基于MATLAB的桑蠶繭選繭輔助檢驗方法的研究

陳　浩, 楊　崢, 劉　霞, 邵　玲

(山東省纖維檢驗局 國家繭絲綢產品質量監督檢驗中心(山東), 濟南 250032)

?

基于MATLAB的桑蠶繭選繭輔助檢驗方法的研究

陳浩, 楊崢, 劉霞, 邵玲

(山東省纖維檢驗局 國家繭絲綢產品質量監督檢驗中心(山東), 濟南 250032)

摘要:針對目前桑蠶繭選繭均采用人工視覺進行判別易導致誤選率高的問題,采用MATLAB軟件對桑蠶繭彩色圖像進行圖像處理和數值計算的方法,從計算機視覺的角度,對桑蠶繭表面污斑面積的自動檢測進行了分析,得到了一種智能化和自動化的選繭輔助檢驗方法。研究結果表明：在多光源拍攝彩色圖像和進行準確相機標定的條件下,將桑蠶繭彩色圖像經過彩色空間轉換、圖像增強和二值化等處理后,桑蠶繭表面污斑面積的自動檢測快速且具有較高的準確度,顏色淺淡和多個污斑的樣品同樣具有良好的檢測效果,所采集圖像與實際大小之間的差異可采用立體相機進行三維模型重建來消除。

關鍵詞:桑蠶繭; 選繭; MATLAB; 計算機視覺; 圖像處理; 相機標定

在生產中,選繭是制絲過程中的一道重要準備工序,其目的是在整個莊口的蠶繭中,剔除不能繅制設計生絲等級要求的蠶繭。選繭要求正確,誤選率越小越好[1],選繭質量的好壞直接關系到產品質量、生產效率和經濟效益等。在檢驗中,選繭是桑蠶繭試驗的重要組成部分,是根據國家標準和下繭實物樣照選除各類下繭的過程,選繭試驗結果的準確與否與清潔、潔凈、解舒率、萬米吊糙、毛繭出絲率等主要質量指標結果密切相關。但是,目前選繭均采用人工視覺進行判別的方式,選繭的準確性易受人員技術水平、精神狀態等主觀因素影響,存在誤選率高、勞動強度大等缺點,特別是尿黃繭、靠黃繭和油繭等污斑面積接近標準規定值時更是如此。因此,將計算機視覺技術運用到桑蠶繭選繭中,將大大提高選繭結果的準確性和促進選繭技術的自動化進程。本研究采用美國MathWorks公司出品的MATLAB商業數學軟件,對彩色圖像中桑蠶繭污斑面積的自動檢測技術進行探討。

1　試　驗

1.1材料與儀器

材料：油繭或尿黃繭等在GB/T 9111—2006《桑蠶干繭試驗方法》國家標準術語和定義中涉及到污斑面積的桑蠶繭。

儀器：電腦(聯想啟天M6500-D756,Intel?CoreTMi7-4770 cpu@3.40GHz處理器,8G內存,Windows7操作系統),S300l高拍儀(深圳市良田科技有限公司),Ms3150游標卡尺(精度0.01 mm,臺州機械工人科技有限公司),標定物(藍色圓形塑料板,直徑38.69 mm,厚度1.62 mm),圖像處理軟件MATLAB R2014a。

1.2方法

1.2.1圖像采集

由于國內飼育的桑蠶繭雜交種均為白色繭,為更好地突顯桑蠶繭表面污斑的顏色,從有效的特征提取角度考慮,確定以白色紙張作為試驗臺背景。在進行測試時,當燈光為單一光源時獲取的圖片會存在陰影的情況,若此時污斑顏色較淺則會影響到所拍攝圖片特征提取的效果,所以本研究圖像是在多光源的情況下進行采集的。圖像采集時的高拍儀掃描尺寸為A5幅面,得到的彩色圖像尺寸為880 dpi×660 dpi。

1.2.2圖像處理

圖像處理主要包括圖像讀取、彩色空間轉換、圖像增強、二值化和圖像空洞填充等。

1.2.2.1彩色空間轉換

彩色空間是以數值方式描述色彩的模型,如RGB、HSV和HSI等。在MATLAB中,HSV彩色空間是人們用來從調色板或顏色輪中挑選顏色所用的彩色系統之一,比RGB系統更接近人們經驗和對彩色的感知[2]；在HSV模型中,亮度分量和色度分量是分開的,其中H為色調,S為飽和度,V為亮度值,在圖像處理和計算機視覺中,大量算法均可在HSV彩色空間中方便地使用[3],在用于指定顏色分割時有較大作用。由于桑蠶繭表面的污斑顏色往往與蠶繭本身顏色有較明顯的差異,可利用MATLAB數字圖像處理工具箱中的RGB2HSV函數將RGB圖像轉換為HSV,并提取飽和度分量。

1.2.2.2圖像增強

由于圖像在形成、傳輸或變換過程中,受諸如光學系統失真、系統噪聲、相對運動、曝光不足或過量等因素的影響,引起圖像質量的下降。圖像增強的目的是突出圖像中感興趣的信息,去除或消弱不需要的信息[4]。飽和度分量增強算法是將高飽和度的區域進行保持或降低,適當提高低飽和度區域,可到達更好的視覺效果[5],本研究采用imadjust函數對圖像轉換后的飽和度分量進行線性變換增強方法。

1.2.2.3圖像二值化

為提取圖像的特征信息,利用MATLAB中的im2bw函數進行二值圖像的轉換,這是因為二值圖像是將圖像上的每一個像素轉換成只有兩種可能的取值或灰度等級狀態,所有的像素只能從0和1這兩個值中取,因此在MATLAB中,二值圖像用一個由0和1組成的二維矩陣表示,以這種方式來操作圖像可以更容易識別出圖像的結構特征[6]。在進行二值化轉換時使用最大類間方差法(有時也稱之為大津法)自動獲得閾值以避免多次嘗試才能獲得一個合適的閾值,大津法選出來的閾值非常理想,對各種情況的表現都較為良好[7]。

1.2.2.4空洞填充和面積計算

利用MATLAB中的imfill函數將空洞填充為白色,圖像中的其他部分填充為黑色,則圖像中白色部分的面積即為需要檢測的污斑面積。將經過空洞填充的圖像,利用MATLAB中的size函數,求出被填充為白色部分的像素數占圖像全部像素數的比例,再根據這個比例和所拍攝圖像的實際物理面積就可以間接得出污斑的面積。

1.2.3相機標定

為得到所拍攝圖像的實際物理面積,需要確定空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系,必須進行相機標定,標定結果的精度及算法的穩定性直接影響相機工作產生結果的準確性[8]。本研究中圖像采集所用的高拍儀屬于采用CMOS成像原理的單目相機,在相機標定時采用了傳統相機標定法,通過拍攝尺寸已知的標定物,再計算圖像中標定物像素數占圖像全部像素數的比例,從而得出本研究所用高拍儀所拍攝圖像的實際尺寸,在求取圖像全部像素數時,通常在所測目標區域放置一個標準物件[9]。

標定物為一藍色圓形板,經采用游標卡尺測量其直徑為38.69 mm,則其面積為11.75675 cm2。為盡量減小標定物因在試驗臺不同位置拍攝可能產生的誤差,標定時利用高拍儀拍攝標定物在試驗臺中心附近不同位置的9張圖像,標定物樣本分布見圖1。經圖像處理和計算后,得出圖像中標定物像素數占圖像全部像素數的比例平均值為0.03369,從而推導出本研究用高拍儀所拍攝圖像的平均物理尺寸為348.98239 cm2。標定數據見表1,標定圖像處理效果見圖2。

表1　相機標定統計

圖1　標定物樣本分布Fig.1　The sample distribution of calibration objects

2　結果與討論

2.1面積檢測

根據圖像處理和相機標定的情況,利用上述方法對一個繭層表面有油斑的樣品進行污斑面積的測定,經相機標定得到的圖像平均物理尺寸為348.98239 cm2。圖3所示的污斑像素數占圖像全部像素數的比例為0.0013,則本樣品污斑面積為0.454 cm2,符合GB/T 9111—2006《桑蠶干繭試驗方法》3.10繭層表面油斑總面積大于0.2 cm2的繭[10]為油繭的術語和定義,此樣品可判定為油繭。對于顏色淺淡和具有多個污斑的樣本,本方法同樣能夠達到理想的檢測效果。圖4為污斑顏色淺淡的樣本圖像處理效果,圖5為具有多個污斑的樣本圖像處理效果,其污斑像素數所占比例分別為7.6618×10-4和6.3017×10-4,則其實際面積分別為0.267 cm2和0.220 cm2。經實際測試,檢測時間平均為0.691 s,程序相應迅速,基本可以達到實時檢測的效果。

圖2　標定圖像處理效果Fig.2　Processing effect of calibrated image

圖3　樣本圖像處理效果Fig.3　Processing effect of the sample image

圖4　樣本圖像處理效果(顏色淺淡污斑)Fig.4　Processing effect of the sample image (light color contamination spot)

圖5　樣本圖像處理效果(多個污斑)Fig.5　Processing effect of the sample image (multiple contamination spots)

2.2結果驗證

由于自然產生的桑蠶繭污斑形狀多為不規則狀,其面積很難直接準確測量,所以為驗證本研究,采用在一粒桑蠶干繭繭層表面用墨水涂一個圓后,將這個圓的計算面積和經圖像采集與處理后得出面積進行比較的方式。經測量,用墨水所涂圓的直徑為5.33 mm2,則其計算面積為0.223 cm2,經圖像采集與處理后得出的污斑面積為0.221 cm2,二者僅相差0.002 cm2,相對誤差0.9%,可以說明本研究方法具有較高的準確度。圖6為結果驗證效果圖。

圖6　結果驗證效果Fig.6　Result verification effect

3　結　論

1)利用MATLAB在數字圖像處理方面的優勢對桑蠶繭表面污斑面積進行自動檢測,為桑蠶繭選繭提供了一種選繭輔助檢驗方法,并為研究選繭智能化和自動化檢測技術提供了理論依據。研究結果表明,此方法能夠很好地提取圖像特征,桑蠶繭污斑面積的檢測具有較高的準確度,具有一定的理論研究和學術價值。

2)由于蠶繭是三維結構的橢圓體,采用高拍儀等單目相機采集到的圖像與實際大小會有一定的差異,為修正此差異,可在采用雙目立體相機進行圖像采集和匹配計算來重建蠶繭三維模型的基礎上,根據本研究的相關理論檢測污斑面積。

3)對于污斑位于蠶繭頭部的情況,可在使用雙目立體相機進行重建蠶繭三維模型的基礎上,在試驗臺中部鑿一凹洞使蠶繭立于試驗臺,以提高本研究的適用性。

參考文獻：

[1]陳文興,傅雅琴.蠶絲加工工程[M].北京:中國紡織出版社,2013:56-57.

CHEN Wenxing, FU Yaqin.Processing Engineering of the Mulberry Silk[M].Beijing:China Textile & Apparel Press, 2013:56-57.

[2]岡薩雷斯R C,伍茲R E,艾丁斯S L.數字圖像處理(MATLAB版)[M].阮秋琦,譯.北京:北京電子工業出版社,2005:152-153.

GONZALEZ R C, WOODS R E, EDDINS S L.Digital Image Processing Using MATLAB[M].Translated by RUAN Qiuqi.Beijing:Beijing Publishing House of Electronics Industry, 2005:152-153.

[3]張娜,王緒本,楊斯涵,等.基于HSV空間的簡牘圖像增強算法研究[J].計算機應用研究,2007,24(6):204-206.ZHANG Na, WANG Xuben, YANG Sihan, et al.Research of bamboo slips image enhancement algorithm based on HSV space[J].Application Research of Computers, 2007, 24(6):204-206.

[4]艾劍鋒,章海亮.基于MATLAB的蘋果圖像處理研究[J].湖北農業科學,2011,50(4):840-841.

AI Jianfeng, ZHANG Hailiang.Research of dispose technology based on MATLAB to grad apple[J].Hubei Agricultural Sciences, 2011, 50(4):840-841.

[5]李小霞，李鋮果，鄒建華，等.一種新的低照度彩色圖像增強算法[J].計算機應用研究,2011,28(9):3554-3555.LI Xiaoxia, LI Chengguo, ZOU Jianhua, et al.New low illumination color image enhancement algorithm[J].Application Research of Computers, 2011, 28(9):3554-3555.

[6]曾晰,趙國軍,王淵平,等.一種基于圖像識別技術的電梯門控方法[J].信息與控制,2011,40(2):243-247.

ZENG Xi, ZHAO Guojun, WANG Yuanping, et al.An image recognition method for the elevator door control[J].Information and Control, 2011, 40(2):243-247.

[7]肖瑩,龔自霞,高翔宇.基于MATLAB的醫學圖像二值化算法的實現[J].電腦知識與技術,2013,9(6):3842-3844.

XIAO Ying, GONG Zixia, GAO Xiangyu.The realization of medical image binarization algorithm based on MATLAB software[J].Computer Knowledge and Technology, 2013, 9(6):3842-3844.

[8]李鵬,王軍寧.攝像機標定方法綜述[J].山西電子技術,2007(4):77-79.LI Peng, WANG Junning.Method survey of the camera calibration[J].Shanxi Electronic Technology, 2007(4):77-79.

[9]趙松柏,諶海云,陳普春,等.基于MATLAB的不規則面積圖像測量[J].自動化技術與應用,2012(9):14-16.

ZHAO Songbai, CHEN Haiyun, CHEN Puchun, et al.The irregular image area measurement based on MATLAB[J].Techniques of Automation and Applications, 2012(9):14-16.

[10]國家質量檢驗檢疫總局.GB/T9111—2006桑蠶干繭試驗方法[S].北京:中國標準出版社,2006.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China.GB/T 9111-2006 Methods of mulberry silkworm dried cocoons[S].Beijing:Standards press of China, 2006.

DOI:10.3969/j.issn.1001-7003.2016.03.006

收稿日期:2015-06-29; 修回日期:2016-01-15

作者簡介:陳浩(1973),男,工程師,主要從事繭絲質量檢驗工作。

中圖分類號:TS101.8

文獻標志碼:A

文章編號:1001-7003(2016)03-0032-05引用頁碼:031106

Study on auxiliary testing method for mulberry silkworm cocoon sorting based on MATLAB

CHEN Hao, YANG Zheng, LIU Xia, SHAO Ling

(National Cocoon and Silk Quality Supervision and Inspection Center(Shandong), Shandong Fiber Inspection Bureau, Ji’nan 250032, China)

Abstract:Manual mulberry silkworm cocoon sorting may easily result in high false sorting rate.To solve this problem, MATLAB software was applied for image processing and numerical calculation of color images of mulberry silkworm cocoons.Automatic detection of the stained surface area of mulberry silkworm cocoon was analyzed from the perspective of computer vision, and an intelligent and automated auxiliary testing method for cocoon sorting.The results show that under the conditions of color image shooting with multiple light sources and accurate camera calibration, after color space transformation, image intensification and binaryzation of mulberry silkworm cocoon color image, the stained surface area of mulberry silkworm cocoon can be auto-detected accurately and rapidly.The samples with light color and multiple contamination spots also have the good detection effect.The difference between the gathered image and actual image can be eliminated through 3D modeling with a stereo camera.

Key words:mulberry silkworm cocoons; cocoons sorting; MATLAB; computer vision; image processing; camera calibration