基于HSV空間的微米木纖維直徑檢測算法

2014-04-29 00:00:00齊紅等

安徽農業科學 2014年24期

摘要為了實現生產中微米木纖維直徑智能檢測，結合先進的數字圖像處理技術，并改進傳統纖維分段測量法，研究了一種基于目標提取與最大內切圓的纖維直徑檢測算法。該算法對木纖維顯微圖像進行基于HSV空間的目標提取，分析木纖維形態并引入用戶需求概念，通過改進的分段測量法實現木纖維直徑檢測。結果表明，采用的算法在木纖維直徑檢測中，具有良好的適用性，檢測精度滿足生產要求。

關鍵詞微米木纖維；分段測量法；HSV顏色空間；目標提取；最大內切圓

中圖分類號S126文獻標識碼A文章編號0517-6611（2014）24-08459-04

A Measuring Algorithm of Micron Wood Fiber Based on HSV Color Space

QI Hong， REN Honge et al（Information and Computer Engineering College， Northeast Forestry University， Harbin， Heilongjiang 150040）

AbstractWith the purpose of realizing the intelligent diameter detection of micron wood fibers， a diameter measuring algorithm based on object extraction and maximum inscribed circle was studied， combined advanced digital image processing technology with improved fiber submeasurement algorithm. This algorithm extracts micron wood fibers based on HSV color space； analyses micro wood fiber shapes and introduces the concept of user requirement so as to carry out micron wood fiber diameter detection by means of the improved submeasurement algorithm. The experimental results demonstrate that the proposed algorithm has a good feasibility and meets with demands of producing in the process of micron wood fiber diameter detection.

Key wordsMicron wood fiber； Submeasurement algorithm； HSV color space； Object extraction； Maximum inscribed circle

收稿日期20140714在微米木纖維的生產過程中，往往需要對生產出來的木纖維進行徑級檢測，從而及時了解木纖維加工情況，實現科學選擇機械加工系統的轉數和熱風的風速，提高生產效率。目前，纖維直徑檢測方法主要有氣流儀法、光學顯微鏡投影法、光學顯微鏡自動掃描法、激光掃描法、掃描電子顯微鏡法等[1-2]，但由于人工參與耗時耗力、檢測效率低、儀器價格昂貴、應用范圍受限等原因，這些方法不能很好地應用到生產中。

隨著幾十年來科學技術和計算機軟硬件的飛速發展，數字圖像處理與模式識別技術廣泛應用于各個領域，包括在羊毛纖維[3]、碳纖維[4]、熔噴材料[5]等多個纖維直徑測量領域，但鮮見其應用在木纖維直徑檢測中。利用圖像處理技術對木纖維進行的微米級研究，可以改善微米木纖維的檢測工作，通過視頻圖像的質量反映纖維檢測質量的優劣，濾除圖像的噪聲和畸變等影響；可以強化微米纖維圖像上微米纖維的邊緣部分，再利用圖像分割技術將微米纖維與背景分離，從而得到單絲纖維的圖像。計算機視覺檢測的任務是基于微米纖維圖像的輪廓特征的識別之后進行計算機再現，即根據圖像庫中的樣本比較后賦予識別圖像一定的意義[6]。

為此，筆者側重于前期工作的研究，即首先把經過顯微鏡放大后的微米木纖維圖像傳送到計算機中，然后利用圖像處理技術對采集到的圖像進行處理和分析，提出根據木纖維的形態特征，基于用戶需求，實現木纖維直徑的智能檢測。

1微米木纖維直徑檢測算法

1.1目標提取在木纖維直徑檢測過程中，輪廓特征極其重要，但由于微米木纖維直徑細小、邊緣復雜，顯微成像過程中易受顯微鏡電通路采光不均、鏡片污痕、載玻片灰塵等因素的影響，會在圖像中引入大量的隨機噪聲。這些噪聲在惡化圖像質量的同時，也弱化了木纖維重要的邊緣特征，影響后期的直徑檢測。因此，通過對大量木纖維顯微圖像的對比與分析，該算法提出基于HSV顏色空間進行目標提取。

1.1.1顏色空間選取。圖像色彩空間有很多模型，例如YIQ、YUV、HSV等，其中最常見的是基于三原色的RGB模型，但RGB的紅、綠、藍三分量相關性很大，顏色受亮度的影響很大，RGB顏色空間不具有進行彩色圖像處理所要求的獨立性和均勻性指標[7]。為了獲得更好的處理效果，該研究采用HSV（Hue、Saturation、Value）顏色空間。相對于其他顏色空間而言，HSV空間更符合人眼對色彩感知的特征。其中色調H表示色彩信息，即所處光譜顏色的位置；飽和度S為一比例值，表示所選顏色的純度與該顏色最大的純度之間的比率；亮度V表示色彩的明暗程度，與光強度之間并沒有直接關系[7]。這3個分量因相互獨立、互不影響而增強算法的穩健性。

1.1.2基于S分量目標提取。木纖維試驗試件由OlympusSZX7拍攝。圖1（a）為木纖維顯微成像圖。根據木纖維顯微圖像特點，通過分析大量RGB圖像和轉換后的HSV各分量圖像（圖2）可以看出，S分量圖體現了足夠的飽和度信息，目標與背景的對比度最大，較好地凸顯了完整的木纖維，并且弱化了背景噪聲和雜質，因此決定基于S分量直方圖，選取適宜的閾值去除背景，獲得木纖維二值化結果。

圖3（a）為基于灰度圖像的目標二值化結果，可以看出目標提取結果很差，甚至錯誤分割出大量的噪聲；圖3（b）中誠然目標提取的質量欠佳，木纖維出現少許空洞，背景存在一些細碎雜質，但是可以利用數學形態學的填充算法與構建合適的結構元去除小面積對象來解決這一問題，必要時也可以設計模板進行加窗濾波，最終目標提取結果如圖3（c）所示。

圖1木纖維原圖及灰度圖1.1.3邊緣檢測。好的邊緣檢測算法力求獲得連續、平滑、定位準確的邊緣，傳統的邊緣檢測算法利用梯度最大值、二階導數過零點值，亦或選取合適的閾值來獲取圖像邊緣。這類算子盡管有較好的實時性，但在噪聲干擾強烈的情況下，得到的邊緣常常是孤立的或者分小段連續的，即使采用邊緣閉合的方法進行處理，也很難得到區域的精確邊緣[8]。數學形態學是一門建立在集合論、積分幾何和網格代數基礎上的學科，其基本思想是用具有一定形態的結構元素去度量和提取圖像中的對應形狀，達到圖像分析和識別的目的[9]，具有完美的數學基礎。它通過選取合適的結構元素，利用腐蝕、膨脹及開、閉運算這4個基本運算或者它們的有效組合來完成對圖像的邊緣檢測。

傳統的分段測量法[10]主要依據纖維的傾斜程度，通過分段的兩個端點、分段線段方程構建分段線段的中垂線方程，沿中垂線方程搜索直至該直線與纖維另一條邊界相交，記錄此交點，則分段中點與此交點的距離為此段纖維的直徑。

該算法為了克服木纖維圖像的旋轉、平移，盡量減少纖

圖4形態不規則木纖維處理圖維毛刺對直徑檢測的影響，摒棄傳統分段測量算法的構建直線方程的思想，基于用戶需求概念，將用戶選擇的分段區域等效為多邊形，通過計算該多邊形的最大內切圓實現該段木纖維的直徑測量，即最大內切圓的直徑，圖5（b）、（c）、（d）所示為圖5（a）其中3段木纖維處理結果。

圖5基于最大內切圓的分段纖維直徑測量圖計算最大內切圓的算法較多，根據該試驗的需要，這里利用最值距離選取法[11]，其具體的最大內切圓算法如下。①對邊緣二值圖像進行8鄰域搜索的邊界跟蹤，記錄搜索次序S1、S2、S3，…，Sk其行列為mk、Nk。②在邊緣內部任意找一點T（i，j），點T（i，j）到Sw（w=1，2，…，k）的距離為D=（i-mw）2+（j-nw）2。考慮到所求得的兩個像素點之間的距離D實際上是兩個像素點中心的距離，假定認為邊緣線上任何一個像素點（可視為一個很小的正方形）的4 個頂點均在實際圖片內，那么D可以修正為D=（|i-mw|+0.5）2+（|j-nw|+0.5）2。③記錄所有距離中的最小值為Dmin。④重復②，直到求得邊界內部每一個像素點到邊界的最小距離，然后求出這些最小距離中的最大值Dmax，即為求得的半徑。

1.2.2微米木纖維直徑檢測流程。①讀入木纖維顯微圖像，進行RGB顏色空間到HSV顏色空間轉換；②提取S分量進行閾值分割；③進行數學形態學及加窗去噪等操作，獲得去除背景的二值化目標；④如果木纖維形態多樣，存在毛刺等現象，則先進行用戶選擇，提取木纖維的主體區域；⑤對上述二值化目標基于“1.1.3”中“定義3”的形態學單尺度算子進行邊緣檢測，其中結構元選取圓盤，半徑為3；⑥然后在步驟⑤基礎上進行基于最大內切圓算法的分段測量；⑦將各個分段區域的直徑的平均值作為微米木纖維的直徑，算法結束。

2試驗結果與分析

2.1微米木纖維直徑檢測有效性驗證為驗證基于最大內切圓的纖維分段測量算法在微米木纖維直徑檢測中的有效性，分別采用OlympusSZX7顯微鏡自帶圖像分析軟件與該研究提出的方法，對9組（每組有5個纖維樣品）不同徑級（通過人工判斷，已知徑級遞增）的微米木纖維試件進行對比試驗，其中采用圖像分析軟件操作時，需要用戶在纖維的兩側邊緣處畫上一條直線來代表此處的直徑，然后對這條直線進行測量來表示直徑的長度。由于個別木纖維形態不規則，為保證兩種方法所測的位置一致，這里要求采用分析軟件測量時，人為選擇直徑的位置力求與該研究提出的方法所求直徑的位置一致。

通過上節流程檢測，獲得的數據是以像素為單位，因此根據成像系統自帶的不同顯微倍數下的特定長度的標尺，通過識別標尺的已知尺寸，獲得單位像素的長度從而計算微米木纖維的直徑。

木纖維的識別結果如表1所示，其中相對誤差計算公式為：

（2）當木纖維形態不規則，出現較多分支和毛刺時，采用圖像分析軟件時，這些情況會影響人為判斷，造成直徑選擇出現較大誤差；針對這種情況，該研究提出的方法考慮到人為需求，通過特定處理提取木纖維的主干，便于下一階段的直徑檢測。

（3）分段測量的精度與分段數有關，N越大，測量的數據越準確，但是時間開銷也增大，因此可以根據實際需求設定分段數。

（4）基于數字圖像處理技術計算纖維直徑的關鍵是如何獲取較為準確的纖維目標，分割閾值選擇不當自然會引起目標像素的錯誤劃分，而該算法利用HSV空間S分量的特點，較大程度上加強目標與背景的對比度，使得閾值選取更為準確。

因此，Olympus顯微圖像分析軟件需人為選擇木纖維直徑，這種方式需要依靠實驗人員的經驗判斷與細致操作，費時費力，也是導致這兩種方式產生誤差的最主要原因；較之傳統纖維檢測方式，該研究提出的方法的優越性在于整個直徑檢測過程由計算機自動完成，獲取的數據更為科學，節約了大量時間和人力成本，更適宜生產中推廣應用。

3結語

基于圖像處理技術的木纖維直徑檢測是一種創新的嘗試，其能夠取得較好的結果主要體現在如下兩個方面。

（1）基于HSV空間目標提取一方面充分利用了圖像的顏色信息，另一方面有效地改善了背景質量較差、照明不均、多渠道噪聲等影響，為提高后期邊緣檢測精度提供重要基礎。

（2）采用改進的分段測量法計算木纖維直徑，當木纖維形態不規則時，提出基于用戶需求概念提取木纖維主干，然后對每一分段求取最大內切圓，將所有分段的最大內切圓直徑的平均值作為木纖維的直徑，改善了傳統分段測量法需要考慮平移與旋轉等因素，該算法更簡潔。

綜上所述，在微米木纖維直徑檢測領域，該算法較之傳統的物理化學方式更方便、簡易、成本較低，減輕了測量人員的工作強度，而且獲得的結果更科學合理，更利于運用到生產檢測中，對實現微米木纖維直徑智能檢測有重大意義。

參考文獻

[1] 高軍，吳成進，陳躍華.羊毛直徑的圖像法測試技術[J].毛紡科技，2001（1）：9-11.

[2] 李丹芬，任冀澧，王柏華.毛絨類纖維直徑不同測量方法的比較研究——基于掃描電鏡和光學顯微鏡的圖像測量方法[J].毛紡科技，2004（5）：39-42.

[3] 張鵬飛，藍海嘯，李鵬剛，等.一種基于圖像預處理的快速測試纖維直徑的方法[J].上海紡織科技，2011，39（12）：9-12.

[4] 胡珊，吳建勝.基于興趣點的碳纖維直徑自動測量方法[J].計算機測量與控制，2011，19（3）：528-530.

[5] 陳澤蕓，王榮武，張賢淼，等.熔噴材料超細纖維直徑的測量方法探討[J].東華大學學報：自然科學版，2012，38（3）：266-271.

[6] 齊英杰，楊春梅，戰麗.微米木纖維圖像的模擬再現理論和應用研究[J].林業科技，2004，29（5）：42-44.