劉冀龍，尹崗

　　( 內(nèi)蒙古工業(yè)大學(xué) 電力學(xué)院，內(nèi)蒙古 呼和浩特 010051）

       摘要：為了實(shí)現(xiàn)測(cè)量過(guò)程的自動(dòng)化，提出了應(yīng)用圖像處理技術(shù)的條狀物均勻度在線檢測(cè)系統(tǒng)的設(shè)計(jì)方法。以交叉編譯開發(fā)環(huán)境Qt Creator為核心，結(jié)合開源圖像處理庫(kù)OpenCV，實(shí)現(xiàn)了不規(guī)則條狀物外尺寸的非接觸式在線測(cè)量和實(shí)時(shí)顯示。采用顯微放大鏡頭，搭建了專用的光學(xué)系統(tǒng)；圖像預(yù)處理采用最大類間方差法(Otsu)，消除了不同光照強(qiáng)度對(duì)檢測(cè)結(jié)果的影響；為了充分體現(xiàn)人機(jī)交互性而編寫了友善的上位顯示界面，采用MATLAB對(duì)采集到的數(shù)據(jù)進(jìn)行曲線擬合，驗(yàn)證了分段直線擬合的可行性。實(shí)驗(yàn)結(jié)果表明，該裝置結(jié)構(gòu)簡(jiǎn)單，測(cè)量結(jié)果準(zhǔn)確，使紡織品條干均勻度在線實(shí)時(shí)檢測(cè)成為可能。

　　關(guān)鍵詞：數(shù)字圖像處理；均勻度檢測(cè)；最大類間方差法；分段直線擬合

0引言

　　條狀物直徑檢測(cè)是長(zhǎng)度測(cè)量中的一個(gè)重要研究方向，在測(cè)量技術(shù)中占有極其重要的位置，但儀器測(cè)量的穩(wěn)定性及抗干擾性尚存在問題，在一定程度上制約了測(cè)量精度的進(jìn)一步提高［1］。對(duì)條狀物直徑的精密測(cè)量有助于對(duì)該產(chǎn)品質(zhì)量的精確控制，另外對(duì)物體直徑進(jìn)行的在線測(cè)量可大大提高檢測(cè)效率，避免材料浪費(fèi)。

　　紡織品紗線條干作為條狀物的重要組成部分，廣泛應(yīng)用在國(guó)民生產(chǎn)的各個(gè)領(lǐng)域，因此針對(duì)紡織品紗線生產(chǎn)過(guò)程進(jìn)行實(shí)時(shí)在線檢測(cè)具有重要的意義。

　　紗線條干均勻度是指沿紗線長(zhǎng)度方向的粗細(xì)均勻程度，是衡量紗線質(zhì)量和性能的重要指標(biāo)［23］。它是紡紗過(guò)程中各道工序的機(jī)械、工藝以及紡紗原料狀態(tài)的綜合反映［4］，從本質(zhì)上看，表示的是紗線線密度的離散程度。近年來(lái)，隨著圖像處理技術(shù)和模式識(shí)別理論的發(fā)展和不斷成熟，有關(guān)紗線圖像預(yù)處理、圖像特征參數(shù)識(shí)別和特征值統(tǒng)計(jì)方面研究的課題均獲得了重大的發(fā)展［5］，但關(guān)于基于圖像處理方法計(jì)算紗線CV值、統(tǒng)計(jì)紗線細(xì)節(jié)的研究甚少。

　　本文提出基于圖像處理方法，初步檢測(cè)不規(guī)則條干的均勻度。首先運(yùn)用顯微攝像頭對(duì)線狀條干進(jìn)行圖像采集，對(duì)采集到的圖像進(jìn)行圖像增強(qiáng)、閾值分割、邊緣提取等運(yùn)算，得到條干清晰、無(wú)噪聲的線狀圖像，提取邊緣坐標(biāo)。然后采用分段直線擬合計(jì)算條干的直徑和條干不勻率，并將檢測(cè)結(jié)果與采用MATLAB進(jìn)行曲線擬合得到的結(jié)果進(jìn)行對(duì)比，驗(yàn)證分段直線擬合的可行性，為圖像處理方法分析紗線條干不勻提供理論依據(jù)。最后將核心算法封裝在可操作的人機(jī)界面內(nèi)，使檢測(cè)過(guò)程更簡(jiǎn)便高效。本文提出的快速在線檢測(cè)紗線條干均勻度的設(shè)計(jì)方案是一項(xiàng)非常有應(yīng)用價(jià)值的研究。

1條狀條干圖像采集

　　1.1采集裝置與材料

　　實(shí)驗(yàn)儀器： 500萬(wàn)像素免驅(qū)動(dòng)工業(yè)相機(jī)，支持MJPEG與YUV2格式的圖像數(shù)據(jù)，具有USB2.0高速接口，非常方便。

　　實(shí)驗(yàn)材料：取自呼和浩特市某紡織廠的多種不同顏色毛條樣本。

　　1.2光學(xué)成像裝置

　　在機(jī)器視覺系統(tǒng)中首先要確定光源打光的方式以減小測(cè)量誤差，有3種在視覺檢測(cè)系統(tǒng)中常用的打光方式［6］，分別為高角度照明、低角度照明和背光照明。為了能夠充分發(fā)揮檢測(cè)裝置靈活便攜的特點(diǎn)，本文采用無(wú)補(bǔ)光檢測(cè)方式，針對(duì)不同亮度的圖像進(jìn)行軟件處理，采用Otsu自適應(yīng)閾值分割法提取條干的邊緣。

　　在圖像采集端，很多檢測(cè)系統(tǒng)使用早期紗線均勻度檢測(cè)的方法——黑板條干檢測(cè)法［7］。使紗線目標(biāo)顯示明顯，同時(shí)也保證了圖像背景的單一化，使處理過(guò)程不必考慮圖像背景的變化，提高了處理速度。本文采用的也是背景不變法，讓條狀毛條處于背景上方位置，使用攝像頭對(duì)其直接拍攝。

2條狀條干圖像的處理

　　圖像處理算法采用開源視覺庫(kù)OpenCV作為核心，OpenCV是一個(gè)基于BSD許可（開源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫(kù)，可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上。

　　整個(gè)程序的流程如圖1所示。

　　2.1感興趣區(qū)域提取

　　在圖像處理領(lǐng)域，常常需要設(shè)置感興趣區(qū)域(Region of Interest，ROI)來(lái)簡(jiǎn)化其工作過(guò)程。也就是從圖像中選擇一個(gè)圖像區(qū)域，這個(gè)區(qū)域是圖像分析所關(guān)注的重點(diǎn)。圈定這個(gè)區(qū)域，以便進(jìn)一步處理。而且使用ROI指定想讀入的目標(biāo)，可以減少處理時(shí)間，增加精度，給圖像處理帶來(lái)不小的便利［8］。本文采用Rect()函數(shù)在原圖像上選取320×281大小的ROI區(qū)域，極大地降低了運(yùn)算量，提高了運(yùn)算速度。

　　2.2濾波預(yù)處理

　　由于本文采用的是無(wú)光照補(bǔ)償法，因此某些對(duì)比度過(guò)低的圖像可能無(wú)法進(jìn)行閾值分割，在圖像濾波之前首先要對(duì)ROI區(qū)域圖進(jìn)行對(duì)比度與亮度增強(qiáng)。如果圖中像素值低于某個(gè)閾值就要進(jìn)行對(duì)比度與亮度增強(qiáng)，高于某個(gè)閾值則不需增強(qiáng)，只需遍歷每個(gè)像素進(jìn)行對(duì)比度與亮度加權(quán)就能實(shí)現(xiàn)圖像增強(qiáng)。公式如下：

　　其中設(shè)定亮度值g_nContrastValue=100，對(duì)比度值g_nBrightValue=120。這樣就對(duì)圖像進(jìn)行了增強(qiáng)，增強(qiáng)效果如圖2所示。

　　亮度與對(duì)比度較為合適的圖像可直接進(jìn)行濾波處理。圖像濾波是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的有效性和可靠性［9］。

　　本文采用非線性濾波方法，即中值濾波結(jié)合雙邊濾波的方法。中值濾波在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像低頻段細(xì)節(jié)，通過(guò)中值濾波可以去除條干邊緣的高頻噪聲，讓邊緣變得平滑，去除毛羽［10］。雙邊濾波則可以做邊緣保存(edge preserving) ［11］，這樣就保證了邊緣附近像素值的保存。處理效果如圖3所示。

　　2.3自適應(yīng)閾值分割提取像素坐標(biāo)

　　由于沒有采用外部光照而是采用軟件方式進(jìn)行對(duì)比度亮度增強(qiáng)，不可避免地會(huì)造成對(duì)比度不同的情況，尤其是紡紗廠中光照條件的變化非常頻繁，必須找到一種能夠自適應(yīng)閾值分割的二值化方法，經(jīng)過(guò)測(cè)試，Otsu閾值分割法是最佳的選擇［12］。

　　Otsu法（最大類間方差法）使用的是聚類的思想，其主要計(jì)算公式如下：

　　式(2)中μ為圖像總平均灰度值，閾值k將所有的像素值分為目標(biāo)C0和背景C1類，ω0為C0類像素所占的總面積比例，ω1為C1類像素所占的總面積比例，μ0與μ1為C0類像素和C1類像素的平均灰度值。令k從0開始增大，計(jì)算在不同k下的類間方差δ2(k)，當(dāng)類間方差最大時(shí)求得的k就是最優(yōu)閾值。

　　當(dāng)?shù)玫阶顑?yōu)閾值分割圖之后，就可以提取左右兩個(gè)邊緣的特征點(diǎn)坐標(biāo)。本系統(tǒng)將特征點(diǎn)提取問題轉(zhuǎn)化為邊緣檢測(cè)問題。采用Canny算子進(jìn)行檢測(cè)［13］，圖4是4種不同顏色毛條的Canny算子邊緣圖。

　　如圖4所示，對(duì)二值圖直接進(jìn)行Canny邊緣檢測(cè)能夠很好地提取到條干的邊緣坐標(biāo)，證明本方法可行有效。

3條狀條干圖像采集的直徑計(jì)算

　　3.1條干不均勻度標(biāo)準(zhǔn)制定

　　直徑是反應(yīng)線狀物、條狀物均勻度的最直觀數(shù)據(jù)。常被用作判定紗線條干不均勻率的指標(biāo)有：變異系數(shù)CV值、平均差系數(shù)、極差系數(shù)和偏移率。其中CV值是衡量條干不均勻率的最重要指標(biāo)，其計(jì)算公式如下：

　　X表示紗線平均直徑，n表示樣本容量，Xi是紗線片段的實(shí)驗(yàn)直徑值。

　　CV值不僅反映了測(cè)試片段之間的不勻,同時(shí)也反映了片段內(nèi)的不勻［14］，因此反應(yīng)的不均勻度更具代表性。而其計(jì)算的基本數(shù)據(jù)來(lái)源就是直徑。所以本文主要以直徑作為檢測(cè)指標(biāo)來(lái)判定條狀物的條干均勻度。

　　3.2分段直線擬合可行性驗(yàn)證

　　本文采用分段直線擬合法對(duì)條干左右邊緣進(jìn)行擬合，為了得到兩條完整的邊緣，必須對(duì)兩條邊緣進(jìn)行數(shù)據(jù)擬合。傳統(tǒng)的擬合方法有直線擬合與曲線擬合，高階曲線擬合耗費(fèi)的時(shí)間過(guò)長(zhǎng)，本系統(tǒng)是在線檢測(cè)系統(tǒng)，必須保證檢測(cè)結(jié)果的實(shí)時(shí)性，因此必須采用簡(jiǎn)單有效的擬合方法。采用分段直線擬合替代高階曲線擬合，處理數(shù)據(jù)較少，運(yùn)算速度快，更適合工程應(yīng)用。為了驗(yàn)證分段直線擬合在本系統(tǒng)中的準(zhǔn)確性，將提取到的Canny邊緣坐標(biāo)輸入到MATLAB中進(jìn)行高階擬合，效果如圖5所示。

　　圖5是某條干的上半部分左邊緣擬合局部圖，曲線1是輸入的93個(gè)像素原始坐標(biāo)，曲線2是一階擬合曲線即直線，曲線3是五階擬合曲線，從圖中可得一階曲線與五階曲線的擬合效果很接近，因此可以采用分段直線擬合法擬合。右邊緣的擬合效果與左邊緣類似，證明分段直線擬合法在本系統(tǒng)中是完全可行的。

　　3.3條干像素直徑計(jì)算

　　在驗(yàn)證分段直線擬合的可行性之后就可以計(jì)算每個(gè)邊緣像素點(diǎn)的x坐標(biāo)值，表1是選取4組光照條件不同的羊絨條干經(jīng)過(guò)計(jì)算之后的直徑統(tǒng)計(jì)表。

　　如表1所示， AVG_X1、AVG_X2與AVG_X3分別為第一段、第二段與第三段直線擬合之后的像素直徑，AVG_X是三段擬合結(jié)果的平均值（單位為像素），同時(shí)也是評(píng)價(jià)整個(gè)ROI區(qū)域均勻度的標(biāo)準(zhǔn)。從表1中可看出對(duì)光照條件較差的圖像進(jìn)行亮度增強(qiáng)會(huì)使檢測(cè)結(jié)果略微偏大，但偏差不超過(guò)1.5個(gè)像素；而對(duì)光照條件較好的圖像卻沒有影響，進(jìn)而證明在圖像采集階段不進(jìn)行光照補(bǔ)償，采用軟件針對(duì)亮度不足的圖像進(jìn)行亮度增強(qiáng)是可行的，相對(duì)誤差在3%以下。

　　3.4直徑真實(shí)值計(jì)算與上位顯示

　　計(jì)算出像素直徑后，就可以根據(jù)直徑已知的羊絨條干進(jìn)行標(biāo)定，像素直徑與真實(shí)直徑換算關(guān)系如下：

　　在式(4)中，假定已知條干直徑是L，經(jīng)測(cè)量得知占有的像素?cái)?shù)是a，所求直線寬度像素?cái)?shù)為a0，代入式(4)中即可得到條干直徑L0。

　　為了實(shí)現(xiàn)智能化檢測(cè)與良好的人機(jī)交互體驗(yàn)，本系統(tǒng)采用Qt Creator交叉編譯開發(fā)環(huán)境設(shè)計(jì)了上位顯示界面，將核心算法封裝在上位界面內(nèi)，使得所有操作都在上位界面上進(jìn)行，方便快捷。上位界面如圖6所示。

　　點(diǎn)擊圖6中Open Image按鈕就能載入拍攝的原始圖像，界面有邊緣效果與擬合效果兩種顯示效果，圖6顯示的是另外一種綠色毛條的Canny邊緣檢測(cè)圖，直徑在2 mm左右的條干處理時(shí)間僅需6 ms，直徑像素值與直徑真實(shí)值都能顯示在上位界面中。

4結(jié)論

　　本文將數(shù)字圖像處理與分析技術(shù)應(yīng)用于條狀條干均勻度檢測(cè)，以羊絨條干為檢測(cè)對(duì)象，結(jié)合OpenCV開源視覺開發(fā)平臺(tái)與QT Creator集成開發(fā)環(huán)境組成整個(gè)系統(tǒng)。設(shè)計(jì)了圖像采集裝置、圖像處理終端和圖像顯示裝置與人機(jī)界面。在圖像采集裝置中不使用光照補(bǔ)償，使用軟件亮度增強(qiáng)法和Otsu自適應(yīng)閾值分割實(shí)現(xiàn)了自動(dòng)檢測(cè)，簡(jiǎn)化了整體設(shè)計(jì)，降低了成本。數(shù)據(jù)處理部分采用分段直線擬合法提高了處理速度，并通過(guò)MATLAB仿真證明了方法的可行性，設(shè)計(jì)的人機(jī)界面良好可靠，易于操作。最后經(jīng)過(guò)實(shí)際檢測(cè)證明了整體系統(tǒng)簡(jiǎn)單可靠，為下一步進(jìn)行紡織品條狀物實(shí)時(shí)在線監(jiān)測(cè)奠定了基礎(chǔ)。

　　參考文獻(xiàn)

　　［1］ 崔建文. 激光衍射法細(xì)圓柱體直徑測(cè)量技術(shù)研究［D］. 哈爾濱：哈爾濱工業(yè)大學(xué)，2007.

　　［2］ 姚穆，周錦芳，黃淑珍，等. 紡織材料學(xué)［M］. 北京：中國(guó)紡織出版社，2005.［3］ 陳勇，溫演慶，朱譜新.計(jì)算機(jī)圖像處理技術(shù)應(yīng)用于紡織檢測(cè)［J］.紡織科技進(jìn)展，2006(6)：7-10.

　　［4］ 郁崇文. 紡紗工藝設(shè)計(jì)與質(zhì)量控制［M］.北京：中國(guó)紡織出版社，2005.

　　［5］ 陶晨. 基于數(shù)字圖像處理技術(shù)的紗線混紡比測(cè)定［D］.蘇州：蘇州大學(xué)，2008.

　　［6］ 涂文驍.基于機(jī)器視覺的生絲均勻度動(dòng)態(tài)檢測(cè)系統(tǒng)［D］.蘇州：蘇州大學(xué)，2014.

　　［7］ 周絢麗，成玲. 棉紗線黑板標(biāo)準(zhǔn)樣照?qǐng)D像處理方法研究［J］.紡織科技進(jìn)展，2007(3)：20-22.

　　［8］ 趙世喆. 基于序列圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究［D］.北京：北方工業(yè)大學(xué)，2006.

　　［9］ LEE H， KIM C. Blurred image region detection and segmentation［C］. IEEE International Conference on Image Processing (ICIP)，2014：4427 4431.

　　［10］ DIAZSANCHEZ A， RAMIREZANGULO J. A fully parallel CMOS analog median filter［C］. Circuits and Systems,2000. The 2000 IEEE International Symposium on Geneva，2000(2)：593 596.

　　［11］ SU Z， LUO X，DENG Z, et al. Edgepreserving texture suppression filter based on joint filtering schemes ［J］. IEEE Transactions on Multimedia，2013,15(3)： 535 548.

　　［12］ OZKAYA Y A， ACAR M， JACKSON M R. Digital image processing and illumination techniques for yarn characterization［J］. Journal of Electronic Imaging， 2005，14(2)：1-13.

　　［13］ WANG B， FAN S. An improved CANNY edge detection algorithm［C］. Computer Science and Engineering，Qingdao，2009：497 500.

　　［14］ CARVALHO V H， CARDOSO P J， BELSLEY M S，et al. Yarn diameter measurements using coherent optical signal processing［J］. IEEE Sensors Journal，2008，8(11)：1785 1793.