沈利利， 李忠健， 潘如如， 盧雨正， 高衛(wèi)東， 唐佩君

(1. 生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué))， 江蘇 無(wú)錫 214122； 2. 百隆東方股份有限公司， 寧波 浙江 315201)

色紡紗線中纖維混色比例的圖像檢測(cè)

沈利利1， 李忠健1， 潘如如1， 盧雨正1， 高衛(wèi)東1， 唐佩君2

(1. 生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué))， 江蘇 無(wú)錫 214122； 2. 百隆東方股份有限公司， 寧波 浙江 315201)

為解決色紡紗線中有色纖維配比的經(jīng)驗(yàn)性及耗時(shí)性等問(wèn)題，在結(jié)合視頻顯微鏡和圖像處理技術(shù)的基礎(chǔ)上，提出一種基于聚類算法的色纖維顏色分類及比例測(cè)定方法。首先將色紡紗線解捻獲得色纖維，在輕微張力下排列在載玻片上，利用視頻顯微鏡進(jìn)行圖像采集；然后采用灰度投影方法定位色纖維，再提取出每根纖維中心線上的像素點(diǎn)，分別取所有像素點(diǎn)的R、G、B分量的平均值構(gòu)成特征向量來(lái)表征該根纖維；最后將RGB模型的特征向量轉(zhuǎn)換到L*a*b*模型并通過(guò)聚類算法對(duì)色纖維進(jìn)行分類，確定圖像中各顏色纖維所占比例。實(shí)驗(yàn)表明, 本文算法能夠?qū)崿F(xiàn)色紡紗線中色纖維種類的確定及比例測(cè)定。

色纖維； 顏色分類； 圖像處理； 聚類算法

Abstract In order to solve the problems of the empirical spadework and time consuming when confirming the proportions of the colored fibers in the colored spun yarns, with the help of the video microscopy and image processing technology,a novel method based on a clustering algorithm is proposed to classify the color fibers and inspect the proportions of different color fibers.Firstly, the colored spun yarns are untwisted into the fibers, the colored fibers are arranged on the slide under the mild tension, and the corresponding images are captured by the video microscopy. Secondly, the gray projection method is adopted to localize the colored fibers, and the average value ofR,G,Bof all pixels in the center line of each colored fiber is extracted as a feature vector to characterize the colored fiber respectively. Finally,the feature vectors in RGB model are converted to the L*a*b*color model, a clustering algorithm by searching density peaks is applied into classifying the colored fibers and the proportions of each color fibers are calculated. Experiments results demonstrate that the proposed method can inspect the colors and proportions of colored fibers in the colored spun yarns with a satisfactory accuracy.

Keywords color fibers; color classification; image processing; clustering algorithm

色紡紗是先將纖維染成有色纖維，然后將2種或2種以上不同顏色的纖維紡制成具有獨(dú)特混色效果的紗線。傳統(tǒng)工藝中，色紡紗中纖維配比的確定都是由人工完成的，完全依靠人眼對(duì)顏色的識(shí)別能力和操作人員的估計(jì)，經(jīng)過(guò)反復(fù)試驗(yàn)后得到與來(lái)樣接近的色彩效果，這樣的工序存在個(gè)人主觀因素的問(wèn)題，而且耗時(shí)耗力，準(zhǔn)確性差，工作重復(fù)性大。

早在20世紀(jì)90年代，數(shù)字圖像處理技術(shù)已應(yīng)用在紡織工業(yè)中[1]，數(shù)字圖像處理是利用計(jì)算機(jī)的計(jì)算，實(shí)現(xiàn)與光學(xué)系統(tǒng)模擬處理相同效果的過(guò)程，它具有處理精度高，再現(xiàn)性好，綜合性強(qiáng)，以及處理的多樣化等優(yōu)越性。因此本文提出采用數(shù)字圖像處理的方法對(duì)色纖維進(jìn)行分色處理，以便減少確定色紡紗混紡比例的繁重工作以及提高了色纖維分類的全面性和準(zhǔn)確度。

到目前為止，李玉紅[2]在利用掃描儀采集毛條圖像的基礎(chǔ)上，對(duì)采集的圖像進(jìn)行處理和聚類分析，得到纖維顏色拼毛比例；盧雨正等[3]利用彩色圖像分割技術(shù)，對(duì)纖維混色的分色過(guò)程進(jìn)行了計(jì)算機(jī)輔助算法研究；盧雨正等[4]還利用模糊C均值聚類算法，分別在RGB和HSV顏色模型下對(duì)色纖維進(jìn)行分類處理；鄒軒等[5]利用圖像處理技術(shù)對(duì)織物組織結(jié)構(gòu)和顏色參數(shù)進(jìn)行識(shí)別與分析，提出色織物圖像在HSV顏色空間的有效預(yù)處理方法，對(duì)色彩量化方法加以改進(jìn)，通過(guò)將接近的相鄰主色進(jìn)行歸并，進(jìn)一步減色，解決了色織物的紗線顏色檢測(cè)與表示問(wèn)題,但是現(xiàn)有的分色方法卻不能準(zhǔn)確地確定混色纖維中各種色纖維的顏色種類及比例。

本文嘗試采用數(shù)字圖像處理方法對(duì)色纖維進(jìn)行分色處理,利用灰度圖像的灰度值曲線并結(jié)合新聚類算法，對(duì)采集的圖像進(jìn)行數(shù)字化處理，對(duì)纖維的顏色進(jìn)行分類并統(tǒng)計(jì)圖像中各顏色纖維混色

比例，這將會(huì)在很大程度上減少配色時(shí)間，提高生產(chǎn)效率。

1 圖像采集

1.1 實(shí)驗(yàn)儀器與材料

儀器：GAOSUO視頻顯微鏡，載玻片與蓋玻片，緯朗光電面光源(24 V/420 mA/10.08 W)。

材料：寧波百隆紡織有限公司生產(chǎn)的色紡紗線。

軟件：MatLab 2011。

1.2 纖維圖像采集

圖像采集是圖像分析的源頭工序，采集所得圖像質(zhì)量的好壞直接關(guān)系到圖像分析的效果。

將紗線解捻成纖維，并將解捻得到的纖維在輕微張力下排列在載玻片上，將載玻片放在白色面光源的平面上，然后利用顯微鏡對(duì)載玻片上的纖維進(jìn)行透光拍攝獲得纖維圖像，拍取位置的纖維保證每根纖維之間不交叉，將拍得的子圖像同行并列合并排列。圖像尺寸選擇640像素×480像素，根據(jù)標(biāo)定1個(gè)像素占1.56 μm，在采集圖像時(shí)，同時(shí)保證背景顏色與纖維顏色的最大差異化，使采集到的纖維圖像中各種顏色清晰可辨。本文采集了2個(gè)樣本，每個(gè)樣本圖像共有1 000根纖維，采集到1 000根纖維的量時(shí)可以保證采集到了紗線中所有纖維顏色，基本達(dá)到顏色變化的穩(wěn)定性。以樣本1為例進(jìn)行分析，圖1示出截取樣本1纖維圖像的一部分。

2 纖維圖像處理

2.1 圖像灰度的變換

本文的圖像采用RGB模型，為便于后續(xù)的纖維圖像處理，運(yùn)用加權(quán)算法，根據(jù)式(1)把纖維彩色圖像轉(zhuǎn)換成灰度圖像[6]。

Gray=0.299R+0.587G+0.114B

(1)

式中：0≤R，G，B≤255，Gray是灰度值，R是紅色值，G是綠色值，B是藍(lán)色值。

圖2示出與圖1相對(duì)應(yīng)的灰度圖像。

2.2 曲線波谷點(diǎn)定位纖維位置

圖像中纖維的特殊排列，是為了方便區(qū)分圖像上纖維的位置，從而定位纖維，并統(tǒng)計(jì)出圖像中纖維總根數(shù)。由于采集的圖像的背景為白色，在灰度化后，背景相對(duì)于色纖維較亮，即背景的灰度值比色纖維的灰度值大，因此可通過(guò)查找灰度值較小的點(diǎn)來(lái)定位纖維位置，即確定灰度變化曲線的波谷點(diǎn)，以下分3個(gè)步驟來(lái)定位纖維：

步驟1：在纖維灰度圖像中任取圖像中的一行(這里選擇圖像中間位置)，該行的灰度值變化曲線如圖3(a)所示[7]?？梢钥闯?，灰度值較小的點(diǎn)其位置為纖維所在位置，灰度值較大的點(diǎn)其位置則為背景，因此，曲線中波谷點(diǎn)的位置一定為每根纖維所在位置，找到曲線波谷點(diǎn)即可確定纖維位置。在確定曲線波谷點(diǎn)位置時(shí)，采用尋找局部最小值的方法定位曲線中每個(gè)谷值點(diǎn)，若Xi

步驟2：由于圖像采集時(shí)外在因素影響，使纖維圖像噪音較多，定位波谷點(diǎn)后，發(fā)現(xiàn)有很多噪音波谷點(diǎn)，基于這個(gè)影響因素畫出灰度變化曲線上波谷點(diǎn)的直方分布圖，如圖3(b)所示。根據(jù)直方圖確定閾值，從而選出需要的波谷點(diǎn)。圖上最高點(diǎn)處表示背景所對(duì)應(yīng)的灰度值，從最高點(diǎn)A點(diǎn)往下延伸至與直方圖中頻數(shù)為0所在的位置，即此處背景的位置與色纖維的位置分離，因此可以將直方圖中箭頭所在位置的值作為區(qū)分背景與色纖維的閾值。

步驟3：區(qū)分背景與色纖維之后，以波谷點(diǎn)所在位置作為圖像中色纖維的位置，定位好灰度變化曲線上的波谷點(diǎn)后，即可定位出圖像中色纖維所在位置，定位結(jié)果如圖3(c)所示。

2.3 特征值的提取

對(duì)纖維定位并統(tǒng)計(jì)好所有纖維總根數(shù)之后，為實(shí)現(xiàn)色纖維顏色分類，對(duì)色纖維進(jìn)行顏色特征值提取。定位纖維位置后，跟蹤圖像中纖維的像素點(diǎn)，取纖維上所有像素點(diǎn)的R、G、B分量。

設(shè)灰度圖像尺寸為m×n，根據(jù)式(2)計(jì)算出上述提取出的每根色纖維中R、G、B值各自對(duì)應(yīng)的平均值構(gòu)成特征向量(Rmean，Gmean，Bmean)，即每根纖維由平均值組成的特征向量來(lái)表示。其中，m表示圖像的行數(shù)，圖1中m=53。

(2)

相對(duì)于非均勻線性的RGB顏色空間，在色彩空間L*a*b*中，兩點(diǎn)間的歐氏距離與人視覺(jué)中的2種顏色的區(qū)別程度有更好的對(duì)應(yīng)，將特征向量值由RGB轉(zhuǎn)換到L*a*b*顏色空間[8-9]，即將特征向量(R,G,B)轉(zhuǎn)成L*a*b*顏色空間對(duì)應(yīng)的特征向量(L*,a*,b*)對(duì)纖維進(jìn)行分色處理時(shí)，可以認(rèn)為是對(duì)表征色纖維的特征向量進(jìn)行分類。

2.4 纖維顏色的聚類

從圖1可看出，有4種不同顏色的纖維，因此，要統(tǒng)計(jì)各顏色纖維所占比例，必須對(duì)圖像中的纖維顏色進(jìn)行分色處理，采用聚類算法實(shí)現(xiàn)圖像中纖維顏色的聚類分析。

局部密度ρi的計(jì)算公式如下：

(3)

式中，當(dāng)x<0時(shí)，χ(x)=1，否則χ(x)=0；參數(shù)dc表示截?cái)嗑嚯x。根據(jù)式(3)可知，ρi表示的是S中與xi之間的距離小于dc的數(shù)據(jù)點(diǎn)個(gè)數(shù)。

距離δi表示衡量點(diǎn)xi與其他密度更大的數(shù)據(jù)點(diǎn)之間的最小距離值，其計(jì)算公式如下：

(4)

當(dāng)xi具有最大局部密度時(shí)，δi表示S中與xi距離最大的數(shù)據(jù)點(diǎn)與xi之間的距離；否則，δi表示在所有局部密度大于xi的數(shù)據(jù)點(diǎn)中，與xi距離最小的那些數(shù)據(jù)點(diǎn)與xi之間的距離。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 纖維顏色分類結(jié)果與分析

利用本文算法對(duì)2個(gè)樣本分別采集的20張圖像進(jìn)行色纖維分類，每張圖都很準(zhǔn)確地分類出各種纖維顏色。

以圖1為例，區(qū)分出背景并完成色纖維定位后，確定圖中每根色纖維在L*a*b*顏色空間中的特征向量，經(jīng)聚類分析后，分類結(jié)果見(jiàn)圖5(a)。圖中每根纖維分類的標(biāo)注號(hào)1、2、3、4與其根數(shù)對(duì)應(yīng)，且灰度由淺至深依次表示第1類、第2類、第3類、第4類。同樣，樣本2經(jīng)聚類分析后，分類結(jié)果見(jiàn)圖5(b)，灰度由淺至深表示第1類和第2類。

圖5示出樣本1與樣本2采集的纖維圖像中截取的一部分色纖維圖像的分類結(jié)果。本文每種樣本圖像各有1 000根色纖維，利用本文算法，精確地分出所有色纖維的顏色，實(shí)現(xiàn)了精確分類。

3.2 色紡紗線中纖維混色比例分析

根據(jù)圖5分類結(jié)果，可以統(tǒng)計(jì)出各類顏色纖維的根數(shù)，從而計(jì)算出每種色纖維所占比例。樣本1和樣本2各有1 000根纖維，根據(jù)分類結(jié)果可以迅速統(tǒng)計(jì)各顏色纖維的根數(shù)。2個(gè)樣本各采集了20張圖像，每5張圖像取1個(gè)平均值，并與實(shí)際比例進(jìn)行比較，根據(jù)式(5)計(jì)算混紡比例偏差率BD[11]，計(jì)算結(jié)果見(jiàn)表1、2。

表1 樣本1色纖維平均比例的測(cè)量值Tab.1 Average proportion of color fibers (sample 1)

%

表2 樣本2色纖維平均比例的測(cè)量值Tab.2 Average proportion of color fibers (sample 2) %

(5)

式中：Bm為測(cè)量值，Ba為實(shí)際值。

對(duì)色纖維分類，統(tǒng)計(jì)出各顏色纖維根數(shù)并確定混紡比例后，算出4種色纖維的偏差率并對(duì)4種色纖維的偏差率取平均值，最終以平均偏差率作為實(shí)驗(yàn)結(jié)果的偏差率，由表1可知，基于數(shù)字圖像處理技術(shù)得到的色纖維混紡比例與實(shí)際值的誤差在10%以內(nèi)，每種顏色纖維比例與實(shí)際比例誤差在5%以內(nèi)。隨著樣品數(shù)的增加，色纖維混紡比例與實(shí)際值的誤差變小。

由表2可知，基于數(shù)字圖像處理技術(shù)得到的色纖維混紡比例與實(shí)際值的誤差在3%以內(nèi)，實(shí)驗(yàn)測(cè)得的比例與實(shí)際比例接近。

如表1、2所示，按照本文方法，精確地將樣本1的4類色纖維和樣本2的2類色纖維進(jìn)行了分類，并統(tǒng)計(jì)出每類色纖維所占比例且比例與實(shí)際比例誤差較小，說(shuō)明試驗(yàn)所用的色纖維分類及比例測(cè)定的算法可行。

4 結(jié) 論

利用數(shù)字圖像處理與分析技術(shù)對(duì)采集的圖像進(jìn)行處理和聚類分析，成功將色纖維進(jìn)行了分類，并統(tǒng)計(jì)出每類色纖維所占比例，應(yīng)用于色紡紗線中色纖維比例檢測(cè)。結(jié)果表明，采用本文提出的數(shù)字圖像處理技術(shù)對(duì)纖維顏色進(jìn)行分類的結(jié)果快速、準(zhǔn)確，因此可以該方法對(duì)色紡紗線中色纖維進(jìn)行準(zhǔn)確快速地分類并統(tǒng)計(jì)各類色纖維所占比例，分析方法精確高效，提高了生產(chǎn)效率。

[1] ABOUELELA A, ABBAS HM, ELDEEB H, et al. Automated vision system for localizing structural defects in textile fabrics[J]. Pattern Recognition Letters, 2005, 26(10): 1435-1443.

[2] 李玉紅. 基于數(shù)字圖像處理的拼毛比例自動(dòng)分析[D]. 無(wú)錫： 江南大學(xué), 2010：1-6. LI Yuhong. Wool blending based on digital image processing automatically[D]. Wuxi: Jiangnan University, 2010:1-6.

[3] 盧雨正, 高衛(wèi)東. 基于圖像分割的拼色紡織品分色算法[J]. 紡織學(xué)報(bào), 2012, 33(9): 55-60. LU Yuzheng, GAO Weidong. Color separation algorithm for mixed dyed textiles based on image segment-ation [J].Journal of Textile Research, 2012, 33(9): 55-60.

[4] LU Yuzheng, GAO Weidong, LIU Jihong. Color separation for colored fiber blends based on the fuzzy C-means cluster[J]. Color Research & Application, 2012, 37(3): 212-218.

[5] 鄒軒, 沈建強(qiáng), 馬立新, 等. 一種色織物的顏色表示與自動(dòng)識(shí)別方法[J].計(jì)算機(jī)工程, 2008, 34(19): 215-218. ZOU Xuan, SHEN Jianqiang, MA Lixin, et al. Me-thod of fabric color representation and automatic recogn-ition[J]. Computer Engineering, 2008, 34(19): 215-218.

[6] 孫銀銀, 潘如如, 高衛(wèi)東. 基于數(shù)字圖象處理的紗線毛羽檢測(cè)[J]. 紡織學(xué)報(bào), 2013，34(6): 102-106. SUN Yinyin, PAN Ruru, GAO Weidong. Detection of yarn hairiness based on digital image processing[J]. Journal of Textile Research, 2013, 34(6): 102-106.

[7] KIMH S, KIM S H, GO W K, et al. FPGA implementation of stereoscopic image proceesing architecture base on the gray-scale projection[C]// SoC Design Conference(ISOC-C). Korea: Cheongju University, 2012: 509-512.

[8] FAIRMAN H S, BRILL M H, HEMMENDINGER H. How the CIE 1931 color-matching functions were derived from the wright-guild Data[J]. Color Research & Application 1997, 22(1): 11-23.

[9] 何能斌, 杜云海. 基于Lab顏色空間的彩色等差線骨架線的提取[J]. 河南科學(xué), 2008, 26(11): 1324-1326. HE Nengbing, DU Yunhai. Extraction method of isochromatic′s skeleton based oil Lab color space[J]. Henan Science, 2008, 26(11): 1324-1326.

[10] ALEX Rodriguez, ALESSANDRO Laio. Clustering by fast search and find of density peaks[J]. Science, 2014, 344(6191): 1492-1496.

[11] 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(cè)初探[J]. 紡織學(xué)報(bào), 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.

Image inspection of fiber blending percentages in colored spun yarns

SHEN Lili1, LI Zhongjian1, PAN Ruru1, LU Yuzheng1, GAO Weidong1, TANG Peijun2

(1.KeyLaboratoryofEco-Textiles(JiangnanUniversity),MinistryofEducation,Wuxi,Jiangsu214122,China；2.BrosEasternCo.,Ltd.,Ningbo,Zhejiang315201,China)

10.13475/j.fzxb.20150104606

2015-01-22

2015-05-11

教育部博士點(diǎn)基金項(xiàng)目(20120093130001)；江蘇省產(chǎn)學(xué)研前瞻性研究項(xiàng)目(BY2013015-20)；霍英東教育基金資助項(xiàng)目(141071)

沈利利(1990—)，女，碩士生。研究方向?yàn)閿?shù)字化紡織技術(shù)。潘如如，通信作者，E-mail:prrsw@163.com。

TS 101.9

A