基于图像处理的纱线毛羽检测评级方法

技术领域

本发明涉及纱线条干不匀度检测方法领域，特别涉及一种基于图像处理 的纱线毛羽检测评级方法。

背景技术

毛羽检测方法有光电法和人工目测计数法，光电式毛羽法虽然检测效率 高，但受毛羽形态影响，检测的是毛羽在二维平面里垂直方向上的投影长度， 而不是毛羽的绝对长度，不能对弯曲毛羽进行有效统计，导致结果不够精确。 人工目测计数法具有取样少，效率低的缺点，

发明内容

本发明所要解决的技术问题是提供一种检测结果准确，效率高的基于图 像处理的纱线毛羽检测评级方法。

基于图像处理的纱线毛羽检测评级方法，包括以下步骤：

步骤1、采集原始纱线图像；

步骤2、将采集的原始纱线图像进行灰度处理，得到纱线灰度图像；

步骤3、将过滤后的纱线条干图像进行多层小波分解重构，近似重构出 光照信息层，通过算数运算消除光照不均影响，获取纱线图像；

步骤4、将上述步骤3消除光照影响的纱线图像进行开运算操作，获取 纱线主干，运用数学运算提取出不含纱线主干的毛羽图像；并将其进行滤波 去噪；

步骤5、将上述步骤4所得纱线主干图像运用改进大津算法二值化得到 清晰毛羽图像。

步骤6、对毛羽作细化处理，使用3×3模板包含9个像素点，对毛羽像 素矩阵进行遍历处理，以值为1的像素点作为模板中心，分别进行两次迭代， 第一次迭代为将满足预设第一条件的像素点值变为0，第二次迭代移去满足 第二预设条件的像素点后将剩余像素点中值为1的像素点变为0，通过两次 迭代将毛羽细化成一条细线，获得完整毛羽图像；

步骤7、将二值化毛羽图像矩阵中各毛羽划分为不同区域进行统计，设 置连通区域为四，可以避免将交叉毛羽划分为一个连通区域。像素矩阵中满 足预设连通区域要求的所有毛羽像素标记为同一个标签值，不同连通区域的 毛羽像素标记为不同标签值，返回总标签数num，标记后的毛羽图像矩阵L。 通过循环遍历出像素矩阵中不同区域毛羽像素数量。计算和存储各连通区域 的毛羽像素数和对应各像素数的连通区域数量得到矩阵S；

步骤8、测得最终毛羽图像中纱线的长度Ls,毛羽直径Lv,V表示最终毛 羽图像的水平分辨率，通过找到像素数与长度的对应关系，利用公式 sum＝L*Lv*V^2/Ls^2将毛羽长度转换为像素数区间，利用循环算法对矩阵S 位于相应区间像素数的矩阵值进行统计，得到不同毛羽长度对应毛羽数量， 例如计算毛羽长度在[e mm,f mm]区间内的数量时，通过公式将e mm换算为 a像素，将f mm换算为b像素，则毛羽长度在[e mm,f mm]区间内的像素数 sum取值范围为[a,b]，统计矩阵S中毛羽像素数位于[a,b]区间内的毛羽数 量m1，则m1代表毛羽长度在[e mm,f mm]区间内的总数量；

步骤9、根据上述公式计算出纱线毛羽图像中不同毛羽长度对应的毛羽 数量，分别统计纱线毛羽长度L为1、2、3、4、5、6mm的毛羽数量，通过 计算出cv值对纱线毛羽进行评价，最终得到毛羽评价结果。

进一步的，所述预设连通区域为四连通区域。

进一步的，所述步骤3中为7层多层小波分解。

进一步的，所述预设第一条件包括以下三个条件，同时满足三个条件判 断为满足预设第一条件：条件1、中心点周围像素值和w能够满足2≤w≤6， w等于模版中除去模版中心其余像素值的和；

条件2、逆时针遍历中心点周围像素值时，出现连续两个像素值分别为 0和1的次数为1；

条件3、中心点上右下三个位置和下左右三个位置像素点乘积为0。

进一步的，所述预设第二条件包括以下三个条件，同时满足三个条件判 断为满足预设第二条件：

条件1、中心点周围像素值和w能够满足2≤w≤6，w等于模版中除去模 版中心其余像素值和；

条件2、逆时针遍历中心点周围像素值时，出现连续两个像素值分别为 0和1的次数为1；

条件3、中心点上左下三个位置和上左右三个位置像素点值的乘积为0。

本发明的有益效果为：本发明提出的图像处理法去除了光照不均影响， 提取出完整毛羽信息，通过将各毛羽划分不同区域进而统计出各毛羽像素数 量，从而计算出毛羽长度。相比常规方法，此方法可以消除采集纱线图像时 光照不均的影响，避免毛羽的形态影响，提高毛羽检测的准确度。

附图说明

图1为原始纱线图像；

图2为最终毛羽图像的获取流程示意图；

图3为纱线灰度图像；

图4为纱线图像小波不同层数分解后的图像；

图5为消除的光照影响的纱线图像；

图6为不含纱线主干的毛羽图像；

图7为滤波处理后的毛羽图像；

图8为二值化毛羽图像；

图9为最终毛羽图像；

图10为矩阵生成图像；

图11为图10的局部放大图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所 描述的实施例是本发明一段分实施例，而不是全段的实施例。基于本发明中 的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有 其他实施例，都属于本发明保护的范围。

1纱线图像采集

利用RH2000视频显微镜对纱线图像进行采集，采集的纱线图像要保证 清晰、完整、具有参考性。在保证清晰度的情况下也要保证大小合适，否则 会影响处理速度。因此，采用精度为1.0um,图像的分辨率为1920*1200。同 时保证纱线位于相机视野中间，轴线保持水平。调整光源和焦距使毛羽图像 最清晰。如图1所示为原始纱线图像。

2纱线图像处理

2.1纱线图像处理流程图

使用视频显微镜对纱线进行图像采集，在采集图像时由于纱线毛羽的交 叉，会造成采集的纱线毛羽图像亮度分布不均匀。采集过程中由于毛羽背景 的影响会出现少量噪点，会对后续纱线毛羽图像处理产生影响，为了消除这 些影响，需要对采集的纱线毛羽图像进行预处理。流程图2所示。

2.2毛羽纹理提取

利用小波变换将采集的毛羽图像进行低频分解、重构，获取光照层信息， 小波分解将图像信息分解到每一层中，由于分解的层次越多，低频图像表示 的信息越少，选取七层低频分解。如图4所示，通过对比分析可以近似看作 第六层为光照信息。从多层二维小波分解细节系数中重构出第六层信号表示 光照信息，运用算数运算消除光照不均对后续图像处理的影响，使得毛羽特 征更加突出，便于对毛羽的提取。去除光照后图像如图5所示。将图五进行 形态学开运算，获取主干，利用图5去除光照纱线图像减去主干，提取出不 含主干的毛羽图像，如图6所示。

2.3对纱线毛羽去噪处理

由于图像采集过程中会有少量噪点，直接进行二值化会导致部分毛羽特 征被分割消除，为更加准确对图6图像进行二值化分割，使用滤波对噪点进 行过滤，使毛羽特征更加明显，结果如图7所示。

2.4二值化处理

对图七毛羽图像进行改进大津法获取合适阈值进行分割，在原大津算法 基础上加入灰度概率p(i)，减少灰度概率对平均灰度的影响，获得合适的阈 值，将低于阈值的灰度值变为0，使处理后毛羽像素更加突出。进而得到图所示的纱线毛羽二值图像。公式如下

式中p(i)代表灰度值概率，f(x,y)代表某一点像素值，M*N表示图像 大小。μ

2.5形态学处理

对获取的二值化毛羽图像使用3×3模板包含9个像素点，对毛羽像素 矩阵进行遍历处理，以值为1的像素点作为模板中心，分别进行两次迭代， 第一次迭代通过判断能够满足以下条件时，将该像素点值变为0。

条件1：2<＝A1+A2+A3+A4+A5+A6+A7+A8<＝6；

条件2：逆时针遍历中心点周围像素值时，出现连续两个像素值分别为 0和1的次数为1；

条件3：A2*A4*A6＝0且

A4*A6*A8＝0；

第二次迭代移去满足以下条件将值为1的像素点变为0。

条件1：2<＝A1+A2+A3+A4+A5+A6+A7+A8<＝6、

条件2：逆时针遍历中心点周围像素值时，出现连续两个像素值分别为 0和1的次数为1；

条件3：A2*A4*A8＝0且

A2*A6*A8＝0；

通过两次迭代将毛羽细化成一条细线。得到完整毛羽图像；如图9所示。

3纱线毛羽特征参数提取与分析

3.1毛羽像素统计

将图9二值化毛羽图像矩阵中值为1的像素数按照连通条件划分不同区 域，设置连通条件为上下左右四个方向值为1的像素数划分到一个连通区域， 满足连通区域要求的标记不同标签数，最后返回矩阵L和总标签数num，这 些标签的值为1、2、num。通过计算最大区域像素数maxArea,构建一行、 maxArea列零矩阵S,通过遍历计算L矩阵中不同标签区域像素数sum(num)， 计算出各区域像素数sum(num)作为构造零矩阵S的列值，在矩阵该位置处 加1作为毛羽数量。对二值化纱线毛羽矩阵进行统计，最后得到以列作为毛 羽像素数sum(num)，对应位置处的值代表毛羽数量的矩阵S。矩阵S图像如 图10和图11所示。

3.2纱线毛羽统计

利用视频显微镜提供的二维工具测得图像中纱线毛羽长度记为Ls(mm), 毛羽直径记作Lv(mm),V表示以单个像素点组成纱线长的像素数即图片水平 像素值，本实施例中V为1920。毛羽长度L取(1mm,2mm,3mm,4mm,5mm,6mm)通 过公式像素数M与毛羽直径像素数的乘积来计算毛羽像素数sum。利用不同毛 羽长度对应的像素数sum来划分毛羽长度，实现毛羽评级。统计毛羽数量计 算公式如下：

sum＝L*Lv*V^2/Ls^2

通过划分不同毛羽长度对应的像素数区间，由于S矩阵列值对应是毛羽 像素数，故利用循环算法对S矩阵位于各区间内的矩阵值进行统计，得到毛 羽长度和对应毛羽数量。利用变异系数cv来对毛羽进行评级

本次实验取纱线密度为18.7tex原纱纱线，选取6个纱段，每个纱线片 段采集50帧图像，图像处理后每帧图像对应的像素为1920×1200，对应的 每帧纱线实际长度约为10.25mm，纱线片段实际长度为约5m。按上述纱 线毛羽检测方法，在不考虑纱线出现毛羽交叉、毛羽特殊卷曲的情况下，其 图像检测结果见表1。

表1：图像检测法结果

为验证本方法的毛羽检测结果的准确性，将表1中6个纱线毛羽片段中毛 羽按照1m长度通过目测法统计纱线的毛羽根数，结果见表2。通过对比可以 看出与目测法相比测试的结果误差在6％范围以内。

表2：图像检测与目测法对比

4结论

文章所提出视频显微镜成像，运用图像处理的纱线毛羽检测系统，可以 有效提高纱线毛羽检测的可靠性。与常用的毛羽检测方法相比，可以消除图 像采集时光照不均影响，不受毛羽形态影响，提高毛羽检测的准确度。根据 试验结果表明本方法结果是实际可行的，可为将来设计纱线毛羽检测系统提 供参考。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明 的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发 明的保护范围之内。