寧 鐸， 吳林林， 索龍博

(1.陜西科技大學(xué) 電氣與信息工程學(xué)院， 陜西 西安 710021； 2.重慶理工大學(xué) 機械檢測技術(shù)與裝備教育部工程研究中心， 重慶 400054)

0 引言

我國是一個皮革制品生產(chǎn)大國卻并非強國，外貿(mào)依存度高、生產(chǎn)成本高等都是目前我國皮革業(yè)存在的主要問題.因而我國皮革業(yè)需要創(chuàng)新發(fā)展，加強技術(shù)研發(fā)以提高其在國際市場的競爭力.準確測量皮革的有效面積能減少皮革制定排樣、裁剪方案的原材料浪費，然而由于皮革形狀的不規(guī)則性，以及其表面本身存在的一些外觀缺陷(如蟲咬、疤痕，孔洞等)，給皮革有效面積的測量及其后期的分割裁剪等采用自動化生產(chǎn)方式帶來很多難題.

目前測量皮革面積有光電掃描和圖像測量兩種方法，其中使用較為廣泛的是光電掃描法，如市面上應(yīng)用較多的“量革機”[1]，基本工作原理是利用光電掃描的方法，將通過光源和光敏元件之間的皮革面積轉(zhuǎn)變?yōu)楣怆娦盘枺偷娇刂蒲b置進行數(shù)據(jù)處理和顯示，實現(xiàn)皮革面積的測量.其主要是利用網(wǎng)格法，通過計算皮革所占的光敏元件的格數(shù)來計算皮革面積，由此可見網(wǎng)格劃分的越小測量結(jié)果越精確，然而實際中光敏元件網(wǎng)格劃分越小，難度就越大，成本就越高.而且在實際生產(chǎn)中，皮革表面或多或少都會存在瑕疵，該方法不能檢測出皮革表面的瑕疵區(qū)域，因而該方法測量出的面積無法表示其是在實際生產(chǎn)中的有效面積.本文則采用圖像測量技術(shù)，依據(jù)皮革表面的紋理特征，進行瑕疵檢測、定位，及有效面積的計算，該方法不但可以實時測量生產(chǎn)線中皮革的有效面積，提高皮革產(chǎn)品的生產(chǎn)效率和質(zhì)量，降低生產(chǎn)成本，而且為皮革排樣和裁剪等生產(chǎn)工序中有效利用皮革原料奠定了良好的基礎(chǔ).

1 瑕疵檢測原理

由于皮革原料取自動物身上，其表面不可避免的存在疤痕、斑點、孔洞和凹陷等多種瑕疵[2]，如果將這些瑕疵部分用于皮革制品生產(chǎn)中，不僅會降低皮革產(chǎn)品的質(zhì)量，而且會影響其經(jīng)濟效益.因而為有效利用原料，提高產(chǎn)品質(zhì)量，在皮革有效面積測量之前需進行瑕疵檢測，從而確定出皮革原料的有效面積區(qū)域，即剔除檢測出的瑕疵區(qū)域獲取的可用面積區(qū)域[3].

紋理作為一種重要的視覺信息，反映了圖像像素的自身特征及像素之間的空間關(guān)系，能兼顧到圖像的宏觀結(jié)構(gòu)和微觀結(jié)構(gòu)兩個方面，是圖像的重要信息和特征.而且紋理特征能夠表現(xiàn)出物面的固有特性，受環(huán)境影響較小，具有旋轉(zhuǎn)不變性，在檢索大小、形狀，所屬類別不定的圖像缺陷時，利用紋理特征進行缺陷檢測是一種有效方法[4,5].皮革表面具有很強的紋理特征，這種紋理特征通常情況下是具有一定規(guī)律的，而當(dāng)皮革表面某處存在瑕疵時，該瑕疵部分將會表現(xiàn)出不同的紋理特征[6]，因而利用這種不同屬性的紋理特征，可以將皮革的瑕疵區(qū)域分割出來.

在皮革瑕疵檢測時，由于瑕疵尺寸一般都較小，同時無法預(yù)知皮革表面瑕疵的先驗知識，可以采用共生矩陣提取皮革圖像的紋理特征.取3×3的領(lǐng)域特征提取窗來計算共生矩陣，并取像素間的距離d=1,4個角度θ=0 °、45 °、90 °、135 °，每個位置的鄰域窗可得到4個共生矩陣[4]，根據(jù)皮革紋理的特點，從Hralick提出的14個共生矩陣測度中取紋理能量、對比度、相關(guān)性,以及熵[7,8]4個互不相關(guān)、便于計算且能表達紋理特征的灰度共生測度來表達紋理特性.基于灰度共生矩陣紋理特征的四個特征統(tǒng)計量表示見公式(1)～公式(4)[9].

1.1 能量

能量(Angular Second Moment,簡記為ASM)，灰度共生矩陣元素的平方和，反映了圖像灰度分布均勻程度和紋理粗細度.如果共生矩陣的所有值均相等，則ASM值?。幌喾?，如果其中一些值大而其它值小，則ASM值大.ASM值大表明一種較均勻和規(guī)則變化的紋理模式.

(1)

1.2 對比度

對比度(Contrast,簡記為CON)，反映了圖像的清晰度和紋理溝紋淺深的程度.紋理溝紋越深，其對比度越大，視覺效果越清晰；反之，對比度小，則溝紋淺，效果模糊.

(2)

1.3 相關(guān)性

相關(guān)性(Correlation,簡記為COR)，用來度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，相關(guān)值大小反映了圖像中局部灰度相關(guān)性.當(dāng)矩陣元素值均勻相等時，相關(guān)值就大；相反，如果矩陣像元值相差很大則相關(guān)值小.

(3)

1.4 熵

熵(Entropy)是圖像所具有的信息量的度量，紋理信息也屬于圖像的信息，是一個隨機性的度量，當(dāng)共生矩陣中所有元素有最大的隨機性,空間共生矩陣中所有值幾乎相等時，共生矩陣中元素分散分布時，熵較大.它表示了圖像中紋理的非均勻程度或復(fù)雜程度.

(4)

(1)～(4)式中，

P(i,j)=

利用上述灰度共生矩陣計算出4個最主要的特征值(能量、對比性、相關(guān)性和熵)，然后取這4個方向的均值表示該特征值，將每個小塊的紋理特征值作為未知樣本，其特征都是由能量、對比度、相關(guān)性和熵這四個分量共同決定，利用類間最大距離和類內(nèi)最小距離的方法區(qū)分出瑕疵區(qū)域和優(yōu)質(zhì)區(qū)域.當(dāng)分類對象給定時，其總距離是一個與分割閾值無關(guān)的常量值，要求的類內(nèi)最小距離可以轉(zhuǎn)換為求其最大類間距離.當(dāng)皮革表面存在瑕疵時，其與優(yōu)質(zhì)區(qū)域會因表現(xiàn)出不同特征而各自聚為一類，類間最大距離是準確區(qū)分瑕疵區(qū)域與優(yōu)質(zhì)區(qū)域的標(biāo)志，所以將最大類間距離作為分類結(jié)束的判斷標(biāo)準，具體步驟[10,11]如下所示：

(1)將每小塊的紋理特征作為一類，每類包含一個對象，類與類之間的距離就是它們所包含的對象之間的距離；

(2)找到最接近的兩個類并合并成一類，總的類數(shù)就減少了一個；

(3)重新計算新的類與所有舊類之間的距離；

(4)當(dāng)本次計算出的類間最大距離大于等于上次的類間最大距離時，重復(fù)(2)和(3)步，否則重新進行類合并，直至得到最大類間距離.

2 面積計算原理

由于皮革形狀大小、紋理色彩、表面瑕疵的形狀大小位置都呈現(xiàn)隨機性，給皮革有效面積的測量帶來很多難題，目前測量皮革面積有光電掃描和圖像測量兩種方法，其中采用光電掃描方式的“量革機”的應(yīng)用較為廣泛，但這種方式的測量結(jié)果的精確度受光敏元件網(wǎng)格劃分的大小的影響.據(jù)了解，目前“量革機”的測量精度在2%左右.而采用圖像測量技術(shù)這種非接觸式的面積測量方法，在實際工業(yè)生產(chǎn)中具有操作安全、客觀、速度快和精度高等優(yōu)點，且該方法的測量精度可以達到像素級.

2.1 測量原理

利用圖像處理技術(shù)進行皮革面積測量時，首先通過已知面積物體的測量得到圖像中每一個像素所代表的實際面積，稱為像素當(dāng)量.將像素當(dāng)量與皮革的像素總數(shù)相乘，即可得到被測皮革的實際面積[12].像素當(dāng)量是通過已知物體的面積除以其在圖像中的總像素數(shù)得到.攝像頭的分辨率、攝像頭與被測物間的距離都是影響像素當(dāng)量值的因素，因而在實驗中得到像素當(dāng)量值后，攝像頭、載物臺等該套測量設(shè)備及其之間的相對位置就不能再改變，以免影響測量結(jié)果的準確性.

在實際測量中一般以白色為背景色，紋理的灰度及皮革內(nèi)部的灰度都遠比背景灰度要深，所以采用閾值法將原始灰度圖像消除噪聲后轉(zhuǎn)化為二值圖像，在消除皮革紋理對后續(xù)圖像處理影響的同時，有效區(qū)別出皮革區(qū)域與背景區(qū)域.在皮革灰度圖像進行二值化時，閾值的確定至關(guān)重要，本文采用最大類間方差方法來確定閾值.因而，其最優(yōu)閾值是通過求類間方差的最大值的方法確定[13]，最優(yōu)閾值k*為：

(5)

2.2 面積計算

為計算目標(biāo)區(qū)域的像素數(shù)，人們已經(jīng)研究出多種計算圖像像素數(shù)的方法，傳統(tǒng)方法是通過逐行掃描目標(biāo)區(qū)域的像素點得出總像素數(shù)，但這種方法需遍歷圖像中的每個像素點，對于目標(biāo)區(qū)域較小的圖像計算量相對較大，因而計算效率也會受到限制.基于鏈編碼計算圖像像素數(shù)的方法有圖像邊界的Freeman鏈碼、利用頂點鏈碼求圖像像素數(shù)和基于邊界跟蹤的區(qū)域像素計算等方法[14]，前兩種方法對頂點鏈編碼的遍歷次數(shù)較多，計算成本較大，后一種方式對于邊界的標(biāo)記比較繁瑣，實際操作中不易實現(xiàn).本文則采用文獻[12]中基于邊界跟蹤的方式來提取圖像區(qū)域輪廓，根據(jù)邊界點的八方向碼(如圖1所示)來確定下一個邊界跟蹤的矢量方向和矢量值，并給邊界點由小到大排序，則當(dāng)前邊界點與相鄰下一個邊界點之間的像素個數(shù)為Xi+1-Xi-1，其中Xi為當(dāng)前邊界點的列值.

圖1 八方向碼

通過上述方法得到被測物每行的像素數(shù)后，實際面積為被測目標(biāo)的總像素數(shù)乘以像素當(dāng)量，計算公式為：

面積=

(邊界像素總數(shù)/2+邊界內(nèi)像素總數(shù))×像素當(dāng)量

(6)

3 有效面積計算

在實際生產(chǎn)中，皮革有效面積的大小在很大程度上決定了其用途，例如當(dāng)有效面積較大時，可以用來做沙發(fā)、皮衣的某部分，有效面積較小時可以用來做鞋子、錢包等.基于圖像處理技術(shù)的皮革有效面積計算流程圖如圖2所示.

圖2 皮革有效面積計算流程圖

在皮革制品生產(chǎn)過程中，大多皮革表面存在瑕疵，所以在皮革有效面積測量之前，需對整塊皮革進行瑕疵檢測，當(dāng)皮革表面無瑕疵時，皮革的有效面積為檢測到的皮革總像素數(shù)乘以本次實驗測得的像素當(dāng)量(如公式(6)所示)；而當(dāng)皮革表面存在瑕疵時，其實際有效面積就為皮革總像素數(shù)減去瑕疵部分的像素數(shù)的差乘以像素當(dāng)量(如公式(7)所示).

皮革有效面積=

(皮革總像素數(shù)-瑕疵像素數(shù))×像素當(dāng)量

(7)

4 仿真實驗

本實驗采用像素為800萬的攝像頭，檢測多個已知面積的標(biāo)準板進行測量，得出本實驗中的像素當(dāng)量為1.173 6 mm2/像素.為驗證該方法的可行性，本實驗將對多個規(guī)則形狀物體和不規(guī)則形狀的皮革進行測量，表1為部分有效面積測量的仿真實驗結(jié)果.實際面積測量過程中，規(guī)則物體采用直接測量的方式，不規(guī)則形狀皮革面積的測量則采用網(wǎng)格法進行測量，將不形狀規(guī)則的皮革置于以1 cm×1 cm為一個單元格的30 cm×30 cm的透明網(wǎng)格標(biāo)準板下方，畫出不規(guī)則皮革以及瑕疵區(qū)域的邊緣圖形，運用網(wǎng)格法對邊緣面積計算時，當(dāng)其大于等于單元格的二分之一時在邊界內(nèi)部面積上加一，小于時則將其舍去，舍去部分相當(dāng)于對不足一個單元格面積部分的補償.

測量面積則是采用本文所述方法的測量結(jié)果，先采集皮革表面圖像進行預(yù)處理，再對其進行瑕疵檢測，對于無瑕疵皮革將其與背景區(qū)域分割后，通過閾值法對圖像進行二值化，計算皮革區(qū)域在圖像中的像素數(shù)，運用公式(6)得到皮革的實際有效面積；對于有瑕疵的皮革則運用瑕疵檢測原理中的方法提取瑕疵區(qū)域和優(yōu)質(zhì)區(qū)域的紋理特征，以最大類間距離作為將其有效區(qū)分的條件，通過逐步聚類的方法將瑕疵區(qū)域分離出來，再計算瑕疵區(qū)域的像素數(shù)和皮革總像素數(shù)，瑕疵區(qū)域的像素數(shù)乘以像素當(dāng)量(1.173 6)得到瑕疵區(qū)域的實際面積，運用公式(7)計算得到皮革的實際有效面積.

表1 物體的有效面積測量仿真實驗結(jié)果

由表1仿真實驗結(jié)果可知，基于圖像處理技術(shù)對規(guī)則物體和不規(guī)則皮革進行測量，其測量結(jié)果的相對誤差均在2%以內(nèi)，可以應(yīng)用于實際生產(chǎn)中的皮革有效面積的測量.

5 結(jié)束語

由于皮革形狀的不規(guī)則性，及其表面瑕疵大小形狀的隨意性，給皮革有效面積的測量帶來很多難題.本文提出了一種基于圖像處理技術(shù)的皮革有效面積的在線測量方法，該方法不僅可以實時準確地檢測出皮革的有效面積，而且將其應(yīng)用于實際生產(chǎn)中可以提高生產(chǎn)效率，降低生產(chǎn)成本.仿真實驗結(jié)果表明該方法可以有效應(yīng)用于皮革有效面積的測量.

[1]汪建根.皮革和毛皮的現(xiàn)代生產(chǎn)設(shè)備[M].西安:陜西科學(xué)技術(shù)出版社,2001:333-337.

[2]辛登科，張玉杰，胡 晶.圖像檢測技術(shù)在皮革缺陷檢測排樣系統(tǒng)的應(yīng)用[J].皮革科學(xué)與工程,2006,16(4)：24-26.

[3]賀福強.大面積皮革表面的視覺檢測技術(shù)與應(yīng)用研究[D].杭州：浙江大學(xué),2012.

[4]于彩香.基于紋理分析的皮革可視缺陷檢測方法的研究[D].山東：山東輕工業(yè)學(xué)院，2009.

[5]王海濤，施亦東.圖像紋理分析技術(shù)與皮革中的應(yīng)用[J].皮革科學(xué)與工程，2008,18(2):20-23.

[6]Trygve R,John H H.Filtering for texture classification:a comparative study[J].IEEE Trans Image Processing,2001,10(6):403-418.

[7]傾 明.基于顏色和紋理特征圖像檢索技術(shù)的研究[J].科學(xué)技術(shù)與工程,2009,9(5):1 301-1 304.

[8]李 健，韓 瑋，鄭 東.一種皮革表面缺陷檢測分類方法的研究[J].計算機測量與控制,2010,18(12):2 733-2 747.

[9]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測繪,2007(3)：19-22.

[10]Nobuyuki.A threshold selection method from gray-level histograms[J].IEEE Trans Systems,Mans,and Cybernetics,1979,9(1):62-66.

[11]段明秀.層次聚類算法的研究及應(yīng)用[D].長沙：中南大學(xué),2009.

[12]洪 英，黨宏社.一種基于圖像處理技術(shù)的皮革面積測量方法[J].中國皮革,2009,38(5):43-45.

[13]孫光靈，周慶松，方傳剛.基于最小類內(nèi)方差的快速閾值分割算法[J].安徽理工大學(xué)學(xué)報(自然科學(xué)版),2005,25(1):39-41.

[14]李 波，劉東華.一種計算任意形狀封閉區(qū)域面積的新方法[J].國防科技大學(xué)學(xué)報,2002,24(4):61-64.