吳倩，鄧中民

數(shù)字圖像處理在原棉異物檢測(cè)中的應(yīng)用

吳倩，鄧中民*

（武漢紡織大學(xué) 紡織與材料學(xué)院, 湖北 武漢 430073）

利用改進(jìn)的Otsu閾值法對(duì)原棉異物圖像進(jìn)行分割，并運(yùn)用數(shù)字圖像處理技術(shù)，對(duì)具有代表性的原棉異物進(jìn)行圖像增強(qiáng)，二值化等處理，快速準(zhǔn)確地識(shí)別出原棉中存在的異物，從而有效地提高原棉異纖清除機(jī)的除雜率。

圖像處理；原棉異物；檢測(cè)

我國(guó)是紡織大國(guó)，而棉花是紡織工業(yè)最主要的原材料之一，是關(guān)系國(guó)計(jì)民生的重要戰(zhàn)略物質(zhì)。原棉異物不僅危害紡織工序的正常加工，而且影響著半成品與成品的質(zhì)量。因此，去除原棉異物，提高棉紡織制品質(zhì)量的問題顯得尤為重要。

為了確保棉花質(zhì)量，減少因異物造成的經(jīng)濟(jì)損失，目前絕大多數(shù)棉紡企業(yè)不得不組織專人在棉花投料前將棉包打開，逐包挑揀[1-3]。這種方法不僅效率低，耗資大，而且容易受主觀因素影響，不能確保質(zhì)量[4,5]。因此，原棉異物在線檢測(cè)成為一個(gè)新的話題，具有廣闊的前景。其中，MATLAB圖像處理技術(shù)對(duì)于原棉異物的檢測(cè)識(shí)別起著至關(guān)重要的作用。

1 圖像的采集與預(yù)處理

原棉異物的種類繁多，形狀各異。本文選取原棉中的棉結(jié)，麻絲，頭發(fā)絲三類原棉異物圖像進(jìn)行處理與分析。

1.1 圖像的采集

選取足量的不含異性纖維的皮棉,利用皮棉開松機(jī)對(duì)皮棉進(jìn)行充分開松,形成80cm寬、2mm厚的不間斷均勻棉層,并在開松過程中逐次放入上述3種異物樣本[6-9],得到混有異物的棉層。對(duì)產(chǎn)生的棉層進(jìn)行圖像采集,共得到了3幅真彩色異性纖維圖像，如圖1所示。

1.2 圖像的預(yù)處理

圖像的預(yù)處理是在特征提取算法之前的一個(gè)必要的也是很關(guān)鍵的過程,其作用是在特征提取之前使圖像的邊緣盡可能地明顯,噪聲盡可能地減小,從而使后面的特征提取算法得到最好的結(jié)果[10,11]。

圖1 三種原棉異物原始圖像

圖像灰度的直方圖是反映一幅圖像中的灰度級(jí)與出現(xiàn)這種灰度的概率之間的關(guān)系圖形。灰度直方圖是灰度級(jí)的函數(shù)，描述的是圖像中具有該灰度級(jí)的像素的個(gè)數(shù):其橫坐標(biāo)是灰度級(jí)，縱坐標(biāo)是該灰度出現(xiàn)的頻率(像素的個(gè)數(shù))。

這里我們主要采用直方圖規(guī)定化來對(duì)圖像進(jìn)行增強(qiáng)。將采集到的圖像進(jìn)行灰度轉(zhuǎn)化，得到其灰度圖及其直方圖，并對(duì)其進(jìn)行直方圖調(diào)整，得到均衡化后的圖像及其直方圖。如圖2-4所示。

圖2 棉結(jié)直方圖及其調(diào)整

圖4 麻絲直方圖及其調(diào)整

由圖2-4，我們可以看出：①直方圖呈現(xiàn)單峰分布,而且聚集度很高,說明棉層和異性纖維的灰度值是混合在一起。②棉花背景的灰度值范圍大致在230～255之間,異性纖維的灰度值大多數(shù)在20～230之間。③規(guī)定化后的圖像在指定區(qū)域的灰度級(jí)增強(qiáng)，灰度間隔被拉大了，有利于圖像的分析與識(shí)別。

2 改進(jìn)的Otsu 法

最大類間方差法(Otsu法)是1979年Otsu N.提出的動(dòng)態(tài)閾值方法[12-15],該方法計(jì)算簡(jiǎn)單，在一定條件下不受圖像對(duì)比度和亮度變化的影響，因而在一些實(shí)時(shí)圖像處理系統(tǒng)中得到了很廣泛的應(yīng)用。針對(duì)棉纖維及其異物的灰度分布級(jí)數(shù)，本文對(duì)其進(jìn)行一定程度的改進(jìn)，使其更能滿足實(shí)驗(yàn)的需求。

它的基本思想是利用圖像的灰度直方圖,以目標(biāo)和背景的方差最大來動(dòng)態(tài)地確定圖像的分割閾值。其基本原理如下：設(shè)f(x,y)為M×N圖像(x,y)處的灰度值，灰度級(jí)為k，則f(x,y)的取值范圍為[0,k-1],記Gk={0,1,2,…,k-1}。設(shè)p(i)為圖像f(x,y)中灰度級(jí)為i的頻數(shù)，則灰度級(jí)i出現(xiàn)的頻數(shù)為：

假設(shè)圖像的分割閾值為 t,則把圖像分為兩個(gè)區(qū)域:目標(biāo)區(qū)域A和背景區(qū)域B ,分別用{ f ( x , y) ≤t}和{ t ＜ f ( x , y) ≤ K-1}表示,于是我們可以得到區(qū)域A和B的比例、均值，并求出總均值如下。

則Otsu法求圖像最佳閾值的公式為：

Otsu法主要考慮目標(biāo)區(qū)域和背景區(qū)域之間的方差問題，卻忽略了同一區(qū)域像素包含的分類信息。兩類區(qū)域中的各像素與類中心之間也存在著距離。距離越小，說明這個(gè)區(qū)域內(nèi)的像素內(nèi)聚性好，圖像的分割效果也就越好。由此引入兩個(gè)取悅的平均方差概念,用來度量?jī)?nèi)聚性的好壞。

目標(biāo)區(qū)域平均方差：

目標(biāo)區(qū)域平均方差：

因此,同時(shí)考慮這兩個(gè)因素,既要保證類間距離最大,又要做到每個(gè)區(qū)域的內(nèi)聚性好,這樣才能獲得更佳的分割效果。基于這個(gè)要求,本文在分析 Otsu的基礎(chǔ)上提出一個(gè)新的閾值選取方法,閾值求取公式[16]為：

當(dāng) G(t) 取最大值時(shí)所對(duì)應(yīng)的灰度級(jí)即為所求的最佳閾值θ。即：

3 原棉異物的識(shí)別

對(duì)原棉異物特征的提取，我們采取對(duì)圖像進(jìn)行二值化處理，使異物和原棉之間的界限分明。在MATLAB中，二值圖像數(shù)據(jù)室邏輯類型，只包含0和1，值0的像素點(diǎn)顯示黑色，值1的像素點(diǎn)顯示白色。利用上節(jié)中改進(jìn)的Otsu法求取圖像M×N的最佳閾值為θ，f(x,y)為 M ×N 圖像(x,y) 點(diǎn)的灰度值，則分割的二值圖為：

將圖像進(jìn)行閾值二值化處理后，再進(jìn)行取反、連接、膨脹、腐蝕、再取反、二值化面積提取[17]。最后圖片如圖5-7所示。

圖5 棉籽圖像處理前后效果圖比較

圖6 頭發(fā)絲圖像處理前后效果圖比較

圖7 麻絲圖像處理前后效果圖比較

二值化面積提取后，得到棉籽面積百分比為1.46%；頭發(fā)絲面積百分比為0.87%；麻絲面積百分比為2.91%。

通過上述圖像處理過程，原棉中的異物被提取出來，基本實(shí)現(xiàn)了原棉異物的識(shí)別，且識(shí)別效果較好。

4 結(jié)語(yǔ)

本文通過采用改進(jìn)的 Otsu法對(duì)預(yù)處理后的原棉異物圖像進(jìn)行分割，并進(jìn)行圖像增強(qiáng)和數(shù)學(xué)形態(tài)學(xué)處理的，快速準(zhǔn)確地識(shí)別原棉中的異物，提高了原棉異物檢測(cè)率，為原棉異纖清除機(jī)的推廣奠定了基礎(chǔ)。

[1] 杜沁,馮萬眾.紡織異性纖維及其控制措施[J]. 棉紡織技術(shù), 2000(6):19-22.

[2] 王新龍,李娜. 棉花中異性纖維專題綜述[J]. 異性纖維專題, 2002(5): 29-30.

[3] Han Peisong, Zhu Lin. Traceability and countermeasures of cotton foreign fibre[J]. China Cotton Processing, 2000(4): 20.

[4] 趙傳文. 基于圖像處理技術(shù)的棉花加工環(huán)節(jié)異性纖維在線檢測(cè)裝置的應(yīng)用研究[J]. 科技信息, 2009, 26: 690-691.

[5] 董爻, 劉秀蘭, 俞庠. 棉花加工中異性纖維的自動(dòng)檢測(cè)[C]. 2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì). 通信與信息技術(shù)會(huì)議論文集(下). 北京:北京地區(qū)高校研究生學(xué)術(shù)交流會(huì), 2006.

[6] 楊文柱. 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.

[7] Kang T J, Kim S C. Objective evaluation of the trash and color of raw cotton by image processing and neural network [J]. Textile Research Journal, 2002, 72(9): 776-782.

[8] Farah B D. Measurements of trash contents and grades in cotton using digital image analysis [J]. International Conference on Signal Processing Proceedings, 1996, (2): 1545-1548.

[9] Siddaiah M, Lieberman M A, Prasad N R，et al. Automation in cotton ginning [J]. International Journal of Intelligent Systems, 2004, 19(1-2): 111-129.

[10] 艾世一, 王躍存. 基于MATLAB的圖像識(shí)別技術(shù)的原棉在線檢測(cè)[J].天津工業(yè)大學(xué)學(xué)報(bào), 2004, 23(2): 70-73.

[11] 陳敏. 一種自適應(yīng)閾值選擇方法[J].成都信息工程學(xué)院學(xué)報(bào). 2005, 20(3): 328-331.

[12] 付忠良. 圖像閾值選取方法—Otsu方法的推廣[J]. 計(jì)算機(jī)應(yīng)用，2000 (20): 36-39.

[13] Sahoo P.A surrey of thresholding technique[J].Computer Vision graphics Image Process , 1988(41) :233- 260.

[14] Ostu N.A threshold selection method from gray2level histogram[J ].IEEE Trans SMC, 1979, 9(1): 62-69.

[15] Bresen J. Dynamic thresholding of gray-level images Proc of 8 Intel Conf on Patt Recon Paris[M]. France: IEEE Computer Society Press, 1986: 1251-1255.

[16] 蔡梅艷. 改進(jìn)Otsu法的目標(biāo)圖像分割[J].電光與控制, 2007, 14(6)：118-119.

[17] 王家文，曹宇.MATLAB6.5圖形圖像處理[M].北京：國(guó)防工業(yè)出版社，2004.

Application of Digital Image Processing in Foreign Body Detection of Raw Cotton

WU Qian, DENG Zhong-min
(College of Textile and Material, Wuhan Textile University, Hubei Wuhan 430073, China)

In this paper, the modified otsu thresholding method is applied to segment the image of foreign bodies of raw cotton and by using digital image processing technology, accomplish image enhancement of representative foreign bodies of raw cotton with binarization processing so as to identify the presence of foreign bodies in raw cotton more quickly and accurately as well as effectively improving the impurity separation rate of raw cotton by foreign matter detector.

image processing; foreign bodies of raw cotton; detection

TS111.8

A

1009－5160(2010)02－0001－04

*通訊作者：鄧中民(1963-)，男，教授，研究方向：紡織材料與防治品設(shè)計(jì).

中國(guó)紡織工業(yè)協(xié)會(huì)項(xiàng)目（2007033）.