毛纖維縱向形態參數測試軟件的開發

，

(江陰職業技術學院,a.化學紡織工程系；b.計算機科學系，江蘇江陰　214405)

從羊毛本身看，其最重要的性狀特征就是粗細，羊毛的細度直接決定它的性能、加工及價格。因此，羊毛細度檢測方法顯得尤為重要。目前，檢測方法主要分為兩類——直接檢測和間接檢測，比較常見的有OFDA(光學纖維直徑分析儀)、Laserscan(激光細度儀)、顯微鏡投影儀等，這些方法能夠比較快速、準確地獲得羊毛直徑指標[1]。

目前大多數廠家及檢測機構采用軟件技術檢測羊毛纖維的細度。但是也發現一些問題，如圖1和圖2所示，雖然都是羊毛纖維，但在內部結構上卻有著較大的差異，圖2中的羊毛纖維含有髓質層，這種結構形成羊毛的弱節，使羊毛脆而易斷，不易染色[2-3]。但目前使用的軟件所提交的指標中，沒有包含有髓質層羊毛的結構參數，軟件獲得的指標參數不能涵蓋羊毛的所有性狀特征，為此從實際需求出發，自行設計開發適合教學及檢測使用的、指標比較完備的測試軟件。

圖1　羊毛纖維

圖2　含髓質層的毛纖維

1　軟件總體設計

1.1　軟件的功能設計

按照軟件的開發目標，設計軟件功能如圖3所示，包括圖像采擷、圖像處理和結果報表3部分。

圖3　軟件的功能設計

1.2　軟件設計流程

軟件設計流程如圖4所示。

圖4　軟件設計流程

1.3　軟件設計關鍵點

1.3.1分時處理與并發處理的協調

軟件開發過程中，由于采用了圖像采擷卡，在圖像采擷與圖像處理之間需要協調。因為采擷圖像和處理圖像都需要由CPU處理，涉及到共享資源訪問，既要讓兩者并發工作，以提高效率；又不能讓兩者無限制地并發而影響效果，因此要進行分時處理，也就是要讓分時處理機制和并發處理機制協調好，保證工作有條不穩的正確運行，既能使采集工作有效，又能使分析工作受到的干擾盡可能的小。

1.3.2圖像處理

軟件設計中建立特征向量和濾波降噪的處理方式。

a)以羊毛直徑邊界亮度(v1)，邊界平行度(p)，邊界之間區域亮度(v2)為特征值建立羊毛直徑特征向量[4]，如式(1)所示：

V=[W1×EX(v1Δ·max(p(v1))),W2×
EX(p),W3×EX(v2Δ·max(p(v2)))]

(1)

式中：(Δ·max(p(v))表示max(p(v))的Δ鄰域；EX(v(Δ·max(p(v)))表示該鄰域內v的均值；EX(p)表示羊毛直徑邊界平行度的均值；Wn(n=1,2,3)表示該特征值的權重。

以羊毛髓質層的亮度(v)、長度(l)、寬度(w)、邊界偏移量(off)作為特征值建立髓質層特征向量，如式(2)所示：

V=[W1×EX(vΔ·max(p(v))),W2×EX(l),
W3×EX(w),W4×EX(off)]

(2)

式中：(Δ·max(p(v))表示max(p(v))的Δ鄰域；EX(v(Δ·max(p(v)))表示該鄰域內v的均值；EX(l)、EX(w)、EX(off)分別表示髓質層長度、寬度、邊界偏移量的均值；Wn(n=1,2,3,4)表示該特征值的權重。

軟件必須首先勾勒出視野內羊毛和髓質層的輪廓。因此，首先將羊毛的邊界亮度和平行度作為特征向量；同時，為了防止將平行的兩根羊毛誤判為一根羊毛的邊界，加入邊界之間的區域亮度作為特征值，這樣可以勾勒出羊毛直徑。對于髓質層，主要考慮它在羊毛直徑的位置，即邊界偏移量。通過這個特征向量，既可以勾畫出髓質層的位置，又可以剔除滿足其他條件、但偏移量“失真”的污點信息。

測量時，采用攝像頭、采擷卡捕獲圖像信息，通過VC6.0中嵌入的OpenCV讀取采擷卡緩存的圖像數據，并進行處理，最終在顯示器上獲取圖像。為了標定獲取的圖像的尺寸，需要首先借助標準尺(圖5)占據的像素點數計算出每個像素點代表的長度，而后獲得羊毛纖維直徑及髓質層長度和寬度指標。

圖5　20 μm標準尺

通過式(1)和式(2)，獲得羊毛直徑及髓質層的特征向量；對每一根羊毛纖維，直徑特征向量必備，但髓質層特征向量則視每一根羊毛而不同。在此基礎上，采用SVM[5]方法對有限樣本進行訓練，得到劃分目標的支持向量，根據支持向量對樣本集之外的特征進行類別確認[6]。

b)由于纖維試樣容易被灰塵、污點干擾，影響圖像的效果，致使圖像出現噪聲干擾、清晰度下降等問題。為了能有效地處理這類圖像，在提取特征值之前首先采用高斯濾波方法對圖像進行降噪處理，高斯濾波有利于圖像平滑，消除隨機噪聲的影響，對圖像細節也具有較好的保護作用。為了避免在降噪過程中造成信息損失，將圖像按式(3)進行量化處理：

(3)

式中：f(x,y)表示坐標為x,y處的圖像像素值；t是每個量化級的期望值，按照將像素值劃分為32個等級的設定，取

將t值代入式(3)中，可以得出，當像素值為0～7時，f(x,y)為0；當像素值為8～15時，f(x,y)為t，即為8；……；當像素值為248～255時，f(x,y)為31t，即為248。通過式(3)，將像素值劃分為[0,8,16,24,…240,248]32個等級，可以更加有效地提取主要信息，實現降噪的目的。

圖6是采擷到的羊毛纖維圖像，圖7是經處理在后臺得到的結果。可以看出，經過處理的羊毛纖維，周圍的污點、雜質等已被有效濾除，只保留纖維直徑輪廓和髓質層輪廓。

圖6　采擷到的羊毛纖維

圖7　分析得出的完整圖像

1.3.3不同種類羊毛結構參數的納入

不同種類的羊毛，品質不同，其細度指標不同；將這些結構參數納入軟件系統，以便針對不同的測試對象給出相應的結果。表1是國毛和澳毛的細度分類。

2　軟件運行結果

圖8、圖9以及圖10分別是軟件主界面和數據結果。圖9為軟件測試得到的羊毛細度指標，圖10是針對本次測試對象——國毛，按照其細度分類統計的結果，髓質層毛指標包含在“兩型毛含量”中。

表1　國毛和澳毛的細度分類

圖8　軟件主界面

圖9　軟件測試得到的細度指標

圖10　國毛試樣細度分類統計結果

圖10的結果包含“細羊毛”、“兩型毛”、“其他”三項數據；“粗毛”、“腔毛”兩種含量沒檢出，用“----”表示。各指標均遵照表1的規定，“其他”是除去已測出的各類型羊毛含量，余下部分的羊毛含量。

3　結論與討論

以羊毛纖維的邊界線亮度、邊界線平行度、邊界之間區域亮度為特征值建立羊毛縱向輪廓特征向量，以髓質層的亮度、長度、寬度、邊界偏移量為特征值建立髓質層特征向量，運用SVM方法對羊毛輪廓及其髓質層進行標定，并進行濾波降噪；同時納入不同品種羊毛細度指標，通過VC6.0中嵌入的OpenCV讀取采擷卡緩存的圖像數據，并進行圖像處理，開發羊毛縱向形態參數測試軟件，可以獲得比較準確詳細的纖維細度及其他縱向結構參數指標，為生產及貿易提供可靠的依據。結合軟件的使用效果，尚有需要完善的工作：

a) 結合市場調研結果，目前國內使用的羊毛除了澳毛、國毛，還有數量較多的新西蘭毛、烏拉圭毛等，它們在品質上又區別于澳毛和國毛，因此，有必要針對不同品種的羊毛，納入不同的羊毛細度指標體系，進一步完善軟件系統。

b) 軟件是與顯微鏡配合使用的，使用時，為了獲得載玻片上多根羊毛的縱向形態參數信息，旋轉載物臺旋鈕，造成羊毛纖維被重復測試的可能性。目前主要依靠人為主觀的方式按一定方式轉動旋鈕，盡量避免重復測試，這是下一步軟件需要努力改進的方向。

c) 進一步提高濾波降噪的精準性，避免在髓質層分析中，對髓質層附近的試樣污點產生誤判和漏判，影響最終結果。