張 帆, 張團(tuán)善, 冀永樂, 顏亞飛,蒙春學(xué)

(西安工程大學(xué) 機(jī)電工程學(xué)院,陜西 西安 710048)

0 引 言

紡織行業(yè)在我國(guó)作為傳統(tǒng)行業(yè),高度依賴人工方式對(duì)紡織紗管的顏色進(jìn)行分揀,人工方式雖然能夠保證分揀的準(zhǔn)確性,但人工方式的效率低下,而且會(huì)增加紡織企業(yè)的勞動(dòng)成本.

目前,許多學(xué)者都對(duì)紗管的分揀系統(tǒng)及算法進(jìn)行了研究.在系統(tǒng)自學(xué)習(xí)方面,主要有李峰等設(shè)計(jì)的自動(dòng)理管機(jī)控制系統(tǒng)[1].劉志輝等結(jié)合支持向量機(jī)建立了顏色識(shí)別預(yù)測(cè)模型[2].在智能識(shí)別方面,余海波等提出了一種基于計(jì)算機(jī)軟件提高紗管分揀精度的方法[3].黃長(zhǎng)存等基于機(jī)器視覺實(shí)現(xiàn)了對(duì)紡織紗管的精確分揀[4].孫敏霞等提出基于顏色識(shí)別的嵌入式筒管分揀系統(tǒng)設(shè)計(jì)[5].劉志輝采用的色差算法及黃長(zhǎng)存、孫敏霞采用的歐式距離法檢測(cè)紗管顏色時(shí),雖然能提高紗管分揀的精度及效率,但該方法并沒有有效解決圖像采集過程的色偏問題,且算法相對(duì)復(fù)雜,在依據(jù)顏色分揀時(shí)，歐式距離法會(huì)導(dǎo)致顏色分量不同但結(jié)果卻一致的現(xiàn)象發(fā)生,檢測(cè)結(jié)果正確率不高.

基于機(jī)器視覺提出一種關(guān)于紡織紗管顏色分揀的算法,在保證分揀精度及效率的基礎(chǔ)上,采用多幀圖像平均法背景建模,利用背景差分法[6]獲取紗管目標(biāo)圖像,針對(duì)圖像獲取時(shí)產(chǎn)生的色偏現(xiàn)象[7],提出一種色偏糾正算法,可有效糾正色偏,獲得顏色鮮明的彩色圖像,并依據(jù)實(shí)驗(yàn)對(duì)比,采用雙邊濾波算法很好地濾除噪音[8],且得到的目標(biāo)能夠很好的保留邊緣細(xì)節(jié).進(jìn)而采用改進(jìn)色差法進(jìn)行顏色分揀[9-10].該分揀算法具有計(jì)算簡(jiǎn)單、識(shí)別正確率高、可移植性強(qiáng)等優(yōu)點(diǎn).

1 圖像預(yù)處理

1.1 圖像的獲取

照明方案的設(shè)置對(duì)提取到的彩色圖像質(zhì)量有較大影響,在配置光源時(shí)要考慮的因素包括:使目標(biāo)圖像與背景的對(duì)比度明顯,盡可能地減少反射;減少圖像噪聲,圖像盡可能不失真.針對(duì)紗管顏色單一的特征,采用前向照明,將光源與攝像頭都安裝在同側(cè),且都安裝在被檢測(cè)目標(biāo)的正上方.

圖 1 圖像采集裝置Fig.1 Image acquisition device.

在機(jī)器視覺測(cè)量系統(tǒng)中,圖像采集是圖像預(yù)處理的重要環(huán)節(jié),高質(zhì)量的圖像可以簡(jiǎn)化預(yù)處理環(huán)節(jié),提高程序的檢測(cè)效率和精確度.圖像采集設(shè)備主要包括彩色CCD攝像頭、圖像采集卡等.照明及采集裝置如圖1所示.

背景差分法主要是將拍攝過程分為背景和前景,其主要方法是利用多幀圖像平均法構(gòu)建背景模型,將獲得的當(dāng)前幀圖像與構(gòu)建的背景模板逐像素進(jìn)行差分比較.假設(shè)構(gòu)建的背景模型為Bk(x,y),當(dāng)前幀圖像的模型為fk+1(x,y),則當(dāng)前幀圖像模型與背景模型之間的變化可以用一個(gè)二值差分圖像模型Dk(x,y)來表示,得

(1)

圖 2 紗管區(qū)域圖像Fig.2 Tube region image

式中：T為閾值,適當(dāng)?shù)脑O(shè)置T值可以有效區(qū)別背景像素與目標(biāo)像素,經(jīng)實(shí)驗(yàn)得T的閾值范圍應(yīng)在10～20之間.根據(jù)式(1),當(dāng)那些與背景模型像素差值小于T的像素被標(biāo)記為背景,用0表示;而大于T的像素被標(biāo)記為前景目標(biāo),用1表示.

紗管區(qū)域提取是紗管智能識(shí)別的前提條件.首先通過攝像頭采集紗管的數(shù)字圖像,再根據(jù)背景差分法提取紗管區(qū)域.提取到的紗管區(qū)域圖像如圖2所示.

1.2 顏色模型轉(zhuǎn)換

在機(jī)器視覺中，一幅彩色圖像表示具有多種顏色模型.在以PYTHON軟件為圖像處理平臺(tái)時(shí),PYTHON平臺(tái)中圖像默認(rèn)表示方式是RGB顏色模型.且在工業(yè)行業(yè)中,圖像主要以RGB顏色模型表示,RGB顏色模型主要通過改變紅、綠、藍(lán)3種顏色以及它們之間的疊加關(guān)系來表示各種各樣的顏色.但缺點(diǎn)是R,G,B這3個(gè)分量是高度相關(guān)的,即如果一個(gè)顏色的某一個(gè)分量發(fā)生了一定程度的改變,那么這個(gè)顏色很可能要發(fā)生改變.對(duì)于紗管顏色分揀而言,在圖像獲取過程中,顏色會(huì)發(fā)生微小變化,因此對(duì)顏色進(jìn)行調(diào)節(jié).為了避免RGB分量發(fā)生變化導(dǎo)致顏色結(jié)果改變,需要選擇一種既能進(jìn)行色偏修正,又不改變顏色的顏色模型.

相對(duì)于RGB顏色模型,HSV顏色模型能夠非常直觀地表達(dá)色彩的明暗、色調(diào),以及鮮艷程度.當(dāng)分別對(duì)HSV中的單通道進(jìn)行色偏糾正時(shí),能有效避免目標(biāo)顏色發(fā)生變化.因此采用HSV顏色模型[12-14].假設(shè)所有的顏色值都已經(jīng)歸一化到范圍[0,1].在RBG 3個(gè)分量中,假定最大的為MAX,最小的為MIN.則RGB模型轉(zhuǎn)換到HSV模型的轉(zhuǎn)換公式為

(2)

(3)

V=MAX.

(4)

1.3 紗管圖像的色偏修正

在圖像采集過程中,由于各種各樣的原因會(huì)使圖像中的(R,G,B)值產(chǎn)生不同程度的改變,從而導(dǎo)致圖像顏色發(fā)生變化,使圖像出現(xiàn)色偏現(xiàn)象.而色偏現(xiàn)象的發(fā)生可能會(huì)造成錯(cuò)誤的顏色檢測(cè)結(jié)果.為保證顏色分揀的正確率,就需要對(duì)圖像進(jìn)行色偏修正,從而得到真實(shí)的圖像顏色,同時(shí)實(shí)現(xiàn)還原圖像真實(shí)色彩的目的. 由于專業(yè)的圖像采集設(shè)備能夠保證圖像的曝光和色溫,因此對(duì)于圖像的色偏修正主要考慮修正色調(diào)和飽和度.

1.3.1 色調(diào)(H)的修正 HSV顏色模型采用的是一個(gè)倒立的六棱錐,在H平面沿逆時(shí)針表示色相的變化,從0°到360°是可見光的全部色譜.六邊形的六個(gè)角分別表示紅、黃、綠、青、藍(lán)、品紅6個(gè)顏色的位置.將這6個(gè)顏色歸一化到[0,255]范圍后，它們對(duì)應(yīng)的值分別為0/255，85，170，43，128，213.在H平面以這6個(gè)值為中心,將中心附近的其他數(shù)值按照一定的步距向這6個(gè)值靠攏,最終達(dá)到每個(gè)色調(diào)值都與它最近的中心色調(diào)相接近的結(jié)果.經(jīng)過多次實(shí)驗(yàn)測(cè)試,步長(zhǎng)選為[0,5]時(shí)調(diào)節(jié)效果最佳,效果如圖3所示.經(jīng)對(duì)比分析,原圖像色調(diào)偏暗,修正后的圖像色調(diào)感更強(qiáng)、視覺效果更加鮮艷．

(a) 原圖像 (b) 修正色調(diào)后圖像圖 3 原圖像與修正色調(diào)后圖像Fig.3 Original image and image with modified tone

1.3.2 圖像飽和度(S)的修正 在HSV顏色模型的六棱錐中,頂面的正六邊形平面即為S平面.S的值在0到1之間變化,為了使處理方便,需要將S的值分散到[0,255]范圍內(nèi),在此范圍內(nèi)的飽和度有256種取值,對(duì)于各種取值在目標(biāo)圖像中出現(xiàn)的概率,計(jì)算其數(shù)學(xué)期望N∈[0,255].將原圖像中每一個(gè)像素的飽和度的取值范圍[0,255]線性變換到[0,N]范圍內(nèi),以便修正圖像的飽和度,線性變換公式為

(5)

式中:S為原像素飽和度,S′為調(diào)節(jié)后的飽和度.

如果N比較大時(shí),目標(biāo)圖像的飽和度過高,可降低其飽和度,得到較柔和的彩色圖像,所用變換公式為

(6)

飽和度調(diào)節(jié)后的圖像結(jié)果如圖4所示.經(jīng)對(duì)比分析,原圖像在經(jīng)過飽和度修正后,圖像顏色更加鮮明.

(a) 原圖像 (b) 修正飽和度后圖像圖 4 原圖像與修正飽和度后圖像Fig.4 Original image and image with modified saturation

通過以上2個(gè)步驟,完成了圖像色調(diào)和飽和度的修正,即完成了色偏的修正.經(jīng)過色偏修正后的圖像顯示如圖5所示.經(jīng)對(duì)比分析,原圖像在經(jīng)過色調(diào)及飽和度修正后,圖像顏色更加具有真實(shí)感,更加鮮明,實(shí)現(xiàn)了還原圖像顏色的目的.

(a) 原圖像 (b) 修正色偏后圖像圖 5 原圖像與修正色偏后圖像Fig.5 Original image and image with modified color deviation

1.4 圖像去噪

目標(biāo)圖像區(qū)域由于受到噪聲、光照不均以及攝像頭等電子設(shè)備精度及其他問題的影響而產(chǎn)生圖像噪聲,因此需要采用合適的濾波方法去除這些噪聲.常用的濾波算法有均值濾波、高斯濾波和中值濾波及雙邊濾波等.

按照HSV顏色模型將彩色圖像進(jìn)行H,S,V分量分解,分別提取顏色平面內(nèi)的灰度分量,采用合適的濾波器對(duì)灰度圖像去除噪聲,再將各分量通道合并為彩色圖像.在HSV模型中,針對(duì)H通道、S通道、V通道分別采用均值濾波、中值濾波、高斯濾波及雙邊濾波進(jìn)行濾波去噪處理.將濾波后的各通道的灰度圖像進(jìn)行合并,并將HSV模型轉(zhuǎn)換為RGB模型顯示,得到去噪后的效果圖如圖6所示.

圖 6 濾波圖像Fig.6 Filtered image

通過圖像對(duì)比分析得出，均值濾波無法較好地去除噪聲,并且會(huì)產(chǎn)生邊緣模糊的負(fù)面效應(yīng);高斯濾波雖能很好地去除噪聲,但依然會(huì)將紗管輪廓模糊掉;中值濾波對(duì)高斯噪聲的抑制效果不明顯,對(duì)除噪聲有較好的去除效果,但相比于雙邊濾波,輪廓依然模糊;雙邊濾波相比于以上3種濾波方法而言不但能很好地去除圖像中的噪聲,而且能夠有效保持邊界的清晰度.因此選擇用雙邊濾波進(jìn)行去噪處理.通過大量實(shí)驗(yàn)驗(yàn)證,采用雙邊濾波對(duì)其他顏色紗管進(jìn)行濾波處理,能夠有效去除噪聲,并且在去噪的基礎(chǔ)上可以很好地保持紗管邊界．

圖 7 顏色檢測(cè)流程圖Fig.7 Flow chart of color detection

2 紗管顏色識(shí)別

在經(jīng)過了前面對(duì)彩色圖像的預(yù)處理操作之后,獲得了無噪聲影響且顏色鮮明的紗管目標(biāo)圖像,這時(shí)就可以開始對(duì)紗管顏色進(jìn)行檢測(cè).在進(jìn)行顏色分揀前,需要將顏色模型從HSV轉(zhuǎn)換到RGB模型.顏色檢測(cè)流程如圖7所示.

2.1 改進(jìn)色差法

圖像的RGB顏色模型可以看成是以R,G,B為3個(gè)坐標(biāo)的三維笛卡爾空間,在這個(gè)空間內(nèi),一個(gè)像素點(diǎn)的坐標(biāo)可以表示成(r1,g1,b1),另一個(gè)像素點(diǎn)的坐標(biāo)即為(r2,g2,b2),定義2個(gè)像素點(diǎn)之間的直線距離即為色差Cv,即:

(7)

顏色特征識(shí)別是把采集到的圖像信號(hào)的顏色信息與事先定義的模板顏色信息進(jìn)行匹配,并設(shè)定閾值,如果二者的色差在閾值范圍內(nèi),則說明兩種顏色匹配[15].但也會(huì)出現(xiàn)顏色分量不同,而色差一致現(xiàn)象發(fā)生.

針對(duì)紗管圖像中紗管顏色比較單一的特點(diǎn),將式(7)進(jìn)行改進(jìn),采用顏色矩形式對(duì)單個(gè)顏色分量進(jìn)行比較計(jì)算,其公式為

(8)

式中：r1,g1,b1分別表示待識(shí)別紗管顏色R,G,B分量值;rm,gm,bm分別表示模板圖像紗管顏色R,G,B分量值;Cr,Cg,Cb分別表示待測(cè)紗管顏色R,G,B各分量值在模板圖像紗管顏色R,G,B分量中的差值百分比.

首先提取紗管圖像的像素大小,對(duì)紗管目標(biāo)區(qū)域遍歷每個(gè)像素,將每個(gè)像素點(diǎn)的R，G，B值作為特征量,統(tǒng)計(jì)各分量值的單個(gè)總量,并計(jì)算單位像素各分量的分量值,將此分量的平均值與系統(tǒng)中所保存的模板圖像分量根據(jù)式(8)進(jìn)行比較,若Cr,Cg,Cb均小于或等于閾值C,就將模板圖像的顏色指定為所要識(shí)別的紗管的顏色.

2.2 顏色檢測(cè)結(jié)果與分析

針對(duì)不同顏色的紗管,采用色偏糾正算法、雙邊濾波算法處理并經(jīng)過顏色檢測(cè)后得到的實(shí)驗(yàn)結(jié)果圖像如圖8所示.對(duì)比分析可知:目標(biāo)圖像經(jīng)過色偏糾正后圖像顏色更加鮮明,且采用雙邊濾波可以有效濾除圖像中的噪聲,使得紗管輪廓更加清晰,有效地保留了圖像細(xì)節(jié);在基于SVM分類器進(jìn)行聚類方式實(shí)現(xiàn)顏色檢測(cè)的過程中,參數(shù)的選擇包括核函數(shù)K和損失函數(shù)E以及參數(shù)C和P的調(diào)整,而采用基于模板匹配的改進(jìn)色差法,只需比較3個(gè)參數(shù)Cr,Cg,Cb,相比較而言該方法參數(shù)少,運(yùn)算過程簡(jiǎn)單;在正確率方面,傳統(tǒng)的采用歐式距離的色差檢測(cè)方法中會(huì)出現(xiàn)(R,G,B)值不同而結(jié)果卻一致的現(xiàn)象,而采用改進(jìn)色差法分別針對(duì)(R,G,B)值采用顏色矩得到Cr,Cg,Cb,通過分析目標(biāo)顏色的(R,G,B)值和模板顏色(R,G,B)值之間的色差,得出誤差(Cr,Cg,Cb)可有效的控制在5%以內(nèi),且平均誤差控制在2%～3%之間,有效地保證了目標(biāo)識(shí)別的正確率.

圖 8 部分紗管樣本顏色檢測(cè)結(jié)果Fig.8 Color detection results of partial yarn tube samples

3 結(jié)束語(yǔ)

以紗管顏色為對(duì)象提出了一種基于機(jī)器視覺的紡織紗管顏色分揀算法,通過對(duì)紡織紗管目標(biāo)區(qū)域提取,采用色偏校正方法有效得到了彩色圖像,并采用雙邊濾波法對(duì)目標(biāo)圖像進(jìn)行濾波處理,經(jīng)過改進(jìn)色差法實(shí)現(xiàn)了紗管按照顏色進(jìn)行分揀.通過實(shí)驗(yàn)驗(yàn)證,經(jīng)過改進(jìn)色差法得到的目標(biāo)顏色與模板顏色誤差控制在5%內(nèi),并且從理論上有效消除了采用歐式距離法檢測(cè)顏色時(shí)出現(xiàn)顏色分量不同、結(jié)果卻一致的現(xiàn)象.此算法具有計(jì)算簡(jiǎn)單，識(shí)別正確率高,可移植性強(qiáng)的優(yōu)點(diǎn),可用于不同顏色紡織紗管的分揀,對(duì)于紡織企業(yè)具有一定的應(yīng)用價(jià)值.