基于數(shù)字圖像處理的紗線毛羽檢測

孫銀銀，潘如如，高衛(wèi)東

(江南大學(xué) 紡織服裝學(xué)院，江蘇 無錫 214122)

毛羽是評定紗線質(zhì)量的重要指標(biāo)之一，不僅影響紗線質(zhì)量，同時也對后續(xù)的織造加工產(chǎn)生不良影響［1］，甚至影響最終產(chǎn)品的質(zhì)量。常用的紗線毛羽檢測方法有光電式分級統(tǒng)計法和光電式全毛羽法，對應(yīng)的評價指標(biāo)有毛羽根數(shù)分布和毛羽H值，毛羽H值是指1 cm紗線上所有伸出紗線主體的毛羽長度的總和。顯然，毛羽根數(shù)分布比毛羽H值能更直觀地反映紗線毛羽分布情況［2－3］，更便于指導(dǎo)實際生產(chǎn)中對紗線質(zhì)量的控制。然而，現(xiàn)有的光電傳感器［4］檢測毛羽的方法存在著檢測結(jié)果難以重現(xiàn)，毛羽信息采集不夠全面等缺陷，因此，毛羽檢測需要在信號采集與處理方面作進一步探索。

隨著圖像采集技術(shù)和計算機技術(shù)的不斷發(fā)展，數(shù)字圖像處理技術(shù)逐步應(yīng)用到紗線毛羽檢測中，提高了毛羽檢測的全面性和準(zhǔn)確度。目前，紗線的圖像采集方法有黑板掃描方法和視頻顯微鏡方法［5］，其中，黑板掃描方法中的黑板會對毛羽產(chǎn)生壓迫造成毛羽狀態(tài)失真，毛羽檢測誤差較大;視頻顯微鏡方法是采集紗線自然狀態(tài)下的圖像，獲得紗線實物圖像，毛羽檢測準(zhǔn)確度較高。張繼蕾［6］結(jié)合圖像處理和區(qū)域跟蹤實現(xiàn)毛羽長度和根數(shù)的檢測，但由于毛羽圖像采集是用黑板掃描法，因擠壓會改變毛羽形態(tài)，增大了毛羽檢測誤差;同時，對圖像進行處理的過程中，對毛羽損傷嚴(yán)重，會破壞毛羽信息;毛羽檢測中對紗線邊緣提取不夠精確，部分毛羽被當(dāng)作紗線邊緣保留。

針對以往研究中存在的問題，本文在視頻顯微鏡和圖像處理技術(shù)結(jié)合的基礎(chǔ)上，提出一種新的毛羽檢測方法。首先采用MOTIC視頻顯微鏡捕獲紗線靜態(tài)的真實圖像，對所得紗線圖像進行處理，得到紗線條干圖像，由紗線二值圖像直接減去紗線條干圖像得到完整的紗線毛羽圖像;采用細(xì)化處理對紗線毛羽進行簡化，進而得到毛羽細(xì)化后的圖像;然后從紗線條干圖像中提取紗線條干邊緣曲線以其為基準(zhǔn)線，分割紗線毛羽;最后直接對不同長度的紗線毛羽根數(shù)進行檢測計數(shù)。

1 采集參數(shù)設(shè)置

應(yīng)確保MOTIC視頻顯微鏡采集的紗線毛羽信息完整，圖像清晰。在不同放大倍數(shù)的條件下，調(diào)整焦距到圖像最清晰，其對應(yīng)關(guān)系如下:放大倍數(shù)為6時，實物尺寸為22.50 mm×16.78 mm，在紗線徑向可以完整顯示所有長達8 mm的毛羽;放大倍數(shù)為7時，實物尺寸為19.05 mm×14.28 mm，在紗線徑向可以完整顯示所有長達7 mm的毛羽;放大倍數(shù)為8時，實物尺寸為16.18 mm×12.13 mm，在紗線徑向可完整顯示所有長達6 mm長的毛羽。在放大倍數(shù)盡可能大以提高測試精度的前提下，為確保圖像邊緣處的6 mm毛羽不出界，測試所用視頻顯微鏡的放大倍數(shù)為7。所用視頻顯微鏡的分辨率有512像素 ×384像素、1 024像素 ×768像 素、2 048像素×1 536像素3種，為盡可能提高紗線清晰度，選擇最大分辨率，即2 048像素×1 536像素。

紗線傳送裝置采用步進電動機，由控制器控制紗線每次傳送長度?？刂破?00個脈沖信號使直徑為36 mm的傳動輥轉(zhuǎn)過1周，傳送紗線長度為113.10 mm，因此1個脈沖信號傳送紗線長度為0.28 mm，在放大倍數(shù)為7時，每幀圖像對應(yīng)的紗線實物長度為19.05 mm，需67.4個脈沖信號，實驗中取68個脈沖，對應(yīng)實物長度為19.22 mm，盡可能保持紗線連續(xù)。

根據(jù)所確定參數(shù)，取精梳14.53 tex的環(huán)錠紡純棉管紗進行紗線圖像采集，圖1為采集的紗線原始圖像。由圖可看出，紗線圖像中雖存在較少噪點，但部分紗線毛羽和背景之間的差異較小，故需確定合理的圖像分割流程，實現(xiàn)對紗線毛羽與背景分離。

圖1 紗線原始圖像Fig.1 Original image of yarn

2 圖像處理

2.1 紗線圖像處理流程

用視頻顯微鏡捕獲紗線自然狀態(tài)下的平面圖像，但紗線毛羽存在空間卷曲，因此在顯微鏡焦距確定時，造成不同位置的毛羽之間以及同根毛羽不同部位之間亮度存在差異，為確保完整地提取紗線毛羽信息，需對圖像進行一系列處理［7］，流程如圖2所示。

圖2 紗線圖像處理流程圖Fig.2 Flow chart of yarn image processing

2.2 灰度轉(zhuǎn)換

為便于后續(xù)的紗線圖像處理，運用加權(quán)算法，根據(jù)式(1)把紗線毛羽彩色圖像轉(zhuǎn)換成灰度圖像［8］。

式中:H為灰度值，R、G、B分別為紅、綠、藍色分量值。圖3示出與圖1對應(yīng)的灰度圖像。

圖3 紗線灰度圖Fig.3 Grayscale image of yarn

2.3 圖像分割

由于顯微鏡景深固定，導(dǎo)致不同位置的紗線和毛羽在圖像中的亮度不一致，因此采用同一閾值對圖像中不同位置的紗線和毛羽進行分割并不合適，有必要采用局部閾值分割法處理紗線圖像。

將圖像分割成11 776(128×96)個16像素 ×16像素的區(qū)域，對含有紗線的分區(qū)域進行OTSU閾值，而對不含紗線的分區(qū)域直接將其像素值變?yōu)?，得到圖4所示紗線二值圖像。由圖可看出，局部OTSU閾值能夠很好地消除背景等干擾信息，精確地分割出紗線，且紗線毛羽保留完整。

圖4 紗線二值圖像Fig.4 Binary image of yarn

2.4 紗線分割

運用圖像形態(tài)學(xué)開運算對紗線進行處理［9］，消除紗線毛羽對紗線條干分割的干擾。利用結(jié)構(gòu)元素S對圖像A開運算，記為A·S，定義見下式:

式中(A?S)⊕S表示用結(jié)構(gòu)元素S對圖像A進行先腐蝕后膨脹處理。

圖5示出紗線分割圖像。形態(tài)學(xué)開運算得到紗線條干圖像如圖5(a)所示，所采用的結(jié)構(gòu)元素S是半徑為9的圓盤。從圖可看出，通過形態(tài)學(xué)開運算很好地消除了毛羽，同時保持了紗線條干的原狀。用紗線二值圖像(圖4)直接減去紗線條干圖像(圖5(a))，可得到圖5(b)所示的紗線毛羽圖像。

圖5 紗線分割圖像Fig.5 Image of yarn segmentation.(a)Yarn core;(b)Yarn hairiness

2.5 毛羽細(xì)化

為了便于統(tǒng)計不同長度的毛羽根數(shù)，先對毛羽作細(xì)化處理。本文的細(xì)化算法［10］為:先定義p點的八鄰域如圖6所示。圖中x1～x8分別為p點的八鄰域點。

圖6 p點八鄰域點Fig.6 Eight neighbors of p

對p點進行細(xì)化刪除，有G1、G2、G33個判斷條件，具體如下。

1)條件G1:XH(p)=1，其中XH(p)bi，且

式中:XH(p)表示p點八鄰域中(x2i－1，x2i)或(x2i－1，x2i+1) 像素值是(0，1)的個數(shù);bi表示p點八鄰域中(x2i－1，x2i)或(x2i－1，x2i+1)的像素值的判斷結(jié)果。

2)條件G2:2≤min{n1(p)，n2(p)}≤3，其中

式中:n1(p)表示x2k－1和x2k二者之間取大，即二者值為1的個數(shù);n2(p)表示x2k和x2k+1二者之間取大，即二者值為1的個數(shù)。

式中“∨”表示二者取其大，“∧”表示二者取其小。

僅當(dāng)p點同時滿足G1、G2、G3這3個條件時，刪除p點，然后按照上述方法先從左到右、再從上到下迭代處理圖像，直到毛羽區(qū)域為單像素時停止。細(xì)化后毛羽圖像如圖7所示。紗線毛羽細(xì)化實質(zhì)是一種特殊的多次收縮毛羽圖像的過程，使毛羽區(qū)域在收縮過程中保持整根毛羽的連通性，最終細(xì)化得到毛羽曲線位于毛羽區(qū)域的中心，反應(yīng)毛羽區(qū)域的基本形狀。

圖7 紗線毛羽細(xì)化結(jié)果Fig.7 Result of hairiness thinning

3 毛羽計數(shù)

3.1 毛羽長度檢測基準(zhǔn)

檢測毛羽長度，基準(zhǔn)的選擇是關(guān)鍵。不同于文獻［2］和 Zweigle的 G566 毛羽儀［11］，本文選取紗線條干上下邊緣作為測量毛羽長度的基準(zhǔn)。與紗線中心線相比，以紗線條干邊緣為基準(zhǔn)線更符合紗線毛羽定義［10］，且對1 mm的短毛羽測量準(zhǔn)確度更高。

將紗線條干上、下邊緣分別記為ES、EX，以ES、EX為基準(zhǔn)，1 mm為步長在平行紗線條干方向做分割線如圖8所示。

圖8 毛羽檢測用等距離基準(zhǔn)線Fig.8 Equidistance baseline of detection hairiness

在不考慮紗線毛羽交叉、卷曲及中斷的前提下，檢測伸出紗線條干表面的毛羽長度和根數(shù)。毛羽長度和根數(shù)計數(shù)方法如下:以紗線條干邊緣為基準(zhǔn)線分割紗線毛羽圖像，判斷毛羽分割點是否是毛羽點，并確定毛羽點的個數(shù)。在1 mm基準(zhǔn)線上，檢測到有1個毛羽點，該毛羽的長度統(tǒng)計為1 mm，同時1 mm的毛羽根數(shù)增加 1 根;對于 2、3、4、5、6 mm長的紗線毛羽也采用相同的檢測統(tǒng)計方法。

3.2 檢測實例

采用江蘇鹽城悅達紡織有限公司生產(chǎn)的純棉精梳紗，紗線線密度為14.58 tex。實驗取20個紗線片段，每個紗線片段包含連續(xù)的52幀圖像，由于每幀圖像中紗線長度為19.05 mm，則紗線片段實際長度是990.60 mm。按上述紗線毛羽檢測方法，檢測紗線毛羽的長度、根數(shù)，統(tǒng)計結(jié)果見表1。

表1 圖像法檢測結(jié)果Tab.1 Results of tangency point method

為便于與光電法毛羽檢測對比，將表1中20個紗線片段毛羽根數(shù)均值折算成1 m的毛羽根數(shù)均值，結(jié)果見表2。從表可看出，相同條件下，圖像法與目測法2種測試的結(jié)果最大偏差率為3.54%。

將圖像法毛羽檢測結(jié)果與GY172A型(陜西紡織機電科技有限公司)光電分級統(tǒng)計法相比，圖像法1 m長的紗線片段上毛羽根數(shù)均值明顯高于光電法。這是因為對于紗線圓周360°上的所有毛羽，圖像法對毛羽的檢測視角更廣，可基本實現(xiàn)毛羽的全角度檢測，對比數(shù)據(jù)見表3。

表2 與目測結(jié)果比較Tab.2 Comparison result with visual inspection

表3 圖像法與光電法比較Tab.3 Comparison of tangency pointmethod and photoelectric detection

4 結(jié)論

本文構(gòu)建了視頻顯微鏡和圖像處理技術(shù)相結(jié)合的紗線毛羽檢測系統(tǒng)，能有效提高紗線毛羽檢測的完整性和準(zhǔn)確性。與常用的光電毛羽檢測方法相比，對紗線毛羽檢測的視角范圍較大，且檢測結(jié)果可重現(xiàn)，更直觀、全面地反映紗線毛羽的分布情況。

實驗結(jié)果證明，本文提出的毛羽檢測方法是可行的，可為將來構(gòu)建更為完善的紗線毛羽檢測系統(tǒng)及評價體系提供參考。

［1］ CARVALHO V H.Optical yarn hairiness measurement system［C］//CARDOSO P J，VASCONCELOS R M，SOARES FO，et al.The Conference Publications of 5th IEEE International Conference on Industrial Informatics.Vienna:IEEE，2007:359－364.

［2］ ANIRBAN G，AMARNATH C，PATERIA S，et al.Measurement of yarn hairiness by digital image processing［J］.The Journal of Textile Institute，2010，101(3):214－222.

［3］ FABIJANSKA Anna， JACKOWSKA STRUM ILLO Lidia.Image processing and analysis algorithms for yarn hairiness determination［J］. Machine Vision and Applications，2012，23(3):527 －540.

［4］ CARVALHO Vítor， CARDOSO Paulo， BELSLEY M ichael，et al.Yarn hairiness parameterization using a coherent signal processing technique［J］.Sensors and Actuators，2008，142:217－224.

［5］ OZKAVA Y A，ACAR M，JACKSON M R.Digital image processing and illumination techniques for yarn characterization［J］.Journal of Electronic Imaging，2005，14(2):023001.1－023001.13.

［6］ 張繼蕾.基于圖像處理技術(shù)的紗線毛羽檢測應(yīng)用研究［D］.石家莊:河北科技大學(xué)，2011.ZHANG Jilei.Application study on the yarn hairiness detection based on image processing technology［D］.Shijiazhuang: Hebei University of Science and Technology，2011.

［7］ KUZANSKI M. Yarn hairiness determination: the algorithms of computer measurement methods［C］//JACKOWSKA-STRUM ILLO L.Conference Publications of International Conference on Perspective Technologies and Methods in MEMS Design.Lviv-Polyana:IEEE，2007:155－158.

［8］ OZKAVA Yasar A，ACAR M，JACKSON M ike R.Simulation of photosensor-based hairiness measurement using digital image analysis［J］.The Journal of Textile Institute，2008，99(2):93－100.

［9］ CARVALHO Vítor，CARDOSO Paulo，VASCONCELOS Rosa， et al. Yarn hairiness and diameter characterization using a CMOS line array［J］.Measurement，2008，41:1077 － 1092.

［10］ LAM L， LEE S W， SUEN C Y. Thinning methodologies-a comprehensive survey ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，1992，114(9):869－885.

［11］ 郭會勇，王建坤.淺析幾種毛羽測試方法［J］.河北紡織，2007(3):75－80.GUO Huiyong， WANG Jiankun. Simp le analyses of several hairiness testing methods［J］.Hebei Textile，2007(3):75－80.

［12］ 于偉東.紡織材料學(xué)［M］.北京:中國紡織出版社，2006:218.YU Weidong.Material of Textile［M］.Beijing:China Textile＆ Apparel Press，2006:218.