基于MATLAB的繭幅度檢驗(yàn)方法的研究

陳浩++劉霞++楊崢++楊磊++李振華

摘要：針對(duì)目前采用游標(biāo)卡尺進(jìn)行繭幅度檢驗(yàn)時(shí)因繭形原因?qū)е掠绊憴z驗(yàn)結(jié)果的問(wèn)題，本文采用MATLAB軟件對(duì)桑蠶干繭彩色圖像進(jìn)行圖像處理的方法對(duì)繭幅度檢驗(yàn)方法進(jìn)行了研究，得到了一種新的繭幅度檢驗(yàn)方法。研究結(jié)果表明：將采集到的圖像經(jīng)過(guò)適當(dāng)?shù)膱D像增強(qiáng)和圖像處理后，在經(jīng)過(guò)準(zhǔn)確相機(jī)標(biāo)定的情況下，本研究方法與人工采用游標(biāo)卡尺檢測(cè)的結(jié)果基本一致，且結(jié)果的穩(wěn)定性總體上優(yōu)于人工檢驗(yàn)，其中本研究方法得到的繭幅極差和繭幅標(biāo)準(zhǔn)差指標(biāo)的穩(wěn)定性占優(yōu)，平均繭幅指標(biāo)的穩(wěn)定性稍差。

關(guān)鍵詞：繭幅度；桑蠶干繭；平均繭幅；繭幅極差；繭幅標(biāo)準(zhǔn)差；MATLAB

在進(jìn)行制絲工藝設(shè)計(jì)時(shí)，繭幅極差和繭幅標(biāo)準(zhǔn)差指標(biāo)是原料繭選用需考慮的重要因素，這是因?yàn)橥慌O子繭形大小不一，則繭絲纖度就粗細(xì)不一，從而影響生絲纖度的均勻程度，制絲工藝要求原料繭的形狀和大小均勻一致[1]，上述指標(biāo)較小的原料繭有利于減少給繭機(jī)的多撈或空撈，能夠從提高給繭機(jī)正確添緒率方面促進(jìn)生絲質(zhì)量的提高，所以繭幅度檢驗(yàn)對(duì)于提高制絲工藝設(shè)計(jì)的合理性和提高產(chǎn)品質(zhì)量具有重要意義。而目前繭幅度檢驗(yàn)是人工采用游標(biāo)卡尺逐一對(duì)樣品進(jìn)行測(cè)量的方式，由于我國(guó)飼育的蠶品種繭形多呈橢圓而帶淺束腰形[1]，不同的測(cè)量位置對(duì)結(jié)果的影響較大。

近年來(lái)，學(xué)者們?cè)趯D像處理技術(shù)應(yīng)用于繭絲行業(yè)方面做了一些研究：華中平等提出了一種基于圖像處理計(jì)算蠶繭表面積的方式[2]；甘勇提出了一種基于光電技術(shù)和數(shù)字圖像處理技術(shù)計(jì)算干繭繭殼厚度的方法[3]；黃靜等[4]根據(jù)改進(jìn)的K均值聚類算法實(shí)現(xiàn)了對(duì)蠶繭圖像的分割和蠶繭計(jì)數(shù)；陳浩等[5]提出了利用MATLAB軟件對(duì)桑蠶繭表面污斑面積自動(dòng)檢測(cè)的方法。本研究將對(duì)MATLAB商業(yè)數(shù)學(xué)軟件應(yīng)用于桑蠶干繭繭幅度檢驗(yàn)進(jìn)行探討。

1 試驗(yàn)

1.1 材料與儀器

材料：按GB/T 9111—2015《桑蠶干繭試驗(yàn)方法》國(guó)家標(biāo)準(zhǔn)選繭試驗(yàn)后的100粒上車(chē)?yán)O。

儀器：電腦（聯(lián)想啟天M6500-D756，Intel?Core?i7-4770 CPU@3.40GHz處理器，8G內(nèi)存，Windows7操作系統(tǒng)），S300l高拍儀（深圳市良田科技有限公司），Ms3150游標(biāo)卡尺（精度0.01 mm，臺(tái)州機(jī)械工人科技有限公司）， 標(biāo)定物 （C型1級(jí)鋼直尺，長(zhǎng)度150.0 mm，寬度18.70 mm，浙江省永康市世雅光明量具廠），圖像處理軟件（MATLAB R2014a）。

1.2 方法

1.2.1 圖像采集

由于我國(guó)飼育的雜交種均為白色繭，為更好地表現(xiàn)蠶繭的輪廓，確定試驗(yàn)臺(tái)背景為黑色。在采用高拍儀采集圖像時(shí)的圖像尺寸為A5幅面，得到的彩色圖像尺寸為880dpi×660dpi，圖像格式為JPG圖像，每張圖像內(nèi)均有10粒上車(chē)?yán)O，共采集10幅圖像。

1.2.2 圖像處理

圖像處理主要包括圖像讀取和灰度轉(zhuǎn)換、圖像增強(qiáng)、二值化、刪除小面積對(duì)象、形態(tài)學(xué)處理、空間濾波、最小外接矩形等。

1.2.2.1 圖像讀取和灰度轉(zhuǎn)換

在MATLAB中，函數(shù)imread用來(lái)讀取圖像文件，函數(shù)調(diào)用格式為：I=imread（filename， fmt），這樣讀取得到的是RGB圖像。為便于后續(xù)處理，使用rgb2gray函數(shù)將RGB圖像轉(zhuǎn)換為灰度圖像，函數(shù)調(diào)用格式為I1=rgb2gray（I）。原始圖像和灰度圖像見(jiàn)圖1和圖2。

圖1 原始圖像

圖2 灰度圖像

1.2.2.2 圖像增強(qiáng)

圖像增強(qiáng)是將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量、加強(qiáng)圖像判讀和識(shí)別效果的圖像處理方法。由于桑蠶干繭外面包裹的繭衣在經(jīng)過(guò)剝繭后也無(wú)法全部去除，如在圖像處理時(shí)不能很好地消除，將大大影響檢驗(yàn)的準(zhǔn)確度。因?yàn)榛叶葓D像在黑色和白色之間還有許多級(jí)的顏色深度，繭衣在試驗(yàn)臺(tái)背景的襯托下，與蠶繭的顏色深度會(huì)有某些差異，所以本研究采用imadjust函數(shù)對(duì)圖像進(jìn)行線性變換對(duì)比度增強(qiáng)的圖像增強(qiáng)方式，函數(shù)調(diào)用格式為I2=imadjust（I1，[low_in；high_in]，[low_out；high_out]）。增強(qiáng)處理后的圖像見(jiàn)圖3。

圖3 圖像增強(qiáng)后效果圖

1.2.2.3 二值化

二值化是將圖像上的每一個(gè)像素轉(zhuǎn)換成只有兩種可能的取值或灰度等級(jí)狀態(tài)，一幅二值圖像是一個(gè)取值只有0和1的邏輯數(shù)組[6]，這種操作圖像的方式可以更容易識(shí)別出圖像的結(jié)構(gòu)特征。所以本研究采用im2bw函數(shù)對(duì)增強(qiáng)后的圖像進(jìn)行二值化，函數(shù)調(diào)用格式為bw1 = im2bw（I2，level）。二值化后的圖像見(jiàn)圖4。

圖4 圖像二值化處理后的效果圖

1.2.2.4 刪除小面積對(duì)象

在經(jīng)過(guò)圖像增強(qiáng)和二值化后， 圖像中部分未消除的繭衣成為小面積對(duì)象散布在圖像中，這些小面積對(duì)象的存在將對(duì)檢測(cè)結(jié)果產(chǎn)生不利影響，須將這些小面積對(duì)象去除。所以本研究采用bwareaopen函數(shù)來(lái)去除二值化后圖像中的小面積對(duì)象，函數(shù)調(diào)用格式為bw2=bwareaopen（bw1，P，conn）。刪除小面積對(duì)象后圖像見(jiàn)圖5。

圖5 刪除小面積對(duì)象后圖像

1.2.2.5 形態(tài)學(xué)處理

在刪除小面積對(duì)象后，樣本的圖像邊緣會(huì)存在一些細(xì)小的突起，而形態(tài)學(xué)開(kāi)運(yùn)算完全刪除了不能包含結(jié)構(gòu)元素的對(duì)象區(qū)域，平滑了對(duì)象的輪廓，斷開(kāi)了狹窄的連接，去掉了細(xì)小的突出部分；形態(tài)學(xué)閉運(yùn)算一般會(huì)將狹窄的缺口連接起來(lái)形成細(xì)長(zhǎng)的彎口，并填充比結(jié)構(gòu)元素小的洞，將開(kāi)運(yùn)算和閉運(yùn)算組合起來(lái)使用能夠非常有效地去除噪聲和平滑對(duì)象輪廓[6]。所以本研究采用imopen和imclose函數(shù)組合的形態(tài)學(xué)處理方式來(lái)消除圖像邊緣的細(xì)小突起和填充樣本內(nèi)部比結(jié)構(gòu)元素小的洞，并對(duì)樣品的邊緣輪廓進(jìn)行了平滑，函數(shù)調(diào)用格式分別為bw3=imopen（bw2，SE）和bw4=imclose（bw3，SE）。形態(tài)學(xué)處理后圖像見(jiàn)圖6。

圖6 形態(tài)學(xué)處理后圖像

1.2.2.6 空間濾波

為使所處理圖像更接近于樣本真實(shí)狀況，需對(duì)圖像中樣品邊緣輪廓進(jìn)一步平滑。由于高斯濾波是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，相對(duì)于均值濾波，高斯濾波的平滑效果更柔和，而且邊緣保留得也更好，所以本研究采用高斯濾波對(duì)圖像再次進(jìn)行了平滑，函數(shù)調(diào)用格式為gausFilter=fspecial（‘gaussian，hsize，sigma）和bw5=imfilter（bw4，gausFilter，replicate），表示將先用fspecial函數(shù)用于建立預(yù)定義的高斯濾波算子，再用imfilter函數(shù)進(jìn)行空間濾波?？臻g濾波后的圖像見(jiàn)圖7。

圖7 空間濾波后的圖像

1.2.2.7 最小外接矩形

采用上述處理方法對(duì)所采集的圖像進(jìn)行圖像增強(qiáng)和圖像處理后，圖像中的噪聲和繭衣等對(duì)繭幅度檢測(cè)的不利影響已被消除，為測(cè)出圖像中樣本的繭幅度，本研究采用minboundrect函數(shù)畫(huà)出圖像中每個(gè)樣本的最小外接矩形。在畫(huà)出各個(gè)樣本的最小外接矩形后，根據(jù)矩形四個(gè)頂點(diǎn)的坐標(biāo)值和勾股定理，可得出矩形各邊的長(zhǎng)度，其中短邊的長(zhǎng)度就是要研究的繭幅度。畫(huà)最小外接矩形圖像見(jiàn)圖8。

圖8 最小外接矩形圖像

1.2.2.8 相機(jī)標(biāo)定

經(jīng)過(guò)最小外接矩形處理后得到的繭幅度其實(shí)是樣本在所采集圖像中的像素?cái)?shù)，只有在得到所拍攝圖像的像素物理尺寸后，才能得出繭幅度的實(shí)際物理長(zhǎng)度，為此需進(jìn)行相機(jī)標(biāo)定。在相機(jī)標(biāo)定時(shí)采用了傳統(tǒng)相機(jī)標(biāo)定法，通過(guò)拍攝尺寸已知的標(biāo)定物，再計(jì)算圖像中標(biāo)定物的寬度對(duì)應(yīng)的像素?cái)?shù)，從而得到所拍攝圖像像素的物理尺寸。經(jīng)圖像處理和計(jì)算后，得出標(biāo)定物18.70 mm寬度在圖像中的像素?cái)?shù)為79.1579 個(gè)，從而推導(dǎo)出本研究用高拍儀所拍攝圖像的每個(gè)像素平均物理尺寸為0.2362 mm。

1.2.3 數(shù)據(jù)導(dǎo)出

Excel作為一款優(yōu)秀的通用表格軟件，可以進(jìn)行各種數(shù)據(jù)的處理、統(tǒng)計(jì)分析和輔助決策操作，被廣泛地應(yīng)用于管理、統(tǒng)計(jì)財(cái)經(jīng)、金融等眾多領(lǐng)域，本研究采用xlswrite函數(shù)將每個(gè)樣本最小外接矩形四個(gè)頂點(diǎn)坐標(biāo)值導(dǎo)出到Excel中，函數(shù)調(diào)用格式為xlswrite（filename，A，sheet，xlRange），并利用Excel中的POWER、SQRT、MAX、MIN、AVERAGE和STDEV等函數(shù)進(jìn)行平均繭幅、繭幅極差和繭幅標(biāo)準(zhǔn)差的計(jì)算，檢驗(yàn)數(shù)據(jù)自動(dòng)存入Excel以便查詢和打印等。數(shù)據(jù)導(dǎo)出圖像見(jiàn)圖9。

2 結(jié)果與討論

采用高拍儀對(duì)100粒上車(chē)?yán)O拍攝10張圖像后，利用本研究方法進(jìn)行繭幅度檢驗(yàn)，得到了GB/T 9111—2015國(guó)家標(biāo)準(zhǔn)規(guī)定的平均繭幅、繭幅極差和繭幅標(biāo)準(zhǔn)差指標(biāo)，其值分別為19.79 mm、6 mm和1.17。為驗(yàn)證本研究方法的準(zhǔn)確性和穩(wěn)定性，分別用游標(biāo)卡尺和本研究方法各進(jìn)行了9次檢測(cè)，將兩種方式得到的平均繭幅、繭幅極差和繭幅標(biāo)準(zhǔn)差3個(gè)指標(biāo)分別進(jìn)行平均值、極差和標(biāo)準(zhǔn)差的計(jì)算。從驗(yàn)證結(jié)果可知：兩種檢測(cè)方法結(jié)果基本一致，數(shù)據(jù)的離散程度各有大小。其中：本研究方法上述3個(gè)指標(biāo)的平均值分別大0.21 mm、0.1 mm和0.03，繭幅極差的標(biāo)準(zhǔn)差、繭幅標(biāo)準(zhǔn)差的極差和標(biāo)準(zhǔn)差分別小0.03、0.05和0.04，平均繭幅的極差和標(biāo)準(zhǔn)差分別大0.04 mm和0.01 mm。驗(yàn)證結(jié)果見(jiàn)表1。

3 結(jié)論

（1）利用MATLAB軟件強(qiáng)大的數(shù)據(jù)和圖像處理能力，將其運(yùn)用到桑蠶干繭繭幅度檢驗(yàn)，檢驗(yàn)結(jié)果與手工檢測(cè)基本一致，且結(jié)果的穩(wěn)定性總體上優(yōu)于人工檢驗(yàn)，其中本研究方法得到的繭幅極差和繭幅標(biāo)準(zhǔn)差指標(biāo)的穩(wěn)定性占優(yōu)，平均繭幅指標(biāo)的穩(wěn)定性稍劣。

（2）按照GB/T 9111—2015國(guó)家標(biāo)準(zhǔn)規(guī)定，繭幅度檢驗(yàn)是按1mm進(jìn)行分檔，對(duì)精度的要求不是很高，所以本研究未考慮攝像頭的畸變對(duì)結(jié)果的影響。

參考文獻(xiàn)：

[1]陳文興， 傅雅琴. 蠶絲加工工程[M]. 北京： 中國(guó)紡織出版社， 2013.

[2]華中平， 甘勇. 基于圖像處理的蠶繭表面積計(jì)算方法[J]. 絲綢， 2004（3）：16-18.

[3]甘勇. 基于圖像處理技術(shù)的干繭繭殼厚度計(jì)算方法[J]. 絲綢， 2006（11）.46-48.

[4]黃靜，張琦，江文斌.基于改進(jìn)K-Means算法的蠶繭自動(dòng)計(jì)數(shù)方法的研究[J].絲綢，2014（1）：37-40.

[5]陳浩，楊崢，劉霞，等.基于MATLAB的桑蠶繭選繭輔助檢驗(yàn)方法的研究[J].絲綢，2016，53（3）： 32-46.

[6]岡薩雷斯 R C， 伍茲 R E， 艾丁斯 S L.數(shù)字圖像處理（MATLAB版）[M].北京： 北京電子工業(yè)出版社， 2005.

[作者單位：山東省纖維檢驗(yàn)局、國(guó)家繭絲綢產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（山東）]