色紡紗線中纖維混色比例的圖像檢測

沈利利， 李忠健， 潘如如， 盧雨正， 高衛東， 唐佩君

(1. 生態紡織教育部重點實驗室(江南大學)， 江蘇 無錫 214122； 2. 百隆東方股份有限公司， 寧波 浙江 315201)

色紡紗線中纖維混色比例的圖像檢測

沈利利1， 李忠健1， 潘如如1， 盧雨正1， 高衛東1， 唐佩君2

(1. 生態紡織教育部重點實驗室(江南大學)， 江蘇 無錫 214122； 2. 百隆東方股份有限公司， 寧波 浙江 315201)

為解決色紡紗線中有色纖維配比的經驗性及耗時性等問題，在結合視頻顯微鏡和圖像處理技術的基礎上，提出一種基于聚類算法的色纖維顏色分類及比例測定方法。首先將色紡紗線解捻獲得色纖維，在輕微張力下排列在載玻片上，利用視頻顯微鏡進行圖像采集；然后采用灰度投影方法定位色纖維，再提取出每根纖維中心線上的像素點，分別取所有像素點的R、G、B分量的平均值構成特征向量來表征該根纖維；最后將RGB模型的特征向量轉換到L*a*b*模型并通過聚類算法對色纖維進行分類，確定圖像中各顏色纖維所占比例。實驗表明, 本文算法能夠實現色紡紗線中色纖維種類的確定及比例測定。

色纖維； 顏色分類； 圖像處理； 聚類算法

Abstract In order to solve the problems of the empirical spadework and time consuming when confirming the proportions of the colored fibers in the colored spun yarns, with the help of the video microscopy and image processing technology,a novel method based on a clustering algorithm is proposed to classify the color fibers and inspect the proportions of different color fibers.Firstly, the colored spun yarns are untwisted into the fibers, the colored fibers are arranged on the slide under the mild tension, and the corresponding images are captured by the video microscopy. Secondly, the gray projection method is adopted to localize the colored fibers, and the average value ofR,G,Bof all pixels in the center line of each colored fiber is extracted as a feature vector to characterize the colored fiber respectively. Finally,the feature vectors in RGB model are converted to the L*a*b*color model, a clustering algorithm by searching density peaks is applied into classifying the colored fibers and the proportions of each color fibers are calculated. Experiments results demonstrate that the proposed method can inspect the colors and proportions of colored fibers in the colored spun yarns with a satisfactory accuracy.

Keywords color fibers; color classification; image processing; clustering algorithm

色紡紗是先將纖維染成有色纖維，然后將2種或2種以上不同顏色的纖維紡制成具有獨特混色效果的紗線。傳統工藝中，色紡紗中纖維配比的確定都是由人工完成的，完全依靠人眼對顏色的識別能力和操作人員的估計，經過反復試驗后得到與來樣接近的色彩效果，這樣的工序存在個人主觀因素的問題，而且耗時耗力，準確性差，工作重復性大。

早在20世紀90年代，數字圖像處理技術已應用在紡織工業中[1]，數字圖像處理是利用計算機的計算，實現與光學系統模擬處理相同效果的過程，它具有處理精度高，再現性好，綜合性強，以及處理的多樣化等優越性。因此本文提出采用數字圖像處理的方法對色纖維進行分色處理，以便減少確定色紡紗混紡比例的繁重工作以及提高了色纖維分類的全面性和準確度。

到目前為止，李玉紅[2]在利用掃描儀采集毛條圖像的基礎上，對采集的圖像進行處理和聚類分析，得到纖維顏色拼毛比例；盧雨正等[3]利用彩色圖像分割技術，對纖維混色的分色過程進行了計算機輔助算法研究；盧雨正等[4]還利用模糊C均值聚類算法，分別在RGB和HSV顏色模型下對色纖維進行分類處理；鄒軒等[5]利用圖像處理技術對織物組織結構和顏色參數進行識別與分析，提出色織物圖像在HSV顏色空間的有效預處理方法，對色彩量化方法加以改進，通過將接近的相鄰主色進行歸并，進一步減色，解決了色織物的紗線顏色檢測與表示問題,但是現有的分色方法卻不能準確地確定混色纖維中各種色纖維的顏色種類及比例。

本文嘗試采用數字圖像處理方法對色纖維進行分色處理,利用灰度圖像的灰度值曲線并結合新聚類算法，對采集的圖像進行數字化處理，對纖維的顏色進行分類并統計圖像中各顏色纖維混色

比例，這將會在很大程度上減少配色時間，提高生產效率。

1 圖像采集

1.1 實驗儀器與材料

儀器：GAOSUO視頻顯微鏡，載玻片與蓋玻片，緯朗光電面光源(24 V/420 mA/10.08 W)。

材料：寧波百隆紡織有限公司生產的色紡紗線。

軟件：MatLab 2011。

1.2 纖維圖像采集

圖像采集是圖像分析的源頭工序，采集所得圖像質量的好壞直接關系到圖像分析的效果。

將紗線解捻成纖維，并將解捻得到的纖維在輕微張力下排列在載玻片上，將載玻片放在白色面光源的平面上，然后利用顯微鏡對載玻片上的纖維進行透光拍攝獲得纖維圖像，拍取位置的纖維保證每根纖維之間不交叉，將拍得的子圖像同行并列合并排列。圖像尺寸選擇640像素×480像素，根據標定1個像素占1.56 μm，在采集圖像時，同時保證背景顏色與纖維顏色的最大差異化，使采集到的纖維圖像中各種顏色清晰可辨。本文采集了2個樣本，每個樣本圖像共有1 000根纖維，采集到1 000根纖維的量時可以保證采集到了紗線中所有纖維顏色，基本達到顏色變化的穩定性。以樣本1為例進行分析，圖1示出截取樣本1纖維圖像的一部分。

2 纖維圖像處理

2.1 圖像灰度的變換

本文的圖像采用RGB模型，為便于后續的纖維圖像處理，運用加權算法，根據式(1)把纖維彩色圖像轉換成灰度圖像[6]。

Gray=0.299R+0.587G+0.114B

(1)

式中：0≤R，G，B≤255，Gray是灰度值，R是紅色值，G是綠色值，B是藍色值。

圖2示出與圖1相對應的灰度圖像。

2.2 曲線波谷點定位纖維位置

圖像中纖維的特殊排列，是為了方便區分圖像上纖維的位置，從而定位纖維，并統計出圖像中纖維總根數。由于采集的圖像的背景為白色，在灰度化后，背景相對于色纖維較亮，即背景的灰度值比色纖維的灰度值大，因此可通過查找灰度值較小的點來定位纖維位置，即確定灰度變化曲線的波谷點，以下分3個步驟來定位纖維：

步驟1：在纖維灰度圖像中任取圖像中的一行(這里選擇圖像中間位置)，該行的灰度值變化曲線如圖3(a)所示[7]。可以看出，灰度值較小的點其位置為纖維所在位置，灰度值較大的點其位置則為背景，因此，曲線中波谷點的位置一定為每根纖維所在位置，找到曲線波谷點即可確定纖維位置。在確定曲線波谷點位置時，采用尋找局部最小值的方法定位曲線中每個谷值點，若Xi

步驟2：由于圖像采集時外在因素影響，使纖維圖像噪音較多，定位波谷點后，發現有很多噪音波谷點，基于這個影響因素畫出灰度變化曲線上波谷點的直方分布圖，如圖3(b)所示。根據直方圖確定閾值，從而選出需要的波谷點。圖上最高點處表示背景所對應的灰度值，從最高點A點往下延伸至與直方圖中頻數為0所在的位置，即此處背景的位置與色纖維的位置分離，因此可以將直方圖中箭頭所在位置的值作為區分背景與色纖維的閾值。

步驟3：區分背景與色纖維之后，以波谷點所在位置作為圖像中色纖維的位置，定位好灰度變化曲線上的波谷點后，即可定位出圖像中色纖維所在位置，定位結果如圖3(c)所示。

2.3 特征值的提取

對纖維定位并統計好所有纖維總根數之后，為實現色纖維顏色分類，對色纖維進行顏色特征值提取。定位纖維位置后，跟蹤圖像中纖維的像素點，取纖維上所有像素點的R、G、B分量。

設灰度圖像尺寸為m×n，根據式(2)計算出上述提取出的每根色纖維中R、G、B值各自對應的平均值構成特征向量(Rmean，Gmean，Bmean)，即每根纖維由平均值組成的特征向量來表示。其中，m表示圖像的行數，圖1中m=53。

(2)

相對于非均勻線性的RGB顏色空間，在色彩空間L*a*b*中，兩點間的歐氏距離與人視覺中的2種顏色的區別程度有更好的對應，將特征向量值由RGB轉換到L*a*b*顏色空間[8-9]，即將特征向量(R,G,B)轉成L*a*b*顏色空間對應的特征向量(L*,a*,b*)對纖維進行分色處理時，可以認為是對表征色纖維的特征向量進行分類。

2.4 纖維顏色的聚類

從圖1可看出，有4種不同顏色的纖維，因此，要統計各顏色纖維所占比例，必須對圖像中的纖維顏色進行分色處理，采用聚類算法實現圖像中纖維顏色的聚類分析。

局部密度ρi的計算公式如下：

(3)

式中，當x<0時，χ(x)=1，否則χ(x)=0；參數dc表示截斷距離。根據式(3)可知，ρi表示的是S中與xi之間的距離小于dc的數據點個數。

距離δi表示衡量點xi與其他密度更大的數據點之間的最小距離值，其計算公式如下：

(4)

當xi具有最大局部密度時，δi表示S中與xi距離最大的數據點與xi之間的距離；否則，δi表示在所有局部密度大于xi的數據點中，與xi距離最小的那些數據點與xi之間的距離。

3 實驗結果與分析

3.1 纖維顏色分類結果與分析

利用本文算法對2個樣本分別采集的20張圖像進行色纖維分類，每張圖都很準確地分類出各種纖維顏色。

以圖1為例，區分出背景并完成色纖維定位后，確定圖中每根色纖維在L*a*b*顏色空間中的特征向量，經聚類分析后，分類結果見圖5(a)。圖中每根纖維分類的標注號1、2、3、4與其根數對應，且灰度由淺至深依次表示第1類、第2類、第3類、第4類。同樣，樣本2經聚類分析后，分類結果見圖5(b)，灰度由淺至深表示第1類和第2類。

圖5示出樣本1與樣本2采集的纖維圖像中截取的一部分色纖維圖像的分類結果。本文每種樣本圖像各有1 000根色纖維，利用本文算法，精確地分出所有色纖維的顏色，實現了精確分類。

3.2 色紡紗線中纖維混色比例分析

根據圖5分類結果，可以統計出各類顏色纖維的根數，從而計算出每種色纖維所占比例。樣本1和樣本2各有1 000根纖維，根據分類結果可以迅速統計各顏色纖維的根數。2個樣本各采集了20張圖像，每5張圖像取1個平均值，并與實際比例進行比較，根據式(5)計算混紡比例偏差率BD[11]，計算結果見表1、2。

表1 樣本1色纖維平均比例的測量值Tab.1 Average proportion of color fibers (sample 1)

%

表2 樣本2色纖維平均比例的測量值Tab.2 Average proportion of color fibers (sample 2) %

(5)

式中：Bm為測量值，Ba為實際值。

對色纖維分類，統計出各顏色纖維根數并確定混紡比例后，算出4種色纖維的偏差率并對4種色纖維的偏差率取平均值，最終以平均偏差率作為實驗結果的偏差率，由表1可知，基于數字圖像處理技術得到的色纖維混紡比例與實際值的誤差在10%以內，每種顏色纖維比例與實際比例誤差在5%以內。隨著樣品數的增加，色纖維混紡比例與實際值的誤差變小。

由表2可知，基于數字圖像處理技術得到的色纖維混紡比例與實際值的誤差在3%以內，實驗測得的比例與實際比例接近。

如表1、2所示，按照本文方法，精確地將樣本1的4類色纖維和樣本2的2類色纖維進行了分類，并統計出每類色纖維所占比例且比例與實際比例誤差較小，說明試驗所用的色纖維分類及比例測定的算法可行。

4 結 論

利用數字圖像處理與分析技術對采集的圖像進行處理和聚類分析，成功將色纖維進行了分類，并統計出每類色纖維所占比例，應用于色紡紗線中色纖維比例檢測。結果表明，采用本文提出的數字圖像處理技術對纖維顏色進行分類的結果快速、準確，因此可以該方法對色紡紗線中色纖維進行準確快速地分類并統計各類色纖維所占比例，分析方法精確高效，提高了生產效率。

[1] ABOUELELA A, ABBAS HM, ELDEEB H, et al. Automated vision system for localizing structural defects in textile fabrics[J]. Pattern Recognition Letters, 2005, 26(10): 1435-1443.

[2] 李玉紅. 基于數字圖像處理的拼毛比例自動分析[D]. 無錫： 江南大學, 2010：1-6. LI Yuhong. Wool blending based on digital image processing automatically[D]. Wuxi: Jiangnan University, 2010:1-6.

[3] 盧雨正, 高衛東. 基于圖像分割的拼色紡織品分色算法[J]. 紡織學報, 2012, 33(9): 55-60. LU Yuzheng, GAO Weidong. Color separation algorithm for mixed dyed textiles based on image segment-ation [J].Journal of Textile Research, 2012, 33(9): 55-60.

[4] LU Yuzheng, GAO Weidong, LIU Jihong. Color separation for colored fiber blends based on the fuzzy C-means cluster[J]. Color Research & Application, 2012, 37(3): 212-218.

[5] 鄒軒, 沈建強, 馬立新, 等. 一種色織物的顏色表示與自動識別方法[J].計算機工程, 2008, 34(19): 215-218. ZOU Xuan, SHEN Jianqiang, MA Lixin, et al. Me-thod of fabric color representation and automatic recogn-ition[J]. Computer Engineering, 2008, 34(19): 215-218.

[6] 孫銀銀, 潘如如, 高衛東. 基于數字圖象處理的紗線毛羽檢測[J]. 紡織學報, 2013，34(6): 102-106. SUN Yinyin, PAN Ruru, GAO Weidong. Detection of yarn hairiness based on digital image processing[J]. Journal of Textile Research, 2013, 34(6): 102-106.

[7] KIMH S, KIM S H, GO W K, et al. FPGA implementation of stereoscopic image proceesing architecture base on the gray-scale projection[C]// SoC Design Conference(ISOC-C). Korea: Cheongju University, 2012: 509-512.

[8] FAIRMAN H S, BRILL M H, HEMMENDINGER H. How the CIE 1931 color-matching functions were derived from the wright-guild Data[J]. Color Research & Application 1997, 22(1): 11-23.

[9] 何能斌, 杜云海. 基于Lab顏色空間的彩色等差線骨架線的提取[J]. 河南科學, 2008, 26(11): 1324-1326. HE Nengbing, DU Yunhai. Extraction method of isochromatic′s skeleton based oil Lab color space[J]. Henan Science, 2008, 26(11): 1324-1326.

[10] ALEX Rodriguez, ALESSANDRO Laio. Clustering by fast search and find of density peaks[J]. Science, 2014, 344(6191): 1492-1496.

[11] 遲開龍, 潘如如, 劉基宏, 等. 基于數字圖像處理的紗線條干均勻度檢測初探[J]. 紡織學報, 2012, 33(12): 19-24. CHI Kailong, PAN Ruru, LIU Jihong, et al. Primary discussion on detection of yarn evenness based on digital image processing[J]. Journal of Textile Research, 2012, 33(12): 19-24.

Image inspection of fiber blending percentages in colored spun yarns

SHEN Lili1, LI Zhongjian1, PAN Ruru1, LU Yuzheng1, GAO Weidong1, TANG Peijun2

(1.KeyLaboratoryofEco-Textiles(JiangnanUniversity),MinistryofEducation,Wuxi,Jiangsu214122,China；2.BrosEasternCo.,Ltd.,Ningbo,Zhejiang315201,China)

10.13475/j.fzxb.20150104606

2015-01-22

2015-05-11

教育部博士點基金項目(20120093130001)；江蘇省產學研前瞻性研究項目(BY2013015-20)；霍英東教育基金資助項目(141071)

沈利利(1990—)，女，碩士生。研究方向為數字化紡織技術。潘如如，通信作者，E-mail:prrsw@163.com。

TS 101.9

A