基于數(shù)字圖像處理的非織造布均勻性檢測(cè)

方趙琦 張弘楠 王榮武 覃小紅

東華大學(xué)紡織學(xué)院，上海 201620

基于數(shù)字圖像處理的非織造布均勻性檢測(cè)

方趙琦 張弘楠 王榮武 覃小紅

東華大學(xué)紡織學(xué)院，上海 201620

為測(cè)量薄型非織造布的均勻性，采用數(shù)字圖像處理技術(shù)，通過目標(biāo)區(qū)域提取、中值濾波及Otsu二值化等操作，對(duì)圖像進(jìn)行預(yù)處理，再對(duì)圖像進(jìn)行分塊后分別計(jì)算各塊的纖維覆蓋率，最后計(jì)算出變異系數(shù)，并與取樣稱重法的結(jié)果進(jìn)行比較。結(jié)果發(fā)現(xiàn)：圖像分析法的結(jié)果與取樣稱重法的結(jié)果具有高度的趨勢(shì)一致性；通過閾值校準(zhǔn)之后，圖像分析法結(jié)果與取樣稱重法結(jié)果非常接近，這驗(yàn)證了圖像分析法的有效性；此外，相較于取樣稱重法，圖像分析法效率提高了50倍，高效、準(zhǔn)確。

非織造布，均勻性，圖像處理，Otsu閾值，閾值校準(zhǔn)

非織造技術(shù)憑借低廉的生產(chǎn)成本、高效的生產(chǎn)效率及優(yōu)良的產(chǎn)品性能，無論在工業(yè)生產(chǎn)還是在個(gè)人生活中，都占據(jù)著越來越重要的地位。隨著制作加工技術(shù)的成熟，非織造布產(chǎn)品質(zhì)量也逐漸受到人們的重視，故而進(jìn)一步推動(dòng)了其質(zhì)量檢測(cè)的發(fā)展。非織造布無論是用作過濾材料還是增強(qiáng)材料，其均勻性都將直接影響其過濾效率及力學(xué)性能。

非織造布的均勻性反映的是纖維在非織造布中縱橫向及整體的分布情況，常用不勻率表示[1]，其檢測(cè)方法有取樣稱重法、厚度測(cè)定法[2]、電容測(cè)試法[3]、激光掃描法[4]等，其中以取樣稱重法和厚度測(cè)定法較常見，但這些方法都只是通過測(cè)定非織造布的面密度、厚度或其他指標(biāo)來達(dá)到間接表征均勻性的目的，無法準(zhǔn)確、直觀地從纖維分布情況上獲得非織造布的均勻性。

數(shù)字圖像處理技術(shù)自20世紀(jì)20年代問世以來便獲得了飛速的發(fā)展，其實(shí)用性強(qiáng)、應(yīng)用面廣，在各個(gè)工業(yè)領(lǐng)域有著廣泛的應(yīng)用。將圖像處理技術(shù)應(yīng)用于非織造布的均勻性檢測(cè)，可彌補(bǔ)傳統(tǒng)取樣稱重法等的不足，直觀、準(zhǔn)確地描述纖維的纏結(jié)狀態(tài)，從而測(cè)定出非織造布的均勻性[5]。

1 圖像采集

本文針對(duì)非織造布圖像的采集是通過平板掃描儀完成的?？紤]到材料厚度過大會(huì)對(duì)試驗(yàn)結(jié)果的準(zhǔn)確性產(chǎn)生影響，本檢測(cè)方法僅適用于厚度小于5 mm的非織造布試樣。掃描時(shí)，將非織造布裁剪成20 cm× 20 cm規(guī)格的樣品置入掃描儀內(nèi)。

采用掃描儀成像的原因：

(1) 顯微鏡需用的試樣尺寸過小，故無法結(jié)合傳統(tǒng)取樣稱重的結(jié)果驗(yàn)證圖像分析法的可行性；

(2) 相較于一般的拍攝手段，掃描儀能克服光線等其他環(huán)境因素的影響，還原出最真實(shí)、最利于分析的圖像。

2 圖像預(yù)處理

圖像的預(yù)處理又稱為圖像增強(qiáng)，是指對(duì)一幅圖像進(jìn)行某種操作，使其在特定的應(yīng)用情況下比原始圖像更適合進(jìn)行后續(xù)的處理[6]。由于從掃描儀獲得的原始拼接圖像信息量大，且存在一定的景深影響，加之有部分噪聲的干擾，故在進(jìn)行圖像分析之前對(duì)其進(jìn)行預(yù)處理十分必要。

本節(jié)將以黃麻水刺布為例，大致的圖像預(yù)處理流程見圖1。

圖1 圖像預(yù)處理流程

2.1 提取目標(biāo)區(qū)域

掃描儀采集樣品圖像時(shí)，背景鋪上黑布以提高對(duì)比度，這有利于后續(xù)的處理。但實(shí)際獲得的圖像周圍仍會(huì)存在部分背景[圖2(a)]，這會(huì)影響預(yù)處理的效果。此外，對(duì)樣品進(jìn)行分割、檢測(cè)均勻性時(shí)，也需要完整的不含黑色背景的樣品圖像。因此，準(zhǔn)確、高效地提取目標(biāo)區(qū)域是預(yù)處理的第一步，也是隨后進(jìn)行均勻性檢測(cè)的保障。

先以較小的閾值對(duì)圖2(a)進(jìn)行二值化，目的是使目標(biāo)與背景盡可能地分離，效果如圖2(b)所示。二值化后，目標(biāo)區(qū)域與背景區(qū)域都出現(xiàn)了一定量的噪聲點(diǎn)，可利用形態(tài)學(xué)的腐蝕與膨脹很好地去除這些雜點(diǎn)，令目標(biāo)與背景完全分離。腐蝕的效果如圖2(c)所示，且經(jīng)過多次的開運(yùn)算處理后，圖像結(jié)果見圖2(d)，其目標(biāo)區(qū)域無黑點(diǎn)、背景區(qū)域亦無白點(diǎn)，此時(shí)能夠進(jìn)行輪廓的提取。圖2(e)為提取出的目標(biāo)區(qū)域的輪廓，接著將該輪廓在原圖中的位置顯示出來，即得圖2(f)。

圖2 提取目標(biāo)區(qū)域流程

將圖2(f)中白色框內(nèi)部分按照正方形裁下，即獲得能夠進(jìn)行處理和測(cè)試的目標(biāo)圖[圖3(a)]。但因圖3(a)分辨率過大，故選擇其中局部區(qū)域(即黑色框部分)用于圖像預(yù)處理效果的展示[圖3(b)]。

(a) 完整區(qū)域(b) 局部區(qū)域

2.2 中值濾波

圖像的濾波處理分為高通濾波和低通濾波兩種。其中，低通濾波又稱平滑處理，是指在盡量保留圖像細(xì)節(jié)特征的條件下，對(duì)目標(biāo)圖像的噪聲進(jìn)行抑制[7]，這是圖像預(yù)處理過程中不可或缺的一項(xiàng)操作，其處理效果將直接影響到后續(xù)圖像處理與分析的有效性、可靠性。

由掃描儀獲得的圖像，其能量大部分集中在幅度譜的低頻段和中頻段，高頻段的有用信息已被噪聲淹沒。因此，需要一個(gè)能降低高頻成分幅度的濾波器來減弱噪聲的影響。此外，由掃描儀拍攝到的圖像會(huì)受到圖像傳感器、傳輸信道及解碼處理等的影響，產(chǎn)生黑白相間的噪聲，也稱椒鹽噪聲[8]。針對(duì)這些情況，本試驗(yàn)采用低通濾波器中的中值濾波對(duì)圖像進(jìn)行平滑操作。

中值濾波在一定的條件下可以克服常見的線性濾波器所引起的圖像細(xì)節(jié)模糊問題，并能非常有效地濾除脈沖的干擾及掃描圖像產(chǎn)生的噪聲，其通常被用于保護(hù)邊緣信息[9]。中值濾波的基本原理是把數(shù)字圖像中每一點(diǎn)的灰度值用該點(diǎn)的八鄰域中各點(diǎn)灰度值的中值代替，使周圍的像素值接近真實(shí)值，從而消除孤立的噪聲點(diǎn)。

例如，取點(diǎn)[i,j]的周圍八鄰域范圍，那么計(jì)算該點(diǎn)在此函數(shù)模板下中值的具體步驟：

(1) 讀取該點(diǎn)及周圍八鄰域共9個(gè)點(diǎn)的灰度值；

(2) 按照灰度值大小進(jìn)行排序；

(3) 將排序后灰度集的中值，即序列為5的灰度值作為點(diǎn)[i,j]的新灰度值。

再將此模板遍歷整個(gè)圖像上的每個(gè)像素點(diǎn)，即可實(shí)現(xiàn)圖像的中值濾波(圖4)。

圖4 局部區(qū)域中值濾波效果

2.3 圖像二值化

二值圖像即整幅圖像上的灰度值只有0或255，直觀上看就是一幅具有明顯黑白效果的圖像。二值圖像在圖像處理中占有非常重要的地位[10]，其在有利于圖像進(jìn)一步處理的同時(shí)，還能減少圖像數(shù)據(jù)量、凸顯目標(biāo)輪廓，為后續(xù)的圖像處理打下良好的基礎(chǔ)。

常用的將灰度圖像轉(zhuǎn)換成二值圖像的方法有單閾值法、Kittle算法及Otsu算法等。為了能夠較準(zhǔn)確地分離出由掃描儀獲得的圖像中的纖維與背景，本文采用Otsu算法來實(shí)現(xiàn)圖像的二值化。

Otsu算法又稱為最大類間方差法，是一種自適應(yīng)的閾值確定方法，其基本原理是使用一個(gè)閾值將整幅圖像的數(shù)據(jù)分成兩個(gè)類。若兩個(gè)類之間的方差達(dá)到最大，則使用該閾值進(jìn)行二值化。閾值確定的步驟：

(3)T在0～255間取值，計(jì)算σ，記錄下σ達(dá)到最大時(shí)的T值，即為確定的閾值。

至此，整個(gè)Otsu算法完成。依據(jù)確定的閾值便可實(shí)現(xiàn)圖像的二值化(圖5)。

圖5 局部區(qū)域Otsu二值化效果

3 均勻性測(cè)定

非織造布均勻性的綜合指標(biāo)通常用質(zhì)量不勻率(CV值)來表示。在行業(yè)標(biāo)準(zhǔn)中，CV值小于7%則認(rèn)定非織造布均勻性良好[11]。但質(zhì)量不勻率只能粗略地反映非織造布均勻性的整體情況。而根據(jù)掃描儀獲得的圖像進(jìn)行數(shù)字圖像處理，計(jì)算非織造布中纖維的覆蓋面積，可直觀地反映非織造布的均勻性特征。本節(jié)將圖像處理法獲得的圖像信息與取樣稱重法所得的質(zhì)量信息進(jìn)行比較，以確定圖像分析法的可行性。

3.1 取樣稱重法

非織造布均勻性測(cè)試常用的有取樣稱重法與厚度測(cè)定法兩種。但厚度測(cè)定法的精度較低，行業(yè)內(nèi)使用較少，故本文采用取樣稱重法來驗(yàn)證圖像分析法的結(jié)果。

選擇20 cm×20 cm規(guī)格的5種非織造布用于制樣，分別為黃麻水刺布(1#)、 PP熔噴布(2#)、 PP水刺布(3#)、 PET熔噴布(4#)、 PP紡黏布(5#)。

每種非織造布裁成4 cm×4 cm共計(jì)25小塊，分別進(jìn)行稱重，具體步驟：

(1)依照GB/T 6529—2008《紡織品 調(diào)濕和試驗(yàn)用標(biāo)準(zhǔn)大氣》中的規(guī)范，預(yù)先對(duì)樣品進(jìn)行調(diào)濕處理；(2)在標(biāo)準(zhǔn)大氣壓下，利用AL104電子天平分別稱取每小塊樣品的質(zhì)量；(3)記 錄每小塊樣品的質(zhì)量，用于與圖像分析結(jié)果進(jìn)行比較。

3.2 圖像分析法

為證明圖像分析法具有較強(qiáng)的適用性，對(duì)預(yù)處理后的二值圖像，采取與取樣稱重法相同的分塊方式，將其等分成25塊區(qū)域(圖6)，分別計(jì)算纖維的覆蓋面積。直接采用像素點(diǎn)的個(gè)數(shù)來表示非織造材料中纖維的覆蓋面積。

5種樣品的掃描儀采集的圖像和預(yù)處理后的二值圖像見圖7。

(a) 掃描儀采集的圖像

(b) 預(yù)處理后的二值圖像

通過分析預(yù)處理后的二值圖像，可以量化出非織造布的結(jié)構(gòu)信息，準(zhǔn)確、高效地評(píng)定非織造布的均勻性。

3.3 測(cè)試結(jié)果

將圖像分析法與取樣稱重法所獲得的結(jié)果，根據(jù)分塊方式一一對(duì)應(yīng)，并繪制出折線圖(圖8)。

(a) 1#樣品

(b) 2#樣品

(c) 3#樣品

(d) 4#樣品

(e) 5#樣品

由圖8可知，取樣稱重法與圖像分析法的結(jié)果在折線的趨勢(shì)上呈現(xiàn)了高度的一致性。

再分別計(jì)算取樣稱重法和圖像分析法各自測(cè)得25個(gè)數(shù)據(jù)的變異系數(shù)V，即為非織造布的不勻率(CV值)：

(1)

根據(jù)式(1)計(jì)算取樣稱重法與圖像分析法所得非織造布的CV值歸納于表1，發(fā)現(xiàn)兩組數(shù)據(jù)之間差異較大。

表1 取樣稱重法與圖像分析法測(cè)試結(jié)果比較

(續(xù)表)

3.4 圖像預(yù)處理的改進(jìn)

由表1可以看出，圖像分析法所得CV值遠(yuǎn)大于取樣稱重法所得CV值，主要原因在于二值化中閾值的選取。

以黃麻水刺布(1#)為例，選取不同的閾值對(duì)圖像進(jìn)行二值化，然后將圖像分析結(jié)果與取樣稱重結(jié)果一起繪制于圖9中，發(fā)現(xiàn)：閾值的改變不會(huì)影響折線的趨勢(shì)，但對(duì)折線波動(dòng)的幅度影響較明顯；同時(shí)，隨著閾值的增大，變異系數(shù)單調(diào)遞增。故需對(duì)Otsu閾值進(jìn)行修正。

圖9 不同閾值下圖像分析結(jié)果

3.4.1 最佳閾值的計(jì)算

圖像分析法中，非織造布CV值與二值化閾值的具體關(guān)系可通過擬合直線(圖10)得出，并利用擬合直線得出最佳閾值，使圖像分析法所得CV值和取樣稱重法所得CV值最接近。

(a) 1#樣品

(d) 4#樣品

(e) 5#樣品

3.4.2 建立Otsu閾值與最佳閾值之間的聯(lián)系

將計(jì)算所得的各樣品的最佳閾值列入表2。

表2 最佳閾值表

圖11將Otsu算法獲得的閾值與計(jì)算得到的最佳閾值進(jìn)行直線擬合，發(fā)現(xiàn)兩組閾值的擬合程度較高，故可確定出校準(zhǔn)計(jì)算式：

T=1.049T0-22.316

(2)

式中：T0——Otsu閾值；T——最佳閾值，即校準(zhǔn)閾值。

圖11 Otsu閾值與校準(zhǔn)閾值擬合直線

利用式(2)得出的校準(zhǔn)閾值對(duì)圖像進(jìn)行預(yù)處理，通過計(jì)算每小塊樣品內(nèi)的纖維覆蓋率，計(jì)算出25個(gè)數(shù)據(jù)的變異系數(shù)，即得該非織造布的CV值，并與取樣稱重法結(jié)果進(jìn)行比較，歸納于表3。可見，校準(zhǔn)閾值結(jié)果CV值與取樣稱重結(jié)果CV值只存在微小的偏差。

表3 校準(zhǔn)結(jié)果

3.4.3 校準(zhǔn)計(jì)算式的驗(yàn)證

為驗(yàn)證校準(zhǔn)計(jì)算式(2)的有效性及穩(wěn)定性，另取5塊非織造布樣品，分別為PP熔噴布(6#)、 PET熔噴布(7#)、 PP水刺布(8#)、 PP針刺布(9#)、黏膠水刺布(10#)，按同樣的方法制樣后通過掃描儀采集圖像,并按照上述步驟獲得校準(zhǔn)閾值，利用閾值進(jìn)行預(yù)處理的二值圖像，經(jīng)分塊、稱重、計(jì)算得到CV值(圖12和表4)。

(a) 掃描儀采集圖像

(b) Otsu閾值預(yù)處理后的二值圖像

(c) 校準(zhǔn)閾值預(yù)處理后的二值圖像

樣品編號(hào)CV值/%取樣稱重結(jié)果Otsu閾值結(jié)果校準(zhǔn)閾值結(jié)果6#3．258．273．237#3．8311．445．158#6．1716．526．429#13．7343．6114．0710#14．2630．0018．55

由表4可知，就薄型材料而言，校準(zhǔn)閾值結(jié)果的CV值與取樣稱重結(jié)果的CV值十分接近，只存在微小的偏差，這主要是由于校準(zhǔn)閾值的方法將圖像上的覆蓋面積與薄型材料的質(zhì)量建立了聯(lián)系，二者的比值與薄型材料的密度呈正比，而薄型材料的密度又受自身的密度、非織造布的孔隙率及材料的厚度等多方面影響。因此，通過校準(zhǔn)不能使其結(jié)果與取樣稱重法完全吻合，但這一結(jié)果已充分證明圖像分析法可用于非織造布均勻性測(cè)試。

此外，取樣稱重法中，人工取樣稱重及計(jì)算會(huì)耗費(fèi)大量的時(shí)間，效率極低；而圖像分析法中，掃描整塊樣品后即可通過程序運(yùn)行得出結(jié)果，其中程序運(yùn)行用時(shí)平均不超過0.5 s、整個(gè)掃描過程也不超過5.0 s。故粗略估算，圖像分析法效率較取樣稱重法提高了50倍以上，其獲取薄型非織造布的均勻性準(zhǔn)確、高效。

4 結(jié)語

利用數(shù)字圖像處理法，對(duì)薄型非織造布的均勻性進(jìn)行測(cè)量，在與傳統(tǒng)取樣稱重法的結(jié)果比對(duì)后發(fā)現(xiàn)，圖像分析法與取樣稱重法的數(shù)據(jù)具有高度的趨勢(shì)一致性；再通過校準(zhǔn)圖像預(yù)處理中二值化的閾值后發(fā)現(xiàn)，其結(jié)果與取樣稱重法結(jié)果十分接近，且高效、精確。故圖像分析法可取代傳統(tǒng)的取樣稱重法用于測(cè)定薄型非織造布的均勻性。

[1] 柯勤飛，靳向煜．非織造學(xué)[M].上海：東華大學(xué)出版社，2004：44-45.

[2] 汪小穎.非織造干法工藝中均勻度自動(dòng)控制系統(tǒng)的應(yīng)用研究[D].上海：東華大學(xué),2009.

[3] JEONG S H, KIM S H, HONG C J. The evaluation of evenness of nonwovens using image analysis method[J]. Fibers and Polymers, 2001,2(3):164-170.

[4] AGGARWAL R K, KENNON W R, PORAT I. A scanned-laser technique for monitoring fibrous webs and nonwoven fabrics[J]. Journal of the Textile Institute, 1992,83(3):386-398.

[5] YAN Z, BRESEE R R. Characterizing nonwoven-web structure by using image-analysis techniques. Part V: Analysis of shot in meltblown webs[J]. Journal of the Textile Institute, 1998,89(2):320-336.

[6] GONZALEZ R C, WOODS R E. Digital image processing[M]. 3rd Edition. Beijing: Publishing House of Electronics Industry, 2011:333-334.

[7] 張恒,雷志輝,丁曉華.一種改進(jìn)的中值濾波算法[J].中國圖象圖形學(xué)報(bào),2004,9(4):408-411.

[8] 毛星云，冷雪飛. OpenCV3編程入門[M].北京：電子工業(yè)出版社,2015:175-176．

[9] 高浩軍,杜宇人.中值濾波在圖像處理中的應(yīng)用[J].電子工程師,2004,30(8):35-36.

[10] 王強(qiáng),馬利莊.圖像二值化時(shí)圖像特征的保留[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2000,12(10):746-750.

[11] 金暉,劉峰.聚丙烯紡粘法非織造布均勻性問題的解決措施探討[J].產(chǎn)業(yè)用紡織品,2013，31(3):37-39.

Uniform measurement of nonwovens based on digital image processing

FangZhaoqi，ZhangHongnan，WangRongwu，QinXiaohong

College of Textiles， Donghua University， Shanghai 201620， China

In order to measure the uniform of light-weight nonwovens, the digital image processing was adopted to preprocess the image with target areas’ extraction, median filtering andOtsubinarization, then the image was partitioned to calculate the fiber coverage of each partition, and finally the coefficient of variation was calculated, which was compared with the result of weighing method. The results showed that, the result of image analysis method was consistent with the trend of the weighing method’s result. With the threshold calibration, the result of the image analysis method was close to that of weighing method, which proved the effectiveness of image analysis method. Furthermore, the image analysis method was efficient and accurate, which efficiency was 50 times higher than that of the weighting method.

nonwoven, uniformity, image process,Otsuthreshold, threshold calibration

2016-09-25

方趙琦，男，1992年生，在讀碩士研究生，主要研究方向?yàn)閿?shù)字圖像處理

張弘楠，E-mail: hnzhang@dhu.edu.cn

TS 177

A

1004-7093(2017)01-0036-8