李曉慧++++陳智勇++++韓瓏枝

摘要

由于原棉質(zhì)量的好壞直接影響著棉紡織品的質(zhì)量和價格，與棉花加工企業(yè)、紡織企業(yè)的經(jīng)濟(jì)效益休戚相關(guān)，同時隨著圖像處理與計算機(jī)技術(shù)的發(fā)展，機(jī)器視覺檢測系統(tǒng)在棉纖維檢驗(yàn)領(lǐng)域的應(yīng)用日益增加。文章在棉纖維檢驗(yàn)技術(shù)要求的基礎(chǔ)上，采用LoG方法對棉纖維圖像進(jìn)行分割，并通過仿真實(shí)驗(yàn)進(jìn)行對比分析，驗(yàn)證了LoG方法在棉纖維圖像分割中的有效性，為棉纖維檢驗(yàn)領(lǐng)域中的機(jī)器視覺檢測系統(tǒng)提供了理論支撐和數(shù)據(jù)參考。

關(guān)鍵詞： 棉纖維；質(zhì)量檢測；圖像分割；LoG算子

我國具有悠久的植棉歷史，既是產(chǎn)棉大國，也是用棉大國。棉花是我國主要的經(jīng)濟(jì)作物之一，也是紡織工業(yè)的重要原料，與農(nóng)、工、商各方利益休戚相關(guān)。根據(jù)國家統(tǒng)計局發(fā)布的數(shù)據(jù)顯示，2016年，我國棉花種植面積為5070萬畝，總產(chǎn)量534萬噸[1]。作為大宗農(nóng)產(chǎn)品，棉花在加工、貿(mào)易以及紡織生產(chǎn)過程中為了公平、公正地進(jìn)行貿(mào)易結(jié)算，需要對棉花的質(zhì)量進(jìn)行檢測與檢驗(yàn)，以維護(hù)好農(nóng)、工、商各方利益。同時，隨著計算機(jī)技術(shù)與檢測技術(shù)的發(fā)展，機(jī)器視覺檢測系統(tǒng)[2]在棉纖維檢驗(yàn)領(lǐng)域也得到廣泛應(yīng)用，目前我國普遍采用大容量棉纖維測試儀（簡稱HVI）進(jìn)行棉纖維的儀器化檢驗(yàn)，在提高工作效率的同時，也使得檢驗(yàn)結(jié)果更具科學(xué)性和公正性。

本文在棉纖維檢驗(yàn)的基礎(chǔ)上，針對棉纖維儀器化檢驗(yàn)系統(tǒng)中圖像分割方法這個關(guān)鍵環(huán)節(jié)進(jìn)行了系統(tǒng)分析與試驗(yàn)，為棉纖維檢驗(yàn)領(lǐng)域中的機(jī)器視覺檢測系統(tǒng)提供了技術(shù)支撐和數(shù)據(jù)參考。

1 棉纖維檢驗(yàn)與機(jī)器視覺系統(tǒng)

目前，我國現(xiàn)行的棉花標(biāo)準(zhǔn)與美國棉花標(biāo)準(zhǔn)分級規(guī)定基本接軌，主要體現(xiàn)在：第一，棉花質(zhì)量都以儀器檢驗(yàn)為主，個別指標(biāo)以人工檢驗(yàn)補(bǔ)充；第二，儀器檢驗(yàn)的指標(biāo)在分級儀器和檢驗(yàn)方法上基本相同；第三，棉花質(zhì)量指標(biāo)的具體內(nèi)容接近，但在人工感官檢驗(yàn)方面有存在不同。

我國棉花標(biāo)準(zhǔn)在棉纖維指標(biāo)的檢驗(yàn)上，除了包括軋工質(zhì)量在內(nèi)的少量指標(biāo)人工感官檢驗(yàn)外，顏色級、長度、馬克隆值、長度整齊度指數(shù)、斷裂比強(qiáng)度等大部分指標(biāo)普遍采用大容量棉纖維測試儀進(jìn)行儀器化檢驗(yàn)，提高了檢驗(yàn)的效率和效果。

HVI作為機(jī)器視覺自動化檢測系統(tǒng)，主要包括光源、光學(xué)系統(tǒng)、圖像采集系統(tǒng)、數(shù)字圖像處理與智能判斷決策模塊和機(jī)械控制執(zhí)行模塊。它通過數(shù)字圖像處理技術(shù)代替人眼對目標(biāo)進(jìn)行分析，用計算機(jī)來模擬人類的視覺功能，從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，用于檢測、測量和控制，有效克服了人工方式的不足，提高生產(chǎn)效率，在棉花纖維檢驗(yàn)領(lǐng)域得到廣泛應(yīng)用，而圖像分割方法是機(jī)器視覺檢測的基礎(chǔ)，對檢測的效果有著重要影響。

2 LoG圖像分割方法

圖像分割[3-4]是指根據(jù)圖像的灰度、顏色、幾何形狀以及空間紋理等特征把圖像劃分成若干互不交疊的區(qū)域，使得在同一區(qū)域內(nèi)這些特征呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。目前，圖像分割方法主要可分為基于閾值分割方法、基于邊緣分割方法以及基于區(qū)域分割方法等。由于在棉纖維檢驗(yàn)視覺檢測系統(tǒng)中，圖像采集過程中容易受到環(huán)境因素干擾，因此，棉纖維圖像分割方法需要有濾波的環(huán)節(jié)[5-6]。

LoG（Laplacian of Gaussian，簡稱LoG），也稱作拉普拉斯高斯算法，它是將邊緣檢測與高斯濾波結(jié)合而形成的。其主要優(yōu)勢在于圖像先與高斯濾波器g（x，y）進(jìn)行卷積，進(jìn)行圖像平滑、降噪，同時去除一些孤立的噪聲點(diǎn)，然后通過拉普拉斯算子 2進(jìn)行圖像分割。假定原圖像為f（x，y），通過卷積和算子處理，獲得輸出結(jié)果圖像：h（x，y）：

h（x，y）= 2 [ g（x，y）× f（x，y）] （1）

其中：g（x，y）為高斯濾波器， ；

2為拉普拉斯運(yùn)算，

在線性系統(tǒng)中，微分和卷積運(yùn)算的順序是可以進(jìn)行互換的，進(jìn)而得到：

（2）

（3）

其中，經(jīng)過微分和平滑合并后：

（4）

稱為高斯拉普拉斯算子，針對離散的數(shù)字圖像，LoG通?？梢圆捎秒x散的模板進(jìn)行近似計算，一般來講，LoG算子是一個5×5的模板，具體如圖1所示。

其具體分割流程如圖2所示。

3 棉纖維圖像分割試驗(yàn)

3.1 試驗(yàn)平臺

試驗(yàn)選取淡點(diǎn)污棉二級棉花作為樣本，通過CMOS相機(jī)采集棉花圖像，采集的圖像為BMP格式，尺寸2055×1860像素，位深度24位。

試驗(yàn)硬件平臺是在戴爾計算機(jī)上進(jìn)行的，該計算機(jī)配備CORE i5 2.0MHz CPU，4GB 內(nèi)存，500 MB硬盤。

試驗(yàn)程序采用Matlab 6仿真實(shí)現(xiàn)，程序運(yùn)行于Windows 7操作系統(tǒng)上。

3.2 LoG算法分割試驗(yàn)結(jié)果與分析

針對試驗(yàn)中采集的淡點(diǎn)污棉二級棉花樣品圖像，如圖3所示，采用邊緣分割方法中的Canny方法對棉花圖像進(jìn)行分割，分割結(jié)果如圖4所示，為了便于結(jié)果分析，將圖像分割結(jié)果反色后的圖像如圖5所示。

將原始樣品圖3與圖5進(jìn)行對比可以看出，LoG算法屬于二階微分方法類別，通過計算灰度的二階微分來增強(qiáng)圖像，然后通過尋找二階微分中的零穿越來圖像分割，進(jìn)而檢測邊緣。LoG算法采用的梯度按閾值取舍方法，能夠高效地將棉花圖像中的異常點(diǎn)與背景圖像分離開，同時，分割出的棉花背景噪聲小，棉花表面異常點(diǎn)邊緣清楚、提取的圖像目標(biāo)邊緣流暢。

3.4 LoG算法分割效能評估與分析

選取試驗(yàn)中的淡點(diǎn)污棉二級棉花樣本10例，分別采集樣本圖像，針對棉花中的破籽指標(biāo)進(jìn)行試驗(yàn)，將LoG分割結(jié)果與感官檢驗(yàn)結(jié)果（標(biāo)準(zhǔn)值）通過差值的標(biāo)準(zhǔn)差指標(biāo)進(jìn)行對比分析。分割效能統(tǒng)計結(jié)果如表1所示。

為了進(jìn)行對分割效能量化分析，試驗(yàn)通過計算差值的標(biāo)準(zhǔn)差方式進(jìn)行結(jié)果的離散程度評估，標(biāo)準(zhǔn)差參照如下面公式計算如下：

（5）

其中，N為樣本個數(shù)，μ為算術(shù)平均值。

經(jīng)過公式（5）計算，得到差值的標(biāo)準(zhǔn)差為1.173787，差值的整體離散性小，同時反映了LoG方法進(jìn)行圖像分割的有效性，可有效用于棉纖維指標(biāo)檢驗(yàn)。

4 結(jié)束語

目前我國普遍采用大容量棉纖維測試儀（簡稱HVI）進(jìn)行棉纖維的儀器化檢驗(yàn)，本文從機(jī)器視覺檢測系統(tǒng)在棉纖維檢驗(yàn)領(lǐng)域的實(shí)際應(yīng)用出發(fā)，詳細(xì)論述了LoG圖像分割方法在棉纖維檢驗(yàn)系統(tǒng)中的應(yīng)用，結(jié)合淡點(diǎn)污棉二級棉花樣品的圖像分割試驗(yàn)，討論了圖像分割方法在機(jī)器視覺檢測系統(tǒng)中的應(yīng)用前景，為推進(jìn)棉纖維自動化檢測系統(tǒng)的研究與開發(fā)提供了參考依據(jù)。

在棉花圖像分割試驗(yàn)之后，如何針對大量棉樣進(jìn)行試驗(yàn)分析，以及對棉花圖像表面進(jìn)行分析與識別將是下一個階段的工作。

參考文獻(xiàn)：

[1] 國家統(tǒng)計局.國家統(tǒng)計局關(guān)于2016年統(tǒng)計公報. [EB/OL].http：//www.stats.gov.cn/tjsj/zxfb/201702/t20170228_1467424.html.

[2] 田村秀行.計算機(jī)圖像處理[M].金喜子，喬雙，譯.北京：科學(xué)出版社，2004.

[3] 陳欽政，賴惠成，王星，等.一種基于支持向量機(jī)的棉花圖像分割算法[J].計算機(jī)工程，2013，39（5）：266-269.

[4] 章毓晉.圖像分割[M].北京：科學(xué)出版社，2001.

[5] 陳君.多源圖像融合技術(shù)在棉花病蟲害診斷中的應(yīng)用[J]. 湖北農(nóng)業(yè)科學(xué)，2013，52（11）：2555-2557.

[6] 刁智華，王歡，宋寅卯，等.復(fù)雜背景下棉花病葉害螨圖像分割方法[J].農(nóng)業(yè)工程學(xué)報，2013，29（5）：147-150.

（作者單位：河南省纖維檢驗(yàn)局）endprint