鄧中民， 于東洋， 胡灝東， 李 童， 柯 薇

武漢紡織大學(xué) 省部共建紡織新材料與先進(jìn)加工技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 湖北 武漢 430200)

紗線(xiàn)中毛羽的多少會(huì)直接影響紗線(xiàn)質(zhì)量，對(duì)紗線(xiàn)后續(xù)織造加工產(chǎn)生影響，同時(shí)也會(huì)影響織物外觀和手感[1-2]。目前，常用的毛羽評(píng)價(jià)指標(biāo)有毛羽量、毛羽伸出長(zhǎng)度、毛羽指數(shù)，對(duì)應(yīng)的紗線(xiàn)毛羽檢測(cè)方法有光電法和人工計(jì)數(shù)法[3]。由于毛羽形態(tài)的彎曲性和相互交叉性，光電法忽略了毛羽形態(tài)的影響造成檢測(cè)結(jié)果不準(zhǔn)確[4-5]；人工計(jì)數(shù)法檢測(cè)速率慢，耗費(fèi)大量人力、物力。

隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，利用其對(duì)毛羽進(jìn)行檢測(cè)越來(lái)越普遍。孫銀銀等[6]提出的紗線(xiàn)毛羽骨架追蹤方法以紗線(xiàn)條干上下分割線(xiàn)為起點(diǎn)，對(duì)多交點(diǎn)邊判斷邊消除，得到不同長(zhǎng)度毛羽數(shù)量，結(jié)果較為準(zhǔn)確，但存在檢測(cè)盲區(qū)，無(wú)法對(duì)重疊毛羽進(jìn)行檢測(cè)。吳珍[7]提出通過(guò)提取毛羽邊緣進(jìn)行追蹤的方法，不受彎曲毛羽形態(tài)影響，檢測(cè)速率快，但對(duì)交叉毛羽無(wú)法進(jìn)行準(zhǔn)確計(jì)算。Jing等[4]提出基于MRMRF算法，以紗線(xiàn)主干為基準(zhǔn)進(jìn)行檢測(cè)的方法，但該方法無(wú)法檢測(cè)彎曲毛羽長(zhǎng)度。

為解決上述圖像檢測(cè)法中存在的缺陷，本文提出一種毛羽路徑匹配追蹤檢測(cè)方法。即對(duì)毛羽骨干圖像進(jìn)行遍歷獲取毛羽起點(diǎn)，對(duì)毛羽點(diǎn)八鄰域按不同情況進(jìn)行判斷實(shí)現(xiàn)毛羽追蹤；在毛羽交叉部位通過(guò)選取毛羽交叉點(diǎn)前部分毛羽路徑點(diǎn)，計(jì)算斜率并動(dòng)態(tài)分配權(quán)重得到交叉區(qū)域毛羽斜度，以此來(lái)對(duì)多路徑點(diǎn)進(jìn)行匹配，找到最佳毛羽點(diǎn)實(shí)現(xiàn)毛羽路徑匹配跟蹤；最后依次記錄毛羽路徑得到毛羽總像素?cái)?shù)，轉(zhuǎn)化為毛羽的長(zhǎng)度，實(shí)現(xiàn)毛羽長(zhǎng)度檢測(cè)。

1 紗線(xiàn)圖像采集

本文實(shí)驗(yàn)采用RH2000視頻顯微鏡采集紗線(xiàn)毛羽圖像，選取紗線(xiàn)樣本為29.5 tex棉紗。為保證采集紗線(xiàn)圖像清晰、完整和具有參考性，采集圖像分辨率為1 920像素×1 200像素，放大倍數(shù)為50倍；同時(shí)保證紗線(xiàn)位于相機(jī)視野中間，軸線(xiàn)保持水平，調(diào)整光源和焦距使毛羽圖像清晰[8-9]。采集紗線(xiàn)圖像如圖1所示。

圖1 原始紗線(xiàn)圖像

2 紗線(xiàn)圖像處理

2.1 圖像預(yù)處理

由于紗線(xiàn)毛羽主干和采集過(guò)程中的噪點(diǎn)會(huì)對(duì)后續(xù)紗線(xiàn)毛羽的處理產(chǎn)生影響[10]，為消除這些影響，利用MatLab圖像處理軟件對(duì)采集的紗線(xiàn)毛羽圖像進(jìn)行灰度化、濾波處理、OTSU圖像分割、形態(tài)學(xué)運(yùn)算，獲取預(yù)處理毛羽圖像[11-12]如圖2所示。

圖2 預(yù)處理后紗線(xiàn)圖像

2.2 毛羽骨干化處理

預(yù)處理后的毛羽圖像中毛羽直徑由多個(gè)像素點(diǎn)構(gòu)成，運(yùn)用本文提出的毛羽路徑匹配追蹤算法對(duì)毛羽進(jìn)行追蹤，需要對(duì)獲取的預(yù)處理毛羽圖像進(jìn)行骨干化處理，獲取以單個(gè)像素點(diǎn)為直徑的骨干化毛羽圖像。骨干化處理后毛羽圖像像素值取反后圖像如圖3所示。

圖3 取反后毛羽骨干化圖像

3 毛羽路徑追蹤

3.1 毛羽起始點(diǎn)確定

實(shí)現(xiàn)毛羽骨架追蹤，需要確定毛羽起始點(diǎn)位置。在毛羽骨干化圖像矩陣中從上到下逐行進(jìn)行遍歷，以搜尋到各毛羽骨架第1個(gè)端點(diǎn)作為各毛羽起始點(diǎn)。毛羽追蹤完成后，從該起始點(diǎn)位置繼續(xù)向后遍歷搜尋下一根毛羽起始點(diǎn)。起始點(diǎn)判定過(guò)程如下：1)從上到下逐行遍歷毛羽骨架圖像矩陣，找到像素值為1的像素點(diǎn)，記作B；2)對(duì)像素點(diǎn)B周?chē)肃徲蛳袼刂禐?的像素點(diǎn)個(gè)數(shù)進(jìn)行判斷，若像素點(diǎn)B八鄰域中像素值為1的像素點(diǎn)個(gè)數(shù)為1個(gè)，則判定像素點(diǎn)B為毛羽起始點(diǎn)。

根據(jù)上述判斷可以準(zhǔn)確找到毛羽端點(diǎn)即毛羽起始點(diǎn)位置，避免以毛羽骨架中間某像素點(diǎn)作為起始點(diǎn)情況。

3.2 交叉區(qū)域多路徑點(diǎn)匹配

毛羽形態(tài)彎曲多變、情況復(fù)雜，在毛羽交叉區(qū)域會(huì)出現(xiàn)多路徑毛羽點(diǎn)情況(即交叉部位毛羽點(diǎn)八鄰域中存在多個(gè)像素值為1 的新毛羽路徑點(diǎn))，如圖4中2根毛羽路徑點(diǎn)[B(i),B(i+1),B(i+2),B(i+3),B(i+4),B(i+5)]和[A(j),A(j+1),B(i+3),A(j+2),A(j+3)]在交叉部位毛羽點(diǎn)B(i+3)周?chē)霈F(xiàn)多路徑點(diǎn)情況。

圖4 多路徑毛羽點(diǎn)

為準(zhǔn)確追蹤毛羽路徑點(diǎn)，需要根據(jù)毛羽走向確定多毛羽中正確的毛羽路徑點(diǎn)。利用毛羽在交叉部位局部斜度對(duì)多路徑毛羽點(diǎn)進(jìn)行匹配進(jìn)而確定下個(gè)毛羽路徑點(diǎn)位置。通過(guò)統(tǒng)計(jì)該毛羽點(diǎn)前跟蹤所得毛羽路徑數(shù)量n，動(dòng)態(tài)選取臨近交叉點(diǎn)n/3的毛羽路徑點(diǎn)，計(jì)算每2個(gè)相鄰毛羽點(diǎn)B(i)和B(i+1)之間斜率，并按照毛羽點(diǎn)位置賦予斜率動(dòng)態(tài)權(quán)重(p(i)):

式中：i為每2個(gè)相鄰毛羽點(diǎn)序號(hào)；a為交叉點(diǎn)前n/3毛羽路徑點(diǎn)數(shù)量。

由p(i)計(jì)算交叉匹配值(k)，公式為

式中：y(i)和y(i+1)為選取的毛羽點(diǎn)在矩陣中的列值；x(i)和x(i-1)為選取的毛羽點(diǎn)在矩陣中的行值。

離交叉點(diǎn)越近分配的權(quán)重越大，進(jìn)而得到毛羽交叉位置準(zhǔn)確的毛羽斜度。計(jì)算毛羽點(diǎn)B(i+3)八鄰域中未追蹤毛羽點(diǎn)與B(i+3)的斜率，將得到的斜率和交叉匹配值k進(jìn)行匹配，將斜率最接近交叉匹配值的毛羽點(diǎn)確定為下一個(gè)最佳毛羽點(diǎn)，實(shí)現(xiàn)交叉部位多路徑點(diǎn)匹配追蹤。

3.3 毛羽追蹤

毛羽形態(tài)彎曲多變并伴隨有交叉情況產(chǎn)生，造成毛羽追蹤情況復(fù)雜，在毛羽追蹤過(guò)程中會(huì)出現(xiàn)不同數(shù)量的新毛羽路徑點(diǎn)情況。為準(zhǔn)確追蹤毛羽路徑點(diǎn)，獲取各毛羽骨架長(zhǎng)度，根據(jù)毛羽路徑實(shí)際情況，針對(duì)不同毛羽路徑點(diǎn)數(shù)量需要提出不同方案進(jìn)行處理，毛羽處理和判斷流程如圖5所示。

圖5 毛羽追蹤流程圖

根據(jù)上述毛羽在不同情況下的判斷流程對(duì)毛羽進(jìn)行追蹤，追蹤過(guò)程如圖6所示，圖中×表示像素值為0。以圖6(a)中毛羽點(diǎn)B作為毛羽起始點(diǎn)對(duì)八鄰域像素點(diǎn)(a1,a2,a3,a4,a5,a6,a7,a8)進(jìn)行判斷。

圖6 毛羽路徑

毛羽路徑匹配追蹤過(guò)程及追蹤步驟如下。

1)從毛羽起始點(diǎn)B開(kāi)始追蹤,毛羽路徑為[B],判斷其八鄰域位置像素點(diǎn)(見(jiàn)圖6(b))，周?chē)鷥H有1個(gè)像素點(diǎn)B1像素值為1，對(duì)比毛羽路徑判斷該像素點(diǎn)未被追蹤，將該像素點(diǎn)作為下一個(gè)毛羽路徑點(diǎn)，得到新毛羽路徑為[B,B1]。

2)以毛羽路徑點(diǎn)B1作為新的毛羽起始點(diǎn)，判斷點(diǎn)B1八鄰域得到2個(gè)像素點(diǎn)B和B2像素值為1(見(jiàn)圖6(c)), 對(duì)比毛羽路徑判斷像素點(diǎn)B2未被追蹤，是新的毛羽路徑點(diǎn)，將該像素點(diǎn)作為下一個(gè)毛羽路徑點(diǎn)，得到新毛羽路徑為[B,B1,B2]。

3)以毛羽路徑點(diǎn)B2作為新的毛羽起始點(diǎn)，判斷點(diǎn)B2八鄰域得到4個(gè)像素點(diǎn)(B1,J1,B3,J3)像素值為1(見(jiàn)圖6(d))，判定B2毛羽點(diǎn)出現(xiàn)多路徑點(diǎn)情況。對(duì)比毛羽路徑判斷像素點(diǎn)(J1,B3,J3)未被追蹤，是新的毛羽路徑點(diǎn)，對(duì)這3個(gè)像素點(diǎn)(J1,B3,J3)執(zhí)行交叉區(qū)域路徑匹配處理，計(jì)算3個(gè)像素點(diǎn)和B2點(diǎn)的斜率，與交叉匹配值k進(jìn)行匹配，獲取正確毛羽路徑點(diǎn)B3，將該像素點(diǎn)作為下一個(gè)毛羽路徑點(diǎn)，得到新毛羽路徑為[B,B1,B2,B3]。

4)以毛羽路徑點(diǎn)B3作為新的毛羽起點(diǎn)，判斷點(diǎn)B3八鄰域得到2個(gè)像素點(diǎn)(B2,B4)像素值為1(見(jiàn)圖6(e)), 對(duì)比毛羽路徑判斷像素點(diǎn)B4未被追蹤，是新的毛羽路徑點(diǎn)，將該像素點(diǎn)作為下一個(gè)毛羽路徑點(diǎn)，得到新毛羽路徑為[B,B1,B2,B3,B4]。

5)以毛羽路徑點(diǎn)B4作為新的毛羽起點(diǎn)，判斷點(diǎn)B4八鄰域得到1個(gè)像素點(diǎn)B3像素值為1，對(duì)比毛羽路徑是已追蹤像素點(diǎn)，無(wú)新的像素點(diǎn)，追蹤結(jié)束，得到新毛羽路徑為[B,B1,B2,B3,B4]。

追蹤毛羽路徑時(shí)，往往當(dāng)前毛羽起始點(diǎn)周?chē)霈F(xiàn)多個(gè)新毛羽路徑點(diǎn)，無(wú)法確定下一個(gè)毛羽路徑點(diǎn)時(shí)，執(zhí)行交叉區(qū)域路徑匹配處理，確定下一個(gè)毛羽點(diǎn)位置。對(duì)于存在有3個(gè)像素點(diǎn)像素值為1的毛羽點(diǎn)路徑情況如圖7所示。

圖7 B1鄰域點(diǎn)

根據(jù)追蹤步驟，當(dāng)追蹤到點(diǎn)B1時(shí)，以點(diǎn)B1為起始點(diǎn)，判斷點(diǎn)B1八鄰域得到3個(gè)像素點(diǎn)(B,J1,B2)像素值為1。判定B1毛羽點(diǎn)出現(xiàn)多路徑點(diǎn)情況，對(duì)比毛羽路徑判斷像素點(diǎn)(J1,B2)未被追蹤，是新的毛羽路徑點(diǎn)，執(zhí)行交叉區(qū)域路徑匹配，確定下一個(gè)毛羽路徑點(diǎn)B2，得到新毛羽路徑為[B,B1,B2]。以B2為起始點(diǎn)重復(fù)上述判斷過(guò)程得到多毛羽路徑點(diǎn)最終毛羽路徑為[B,B1,B2,B3,B4]。

統(tǒng)計(jì)追蹤毛羽路徑中毛羽點(diǎn)數(shù)量，即為毛羽像素?cái)?shù)量，保留交叉部位八鄰域存在有4個(gè)路徑點(diǎn)情況的毛羽點(diǎn)，消除已追蹤毛羽路徑，從圖像矩陣中上一根毛羽起始點(diǎn)位置開(kāi)始向后搜尋下一個(gè)毛羽起始點(diǎn)，進(jìn)行下一次毛羽追蹤。

3.4 多重合交叉優(yōu)化處理

毛羽交叉點(diǎn)的保留處理可以避免交叉毛羽產(chǎn)生中斷，提高交叉毛羽檢測(cè)準(zhǔn)確性。針對(duì)毛羽交叉情況分析，毛羽圖像中由于交叉位置像素的重疊性導(dǎo)致骨干化后，部分交叉會(huì)出現(xiàn)多重合交叉點(diǎn)情況，如圖8所示。

圖8 多重合毛羽點(diǎn)交叉

通過(guò)實(shí)例統(tǒng)計(jì)分析,毛羽在交叉部位重合像素?cái)?shù)在14以?xún)?nèi)，針對(duì)這一特征提出交叉閾值來(lái)實(shí)現(xiàn)毛羽交叉區(qū)域毛羽點(diǎn)保留，進(jìn)而處理單重合交叉點(diǎn)和多重合交叉點(diǎn)情況。在追蹤毛羽時(shí)遇到一個(gè)交叉區(qū)域,從交叉位置開(kāi)始標(biāo)記毛羽路徑點(diǎn)，限制標(biāo)記毛羽路徑點(diǎn)個(gè)數(shù)P在交叉閾值14內(nèi)，如果標(biāo)記毛羽路徑點(diǎn)中有不小于2個(gè)為毛羽交叉點(diǎn),則找到具有最大路徑間距的2個(gè)毛羽交叉點(diǎn)，在毛羽追蹤結(jié)束消除毛羽路徑時(shí)，保留這2個(gè)交叉點(diǎn)之間的路徑點(diǎn)。毛羽路徑點(diǎn)個(gè)數(shù)為

式中:m為毛羽交叉區(qū)域第1個(gè)交叉點(diǎn)位置；j為在交叉閾值限制內(nèi)最后1個(gè)毛羽點(diǎn)位置。

以N2作為交叉點(diǎn)交叉(區(qū)域如圖9所示)進(jìn)行交叉點(diǎn)優(yōu)化處理。

圖9 交叉區(qū)域

當(dāng)毛羽路徑追蹤到N2時(shí)，根據(jù)N2八鄰域像素點(diǎn)數(shù)量判斷為多路徑毛羽點(diǎn)情況。從像素點(diǎn)N2開(kāi)始標(biāo)記毛羽路徑點(diǎn)，標(biāo)記個(gè)數(shù)限制在交叉閾值內(nèi)，利用八鄰域毛羽點(diǎn)數(shù)量和交叉區(qū)域路徑匹配追蹤，最終得到毛羽路徑為[N1,N2,J3,J4,N5,N6]，找到標(biāo)記毛羽路徑點(diǎn)中具有最大毛羽路徑間距的2個(gè)毛羽交叉點(diǎn)N2和N5。追蹤結(jié)束后對(duì)毛羽路徑消除時(shí)保留毛羽點(diǎn)N2和N5之間毛羽路徑點(diǎn)[J3,J4]。通過(guò)對(duì)交叉部位保留處理可提高檢測(cè)準(zhǔn)確性。

4 檢測(cè)結(jié)果與分析

為檢測(cè)測(cè)量結(jié)果的準(zhǔn)確性，選取圖3毛羽圖像中4幀不同形態(tài)毛羽骨架，檢測(cè)毛羽骨架中有交叉毛羽、回型毛羽和彎曲毛羽，如圖10所示。

圖10 毛羽樣本

利用毛羽像素和圖像分辨率的換算關(guān)系得到毛羽圖像中每個(gè)像素點(diǎn)代表實(shí)際長(zhǎng)度為0.004 mm，將路徑匹配法檢測(cè)的像素?cái)?shù)量轉(zhuǎn)化為毛羽長(zhǎng)度；同時(shí)，選用基于投影法的蘇州長(zhǎng)風(fēng)紡織機(jī)電科技有限公司CFH400毛羽儀和采集圖像所用到日本浩視株式會(huì)社RH2000視頻顯微鏡具有的二維測(cè)量工具作為人工法檢測(cè)進(jìn)行對(duì)比，結(jié)果如表1所示。

表1 毛羽長(zhǎng)度檢測(cè)結(jié)果對(duì)比

檢測(cè)長(zhǎng)度結(jié)果表明本文路徑匹配追蹤法測(cè)量的毛羽長(zhǎng)度比投影法結(jié)果都要長(zhǎng)，尤其對(duì)于樣本1和2彎曲較多和樣本4傾斜程度較大的毛羽，路徑匹配追蹤方法檢測(cè)的毛羽長(zhǎng)度與投影法檢測(cè)毛羽長(zhǎng)度相比差距最大。這是因?yàn)橥队胺y(cè)量的是毛羽的絕對(duì)長(zhǎng)度，無(wú)法對(duì)彎曲毛羽進(jìn)行準(zhǔn)確統(tǒng)計(jì)[13-14]，而本文的路徑匹配追蹤法對(duì)彎曲毛羽和交叉毛羽同樣適用。從統(tǒng)計(jì)結(jié)果可以看出，毛羽路徑匹配追蹤檢測(cè)的結(jié)果更符合毛羽真實(shí)長(zhǎng)度。

為進(jìn)一步驗(yàn)證本文方法的準(zhǔn)確性，選取6 個(gè)紗線(xiàn)毛羽片段，每個(gè)紗線(xiàn)片段連續(xù)采集100 幅毛羽圖像，每幀圖像中紗線(xiàn)毛羽長(zhǎng)度為10 mm，紗線(xiàn)實(shí)際長(zhǎng)度為1 m，進(jìn)行毛羽長(zhǎng)度的統(tǒng)計(jì)，實(shí)驗(yàn)取6 次結(jié)果的平均值。本文路徑匹配追蹤方法與視頻顯微鏡人工法檢測(cè)和基于投影法的毛羽儀檢測(cè)對(duì)比結(jié)果如表2、3所示。

表2 路徑匹配追蹤方法與人工法檢測(cè)結(jié)果對(duì)比

表2中以人工法作為毛羽實(shí)際長(zhǎng)度基準(zhǔn)，誤差范圍在4%以?xún)?nèi)。這是由于本文實(shí)驗(yàn)以圖像實(shí)際水平長(zhǎng)度和水平像素?cái)?shù)量計(jì)算得到單位像素長(zhǎng)度，而毛羽彎曲會(huì)造成毛羽路徑中一部分相鄰像素點(diǎn)呈非水平或垂直接鄰，導(dǎo)致毛羽長(zhǎng)度計(jì)算產(chǎn)生誤差。當(dāng)毛羽長(zhǎng)度在4～6 mm范圍內(nèi)，由于毛羽長(zhǎng)度統(tǒng)計(jì)通常按照向下取整處理，且本文實(shí)驗(yàn)選取樣本中此長(zhǎng)度范圍內(nèi)毛羽數(shù)量較少，從而使路徑匹配追蹤法和人工法測(cè)得結(jié)果接近。

表3中以路徑匹配追蹤法作為基準(zhǔn)，對(duì)比投影法檢測(cè)結(jié)果可知，毛羽路徑匹配追蹤法檢測(cè)不同長(zhǎng)度毛羽的數(shù)量都比投影法多。這是由于投影法無(wú)法對(duì)彎曲毛羽進(jìn)行有效檢測(cè)，對(duì)于彎曲越多的毛羽適應(yīng)性越差；而路徑匹配追蹤法可對(duì)各形態(tài)毛羽路徑進(jìn)行準(zhǔn)確追蹤，尤其對(duì)較多彎曲和交叉毛羽更為適用，測(cè)得的毛羽長(zhǎng)度更加真實(shí)和準(zhǔn)確。

表3 路徑匹配追蹤方法與投影法檢測(cè)結(jié)果對(duì)比

由于毛羽檢測(cè)更多是在線(xiàn)檢測(cè)技術(shù)，高效性是其檢測(cè)方法能否廣泛應(yīng)用的基礎(chǔ)，本文提出的毛羽追蹤匹配算法檢測(cè)時(shí)間與毛羽復(fù)雜度和計(jì)算機(jī)硬件有關(guān)。通過(guò)對(duì)本文方法檢測(cè)單幅圖像中10 mm實(shí)際毛羽長(zhǎng)度時(shí)間進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)，檢測(cè)時(shí)間范圍為0.4～1.2 s，可滿(mǎn)足在線(xiàn)檢測(cè)技術(shù)的使用要求；同時(shí)本文所提檢測(cè)方法可有效檢測(cè)出交叉毛羽和彎曲毛羽，提高紗線(xiàn)毛羽的檢測(cè)準(zhǔn)確度，具有可投入實(shí)際應(yīng)用的前景。

5 結(jié) 論

本文基于圖像處理技術(shù)提出的用于紗線(xiàn)毛羽長(zhǎng)度檢測(cè)的追蹤算法，能夠準(zhǔn)確獲取毛羽長(zhǎng)度信息，相比于常規(guī)毛羽投影法和圖像檢測(cè)法，本文方法可消除彎曲毛羽檢測(cè)不準(zhǔn)確，毛羽交叉情況無(wú)法準(zhǔn)確追蹤毛羽路徑的弊端，可以更加全面地反映紗線(xiàn)毛羽的分布情況，提高毛羽檢測(cè)準(zhǔn)確度。本文提出的紗線(xiàn)毛羽路徑匹配檢測(cè)結(jié)果與實(shí)際毛羽長(zhǎng)度相近，檢測(cè)時(shí)間具有高效性和可行性，可為將來(lái)設(shè)計(jì)紗線(xiàn)毛羽檢測(cè)系統(tǒng)提供參考。