景軍鋒，寧小翠，李鵬飛，張緩緩

(西安工程大學(xué) 電子信息學(xué)院，陜西 西安 710048)

紗線毛羽對(duì)于紗線的質(zhì)量有著很大的影響，也會(huì)影響紡織品的外觀以及手感，故對(duì)于紗線毛羽的檢測(cè)是紡織行業(yè)的重要一環(huán)[1]。Uster公報(bào)對(duì)于紗線毛羽的評(píng)價(jià)包括毛羽長(zhǎng)度指數(shù)、CV值等，紗線單位長(zhǎng)度上毛羽根數(shù)對(duì)于毛羽指數(shù)有著很大的影響，因此對(duì)于紗線毛羽的準(zhǔn)確計(jì)數(shù)至關(guān)重要。

目前毛羽統(tǒng)計(jì)的方法有投影計(jì)數(shù)法，如采用YG172毛羽儀測(cè)試；圖像處理法，如等高線統(tǒng)計(jì)法[2]、像素追蹤法等，然而這些方法中多數(shù)忽略了重疊交叉毛羽以及圈毛羽的影響[3]，因而對(duì)于重疊交叉毛羽的分割計(jì)數(shù)鮮有涉及。傳統(tǒng)的圖像分割方法包括基于聚類的方法[4]，形態(tài)學(xué)方法[5]，分水嶺方法[6]，最大類間方差法[7]等。 形態(tài)學(xué)方法包括形態(tài)學(xué)開運(yùn)算和形態(tài)學(xué)閉運(yùn)算，其需要運(yùn)用膨脹腐蝕輪廓邊緣線, 但膨脹腐蝕的次數(shù)需要人工手動(dòng)設(shè)置，存在效率低、普適性不足的問題。分水嶺方法的計(jì)算簡(jiǎn)單，精度高，但對(duì)噪聲敏感，會(huì)產(chǎn)生過分割現(xiàn)象，造成較大的誤差，故該方法在實(shí)際的纖維重疊交叉圖像中并不實(shí)用。最大類間方差法是應(yīng)用最廣泛的圖像分割方法，然而交叉毛羽的灰度值相近，導(dǎo)致將重疊部分多根毛羽連為一體，常用的分割方法難以分割準(zhǔn)確。

1 圖像采集

實(shí)驗(yàn)采用XSP-06-1600X光學(xué)顯微鏡進(jìn)行紗線毛羽圖像的采集，顯微鏡放大倍數(shù)為40倍。首先利用載玻片搭載紗線，通過調(diào)節(jié)顯微鏡的光圈來得到清晰的紗線毛羽圖像，然后進(jìn)行圖片抓取。

2 圖像處理

2.1 圖像預(yù)處理

首先對(duì)采集到的圖像進(jìn)行灰度化處理，紗線毛羽圖像見圖1，紗線圖像灰度化處理結(jié)果見圖2。

圖1 紗線毛羽圖像

圖2 紗線圖像灰度化處理結(jié)果

圖3 紗線圖像形態(tài)學(xué)重建結(jié)果

2.2 紗線毛羽輪廓提取

邊界提取方法有Canny邊緣檢測(cè)、Sobel算子[13]邊緣檢測(cè)等。Canny邊緣檢測(cè)具有準(zhǔn)確度高、使用方便的優(yōu)點(diǎn)，但在檢測(cè)中會(huì)造成邊緣不連貫存在斷層，從而給后續(xù)處理帶來障礙。水平集的測(cè)地活動(dòng)輪廓模型對(duì)于圖像的拓?fù)渥兓哂辛己玫倪m用性，該特點(diǎn)對(duì)于復(fù)雜的紗線毛羽輪廓來說十分有利。水平集方法的基本思想是引入偏微分方法將n維空間的演化問題表達(dá)為n+1維空間的高維演化問題。將活動(dòng)輪廓模型轉(zhuǎn)化為求解最小化能量泛函的值，這樣可以有效地改善在曲線演化過程中拓?fù)浣Y(jié)構(gòu)改變問題。測(cè)地活動(dòng)輪廓模型是基于邊緣的圖像分割方法，如果圖像中的對(duì)象與背景的分界處存在像素值上的差異，那么對(duì)象的輪廓就會(huì)形成明顯的邊緣，也就是說圖像的梯度模值在圖像的邊緣處會(huì)達(dá)到局部最大值。在該理論的基礎(chǔ)上，Caselles等提出了測(cè)地活動(dòng)輪廓模型(GAC)，對(duì)于Snake模型的部分不足進(jìn)行了改進(jìn)，解決了模型初始條件影響較大、無法自動(dòng)處理拓?fù)渥兓膯栴}[14]。GAC模型可以用式(1)泛函表示：

(1)

引入Heaviside函數(shù)，可以得到變分水平集方法表示,如式(2)所示：

E(φ)=?Ωg|H(φ)|dxdy+cΩ1g[1-H(φ)]dxdy

(2)

GAC模型的梯度下降流表達(dá)式如式(3)所示：

(3)

式中：c為常速度系數(shù)；g為邊緣停止函數(shù)；z為紗線圖像的梯度模值；r為選擇的一個(gè)值為正的常數(shù)；H(z)為Heaviside函數(shù)；δe為所選擇的Heaviside函數(shù)的導(dǎo)數(shù)；ε為控制函數(shù)從0變?yōu)?的速度快慢參數(shù)。其中δe、c、g可以使函數(shù)在紗線圖像平坦區(qū)域的演化速度加快。

基于水平集的測(cè)地活動(dòng)輪廓模型的處理結(jié)果以及Canny邊緣檢測(cè)結(jié)果圖的對(duì)比見圖4。

現(xiàn)以第十期監(jiān)測(cè)數(shù)據(jù)為例展開分析，此階段所有的檢測(cè)點(diǎn)均已布設(shè)完畢，其中21個(gè)監(jiān)測(cè)點(diǎn)被破壞、遮擋或存在積水無法觀測(cè)，其余98個(gè)測(cè)點(diǎn)數(shù)據(jù)均在平差后錄入數(shù)據(jù)庫，并生成相應(yīng)圖表。

2.3 輪廓角點(diǎn)提取

在圖像的識(shí)別和圖像處理中，許多重疊或者黏連物體的分割都需要圖像輪廓的凹點(diǎn)信息。凹點(diǎn)提取的前提是紗線毛羽邊緣的角點(diǎn)檢測(cè)。在利用水平集測(cè)地活動(dòng)輪廓模型獲取紗線毛羽的連續(xù)邊界輪廓后，進(jìn)行角點(diǎn)提取。

角點(diǎn)即曲線上局部曲率最大的點(diǎn)，是圖像重要的特征，對(duì)圖像圖形的理解和分析有著重要的作用[15]。目前的角點(diǎn)檢測(cè)算法可以歸納為3類：基于灰度圖像的角點(diǎn)檢測(cè)，基于二值圖像的角點(diǎn)檢測(cè)，基于輪廓曲線的角點(diǎn)檢測(cè)。對(duì)于連續(xù)曲線來說，可以直接計(jì)算其曲率，而數(shù)字圖像由一組離散坐標(biāo)點(diǎn)組成，故無法直接計(jì)算紗線毛羽輪廓線上各個(gè)像素點(diǎn)的曲率，因此采用離散曲率公式計(jì)算各個(gè)像素點(diǎn)的曲率大小。常用的離散曲率計(jì)算方法有增量曲率，點(diǎn)到弦距離累加，k轉(zhuǎn)交曲率，k余弦曲率等。然而增量曲率以及點(diǎn)到弦距離累加的角點(diǎn)檢測(cè)算法存在角點(diǎn)定位低，算法時(shí)間復(fù)雜度高的問題。故采用k余弦曲率檢測(cè)方法。使用k余弦曲率計(jì)量圖像輪廓曲線上的曲率值，通過控制輸入的參數(shù)得到曲率，曲率的局部極值點(diǎn)輸出為角點(diǎn)。

將第t條輪廓曲線表示為:

S={Pi:(xi,yi)|i=1,2,…,n}

(4)

式中n為第t條輪廓線上點(diǎn)的個(gè)數(shù)。

對(duì)于點(diǎn)Pi(xi,yi)找出前移和后移的第k個(gè)點(diǎn)Pi-k(xi-k,yi-k)以及Pi+k(xi+k,yi+k)，k余弦示意圖見圖5，向量Pi-kPi以及向量Pi+kPi之間夾角的k余弦定義如式(5)所示：

(5)

圖5 k余弦示意圖

將在Pi兩側(cè)計(jì)算曲線上所有點(diǎn)與P形成的向量夾角的余弦值進(jìn)行比較，可以得到余弦值最大的夾角，記作Cmax，當(dāng)前的k值記作km。曲率的極大值點(diǎn)應(yīng)該滿足余弦值極大，然后設(shè)定閾值Ct，若某點(diǎn)的余弦值大于閾值就意味著該點(diǎn)是輪廓曲線的曲率極大值點(diǎn)，即角點(diǎn)。紗線毛羽的角點(diǎn)檢測(cè)結(jié)果見圖6。

圖6 紗線毛羽角點(diǎn)檢測(cè)結(jié)果

圖6角點(diǎn)中，有一部分是毛羽的不規(guī)則輪廓形成的，稱之為偽角點(diǎn)，偽角點(diǎn)會(huì)對(duì)檢測(cè)造成干擾引起誤差，因此通過對(duì)輪廓邊界點(diǎn)與其的前繼點(diǎn)和后繼點(diǎn)形成夾角進(jìn)行非極大值抑制來實(shí)現(xiàn)偽角點(diǎn)剔除。偽角點(diǎn)剔除后的檢測(cè)結(jié)果見圖7。

圖7 剔除偽角點(diǎn)后的檢測(cè)結(jié)果

為了使紗線交叉毛羽的角點(diǎn)更加清晰可見，對(duì)角點(diǎn)提取的圖片放大20倍。紗線毛羽角點(diǎn)檢測(cè)局部放大圖見圖8。

圖8 紗線毛羽角點(diǎn)檢測(cè)局部放大圖

2.4 紗線毛羽輪廓凹點(diǎn)匹配

計(jì)算每一個(gè)候選角點(diǎn)P與其等距離的前繼點(diǎn)Pi-k和后繼點(diǎn)Pi+k組成向量的逆時(shí)針夾角θ, 設(shè)定角點(diǎn)與前繼點(diǎn)和后繼點(diǎn)所組成的夾角閾值為α，若向量OPi-k沿逆時(shí)針方向到向量OPi+k的夾角值θ大于等于設(shè)定的夾角閾值α，那么該角點(diǎn)是凹點(diǎn)；否則該點(diǎn)是非凹點(diǎn)。凹點(diǎn)和非凹點(diǎn)的示意圖見圖9。

圖9 凹點(diǎn)和非凹點(diǎn)示意圖

采用凹點(diǎn)匹配算法表示紗線毛羽圖像輪廓邊界上的凹點(diǎn)是黏連毛羽分割中重要的特征，也是確定分割線的依據(jù)。在紗線毛羽的圖像中，對(duì)于交叉的毛羽來說，重疊交叉區(qū)域包含4個(gè)凹點(diǎn)。通過將凹點(diǎn)進(jìn)行匹配，然后連接匹配的凹點(diǎn)即可實(shí)現(xiàn)交叉黏連毛羽的分離。算法的主要流程為：將紗線毛羽輪廓邊界的凹點(diǎn)按照順時(shí)針方向存儲(chǔ)，坐標(biāo)從凹點(diǎn)集中的第1個(gè)凹點(diǎn)開始，為每一個(gè)凹點(diǎn)找到匹配的凹點(diǎn)。設(shè)起始的凹點(diǎn)為Pi，按順序?qū)ふ以擖c(diǎn)處理相鄰點(diǎn)之外的匹配凹點(diǎn)，需滿足2個(gè)條件：①2個(gè)凹點(diǎn)之間的歐氏距離最短；②2個(gè)凹點(diǎn)連線的中點(diǎn)處在紗線毛羽輪廓的內(nèi)部。此時(shí)2個(gè)匹配凹點(diǎn)的連線即為重疊交叉毛羽的分割線。凹點(diǎn)匹配示意圖見圖10。

圖10 凹點(diǎn)匹配示意圖

2.5 實(shí)驗(yàn)驗(yàn)證及結(jié)果分析

仿真實(shí)驗(yàn)在MATLAB2016a環(huán)境下進(jìn)行編譯，實(shí)驗(yàn)采用32 tex和40 tex 2種規(guī)格的新疆純棉紗線作為樣本進(jìn)行驗(yàn)證。樣本分為2組，每種規(guī)則的紗線采集500幅紗線圖片，圖片放大45倍。2根毛羽交叉，3根毛羽交叉以及多根毛羽重疊交叉的凹點(diǎn)匹配結(jié)果分別見圖11、12、13。

圖11 2根毛羽重疊交叉的凹點(diǎn)匹配結(jié)果

圖12 3根毛羽重疊交叉的凹點(diǎn)匹配結(jié)果

圖13 多根毛羽重疊交叉的凹點(diǎn)匹配結(jié)果

由圖11～13可以看出，對(duì)于紗線的交叉毛羽，2根毛羽的情況利用提出的凹點(diǎn)匹配可以較為準(zhǔn)確的得到分割線，而對(duì)于3根毛羽交叉的情況，凹點(diǎn)匹配存在欠分割的情況，對(duì)于多根毛羽交叉的情況存在過分割的情況。 對(duì)于2根毛羽的重疊交叉情況分割準(zhǔn)確率較高，可以達(dá)到96.8%；對(duì)于3～5根毛羽重疊交叉情況隨著毛羽交叉黏連情況的復(fù)雜度增加，分割準(zhǔn)確率有一定程度的下降，但分割準(zhǔn)確率可以達(dá)到73.4%。因?yàn)樵谠O(shè)置凹點(diǎn)匹配條件時(shí)，取了凹點(diǎn)對(duì)的最短歐氏距離，利用顯微鏡拍攝的紗線毛羽圖像不均勻，導(dǎo)致干擾的凹點(diǎn)過多，所以出現(xiàn)了欠分割和過分割現(xiàn)象，使得本文算法對(duì)于超過3根毛羽交叉的情況準(zhǔn)確率有所下降。

3 結(jié)束語

為了解決紡織行業(yè)紗線毛羽檢測(cè)中存在的紗線毛羽重疊交叉問題，提出利用凹點(diǎn)匹配來進(jìn)行毛羽分割的方法。利用形態(tài)學(xué)重建消除了采集過程中過多的噪聲影響，采用水平集活動(dòng)輪廓模型得到了連續(xù)流暢的紗線毛羽輪廓邊界曲線，再通過焦點(diǎn)檢測(cè)結(jié)合凹點(diǎn)檢測(cè)原則提取凹點(diǎn)，最后進(jìn)行凹點(diǎn)匹配進(jìn)行分割線的連接。通過大量的樣本進(jìn)行驗(yàn)證，本文提出的算法對(duì)于2根重疊交叉毛羽的分割準(zhǔn)確率達(dá)到了96.8%，2根以上的重疊交叉毛羽分割準(zhǔn)確率達(dá)到73.4%，具有一定的普適性。