文/陸世棟 張朝暉 王揚(yáng) 趙倚天 熊宗偉

1 引言

在不同軋工等級(jí)的棉花中存在不同程度的非纖維性物質(zhì)以及附生雜質(zhì)，如棉籽、破籽、帶纖維籽屑、軟籽表皮等。這些非纖維性物質(zhì)或雜質(zhì)在棉花樣本的成像結(jié)果中，通常在形狀規(guī)則、灰度分布上具有局部灰度均值低、灰度方差小、單個(gè)區(qū)域覆蓋面積小的特點(diǎn)，并且通常位于圖像的局部暗區(qū)。因此，我們稱之為“深色疵點(diǎn)區(qū)域”。

通常隨著棉花軋工質(zhì)量的下降，深色疵點(diǎn)數(shù)目有增加的趨勢(shì)?？梢哉f(shuō)深色疵點(diǎn)信息的多少是事關(guān)棉花軋工質(zhì)量?jī)?yōu)劣的重要特征之一。但深色疵點(diǎn)的提取面臨兩個(gè)主要難點(diǎn)：第一，深色疵點(diǎn)的面積相對(duì)于整幅圖像的大小，幾乎可以忽略；第二，不同光照條件下，深色疵點(diǎn)區(qū)域的灰度均值有明顯的不同。

理論分析及試驗(yàn)經(jīng)驗(yàn)表明：?jiǎn)渭円蕾囈话愕幕诨叶冉y(tǒng)計(jì)特性的閾值估計(jì)法，提取深色疵點(diǎn)區(qū)域，不具有光照不變性的特點(diǎn)。為此本文提出一種基于圖像局部邊界灰度統(tǒng)計(jì)特性的深色疵點(diǎn)特征提取算法。

2 算法描述

由于深色疵點(diǎn)區(qū)域的面積相對(duì)于整幅圖像的面積幾乎可以忽略，因此，我們可將深色疵點(diǎn)區(qū)域的提取視為大圖像中“小目標(biāo)區(qū)域”的自適應(yīng)分割問(wèn)題；而位于疵點(diǎn)區(qū)域邊界附近的像素一般會(huì)以近似等概率的方式屬于背景區(qū)、目標(biāo)區(qū)。本文利用該特點(diǎn)，提出了一種基于局部邊緣灰度統(tǒng)計(jì)特性的深色疵點(diǎn)特征提取算法，以有效獲取可區(qū)分大背景與小目標(biāo)區(qū)域的灰度閾值。以下是關(guān)于算法的描述。

輸入：棉花樣本的灰度圖像

輸出：深色疵點(diǎn)的數(shù)目

實(shí)現(xiàn)步驟：

STEP1.讀取原始圖像。

STEP2.基于Gaussian-Laplacian運(yùn)算的小目標(biāo)區(qū)域邊緣檢測(cè)。

a.對(duì)圖像進(jìn)行Gaussian-Laplacian運(yùn)算，取絕對(duì)值，得絕對(duì)值圖像；

b.將絕對(duì)值圖像取值升序排列，取位于前99.99%位置的值作為閾值；

c.基于閾值，將絕對(duì)值圖像二值化，得模板圖像。

其中，與取值1對(duì)應(yīng)的輸入圖像位置為邊緣點(diǎn)位置；其他為無(wú)效位置。

STEP3.基于邊緣模板圖像局部灰度統(tǒng)計(jì)特性的自適應(yīng)閾值估計(jì)。

a.以邊緣模板圖像的邊緣信息為指導(dǎo)，取原始圖像中對(duì)應(yīng)邊緣點(diǎn)處的歸一化灰度直方圖；

b.基于灰度直方圖，采用OTSU法，得到最優(yōu)閾值估計(jì)結(jié)果。

STEP4.基于最優(yōu)閾值，對(duì)原始圖像進(jìn)行二值化，得疑似深色疵點(diǎn)區(qū)域的二值圖像。

STEP5.基于形態(tài)學(xué)濾波的完整深色疵點(diǎn)區(qū)域獲取。

考慮到數(shù)字成像只是關(guān)于棉花外觀的圖像獲取，而隱藏在棉花樣本淺層的深色疵點(diǎn)會(huì)被淺色的棉花纖維分成多個(gè)孤立部分，因此基于數(shù)學(xué)形態(tài)學(xué)的開、閉基本運(yùn)算，進(jìn)行二值圖像形態(tài)學(xué)濾波，得到可反映輸入圖像完整深色疵點(diǎn)區(qū)域的二值圖像。

STEP6. 對(duì)二值圖像進(jìn)行連通區(qū)域標(biāo)記，得到深色疵點(diǎn)數(shù)目統(tǒng)計(jì)結(jié)果num及疵點(diǎn)輪廓提取。

3 試驗(yàn)與分析

為便于視覺上的直觀比較不同光照強(qiáng)度下的深色疵點(diǎn)的檢測(cè)結(jié)果，圖1給出了同一棉花樣本在不同光照強(qiáng)度下，檢出的疵點(diǎn)輪廓與檢測(cè)前的灰度圖像的融合效果圖。

圖1 相同棉花樣本在不同光照強(qiáng)度下深色疵點(diǎn)的檢測(cè)結(jié)果(檢測(cè)的疵點(diǎn)以綠色輪廓標(biāo)記)

由圖1觀察得知：本文提出的深色疵點(diǎn)檢測(cè)算法具有穩(wěn)定的檢測(cè)性能，結(jié)果具有較好的一致性。如圖2所示，給出了基于該算法得到的同一棉花樣本在不同光照強(qiáng)度下疵點(diǎn)特征的提取情況。由該圖可以知道，即使在光照強(qiáng)度差異較大情況下，疵點(diǎn)的檢測(cè)仍能取得比較穩(wěn)定的結(jié)果。

為便于直觀比較不同軋工級(jí)別的棉花樣品表面深色疵點(diǎn)，我們對(duì)人工標(biāo)注的1800個(gè)棉花樣本圖像，分別進(jìn)行了深色疵點(diǎn)特征的檢測(cè)，并對(duì)于同級(jí)別的樣本圖像計(jì)算了深色疵點(diǎn)數(shù)目的均值(mean)以及標(biāo)準(zhǔn)差(std)的統(tǒng)計(jì)指標(biāo)；在此基礎(chǔ)上，分別按照“mean-std(均值-標(biāo)準(zhǔn)差)”“mean(均值)”“mean+std(均值+標(biāo)準(zhǔn)差)”“std(標(biāo)準(zhǔn)差)”4種方式，在圖3得到了棒線圖(bar)。

圖2 相同棉花樣本在不同光照強(qiáng)度下黑色疵點(diǎn)檢測(cè)數(shù)目的統(tǒng)計(jì)圖

圖3 不同軋工級(jí)別的棉花樣本圖像深色疵點(diǎn)檢測(cè)數(shù)目的統(tǒng)計(jì)棒線圖

由左至右分別為P1、P2、P3級(jí)。

為便于橫向比較不同等級(jí)棉花樣本的深色疵點(diǎn)特征取值的動(dòng)態(tài)范圍，圖4還以箱式圖(boxplot)的方式，將各軋工級(jí)別的棉花樣本圖像表面深色疵點(diǎn)檢測(cè)數(shù)目分布直觀可視化出來(lái)。

圖4 不同軋工級(jí)別的棉花樣本圖像的深色疵點(diǎn)檢測(cè)數(shù)目的分布(其中1、2、3分別對(duì)應(yīng)軋工級(jí)別的好、中、差)

4 結(jié)論

本文提出一種面向棉花軋工質(zhì)量分級(jí)的深色疵點(diǎn)提取算法。

試驗(yàn)分析表明：本算法具有較好的光照穩(wěn)定性；盡管利用圖像處理的方式檢測(cè)得到的深色疵點(diǎn)區(qū)域只能反映棉花樣本表面的深色疵點(diǎn)分布情況，但深色疵點(diǎn)數(shù)目的分布趨勢(shì)與評(píng)測(cè)人員對(duì)不同軋工級(jí)別的棉花樣本的認(rèn)識(shí)是一致的，即：軋工質(zhì)量越好，深色疵點(diǎn)數(shù)目平均值越少、其取值的動(dòng)態(tài)范圍也更?。卉埞べ|(zhì)量越差，深色疵點(diǎn)數(shù)目的平均值越大、分布的動(dòng)態(tài)范圍越大；總的趨勢(shì)是深色疵點(diǎn)數(shù)目以及取值的動(dòng)態(tài)范圍隨著軋工質(zhì)量的降低而存在增加的趨勢(shì)。