)點(diǎn)的圖像.試驗(yàn)方案如表1所示.

表1 光學(xué)顯微鏡試驗(yàn)方案Table 1 The experimental program of optical microscope

2.1.2 結(jié)果與討論

對(duì)采集的大量光學(xué)顯微鏡圖像進(jìn)行分析發(fā)現(xiàn)，當(dāng)光學(xué)顯微鏡采用40倍物鏡時(shí)，可觀察到樣品表面錯(cuò)綜交叉的纖維，但圖像不夠清晰，焦深較大，層合現(xiàn)象嚴(yán)重.以相對(duì)清晰的圖像為例（面密度最小的3＃樣品），其分別在1，2，3號(hào)光學(xué)顯微鏡上采用40倍物鏡獲取到的圖像如圖2所示.從圖2可以看出，光學(xué)顯微鏡圖像較模糊，無(wú)法根據(jù)所得圖像直接測(cè)定纖維直徑.

換用100倍物鏡后采集光學(xué)顯微鏡圖像，圖3所示為3＃樣品分別在1，2，3號(hào)光學(xué)顯微鏡100倍物鏡下的圖像.從圖3可以看出，此時(shí)圖像仍然很模糊，難以直接測(cè)定纖維直徑.

盡管試驗(yàn)采集了大量的光學(xué)顯微鏡圖像，但顯然在該成像條件下，進(jìn)行圖像的自動(dòng)分析是困難的.為此，挑選較為清晰的100倍物鏡下的顯微鏡圖像，嘗試運(yùn)用各種圖像邊緣檢測(cè)算法和分割算法進(jìn)行處理.邊緣檢測(cè)算法有經(jīng)典的Sobel算子、Kirsch算子、Prewitt算子、Roberts算子、梯度算子、高斯拉普拉斯算子和CANNY邊緣檢測(cè)算法［13－15］.這些邊緣檢測(cè)算法可以成功地將成像質(zhì)量較好圖片的目標(biāo)邊緣提取出來(lái)，從而獲得目標(biāo)的形態(tài)信息.圖像分割算法有經(jīng)典的雙峰法、大律法、迭代法和P分位法，也包括近期學(xué)者最新提出的一些新型算法，如一維最大熵閾值法、一維指數(shù)熵閾值法、均值閾值分割法和Bernsen全局算法，還有將這些方法結(jié)合在一起的全局與局部閾值分割方法［16－19］.但試驗(yàn)中運(yùn)用上述邊緣檢測(cè)算法對(duì)光學(xué)顯微圖片處理后，也無(wú)法得到明顯的邊緣.以處理效果最好的LOG和CANNY算子邊緣檢測(cè)為例，其結(jié)果分別如圖4（a）和4（b）所示，可以看出，處理后圖像僅能看清個(gè)別纖維的局部區(qū)域，幾乎不能用于圖像分析.而用圖像分割算法處理后，也不能得到分離結(jié)果.從圖4（c）和4（d）可以看出，圖像分割算法也不能成功地分離纖維和背景，分割效果無(wú)法提取任何特征量，更無(wú)法測(cè)量纖維直徑.

上述試驗(yàn)表明，熔噴材料在光學(xué)顯微鏡下無(wú)法得到足夠清晰的纖維圖像.這是由于熔噴材料纖維直徑很小，纖維之間糾纏重疊，材料又具有一定的厚度，光學(xué)顯微鏡光線透過后發(fā)生散射，導(dǎo)致成像時(shí)存在非常嚴(yán)重的多焦面現(xiàn)象.對(duì)這類圖像進(jìn)行圖像處理，仍不能準(zhǔn)確完成邊緣檢測(cè)和圖像分割，說明在現(xiàn)有硬件系統(tǒng)及技術(shù)條件下，嘗試?yán)霉鈱W(xué)顯微鏡成像，進(jìn)而運(yùn)用圖像處理技術(shù)來(lái)測(cè)量熔噴材料超細(xì)纖維直徑是難于實(shí)現(xiàn)的.

2.2 掃描電子顯微鏡測(cè)量

掃描電子顯微鏡分辨率高、倍數(shù)大，采集的圖像非常清晰，圖片可用于纖維的直徑測(cè)量.傳統(tǒng)熔噴材料纖維的直徑測(cè)量，就是借用直尺對(duì)拍得的掃描電鏡圖片進(jìn)行人工測(cè)量，但此方法工作量大、受主觀影響強(qiáng)，測(cè)得數(shù)據(jù)不利于進(jìn)一步處理.

2.2.1 圖像測(cè)量工具手動(dòng)測(cè)量

在計(jì)算機(jī)上借用圖像測(cè)量工具，可手動(dòng)測(cè)量纖維直徑，如圖5所示.本文采用該方法直接對(duì)多張掃描電鏡圖片進(jìn)行測(cè)量，每個(gè)樣品獲得400個(gè)纖維直徑數(shù)據(jù).試驗(yàn)由2名操作人員（A和B）同時(shí)進(jìn)行，分別測(cè)得7種熔噴材料（在實(shí)際生產(chǎn)線上隨機(jī)選取，面密度為23～40g/m2）的纖維直徑，同時(shí)以傳統(tǒng)方法測(cè)量纖維的直徑，所得纖維直徑分布主體結(jié)果如表2所示.對(duì)比操作人員A和B的數(shù)據(jù)可以發(fā)現(xiàn)，圖像測(cè)量工具方法獲得的數(shù)據(jù)穩(wěn)定；傳統(tǒng)方法與圖像測(cè)量工具方法的數(shù)據(jù)比較結(jié)果表明，后者測(cè)得的纖維直徑準(zhǔn)確可靠.

表2 手動(dòng)測(cè)量獲取的直徑分布主體Table 2 Main fiber diameter distribution gained by manual methods μm

2.2.2 圖像處理技術(shù)測(cè)量

掃描電鏡圖片非常清晰，經(jīng)圖像處理后，可快速測(cè)量纖維直徑.本文對(duì)掃描電鏡圖片進(jìn)行一系列的圖像預(yù)處理，經(jīng)邊緣檢測(cè)和圖像分割后得到纖維的有效邊緣信息，再通過提取線段特征和直線匹配，得到單纖維兩邊緣的配對(duì)信息.具體的圖像處理過程如圖6所示.

圖6 圖像處理過程Fig.6 The specific image processes

掃描電鏡圖片經(jīng)圖像處理，在“直線匹配”階段，每根纖維的兩側(cè)邊緣為配對(duì)后的兩條平行直線，其直線方程為

其中：A，B，C1，C2可分別由直線上任意兩點(diǎn)的坐標(biāo)求得.

圖7為熔噴材料的整幅電鏡圖片的直徑匹配測(cè)試的圖示.每根纖維的測(cè)量直徑D均能根據(jù)兩條平行直線的距離公式，由程序自動(dòng)計(jì)算得出.

其中：D為纖維的測(cè)量直徑；A，B，C1，C2分別為匹配的兩條平行直線方程的參數(shù).

試驗(yàn)中對(duì)多幅電鏡圖片進(jìn)行測(cè)量，每個(gè)試樣獲得400根纖維直徑數(shù)據(jù).表3為圖像處理與借助圖像測(cè)量工具手動(dòng)測(cè)量所得的纖維直徑分布主體的對(duì)比.由表3可以看出，圖像處理與借助圖像測(cè)量工具手動(dòng)測(cè)量所得的纖維直徑分布主體較吻合，說明圖像處理方法能準(zhǔn)確地得到纖維主體直徑.

表3 纖維直徑分布的主體Table 3 Main distribution of fiber diameter

3 結(jié) 語(yǔ)

本文在光學(xué)顯微鏡上試驗(yàn)，由獲得的圖像及處理后的效果發(fā)現(xiàn)，利用光學(xué)顯微鏡成像結(jié)合圖像處理技術(shù)測(cè)量熔噴材料超細(xì)纖維直徑是難于實(shí)現(xiàn)的.采用圖像測(cè)量軟件，對(duì)電鏡照片進(jìn)行纖維直徑測(cè)量，雖未能完全脫離人工操作，但相比于傳統(tǒng)方法省時(shí)省力，減少了人為主觀性，測(cè)得數(shù)據(jù)也準(zhǔn)確可靠.提出了一套圖像處理算法，經(jīng)邊緣檢測(cè)、圖像分割等預(yù)處理，由直線匹配后能快速地測(cè)量纖維直徑，準(zhǔn)確地找到主體直徑，通過與手動(dòng)測(cè)量數(shù)據(jù)的驗(yàn)證對(duì)比，證明圖像處理算法切實(shí)可行.

［1］柯勤飛，靳向煜.非織造學(xué)［M］.上海：東華大學(xué)出版社，2004：17－22.

［2］渠葉紅，柯勤飛，靳向煜，等.熔噴聚乳酸非織造材料工藝與過濾性能研究［J］.產(chǎn)業(yè)用紡織品，2005（5）：19－22.

［3］郭秉臣.非織造布的性能與測(cè)試［M］.北京：中國(guó)紡織出版社，1994.

［4］曾躍民，劉麗芳.基于計(jì)算機(jī)圖像處理的非織造布質(zhì)量檢測(cè)與控制技術(shù)［J］.非織造布，2001，9（3）：37－40.

［5］XU B，POURDEYHIMI B，SOBUS J.Characterizing fiber crimp by image analysis： Definitions， algorithms and techniques［J］.Textile Research Journal，1992，62（2）：73－80.

［6］XU B，POURDEYHIMI B，SOBUS J.Fiber cross－sectional shape analysis using image processing techniques［J］.Textile Research Journal，1993，63（12）：717－730.

［7］XU B，POURDEYHIMI B.Evaluating maturity of cotton fiber using image analysis：Definition and algorithm ［J］.Textile Research Journal，1994，64（6）：330－335.

［8］GONG R H，NEWTON A.Image－analysis techniques，Part I：The measurement of pore－size distribution［J］.Journal of the Textile Institute，1992，83（2）：253－268.

［9］WANG R W，WU X Y，WANG S Y，et al.Automatic identification of ramie and cotton fibers using characteristics in longitudinal view，Part I：Locating capture of fiber images［J］.Textile Research Journal，2009，79（14）：1251－1259.

［10］WANG R W，WU X Y，WANG S Y，et al.Automatic identification of ramie and cotton fibers using characteristics in longitudinal View，Part II：Fiber stripes analysis［J］.Textile Research Journal，2009，79（17）：1547－1556.

［11］YAN Z，BRESEE R R. Characterizing nonwovens web structure using image analysis techniques，Part 5：Analysis of shot in meltblown webs［J］.India Journal of Nonwovens Reaserch，1998，5（2）：320.

［12］王麗，陳廷，陳霞.基于圖像處理的非織造纖維直徑的檢測(cè)［J］.測(cè)試技術(shù)學(xué)報(bào)，2008，22（3）：279－382.

［13］林卉，趙長(zhǎng)勝，舒寧.基于CANNY算子的邊緣檢測(cè)及評(píng)價(jià)［J］.黑龍江工程學(xué)院學(xué)報(bào)，2003，17（2）：1－6.

［14］熊秋菊，楊慕升.數(shù)字圖像處理中邊緣檢測(cè)算法的對(duì)比研究［J］.機(jī)械工程與自動(dòng)化，2009，5（2）：43－44.

［15］曾友州，胡瑩，曾偉一，等.提取數(shù)字圖像邊緣的算法比較［J］.成都航空職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2009，25（4）：69－72.

［16］寧天夫.數(shù)字圖像處理技術(shù)的應(yīng)用與發(fā)展［J］.艦船電子工程，2009，29（1）：38－40.

［17］黃長(zhǎng)專，王彪，楊忠.圖像分割方法研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2009，19（6）：76－79.

［18］宋雨潭，紀(jì)秀.基于數(shù)學(xué)形態(tài)學(xué)二值圖像分割算法的研究［J］.長(zhǎng)春工程學(xué)院學(xué)報(bào)，2008，9（3）：68－70.

［19］沈瑞慶.紡織纖維二值化數(shù)字圖象的閾值確定［J］.武漢紡織工學(xué)院學(xué)報(bào)，1994，7（1）：29－32.

Study on Measuring Microfiber Diameter in Melt－Blown Web

CHEN Ze－yun，WANG Rong－wu，ZHANG Xian－miao，YIN Bao－pu
（College of Textiles，Donghua University，Shanghai 201620，China）

A large number of images of different area densities of melt－blown webs are captured in optical microscope，and processed with Otsu's global threshold，LOG，CANNY edge detection and threshold segmentation based on edge detection operator.The experiment indicates that the idea of automatic analysis using optical microscope images is difficult to achieve.Based on edge detection，image segmentation，thinning，line linking and matching，a series of algorithms for measuring microfiber diameter in melt－blown web is proposed for scanning electron microscope （SEM）images.Experiment indicates that the proposed method can get the main diameter of fiber accurately.

melt－blown nonwovens；microfiber diameter；image processing technology

TS 177

A

2011－06－13

上海市自然科學(xué)基金資助項(xiàng)目（11ZR1401100）；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目 （20100075120003）

陳澤蕓（1986—），男，廣東潮州人，碩士，研究方向?yàn)槔w維直徑的自動(dòng)檢測(cè)、圖像處理.E－mail：mrzxczy＠163.com

王榮武（聯(lián)系人），男，副教授，E－mail：wrw＠dhu.edu.cn

1671－0444（2012）03－0266－06