■

〔1中華全國供銷合作總社鄭州棉麻工程技術設計研究所，河南鄭州450004〕

〔2新鄉(xiāng)學院計算機與信息工程學院，河南新鄉(xiāng)453000〕

根據(jù)2018年12月29日發(fā)布的“國家統(tǒng)計局關于2018年棉花產量的公告”，2018年全國棉花種植面積335.23萬hm2（5 028.45萬畝），比2017年增長4.9%；全國棉花總產量609.6萬t，比2017年增長7.8%。作為關系國計民生的大宗農產品，為了公平、公正地進行貿易結算，棉花在收購、加工、貿易以及紡織過程中需要對其纖維品質進行快速檢驗。近年來，隨著人工智能技術與圖像處理技術的飛速發(fā)展，機器視覺檢測系統(tǒng)在棉花加工、檢驗領域得到應用。例如：我國棉花公正檢驗采用的大容量棉纖維測試儀HVI（High Volume Instrument）就是采用數(shù)字圖像處理技術代替人眼對棉纖維進行自動化分析、識別與測量，該系統(tǒng)能夠有效彌補人工感官檢驗的不足，提高了檢測效率和準確率，現(xiàn)已廣泛應用于各級棉花檢驗實驗室。在這些機器視覺檢測系統(tǒng)中，圖像分割是技術基礎，對檢測的效果有著重要影響。

本文針對棉花圖像分割方法進行研究，在采集我國新疆棉區(qū)籽棉樣品圖像基礎上，采用Canny方法、Sobel方法、Log方法、Roberts方法進行圖像分割實驗，并對比分析分割方法的檢測性能與適用性，為棉花圖像分割方法的選取以及棉花圖像中雜質目標精準識別提供參考依據(jù)。

一、實驗材料與方法

（一）實驗材料

實驗材料選自于新疆生產建設兵團第八師棉花加工廠待加工的籽棉，手工去除大雜后，實驗樣品共計2 kg。

（二）實驗平臺

在機器視覺系統(tǒng)的基礎上，實驗搭建了一套棉纖維自動檢測簡易系統(tǒng)平臺，系統(tǒng)主要包括：光源照明系統(tǒng)、CMOS工業(yè)相機、光學鏡頭、圖像采集卡、檢測視窗、數(shù)據(jù)處理機及雜質識別軟件。其系統(tǒng)框架如圖1所示。

圖1 棉纖維檢測系統(tǒng)框架

根據(jù)系統(tǒng)框架，其工作流程為：首先將待檢測棉樣放置于檢測視窗的光學玻璃上，其次啟動檢測，然后LED光源照明系統(tǒng)開啟，觸發(fā)工業(yè)相機采集棉樣圖像，通過圖像采集卡將圖像傳送數(shù)據(jù)處理機，最后處理機中的纖維質量分析軟件進行算法分析并顯示分析結果。所有工序完成之后，照明系統(tǒng)關閉，完成檢測。

工控機采用聯(lián)想490系列計算機，仿真程序采用VC++結合OpenCV視覺庫的方式實現(xiàn)，在Windows 7系統(tǒng)上，完成棉樣圖像拍攝與圖像分割方法的性能實驗。

（三）研究方法

1.Canny分割方法。

Canny是一種多尺度邊緣檢測算法，其檢測邊緣的基本原理是尋找圖像中局部最大梯度幅值的像素點。具體步驟是：

首先，將圖像與Gauss濾波器進行卷積，對圖像進行平滑處理，將高斯濾波器與圖像卷積，得到輸出圖像；其次，對于平滑后的圖像，采用2×2鄰域一階偏導的有限差分計算平滑后圖像的梯度幅值和方向；然后，對圖像梯度幅值進行“非極大值抑制”處理，并采用雙閾值法獲得邊緣。在非極大值抑制過程中，使用3×3大小、8方向的鄰域對梯度幅值數(shù)組中的像素沿梯度方向進行插值；最后，采用高、低2個閾值對非極大值抑制后的圖像進行分割，得到高閾值邊緣圖像Th［i，j］以及低閾值邊緣圖像Tl［i，j］，并將Th［i，j］中的邊緣連接成輪廓，當?shù)竭_輪廓端點時，采用遞歸不斷搜索Tl［i，j］中8鄰域位置能夠連接到輪廓上的邊緣，直至Th［i，j］中所有的間隙都連接起來。

2.Sobel分割方法。

Sobel邊緣檢測算子采用的是方向差分與中局部平均結合的方式，它首先對圖像進行平滑處理，然后進行方向差分運算。

3.Log分割方法。

Log邊緣檢測算子是將拉普拉斯算子與高斯濾波融合后形成的，其原理是首先將圖像與高斯濾波器卷積，在平滑圖像、降低噪聲的同時，消除較小的噪聲點，然后使用拉普拉斯算子進行處理。假設原圖像為f（x，y），經拉普拉斯算子檢測得到的邊緣圖像h（x，y）：

其中，▽2為拉普拉斯算子，，g（x，y）為高斯濾波器。另外，典型的5×5大小的算子模板為：

4.Roberts分割方法。

Roberts算子通過對角線方向相鄰像素差近似梯度幅值尋找邊緣，其原理是求取圖像點（x，y）的2×2鄰域上的對角導數(shù)，使用在該像素點處的方向差分的均方值取代梯度值G[f（x，y）]：

將這2個模板Gx，Gy與圖像卷積，得到梯度幅值，并采用閾值T篩選，進而獲得邊緣。

二、實驗結果分析

（一）圖像分割效果對比分析

在實驗平臺基礎上，通過圖像采集系統(tǒng)獲取了棉樣圖像，其分辨率為1 200 pixel×1 600 pixel，如圖2（a）所示。在此基礎上，分別采用Canny方法、Sobel方法、Log方法、Roberts方法對棉樣圖像進行圖像分割實驗，并對分割效果進行了對比分析。此外，為了便于效果分析，對分割結果進行反色處理，具體結果如圖 2（b）（c）（d）（e）所示。

圖2 棉樣圖像分割結果

從圖2的分割結果可以看出，Canny方法、Sobel方法、Log方法、Roberts方法均能對棉樣圖像中的雜質進行不同程度的刻畫。如圖2（b）所示，Canny分割方法能夠將雜質與棉纖維背景有效地分離開來，分割出的圖像結果背景噪聲小、雜散點少，棉樣圖像中雜質邊緣刻畫得清楚、流暢；如圖2（c）（d）（e）所示，Sobel方法、Log方法、Roberts方法的分割結果均不同程度地出現(xiàn)背景噪聲，同時雜散點多，不利于圖像目標的后期處理；但Log方法對雜質的邊緣刻畫清楚、流暢；其中，Roberts方法的分割效果較其它方法略顯遜色。

（二）圖像分割耗時對比分析

由于圖像分割耗時是影響算法性能的重要指標，因此，有必要進行耗時指標的對比分析。在分割方法的檢測耗時方面，針對選取的籽棉樣品，實驗分別采集涵蓋50萬至500萬像素范圍的5種不同分辨率的棉樣圖像，采用Canny方法、Sobel方法、Log方法、Roberts方法進行檢測耗時的對比分析。從圖3可以看出，當棉樣圖像分辨率在400 pixel×600 pixel的情況下，各分割方法耗時相當，維持在0.29 s左右；當分辨率高于1 600 pixel×1 800 pixel時，Sobel方法、Log方法、Roberts方法較Canny方法相對耗時增幅顯著，平均增幅0.6 s；同時，當分辨率處于2 000 pixel×2 500 pixel時，Canny分割耗時最少，僅為1.1 s。

圖3 分割方法間檢測耗時對比

三、結論

根據(jù)Canny方法、Sobel方法、Log方法、Roberts方法4種圖像分割方法的原理并結合籽棉樣品實驗測試結果，現(xiàn)總結如下：

（一）Canny方法是一種相對完善的圖像分割方法，特別是在二維坐標空間下，因為Canny算子的方向特性，分割結果中雜質邊緣刻畫得清楚、流暢，使其在尋找與定位邊緣的性能上具有優(yōu)勢；同時，Canny算子能夠產生邊緣的梯度方向和強度2個維度的信息，圖像分割結果背景噪聲小，具有更好的抗噪性能，為后續(xù)圖像處理提供了便利。但是，為了取得較好的圖像分割效果而使用大濾波器的方法，容易在極個別情況下丟失雜質邊緣細節(jié)信息。

（二）Sobel方法采用先局部平均然后求差分的方法對圖像進行平滑處理，能夠在一定程度上實現(xiàn)去除噪聲的功能，但Sobel方法產生的邊緣較粗，Canny方法和Log方法產生的邊緣較細。

（三）對于Log算子來講，Gauss函數(shù)標準差具有控制平滑的作用，但σ的取值很關鍵。σ值越大，用于平滑的Gauss濾波模板越大，圖像中高頻部分的抑制效果增強，有效避免孤立點及虛假邊緣點的檢出，同時，Gauss濾波器的平滑作用會消除一部分邊緣細節(jié)，造成一定程度的邊緣點漏檢，致使邊緣定位的偏移，降低了邊緣的定位精度；相反，σ值越小，邊緣定位準確，但平滑、去噪性能降低。

（四）Roberts算子采用的是直接通過局部差分法尋找圖像邊緣，然后求取梯度值，圖像中邊緣點的定位精度高，能夠較好地實現(xiàn)對水平和垂直方向邊緣的檢測；但由于缺少對圖像進行相應地平滑處理，因此，容易導致其對噪聲敏感，只適合于噪聲少且邊緣明顯的圖像檢測。

綜上所述，通過對Canny方法、Sobel方法、Log方法、Roberts方法的原理分析以及針對籽棉樣品的仿真實驗結果表明，Canny方法在雜質邊緣定位、背景噪聲消除方面都具有優(yōu)良的性能，檢測到的邊緣連續(xù)性好、背景噪聲小，尤其適用于籽棉圖像的分割，同時，圖像分割的耗時兼具優(yōu)勢。此外，本文的實驗與對比分析結果，對棉花圖像中雜質的分類與識別也提供了參考依據(jù)。