基于生絲潔凈標準樣照的數字評分模板的構建與實現

趙 哲, 董鎖拽, 潘璐璐, 汪 軍, 陳 霞

(1.東華大學 a.紡織學院; b.紡織面料技術教育部重點實驗室,上海 201620;2.杭州海關技術中心,杭州 311215)

生絲潔凈檢驗屬于生絲品質檢驗的一部分,是重要的生絲品質檢驗指標之一。生絲潔凈檢驗方法的研究歷史大致分為三個階段:第一階段是對傳統人工黑板目測法的研究,這種方法也是現在生絲檢測中最常用的方法,但是這種方法存在一定的弊端,如檢驗結果受檢驗人員影響較大,檢驗人員的能力及情緒不穩定等都會對結果產生影響[1];可重復性低,不確定因素較大[2];感官檢驗存在“最小辨別度”現象,對潔凈成績相近的絲條難以區分其差別[3]等。第二階段是對生絲電子檢測方法的研究,有電容檢測法、光電檢測法及電容與光電結合等方法,電子檢測方法存在檢測不完全,不能做出綜合性的判斷與分級等問題。第三階段是基于機器視覺和計算機圖像處理的檢測方法,把當今突飛猛進的計算機技術應用到生絲檢驗中,尚在研究階段。為兼顧黑板評分的綜合性與圖像法的客觀性,本文基于生絲潔凈標準樣照電子圖像,建立生絲潔凈成績的數字評分模板并驗證其有效性與適用性,探索生絲潔凈成績的數字化評分方法。

1 評分模板建立原理

本文基于生絲潔凈標準樣照電子圖像,首先,根據圖1所示圖像處理步驟對其進行處理,得到只含疵點的二值圖像;然后,在此二值圖像的基礎上,提取包括疵點密度、疵點總面積百分比和疵點面積標準差等在內的7個特征值,并按照一定的原則進行優選,選出5個特征值,建立特征向量并歸一化;最后,基于此特征向量進行曲線擬合,得到各個特征值的特征方程,并基于此方程組構建生絲潔凈成績數字評分模板。通過對5個待測潔凈樣本進行圖像處理,特征值提取步驟,采用已建立的評分模板判定其成績,并與人工目測結果進行對比,驗證本文中所述方法的適用性。原理流程如圖1所示。

圖1 原理流程示意Fig.1 Principle flow chart

2 標準樣照電子圖像的圖像處理

2.1 標準樣照電子圖像的采集

生絲潔凈標準樣照電子圖像來自杭州海關技術中心。電子圖像共分為8個成績,最高100分,最低10分,分值依次為100、90、80、70、60、50、30、10分;在50分以上者,每10分為一檔;50分以下者,每20分為一檔。圖2是成績為10分的電子圖像局部。電子圖像尺寸為1 972 dpi×6 902 dpi,分辨率為400 dpi,對應標準樣照實物大小為12.5 cm×43.1 cm。

圖2 成績為10分的標準樣照電子圖像局部Fig.2 Partial image of electronic image of standard sample image with the score of 10 points

以成績為10分的電子圖像為例,介紹本文提出的構建生絲潔凈評分模板的方法。實驗過程中,首先對試樣圖像進行分塊操作,然后對分塊圖像進行正常絲條區域的去除、基于邊界的疵點分割和斷裂疵點連接的操作,最后拼接為標準樣照的二值圖像。其中,圖像處理的參數需要進行測試選擇。

由于標準樣照電子圖像的大小為1 972 dpi×6 902 dpi,尺寸較大,不便于后續程序運行的速度提升及圖像處理,所以采用圖像分塊的方法把標準樣照分割為14塊986 dpi×986 dpi的小塊圖像。

2.2 圖像處理

2.2.1 正常絲條區域的去除

絲條繞在黑板上,絲條和疵點均對應白色區域,絲條空隙為黑色背景部分,在進行圖像分割疵點操作時,正常的絲條會干擾有效分割。為有效地把正常絲條與潔凈疵點分割開,必須去除標準樣照中有序排列的正常絲條,而這種絲條的有序排列表現為周期性信息。在空間域里很難直接分析圖像中疊加在一起的周期性和非周期性成分[4],即正常絲條與潔凈疵點信息。如果將圖像經過傅立葉變換轉換到頻率域中,則能較好區分周期性和非周期性信息[5-6]。通過將適當的濾波器應用于頻譜圖像,濾除高功率信息,然后進行傅立葉逆變換,可以增強或抑制圖像中的某些特征,得到疵點信息圖像。為此,采用傅立葉變換將樣照圖像變換到頻率域進行濾波處理。通過實驗發現,對頻譜圖像以幅值最大值的72%作為濾波器閾值能兼顧濾除正常生絲信息和最大程度地保留疵點信息,之后采用傅立葉逆變換得到濾波后的最終圖像。圖3為三維頻譜圖,濾波前與濾波后的圖像分別為圖4和圖5。對比后可以看出,周期性的正常絲條區域得到有效去除,疵點更加清晰,便于后續疵點與背景的分割。

圖3 三維頻譜圖Fig.3 3D Spectrogram of samples

2.2.2 基于邊界的疵點分割

濾波后圖像中,潔凈疵點的提取與描述采用基于邊界的圖像分割方法實現。采用Matlab提供的邊緣檢測算子進行檢測對比,各個算子的檢測效果如圖6所示。

圖4 標準樣照局部Fig.4 Partial image of standard sample image

由圖6可知,前四種邊緣檢測效果與Canny算子的檢測效果相比,效果較差。Sobel算子和Prewitt算子產生了很多噪聲;Roberts算子功能有限,為非對稱的,且不能檢測多種45°倍數的邊緣[7];LOG算子的使用會使圖像變得模糊,并且在圖像邊沿處檢測出了多處偽邊緣。Canny算子邊緣檢測器是Matlab edge函數中最強大的邊緣檢測器[7],檢測效果也最好,Canny算子邊緣檢測采用的是多級方法進行檢測,能夠盡可能多地標識實際邊緣,且邊緣只識別一次,不會造成收尾的重復[8]。

圖5 濾除正常絲后的局部Fig.5 Partial image after filtering normal silk

圖6 邊緣檢測示意Fig.6 Edge defection image

2.2.3 斷裂疵點的連接

在疵點分割中,原本為同一個疵點的區域可能被分割為若干個疵點區域,形態學處理可以在一定程度上把這些斷開的疵點區域重新連接起來;由于疵點區域采用了邊緣線來描述,并且由于潔凈疵點較為細小,采用形態學處理可以填充疵點中心區域,連接斷裂疵點。

本文采用矩形結構元素對圖像進行閉運算處理(圖7),即首先對圖像進行形態學膨脹處理再做腐蝕處理。膨脹處理解決了斷裂區域的連接問題,并且使潔凈疵點的輪廓更加符合真實形狀;腐蝕處理減少了孔洞等小物體的影響,平滑了疵點的邊界;之后,采用面積濾波的方法,對小噪點進行濾除,處理效果如圖8所示。

圖7 閉運算處理后的圖像Fig.7 Image after closed operation

圖8 面積濾波后的圖像Fig.8 Image after area filtering

由圖7、圖8可以看出,形態學處理沒有明顯改變疵點的形態與輪廓。

綜上,經過正常絲條區域的去除、基于邊界的疵點分割和斷裂疵點的連接等一系列圖像處理操作,獲取的樣照只含疵點的二值圖像。最后,把經過處理的小塊二值圖像重新拼接為一整幅二值圖像。

2.3 參數選擇

2.3.1 邊緣檢測中參數的選擇

Canny算子中有三個參數,分別為低閾值、高閾值和算子中高斯濾波器的標準差。經過實驗,分別選擇0.2、0.5和0.5。部分成績的局部效果對比如圖9、圖10所示。

圖9 頻域濾波后局部圖像Fig.9 Partial image after frequency domain filtering

圖10 邊緣檢測局部圖像Fig.10 Edge detection of partial image

由圖9、圖10可以看出,邊緣檢測操作有效地檢測出疵點邊緣線,具有對應關系。

2.3.2 形態學處理中參數的選擇

由于絲條的縱截面近似為長寬比很大的矩形,且電子圖像中單根絲條寬度在5～7 dpi浮動,所以在形態學閉運算中結構元素選為大小為6 dpi×6 dpi的矩形結構元素。經過實驗,可達到較好的處理效果。在面積濾波操作中,經過實驗,選擇濾波閾值為105。部分成績的局部效果對比如圖11、圖12所示。

圖11 原圖Fig.11 Original image

圖12 形態學處理后的圖像Fig.12 Morphologically processed image

由圖11、圖12可以看出,形態學處理在一定程度上實現了連接斷裂區域并填充疵點中心區域的作用,并且與目測疵點具有對應關系。

3 特征值的提取與選擇

完成標準樣照電子圖像的圖像處理及其參數選擇后,去除了正常絲條,分割出潔凈疵點,然后得到二值圖像。基于不同成績的二值圖像,本文提取表征疵點特性的特征值并對其進行優選,然后基于優選出的特征值建立潔凈成績數字評分模板。

3.1 特征值提取

本文提取了疵點密度、疵點總面積百分比、平均疵點面積、最大疵點面積、疵點面積標準差、分形維和分布指數共7個特征值。

3.1.1 疵點密度

疵點個數:表示二值圖像中由1構成的連通區域個數,記為N,單位為個。

疵點密度:表示二值圖像中單位面積(S)內所具有的連通區域個數,記為D,單位為(個/cm2),計算公式如下:

(1)

3.1.2 疵點面積

疵點面積:是指一個連通區域中像素點的個數,單位為dpi。

疵點總面積百分比:是指二值圖像中所有為1的像素點的個數,記為AP,單位為%。

疵點面積標準差:成績越低,疵點就越多,單個疵點面積的差異越明顯,所以采用疵點的面積標準差來表征單個疵點面積差異的離散程度,記為Astd。

除此之外,本文還提取了平均疵點面積和最大疵點面積兩個特征值,分別記為Aaver和Amax。

3.1.3 分形維

分形維(記為F)用于量化復雜形體占據其所處度量空間的密集程度的主觀感受[9],是復雜形體不規則性的量度[10],也用于粗糙表面的表征研究[11-13]。本文基于Matlab工具箱FracLab Toolbox計算二值圖像的分形維。

3.1.4 分布指數

分布指數[14]描述點在圖像中的分布狀態,記為I。點圖像在空間位置分布模式大致可以分為三種:集中分布(I=0)、均勻規則分布(I=2)和隨機分布(I=1)。

3.2 特征值選擇

以上所述的特征值需要進行選擇才能用于模板的建立。選擇的原則如下:各個特征值之間應彼此獨立,表達不同潔凈成績不同方面的特征;在各個特征值與成績的相關性分析中,決定系數R2在0.90以上,P值在0.001以下。相關性分析的結果如表1所示。

表1 各個特征值與成績之間的相關性分析結果Tab.1 Correlation analysis results between individual feature values and scores

根據以上的選擇原則和相關性分析結果,在7個特征值中選擇了疵點密度、疵點總面積百分比、最大疵點面積、疵點面積標準差和分形維5個特征值作為數字評分模板建立的基礎。

各個特征值歸一化后的數據曲線如圖13所示。

圖13 各個特征值歸一化后的數據曲線Fig.13 Normalized data curve for each feature value

3.3 建立數字化評分模板

以3.2節中提取的5個特征值為基礎,得到了5組特征值向量,分別記為m1、m2、m3、m4、m5,進行歸一化處理,建立了特征值矩陣M,公式如下:

(2)

式中:α1、α2、α3、α4、α5、α6、α7、α8分別代表10、30、50、60、70、80、90、100的特征向量。

對歸一化后的m1、m2、m3、m4、m5共5個特征值向量進行曲線擬合,得到擬合方程,以實現分數等級的細化。經過使用e指數函數、傅里葉函數、高斯函數、一次函數和二次函數對5組特征值進行擬合,并對擬合效果進行評價,擬合結果和評價結果如表2所示。

表2 各組特征值的擬合結果Tab.2 Fitting results of each group of feature values

根據表2建立起特征值的評分模板G,公式如下:

(3)

通過上述方法,評分結果不受標準樣照固定8個分數等級的限制,從而實現分數等級評定。

4 驗 證

4.1 待測黑板電子圖像的采集

依次將待測試樣利用YG381型搖黑板機(南通宏大實驗儀器有限公司)均勻纏繞在220 mm×250 mm的黑板上,通過MICROTEK Digital 3485T臺式掃描儀(全友電腦科技(吳江)有限公司)獲取生絲黑板電子圖像并將采集的圖像輸入計算機。為減小誤差,將黑板邊緣的絲條排除在測量范圍之外,實驗時每張圖片截取圖像大小為2 958 dpi×2 958 dpi,分辨率為保證與標準樣照分辨率一致選擇400 dpi,實際對應370根絲條,總長92.5 m。分別對黑板的兩面進行掃描,記為A面和B面。圖14為1#號待測樣本的局部采集圖像。

圖14 1#試樣的局部采集圖像Fig.14 Partial image of sample 1#

為使待測黑板電子圖像與標準樣照電子圖像的規格保持一致,把A、B兩面的電子圖像分別分割成9塊大小為986 dpi×986 dpi的小塊,分別取前7塊作為實驗樣本,從而得到尺寸與標準樣照電子圖像相同的待測樣照電子圖像,尺寸為1 972 dpi×6 902 dpi。

4.2 實驗分析及驗證

按照4.1節所述的方法制作了5張待測樣照電子圖像,分別記為1#、2#、3#、4#、5#,然后采用第2節所述的圖像處理方法對這5張電子圖像進行處理得到最終的二值圖像,并基于此提取了第3節中優選出的5個特征值,歸一化后建立了5個特征向量,分別為β1=[0.047 0.038 0.256 0.3850.787],β2=[0.021 0.017 0.230 0.478 0.615],β3=[0 0 0 0 0],β4=[0 0 0 0 0],β5=[0.0040.005 0.197 0 0.625],分別利用表2中擬合方程計算每個待測樣本中每個特征值所對應的潔凈分數和最終評分,評分結果如表3所示。

表3 待測黑板電子圖像各特征值及最終評分結果Tab.3 The results of each feature values and the final results of the blackboard electronic image of the samples to be tested

由表3可以看出,待測樣照電子圖像的最終評分結果與人工評分結果具有很好的吻合性,說明本文建立的評分模板具有適用性。

5 結 論

本文基于生絲潔凈標準樣照電子圖像,在圖像處理的基礎上提取了特征值,歸一化后進行針對特征值的評分曲線擬合得到評分方程,從而建立了生絲潔凈成績的數字化評分模板;曲線擬合效果的評價證明了本文構建的數字評分模板與生絲潔凈標準樣照成績之間存在確定的對應關系,決定系數在0.90以上,誤差平方和在0.05以下,具有顯著相關性。采用本文中的評分方法對待測樣品電子圖像進行實驗分析,提取其特征向量,并采用已建立的模板進行潔凈成績評分,結果表明,本方法的評分結果與人工目測法的評分結果具有很好的吻合性。

PDF下載