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)［23］。它是紡紗過程中各道工序的機(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，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)來簡(jiǎn)化其工作過程。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光照補(bǔ)償法，因此某些對(duì)比度過低的圖像可能無法進(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)來源就是直徑。所以本文主要以直徑作為檢測(cè)指標(biāo)來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)
?。?］ 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.
?。?］ 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.
?。?］ 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.
?。?］ 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.
?。?］ LEE H， KIM C. Blurred image region detection and segmentation［C］. IEEE International Conference on Image Processing (ICIP)，2014：4427 4431.
?。?0］ DIAZSANCHEZ A， RAMIREZANGULO J. A fully parallel CMOS analog median filter［C］. Circuits and Systems,2000. The 2000 IEEE International Symposium on Geneva，2000(2)：593 596.
?。?1］ SU Z， LUO X，DENG Z, et al. Edgepreserving texture suppression filter based on joint filtering schemes ［J］. IEEE Transactions on Multimedia，2013,15(3)： 535 548.
?。?2］ 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.
?。?3］ WANG B， FAN S. An improved CANNY edge detection algorithm［C］. Computer Science and Engineering，Qingdao，2009：497 500.
?。?4］ 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.