圖像處理技術在紗線毛羽檢測方面的應用

章國紅，辛斌杰

(上海工程技術大學服裝學院,上海　201620)

?

圖像處理技術在紗線毛羽檢測方面的應用

章國紅，辛斌杰

(上海工程技術大學服裝學院,上海201620)

摘要：數字圖像處理技術是一種可用于紗線檢測的新型測試手段，通過計算機圖像處理與分析可實現紗線外觀的數字化表征和測試自動化。著重介紹了國內外數字圖像處理技術在紗線毛羽方面的發展應用現狀，并對基于數字圖像處理技術的新型測試方法與傳統的檢測方法進行了比較和分析。與傳統的方法相比，基于圖像處理技術的紗線檢測方法具有客觀、快速、準確等優點，是紗線外觀檢測領域的一個重要發展方向。

關鍵詞：圖像處理；數字圖像處理；紗線毛羽；客觀檢測；特征參數

章國紅，辛斌杰.圖像處理技術在紗線毛羽檢測方面的應用[J].河北科技大學學報,2016,37(1):76-82.

ZHANG Guohong，XIN Binjie.Application of image processing technology in yarn hairiness detection[J].Journal of Hebei University of Science and Technology,2016,37(1):86-82.

紗線毛羽是反映紗線質量的重要指標之一，毛羽的長度和數量直接影響紗線的外觀和手感，進而影響到產品的質量、檔次、生產效率以及后續的加工工藝[1]，因此，紗線毛羽檢測是紡織品生產過程中一項重要任務。隨著紡織行業和消費者對紡織品性能要求的提高，以及高速織機對紗線表面光潔度的特殊要求，毛羽檢測顯得尤為重要。紗線毛羽的數字化測試，不僅可以實現紗線本身質量的數字化表征，還能建立紗線自動化、客觀化、智能化的加工生產體系。

根據紗線毛羽的測試原理，將紗線毛羽的測試方法分為4類：目測法、靜電法、投影技術法、全毛羽光電法[2]。目前應用的較多的是投影技術法和全毛羽光電法[3-4]。隨著圖像采集技術和計算機技術的不斷發展，紡織科技領域內的研究人員嘗試將圖像處理技術應用到紗線毛羽檢測，提出很多新型的數字化采集和測試方法及裝置，為提高毛羽檢測的自動化程度以及測試準確度奠定了良好的基礎。國外很早就開展數字圖像技術在紡織領域的應用研究，相對國內的研究狀況，國外的計算機應用水平相對較高，各類專家系統和診斷系統的研究也較完善[5-6]。

BARELLA[7-8]開發研制了一套可用于毛羽測試的數字化裝置，建立了用于表征紗線毛羽特征的數字化評價指標，初步實現了利用計算機技術對紗線毛羽的外觀進行數字化測試。JACKSON[9]研制出一個基于電子耦合器件(CCD)的數據采集系統裝置，對紗線進行表觀測試。CYBULSKA[10]設計開發了一套圖像建模的分析方法，探索紗線的結構參數,包括紗線厚度、毛羽和抗彎度等指標的新表征手段。湯福華等[11]開發了一套基于計算機視覺技術的紗線分析系統，利用紗線黑板成像的手段，進行紗線外觀的評估。YUVARAJ等[12]設計了一種在電壓可變的電場環境下利用數碼相機采集圖像的方法，將紗線放入其中，紗線表面的纖維在電場作用下，成為突出紗線表面的纖維，采集圖像后采用計算機圖像處理技術表征紗線的毛羽。

1紗線圖像采集裝置的構成

紗線圖像采集裝置的示意圖如圖1所示，由成像單元、計算機、光源構成。紗線在光源和成像單元之間的水平線上，光源正對著成像單元，保證光強足夠用來成像。光學信號由采集卡輸入到計算機轉化成電信號，最后在計算機上成像，完成存儲、采集、處理工作。

圖1　紗線圖像采集裝置的示意圖Fig.1　Diagram of yarn image acquisition device

1.1　硬件組成

紗線圖像采集系統的硬件部分通常包括：1)成像單元；2)LED背光源；3)工業鏡頭；4)圖像采集卡；5)計算機。根據成像單元的不同，可以分為掃描儀采集、視頻顯微鏡采集、CCD或CMOS工業相機采集、數碼相機采集等4類。遲開龍等[13]采用掃描儀采集紗線圖像；孫銀銀等[14]采用 MOTIC SME-140視頻顯微鏡采集紗線圖像；張繼蕾等[15]采用佳能 IXUS70 數碼相機對紗線毛羽進行拍照采樣；趙立陽[16]采用色彩位數48的CCD、傳輸類型USB2.0圖像傳感器對紗線采樣進行質量檢測；楊欣欣[17]提出了基于高速攝影技術的毛羽性能研究方法。SUBHASISH等[18]采用1 200萬像素，5G廣角鏡頭的USB網絡相機，該相機具有高品質分辨率的CMOS傳感器。

1.2　軟件設計

圖2　數字圖像處理裝置示意圖Fig.2　Diagram of computer digital image processing device

根據所用到的軟件工具不同，又可以將軟件系統環境分為以下幾種：1)基于MATLAB工具的軟件環境；2)Visual C++6.0；3)Lab View；4)Visual Basic環境。陳寧寧等[19]利用 MATLAB可視化開發環境，設計了汽車牌照識別系統。這種基于MATLAB工具開發的數字圖像處理系統同樣也可以借鑒到紗線毛羽檢測上來。現在也有許多研究人員利用VC++圖像處理工具開發相關軟件，還可以用Lab View工具進行開發[20]。盧明等[21]利用MATLAB工具對紗線毛羽圖像進行二值化處理。

1.3　系統參數設置

數字圖像處理裝置如圖2所示，包括計算機、成像單元、光源、圖像采集卡等部分。為了得到清晰的圖像，在進行實驗前，有必要對圖像采集系統的各項參數進行設置。這些參數包括相機的曝光時間、圖像分辨率，保證紗線的水平方向正好與相機、光源在同一水平線上，紗線距離相機的距離適宜，調整光源亮度，焦距和光圈，使圖像最清晰。

2紗線圖像處理的流程

圖像的預處理是進行圖像分析前的必要準備工作，它的目的是為了消除圖像噪聲對檢測毛羽的影響，改善采集到的紗線圖像的質量，強化圖像邊緣信息，對圖像質量不佳的進行修正，為后續的毛羽特征提取做準備。為了得到完整的紗線圖像，需要進行以下一系列處理，流程如下圖3所示。

圖3　紗線圖像預處理算法流程圖Fig.3　Flow chart of yarn image preprocessing algorithm

紗線圖像的采集是將紗線圖像進行圖像的預處理，因為采集到的原始圖像會存在很多噪聲，圖像不清晰，毛羽難分辨。圖像的預處理包括灰度變換、背景處理(將背景和紗線圖像分離)、圖像增強、傾斜校正等算法過程。

3紗線數字圖像處理技術的研究現狀

孫銀銀等[14]為更準確地檢測紗線毛羽長度及其根數，在結合視頻顯微鏡和圖像處理技術的基礎上，提出一種新的毛羽檢測方法。采用MOTICSME-140視頻顯微鏡采集紗線圖像，經過灰度變換、圖像分割、形態學開運算、圖像細化處理，得到完整的紗線條干圖像和細化后的毛羽圖像，以紗線條干邊緣為基準線，對毛羽分割點進行判斷，最后得出不同長度的毛羽根數。圖像法檢測結果表明，紗線片段的毛羽根數值較為穩定，檢測結果與目測圖像計數的結果非常接近，因此，可認為所提出的毛羽檢測方法較現有的光電檢測方法更為準確可靠。

圖4、圖5是孫銀銀實驗中采集到紗線原始圖像和進行灰度變換后的圖像，運用的是加權算法。

圖4　紗線原始圖像Fig.4　Original yarn image

圖5　灰度變換圖像Fig.5　Gray transform image

方珩等[22]針對毛羽檢測的問題，搭建了一套紗線毛羽的數字化圖像采集系統，提出了一種新型的基于圖像處理算法的紗線毛羽檢測方法，可對連續采集的紗線圖像序列進行特征分析，提取出可用于紗線毛羽質量評估的特征指標。算法流程圖如圖6所示。

圖6　紗線圖像處理的算法流程圖Fig.6　Flow chart of yarn image processing algorithm

鑒于背景均衡化，直方圖均衡化無法解決光照條件引起的圖像灰度不勻造成的圖像處理效果不理想問題。和孫銀銀實驗的不同，方珩的實驗進行了背景處理，圖像增強，閥值分割，圖像傾斜，圖像去噪這幾個操作。通過這幾個算法處理得到的圖像更加清晰，質量更高。相同之處在圖像處理時都有圖像分割這個算法步驟，利用的原理相同。其原理是利用結構元素B對圖像A進行開運算，算法表達式為A°B=(A?B)⊕B。

如何選擇毛羽基準線也是實驗中的一個關鍵問題，孫銀銀選取紗線條干上下邊緣作為測量毛羽長度的基準，而方珩的實驗是以紗線橫向軸線與上下條干邊緣之間的距離的平均值作為基準線，文獻的數據分析表明，后者選擇基準線的這種方法比前者的方法要更加精確。

方珩的實驗表明圖像法測試的結果與目測法的結果最大偏差在5%以內，具有很好的一致性，該方法能夠提高紗線毛羽檢測的效率和精度。圖7-圖9分別是采用背景處理，灰度變換增強，閾值分割后的圖像。圖10是傾斜校正前的圖像，圖11是經過傾斜校正處理的圖像，兩者比較可以發現紗線的中心軸向平行于水平方向。

圖7　背景處理后的圖像Fig.7　Image after the background processing

圖8　灰度變換增強的圖像Fig.8　Gray-scale transformation enhanced image

圖9　閾值分割后的圖像Fig.9　Images after threshold segmentation

王井陽等[23]在鏈碼法輪廓跟蹤算法的基礎上提出了用于紗線毛羽特征參數提取的多區域輪廓跟蹤算法，該算法通過對跟蹤方向進行調整和對跟蹤完成的紗線區域進行區域填充，實驗表明，該算法不但可以對任意條紗線進行輪廓跟蹤及特征提取，而且還可以得到連續的封閉邊界曲線，提高了毛羽特診提取的效率和精度。

張繼蕾等[15]提出基于圖像處理技術的紗線毛羽檢測應用研究，結合紗線毛羽的物理特性和形狀特征，在傳統人工黑板目測法的基礎上結合圖像分析理論提出了紗線毛羽圖像處理方法。

圖10　傾斜圖像Fig.10　Oblique image

圖11　傾斜校正后圖像Fig.11　Tilt-corrected image

與孫銀銀和方珩實驗不同的是張繼蕾首先對圖像進行Randon變換和雙插值運算，對彩色毛羽圖像進行傾斜校正，而不是采取灰度變換；接著利用非線性灰度變換和直方圖均衡化技術來實現灰度糾正；采用中值濾波消除噪聲，通過比較幾種銳化方式后采用拉普拉斯掩模算子銳化圖像，改善圖像質量；再通過對比幾種圖像分割方法后采用最大熵法處理紗線毛羽圖像，用Canny算子提取紗線毛羽邊緣，再經過形態學濾波去噪，最后用多區域輪廓跟蹤算法提取紗線毛羽特征。這種算法在文獻[23]中也被提到，獲取每個紗線的邊緣信息，對紗線毛羽的幾何特征提取具有較好的精確度和適應性，效率高。由于圖像處理算法的特定性，任何一種算法都不可能適合所有情況下紗線毛羽的形態檢測，紗線毛羽的檢測技術中還有很多問題有待研究解決。

實驗中介紹了中值濾波和均值濾波2種圖像去噪的方法。均值濾波和中值濾波都是基于空間域的局部處理算法。 圖12是均值濾波和中值濾波方法處理后的圖像，可以看出中值濾波后的紗線輪廓更加清晰，噪聲得到削弱。

圖12　去噪后的紗線圖像Fig.12　Yarn image after denoising

盧明等[21]提出了紗線毛羽圖像的二值化處理及其Matlab實現方法。利用CCD掃描來采集紗線灰度圖像，運用計算機快速處理數據的能力及Matlab強大的圖像處理功能，采用小波消噪對紗線毛羽圖像進行消噪、灰度變化、采用Otsu提出最大類間方差法(也稱大津法)進行二值化處理，得到不帶毛羽的紗線圖像，通過降低背景的灰度值來使毛羽的灰度值來接近紗線條干部分的灰度值，再次運用Otsu二值化處理得到紗線圖像，然后利用bwarea函數提取二進制圖像面積，計算出相對毛羽率。這種方法的優點是毛羽率精確度較高，分割效果好, 運算速度快, 不需要購買專門的儀器, 具有較高的實用價值，缺點就是進行的步驟很多，較繁瑣，處理的數據量較大。

VITORCARVALHO等[24]提出了利用CMOS，數據采集板和定制開發的軟件測定紗線的毛羽和直徑的新系統。最終的圖像是利用相干光信號處理，通過傅里葉空間濾波器生成。該系統先前測試和驗證模擬使用圖像分析線輪廓工具，這個系統的優點是測量毛羽，直徑精度高、紗線的毛羽表征突出，系統的可移植性好(減小體積重量)。這種新方法也存在不足，那就是成本高，對硬件的要求高(計算機要有相當大的存儲空間)，復雜的操作，計算量大。

CHIMEH等[25]提出了一種使用圖像分析技術的方法表征紗線的膨松度和毛羽。論文中提到，利用分辨率1 200 dpi的掃描裝置捕獲噴氣變形紗的圖像；得到的這原始圖像存在噪點，通過圖像去噪來消除。然后，通過設置一個閾值，灰度圖像轉換成二進制圖像。通過累計像素密度的方法得到變形紗線沿寬度方向頻率分布直方圖，如圖13所示。

圖13　噴氣變形紗線的頻率分布直方圖Fig.13　Frequency distribution histogram of jet textured yarn

從圖13可以發現，使用紗線頻率和累積頻率分布圖可以得到準確的噴氣變形紗芯直徑，快速、準確的表征噴氣變形紗芯密度和尺寸。

與傳統評價紗線毛羽測試方法相比，基于數字圖像處理的方法具有以下優點和缺點，如下表1所示。

表1　2種方法的比較分析

4結語

隨著計算機技術和成像技術的發展，可預見該技術將會在航空航天、生物醫學工程、通信工程、軍事公安等領域特別是紡織服裝領域內快速發展。在紡織服裝領域計算機圖像處理技術可以用于纖維，紗線，織物等測試對象的外觀評估，紗線毛羽檢測將是其中的發展重點之一。本文綜述了國內外學者和研究人員在紗線外觀檢測領域內的研究現狀，據相關報道，采用數字圖像技術評價紗線的外觀，測試數據與傳統方法的結果具有較好的一致性，與烏斯特測試儀測得的數據相比，圖像法測試的結果在其誤差允許的范圍之內。然而，由于各種條件的限制，基于圖像法的紗線外觀測試尚未全面應用于紗線外觀的評估中，紗線外觀檢測的可視化系統，尚未形成可市場化的產品。圖像法紗線測試自身還存在一些缺陷，如由于算法繁瑣、對硬件要求高等原因，使得該檢測方法仍然停留在實驗室階段。

綜上而言，紗線數字化圖像處理技術的應用將成為紗線外觀評估與檢測的重要研究方向之一。隨著計算機圖像處理技術、人工智能、智能制造技術的不斷完善和發展，紗線外觀檢測技術必將向更高端的科技化、自動化、智能化的方向發展。高魯棒性的算法處理、快速圖像識別技術、機電一體化集成化將使處理結果更快速，圖像的獲取、識別和理解更加智能化，推動紡織服裝產業向高附加值、高科技化轉化。

參考文獻/References：

[1]李小蘭.紗線毛羽對織物性能的影響.[J].棉紡織技術，2003，31(4)：63-64.

LI Xiaolan.Effect of yarn hairiness on fabric properties[J].Cotton Textile Technology，2003，31(4)：63-64.

[2]李亞濱，宋新平，張毅.棉紗黑板檢驗的圖像處理[J].天津工業大學學報，2002,21(4):28-30.

LI Yabin，SONG Xinping，ZHANGYi. Image processing of the cotton yarn seriplane test[J]. Journal of Tianjin Polytechnic University，2002,21(4)：28-30.

[3]鄭少明，鄒專勇,程隆棣.紗線結構研究的內容與方法分析[J].上海紡織科技, 2011,39(2):1-3.

ZHENG Shaoming，Zhou Zhuanyong，Cheng Longdi. Analysis of research content and method of yarn structure[J].Shanghai Textile Science & Technology，2011，39(2)：1-3.

[4] 李汝勤，宋鈞才.纖維和紡織品的測技術[M].上海:東華大學出版社, 1995.

[5] 李學佳.圖像處理技術應用于紡織工業的最新動態[J].毛紡科技,2005(7):58-61.

LI Xuejia. Recent delopment of imaging-processing techniques applied to textile industry[J]. Wool & Textile Journal，2005(7):58-61.

[6] 付國定，陳樺，劉紅,等.數字圖像處理技術在紡織服裝領域的研究進展[J].絲綢，2011,48(12):22-25.

FU Guoding，CHEN Hua，LIU Hong，et al.Overview of research on image processing technology in the textile and clothing field[J]. Silk，2011，48(12):22-25.

[7] BARELLA，A. Progress in yarn-hairiness studies[J].Journal of the Textile Institute，1985，76(11):127-132.

[8] BARELLA，A. Recent developments in yarn-hairiness studies[J].Journal of theTextile Institute，1973，64(10):558-564.

[9] JACKSON A,ACAR M,YUEN S L，et al. A vision based yarn scanning system[J].Mechatronics，1995(5):133-146.

[10] CYBULSKA M.Assessing yarn structure with image analysis methods[J].Textile Research Journal，1999，69(5):369-373.

[11] 湯福華，俞建勇，張瑞云.基于計算機視覺技術的紗線分析系統[J].中原工學院學報，2003，12(1):15-18.

TANG Fuhua，YU Jianyong，ZHANG Ruiyun. Yarn analysis system based on computer vision technology[J]. Journal of Zhongyuan University of Technology，2003，12(1):15-18.

[12] YUVARAJ D, CHANDRAN R.A simple Yarn hairiness measurement setup using image processing techniques[J]. Indian Journal of Fibre and Textile Research, 2012,37:331-336.

[13]遲開龍，潘如如，劉基宏,等.基于數字圖像處理的紗線條干均勻度檢測初探[J]. 紡織學報,2012,33(12):19-24.

CHI Kailong，PAN Ruru，LIU Jihong,et al. Primary discussion on detection of yarn evenness based on digital image processing[J]. Journal of Textile Research,2012，33(12):19-24.

[14]孫銀銀，潘如如，高衛東.基于數字圖像處理的紗線毛羽檢測[J].紡織學報,2013.34(6):102-106.

SUN Yinyin，PAN Ruru，GAO Weidong. Detection of yarn hairiness based on digital image processing[J].Journal of Textile Research, 2013,34(6): 102-106.

[15]張繼蕾.基于圖像處理技術的紗線毛羽檢測應用研究[D].石家莊：河北科技大學，2011.

ZHANG Jilei. Application Study on the Yarn Hairiness Detection Based on Image Processing Technology[D]. Shijiazhuang:Hebei University of Science and Technology，2011.

[16]趙立陽.基于數字圖像處理技術的智能紗線檢測系統的開發與應用[D].長春：吉林大學，2014.

ZHAO Liyang. Development and Application of Intelligent Yarn Detection System Based on Digital Image Processing Technology [D].Changchun: Jilin University，2014.

[17]楊欣欣.基于高速攝影技術的紗線毛羽的研究 [D]. 無錫:江南大學，2013.

YANG Xinxin. The Study of yarn Hairiness Based on High Speed Photography [D].Wuxi: JiangNan University，2013.

[18]ROY S, SENGUPTA A,SENGUPTA S. Yarn hairiness evaluation using image processing [J]. International Conference on Control, Instrumentation, Energy & Communication,2014,588-592.

[19]陳寧寧, 蘇坤.基于MATLAB的車牌識別系統研究與實現[J].電子測試，2013(22)： 67-69.

CHEN Ningning，SU Kun. Study and realization for license plate recognition system based on MATLAB[J]. Electronic Test，2013(22):67-69.

[20]潘志娟.纖維材料近代測試技術[ M].北京:中國紡織出版社，2005.

[21]盧明，劉一萍.紗線毛羽圖像的二值化處理及其MATLAB實現[J].山東紡織科技, 2009(2):37-39.

LU Ming，LIU Yiping. Binarizational disposal of image of yarn hairiness and its MATLAB realization[J]. Shandong Textile Science & Technology，2009(2):37-39.

[22]方珩，辛斌杰,劉曉霞，等.一種新型紗線毛羽圖像特征識別算法的研究[J].河北科技大學學報,2015，36(1)：63-72.

FANG Heng，XIN Binjie，LIU Xiaoxia,et al. Research of a new type of yarn hairiness image feature recognition algorithm[J]. Journal of Hebei University of Science and Technology，2015，36(1):63-72.

[23]王井陽，劉衛,張立巖，等.紗線毛羽特征參數提取算法研究[J].河北科技大學學報，2011，32(4):368-372.

WANG Jingyang，LIU Wei，ZHANG Liyan，et al. Study on feature extraction algorithm of yarn hairiness[J]. Journal of Hebei University of Science and Technology，2011，32(4):368-372.

[24] CARVALHO V,CARLOSO P,BELSLEY M,et al.Yarn hairiness parameterization using a coherent signal processing technique[J].Elsevier，2008,142: 217-224.

[25] CHIMEH M Y,TEHRAN M A. Characterizing bulkiness and hairiness of air-jet textured yarn using imaging techniques[J].Journal of the Textile Institute .2005,96(4): 251-255.

Application of image processing technology in

yarn hairiness detection

ZHANG Guohong， XIN Binjie

(Fashion College, Shanghai University of Engineering Science, Shanghai 201620, China)

Abstract:Digital image processing technology is one of the new methods for yarn detection, which can realize the digital characterization and objective evaluation of yarn appearance. This paper overviews the current status of development and application of digital image processing technology used for yarn hairiness evaluation, and analyzes and compares the traditional detection methods and this new developed method. Compared with the traditional methods, the image processing technology based method is more objective, fast and accurate, which is the vital development trend of the yarn appearance evaluation.

Keywords:image processing; digital image processing; hairiness; appearance detection; characteristic parameters

通訊作者：辛斌杰副教授。E-mail：xinbj@sues.edu.cn

作者簡介：章國紅(1990—)，男，安徽安慶人，碩士研究生，主要從事計算機數字化圖像處理方面的研究。

基金項目：國家自然科學基金(61271419)

收稿日期：2015-06-20；修回日期：2015-10-09；責任編輯：張軍

中圖分類號：TS117

文獻標志碼：A

doi:10.7535/hbkd.2016yx01013

文章編號：1008-1542(2016)01-0076-07