一种基于机器视觉的烟丝宽度测定方法

技术领域

本发明涉及烟草加工技术领域，尤其涉及一种基于机器视觉的烟丝宽度测定方法。

背景技术

烟丝是醇化后的片烟经松散回潮、切丝、烘丝等多道加工工序形成的，烟丝的长度、宽度等形态指标对烟支卷接质量、卷烟燃烧性能以及感官质量具有较大影响。在检测方面，研究人员开始将机器视觉用于烟丝形态指标检测，即先对烟丝分散开后采集图像，再通过图像传输和图像处理得到烟丝相关形态指标，如长度、宽度、卷曲度等，在图像处理中的技术环节包括图像预处理、背景分割、烟丝轮廓提取、烟丝中心线或骨架提取、指标检测等。

公布号CN110345874A的发明专利申请公开了一种基于机器视觉检测技术测量烟丝宽度的新方法，该方法主要是通过基于追踪的方法判断烟丝的局部特征获得烟丝中心线和骨架，通过设定宽度阈值，对中心线周围区域对称形成烟丝宽度测定候选框，对候选框内的烟丝宽度进行计算。该方法由于需要设置合适的宽度阈值范围，因此在烟丝宽度的测定上具有主观性，不能客观准确的反映烟丝的实际宽度，且系统过程繁琐。

公布号CN112330663A的发明专利申请公开了一种基于变径圆的计算机视觉烟丝宽度检测方法，该方法通过从烟丝骨架中心线一端开始，以一定步长做变径圆，当变径圆与烟丝轮廓相切时，则对应的变径圆的直径为烟丝的宽度。然而，在实际操作过程中，变径圆不能刚好达到这种相切关系，会与轮廓微相交，则会导致选取的变径圆直径不能精确测定烟丝的宽度。此外，该方法对烟丝宽度的检测需要从骨架中心线一端开始，因此仅对非闭合的烟丝图像有效，对于闭合形态烟丝(如环形烟丝)不能有效测定，且该方法在骨架中心点需要进行圆直径迭代计算，影响了系统效率。

发明内容

鉴于现有技术的上述缺陷，本发明要解决的技术问题是提供一种基于机器视觉的烟丝宽度测定方法，能够更加客观、精确地测定烟丝的宽度。

为了解决上述技术问题，本发明采用如下技术方案：

本发明提供一种基于机器视觉的烟丝宽度测定方法，依次包括以下步骤：步骤S1、采集烟丝原始图像；步骤S2、对烟丝原始图像进行预处理；步骤S3、提取烟丝轮廓和烟丝骨架；步骤S4、对烟丝骨架上的每一个骨架点计算骨架点与烟丝轮廓上的所有轮廓点的欧氏距离并取最小值，并以骨架点为圆心、最小值为半径作圆，以烟丝骨架上的所有骨架点对应的圆直径作为宽度集合，计算宽度集合的平均值作为烟丝的宽度检测值。

优选地，在步骤S1中，将烟丝均匀分散放置于载物台上并用玻璃板压平后，使用摄像装置采集烟丝原始图像。

优选地，在步骤S2中，预处理包括高斯滤波降噪处理、背景分割和二值化。

优选地，在步骤S3中，对二值化的图像通过canny算子提取烟丝轮廓。

优选地，在步骤S3中，基于提取的烟丝轮廓图像，按Zhang-Suen算法中的判定规则生成8邻域结构体检查表，并利用8邻域结构体对烟丝轮廓迭代腐蚀，提取出烟丝的伪骨架；对于常规形态的烟丝，伪骨架为真实的烟丝骨架；对于非常规形态的烟丝，对伪骨架的分支做判定和去除后得到真实的烟丝骨架。

优选地，在步骤S3中，非常规形态的烟丝包括非环形分叉烟丝和/或环形分叉烟丝。

优选地，在步骤S3中，对非环形分叉烟丝的伪骨架的分支做判定和去除的方法依次包括以下步骤：步骤a1、生成3×3像素结构体P，3×3像素结构体P中除P(3，3)的值为0外，其余像素值均为1；步骤a2、对非环形分叉烟丝的伪骨架图像中像素值为1的像素进行检索并提取像素值为1的像素周围的8邻域像素P0，计算P与P0的同位置乘积矩阵K，对矩阵K求和，记为Ks，若Ks≥3，则P0矩阵涵盖伪骨架分支节点J；步骤a3、将非环形分叉烟丝的伪骨架中含分支节点J位置分别置0，将非环形分叉烟丝的伪骨架分为三个部分，遍历所有部分骨架并计算对应长度，寻找出最短的分支并标记最短的分支的长度为Cmin，根据烟丝的宽度设定阈值R，若Cmin＞R，则保留最短的分支；若Cmin≤R，则对最短的分支置0，去除最短的分支。

优选地，在步骤S3中，对环形分叉烟丝的伪骨架的分支做判定和去除的方法依次包括以下步骤：步骤b1、对环形分叉烟丝的伪骨架进行图像孔洞填充，形成的图像矩阵与环形分叉烟丝的伪骨架求差，得到的差值矩阵为环形区域；步骤b2、对环形区域利用3×3像素结构体进行图像膨胀操作，3×3像素结构体的像素值均为1，通过canny算子提取膨胀后的环形区域的环形轮廓；步骤b3、生成3×3像素结构体P，3×3像素结构体P中除P(3，3)的值为0外，其余像素值均为1；步骤b4、对环形轮廓图像中像素值为1的像素进行检索并提取像素值为1的像素周围的8邻域像素P0，计算P与P0的同位置乘积矩阵K，对矩阵K求和，记为Ks，若Ks≥2，则P0矩阵涵盖伪骨架分支节点J；步骤b5、将环形轮廓中含分支节点J位置分别置0，将环形轮廓分为三个部分，遍历所有部分轮廓并计算对应长度，寻找出最短的分支并标记最短的分支的长度为Cmin，根据烟丝的宽度设定阈值R，若Cmin＞R，则保留最短的分支；若Cmin≤R，则对最短的分支置0，去除最短的分支。

优选地，在步骤S3中，对真实的烟丝骨架的不规则端口做切除处理。

优选地，在步骤S3中，对真实的烟丝骨架的不规则端口做切除处理的方法依次包括以下步骤：步骤c1、生成3×3像素结构体P，3×3像素结构体P中除P(3，3)的值为0外，其余像素值均为1；步骤c2、对真实的烟丝骨架图像中像素值为1的像素进行检索并提取像素值为1的像素周围的8邻域像素P0，计算P与P0的同位置乘积矩阵K，对矩阵K求和，若矩阵K求和值等于1，则去除对应的像素；步骤c3、设置检索次数阈值，重复步骤c2，对真实的烟丝骨架图像中像素值为1的像素循环剔除。

与现有技术相比，本发明具有显著的进步：

本发明的基于机器视觉的烟丝宽度测定方法，通过对烟丝骨架上的每一个骨架点计算骨架点与烟丝轮廓上的所有轮廓点的欧氏距离并取最小值，以骨架点为圆心、最小值为半径作圆，形成的圆直径作为宽度集合，最后计算宽度集合的平均值作为烟丝的宽度检测值。对烟丝骨架上的每一个骨架点与烟丝轮廓形成的烟丝宽度均进行检测，检测范围广且具有严格的客观性，能够更加客观、精确地测定烟丝的宽度。

附图说明

图1中，1a和1b分别是本发明实施例基于机器视觉的烟丝宽度测定方法中的烟丝原始图像和二值化图像示例。

图2中，2a、2b和2c分别是本发明实施例基于机器视觉的烟丝宽度测定方法中一种常规形态的烟丝的二值化图像、烟丝轮廓图像和烟丝伪骨架图像示例。

图3中，3a、3b和3c分别是本发明实施例基于机器视觉的烟丝宽度测定方法中一种非环形分叉烟丝的原始图像、烟丝伪骨架图像和伪骨架去除分支后的图像示例。

图4中，4a、4b和4c分别是本发明实施例基于机器视觉的烟丝宽度测定方法中一种环形分叉烟丝的原始图像、烟丝伪骨架图像和伪骨架去除分支后的图像示例。

图5中，5a、5b、5c和5d分别是本发明实施例基于机器视觉的烟丝宽度测定方法中一种两端具有不规则端口的烟丝的原始图像、真实的烟丝骨架图像、烟丝骨架两端端口标记图像和烟丝骨架两端端口去除后的图像示例。

图6中，6a、6b、6c和6d分别是本发明实施例基于机器视觉的烟丝宽度测定方法中一种烟丝的原始图像、二值化图像、烟丝骨架最小宽径寻找图像和烟丝轮廓内切圆图像示例。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细说明。这些实施方式仅用于说明本发明，而并非对本发明的限制。

如图1至图6所示，本发明的基于机器视觉的烟丝宽度测定方法的一种实施例。本实施例的基于机器视觉的烟丝宽度测定方法依次包括以下步骤。

步骤S1、采集烟丝原始图像。

优选地，步骤S1中，手动将烟丝均匀分散放置于载物台上，烟丝与烟丝之间不重叠，用玻璃板将烟丝压平，然后使用摄像装置采集烟丝原始图像，摄像装置采用现有的高清摄像设备，如工业摄影机等。采集的烟丝原始图像如图1中1a所示。

步骤S2、对烟丝原始图像进行预处理。

优选地，步骤S2中，预处理包括高斯滤波降噪处理、背景分割和二值化。具体为，对采集的烟丝原始图像进行高斯滤波降噪处理；烟丝原始图像拍摄背景为白色，与烟丝颜色反差较大，采用阈值法对拍摄背景进行分割：对高斯滤波降噪处理后的图像提取RGB颜色空间B通道，设置阈值为190，将烟丝原始图像中小于等于阈值的像素点标记为1，大于阈值的像素点标记为0，实现烟丝原始图像初步二值化，对第一次二值化后的图像进行微孔区域填充处理，得到最终的二值化图像，如图1中1b所示。而后对二值化图像中的多个烟丝进行分离操作，使被检测烟丝为白色像素，其它区域为黑色像素区域，以便逐根烟丝进行检测。

步骤S3、提取烟丝轮廓和烟丝骨架。

步骤S3中，优选地，对二值化的图像通过canny算子提取烟丝轮廓，如图2中2a、2b所示。进一步，基于提取的烟丝轮廓图像，按Zhang-Suen算法中的判定规则生成8邻域结构体检查表，并利用8邻域结构体对烟丝轮廓迭代腐蚀，提取出烟丝的伪骨架，如图2中2c所示。canny算子和Zhang-Suen算法均为本领域公知常识，本文不予赘述。

烟丝伪骨架是烟丝轮廓的中心线。根据烟丝形态不同，将烟丝分为常规形态的烟丝和非常规形态的烟丝。常规形态的烟丝指正常的条状烟丝，常规形态的烟丝提取出的伪骨架为不分叉的单线条，如图2中2c和图5中5b所示。对于常规形态的烟丝，提取出的伪骨架即为真实的烟丝骨架。非常规形态的烟丝是指非正常条状的异形烟丝，如具有环形形态、多孔形态、分叉形态其中一种或多种的组合的烟丝，如图3中3a和图4中4a所示。非常规形态的烟丝提取出的伪骨架会产生分叉，分为两种情况：第一种情况是由于烟丝宽度不合格导致；第二种情况是由于烟丝在切丝时或摆放拍摄时产生了交叠。因此，对于非常规形态的烟丝，需要对提取出的伪骨架的分支做判定和去除后得到真实的烟丝骨架。

本实施例中，以是否具有环形形态来划分，非常规形态的烟丝包括非环形分叉烟丝(如图3中3a所示)和/或环形分叉烟丝(如图4中4a所示)。

参见图3，对非环形分叉烟丝的伪骨架的分支做判定和去除的方法依次包括以下步骤。

步骤a1、生成3×3像素结构体P，3×3像素结构体P中除P(3，3)的值为0外，其余像素值均为1。

步骤a2、对非环形分叉烟丝的伪骨架图像(如图3中3b所示)中像素值为1的像素进行检索并提取像素值为1的像素周围的8邻域像素P0，计算P与P0的同位置乘积矩阵K，对矩阵K求和，记为Ks，若Ks≥3，则P0矩阵涵盖伪骨架分支节点J。

步骤a3、将非环形分叉烟丝的伪骨架中含分支节点J位置分别置0，将非环形分叉烟丝的伪骨架分为三个部分，遍历所有部分骨架并计算对应长度，寻找出最短的分支并标记最短的分支的长度为Cmin，根据烟丝的宽度设定阈值R，若Cmin＞R，则保留最短的分支；若Cmin≤R，则对最短的分支置0，去除最短的分支。最终得到非环形分叉烟丝的伪骨架去除分支后的图像(如图3中3c所示)，以非环形分叉烟丝的伪骨架去除分支后的图像作为非环形分叉烟丝的真实的烟丝骨架图像。

参加图4，对环形分叉烟丝的伪骨架的分支做判定和去除的方法依次包括以下步骤。

步骤b1、对环形分叉烟丝的伪骨架(如图4中4a所示)进行图像孔洞填充，形成的图像矩阵与环形分叉烟丝的伪骨架求差，得到的差值矩阵为环形区域。

步骤b2、对环形区域利用3×3像素结构体进行图像膨胀操作，3×3像素结构体的像素值均为1，通过canny算子提取膨胀后的环形区域的环形轮廓，即为闭合区域环形轮廓。

步骤b3、生成3×3像素结构体P，3×3像素结构体P中除P(3，3)的值为0外，其余像素值均为1。

步骤b4、对环形轮廓图像中像素值为1的像素进行检索并提取像素值为1的像素周围的8邻域像素P0，计算P与P0的同位置乘积矩阵K，对矩阵K求和，记为Ks，若Ks≥2，则P0矩阵涵盖伪骨架分支节点J。

步骤b5、将环形轮廓中含分支节点J位置分别置0，将环形轮廓分为三个部分，遍历所有部分轮廓并计算对应长度，寻找出最短的分支并标记最短的分支的长度为Cmin，根据烟丝的宽度设定阈值R，若Cmin＞R，则保留最短的分支；若Cmin≤R，则对最短的分支置0，去除最短的分支。最终得到环形分叉烟丝的伪骨架去除分支后的图像(如图4中4c所示)，以环形分叉烟丝的伪骨架去除分支后的图像作为环形分叉烟丝的真实的烟丝骨架图像。

由此，本实施例的基于机器视觉的烟丝宽度测定方法针对任意形态的烟丝骨架的剥离均具有适用性，尤其针对环形形态、分叉形态等异形烟丝均具有较佳的测定效果准确性。同时，对于烟丝骨架在剥离时产生的分支，本实施例的基于机器视觉的烟丝宽度测定方法依据烟丝宽度设定合适的限定阈值，对分支噪声进行去除，增加了烟丝宽度测定的准确性。

由于烟丝在加工过程中会发生随机性的断裂，导致在烟丝端口经常会出现不规则的端口，这种不规则的端口的端面相对烟丝的宽径方向倾斜，如图5中5a所示。因此，本实施例的基于机器视觉的烟丝宽度测定方法中，优选地，在步骤S3中，还对真实的烟丝骨架的不规则端口做切除处理。

参见图5，较佳地，对真实的烟丝骨架的不规则端口做切除处理的方法依次包括以下步骤。

步骤c1、生成3×3像素结构体P，3×3像素结构体P中除P(3，3)的值为0外，其余像素值均为1。

步骤c2、对真实的烟丝骨架图像(如图5中5b所示)中像素值为1的像素进行检索并提取像素值为1的像素周围的8邻域像素P0，计算P与P0的同位置乘积矩阵K，对矩阵K求和，若矩阵K求和值等于1，则标记并去除对应的像素(如图5中5c、5d所示)。

步骤c3、设置检索次数阈值，重复步骤c2，对真实的烟丝骨架图像中像素值为1的像素循环剔除。检索次数阈值根据烟丝宽度来设定，将一个烟丝宽度的像素数量设定为检索次数阈值，重复步骤c2的次数为设置的检索次数阈值，从而可将烟丝骨架两端端口切除一个烟丝宽度。

至此，由步骤S3，获得最终的烟丝骨架。

步骤S4、基于步骤S3中获得的最终的烟丝骨架，参见图6，烟丝骨架为骨架点的集合，烟丝轮廓为轮廓点的集合，对烟丝骨架上的每一个骨架点计算骨架点与烟丝轮廓上的所有轮廓点的欧氏距离并取最小值，并以骨架点为圆心、最小值为半径作圆，以烟丝骨架上的所有骨架点对应的圆直径作为宽度集合，计算宽度集合的平均值作为烟丝的宽度检测值。

具体地，在步骤S4中，提取烟丝骨架上的每一个骨架点的位置集合为T1(Xi，Yi)，提取烟丝轮廓上的每一个轮廓点的位置集合为T2(Mj，Nj)，对T1(Xi，Yi)中的每一个点求对应T2(Mj，Nj)的欧式距离D(i，j)为：

计算T1(Xi，Yi)中的每一个点对应T2(Mj，Nj)中所有点的欧式距离的最小值，该最小值的集合标记为half-Dz，以该最小值为半径、对应的骨架点为圆心作烟丝轮廓的内切圆，形成的圆直径即为对应的骨架点形成的烟丝宽径。综合所有骨架点形成的圆直径的集合Dz为宽度集合，对Dz计算算数平均值Kd，则Kd即为烟丝的宽度检测值。

本实施例的基于机器视觉的烟丝宽度测定方法，对烟丝骨架上的每一个骨架点与烟丝轮廓形成的烟丝宽度均进行检测，检测范围广且具有严格的客观性，能够更加客观、精确地测定烟丝的宽度。

以一个应用实例为例，采用本实施例的基于机器视觉的烟丝宽度测定方法对切丝宽度为1.00mm和0.80mm的烘后烟丝进行宽度测定，分别取3支两种尺寸规格烟支，将烟支中的烟烟丝手动剥离开来，并均匀分散开后压平，通过本实施例的基于机器视觉的烟丝宽度测定方法测定烟丝宽度，结果如下表1所示，两种规格(1.00mm、0.80mm)烟丝宽度检测结果均与目标值相接近，与目标值的相符度分别为92.14％和99.26％。

表1两种规格烟丝宽度检测结果

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。