混紡紗混紡比測定中纖維特征的分析

林 濤, 楊慶斌, 錢 鑫

(青島大學，山東 青島 266071)

1 前言

我國是紡織品出口大國，在商檢時混紡比是重要指標，近年來隨著計算機技術的迅速發展,使我們有可能將模式識別技術應用到混紡比測定中。圖像處理法測定混紡比有針對紗線縱向和橫向兩方面進行的，而且大多是針對棉與其它纖維的混紡。很多學者從纖維的橫界面入手分析纖維特征，本文將在Matlab軟件下，對棉、莫代爾兩種纖維進行縱向識別。根據處理順序探討纖維圖像預處理中涉及的灰度化、增強、濾波、二值化、旋轉等方法，在二值化圖像下對纖維幾何形態提取特征值進行分析。

2 實驗與方法

2.1 實驗樣品

莫代爾纖維：1.3 dtex×38 mm

棉纖維：1.6 dtex×29 mm

2.2 實驗儀器及設備

用哈氏切片器切片，在東華大學發明的纖維圖像自動采集與識別系統上攝取纖維的照片。該系統可以實現苧麻/棉纖維的自動識別，實現試樣片上大面積圖像的連續采集、縫合、纖維搜集、自動聚焦等，但對其它兩種纖維混紡紗則沒有這些效果。此論文利用系統對纖維的聚焦，人工進行采集、拍照，然后將照片在計算機上用Matlab語言數字化后進行處理。

2.3 纖維切片的制取

纖維圖象的制取方法：

(1)將纖維切成25 μm的短纖維。(2)將短纖維放入燒杯,加入蒸餾水并加熱沸騰。(3)取一滴含纖維的懸浮液滴在載玻片上。(4)用顯微鏡觀察纖維圖象。(5)拍取纖維圖像。

2.4 縱向圖片的預處理

2.4.1 圖像灰度化

拍取的圖像為真彩圖像，又稱RGB圖像。它是利用R、G、B 三個分量分別表示一個像素的顏色，通過三種基色合成出任意顏色，在Matlab中存儲為一個m×n×3的多維數組。它的數據量大，處理困難，需要先轉化為灰度圖像。灰度圖像的灰度級就是256，每個圖像的取值就是256種灰度中的一種，及每個像素的灰度值為0～255中的一個。

2.4.2 圖像增強

按特定的需要突出圖像中纖維的信息，同時，削弱或去除不需要的信息。其主要目的是處理后的纖維圖像對幾何特征的提取比原來的圖像更加有效。

2.4.3 圖像濾波

纖維的數字圖像在轉換和傳輸過程中，不可避免的含有噪聲。由于噪聲的存在，干擾了正常的圖像，從而使圖像在輸出時不能得到正確的信息。因此，通過中值濾波去除圖像中的噪聲，使織物的圖像信息能夠準確的再現得到一個清晰的圖像。

2.4.4 圖像二值化

纖維模式識別針對黑白圖像，就是圖像像素只存在0、1兩個值。在數字圖像中，二值圖像占有非常重要的地位，具有存儲空間小、處理速度快等特點，更重要的是二值圖像可以比較容易的獲取目標區域的幾何特征或其它特征。

2.4.5 圖像填充與腐蝕

纖維圖像二值化后，纖維邊界及內部可能出現斷開，經過膨脹處理可將斷開的部分連成一條連續的曲線,然后用腐蝕處理去掉一些毛刺，使邊界曲線變得平滑。

2.4.6 圖像旋轉

纖維在圖像中的位置狀態各異，為了在特征提取時統一各個指標，先將纖維都旋轉成水平狀態。

2.5 纖維特征提取

2.5.1 纖維直徑CV值

圖象預處理后，纖維在圖片中都已轉成水平狀態。求各根纖維的軸線方向直徑序列的方法：從纖維軸線的一端開始,求出纖維此縱坐標上下像素數之差，即為此縱坐標處對應的纖維直徑值，進而根據直徑序列,可計算出纖維直徑CV值。棉存在天然轉曲，直徑CV值大，而莫代爾在圖片上的投影為規則的矩形，直徑CV值較小。

2.5.2 矩形度

表示的是纖維的形狀和其外切矩形的相近程度，即R=A0/A，定義為纖維的面積A0與該纖維外切最小矩形面積A之比。纖維的面積可由Matlab的bwarea()函數求出。外接矩形的面積求法：分別作纖維上下左右的切線，四條直線相交形成密閉的矩形，即為外接矩形。矩形的長寬為切線的坐標之差。

2.5.3 平均灰度值

纖維不同，其吸收光和反射光的強度便不同，將纖維圖像轉化為灰度圖像后，不同纖維的灰度值存在差異。平均灰度值便是在灰度圖中整根纖維灰度值的平均數。平均灰度值的求法：根據纖維的二值化圖像，求出纖維的坐標值，然后將纖維的灰度圖非纖維的部分取0。

3 實驗結果分析與討論

按照上述原理，自編程序，對543根棉纖維、508根莫代爾纖維的縱向進行特征提取，并從中各取出10根，其3個特征參數數據見表1。實際分類中，0代表棉纖維，1代表莫代爾纖維。

表1 特征值參數

用Origin對兩種纖維3個特征進行比較，兩種纖維分離得越清楚，識別的敏感度越大。并根據人工目測分析，確定哪種特征的識別率強。

圖1 直徑CV值識別圖

圖1表示在樣本范圍內，兩種纖維分離得很清楚，但存在個別異常值，幾根棉纖維進入莫代爾區域內，同樣幾根莫代爾纖維也進入棉纖維內。在進行識別前，應先確定兩種纖維特征值范圍，剔除異常值纖維，這樣可以減少互溶的情況。

圖2 平均灰度值識別圖

圖2表示平均灰度值分離的效果較弱。因為影響纖維的灰度因素很多，除本身的反光特性外，采樣時的光照、時間都起了很大作用。此特征可以作為直徑CV值識別的輔助，采樣時也應盡量在同一時刻、同一光照、同一地點的情況下進行。

圖3 矩形度識別圖

圖3所示矩形度特征雖有分離，但基本上兩者相融合。因為在纖維切片的制取中，纖維受到刀片、玻璃棒的物理作用，形態發生彎曲，即使棉纖維存在天然轉曲，此時也不能很好的體現。

棉纖維帶有天然的轉曲，直徑CV值，平均灰度值又不受纖維彎曲的影響，因此兩者可以結合來進行纖維識別。

圖4 纖維特征識別

從圖4中可以看到，除個別異常的纖維外，兩種纖維分開的很清楚，可以達到分離的效果。

4 結論

本論文表明對棉和莫代爾兩種纖維來說三種特征值的識別率不同：直徑CV值分離比較大，平均灰度值次之，而矩形度識別敏感度最差。從數據識別效果分析，一種指標的識別率不可能達到100%，需要多個特征指標的結合。直徑CV值、平均灰度值兩者相結合除個別異常的纖維外，兩種纖維分開得很清楚，可以達到分離的效果。

同時，混紡紗的自動識別存在一個重大的難題，就是切片的制取。前期切片制取的好壞、清晰的程度，很大程度上決定了后期圖片的預處理，纖維特征的提取及纖維模式識別的成功與否。應改進切片的制取方法，使非紡織專業人員也可以輕松操作。

[1]徐回祥, 洪安凡, 王建民，等. 關于混紡織物中棉、苧麻纖維識別的圖象處理研究 [J]. 蘇州絲綢工學院學報，2000，20(4): 14-20.

[2]于偉東, 謝莉青. 混紡麻紗特征的實用圖像表征技術——Ⅰ. 截面圖像生成與特征指標[J].中國麻業，2004，26(3):127-132.

[3]張傳雄, 吳雄英. 圖像處理技術在纖維素纖維縱向特征參數研究中的應用[J]. 東華大學學報:自然科學版，2006，32，(1): 46-49.

[4]賈立鋒，孟會娟，孟凡輝. 棉麻纖維自動識別技術研究[J]. 現代儀器，2006 (3): 60-62.

[5]謝莉青，于偉東. 麻/滌紗混紡比圖像測試方法的應用研究[J]. 上海紡織科技,2002，30(6): 62-64.