摘要為了實現(xiàn)生產(chǎn)中微米木纖維直徑智能檢測，結(jié)合先進(jìn)的數(shù)字圖像處理技術(shù)，并改進(jìn)傳統(tǒng)纖維分段測量法，研究了一種基于目標(biāo)提取與最大內(nèi)切圓的纖維直徑檢測算法。該算法對木纖維顯微圖像進(jìn)行基于HSV空間的目標(biāo)提取，分析木纖維形態(tài)并引入用戶需求概念，通過改進(jìn)的分段測量法實現(xiàn)木纖維直徑檢測。結(jié)果表明，采用的算法在木纖維直徑檢測中，具有良好的適用性，檢測精度滿足生產(chǎn)要求。

關(guān)鍵詞微米木纖維；分段測量法；HSV顏色空間；目標(biāo)提取；最大內(nèi)切圓

中圖分類號S126文獻(xiàn)標(biāo)識碼A文章編號0517-6611（2014）24-08459-04

A Measuring Algorithm of Micron Wood Fiber Based on HSV Color Space

QI Hong， REN Honge et al（Information and Computer Engineering College， Northeast Forestry University， Harbin， Heilongjiang 150040）

AbstractWith the purpose of realizing the intelligent diameter detection of micron wood fibers， a diameter measuring algorithm based on object extraction and maximum inscribed circle was studied， combined advanced digital image processing technology with improved fiber submeasurement algorithm. This algorithm extracts micron wood fibers based on HSV color space； analyses micro wood fiber shapes and introduces the concept of user requirement so as to carry out micron wood fiber diameter detection by means of the improved submeasurement algorithm. The experimental results demonstrate that the proposed algorithm has a good feasibility and meets with demands of producing in the process of micron wood fiber diameter detection.

Key wordsMicron wood fiber； Submeasurement algorithm； HSV color space； Object extraction； Maximum inscribed circle

收稿日期20140714在微米木纖維的生產(chǎn)過程中，往往需要對生產(chǎn)出來的木纖維進(jìn)行徑級檢測，從而及時了解木纖維加工情況，實現(xiàn)科學(xué)選擇機(jī)械加工系統(tǒng)的轉(zhuǎn)數(shù)和熱風(fēng)的風(fēng)速，提高生產(chǎn)效率。目前，纖維直徑檢測方法主要有氣流儀法、光學(xué)顯微鏡投影法、光學(xué)顯微鏡自動掃描法、激光掃描法、掃描電子顯微鏡法等[1-2]，但由于人工參與耗時耗力、檢測效率低、儀器價格昂貴、應(yīng)用范圍受限等原因，這些方法不能很好地應(yīng)用到生產(chǎn)中。

隨著幾十年來科學(xué)技術(shù)和計算機(jī)軟硬件的飛速發(fā)展，數(shù)字圖像處理與模式識別技術(shù)廣泛應(yīng)用于各個領(lǐng)域，包括在羊毛纖維[3]、碳纖維[4]、熔噴材料[5]等多個纖維直徑測量領(lǐng)域，但鮮見其應(yīng)用在木纖維直徑檢測中。利用圖像處理技術(shù)對木纖維進(jìn)行的微米級研究，可以改善微米木纖維的檢測工作，通過視頻圖像的質(zhì)量反映纖維檢測質(zhì)量的優(yōu)劣，濾除圖像的噪聲和畸變等影響；可以強化微米纖維圖像上微米纖維的邊緣部分，再利用圖像分割技術(shù)將微米纖維與背景分離，從而得到單絲纖維的圖像。計算機(jī)視覺檢測的任務(wù)是基于微米纖維圖像的輪廓特征的識別之后進(jìn)行計算機(jī)再現(xiàn)，即根據(jù)圖像庫中的樣本比較后賦予識別圖像一定的意義[6]。

為此，筆者側(cè)重于前期工作的研究，即首先把經(jīng)過顯微鏡放大后的微米木纖維圖像傳送到計算機(jī)中，然后利用圖像處理技術(shù)對采集到的圖像進(jìn)行處理和分析，提出根據(jù)木纖維的形態(tài)特征，基于用戶需求，實現(xiàn)木纖維直徑的智能檢測。

1微米木纖維直徑檢測算法

1.1目標(biāo)提取在木纖維直徑檢測過程中，輪廓特征極其重要，但由于微米木纖維直徑細(xì)小、邊緣復(fù)雜，顯微成像過程中易受顯微鏡電通路采光不均、鏡片污痕、載玻片灰塵等因素的影響，會在圖像中引入大量的隨機(jī)噪聲。這些噪聲在惡化圖像質(zhì)量的同時，也弱化了木纖維重要的邊緣特征，影響后期的直徑檢測。因此，通過對大量木纖維顯微圖像的對比與分析，該算法提出基于HSV顏色空間進(jìn)行目標(biāo)提取。

1.1.1顏色空間選取。圖像色彩空間有很多模型，例如YIQ、YUV、HSV等，其中最常見的是基于三原色的RGB模型，但RGB的紅、綠、藍(lán)三分量相關(guān)性很大，顏色受亮度的影響很大，RGB顏色空間不具有進(jìn)行彩色圖像處理所要求的獨立性和均勻性指標(biāo)[7]。為了獲得更好的處理效果，該研究采用HSV（Hue、Saturation、Value）顏色空間。相對于其他顏色空間而言，HSV空間更符合人眼對色彩感知的特征。其中色調(diào)H表示色彩信息，即所處光譜顏色的位置；飽和度S為一比例值，表示所選顏色的純度與該顏色最大的純度之間的比率；亮度V表示色彩的明暗程度，與光強度之間并沒有直接關(guān)系[7]。這3個分量因相互獨立、互不影響而增強算法的穩(wěn)健性。

1.1.2基于S分量目標(biāo)提取。木纖維試驗試件由OlympusSZX7拍攝。圖1（a）為木纖維顯微成像圖。根據(jù)木纖維顯微圖像特點，通過分析大量RGB圖像和轉(zhuǎn)換后的HSV各分量圖像（圖2）可以看出，S分量圖體現(xiàn)了足夠的飽和度信息，目標(biāo)與背景的對比度最大，較好地凸顯了完整的木纖維，并且弱化了背景噪聲和雜質(zhì)，因此決定基于S分量直方圖，選取適宜的閾值去除背景，獲得木纖維二值化結(jié)果。

圖3（a）為基于灰度圖像的目標(biāo)二值化結(jié)果，可以看出目標(biāo)提取結(jié)果很差，甚至錯誤分割出大量的噪聲；圖3（b）中誠然目標(biāo)提取的質(zhì)量欠佳，木纖維出現(xiàn)少許空洞，背景存在一些細(xì)碎雜質(zhì)，但是可以利用數(shù)學(xué)形態(tài)學(xué)的填充算法與構(gòu)建合適的結(jié)構(gòu)元去除小面積對象來解決這一問題，必要時也可以設(shè)計模板進(jìn)行加窗濾波，最終目標(biāo)提取結(jié)果如圖3（c）所示。

圖1木纖維原圖及灰度圖1.1.3邊緣檢測。好的邊緣檢測算法力求獲得連續(xù)、平滑、定位準(zhǔn)確的邊緣，傳統(tǒng)的邊緣檢測算法利用梯度最大值、二階導(dǎo)數(shù)過零點值，亦或選取合適的閾值來獲取圖像邊緣。這類算子盡管有較好的實時性，但在噪聲干擾強烈的情況下，得到的邊緣常常是孤立的或者分小段連續(xù)的，即使采用邊緣閉合的方法進(jìn)行處理，也很難得到區(qū)域的精確邊緣[8]。數(shù)學(xué)形態(tài)學(xué)是一門建立在集合論、積分幾何和網(wǎng)格代數(shù)基礎(chǔ)上的學(xué)科，其基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應(yīng)形狀，達(dá)到圖像分析和識別的目的[9]，具有完美的數(shù)學(xué)基礎(chǔ)。它通過選取合適的結(jié)構(gòu)元素，利用腐蝕、膨脹及開、閉運算這4個基本運算或者它們的有效組合來完成對圖像的邊緣檢測。

傳統(tǒng)的分段測量法[10]主要依據(jù)纖維的傾斜程度，通過分段的兩個端點、分段線段方程構(gòu)建分段線段的中垂線方程，沿中垂線方程搜索直至該直線與纖維另一條邊界相交，記錄此交點，則分段中點與此交點的距離為此段纖維的直徑。

該算法為了克服木纖維圖像的旋轉(zhuǎn)、平移，盡量減少纖

圖4形態(tài)不規(guī)則木纖維處理圖維毛刺對直徑檢測的影響，摒棄傳統(tǒng)分段測量算法的構(gòu)建直線方程的思想，基于用戶需求概念，將用戶選擇的分段區(qū)域等效為多邊形，通過計算該多邊形的最大內(nèi)切圓實現(xiàn)該段木纖維的直徑測量，即最大內(nèi)切圓的直徑，圖5（b）、（c）、（d）所示為圖5（a）其中3段木纖維處理結(jié)果。

圖5基于最大內(nèi)切圓的分段纖維直徑測量圖計算最大內(nèi)切圓的算法較多，根據(jù)該試驗的需要，這里利用最值距離選取法[11]，其具體的最大內(nèi)切圓算法如下。①對邊緣二值圖像進(jìn)行8鄰域搜索的邊界跟蹤，記錄搜索次序S1、S2、S3，…，Sk其行列為mk、Nk。②在邊緣內(nèi)部任意找一點T（i，j），點T（i，j）到Sw（w=1，2，…，k）的距離為D=（i-mw）2+（j-nw）2。考慮到所求得的兩個像素點之間的距離D實際上是兩個像素點中心的距離，假定認(rèn)為邊緣線上任何一個像素點（可視為一個很小的正方形）的4 個頂點均在實際圖片內(nèi)，那么D可以修正為D=（|i-mw|+0.5）2+（|j-nw|+0.5）2。③記錄所有距離中的最小值為Dmin。④重復(fù)②，直到求得邊界內(nèi)部每一個像素點到邊界的最小距離，然后求出這些最小距離中的最大值Dmax，即為求得的半徑。

1.2.2微米木纖維直徑檢測流程。①讀入木纖維顯微圖像，進(jìn)行RGB顏色空間到HSV顏色空間轉(zhuǎn)換；②提取S分量進(jìn)行閾值分割；③進(jìn)行數(shù)學(xué)形態(tài)學(xué)及加窗去噪等操作，獲得去除背景的二值化目標(biāo)；④如果木纖維形態(tài)多樣，存在毛刺等現(xiàn)象，則先進(jìn)行用戶選擇，提取木纖維的主體區(qū)域；⑤對上述二值化目標(biāo)基于“1.1.3”中“定義3”的形態(tài)學(xué)單尺度算子進(jìn)行邊緣檢測，其中結(jié)構(gòu)元選取圓盤，半徑為3；⑥然后在步驟⑤基礎(chǔ)上進(jìn)行基于最大內(nèi)切圓算法的分段測量；⑦將各個分段區(qū)域的直徑的平均值作為微米木纖維的直徑，算法結(jié)束。

2試驗結(jié)果與分析

2.1微米木纖維直徑檢測有效性驗證為驗證基于最大內(nèi)切圓的纖維分段測量算法在微米木纖維直徑檢測中的有效性，分別采用OlympusSZX7顯微鏡自帶圖像分析軟件與該研究提出的方法，對9組（每組有5個纖維樣品）不同徑級（通過人工判斷，已知徑級遞增）的微米木纖維試件進(jìn)行對比試驗，其中采用圖像分析軟件操作時，需要用戶在纖維的兩側(cè)邊緣處畫上一條直線來代表此處的直徑，然后對這條直線進(jìn)行測量來表示直徑的長度。由于個別木纖維形態(tài)不規(guī)則，為保證兩種方法所測的位置一致，這里要求采用分析軟件測量時，人為選擇直徑的位置力求與該研究提出的方法所求直徑的位置一致。

通過上節(jié)流程檢測，獲得的數(shù)據(jù)是以像素為單位，因此根據(jù)成像系統(tǒng)自帶的不同顯微倍數(shù)下的特定長度的標(biāo)尺，通過識別標(biāo)尺的已知尺寸，獲得單位像素的長度從而計算微米木纖維的直徑。

木纖維的識別結(jié)果如表1所示，其中相對誤差計算公式為：

（2）當(dāng)木纖維形態(tài)不規(guī)則，出現(xiàn)較多分支和毛刺時，采用圖像分析軟件時，這些情況會影響人為判斷，造成直徑選擇出現(xiàn)較大誤差；針對這種情況，該研究提出的方法考慮到人為需求，通過特定處理提取木纖維的主干，便于下一階段的直徑檢測。

（3）分段測量的精度與分段數(shù)有關(guān)，N越大，測量的數(shù)據(jù)越準(zhǔn)確，但是時間開銷也增大，因此可以根據(jù)實際需求設(shè)定分段數(shù)。

（4）基于數(shù)字圖像處理技術(shù)計算纖維直徑的關(guān)鍵是如何獲取較為準(zhǔn)確的纖維目標(biāo)，分割閾值選擇不當(dāng)自然會引起目標(biāo)像素的錯誤劃分，而該算法利用HSV空間S分量的特點，較大程度上加強目標(biāo)與背景的對比度，使得閾值選取更為準(zhǔn)確。

因此，Olympus顯微圖像分析軟件需人為選擇木纖維直徑，這種方式需要依靠實驗人員的經(jīng)驗判斷與細(xì)致操作，費時費力，也是導(dǎo)致這兩種方式產(chǎn)生誤差的最主要原因；較之傳統(tǒng)纖維檢測方式，該研究提出的方法的優(yōu)越性在于整個直徑檢測過程由計算機(jī)自動完成，獲取的數(shù)據(jù)更為科學(xué)，節(jié)約了大量時間和人力成本，更適宜生產(chǎn)中推廣應(yīng)用。

3結(jié)語

基于圖像處理技術(shù)的木纖維直徑檢測是一種創(chuàng)新的嘗試，其能夠取得較好的結(jié)果主要體現(xiàn)在如下兩個方面。

（1）基于HSV空間目標(biāo)提取一方面充分利用了圖像的顏色信息，另一方面有效地改善了背景質(zhì)量較差、照明不均、多渠道噪聲等影響，為提高后期邊緣檢測精度提供重要基礎(chǔ)。

（2）采用改進(jìn)的分段測量法計算木纖維直徑，當(dāng)木纖維形態(tài)不規(guī)則時，提出基于用戶需求概念提取木纖維主干，然后對每一分段求取最大內(nèi)切圓，將所有分段的最大內(nèi)切圓直徑的平均值作為木纖維的直徑，改善了傳統(tǒng)分段測量法需要考慮平移與旋轉(zhuǎn)等因素，該算法更簡潔。

綜上所述，在微米木纖維直徑檢測領(lǐng)域，該算法較之傳統(tǒng)的物理化學(xué)方式更方便、簡易、成本較低，減輕了測量人員的工作強度，而且獲得的結(jié)果更科學(xué)合理，更利于運用到生產(chǎn)檢測中，對實現(xiàn)微米木纖維直徑智能檢測有重大意義。

參考文獻(xiàn)

[1] 高軍，吳成進(jìn)，陳躍華.羊毛直徑的圖像法測試技術(shù)[J].毛紡科技，2001（1）：9-11.

[2] 李丹芬，任冀澧，王柏華.毛絨類纖維直徑不同測量方法的比較研究——基于掃描電鏡和光學(xué)顯微鏡的圖像測量方法[J].毛紡科技，2004（5）：39-42.

[3] 張鵬飛，藍(lán)海嘯，李鵬剛，等.一種基于圖像預(yù)處理的快速測試?yán)w維直徑的方法[J].上海紡織科技，2011，39（12）：9-12.

[4] 胡珊，吳建勝.基于興趣點的碳纖維直徑自動測量方法[J].計算機(jī)測量與控制，2011，19（3）：528-530.

[5] 陳澤蕓，王榮武，張賢淼，等.熔噴材料超細(xì)纖維直徑的測量方法探討[J].東華大學(xué)學(xué)報：自然科學(xué)版，2012，38（3）：266-271.

[6] 齊英杰，楊春梅，戰(zhàn)麗.微米木纖維圖像的模擬再現(xiàn)理論和應(yīng)用研究[J].林業(yè)科技，2004，29（5）：42-44.

[7] 王夏黎，周明全，耿國華.一種基于HSV顏色空間的車輛牌照提取方法[J].計算機(jī)工程，2004，30（17）：133-135.

[8] 葉齊祥，高文，王偉強，等.一種融合顏色和空間信息的彩色圖像分割算法[J].軟件學(xué)報，2004，15（4）：522-530.

[9] 王奇文，鄭麗敏，梅樹立.基于形態(tài)學(xué)的小鼠舌頭切片圖像分割與實現(xiàn)[J].計算機(jī)工程，2011，37（19）：5-8.

[10] 伊海燕.基于圖像分析的羊絨纖維特征參數(shù)提取技術(shù)的研究[D].北京：北京服裝學(xué)院，2009：43-49.

[11] 金建，段婧，肖潺.平面切面三維重建[J].河北工業(yè)大學(xué)學(xué)報，2002，31（4）：102-107.