一種基于Canny的原棉雜質(zhì)圖像分割方法研究

夏彬 張亞利 王飛

摘要：針對(duì)原棉雜質(zhì)人工檢驗(yàn)方式效率和效果不能保證的問題，提出一種基于Canny的原棉圖像分割方法。該方法首先通過計(jì)算灰度的二階微分增強(qiáng)圖像，然后采用梯度按閾值取舍的方法檢測(cè)圖像邊緣，在此基礎(chǔ)上，結(jié)合“非極大值抑制”和形態(tài)學(xué)的連接操作，確保圖像分割的效果。原棉雜質(zhì)圖像分割實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地將雜質(zhì)與原棉背景分離，獲取的雜質(zhì)邊緣清楚、流暢，有利于后期原棉雜質(zhì)的分類與識(shí)別，同時(shí)，為棉纖維檢驗(yàn)領(lǐng)域中機(jī)器視覺檢測(cè)系統(tǒng)的研發(fā)提供了技術(shù)支撐和數(shù)據(jù)參考。

關(guān)鍵詞：原棉雜質(zhì)；圖像分割；Canny；雜質(zhì)邊緣；視覺檢測(cè)

中圖分類號(hào)：TS111.9；TP37

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1009-265X（2017）06-0023-04

Research of Cannybased Image Segmentation Method of Raw Cotton Impurities

XIA Bin1， ZHANG Yali2， WANG Fei3

（1.Zhengzhou Cotton & Jute Engineering Technology and Design Research Institute of China Coop，Zhengzhou 450000， China； 2.Henan Industrial Design School， Zhengzhou 450000，China； 3.Key Laboratory of Textile Science & Technology Ministry ofEducation，Donghua University， Shanghai 200051， China）

Abstract：Considering the low efficiency and low effectiveness of manual inspection of raw cotton impurities， this paper proposes a Cannybased method of raw cotton image segmentation. According to the method， the secondorder differential enhanced image of gray is to be calculated first， then the image border is to be tested with the method of gradient threshold choice method， and nonmaximum suppression and join morphological operation are to be combined on this basis， to ensure the effect of image segmentation. Simulation experiment results of raw cotton impurities image segmentation show that the method works to remove impurities from raw cotton background， and the impurities edges obtained with the method are clear and fluent， which is good for classifying and recognizing raw cotton impurities subsequently， and provides technical support and data reference for the development and research of machine visual inspection system in the field of cotton fiber inspection.

Key words：raw cotton impurities； image segmentation； Canny； impurities edge； machine visual inspection

中國(guó)具有悠久的植棉歷史，既是產(chǎn)棉大國(guó)，也是用棉大國(guó)。根據(jù)國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)顯示，2015年全國(guó)棉花播種面積37 990 km2（5 698.5萬畝），總產(chǎn)量560.5萬t[1]。作為中國(guó)主要的經(jīng)濟(jì)作物和紡織工業(yè)的主要原料，棉花與農(nóng)、工、商各方利益息息相關(guān)[2]。與此同時(shí)，隨著棉花采收機(jī)械的快速推廣，機(jī)采棉較高的含雜率嚴(yán)重影響了棉花的加工與銷售，另外，較高的含雜率也影響了原棉的定級(jí)與定價(jià)，影響著紡紗效果及最終棉紡織品的質(zhì)量。目前，根據(jù)國(guó)家標(biāo)準(zhǔn)GB/T 6499—2012《原棉含雜率試驗(yàn)方法》，原棉雜質(zhì)的檢驗(yàn)方式為人工手工檢測(cè)，由于手工方法勞動(dòng)強(qiáng)度大、主觀性強(qiáng)、檢測(cè)效率和效果不能保證，檢測(cè)過程中也會(huì)對(duì)原棉的原生品相造成破壞，這就給原棉雜質(zhì)的檢測(cè)帶來了困難。機(jī)器視覺檢測(cè)技術(shù)采用工業(yè)相機(jī)與計(jì)算機(jī)結(jié)合的方式，通過數(shù)字圖像處理分析方法代替人眼對(duì)目標(biāo)進(jìn)行分析、識(shí)別與測(cè)量，能夠有效克服人工檢驗(yàn)的不足，有利于提高檢驗(yàn)效率，在原棉雜質(zhì)檢測(cè)領(lǐng)域具有廣泛的應(yīng)用前景[35]。

本文針對(duì)原棉雜質(zhì)圖像分割方法進(jìn)行研究，提出采用Canny算子進(jìn)行原棉圖像分割，并選取淡點(diǎn)污棉二級(jí)原棉為樣本進(jìn)行仿真實(shí)驗(yàn)，為原棉雜質(zhì)圖像分割方法的選取以及雜質(zhì)目標(biāo)的分類識(shí)別提供參考依據(jù)。

3仿真實(shí)驗(yàn)

3.1實(shí)驗(yàn)平臺(tái)

實(shí)驗(yàn)選取淡點(diǎn)污棉二級(jí)原棉作為樣品，通過圖像采集裝置捕獲原棉雜質(zhì)圖像，采集的樣品圖像為BMP格式，位深度32位。

實(shí)驗(yàn)硬件平臺(tái)是在聯(lián)想PC機(jī)上進(jìn)行的，該計(jì)算機(jī)配備Core i5處理器，8 GB內(nèi)存，1 TB硬盤。

實(shí)驗(yàn)程序采用Visual C++ 2010調(diào)取OpenCV視覺庫(kù)的方式編程實(shí)現(xiàn)，程序運(yùn)行在Windows 7操作系統(tǒng)下。Microsoft Visual C++是Microsoft公司推出的面向?qū)ο蟮目梢暬删幊汰h(huán)境，它具有靈活方便的類管理、程序框架自動(dòng)生成、代碼編寫和界面設(shè)計(jì)集成交互操作等程序開發(fā)優(yōu)勢(shì)。OpenCV是開源的跨平臺(tái)計(jì)算機(jī)視覺庫(kù)，可以運(yùn)行在Windows、Linux以及Mac OS操作系統(tǒng)平臺(tái)上，類庫(kù)輕量級(jí)，程序執(zhí)行高效，能夠進(jìn)行圖像處理與計(jì)算機(jī)視覺通用算法實(shí)驗(yàn)。

3.2結(jié)果與分析

依托上述仿真實(shí)驗(yàn)平臺(tái)，實(shí)驗(yàn)通過原棉雜質(zhì)圖像采集裝置捕獲了淡點(diǎn)污棉二級(jí)原棉樣品圖像，分辨率為1 925×1 773像素，如圖2所示。在此基礎(chǔ)上，開展了Canny方法圖像分割實(shí)驗(yàn)，以及不同圖像分割方法間的對(duì)比分析實(shí)驗(yàn)。

3.2.1Canny方法分割結(jié)果分析

根據(jù)采集的圖2棉花樣品圖像，采用本文Canny方法進(jìn)行分割，其分割實(shí)驗(yàn)結(jié)果如圖3（a）所示，同時(shí)，為便于對(duì)分割結(jié)果進(jìn)行觀察分析，對(duì)分割結(jié)果圖像反色后結(jié)果如圖3（b）所示。將圖2與圖3進(jìn)行對(duì)比分析，可以看到，在原棉圖像中相應(yīng)的雜質(zhì)點(diǎn)經(jīng)過圖像分割后，雜質(zhì)都被凸顯出來，進(jìn)一步說明了本文的Canny方法能夠?qū)㈦s質(zhì)與原棉背景有效地分離開來，同時(shí)，分割出的原棉背景噪聲小、雜散點(diǎn)少，原棉雜質(zhì)邊緣清楚、流暢。

3.2.2不同圖像分割方法效能對(duì)比分析

為了進(jìn)一步驗(yàn)證本文方法的圖像分割效能，實(shí)驗(yàn)分別選取閾值分割方法、OTSU方法與本文Canny方法進(jìn)行分割結(jié)果對(duì)比分析。

a）分割方法耗時(shí)方面。采集7種不同分辨率的原棉圖像，采用各自方法分別進(jìn)行圖像分割，并計(jì)算所耗費(fèi)時(shí)間，進(jìn)行對(duì)比分析，具體如圖4所示。從圖4可以看出，對(duì)于低于600×800像素的小分辨率圖像，各方法分割耗時(shí)相當(dāng)，維持在0.29 s左右；當(dāng)圖像分辨率超過1 250×1 500像素時(shí)，本文Canny方法耗時(shí)大幅降低，最大相對(duì)降低21%。

b）分割方法效能方面。采用分割結(jié)果定性與檢測(cè)概率比定量相結(jié)合方式進(jìn)行對(duì)比分析。

首先，分割結(jié)果定性分析。以采集的圖2原棉圖像為樣品，分別采用上述兩種方法進(jìn)行圖像分割，并對(duì)分割結(jié)果反色后如下：圖5為閾值分割方法結(jié)果，圖6為OTSU方法結(jié)果。

通過與圖3 Canny方法結(jié)果對(duì)比，閾值分割方法對(duì)有些原棉雜質(zhì)存在“漏檢”的情況，如圖5所示，與原始樣本相比，雜質(zhì)與原棉背景分離效果不明顯，分割后的圖像背景存在噪聲，一定程度影響了后期的數(shù)據(jù)處理；通過與圖3 Canny方法結(jié)果對(duì)比，OTSU方法能夠有效的將雜質(zhì)與原棉背景分離開來，如圖6所示，同時(shí)，雜質(zhì)邊緣刻畫清楚、流暢，但存在背景噪聲，影響了分割的效果。

其次，檢測(cè)概率比定量分析。檢測(cè)概率比是圖像分割中常用評(píng)價(jià)準(zhǔn)則，其定義為正確檢測(cè)概率Pc與錯(cuò)誤檢測(cè)概率Pf之比。實(shí)驗(yàn)選取原棉樣品，針對(duì)原棉中常見的破籽、不孕籽、僵片等6類雜質(zhì)進(jìn)行圖像分割并計(jì)算檢測(cè)概率比[11]，對(duì)比數(shù)據(jù)如圖7所示。

與閾值分割、OTSU方法相比，Canny分割方法通過計(jì)算灰度的二階微分來增強(qiáng)圖像，采用梯度按閾值取舍的方法檢測(cè)邊緣，由于它進(jìn)行了“非極大值抑制”和形態(tài)學(xué)連接操作，使提取的邊緣連續(xù)性好，在對(duì)原棉雜質(zhì)圖像的分割上，特別是在破籽、棉葉的分割上，分割效果明顯優(yōu)于閾值分割方法與OTSU方法。

4結(jié)語

在原棉雜質(zhì)的自動(dòng)化分析系統(tǒng)中，圖像分割是關(guān)鍵環(huán)節(jié)，其分割效果直接影響著后續(xù)的雜質(zhì)目標(biāo)分析與識(shí)別。本文采用基于Canny原棉雜質(zhì)圖像分割方法，以淡點(diǎn)污棉二級(jí)原棉為樣品，進(jìn)行了相關(guān)仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，本文的Canny圖像分割方法通過計(jì)算灰度的二階微分來增強(qiáng)圖像，并對(duì)梯度按閾值取舍的方法檢測(cè)邊緣，使提取的邊緣連續(xù)性好、背景噪聲小，能夠取得較優(yōu)的分割效果，為原棉圖像分割方法的選取以及原棉圖像目標(biāo)識(shí)別提供了參考依據(jù)。

在原棉圖像分割之后，如何對(duì)其表面進(jìn)行雜質(zhì)分類和識(shí)別將是下一個(gè)階段的工作。

參考文獻(xiàn)：

[1] 國(guó)家統(tǒng)計(jì)局.國(guó)家統(tǒng)計(jì)局關(guān)于2015年原棉產(chǎn)量的公告[EB/OL].（2015-12-18）[2016-02-17].http：//www.stats.gov.cn/tjsj/zxfb/201512/t20151218_1292351.html.

[2] 楊忠娜，唐繼軍，喻曉玲.新疆棉花產(chǎn)業(yè)對(duì)國(guó)民經(jīng)濟(jì)的影響及對(duì)策研究[J].農(nóng)業(yè)現(xiàn)代化研究，2013，34（3）：298-302.

[3] 陳君.多源圖像融合技術(shù)在棉花病蟲害診斷中的應(yīng)用[J].湖北農(nóng)業(yè)科學(xué)，2013，52（11）：2555-2557.

[4] 陳欽政，賴惠成，王星，等.一種基于支持向量機(jī)的棉花圖像分割算法[J].計(jì)算機(jī)工程，2013，39（5）：266-269.

[5] 丁名曉，王云寬，黃為.基于Gabor濾波器的棉花雜質(zhì)檢測(cè)算法[J].中國(guó)圖象圖形學(xué)報(bào)，2011，16（4）：69-72.

[6] 劉軍民，夏彬，桑小田，等.基于邊緣檢測(cè)的棉花雜質(zhì)圖像分割方法比較與分析[J].中國(guó)棉花，2014，41（12）：23-25.

[7] 刁智華，王歡，宋寅卯，等.復(fù)雜背景下棉花病葉害螨圖像分割方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（5）：147-152.

[8] 史書偉，夏彬，冀翼，等.棉花圖像檢索中的分塊權(quán)重優(yōu)化.現(xiàn)代紡織技術(shù)[J].2016，24（1）：1-3.

[9] 張磊，姚軍，王鋒，等.考慮分形特征的巖心掃描圖像合理分割方法[J].科學(xué)技術(shù)與工程，2015，15（24）：57-60.

[10]田昊，王維新，畢新勝，等.基于圖像處理的機(jī)采棉雜質(zhì)提取算法[J].江蘇農(nóng)業(yè)科學(xué)，2014，42（1）：36-39.

[11]章毓晉.圖像工程（中冊(cè)）：圖像分析[M].3版.北京：清華大學(xué)出版社，2013：53-160.

（責(zé)任編輯：張會(huì)巍）