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(guó)是世界第一大產(chǎn)絨國(guó)，也是最大的山羊絨生產(chǎn)加工國(guó)和分梳山羊絨出口國(guó)[1]。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，我國(guó)2014年山羊絨出口2 374.42 t[2]，并且保持遞增趨勢(shì)，2017年山羊絨出口達(dá)到3 072 t[3]。由中國(guó)纖維檢驗(yàn)局2017年度山羊絨質(zhì)量分析報(bào)告可知，全國(guó)分梳山羊絨公證檢驗(yàn)量達(dá)到3 254.46 t。手排長(zhǎng)度是分梳山羊絨主要質(zhì)量指標(biāo)之一，是羊絨使用價(jià)值和價(jià)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(zhǎng)度檢測(cè)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(cè)長(zhǎng)方法；高純金[6]提出制定山羊絨國(guó)家標(biāo)準(zhǔn)的意見；陳繼紅[7]闡述了關(guān)于山羊絨質(zhì)量要求和測(cè)試方法選擇的幾個(gè)問題；楊桂芬[8]分析了羊絨、羊毛細(xì)度及長(zhǎng)度測(cè)試方法的新標(biāo)準(zhǔn)及測(cè)試設(shè)備；呂曉紅[9]比對(duì)分析了分梳山羊絨手排長(zhǎng)度值與ALMETER長(zhǎng)度值，采用手排法與ALMETER法檢測(cè)分梳山羊絨的長(zhǎng)度，所得長(zhǎng)度值存在顯著差異。ALMETER法的排樣機(jī)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(shí)地測(cè)量分梳山羊絨的平均長(zhǎng)度[10]。目前，我國(guó)檢測(cè)分梳山羊絨平均長(zhǎng)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(yàn)溫濕度條件、試樣制備、排圖、作圖和平均長(zhǎng)度計(jì)算的過程，完成分梳山羊絨平均長(zhǎng)度的檢測(cè)。

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(zhǎng)度的測(cè)量?；谟?jì)算機(jī)視覺技術(shù)的山羊絨手排長(zhǎng)度測(cè)試儀已被研制出來[11]，采用圖像處理技術(shù)測(cè)量分梳山羊絨平均長(zhǎng)度是發(fā)展趨勢(shì)，有待深入研究。將圖像處理技術(shù)應(yīng)用到分梳山羊絨長(zhǎng)度檢測(cè)過程中，可以避免作圖中人為因素的干擾，提高測(cè)量效率和降低測(cè)量成本，是分梳山羊絨纖維長(zhǎng)度檢測(cè)可以實(shí)現(xiàn)自動(dòng)化的一個(gè)重要環(huán)節(jié)。

針對(duì)以上的問題，本文在圖像處理技術(shù)的基礎(chǔ)上，對(duì)分梳山羊絨原始圖像進(jìn)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(jì)算分梳山羊絨的平均長(zhǎng)度。為分梳山羊絨長(zhǎng)度檢測(cè)提供了有效的方法。

1 圖像灰度化

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(jì)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(lán)色的量化值；WR、WG、WB分別為紅色、綠色、藍(lán)色對(duì)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。

2 圖像去噪

2.1 去除“噪點(diǎn)”的必要性

本文所指“噪點(diǎn)”并非噪聲，而是黑絨板上污點(diǎn)產(chǎn)生的圖像。如果黑絨板上的污點(diǎn)越多，這樣的“噪點(diǎn)”就越多，污點(diǎn)越重，“噪點(diǎn)”就越明顯?；叶葓D像上的噪點(diǎn)見圖2，其中圓圈內(nèi)的白點(diǎn)為“噪點(diǎn)”。對(duì)圖2所示的灰度圖像進(jìn)行邊緣提取，灰度圖像進(jìn)行邊緣提取的效果見圖3。“噪點(diǎn)”對(duì)手排分梳山羊絨邊緣提取形成了干擾，因此必需對(duì)RGB轉(zhuǎn)換后的灰度圖像做進(jìn)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(jìn)行邊緣提取的效果

2.2 圖像濾波

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(qiáng)圖像、檢測(cè)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(duì)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(duì)比見圖4。可以看出中值濾波后進(jìn)行邊緣提取的效果更好。

圖4 3種濾波后邊緣提取效果對(duì)比

中值濾波對(duì)去除“噪點(diǎn)”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(diǎn)”，采用多次中值濾波，即復(fù)合中值濾波的方法漸進(jìn)去除噪點(diǎn)。根據(jù)山羊絨纖維細(xì)長(zhǎng)的特性，采用與之對(duì)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(diǎn)”在5×6的小區(qū)域中，數(shù)字框中的正體數(shù)字是無“噪點(diǎn)”背景區(qū)域像素點(diǎn)的灰度值，斜體數(shù)字是“噪點(diǎn)”對(duì)應(yīng)區(qū)域像素點(diǎn)的灰度值。為了進(jìn)一步降低“噪點(diǎn)”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(diǎn)”對(duì)應(yīng)像素點(diǎn)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

3 圖像二值化

3.1 二值化閾值

對(duì)復(fù)合中值濾波后的灰度圖像進(jìn)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(gè)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(duì)復(fù)合中值濾波的圖像進(jìn)行處理，圖像二值化結(jié)果見圖7。

圖7 圖像二值化結(jié)果

3.2 形態(tài)學(xué)運(yùn)算

經(jīng)過閾值處理的羊絨長(zhǎng)度圖像含有一些目標(biāo)空洞和孤立“噪點(diǎn)”，圖7中方框標(biāo)記的是空洞、圓圈標(biāo)記的是“噪點(diǎn)”。為了填補(bǔ)空洞和去除“噪點(diǎn)”，采用形態(tài)學(xué)開、閉運(yùn)算對(duì)閾值處理后的山羊絨圖像進(jìn)行去“噪點(diǎn)”和去空洞處理。

3.2.1 理論基礎(chǔ)

腐蝕:對(duì)Z2(二維平面)上元素的集合A和S，由S對(duì)A進(jìn)行腐蝕，記作A?S，定義為:

式中z為Z2中的點(diǎn)。

令結(jié)構(gòu)元素S在整個(gè)Z2平面上移動(dòng)，當(dāng)S的原點(diǎn)移動(dòng)至z點(diǎn)時(shí)，如果S能夠完全包含于A中，則所有這樣的z點(diǎn)構(gòu)成的集合即為S對(duì)A的腐蝕圖像。

膨脹:對(duì)Z2上元素的集合A和S，由S對(duì)A進(jìn)行膨脹，記作A⊕S，定義為，

令結(jié)構(gòu)元素S在整個(gè)Z2平面上移動(dòng)，當(dāng)S的原點(diǎn)移動(dòng)至z點(diǎn)時(shí)，如果S相對(duì)于其自身原點(diǎn)的影像S＾和A有公共的交集，則所有這樣的點(diǎn)z構(gòu)成的集合即為S對(duì)A的膨脹圖像。

開運(yùn)算:由S對(duì)A進(jìn)行開運(yùn)算，記作A°S，定義為:

閉運(yùn)算:由S對(duì)A進(jìn)行閉運(yùn)算，記作A·S，定義為:

3.2.2 運(yùn)算效果

通過開運(yùn)算消除孤立的“噪點(diǎn)”，通過閉運(yùn)算擬合空洞，2種運(yùn)算都會(huì)對(duì)圖像輪廓起光滑作用。根據(jù)圖像的特點(diǎn)選擇結(jié)構(gòu)元素的形狀和大小。開運(yùn)算結(jié)構(gòu)元素選擇正方形5×5，閉運(yùn)算結(jié)構(gòu)元素選擇長(zhǎng)方形6×2，開運(yùn)算和閉運(yùn)算效果見圖8。

圖8 開運(yùn)算和閉運(yùn)算效果

4 邊緣提取

通過對(duì)二值化圖像的開運(yùn)算和閉運(yùn)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(diǎn)”，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(zhǎng)度為N，則:

向量F保存的是邊緣曲線的縱坐標(biāo)值。

開運(yùn)算和閉運(yùn)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

5 曲線擬合

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(jì)算平均長(zhǎng)度。GB 18267—2013對(duì)于作圖的要求是:將手排長(zhǎng)度標(biāo)準(zhǔn)板置于排好的纖維分布圖上，以纖維平齊的一端為長(zhǎng)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(gè)觀測(cè)點(diǎn)，連接這些觀測(cè)點(diǎn)使之成為一條光滑的纖維長(zhǎng)度分布曲線。因此需對(duì)鋸齒曲線進(jìn)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

6 參數(shù)計(jì)算

根據(jù)GB 18267—2013的作圖要求，以長(zhǎng)度分布圖的底邊為橫坐標(biāo)，以纖維長(zhǎng)度曲線上的各點(diǎn)為縱坐標(biāo)，從原點(diǎn)自左向右每隔10 mm(組距)標(biāo)出橫坐標(biāo)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(zhǎng)度標(biāo)準(zhǔn)板上的刻度測(cè)量并記錄每一組中點(diǎn)對(duì)應(yīng)的長(zhǎng)度曲線上的縱坐標(biāo)，即纖維長(zhǎng)度L1、L2、…、Li、…、Ln－1、Ln， 長(zhǎng)度分布圖底邊總長(zhǎng)度為xn(mm)。平均長(zhǎng)度的計(jì)算公式為:

式中:L為手排平均長(zhǎng)度(加權(quán)平均長(zhǎng)度)，mm；Li為第i組中點(diǎn)坐標(biāo)對(duì)應(yīng)的纖維長(zhǎng)度，mm；xn為長(zhǎng)度分布圖底邊總長(zhǎng)度即終點(diǎn)橫坐標(biāo)，mm；xn－1為第末長(zhǎng)度組所對(duì)應(yīng)的起點(diǎn)橫坐標(biāo)，mm；Ln為末組中點(diǎn)坐標(biāo)對(duì)應(yīng)的纖維長(zhǎng)度，mm；I為組距，mm，I＝10。

擬合曲線f(x)與手工測(cè)量形成的光滑纖維長(zhǎng)度分布曲線對(duì)應(yīng)，根據(jù)圖像的分辨率與實(shí)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(duì)應(yīng)關(guān)系計(jì)算得到，根據(jù)式(7)計(jì)算手排分梳山羊絨的平均長(zhǎng)度。

7 實(shí)驗(yàn)部分

7.1 檢測(cè)流程

為了能夠基于圖像處理技術(shù)檢測(cè)手排山羊絨平均長(zhǎng)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(diǎn)”，基于圖像處理的檢測(cè)流程見圖11。

圖11 基于圖像處理的檢測(cè)流程

7.2 實(shí)驗(yàn)結(jié)果

手工與圖像處理檢測(cè)平均長(zhǎng)度對(duì)比見表1。在手排山羊絨圖像獲取環(huán)境和方法未標(biāo)準(zhǔn)化的情況下，手工移圖法與圖像處理法獲得的平均長(zhǎng)度值之差在2 mm范圍內(nèi)，滿足GB 18267—2013中平行實(shí)驗(yàn)平均長(zhǎng)度允差為2 mm的范圍要求。

表1 手工與圖像處理檢測(cè)山羊絨平均長(zhǎng)度對(duì)比

8 結(jié)束語

我國(guó)是產(chǎn)絨大國(guó)，分梳山羊絨公證檢驗(yàn)量大，手工檢測(cè)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(cè)方法成為分梳山羊絨長(zhǎng)度檢測(cè)的發(fā)展趨勢(shì)。本文對(duì)基于圖像處理技術(shù)檢測(cè)分梳山羊絨平均長(zhǎng)度的流程和關(guān)鍵方法進(jìn)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(yùn)算去除圖像中的“噪點(diǎn)”，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(diǎn)計(jì)算提取邊緣曲線，對(duì)邊緣曲線進(jìn)行擬合，通過擬合曲線計(jì)算手排分梳山羊絨的平均長(zhǎng)度，為分梳山羊絨長(zhǎng)度檢測(cè)提供了有效的方法。