左新煥, 李忠健, 王 蕾, 潘如如, 高衛(wèi)東

(1.江南大學(xué) 生態(tài)紡織教育部重點實驗室,江蘇 無錫 214122; 2.紹興文理學(xué)院 浙江省清潔染整技術(shù)研究重點實驗室,浙江 紹興 312000)

紗線的毛羽是指伸出紗線體表面的纖維[1]。紗線毛羽對紡織產(chǎn)品的加工和質(zhì)量有很大影響[2-3]。雖然紗線毛羽具有防風(fēng)、保暖、柔軟、吸水等積極作用,但是在加工中部分長毛羽會產(chǎn)生棉結(jié)、飛花等,嚴重影響生產(chǎn)工作的進行,進而織物疵點增加,表面光潔度下降,起毛起球[4]等質(zhì)量問題。因此,毛羽是紗線品質(zhì)的重要參考指標(biāo)之一。

紗線毛羽的檢測方法主要有光電式測量法、燒毛稱重法、投影計數(shù)法和靜電法。由于傳統(tǒng)人工測量誤差較大,現(xiàn)普遍采用光電法儀器測量[5-6],其分為漫反射光電毛羽儀和投影計數(shù)法光電毛羽儀,前者采用的毛羽指標(biāo)是毛羽H值,后者采用的指標(biāo)是毛羽指數(shù),兩者的測試指標(biāo)不統(tǒng)一且相關(guān)性存在差異。近年來有學(xué)者運用數(shù)字圖像處理技術(shù)對紗線毛羽進行檢測[7-8],并取得了一定的效果。但現(xiàn)有的二維圖像缺失毛羽空間形態(tài)信息,使得測量結(jié)果與實際結(jié)果存在較大差別。有學(xué)者嘗試毛羽的三維檢測,Wang等[9]利用兩個平面鏡的反射,采集具有多個視角的紗線圖像,重構(gòu)紗線三維模型并檢測毛羽長度。Wang等[10]根據(jù)旋轉(zhuǎn)物體投影長度變化規(guī)律推導(dǎo)出計算公式,將各個角度下的紗線毛羽參數(shù)帶入推導(dǎo)公式得到紗線毛羽真實長度和數(shù)量。李忠健等[11]從單幅散焦圖像中恢復(fù)毛羽深度信息,根據(jù)分割結(jié)果追蹤毛羽空間長度。

本文在文獻[9]的基礎(chǔ)上,構(gòu)建多視角圖像采集裝置,針對毛羽檢測的精度問題,對采集到的多視角紗線圖像進行處理,構(gòu)建紗線三維模型,對三維毛羽點云進行去噪、細化處理,結(jié)合紗線條干信息確定毛羽起點,由毛羽起點遍歷其余細化點,將每根毛羽細化點歸為一組計算長度,實現(xiàn)毛羽指標(biāo)精確測量。

1 多視角成像

本文采用自主研發(fā)的多視角圖像采集裝置,如圖1所示。紗線從紗筒引出,經(jīng)過系列導(dǎo)紗輥1,在圖像采集窗口3處呈豎直狀態(tài),并最終被兩羅拉4夾持,紗線運行速度可在控制面板2進行調(diào)節(jié)。暗箱5可通過抽拉式滑軌進行開合,便于紗線樣品放置,暗箱內(nèi)側(cè)設(shè)置平面鏡支架7,用于固定雙平面鏡6,使其直立且鏡面之間互成72°角。裝置內(nèi)側(cè)安裝光源8,為拍攝環(huán)境提供均勻的光照。相機9在裝置內(nèi)側(cè),垂直正對于雙平面鏡相交線的中軸線上,調(diào)節(jié)相機焦距及鏡頭放大倍數(shù),可獲取圖像采集窗口3中的紗線實像,以及紗線在雙平面鏡上反射得到的4個虛像,即可在單幅圖像上采集均勻分布的不同視角的5個紗線圖像。

多視角圖像采集系統(tǒng)俯視圖如圖2所示,R為真實紗線圖像,V1和V4為真實紗線經(jīng)平面鏡1和平面鏡2第一次反射后的虛像,V2和V3分別是V4和V1經(jīng)平面鏡1和平面鏡2再次反射后的虛像,即真實紗線二次反射后的虛像。

圖1 多視角圖像采集裝置

圖2 多視角圖像采集系統(tǒng)俯視圖

由于相機S對5個像在空間上距離遠近不同,5個像呈現(xiàn)“近大遠小”的關(guān)系。在圖像上,V1、V2、V3和V4相對R有不同程度縮小,采集到的多視角圖像如圖3所示。

圖3 多視角紗線圖像

2 紗線三維建模

采用馬運嬌等[12]的校準(zhǔn)方法,以確定高度和寬度方向的縮放比,對四個虛像進行校準(zhǔn),將V1、V2、V3和V4放大到與R同比例尺寸。各視圖尺寸縮小倍數(shù)如表1所示。

為了兼顧檢測效率和精度,毛羽和條干分別做分割處理。首先,對整個圖像進行大津閾值處理[13]獲得二值圖像;接著,用形態(tài)學(xué)方法去除二值圖像中的毛羽,通過提取每個視圖的最大連通面積,獲得紗線條干圖像;再通過像素對比檢測紗線條干的邊緣,構(gòu)建紗線主體條干的二值圖像。將紗線主體條干部分設(shè)置為與背景相同的黑色,對圖3中剩下的毛羽部分進行提取,采用動態(tài)閾值方法,把圖像分為若干個7×7的子窗口,在子窗口獲取的閾值基礎(chǔ)上利用大津算法,測量每個子窗口中除紗線條干像素外其他像素的閾值,從背景中提取出紗線毛羽。將紗線條干部分和紗線毛羽部分的二值圖相加,即得到紗線整體輪廓的二值圖,經(jīng)圖像處理后的二值圖像如圖4所示。

表1 各視圖尺寸縮小倍率

圖4 二值圖像

本文采用Wang等[14]的輪廓變換方法進行紗線的三維合成,利用雙平面鏡單攝像機立體視覺系統(tǒng)光路結(jié)構(gòu)的幾何原理及在已知相機焦距、雙平面鏡交線與紗線距離、相機與紗線距離,獲取圖像上各像中心位置的基礎(chǔ)上,4個虛像的輪廓平面按照光路結(jié)構(gòu)投射于實像處,得到4個虛像在實像上的變換輪廓平面,將多視角圖像上各視圖的像素沿著垂直于各變換輪廓平面的方向展開,合并5個輪廓的重疊部分形成紗線模型輪廓,輪廓變換如圖5所示。其中,VS1、VS2、VS3、VS4和RS分別為從相機處觀測到的4個虛像和實像的輪廓平面,VS1′、VS2′、VS3′、VS4′為4個虛像的變換輪廓平面。

圖5 輪廓變換示意

計算像素在三維坐標(biāo)系中的坐標(biāo),得到配準(zhǔn)后的三維點云,合成紗線三維模型。對點云數(shù)據(jù)按照z坐標(biāo)進行排序,序列位圖以每個z坐標(biāo)值編號,將所有z坐標(biāo)值等于該值的點在位圖中標(biāo)記為白色,其余點標(biāo)記為黑色。然后,根據(jù)點云數(shù)據(jù)的x和y坐標(biāo)范圍,生成序列位圖。最后,將每個位圖保存為BMP文件,加載到ImageJ的開源軟件中,即可重建任意角度旋轉(zhuǎn)、縮放的三維圖,合成效果如圖6(a)所示。

圖6 三維圖

由于本文三維合成以條干中心為基準(zhǔn),不能直接獲取毛羽的三維點云,需對紗線三維點云和條干三維點云進行處理,以獲取毛羽的三維點云。采用同樣方法對條干進行三維合成,獲取條干三維圖,合成效果如圖6(b)所示。

3 毛羽三維長度測量

3.1 三維毛羽去噪處理

前文采用圓盤型結(jié)構(gòu)元素對多視角圖像進行形態(tài)學(xué)處理,去除二值圖像中的毛羽,獲得紗線條干圖像。結(jié)構(gòu)元素的大小和形狀不可能與圖像邊緣完全匹配,條干邊緣難以避免毛刺或缺口的出現(xiàn),難以區(qū)分條干或毛羽。因此,合并紗線三維點云和條干三維點云中不重復(fù)的點,得到具有條干噪點的毛羽如圖7(a)所示。

圖7 毛羽去噪前后對比

本文采用基于統(tǒng)計原理的濾波方法對毛羽三維點云去除條干噪點。通過對點云數(shù)據(jù)進行統(tǒng)計分析和局部結(jié)構(gòu)分析,在實現(xiàn)毛羽點云噪點去除的同時保證毛羽點云結(jié)構(gòu)的完整性。

首先遍歷點云的每個點(xi,yi,zi),找到給定的距離閾值Td內(nèi)的近鄰點集合Ni,計算每個點(xi,yi,zi)到其近鄰點(xj,yj,zj)的平均距離davg(i)和標(biāo)準(zhǔn)差dstd(i),公式如下:

(1)

(2)

式中:d(i,j)表示點(xi,yi,zi)和點(xj,yj,zj)之間的歐氏距離,Ni表示點i的近鄰點數(shù)量。

如果點(xi,yi,zi)和點(xj,yj,zj)之間的歐拉距離大于離散度閾值TT,則其為噪聲點,公式如下:

TT=davg(i)+α×dstd(i)

(3)

式中:α為標(biāo)準(zhǔn)差倍數(shù),用于調(diào)整離散度閾值TT。

經(jīng)處理,本文距離閾值Td內(nèi)的近鄰點數(shù)量介于10～30,離散度閾值TT介于0～1,通過二分法確定近鄰點數(shù)量為22,離散度閾值TT為0.1時,去噪效果最佳。經(jīng)去噪后毛羽如圖7(b)所示,局部放大對比如圖7(c)所示。

3.2 三維毛羽細化

基于圖像法的紗線毛羽長度測量研究中,毛羽的徑向?qū)挾葧绊戦L度的計算,需對其進行細化處理。

由點云數(shù)據(jù)位圖觀察及預(yù)實驗,本文選用DBSCAN算法對每一z坐標(biāo)下的點云進行二維聚類,基于鄰域半徑ε和最小鄰域數(shù)目minpts,得到基于系列z平面的毛羽細化點。

循環(huán)處理每一相同z坐標(biāo)值下的點云,獲取此z坐標(biāo)下所有毛羽點云的坐標(biāo)信息,對其進行二維DBSCAN聚類處理,初始化聚類標(biāo)簽,設(shè)定鄰域半徑ε和最小鄰域數(shù)目minpts,對每個點找到其在鄰域半徑ε內(nèi)的所有鄰域點,形成一個鄰域,如果某個點鄰域內(nèi)點的數(shù)量大于等于最小鄰域數(shù)目minpts,則將該數(shù)據(jù)點標(biāo)記為核心點。對于核心點,如果存在一條由鄰域內(nèi)的核心點組成的路徑,可以連接兩個核心點,并且路徑上每個點的鄰域都包含在ε鄰域內(nèi),那么這兩個核心點是密度可達的。根據(jù)密度可達關(guān)系,將核心點組合到一個聚類中,將具有相同聚類標(biāo)簽的核心點視為同一個聚類。對于不是核心點,但在某個核心點的ε鄰域內(nèi)的點被標(biāo)記為邊界點,它們可能屬于某個聚類,也可能是噪聲點。

本文最小鄰域數(shù)目minpts設(shè)置為1,因為毛羽在某些z坐標(biāo)值下可能為單一孤立點,將最小鄰域數(shù)目增大會損失毛羽信息,但將最小鄰域數(shù)目minpts設(shè)置為1,在聚類時無法剔除離群點即噪點。經(jīng)統(tǒng)計濾波后的噪點數(shù)量較少且大多為孤立點,因為毛羽連續(xù)及空間形態(tài)的相對有序性,這些噪點不會影響毛羽路徑規(guī)劃及長度計算。通過人工聚類與聚類算法聚類236張位圖,鄰域半徑ε設(shè)置為3.1時,聚類結(jié)果與人工聚類結(jié)果相比誤差最小,誤差率為4.24%。

對每一聚類求其中心的三維坐標(biāo)并取整,即得到對應(yīng)的毛羽細化點。毛羽細化前后對比如圖8所示。

圖8 毛羽細化前后對比

3.3 毛羽長度測量

三維毛羽細化后得到所有毛羽的三維細化點,將同一根毛羽的細化點歸為一組,以統(tǒng)計毛羽根數(shù),計算毛羽長度。

基于前文毛羽三維細化方法,結(jié)合紗線條干數(shù)據(jù),確定各根毛羽起點。獲取去噪毛羽點云的z值,然后計算每一z值下條干在x、y方向的范圍,并對這一z值下毛羽點云執(zhí)行DBSCAN聚類,再計算各毛羽聚類在x、y方向的范圍,如果條干范圍與各毛羽聚類范圍在x方向或y方向差值≤1,則條干與聚類相連。

因毛羽具有徑向?qū)挾?相鄰幾個z方向上會連續(xù)出現(xiàn)條干與聚類相連的情況,且毛羽具有方向延伸性,在毛羽起點后的一定范圍遠離紗線條干。若條干與毛羽聚類相連,計算條干和相應(yīng)毛羽聚類的中心坐標(biāo)。并將所有毛羽聚類中心坐標(biāo)中,z值連續(xù)的點放入同一組中,計算各毛羽聚類點與其對應(yīng)條干中心的距離,距離最小的毛羽聚類中心點為毛羽起點。毛羽起點判斷流程圖如圖9所示。

圖9 毛羽起點流程示意

根據(jù)毛羽起點坐標(biāo),依次遍歷,將同一根毛羽的細化點歸為一組,再計算每一組中相鄰三維毛羽細化點的歐拉距離并依次累加,通過像素值與實際距離的轉(zhuǎn)換即可計算出毛羽長度,完成毛羽測量。

4 結(jié)果與分析

本文紗線外觀三維檢測裝置使用相機型號為大恒MER2-231-41GM(中國大恒(集團)有限公司)與鏡頭型號為ML-MC25HR(茉麗特科技有限公司)的圖像傳感器進行圖像采集。實驗設(shè)備計算機(小米科技責(zé)任有限公司)硬件CPU為Intel i5-11320H,主頻為3.2 GHz,內(nèi)存為16 GB,硬盤規(guī)格為512 GB,實驗編程工具為Matlab R2022a。

在溫度為(20±2) ℃、相對濕度為(65±2)%的標(biāo)準(zhǔn)環(huán)境下,對表2中紗線樣品進行測試。

表2 紗線樣品信息

將本文方法與標(biāo)準(zhǔn)FZ/T 01086—2020《紡織品 紗線毛羽測定方法 投影計數(shù)法》測試結(jié)果、USTER?TESTER5條干測試儀測試結(jié)果及ZweigleHL400毛羽測試儀測試結(jié)果進行對比。

本文每個紗線樣品采集圖像大小為1 920像素×1 200像素,截取每張圖片中間610行,取37張圖片,紗線實際長度約為1 m,統(tǒng)計毛羽根數(shù)及長度,測5次取平均值。計算毛羽H值并將其轉(zhuǎn)換為長度為1 m紗線上的毛羽根數(shù)分布。

USTER?TESTER5條干測試儀測試每種紗線樣品長度為100 m,得到毛羽H值,測5次取平均值。

ZweigleHL400毛羽測試儀測試每種紗線樣品長度為100 m,得到毛羽根數(shù)分布,測5次取平均值。并將其轉(zhuǎn)換為長度為1 m紗線上的毛羽根數(shù)分布。

標(biāo)準(zhǔn)FZ/T 01086—2020《紡織品 紗線毛羽測定方法 投影計數(shù)法》每個紗線樣品長度為10 m,統(tǒng)計毛羽根數(shù)分布,測5次取平均值。并將其轉(zhuǎn)換為長度為1 m紗線上的毛羽根數(shù)分布。

4.1 與USTER?TESTER5條干測試儀結(jié)果對比

將本文方法測得的毛羽數(shù)據(jù)轉(zhuǎn)換為毛羽H值,與USTER?TESTER5條干測試儀結(jié)果進行對比,如表3所示。

本方法與USTER?TESTER5條干測試儀測得的5種紗線樣品中,樣品4的毛羽H值最大,樣品5的毛羽H值最小,測試結(jié)果具有一致性,本方法測得的5種紗線樣品的毛羽H值均大于USTER?TESTER5條干測試儀毛羽H值。由于USTER?TESTER5條干測試儀存在檢測盲區(qū),難以檢測到紗線毛羽的全部信息,因此其結(jié)果比本方法測得的毛羽H值小。

表3 本方法與USTER?TESTER5條干測試儀結(jié)果

4.2 與標(biāo)準(zhǔn)FZ/T 01086—2020和ZweigleHL400毛羽測試儀結(jié)果對比

將本文方法測得的毛羽數(shù)據(jù)與ZweigleHL400毛羽測試儀的數(shù)據(jù)和標(biāo)準(zhǔn)FZ/T 01086—2020《紡織品 紗線毛羽測定方法 投影計數(shù)法》測試數(shù)據(jù)進行比較,如表4所示。本方法測得的5種紗線樣品3 mm及以上的長毛羽數(shù)量均比標(biāo)準(zhǔn)FZ/T 01086—2020和ZweigleHL400毛羽測試儀的結(jié)果多,其中測得的紗線樣品3,本方法3 mm及以上的長毛羽數(shù)量比標(biāo)準(zhǔn)FZ/T 01086—2020和ZweigleHL400毛羽測試儀的結(jié)果分別多54根/m和75根/m,因為標(biāo)準(zhǔn)FZ/T 01086—2020和ZweigleHL400毛羽測試儀測試的是毛羽的投影長度,而長毛羽多為彎曲形態(tài),本文方法的檢測結(jié)果更全面。

表4 本方法與標(biāo)準(zhǔn)及ZweigleHL400毛羽測試儀結(jié)果

5 結(jié) 論

本文提出了一種基于多視角圖像的紗線三維建模及毛羽長度測量方法,通過多視角圖像采集裝置獲取多視角紗線圖像,構(gòu)建紗線及條干三維模型,獲取毛羽的三維點云。采用基于統(tǒng)計濾波原理的方法對毛羽三維點云去除條干噪點,再對每一z坐標(biāo)下的毛羽點云進行二維DBSCAN聚類處理,對每一聚類求其中心的三維坐標(biāo),即得到對應(yīng)的毛羽細化點?；诿鹑S細化方法,結(jié)合紗線條干數(shù)據(jù),確定各根毛羽起點,依次遍歷,將同一根毛羽的細化點歸為一個集合,則確定毛羽根數(shù),再計算每一集合中三維毛羽細化點的歐拉距離并依次累加,并通過像素值與實際距離的轉(zhuǎn)換即可計算出毛羽長度,完成毛羽測量。實驗結(jié)果表明:1) 本方法能夠準(zhǔn)確獲取紗線三維信息,實現(xiàn)毛羽長度的精確測量;2) 本方法相較于USTER?TESTER5條干測試儀及ZweigleHL400毛羽測試儀能更加全面準(zhǔn)確地獲得毛羽信息,具有一定的實際意義;3) 在后續(xù)的研究中,將優(yōu)化毛羽細化點三維路徑規(guī)劃和毛羽長度計算的方法。

《絲綢》官網(wǎng)下載

中國知網(wǎng)下載