李變變， 李忠健， 潘如如， 張 杰， 高衛(wèi)東

(生態(tài)紡織教育部重點實驗室(江南大學)， 江蘇 無錫 214122)

紗線條干均勻性序列圖像測量方法

李變變， 李忠健， 潘如如， 張 杰， 高衛(wèi)東

(生態(tài)紡織教育部重點實驗室(江南大學)， 江蘇 無錫 214122)

為了更精確、連續(xù)地評價紗線的外觀條干均勻性，提出一種基于序列圖像的紗線條干均勻性測量方法。通過圖像采集系統(tǒng)獲取連續(xù)的紗線序列圖像；根據(jù)模糊C-均值(FCM)聚類算法將圖像進行閾值分割，得到紗線條干的二值圖像；設定閾值去除圖像中的孤立點、毛刺點，獲得清晰的紗線條干圖像，并計算圖像中每行紗線直徑。為驗證方法的準確性，對7種線密度的緊密紡純棉紗進行了條干測試，并將結(jié)果與USTER?Tester 5-S800條干測試儀的測試結(jié)果進行了對比。結(jié)果表明：序列圖像方法測得的紗線條干均勻性與USTER條干儀的測試結(jié)果高度正相關，證明本文的方法是準確可行的。

紗線直徑； 條干均勻性； 序列圖像； 模糊聚類； 相關分析

條干均勻性是評價紗線條干的基本特征參數(shù)。紗線直徑是條干均勻性的直接指標，也是用于紗線及織物性能研究與模擬的一個重要參數(shù)[1-2]。紗線直徑均勻性不僅影響織物的外觀質(zhì)量，還對織物的透氣透濕性、斷裂強度等性能有重要影響[3]。因此，如何實現(xiàn)準確、快速地測定紗線直徑對織物的質(zhì)量評價具有重要意義[4-6]。紗線是柔軟的彈性體，其截面形狀不規(guī)則且容易變形，直接測量紗線直徑比較困難，實際應用中通常采用線密度等質(zhì)量指標間接地表征紗線的粗細及其條干均勻性，但紗線的線密度并不能精確地表示紗線直徑[7]，如相同線密度的2根紗線，由于纖維密度和紗線捻系數(shù)等參數(shù)不同，可能具有不同的直徑。光學檢測方法可以實現(xiàn)直徑的高精度檢測，但紗線毛羽、纖維和紗線本體的識別使準確檢測直徑變得困難[8]。美國勞森公司生產(chǎn)的電子檢視板(EIB)可以較為精確地表示紗線的直徑變化，最新推出的USTER?Tester 5-S800條干均勻度儀也具有測試紗線直徑功能，然而二者都是利用光電原理來測試紗線直徑的，并沒有將紗線毛羽排除在外，毛羽的存在直接影響了測試結(jié)果的可靠性和重現(xiàn)性。

計算機圖像處理技術在紗線檢測的應用和發(fā)展為準確地測量紗線直徑提供了新的思路。在進行紗線條干均勻性檢測時，利用圖像處理技術可以排除毛羽的干擾進行紗干信息的檢測，檢測結(jié)果具有重現(xiàn)性，檢測精度在像素尺度，結(jié)果更為精確。目前，這種基于計算機圖像處理的紗線條干均勻性檢測技術仍處于理論開發(fā)階段，存在圖像處理不徹底、算法復雜、測試紗樣長度不夠長等問題，具體的檢測方法也因圖像處理算法的不同和圖像采集工具的多樣而有差異[9-11]。

為了更精確、連續(xù)地評價紗線的條干均勻性，本文提出一種基于紗線序列圖像的條干均勻性檢測方法，并以7種線密度的緊密紡純棉紗為例進行紗線直徑測試及條干均勻性分析。

1 紗線序列圖像采集

1.1 實驗儀器與材料

實驗儀器：PL-1型圖像式紗線條干實時檢測系統(tǒng)；USTER?Tester 5-S800條干均勻度儀。

實驗材料：7種線密度(分別為27.77、18.22、14.58、11.66、9.72、7.29、5.83 tex)的緊密紡純棉紗各1管。

1.2 動態(tài)圖像采集系統(tǒng)

高清晰度的紗線圖像是準確檢測紗線條干均勻性的必要條件，紗線圖像不夠清晰會降低檢測結(jié)果的客觀程度和準確度。為了采集到連續(xù)的高質(zhì)量紗線圖像，實驗采用了自制的紗線動態(tài)圖像采集系統(tǒng)，即PL-1型圖像式紗線條干檢測系統(tǒng)。該系統(tǒng)主要包括紗線喂入、速度控制、紗線圖像的動態(tài)采集、紗線圖像的實時處理與檢測4個部分，系統(tǒng)裝置如圖1所示。

圖1(a)是實驗裝置的外觀圖，紗線1從紗管上退繞下來，經(jīng)過導紗架2和一對防抖動與張力控制導紗輪3，進入裝有高亮光源的暗箱4，經(jīng)過導紗輪5和導紗器6，由相互擠壓的主被動輪7、8帶動著快速運動。其中防抖動與張力控制導紗輪上帶有標明刻度的旋轉(zhuǎn)按鈕，通過調(diào)節(jié)旋轉(zhuǎn)按鈕控制紗線張力并減小紗線運動過程中的抖動現(xiàn)象。圖1(b)是裝置的內(nèi)側(cè)圖，運動的紗線經(jīng)過暗箱時，在縫隙9處用帶有放大鏡頭11和擴倍鏡12的CCD面陣相機13進行掃描，實現(xiàn)紗線圖像的快速采集。伺服電動機14通過伺服電動機控制器15和直流電源連接，帶動紗線運動。

CCD面陣相機最大分辨率為1 024像素×768像素，最高幀頻為117 幀/s，最小曝光時間為60 μs。紗線運行速度在1～100 m/min之間可調(diào)。在獲取紗線序列圖像時，幀與幀之間采用重合拍攝，以保證采集到的圖像完整、連續(xù)。為使圖像采集連續(xù)、穩(wěn)定，紗線運動速度不宜太大，且需與相機幀頻進行配合設置。本文紗線速度設置為10 m/min，相鄰兩幀之間的紗線實際重合長度為1 mm，相機幀頻為55.56 幀/s。此外，還要考慮光源亮度和相機曝光時間的影響。實驗發(fā)現(xiàn)，當紗線速度和幀頻一定時，曝光時間減小，所需光源亮度增大。根據(jù)此規(guī)律，曝光時間設為200 μs，同時適當調(diào)節(jié)光源亮度，得到清晰的紗線序列圖像。

為避免圖像中含有冗余的背景，采用定點切割的方式采集圖像。圖2示出采集的一幅紗線圖像(順時針旋轉(zhuǎn)90°后)，圖像大小為51像素×768 像素。經(jīng)標定，圖像中紗線的實際長度為4 mm。從圖2中可以看到，雖然紗線比較清晰，但圖像中存在一些噪點以及毛羽，干擾條干檢測。在對紗線序列圖像進行檢測前，需要利用合理的圖像處理方法提取紗干，得到輪廓清晰又不失真的紗線條干圖像。

2 紗線序列圖像處理與檢測

紗線條干的提取直接影響檢測結(jié)果的準確性，所用提取方法的高效性和適用性關系到系統(tǒng)是否能夠?qū)崿F(xiàn)連續(xù)檢測。檢測前，先將紗線序列圖像的重合部分去除，然后通過閾值分割、去除孤立點和毛刺的方法對紗線圖像進行處理，提取準確的紗干信息。

2.1 閾值分割

為了消除圖像中毛羽和噪點的干擾，實現(xiàn)紗線主體與背景分離，應用模糊C-均值(FCM)聚類算法對紗線原始圖像進行閾值分割。

FCM是一種常用的圖像分割算法，通過對目標函數(shù)的迭代運算進行類別歸屬。FCM 把n個像素分為C個模糊類，并根據(jù)每個像素與聚類中心的距離對目標函數(shù)進行迭代計算[12]，目標函數(shù)為

‖xi-vj‖

(1)

式中：μij為每個像素xi對第j個模糊類的隸屬度；m為模糊權重，本文取m=2；vj為第j個模糊類的聚類中心。其中，μij和vj的更新方程為

(2)

(3)

根據(jù)上述FCM算法，原紗線圖像(見圖2)的灰度值被分為2類，分類結(jié)果如圖3所示。由于采集到的紗線圖像中目標灰度較小，背景灰度較高，因此圖中灰度值較小的一類由紗線條干、緊貼紗線的毛羽以及偏離紗線的毛羽組成，灰度值較大的為圖像背景。將灰度值較小的最大灰度值作為設定閾值T。利用T對所有紗線序列圖像進行閾值分割，將圖像中灰度值大于T的部分像素值設置為1，小于T的部分設置為0，得到紗線條干二值圖像，如圖4所示。

從圖4可以看到，圖像中不再有明顯的短毛羽和噪點，紗線的主體與背景分離較好。但由于設定的閾值T是灰度值較小的最大灰度值，紗線邊緣點可能為緊貼紗線的毛羽或者偏離紗線的較清晰的毛羽，使圖像中存在一些孤立的噪聲點和毛刺，導致分割出的紗線條干邊緣點產(chǎn)生錯誤，影響后續(xù)紗線直徑計算的準確性。因此，在閾值分割后，還要對圖像進行條干邊緣點的判定，消除孤立點和毛刺信號的影響。

2.2 孤立點和毛刺的去除

將初步分割后的紗線條干圖像進行垂直灰度投影，統(tǒng)計每行中灰度值為1(紗線處的灰度值為0，背景處為1)的像素點數(shù)目占圖像總高度像素點數(shù)目的百分比λ，判斷λ是否大于設定閾值λ0，若是，則對應列中灰度值為0的像素點即為孤立點或突出的毛刺像素點，將其灰度值設置為1，即可去除。本文λ0的設定對于毛刺的去除很關鍵，λ0太小則會過分去除，傷及紗干；λ0太大則去除不徹底，使毛刺點殘留。

實驗證明，當λ0=90%時，孤立點和毛刺的去除效果較好。當λ0=90%時，每列中灰度值為1(背景)的像素點在該列所占的比例為90%，而每幅圖像中紗線的實際長度為4 mm，則該列中灰度值為1(背景)的像素點所占實際長度為3.6 mm，灰度值為0的像素點所占實際長度為0.4 mm。

在閾值λ0=90%條件下，對初步分割的紗線條干圖像(見圖4)進行除孤立點和毛刺處理，效果如圖5所示?？梢钥吹?，處理后圖像中的紗線條干完整、清晰，孤立的噪聲點和毛刺已被成功去除。

2.3 紗線直徑檢測

提取出完整、清晰的紗線條干后，從上到下，從左到右逐行掃描紗線條干圖像，統(tǒng)計圖像中每行對應的左、右邊界點之間的像素點數(shù)目，即得到該行直徑像素值。紗線條干圖像中每行對應1個直徑，按照上述方法自動求出序列圖像中剩余各行的直徑，并按順序進行存儲。

3 實驗與結(jié)果分析

為驗證本文提出的基于序列圖像的紗線條干均勻性檢測方法的準確性，以實驗中7種線密度的緊密紡純棉紗為例，用提出的圖像方法對紗線進行條干檢測與分析，計算各紗線的平均直徑及條干不勻率，并將結(jié)果與USTER?Tester 5-S800條干測試儀的測試結(jié)果進行對比。實驗時，每個紗線樣品測試100 m，需采集33 334幅圖像(重合拍攝)，為了保證圖像采集的穩(wěn)定，紗線運行速度為10 m/min。

3.1 紗線直徑測量與分析

對于不同規(guī)格的紗線，使用本文提出的圖像檢測方法對采集的紗線序列圖像進行處理和檢測，求出序列圖像各行的直徑值，取其平均值作為紗線的平均直徑，并將其轉(zhuǎn)化為實際尺寸，測試結(jié)果如表1所示。作為對比，按照式(4)[13]計算紗線的理論直徑，并采用USTER?Tester 5-S800條干儀測量紗線的直徑，結(jié)果見表1。

(4)

式中：D為紗線的直徑，mm；Tt為線密度，tex；δ為紗線的密度，g/cm3。本文實驗采用的紗線是純棉紗，δ取0.85。

從表1可知，3種方法得到的直徑變化趨勢一致，都隨紗線線密度的增大而增大。其中，圖像法得到的紗線直徑與理論值更接近，USTER法測試得到的紗線直徑明顯大于理論直徑，三者之間的大小關系為：USTER法直徑>圖像法直徑>理論直徑。圖像法直徑與USTER法直徑存在數(shù)值上的差異，這是由二者的測試原理不同決定的。圖像法直徑在圖像處理過程中去除了紗線毛羽，而根據(jù)光電原理測得的USTER法直徑則沒有消除毛羽的干擾，故USTER法直徑大于圖像法直徑，且紗線線密度越大，毛羽越多，這種差異越明顯。

表1 不同方法的直徑結(jié)果與比較Tab.1 Diameter results measured by different methods and comparison

為了明確圖像法直徑與USTER法直徑之間的關系，以圖像法直徑為變量x，USTER法直徑為變量y，對2種方法測得的紗線直徑進行線性相關分析，結(jié)果如圖6所示。

從圖7可以看出，二者相關系數(shù)的平方為0.996，測試結(jié)果高度相關，證明用圖像法測試紗線直徑是可靠、準確的。

3.2 條干不勻率計算與分析

變異系數(shù)CV值是條干不勻率的主要指標，它反映了條干不勻的平均離散性，不僅能反映紗線片段間不勻也能反映片段內(nèi)不勻，其計算公式為

(5)

根據(jù)前文提出的紗線直徑測量方法和式(5)，計算紗線的直徑變異系數(shù)。紗線直徑可以按不同的片段長度(也稱切斷長度)在任何所需的讀數(shù)間隔計算，其中最小間隔為紗線圖像矩陣中相鄰行之間的距離，約為5.21 μm(即1個像素)。讀數(shù)間隔越小，即片段長度越小，得到的變異系數(shù)越能反映紗線實際直徑情況。為了與USTER法進行比較，分別取60和1 600個像素(0.3 mm 和8 mm)為1段。對每個規(guī)格紗線的33 334幅圖像，取片段長度內(nèi)各行直徑值的平均值作為直徑在各段的讀數(shù)。表2示出圖像法和USTER法得到的紗線直徑變異系數(shù)CV值的測試結(jié)果。

表2 紗線直徑變異系數(shù)CV值比較Tab.2 Comparison among yarn diameter variation coefficients CV

注：表中CVm為USTER條干儀測試的質(zhì)量變異系數(shù)，是根據(jù)電容原理測得的。

表2數(shù)據(jù)表明，由于測試原理不同，USTER法和圖像法測得的直徑變異系數(shù)與CVm在數(shù)值上不同，且2種方法得到的直徑變異系數(shù)之間也有差異；片段長度為8 mm時，2種方法得到的直徑變異系數(shù)都小于CVm，片段長度為0.3 mm時，2種直徑變異系數(shù)與CVm的差異減小，說明片段長度對2種方法的直徑變異系數(shù)都有影響，且片段長度越小，所得的直徑變異系數(shù)越接近CVm。不同片段長度下，USTER法和圖像法測得的直徑變異系數(shù)隨紗線線密度變化的曲線如圖7所示。從圖可以看出，片段長度為8 mm時，圖像法直徑CV值大于USTER法CV值；當片段長度為0.3 mm時，2種方法得到的直徑CV值的差異減小。但2種方法測得的直徑變異系數(shù)都隨紗線線密度的增大呈減小趨勢，紗線從12 tex變到14.5 tex時，USTER直徑變異系數(shù)突然增大，圖像法直徑變異系數(shù)在此處減小趨勢也相應變緩，說明2種方法測得的直徑變異系數(shù)具有一定的相關性。進行相關分析，結(jié)果如圖8所示。

從圖8趨勢線和相關關系可知，當片段長度為8 mm時，二者相關系數(shù)的平方為0.957，如圖8(a)；當片段長度為0.3 mm時，相關系數(shù)的平方為0.970 7，如圖8(b)。由此可得，2種片段長度下，圖像法直徑CV值與USTER法直徑CV值高度相關，證明本文提出的圖像法能夠準確、有效地反映紗線條干不勻的程度。

4 結(jié) 語

本文介紹了一種基于序列圖像的紗線條干均勻性檢測方法。實驗證明，圖像方法測得的條干不勻率與USTER?Tester 5-S800條干測試儀的測試結(jié)果高度正相關，說明本文提出的方法準確、可靠，為應用圖像法檢測紗線直徑不勻提供了參考。而且圖像法測試不受紗線毛羽的影響，檢測結(jié)果具有重現(xiàn)性，可以更精確、快速地檢測紗線條干均勻性。

當然，本文提出的方法還存在一些不足，如在采集紗線圖像時為保證采集的穩(wěn)定，紗線的運行速度相對較慢。但實驗證明用本文提出的圖像方法來檢測紗線條干均勻性是準確可行的，在以后的研究工作中，將對提出的方法進行完善。

FZXB

[1] 栗強, 程隆棣, 薛文良, 等. 集聚紡的紗線強力理論[J]. 東華大學學報(自然科學版), 2011, 37(3): 327-330. LI Qiang, CHENG Longdi, XUE Wenliang, et al. Theoretical study on strength of compact yarns [J]. Journal of Donghua University (Natural Science Edition), 2011, 37(3): 327-330.

[2] KOVAR R. Length of the yarn in plain-weave crimp wave [J]. The Journal of The Textile Institute, 2011, 102(7): 582-597.

[3] ELDESSOUKI M, IBRAHIM S, MILITKY J. A dynamic and robust image processing based method for measuring the yarn diameter and its variation [J]. Textile Research Journal, 2014, 84(18): 1948-1960.

[4] CARVALHO V, BELSLEY M, VASCONCELOS R M, et al. Yarn hairiness and diameter characterization using a CMOS line array [J]. Measurement, 2008, 41(10): 1077-1092.

[5] TRESANCHEZ M, PALLEJA T, TEIXIDO M, et al. Measuring yarn diameter using inexpensive optical sensors [J]. Procedia Engineering, 2010, 5: 236-239.

[6] TAPIAS M, RALLO M, ESCOFET J. Automatic measurements of partial cover factors and yarn diameters in fabrics using image processing [J]. Textile Research Journal, 2011, 81(2): 173-186.

[7] XU B. Digital technology for yarn structure and appearance analysis [J]. Computer Technology for Textiles and Apparel, 2011: 3-22.

[8] XIE X, XU N, SUN J, et al. Simultaneous measurement of deformation and the first derivative with spatial phase shift digital shearography [J]. Optic Communications, 2013, 286: 277-281.

[9] 遲開龍,潘如如,劉基宏,等.基于數(shù)字圖像處理的紗線條干均勻度檢測初探[J].紡織學報，2012, 33(12): 19-24. CHI Kailong, PAN Ruru, LIU Jihong, et al. Primary discussion on detection of yarn evenness based on digital image processing [J]. Journal of Textile Research, 2012, 33(12): 19-24.

[10] ZHONG P, KANG Z, HAN S, et al. Evaluation method for yarn diameter unevenness based on image sequence processing [J]. Textile Research Journal, 2015, 85(4): 369-379.

[11] 程立超,蔣秀明,袁汝旺,等.基于線陣電荷耦合元件的紗線直徑測量方法[J].紡織學報,2015,36(6):124-128. CHENG Lichao, JIANG Xiuming, YUAN Ruwang, et al. Measuring method of yarn diameter based online array charge-coupled device [J]. Journal of Textile Research, 2015, 36(6): 124-128.

[12] KUO C, JIAN B, WU H, et al. Automatic machine embroidery image color analysis system: part I: using Gustafson-Kessel clustering algorithm in embroidery fabric color separation [J]. Textile Research Journal, 2012, 82(6): 571-583.

[13] 姚穆. 紡織材料學[M]. 3版. 北京: 中國紡織出版社, 2009: 178. YAO Mu. Material of Textile [M]. 3rd ed. Beijing: China Textile & Apparel Press, 2009: 178.

Measurement of yarn evenness using sequence images

LI Bianbian, LI Zhongjian, PAN Ruru, ZHANG Jie, GAO Weidong

(Key Laboratory of Eco-Textiles (Jiangnan University), Ministry of Education, Wuxi, Jiangsu 214122, China)

In order to evaluate the yarn apparent evenness more precisely and continuously, a method based on sequence images of yarn was developed and applied to measure the yarn evenness. At first, an image acquisition system was adopted to acquire the sequence images of yarn. Then, the images were segmented to binary images based on FCM (Fuzzy C-mean ) clustering. Finally, a threshold value was set to remove the isolate points and burr points in the binary image and acquire yarn core images. The number of pixels of each row was accumulated in the yarn core image to calculate the yarn diameter value. To verify the accuracy of the proposed method, seven kinds of compact-spinning pure cotton yarns with different counts were measured and the results were compared with those by USTER?Tester 5-S800. It shows that the results of yarn evenness measured by sequence images are highly correlated with those by the USTER tester, proving the proposed method is accurate and feasible.

yarn diameter; yarn evenness; sequence image; fuzzy clustering; relevant analysis

10.13475/j.fzxb.20150903006

2015-09-15

2016-05-04

國家自然科學基金青年基金項目(61202310)；教育部博士點基金項目(20120093130001)；霍英東基金項目(141071)；2014江蘇省研究生創(chuàng)新計劃項目(KYLX_1132)；江蘇高校優(yōu)勢學科建設工程資助項目(蘇政辦發(fā)(2014)37號)

李變變(1991—)，女，碩士生。主要研究方向為紗線條干圖像法智能檢測。潘如如，通信作者，E-mail:prrsw@163.com。

TS 101.9

A