張緩緩， 趙 妍， 景軍鋒， 李鵬飛

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

紗線作為針織物、機(jī)織物的原料，其質(zhì)量好壞直接影響其機(jī)織、針織終端產(chǎn)品的質(zhì)量，紗線條干均勻度是評(píng)價(jià)紗線質(zhì)量的重要指標(biāo)[1]，對(duì)其進(jìn)行檢測(cè)與評(píng)價(jià)是紡織生產(chǎn)過(guò)程中必不可少的一部分，具有重要意義。

目前針對(duì)紗線條干均勻度檢測(cè)主要包括光電式檢測(cè)[2]、電容式檢測(cè)[3]和圖像分析[4-6]等方法。光電法利用測(cè)得的紗線直徑數(shù)據(jù)，通過(guò)數(shù)字圖像處理技術(shù)將紗線輪廓描繪在計(jì)算機(jī)模擬的紗線黑板上，提供了模擬黑板功能，提高了檢測(cè)效率，但該方法分辨率較低，容易造成誤差。電容測(cè)量法雖不受主觀性影響，但對(duì)測(cè)試環(huán)境的要求苛刻，測(cè)試結(jié)果極易受到環(huán)境濕度的影響。

隨著機(jī)器視覺(jué)及圖像技術(shù)的成熟，圖像分析方法被廣泛應(yīng)用于紗線條干檢測(cè)。Sengupta 等[7]開(kāi)發(fā)了一套通過(guò)圖像處理測(cè)量不同紗線參數(shù)的計(jì)算機(jī)系統(tǒng)。該系統(tǒng)不受環(huán)境溫度和光照水平的影響，但使用該系統(tǒng)所測(cè)紗線條干CV值與電容式條干儀結(jié)果相差較大。Eldessouki等[8]采用適當(dāng)放大倍數(shù)的高速攝像機(jī)捕捉紗線圖像，提出了一種在合理時(shí)間內(nèi)對(duì)大量紗線圖像進(jìn)行分析的新算法，但該方法所需成本很高。潘如如等[9]設(shè)計(jì)了一套集紗線采集、圖像處理、直徑測(cè)量和均勻度檢測(cè)為一體的紗線測(cè)試系統(tǒng)，能夠檢測(cè)紗線的條干均勻度，但提取紗線條干的算法依賴于閾值設(shè)置，過(guò)于依賴經(jīng)驗(yàn)值。Li等[10]設(shè)計(jì)了利用連續(xù)紗線圖像中的紗線直徑數(shù)據(jù)建立數(shù)字紗線黑板的方法，能更直觀、方便地評(píng)價(jià)紗線的均勻度，但相機(jī)的分辨率太低且數(shù)字紗線黑板的穩(wěn)定性不好。Gao等[11]提出了一種通過(guò)鏡片建立三維模型的方法，能捕獲更多紗線細(xì)節(jié)，但在圖像分割過(guò)程中依賴于過(guò)多的閾值且技術(shù)不成熟。

針對(duì)紗線條干檢測(cè)取得了一定成果，但仍存在缺陷。為此，本文提出一種基于亞像素邊緣檢測(cè)的紗線條干均勻度檢測(cè)方法，解決現(xiàn)有方法的閾值參數(shù)過(guò)多，成本過(guò)高及精度不高的問(wèn)題。

1 圖像采集裝置

紗線圖像采集裝置[12]包括紗錠a、黑色背景板b、光源c、BASLER 公司的 Basler acA2500-14gc 面陣相機(jī)d、電機(jī)e、電源f、計(jì)算機(jī)g，如圖1所示。本文實(shí)驗(yàn)中相機(jī)所采集紗線圖像的分辨率為256像素×256像素，曝光量為3 900 lx·s，相機(jī)光圈為4，相機(jī)采集幀為30幀/s。實(shí)驗(yàn)對(duì)多張圖片進(jìn)行檢測(cè)并直接計(jì)算出紗線平均直徑和條干的CV值。圖2示出采集到的27.8 tex紗線原圖，實(shí)驗(yàn)中以27.8、18.2及14.5 tex 3種紗線為例。

圖1 紗線采集裝置Fig.1 Yarn collection device

圖2 紗線原始圖像Fig.2 Yarn original image

2 紗線條干提取與檢測(cè)

圖3示出本文算法框圖，其中Y1、Y2表示2個(gè)最大概率像素的位置。該方法首先進(jìn)行亞像素邊緣檢測(cè)，提取紗線的邊緣點(diǎn)集；然后利用開(kāi)運(yùn)算模塊，將邊緣點(diǎn)集進(jìn)行處理，獲取紗線條干；最后對(duì)提取的紗線條干進(jìn)行分塊，利用坐標(biāo)直方圖計(jì)算紗線直徑。

圖3 算法框圖Fig.3 Algorithm block diagram

2.1 亞像素邊緣檢測(cè)算法

圖像處理過(guò)程中，提高檢測(cè)方法的精度有2種。一種是提高圖像系統(tǒng)的光學(xué)放大倍數(shù)及相機(jī)的分辨率，此方法投入成本過(guò)高；另一種是引入亞像素細(xì)分技術(shù)來(lái)彌補(bǔ)硬件的不足以提高圖像系統(tǒng)的分辨率。此方法極大程度地節(jié)省系統(tǒng)的硬件投入成本，降低技術(shù)應(yīng)用的難度，擴(kuò)大應(yīng)用范圍[13]。

為獲取紗線條干的邊緣信息，利用亞像素邊緣檢測(cè)[14]方法獲取條干的二維輪廓點(diǎn)特征，與像素級(jí)檢測(cè)方法相比較，亞像素檢測(cè)到的邊緣更平滑，具體算法如下。

由于紗線邊緣不可能是一條直線，假設(shè)初始情況如圖4(a)示。設(shè)一條二階曲線將圖像劃分為2個(gè)區(qū)域，分別為黑板和紗線，E和F分別表示黑板和紗線的像素值，圖中中間部位為不確定的像素，如圖4(b)所示。SE和SF分別是2個(gè)強(qiáng)度覆蓋的像素區(qū)域，h為單位像素的長(zhǎng)度，因此h2=SE+SF(二階曲線為：y=ax2+bx+c)。

圖4 初始情況Fig.4 Initial situation (a) and ambiguous unit pixels (b)

選取一個(gè)以像素D(i,j)為中心的5像素×3像素鄰域，確保紗線邊緣從左到右穿過(guò)窗口，如圖5所示。根據(jù)初始假設(shè)，像素大小符合

(1)

式中：Pi,j(0≤Pi,j≤h2)為邊緣線下像素(i,j)內(nèi)的區(qū)域。

圖5 二階亞像素邊緣檢測(cè)原理圖Fig.5 Second-order sub-pixel edge detection schematic

設(shè)SL、SM和SR分別是圖5中左、中、右列的像素和，如式(2)～(4)所示：

(2)

(3)

(4)

式中：i,j分別為像素D的橫縱坐標(biāo)；n為像素個(gè)數(shù)；L、M和R代表邊緣線下每列內(nèi)的像素區(qū)域，見(jiàn)下式：

式中：a,b,c分別為二階曲線的系數(shù)，根據(jù)上述公式(1)～(7)求解出系數(shù)a,b,c(設(shè)h=1)。

(8)

(9)

(10)

為了便于計(jì)算，選取E和F的像素取各自相對(duì)角上的3個(gè)像素的平均值：

(11)

(12)

運(yùn)用已知系數(shù)a,b,c在像素的垂直中心線上(x=0)計(jì)算的亞像素位置、兩側(cè)強(qiáng)度的變化以及法向量與線性情況相同。計(jì)算x=0處的曲率k，如式(13)所示。

(13)

首先根據(jù)上述算法測(cè)得紗線邊緣，然后將這些二維邊緣點(diǎn)集提取出來(lái)，如圖6所示?？煽闯觯喚€條干周圍存在一些毛羽，這些毛羽極大影響紗線條干的檢測(cè)，需要進(jìn)一步去除。

圖6 二維邊緣點(diǎn)集提取過(guò)程Fig.6 Two-dimensional edge point set extraction process. (a) Yarn edge; (b) Two-dimensional edge point set

2.2 形態(tài)學(xué)開(kāi)運(yùn)算

為了去除毛羽對(duì)紗線條干的檢測(cè)影響，還需要進(jìn)一步對(duì)紗線二值圖做開(kāi)運(yùn)算處理，在數(shù)學(xué)形態(tài)學(xué)中開(kāi)運(yùn)算被定義為先腐蝕后膨脹，利用結(jié)構(gòu)元素B對(duì)圖像A做開(kāi)運(yùn)算，用符號(hào)A

°B=(A?B)⊕B

式中：?為膨脹運(yùn)算；⊕為腐蝕運(yùn)算。本文對(duì)獲取的紗線二維邊緣點(diǎn)集圖像進(jìn)行開(kāi)運(yùn)算處理獲取紗線條干，提取的紗線條干結(jié)果如圖7所示，其中選擇的結(jié)構(gòu)元素B是半徑為5的圓盤?？梢钥闯鲩_(kāi)運(yùn)算處理后的紗線，其提取的紗線條干的邊緣變得光滑，同時(shí)消除了紗線條干周圍的細(xì)小的毛刺和毛羽，且紗線條干輪廓并不會(huì)發(fā)生改變，物體位置也不會(huì)發(fā)生變化。

圖7 紗線條干提取過(guò)程Fig.7 Yarn evenness extraction process. (a) Corrosion； (b) Expansion； (c) Open operation

2.3 坐標(biāo)直方圖

獲取紗線條干后，計(jì)算紗線的平均直徑與條干的CV值，測(cè)量紗線條干的均勻度。本文提出了一種基于坐標(biāo)直方圖的方法，此方法可以更精確地計(jì)算紗線直徑與條干CV值。

為了得到準(zhǔn)確的紗線直徑和條干CV值，本文對(duì)紗線圖像進(jìn)行橫向切分處理，處理過(guò)程如圖8所示。

圖8 紗線條干橫向切分過(guò)程Fig.8 Yarn evenness transverse slitting process. (a) Horizontal segmentation; (b) Segmented images

通過(guò)統(tǒng)計(jì)紗線邊緣點(diǎn)集圖像中相同縱坐標(biāo)上出現(xiàn)的像素個(gè)數(shù)，用每個(gè)相同縱坐標(biāo)上出現(xiàn)的像素個(gè)數(shù)除以整張圖像上的全部像素個(gè)數(shù)得到每個(gè)相同縱坐標(biāo)出現(xiàn)的像素頻率，然后將像素與該像素出現(xiàn)的頻率用直方圖表示出來(lái)，選取2個(gè)最大概率值Y1、Y2,|Y1-Y2|即為所測(cè)紗線直徑的像素個(gè)數(shù)，像素個(gè)數(shù)與像素值的乘積即所測(cè)紗線的平均直徑。

條干均勻度是紗線橫截面的均勻度。用變異系數(shù)CV值來(lái)衡量， CV值的計(jì)算公式為

(14)

為了得到更精確的條干CV值，本文對(duì)處理后紗線圖像進(jìn)行了橫向切分處理，比較了每次橫向提取5、 10、20、50、100個(gè)坐標(biāo)點(diǎn)所測(cè)CV值與電容條干儀所測(cè)CV值，如表1所示。每次提取10個(gè)坐標(biāo)點(diǎn)所測(cè)CV值結(jié)果與電容條干儀所測(cè)結(jié)果最相符。

表1 橫向提取不同坐標(biāo)點(diǎn)個(gè)數(shù)CV值對(duì)比Tab.1 Comparison of CV values of different coordinate points extracted horizontally %

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文提出方法的有效性，本文對(duì)多種線密度的紗線進(jìn)行檢測(cè)，計(jì)算各紗線平均直徑及紗線條干的不勻率，并將結(jié)果與電容條干儀的測(cè)試結(jié)果進(jìn)行對(duì)比分析。為了保證實(shí)驗(yàn)的準(zhǔn)確性，每種線密度的紗線樣品采集一段紗線的2 000張圖片進(jìn)行測(cè)試。

本文對(duì)27.8、18.2及14.5 tex的紗線進(jìn)行測(cè)試，根據(jù)式(15)計(jì)算這3種紗線的理論直徑。

(15)

式中：Nt表示紗線的線密度，tex；δ表示紗線密度。本文取δ=0.9 g/cm3，(0.8≤δ≤0.9)由紗線理論直徑公式可得，27.8 tex 的紗線理論直徑是0.198 mm,18.2 tex的紗線理論直徑是0.160 mm，14.5 tex 的紗線理論直徑是0.144 mm。利用本文提出的方法對(duì)27.8、18.2及14.5 tex的紗線直徑進(jìn)行測(cè)量，同時(shí)，將本文方法與模糊C-均值(FCM)[9]和最大類間方差(Otsu)[1]檢測(cè)方法進(jìn)行對(duì)比，結(jié)果如圖9所示。本文提出的方法檢測(cè)的直徑與理論直徑的誤差分別為1.86%、1.12%及0.13%。由圖可知，本文提出的算法中測(cè)量紗線平均直徑的方法與理論直徑存在的誤差最小。

圖9 紗線直徑對(duì)比圖Fig.9 Comparison of yarn diameters

除了對(duì)紗線直徑進(jìn)行測(cè)量外，本文還進(jìn)一步對(duì)紗線條干CV值與偏差率進(jìn)行計(jì)算，偏差率是指本文算法和電容條干儀測(cè)試的CV值之間存在的偏差：

(16)

式中：CY表示本文算法測(cè)得的CV值；CU表示電容條干儀測(cè)得的CV值；k為偏差率，%。

本文以陜西長(zhǎng)嶺紡織機(jī)電有限公司的電容式CT200條干儀測(cè)試的紗線條干CV值作為參考標(biāo)準(zhǔn)，在測(cè)試過(guò)程中，測(cè)試號(hào)數(shù)主要設(shè)置27.8、18.2及14.5 tex 3種紗線，試樣類型選擇棉型，測(cè)試速度為8 m/min，測(cè)試時(shí)間以10 s為間隔，測(cè)試次數(shù)設(shè)定為10次。利用本文方法、灰度投影[15]以及FCM[9]、Otsu[1]的方法進(jìn)行對(duì)比分析，4種方法均采用本文所采集到的圖像，測(cè)量結(jié)果如表2所示。由計(jì)算所得偏差率可知3種紗線的CV值與電容式條干儀之間的偏差率最大僅為3.3%，表明本文算法與電容式條干儀的測(cè)量結(jié)果有著較好的一致性，且測(cè)量過(guò)程中避免了人為主觀因素和環(huán)境溫度等客觀因素的影響。通過(guò)4種方法相比較，本文算法與電容條干儀測(cè)試方法之間存在的誤差最小，證明本文所提方法可得到準(zhǔn)確的結(jié)果。

表2 多種方法的紗線條干CV值對(duì)比Tab.2 Comparisons of yarn evenness CV value

4 結(jié)束語(yǔ)

紗線條干是反映紗線質(zhì)量的重要指標(biāo)之一。本文以紗線條干為研究對(duì)象，提出基于亞像素邊緣檢測(cè)的紗線條干均勻度檢測(cè)方法，完成紗線平均直徑與條干CV值的計(jì)算。首先通過(guò)圖像采集裝置獲取紗線圖像；然后對(duì)紗線圖像進(jìn)行亞像素邊緣檢測(cè)獲取紗線邊緣點(diǎn)集；利用開(kāi)運(yùn)算對(duì)獲取的邊緣點(diǎn)集進(jìn)行處理，進(jìn)而獲得紗線條干的邊緣；最后采用坐標(biāo)直方圖計(jì)算紗線平均直徑和條干CV值。該方法與電容式條干儀的測(cè)量結(jié)果有著較好的一致性且極大程度地節(jié)省系統(tǒng)硬件投入成本，降低技術(shù)應(yīng)用的難度，提高檢測(cè)精度。