起絨織物表面輪廓提取及覆蓋程度估計方法

金守峰 陳 陽 林強強 唐 凡

(西安工程大學，陜西西安，710048)

1 研究背景

織物經過抓毛、磨毛、刷毛等起毛工藝，表面會生成柔軟、致密的絨毛[1]，織物表面的風格改變，提升了美感，改善了性能。傳統的起絨織物表面質量檢測主要依靠有經驗的人員通過肉眼和觸摸來評判[2]，效率較低，且主觀經驗占主導作用，難以實現對織物質量的客觀評價[3]。

目前，機器視覺技術已經成為用于織物質量檢測的普遍選擇[4]。利用機器視覺進行絨毛檢測不僅可以排除人的主觀因素干擾，而且還能夠對絨毛進行定量描述，減小檢測分級誤差，提高效率和精度[5-6]。 KANG T J等對織物表面的起毛、起球采用激光線掃描技術獲得織物表面的三維圖像，有效地提取織物表面的毛球個數、毛球面積和毛球密度[7]。SAHARKINZ S等采用二維快速傅立葉變換，在頻域中對織物表面起球特征進行提取，并實現了織物組織與起球區域的分割[8]。徐步高等利用雙目視覺技術重構了織物表面的三維圖像，采用深度局部最大極值為生長點的種子生長法對織物起球狀態進行檢測[9]。 CARSTENSEN J M等利用傅立葉變換的功能譜分析毛球特征參數，實現了對織物起毛起球性能的客觀分析與評價[10]。趙大興等對織物表面同一區間進行圖像采樣，提取特征值，通過模板匹配，實現了織物表面質量的等級評價[11]。劉曉軍對色織物進行濾波和去除光照不勻的預處理后，采用基于邊緣流的算法有效地對色織物的起毛起球進行分割[12]。余靈婕等提出了顯微光學切片的方法，通過垂直移動顯微鏡的物鏡，獲取不同聚焦下的織物表面的深度序列圖像，通過重構得到織物表面起毛起球的信息[13]。

起絨織物表面的絨毛纖細、柔軟、致密，現有檢測方法不能對絨毛厚度及覆蓋程度進行客觀的評價。本文根據起絨織物表面特征，提出了一種基于機器視覺的起絨織物表面質量評定方法，以厚度和覆蓋程度評價起絨織物的表面質量。

2 起絨織物表面輪廓圖像獲取

為了獲取起絨織物表面輪廓，本文采用如圖1所示的織物表面輪廓切向成像方法。被測織物平鋪在傳送裝置上，光源置于輥子的下方，工業相機與光源分別安裝于被測織物的兩側，形成背光成像，避免受被測織物表面紋理及顏色特征的干擾，突出被測織物表面的絨毛輪廓。得到的起絨織物表面輪廓圖像如圖2所示。

圖1 織物表面輪廓切向成像

圖2 起絨織物表面輪廓圖像

由圖2可知，圖中白色區域為起絨織物表面的絨毛區域，該區域的垂直方向表征了絨毛區域的厚度，區域表面輪廓在水平方向表征了絨毛的覆蓋程度。絨毛區域的上方為拍攝背景，下方為底布區域。

3 絨毛區域輪廓邊緣的提取

3.1 感興趣區域提取

在成像條件確定后，所得到的起絨織物表面輪廓圖像中，絨毛區域所在的位置就確定了。由圖2可知，絨毛區域占整幅圖像的區域較小，大部分為拍攝背景和底布區域。為了突出絨毛區域，對起絨織物表面輪廓圖像選取感興趣區域。感興趣區域在水平方向與整幅圖像的像素點數相同，因此只確定垂直方向上的區域。本文利用灰度投影原理來獲取感興趣區域圖像[14]。圖2中虛線所示為感興趣區域的上下邊界，兩者之間的區域為選取的感興趣區域。

3.2 絨毛邊緣輪廓提取

對感興趣區域進行預處理，提高圖像的對比度。根據絨毛區域的灰度直方圖特征，采用最大類間方差法進行絨毛區域分割，對分割后的絨毛區域中存在的空洞、不連續等缺陷構建線性結構元素，形態學方法進行開閉運算[15-16]，得到完整的絨毛區域如圖3所示。由圖3可知，在圖像分割算法和形態學算法處理后，絨毛表面稀疏的絨毛被處理掉，這些絨毛對于整體的起毛厚度不會造成影響。

絨毛區域與背景區域的邊緣線即為絨毛區域的邊界，通過Canny算子對絨毛區域的邊緣進行檢測[17-18]，提取到的絨毛區域輪廓邊界如圖3中的上、下邊緣，其中下邊緣曲線表征了絨毛區域與織物底布之間的邊緣，上邊緣曲線表征了起絨織物表面絨毛的分布狀態。

圖3 絨毛邊緣輪廓提取

4 絨毛表面質量估計參數模型

將圖3中的絨毛區域輪廓邊緣曲線由圖像坐標轉換到直角坐標中，如圖4所示。

圖4 直角坐標系下的輪廓邊緣曲線

由圖4可知，在高度方向上構建絨毛厚度參數模型，在水平方向上構建絨毛覆蓋率參數模型，以這兩個參數客觀評定起絨織物的表面質量。

4.1 絨毛厚度參數模型

在直角坐標系中，設絨毛區域的上邊緣為f(x,y)，下邊緣為g(x,y)，則絨毛區域的厚度H(x,y)為：

H(x,y)=K|f(x,y)-g(x,y)|

(1)

絨毛最大厚度為：

Hmax(x,y)=max[H(x,y)]

(2)

絨毛區域的平均厚度為：

(3)

式中：K為物面分辨率；n為邊緣點數。

圖5 絨毛厚度變化曲線圖

4.2 絨毛覆蓋率參數模型

由圖5可知，絨毛厚度是變化的，因此用平均厚度來表征絨毛表面狀態不足以客觀評定絨毛表面質量。本文在厚度參數的基礎上，構建了覆蓋率參數模型來綜合評定絨毛表面質量。

在水平方向上，由于上邊緣f(x,y)的起伏狀態表征了絨毛表面輪廓的覆蓋程度，因此對絨毛區域的上邊緣f(x,y)采用最小二乘法進行擬合[19]，得到輪廓覆蓋程度的基準線公式如下。

y=ax+b

(4)

(5)

(6)

式中：a、b為回歸系數；m為采樣點數；xi為采樣點x軸坐標；yi為采樣點y軸坐標。

擬合后的基準線如圖4所示，絨毛區域上邊緣f(x,y)上各點越靠近基準線，則絨毛覆蓋程度越好；反之則越差。根據這一特點，本文采用統計直方圖來估計絨毛區域上邊緣f(x,y)上各像素點的概率[20]，以此作為絨毛覆蓋率參數F。

(7)

式中:積分上下限表示從0到r的范圍，A(r)表示范圍內的總點數，H(r)表示值為r的點數。

對絨毛區域上邊緣進行統計直方圖分析如圖6所示，圖中橫坐標為邊緣各點距離基準線的高度值，縱坐標為各高度值出現的頻數，即概率。高度值集中在橫坐標的0位的概率越大，說明絨毛區域上邊緣各點與基準線越接近，絨毛上邊緣越平坦，分布越均勻，覆蓋率越好，反之則越差。此外，高度值概率分布在0位的左側，則表征了絨毛分布在基準線以下集中；反之則分布在基準線以上集中。

圖6 絨毛上邊緣統計直方圖

5 試驗分析

5.1 試驗平臺性能

為了驗證本文方法，搭建了如圖7所示的起絨織物視覺檢測系統試驗平臺。工業相機為AVT GE105，分辨率為1 024 pixel×1 024 pixel，幀率為59 fps，鏡頭焦距為8 mm，光源為條形LED。視覺檢測系統的物面分辨率K=0.349 mm/pixel，被測織物為3種不同顏色底布的抓毛后的織物，如圖8所示。

圖7 試驗平臺

(a)藍色

(b)白色

(c)黑色

5.2 數據分析

通過本文方法得到的3種起絨織物的厚度變化曲線圖如圖9所示。平均厚度、最大厚度和絨毛覆蓋率見表1。

(a)藍色起絨織物

(b)白色起絨織物

(c) 黑色起絨織物

表1起絨織物厚度和覆蓋率參數

織物類型最大厚度/mm平均厚度/mm絨毛覆蓋率/%藍色白色黑色14.6610.028.388.157.434.5512.2115.2320.09

由圖9可知，藍色起絨織物厚度曲線變化最大，白色起絨織物厚度曲線變化居中；黑色起絨織物厚度曲線變化最小，與表1中最大厚度值呈正相關。但是表1中藍色和白色起絨織物的平均厚度相近，因此，只依靠平均厚度無法客觀衡量起絨質量。為此，通過如圖10所示的3種織物的絨毛區域上邊緣的統計直方圖來綜合評價起絨織物質量。

(a)藍色起絨織物上邊緣曲線

(b)藍色起絨織物上邊緣統計直方圖

(c)白色起絨織物上邊緣曲線

(d)白色起絨織物上邊緣統計直方圖

(e)黑色起絨織物上邊緣曲線

(f)黑色起絨織物上邊緣統計直方圖

圖10(b)、圖10(d)、圖10(f)中絨毛上邊緣各點在0位附近的概率值(絨毛覆蓋率)見表1。黑色織物的概率最大，圖10(e)上邊緣曲線起伏平緩，覆蓋率較好；白色起絨織物和藍色起絨織物的概率較低，圖10(a)、圖10(c)上邊緣曲線起伏較大，且所對應的概率均分布在0位左側，表征絨毛區域上邊緣中大部分邊緣點低于基準線，覆蓋程度不好。

綜合表1中平均厚度和絨毛覆蓋率兩個參數，在厚度和水平兩個方向上定量評定絨毛表面質量為：黑色起絨織物最佳，白色起絨織物居中，藍色起絨織物較差。由評定結果可知，該系統可以定量評定絨毛織物表面質量且結果對起絨織物的顏色不敏感。

6 結論

本文設計的織物表面輪廓切向成像方法，通過背光成像，得到了不受織物顏色和紋理干擾的絨毛區域圖像。為了突出絨毛區域建立了感興趣區域，以最大類間方差法和形態學方法得到了完整的絨毛區域，采用Canny算子有效提取了絨毛區域邊緣輪廓特征。建立絨毛厚度參數和覆蓋率參數模型，以垂直方向和水平方向綜合、客觀評定起絨織物表面質量。試驗分析表明：本文方法能夠客觀評定起絨織物表面質量，且不受織物顏色的影響。