楊傳穎,高榮貴,石 寶,劉志鴻
(1.內(nèi)蒙古工業(yè)大學(xué)信息工程學(xué)院,呼和浩特 內(nèi)蒙古 010080;2.內(nèi)蒙古電子信息職業(yè)技術(shù)學(xué)院,呼和浩特 內(nèi)蒙古 010070;3.內(nèi)蒙古工業(yè)大學(xué)電力學(xué)院,呼和浩特內(nèi)蒙古 010080)
中國是世界第一大產(chǎn)絨國,也是最大的山羊絨生產(chǎn)加工國和分梳山羊絨出口國[1]。根據(jù)國家統(tǒng)計局的數(shù)據(jù),我國2014年山羊絨出口2 374.42 t[2],并且保持遞增趨勢,2017年山羊絨出口達到3 072 t[3]。由中國纖維檢驗局2017年度山羊絨質(zhì)量分析報告可知,全國分梳山羊絨公證檢驗量達到3 254.46 t。手排長度是分梳山羊絨主要質(zhì)量指標之一,是羊絨使用價值和價格的主要技術(shù)參數(shù),直接影響分梳山羊絨的生產(chǎn)、加工和交易,因此研究分梳山羊絨長度檢測方法具有重要意義。
分梳山羊絨是山羊原絨經(jīng)洗滌、工業(yè)分梳加工后的山羊絨[4]。陳文湘等[5]提出一種單根纖維測長方法;高純金[6]提出制定山羊絨國家標準的意見;陳繼紅[7]闡述了關(guān)于山羊絨質(zhì)量要求和測試方法選擇的幾個問題;楊桂芬[8]分析了羊絨、羊毛細度及長度測試方法的新標準及測試設(shè)備;呂曉紅[9]比對分析了分梳山羊絨手排長度值與ALMETER長度值,采用手排法與ALMETER法檢測分梳山羊絨的長度,所得長度值存在顯著差異。ALMETER法的排樣機無法有效控制較短纖維以及分梳山羊絨散纖維的自然卷曲狀態(tài),使得ALMETER法不能客觀真實地測量分梳山羊絨的平均長度[10]。目前,我國檢測分梳山羊絨平均長度采用的是GB 18267—2013《山羊絨》方法,即通過試樣的調(diào)濕和試驗溫濕度條件、試樣制備、排圖、作圖和平均長度計算的過程,完成分梳山羊絨平均長度的檢測。
隨著圖像采集與處理技術(shù)的發(fā)展,數(shù)字圖像技術(shù)被應(yīng)用到山羊絨平均長度的測量?;谟嬎銠C視覺技術(shù)的山羊絨手排長度測試儀已被研制出來[11],采用圖像處理技術(shù)測量分梳山羊絨平均長度是發(fā)展趨勢,有待深入研究。將圖像處理技術(shù)應(yīng)用到分梳山羊絨長度檢測過程中,可以避免作圖中人為因素的干擾,提高測量效率和降低測量成本,是分梳山羊絨纖維長度檢測可以實現(xiàn)自動化的一個重要環(huán)節(jié)。
針對以上的問題,本文在圖像處理技術(shù)的基礎(chǔ)上,對分梳山羊絨原始圖像進行灰度化、圖像濾波、圖像二值化、邊緣提取、曲線擬合,最后根據(jù)GB 18267—2013《山羊絨》計算分梳山羊絨的平均長度。為分梳山羊絨長度檢測提供了有效的方法。
從黑絨板上采集到的分梳山羊絨的圖像是RGB圖像。為了便于后續(xù)分析與研究,將RGB圖像轉(zhuǎn)換為灰度圖像,采用加權(quán)平均法,計算方法如下:
式中:Y為轉(zhuǎn)換后的灰度值;R、G、B分別為紅色、綠色、藍色的量化值;WR、WG、WB分別為紅色、綠色、藍色對應(yīng)的轉(zhuǎn)換權(quán)值,且WR+WG+WB=1。
令WR=0.30,WG=0.59,WB=0.11,RGB 圖像和轉(zhuǎn)換后的灰度圖像見圖1。
本文所指“噪點”并非噪聲,而是黑絨板上污點產(chǎn)生的圖像。如果黑絨板上的污點越多,這樣的“噪點”就越多,污點越重,“噪點”就越明顯?;叶葓D像上的噪點見圖2,其中圓圈內(nèi)的白點為“噪點”。對圖2所示的灰度圖像進行邊緣提取,灰度圖像進行邊緣提取的效果見圖3。“噪點”對手排分梳山羊絨邊緣提取形成了干擾,因此必需對RGB轉(zhuǎn)換后的灰度圖像做進一步的處理。
圖1 RGB圖像和轉(zhuǎn)換后的灰度圖像
圖3 灰度圖像進行邊緣提取的效果
圖像濾波是鄰域處理方法,利用給定像素本身及周圍的像素值決定此像素最終的輸出值,可以應(yīng)用在去除噪聲、增強圖像、檢測邊緣等方面,常用的濾波方法有中值濾波、均值濾波和高斯濾波等。分別用中值濾波、均值濾波和高斯濾波對RGB圖像轉(zhuǎn)換而得到的灰度圖像處理,3種濾波后邊緣提取效果對比見圖4。可以看出中值濾波后進行邊緣提取的效果更好。
圖4 3種濾波后邊緣提取效果對比
中值濾波對去除“噪點”的效果較好,但是通過一次中值濾波未能完成去除所有的“噪點”,采用多次中值濾波,即復(fù)合中值濾波的方法漸進去除噪點。根據(jù)山羊絨纖維細長的特性,采用與之對應(yīng)的模版,可以取得理想的效果。采用5×1模版中值濾波的效果見圖5?!霸朦c”在5×6的小區(qū)域中,數(shù)字框中的正體數(shù)字是無“噪點”背景區(qū)域像素點的灰度值,斜體數(shù)字是“噪點”對應(yīng)區(qū)域像素點的灰度值。為了進一步降低“噪點”的灰度值,基于復(fù)合中值濾波的方法,采用5×5模版復(fù)合中值濾波的效果見圖6??梢钥闯雠c圖5相同“噪點”對應(yīng)像素點的灰度值明顯地降低。
圖5 采用5×1模版中值濾波的效果
圖6 采用5×5模版復(fù)合中值濾波的效果
對復(fù)合中值濾波后的灰度圖像進行二值化處理,其目的是獲得手排分梳山羊絨邊緣曲線。由圖6可知,手排分梳山羊絨與黑絨板在邊緣處存在明顯的邊界,提取出這個邊界即可獲得邊緣曲線。在經(jīng)過復(fù)合中值濾波后的灰度圖像中,圖像分為2部分,一部分是手排分梳山羊絨,另一部分是沒有被分梳山羊絨覆蓋的黑絨板,找到合適的灰度值作為閾值把灰度圖像轉(zhuǎn)換為二值圖像,可以為獲取手排分梳山羊絨邊緣曲線創(chuàng)造條件。最大類間方差法[12]是一種自適應(yīng)確定二值化閾值的有效方法,采用該方法對復(fù)合中值濾波的圖像進行處理,圖像二值化結(jié)果見圖7。
圖7 圖像二值化結(jié)果
經(jīng)過閾值處理的羊絨長度圖像含有一些目標空洞和孤立“噪點”,圖7中方框標記的是空洞、圓圈標記的是“噪點”。為了填補空洞和去除“噪點”,采用形態(tài)學(xué)開、閉運算對閾值處理后的山羊絨圖像進行去“噪點”和去空洞處理。
3.2.1 理論基礎(chǔ)
腐蝕:對Z2(二維平面)上元素的集合A和S,由S對A進行腐蝕,記作A?S,定義為:
式中z為Z2中的點。
令結(jié)構(gòu)元素S在整個Z2平面上移動,當S的原點移動至z點時,如果S能夠完全包含于A中,則所有這樣的z點構(gòu)成的集合即為S對A的腐蝕圖像。
膨脹:對Z2上元素的集合A和S,由S對A進行膨脹,記作A⊕S,定義為,
令結(jié)構(gòu)元素S在整個Z2平面上移動,當S的原點移動至z點時,如果S相對于其自身原點的影像S^和A有公共的交集,則所有這樣的點z構(gòu)成的集合即為S對A的膨脹圖像。
開運算:由S對A進行開運算,記作A°S,定義為:
閉運算:由S對A進行閉運算,記作A·S,定義為:
3.2.2 運算效果
通過開運算消除孤立的“噪點”,通過閉運算擬合空洞,2種運算都會對圖像輪廓起光滑作用。根據(jù)圖像的特點選擇結(jié)構(gòu)元素的形狀和大小。開運算結(jié)構(gòu)元素選擇正方形5×5,閉運算結(jié)構(gòu)元素選擇長方形6×2,開運算和閉運算效果見圖8。
圖8 開運算和閉運算效果
通過對二值化圖像的開運算和閉運算,沒有被山羊絨覆蓋的黑絨板區(qū)域中未發(fā)現(xiàn)孤立的“噪點”,山羊絨區(qū)域中沒有空洞,山羊絨邊緣輪廓非常清晰,有利于邊緣提取。
邊緣提取方法如下:
設(shè)g(x,y)是二值化圖像,分辨率是M×N,F(xiàn)是一維向量,向量長度為N,則:
向量F保存的是邊緣曲線的縱坐標值。
開運算和閉運算后,二值化圖像邊緣曲線見圖9。
圖9 二值化圖像邊緣曲線
基于圖像處理技術(shù)獲得的手排分梳山羊絨邊緣曲線是鋸齒曲線,無法用來計算平均長度。GB 18267—2013對于作圖的要求是:將手排長度標準板置于排好的纖維分布圖上,以纖維平齊的一端為長度分布圖的底邊,目光直視纖維另一端所形成的曲線上的每個觀測點,連接這些觀測點使之成為一條光滑的纖維長度分布曲線。因此需對鋸齒曲線進行擬合,從而形成光滑的邊緣曲線,擬合后的光滑曲線f(x)沿邊緣曲線輪廓形成,曲線擬合效果見圖10。
圖10 曲線擬合效果
根據(jù)GB 18267—2013的作圖要求,以長度分布圖的底邊為橫坐標,以纖維長度曲線上的各點為縱坐標,從原點自左向右每隔10 mm(組距)標出橫坐標x1、x2、…、xi、…、xn-1、xn(其中xn-xn-1為末組組距,數(shù)值范圍0~10 mm),按照手排長度標準板上的刻度測量并記錄每一組中點對應(yīng)的長度曲線上的縱坐標,即纖維長度L1、L2、…、Li、…、Ln-1、Ln, 長度分布圖底邊總長度為xn(mm)。平均長度的計算公式為:
式中:L為手排平均長度(加權(quán)平均長度),mm;Li為第i組中點坐標對應(yīng)的纖維長度,mm;xn為長度分布圖底邊總長度即終點橫坐標,mm;xn-1為第末長度組所對應(yīng)的起點橫坐標,mm;Ln為末組中點坐標對應(yīng)的纖維長度,mm;I為組距,mm,I=10。
擬合曲線f(x)與手工測量形成的光滑纖維長度分布曲線對應(yīng),根據(jù)圖像的分辨率與實際尺寸的關(guān)系,式(7)中Li、xn、xn-1、Ln和I可以由與f(x) 的對應(yīng)關(guān)系計算得到,根據(jù)式(7)計算手排分梳山羊絨的平均長度。
為了能夠基于圖像處理技術(shù)檢測手排山羊絨平均長度,需要擬合出一條與手排山羊絨輪廓一致的光滑曲線。在曲線擬合之前,關(guān)鍵的問題是消除手排山羊絨圖像中的“噪點”,基于圖像處理的檢測流程見圖11。
圖11 基于圖像處理的檢測流程
手工與圖像處理檢測平均長度對比見表1。在手排山羊絨圖像獲取環(huán)境和方法未標準化的情況下,手工移圖法與圖像處理法獲得的平均長度值之差在2 mm范圍內(nèi),滿足GB 18267—2013中平行實驗平均長度允差為2 mm的范圍要求。
表1 手工與圖像處理檢測山羊絨平均長度對比
我國是產(chǎn)絨大國,分梳山羊絨公證檢驗量大,手工檢測存在人為因素產(chǎn)生的誤差且效率低、成本高,采用圖像處理技術(shù)的檢測方法成為分梳山羊絨長度檢測的發(fā)展趨勢。本文對基于圖像處理技術(shù)檢測分梳山羊絨平均長度的流程和關(guān)鍵方法進行了研究,通過圖像灰度化、圖像濾波、圖像二值化和形態(tài)學(xué)運算去除圖像中的“噪點”,使手排山羊絨圖像輪廓清晰而且背景干凈,根據(jù)二值化圖像的特點計算提取邊緣曲線,對邊緣曲線進行擬合,通過擬合曲線計算手排分梳山羊絨的平均長度,為分梳山羊絨長度檢測提供了有效的方法。