棉花異性纖維定位新方法

高改梨，劉朋川

(中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院，北京 100083)

棉花異性纖維是指棉花在采摘、晾曬、存儲(chǔ)、收購(gòu)、運(yùn)輸?shù)拳h(huán)節(jié)混入的非棉纖維(俗稱(chēng)“三絲”)，主要包括塑料編織袋、地膜、塑料繩、麻繩、布條、羽毛和動(dòng)物毛發(fā)等.這些異性纖維在棉紡過(guò)程中很難去除，嚴(yán)重影響棉紡成品的質(zhì)量.目前清除棉花異性纖維多采用機(jī)器視覺(jué)剔除系統(tǒng)［1-5］，主要工作集中在采集圖像時(shí)光源選擇，采集圖像后不同種類(lèi)棉花異性纖維的分割和識(shí)別算法研究.文獻(xiàn)［6］對(duì)棉花和異性纖維進(jìn)行了光譜分析;文獻(xiàn)［7-8］用線激光照射獲取異性纖維圖像，再進(jìn)行圖像分割;文獻(xiàn)［9］用高光譜成像系統(tǒng)結(jié)合光譜和圖像2種信息來(lái)識(shí)別白色和淺色異性纖維;文獻(xiàn)［10］在分割異性纖維時(shí)通過(guò)縮減otsu算法最佳閾值搜索范圍，從而加快閾值的搜索速度;文獻(xiàn)［11］采用改進(jìn)數(shù)學(xué)形態(tài)學(xué)方法和迭代法得到合適分割閾值，完成高分辨率棉花異性纖維彩色圖像的分割;文獻(xiàn)［12］提出基于RGB顏色空間離線統(tǒng)計(jì)學(xué)習(xí)分割異性纖維;文獻(xiàn)［13］基于異性纖維的形狀特征來(lái)分割異性纖維;文獻(xiàn)［14］利用Gabor算子提取方向特征，結(jié)合形態(tài)學(xué)特征分割白色異性纖維.

這些研究在采集異性纖維圖像時(shí)光源的選用和分割識(shí)別異性纖維的算法都取得了一定成就.但存在以下問(wèn)題:一是大部分含有異性纖維的圖像是在實(shí)驗(yàn)環(huán)境下采集的，其中部分圖像是在皮棉開(kāi)松后采用機(jī)械方式輸送人為加入異性纖維后獲取的，這與在生產(chǎn)線上采集的圖像存在較大差異;二是在生產(chǎn)線上皮棉采用氣力輸送，在輸棉管道內(nèi)棉流的平均輸送速度為7～12 m·s-1［15］，而目前異性纖維識(shí)別算法編程復(fù)雜、運(yùn)算速度低、無(wú)法滿足在線剔除異性纖維的要求.針對(duì)這些技術(shù)問(wèn)題，文中在生產(chǎn)線上采集真實(shí)的棉花異性纖維圖像，運(yùn)用灰度值標(biāo)準(zhǔn)差分割圖像和定位異性纖維.

1 異性纖維圖像分割

在氣力輸送棉花時(shí)CCD攝像機(jī)在輸棉管道內(nèi)采集的圖像主要由皮棉、異性纖維和輸棉管道壁組成.另外，由于玻璃管道壁等因素的干擾在圖像中還分布著大量的條狀紋理噪聲如圖1所示.

圖1 棉花異性纖維圖像

從圖1可以看到，異性纖維在整幅圖像中僅占很小比例，而皮棉和輸棉管道壁組成的背景卻占大部分.本研究的算法是為在生產(chǎn)線上在線剔除異性纖維，識(shí)別速度是關(guān)鍵技術(shù)，因此研究的算法應(yīng)盡量避免運(yùn)算皮棉和輸棉管道壁這些背景引發(fā)的圖像數(shù)據(jù).其具體步驟:首先進(jìn)行圖像增強(qiáng)，利用冪律灰度變換提高異性纖維與背景的對(duì)比度;接著利用圖像列像素灰度值的標(biāo)準(zhǔn)差對(duì)異性纖維進(jìn)行寬度方向的定位和圖像分割;然后用分割后的圖像行像素灰度值的標(biāo)準(zhǔn)差對(duì)異性纖維進(jìn)行高度方向的定位和圖像分割;最后根據(jù)在寬度和高度2個(gè)方向的定位信息，得到異性纖維在輸棉管道內(nèi)的實(shí)際位置，算法的流程如圖2所示.

圖2 定位異性纖維的算法流程

1.1 圖像的顏色分量選擇

在圖像處理算法研究中常用的顏色空間有RGB，HSV和HIS等.文獻(xiàn)［16-17］中異性纖維和背景的飽和度信息區(qū)別明顯，可以基于HSV顏色空間利用S分量(飽和度)完成異性纖維的分割.而在文中采集的圖像中其色調(diào)及其飽和度信息較少不能分辨出異性纖維，因此不能采用HSV及HSI顏色空間及其分量.文中圖像的采集和存儲(chǔ)均采用RGB顏色空間，經(jīng)過(guò)對(duì)比棉花異性纖維彩色圖像的R，G和B3個(gè)分量，選擇對(duì)比度較大的G分量.

1.2 G分量的灰度增強(qiáng)

灰度圖像增強(qiáng)可以提高異性纖維與背景之間的對(duì)比度，凸顯異性纖維且降低皮棉和輸棉管道壁這2種背景之間的對(duì)比度.在從生產(chǎn)線上采集的800幅圖像中選擇出含有塑料繩、地膜、羽毛、麻繩和有色線等典型異性纖維的100幅圖像，對(duì)圖像進(jìn)行裁剪后統(tǒng)計(jì)其直方圖，得到異性纖維及其背景的G分量灰度值:塑料繩，80～127;地膜，61～105;羽毛，50～103;麻繩，67～114;有色線，57～114;皮棉，90～210;輸棉管道壁，100～180.

異性纖維的灰度值范圍是50～127，皮棉的灰度值范圍是90～210，輸棉管道壁的灰度值范圍是100～180.這些圖像的特征是異性纖維的灰度值偏低，皮棉和輸棉管道壁2種背景的灰度值偏高，且異性纖維和背景灰度值有重疊區(qū)域.文中使用適當(dāng)?shù)膬缏勺儞Q函數(shù)，降低異性纖維灰度值，提高皮棉和輸棉管道壁這2種背景的灰度值.為了使灰度變換函數(shù)從原點(diǎn)開(kāi)始取值，選用的冪律變換函數(shù)為

式中:s為某一像素點(diǎn)灰度變換后的灰度值;c為變換系數(shù)，用以控制變換函數(shù)的斜率;r為某一像素點(diǎn)灰度變換前的灰度值;m為整幅圖像中灰度變換前灰度值的最小值;γ為冪指數(shù).

為提高異性纖維與背景之間的對(duì)比度，達(dá)到凸顯異性纖維的目的.對(duì)灰度圖像進(jìn)行2次冪律變換，變換函數(shù)分別為

1.3 列像素灰度值標(biāo)準(zhǔn)差的圖像分割

用高速CCD彩色攝像機(jī)采集到的高分辨率棉花異性纖維圖像有利于目標(biāo)的精確分割，但是也產(chǎn)生了由背景引發(fā)的大量冗余圖像數(shù)據(jù).在統(tǒng)計(jì)這些含有異性纖維的圖像時(shí)，發(fā)現(xiàn)異性纖維在整幅圖像中所占的像素比例僅為0.09% ～2.00%，而皮棉和輸棉管道壁兩種背景的像素比例約為98.00%以上.文中提出使用標(biāo)準(zhǔn)差變換的方法去除由背景引發(fā)的冗余圖像數(shù)據(jù)，在G分量灰度增強(qiáng)后，大部分背景數(shù)據(jù)只需運(yùn)算列像素灰度值標(biāo)準(zhǔn)差就被去除.其分割原理為若將圖像中每個(gè)像素點(diǎn)的灰度值s看成隨機(jī)變量，計(jì)算在圖像高度方向每一列像素灰度值的標(biāo)準(zhǔn)差σ，該標(biāo)準(zhǔn)差σ反映了該列灰度值與其數(shù)學(xué)期望值μ的偏離程度，同時(shí)也反映圖像中灰度梯度變化的大小.其計(jì)算公式為

式中:σ為某一列像素的標(biāo)準(zhǔn)差;N為某一列像素的個(gè)數(shù)，在文中的每幅圖像中N=60;si為某一列像素第i行的像素點(diǎn)的灰度值;μ為某一列像素灰度值的數(shù)學(xué)期望值

在計(jì)算列像素灰度值的標(biāo)準(zhǔn)差時(shí)，設(shè)定標(biāo)準(zhǔn)差的閾值為σ1，取出標(biāo)準(zhǔn)差σ大于σ1的所有列像素，這些列就是異性纖維所在的列，由此便可確定異性纖維在圖像寬度方向的位置.另外，圖像中的大量條狀紋理噪聲由于其所在列的標(biāo)準(zhǔn)差較小，經(jīng)過(guò)這種處理后這些條狀紋理噪聲消失，因此不再需要對(duì)圖像進(jìn)行濾波處理.

1.4 行像素灰度值標(biāo)準(zhǔn)差的圖像分割

圖像經(jīng)過(guò)列像素的標(biāo)準(zhǔn)差分割后，異性纖維在圖像的寬度方向已經(jīng)定位.取分割后的圖像為研究對(duì)象，計(jì)算圖像行像素灰度值的標(biāo)準(zhǔn)差，其計(jì)算公式仍為式(4)，在此需將σ，N，si和μ設(shè)置為相應(yīng)的行像素參數(shù).在計(jì)算行像素灰度值的標(biāo)準(zhǔn)差時(shí)，設(shè)定標(biāo)準(zhǔn)差的閾值為σ2，取出標(biāo)準(zhǔn)差σ大于σ2的所有行像素，這些行就是異性纖維所在的行.由此便可確定異性纖維在圖像高度方向的位置.綜上所述，異性纖維被限定在由閾值σ1和σ2決定的矩形框內(nèi)，該矩形框的形心就是異性纖維的位置.若選取合適的閾值σ1和σ2，異性纖維在圖像中便可精確定位.再根據(jù)設(shè)定的CCD攝像機(jī)掃描頻率、視場(chǎng)寬度和氣力輸送速度，則異性纖維在輸棉管道內(nèi)的實(shí)際位置便可確定.

2 實(shí)例分析

從生產(chǎn)線上采集的800幅圖像中選取了含有塑料繩、地膜、羽毛、麻繩和有色線5類(lèi)典型異性纖維的8幅大小為4 096像素×60像素的圖像進(jìn)行算法分析.

由于在圖像采集區(qū)光源設(shè)置不太合理，致使輸棉管道內(nèi)的照明不均勻，造成圖像的兩端較暗，因此在分析實(shí)例時(shí)應(yīng)對(duì)圖像進(jìn)行裁剪，圖像兩端各裁剪500像素，則裁剪后的圖像大小為3 096像素×60像素，如圖3所示矩形框內(nèi)的區(qū)域.

圖3 含有典型異性纖維的圖像

以裁剪后矩形框內(nèi)的圖像為研究對(duì)象，首先提取RGB圖像中的G分量，接著運(yùn)用式(2)，(3)進(jìn)行冪律變換，然后運(yùn)用式(4)計(jì)算圖像中每一列像素灰度值的標(biāo)準(zhǔn)差σ，標(biāo)準(zhǔn)差的閾值設(shè)為σ1=0.01，取出標(biāo)準(zhǔn)差σ＞σ1的所有列像素，則分割出的異性纖維如圖4所示，含有異性纖維的列像素區(qū)域如表1.

圖4 列像素灰度值標(biāo)準(zhǔn)差分割后的圖像

表1 1次分割異性纖維的像素區(qū)域

由表1可知，經(jīng)過(guò)列像素標(biāo)準(zhǔn)差分割后圖像像素總數(shù)僅占分割前圖像像素總數(shù)的0.09%～1.68%，已去除背景像素?cái)?shù)據(jù)98.32% ～99.91%.取分割后的圖像(圖4)為研究對(duì)象，再運(yùn)用式(4)計(jì)算圖像中每一行像素灰度值的標(biāo)準(zhǔn)差σ，標(biāo)準(zhǔn)差的閾值設(shè)為σ2=0.003，取出標(biāo)準(zhǔn)差σ＞σ2的所有行像素，則分割出的異性纖維如圖5所示，在每幅圖像中，含有異性纖維的行像素區(qū)域如表2所示.經(jīng)過(guò)上述2次運(yùn)用標(biāo)準(zhǔn)差分割后，異性纖維被限定在由閾值σ1和σ2決定的矩形框內(nèi)(表2)，則該矩形框的形心就是異性纖維在整幅圖像中的位置，其形心的像素位置如表2所示.

圖5 行像素灰度值標(biāo)準(zhǔn)差分割后的圖像

表2 2次分割后異性纖維的像素區(qū)域 pix

在PC機(jī)上運(yùn)用Matlab軟件采用該算法運(yùn)行上述8幅圖像，從讀入圖像開(kāi)始計(jì)時(shí)到得出異性纖維所在像素位置結(jié)束，共耗時(shí)0.36 s，平均每幅圖像運(yùn)行0.045 s;在運(yùn)行在線獲取的800幅圖像時(shí)算法共耗時(shí)32 s，平均每幅圖像運(yùn)行0.04 s.若直接采用FPGA硬件系統(tǒng)運(yùn)行該算法速度會(huì)更快，有望實(shí)現(xiàn)在線剔除異性纖維.

3 結(jié)論

1)提出了運(yùn)用標(biāo)準(zhǔn)差定位棉花異性纖維的新方法.該方法通過(guò)列、行像素灰度值的標(biāo)準(zhǔn)差分割后，圖像中的異性纖維被定位在由方差閾值決定的矩形框內(nèi)，該矩形的形心就是異性纖維所在的精確位置.再根據(jù)設(shè)定的CCD攝像機(jī)掃描頻率、視場(chǎng)寬度和氣力輸送速度，則異性纖維在輸棉管道內(nèi)的實(shí)際位置便可精確定位.

2)由測(cè)試含有塑料繩、地膜、麻繩、有色線和羽毛5類(lèi)異性纖維的圖像可知，經(jīng)過(guò)1次列標(biāo)準(zhǔn)差分割后占圖像98.32%～99.91%的背景數(shù)據(jù)已被去除，在經(jīng)過(guò)2次行標(biāo)準(zhǔn)差分割時(shí)僅需運(yùn)行占圖像0.09% ～1.68%的像素?cái)?shù)據(jù).另外，該方法經(jīng)過(guò)一次列標(biāo)準(zhǔn)差分割后巧妙地去除條狀紋理噪聲，不再需要對(duì)圖像進(jìn)行濾波處理.

3)該算法的編程簡(jiǎn)潔，運(yùn)行速度快.在PC機(jī)上運(yùn)用Matlab軟件處理一幅3 096像素×60像素的圖像，平均運(yùn)行約0.04 s.

References)

［1］張 慧，王澤偉，柏延平.棉花異纖清除機(jī)的技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)［J］.紡織導(dǎo)報(bào)，2012(5):59-62.

Zhang hui，Wang Zewei，Bai Yanping.Technical development of cotton sorter ［J］.China Textile Leader，2012(5):59-62.(in Chinese)

［2］Zhang Xin，Li Daoliang，Yang Wenzhu，et al.A fast segmentation method for high-resolution color images of foreign fibers in cotton［J］.Computers and Electronics in Agriculture，2011，78(1):71-79.

［3］Yang Wenzhu，Li Daoliang，Wang Sile，et al.Saliencybased color image segmentation in foreign fiber detection［J］.Mathematical and Computer Modelling，2013，58(3/4):852-858.

［4］Zhang Qing，Yang Jiancheng，Teng Teng，et al.Design of raw cotton foreign fibers detecting and clearing on line system［C］∥ICCSE2012-Proceedings of2012 7th International Conference on Computer Science and Education.United States:IEEE Computer Society，2012:1223-1225.

［5］Xu Wenbo，Chen Zhiguo，Leng Wenhao，et al.A new high-speed foreign fiber detection system with machine vision ［J］.Mathematical Problems in Engineering，doi.org/10.1155/2010/398364.

［6］楊文柱，李道亮，魏新華，等.基于光譜分析的棉花異性纖維最佳波段選擇方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2009，25(10):186-192.

Yang Wenzhu，Li Daoliang，Wei Xinhua，et al.Selection of optimal band for detecting foreign fibers in lint cotton using spectroscopic analysis［J］.Transactions of the Chinese Society of Agricultural Engineering，2009，25(10):186-192.(in Chinese)

［7］劉 鋒，蘇真?zhèn)?，?麗.基于線激光截面成像的棉花白色異性纖維檢測(cè)方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(3):215-218，256.

Liu Feng，Su Zhenwei，Qiao Li.Linear laser detecting method of white foreign fibers in cotton based on sample cross-section imaging［J］.Transactions of the Chinese Society for Agricultural Machinery，2013，44(3):215-218，256.(in Chinese)

［8］華才鍵，蘇真?zhèn)ィ瑔?麗，等.基于線激光的棉花中白色異性纖維檢測(cè)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43(2):181-185.

Hua Caijian，Su Zhenwei，Qiao Li，et al.White foreign fibers detection in cotton using line laser［J］.Transactions of the Chinese Society for Agricultural Machinery，2012，43(2):181-185.(in Chinese)

［9］郭俊先，應(yīng)義斌，成 芳，等.皮棉表面多類(lèi)異性纖維的高光譜圖像檢測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26(10):355-360.

Guo Junxian，Ying Yibin，Cheng Fang，et al.Detection of foreign materials on the surface of ginned cotton by hyper-spectral imaging［J］.Transactions of the Chinese Society of Agricultural Engineering，2010，26(10):355-360.(in Chinese)

［10］楊文柱，李道亮，魏新華，等.棉花異性纖維圖像分割方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(3):156-160.

Yang Wenzhu，Li Daoliang，Wei Xinhua，et al.Toward image segmentation of foreign fibers in lint［J］.Transactions of the Chinese Society for Agricultural Machinery，2009，40(3):156-160.(in Chinese)

［11］張 馨，李道亮，楊文柱，等.高分辨率棉花異性纖維彩色圖像的快速分割方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42(1):159-164，192.

Zhang Xin，Li Daoliang，Yang Wenzhu，et al.Fast segmentation of high-resolution color images of cotton foreign fibers ［J］.Transactions of the Chinese Society for Agricultural Machinery，2011，42(1):159-164，192.(in Chinese)

［12］陳亞軍，張二虎，牟永強(qiáng).基于空間模型及連通域分析的異纖維在線檢測(cè)［J］.計(jì)算機(jī)工程與應(yīng)用，2013，49(19):162-166.

Chen Yajun，Zhang Erhu，Mou Yongqiang.Online detecting method for foreign fibers based on color space model and connected area analysis algorithm［J］.Computer Engineering and Applications，2013，49(19):162-166.(in Chinese)

［13］李國(guó)輝，蘇真?zhèn)?，夏心?基于不規(guī)則成像機(jī)器視覺(jué)的棉花白色異纖檢測(cè)算法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(5):164-167.

Li Guohui，Su Zhenwei，Xia Xinyi.Algorithm for inspection of white foreign fibers in cotton by machine vision with irregular imaging function.［J］.Transactions of the Chinese Society for Agricultural Machinery，2010，41(5):164-167.(in Chinese)

［14］夏心怡，蘇真?zhèn)ィ顕?guó)輝.基于形狀特征的棉花異性纖維圖像分割方法［J］.農(nóng)機(jī)化研究，2010，32(7):13-16.

Xia Xinyi，Su Zhenwei，Li Guohui.Segmentation of foreign fibres based on the geometric features［J］.Journal of Agricultural Mechanization Research，2010，32(7):13-16.(in Chinese)

［15］Wang Guanjun，Gao Gaili，Li Daoliang，et al.Rational position of apparatus for removing cotton foreign fiber in dynamic equilibrium［C］∥Advanced Research on Applied Mechanics and Manufacturing System.Germany:Trans Tech Publications，2013:44-50.

［16］Wang Jinxing，Wang Qinxiang，Wang Rui，et al.A fast processing approach of cotton foreign fiber images［J］.Sensor Letters，2013，11(6/7):1094-1099.

［17］張 辰，楊文柱，劉召海.基于HSV綜合顯著性的彩色圖像分割方法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2013，34(11):3944-3947.

Zhang Chen，Yang Wenzhu，Liu Zhaohai.Color image segmentation based on compositive HSV saliency［J］.Computer Engineering and Design，2013，34(11):3944-3947.(in Chinese)