一種基于Canny的原棉雜質圖像分割方法研究

夏彬 張亞利 王飛

摘要：針對原棉雜質人工檢驗方式效率和效果不能保證的問題，提出一種基于Canny的原棉圖像分割方法。該方法首先通過計算灰度的二階微分增強圖像，然后采用梯度按閾值取舍的方法檢測圖像邊緣，在此基礎上，結合“非極大值抑制”和形態學的連接操作，確保圖像分割的效果。原棉雜質圖像分割實驗結果表明，該方法能夠有效地將雜質與原棉背景分離，獲取的雜質邊緣清楚、流暢，有利于后期原棉雜質的分類與識別，同時，為棉纖維檢驗領域中機器視覺檢測系統的研發提供了技術支撐和數據參考。

關鍵詞：原棉雜質；圖像分割；Canny；雜質邊緣；視覺檢測

中圖分類號：TS111.9；TP37

文獻標志碼：A

文章編號：1009-265X（2017）06-0023-04

Research of Cannybased Image Segmentation Method of Raw Cotton Impurities

XIA Bin1， ZHANG Yali2， WANG Fei3

（1.Zhengzhou Cotton & Jute Engineering Technology and Design Research Institute of China Coop，Zhengzhou 450000， China； 2.Henan Industrial Design School， Zhengzhou 450000，China； 3.Key Laboratory of Textile Science & Technology Ministry ofEducation，Donghua University， Shanghai 200051， China）

Abstract：Considering the low efficiency and low effectiveness of manual inspection of raw cotton impurities， this paper proposes a Cannybased method of raw cotton image segmentation. According to the method， the secondorder differential enhanced image of gray is to be calculated first， then the image border is to be tested with the method of gradient threshold choice method， and nonmaximum suppression and join morphological operation are to be combined on this basis， to ensure the effect of image segmentation. Simulation experiment results of raw cotton impurities image segmentation show that the method works to remove impurities from raw cotton background， and the impurities edges obtained with the method are clear and fluent， which is good for classifying and recognizing raw cotton impurities subsequently， and provides technical support and data reference for the development and research of machine visual inspection system in the field of cotton fiber inspection.

Key words：raw cotton impurities； image segmentation； Canny； impurities edge； machine visual inspection

中國具有悠久的植棉歷史，既是產棉大國，也是用棉大國。根據國家統計局公布的數據顯示，2015年全國棉花播種面積37 990 km2（5 698.5萬畝），總產量560.5萬t[1]。作為中國主要的經濟作物和紡織工業的主要原料，棉花與農、工、商各方利益息息相關[2]。與此同時，隨著棉花采收機械的快速推廣，機采棉較高的含雜率嚴重影響了棉花的加工與銷售，另外，較高的含雜率也影響了原棉的定級與定價，影響著紡紗效果及最終棉紡織品的質量。目前，根據國家標準GB/T 6499—2012《原棉含雜率試驗方法》，原棉雜質的檢驗方式為人工手工檢測，由于手工方法勞動強度大、主觀性強、檢測效率和效果不能保證，檢測過程中也會對原棉的原生品相造成破壞，這就給原棉雜質的檢測帶來了困難。機器視覺檢測技術采用工業相機與計算機結合的方式，通過數字圖像處理分析方法代替人眼對目標進行分析、識別與測量，能夠有效克服人工檢驗的不足，有利于提高檢驗效率，在原棉雜質檢測領域具有廣泛的應用前景[35]。

本文針對原棉雜質圖像分割方法進行研究，提出采用Canny算子進行原棉圖像分割，并選取淡點污棉二級原棉為樣本進行仿真實驗，為原棉雜質圖像分割方法的選取以及雜質目標的分類識別提供參考依據。

3仿真實驗

3.1實驗平臺

實驗選取淡點污棉二級原棉作為樣品，通過圖像采集裝置捕獲原棉雜質圖像，采集的樣品圖像為BMP格式，位深度32位。

實驗硬件平臺是在聯想PC機上進行的，該計算機配備Core i5處理器，8 GB內存，1 TB硬盤。

實驗程序采用Visual C++ 2010調取OpenCV視覺庫的方式編程實現，程序運行在Windows 7操作系統下。Microsoft Visual C++是Microsoft公司推出的面向對象的可視化集成編程環境，它具有靈活方便的類管理、程序框架自動生成、代碼編寫和界面設計集成交互操作等程序開發優勢。OpenCV是開源的跨平臺計算機視覺庫，可以運行在Windows、Linux以及Mac OS操作系統平臺上，類庫輕量級，程序執行高效，能夠進行圖像處理與計算機視覺通用算法實驗。

3.2結果與分析

依托上述仿真實驗平臺，實驗通過原棉雜質圖像采集裝置捕獲了淡點污棉二級原棉樣品圖像，分辨率為1 925×1 773像素，如圖2所示。在此基礎上，開展了Canny方法圖像分割實驗，以及不同圖像分割方法間的對比分析實驗。

3.2.1Canny方法分割結果分析

根據采集的圖2棉花樣品圖像，采用本文Canny方法進行分割，其分割實驗結果如圖3（a）所示，同時，為便于對分割結果進行觀察分析，對分割結果圖像反色后結果如圖3（b）所示。將圖2與圖3進行對比分析，可以看到，在原棉圖像中相應的雜質點經過圖像分割后，雜質都被凸顯出來，進一步說明了本文的Canny方法能夠將雜質與原棉背景有效地分離開來，同時，分割出的原棉背景噪聲小、雜散點少，原棉雜質邊緣清楚、流暢。

3.2.2不同圖像分割方法效能對比分析

為了進一步驗證本文方法的圖像分割效能，實驗分別選取閾值分割方法、OTSU方法與本文Canny方法進行分割結果對比分析。

a）分割方法耗時方面。采集7種不同分辨率的原棉圖像，采用各自方法分別進行圖像分割，并計算所耗費時間，進行對比分析，具體如圖4所示。從圖4可以看出，對于低于600×800像素的小分辨率圖像，各方法分割耗時相當，維持在0.29 s左右；當圖像分辨率超過1 250×1 500像素時，本文Canny方法耗時大幅降低，最大相對降低21%。

b）分割方法效能方面。采用分割結果定性與檢測概率比定量相結合方式進行對比分析。

首先，分割結果定性分析。以采集的圖2原棉圖像為樣品，分別采用上述兩種方法進行圖像分割，并對分割結果反色后如下：圖5為閾值分割方法結果，圖6為OTSU方法結果。

通過與圖3 Canny方法結果對比，閾值分割方法對有些原棉雜質存在“漏檢”的情況，如圖5所示，與原始樣本相比，雜質與原棉背景分離效果不明顯，分割后的圖像背景存在噪聲，一定程度影響了后期的數據處理；通過與圖3 Canny方法結果對比，OTSU方法能夠有效的將雜質與原棉背景分離開來，如圖6所示，同時，雜質邊緣刻畫清楚、流暢，但存在背景噪聲，影響了分割的效果。

其次，檢測概率比定量分析。檢測概率比是圖像分割中常用評價準則，其定義為正確檢測概率Pc與錯誤檢測概率Pf之比。實驗選取原棉樣品，針對原棉中常見的破籽、不孕籽、僵片等6類雜質進行圖像分割并計算檢測概率比[11]，對比數據如圖7所示。

與閾值分割、OTSU方法相比，Canny分割方法通過計算灰度的二階微分來增強圖像，采用梯度按閾值取舍的方法檢測邊緣，由于它進行了“非極大值抑制”和形態學連接操作，使提取的邊緣連續性好，在對原棉雜質圖像的分割上，特別是在破籽、棉葉的分割上，分割效果明顯優于閾值分割方法與OTSU方法。

4結語

在原棉雜質的自動化分析系統中，圖像分割是關鍵環節，其分割效果直接影響著后續的雜質目標分析與識別。本文采用基于Canny原棉雜質圖像分割方法，以淡點污棉二級原棉為樣品，進行了相關仿真實驗，實驗結果表明，本文的Canny圖像分割方法通過計算灰度的二階微分來增強圖像，并對梯度按閾值取舍的方法檢測邊緣，使提取的邊緣連續性好、背景噪聲小，能夠取得較優的分割效果，為原棉圖像分割方法的選取以及原棉圖像目標識別提供了參考依據。

在原棉圖像分割之后，如何對其表面進行雜質分類和識別將是下一個階段的工作。

參考文獻：

[1] 國家統計局.國家統計局關于2015年原棉產量的公告[EB/OL].（2015-12-18）[2016-02-17].http：//www.stats.gov.cn/tjsj/zxfb/201512/t20151218_1292351.html.

[2] 楊忠娜，唐繼軍，喻曉玲.新疆棉花產業對國民經濟的影響及對策研究[J].農業現代化研究，2013，34（3）：298-302.

[3] 陳君.多源圖像融合技術在棉花病蟲害診斷中的應用[J].湖北農業科學，2013，52（11）：2555-2557.

[4] 陳欽政，賴惠成，王星，等.一種基于支持向量機的棉花圖像分割算法[J].計算機工程，2013，39（5）：266-269.

[5] 丁名曉，王云寬，黃為.基于Gabor濾波器的棉花雜質檢測算法[J].中國圖象圖形學報，2011，16（4）：69-72.

[6] 劉軍民，夏彬，桑小田，等.基于邊緣檢測的棉花雜質圖像分割方法比較與分析[J].中國棉花，2014，41（12）：23-25.

[7] 刁智華，王歡，宋寅卯，等.復雜背景下棉花病葉害螨圖像分割方法[J].農業工程學報，2013，29（5）：147-152.

[8] 史書偉，夏彬，冀翼，等.棉花圖像檢索中的分塊權重優化.現代紡織技術[J].2016，24（1）：1-3.

[9] 張磊，姚軍，王鋒，等.考慮分形特征的巖心掃描圖像合理分割方法[J].科學技術與工程，2015，15（24）：57-60.

[10]田昊，王維新，畢新勝，等.基于圖像處理的機采棉雜質提取算法[J].江蘇農業科學，2014，42（1）：36-39.

[11]章毓晉.圖像工程（中冊）：圖像分析[M].3版.北京：清華大學出版社，2013：53-160.

（責任編輯：張會巍）