基于亞像素邊緣檢測的紗線條干均勻度測量

張緩緩， 趙 妍， 景軍鋒， 李鵬飛

(西安工程大學(xué) 電子信息學(xué)院， 陜西 西安 710048)

紗線作為針織物、機(jī)織物的原料，其質(zhì)量好壞直接影響其機(jī)織、針織終端產(chǎn)品的質(zhì)量，紗線條干均勻度是評價紗線質(zhì)量的重要指標(biāo)[1]，對其進(jìn)行檢測與評價是紡織生產(chǎn)過程中必不可少的一部分，具有重要意義。

目前針對紗線條干均勻度檢測主要包括光電式檢測[2]、電容式檢測[3]和圖像分析[4-6]等方法。光電法利用測得的紗線直徑數(shù)據(jù)，通過數(shù)字圖像處理技術(shù)將紗線輪廓描繪在計算機(jī)模擬的紗線黑板上，提供了模擬黑板功能，提高了檢測效率，但該方法分辨率較低，容易造成誤差。電容測量法雖不受主觀性影響，但對測試環(huán)境的要求苛刻，測試結(jié)果極易受到環(huán)境濕度的影響。

隨著機(jī)器視覺及圖像技術(shù)的成熟，圖像分析方法被廣泛應(yīng)用于紗線條干檢測。Sengupta 等[7]開發(fā)了一套通過圖像處理測量不同紗線參數(shù)的計算機(jī)系統(tǒng)。該系統(tǒng)不受環(huán)境溫度和光照水平的影響，但使用該系統(tǒng)所測紗線條干CV值與電容式條干儀結(jié)果相差較大。Eldessouki等[8]采用適當(dāng)放大倍數(shù)的高速攝像機(jī)捕捉紗線圖像，提出了一種在合理時間內(nèi)對大量紗線圖像進(jìn)行分析的新算法，但該方法所需成本很高。潘如如等[9]設(shè)計了一套集紗線采集、圖像處理、直徑測量和均勻度檢測為一體的紗線測試系統(tǒng)，能夠檢測紗線的條干均勻度，但提取紗線條干的算法依賴于閾值設(shè)置，過于依賴經(jīng)驗(yàn)值。Li等[10]設(shè)計了利用連續(xù)紗線圖像中的紗線直徑數(shù)據(jù)建立數(shù)字紗線黑板的方法，能更直觀、方便地評價紗線的均勻度，但相機(jī)的分辨率太低且數(shù)字紗線黑板的穩(wěn)定性不好。Gao等[11]提出了一種通過鏡片建立三維模型的方法，能捕獲更多紗線細(xì)節(jié)，但在圖像分割過程中依賴于過多的閾值且技術(shù)不成熟。

針對紗線條干檢測取得了一定成果，但仍存在缺陷。為此，本文提出一種基于亞像素邊緣檢測的紗線條干均勻度檢測方法，解決現(xiàn)有方法的閾值參數(shù)過多，成本過高及精度不高的問題。

1 圖像采集裝置

紗線圖像采集裝置[12]包括紗錠a、黑色背景板b、光源c、BASLER 公司的 Basler acA2500-14gc 面陣相機(jī)d、電機(jī)e、電源f、計算機(jī)g，如圖1所示。本文實(shí)驗(yàn)中相機(jī)所采集紗線圖像的分辨率為256像素×256像素，曝光量為3 900 lx·s，相機(jī)光圈為4，相機(jī)采集幀為30幀/s。實(shí)驗(yàn)對多張圖片進(jìn)行檢測并直接計算出紗線平均直徑和條干的CV值。圖2示出采集到的27.8 tex紗線原圖，實(shí)驗(yàn)中以27.8、18.2及14.5 tex 3種紗線為例。

圖1 紗線采集裝置Fig.1 Yarn collection device

圖2 紗線原始圖像Fig.2 Yarn original image

2 紗線條干提取與檢測

圖3示出本文算法框圖，其中Y1、Y2表示2個最大概率像素的位置。該方法首先進(jìn)行亞像素邊緣檢測，提取紗線的邊緣點(diǎn)集；然后利用開運(yùn)算模塊，將邊緣點(diǎn)集進(jìn)行處理，獲取紗線條干；最后對提取的紗線條干進(jìn)行分塊，利用坐標(biāo)直方圖計算紗線直徑。

圖3 算法框圖Fig.3 Algorithm block diagram

2.1 亞像素邊緣檢測算法

圖像處理過程中，提高檢測方法的精度有2種。一種是提高圖像系統(tǒng)的光學(xué)放大倍數(shù)及相機(jī)的分辨率，此方法投入成本過高；另一種是引入亞像素細(xì)分技術(shù)來彌補(bǔ)硬件的不足以提高圖像系統(tǒng)的分辨率。此方法極大程度地節(jié)省系統(tǒng)的硬件投入成本，降低技術(shù)應(yīng)用的難度，擴(kuò)大應(yīng)用范圍[13]。

為獲取紗線條干的邊緣信息，利用亞像素邊緣檢測[14]方法獲取條干的二維輪廓點(diǎn)特征，與像素級檢測方法相比較，亞像素檢測到的邊緣更平滑，具體算法如下。

由于紗線邊緣不可能是一條直線，假設(shè)初始情況如圖4(a)示。設(shè)一條二階曲線將圖像劃分為2個區(qū)域，分別為黑板和紗線，E和F分別表示黑板和紗線的像素值，圖中中間部位為不確定的像素，如圖4(b)所示。SE和SF分別是2個強(qiáng)度覆蓋的像素區(qū)域，h為單位像素的長度，因此h2=SE+SF(二階曲線為：y=ax2+bx+c)。

圖4 初始情況Fig.4 Initial situation (a) and ambiguous unit pixels (b)

選取一個以像素D(i,j)為中心的5像素×3像素鄰域，確保紗線邊緣從左到右穿過窗口，如圖5所示。根據(jù)初始假設(shè)，像素大小符合

(1)

式中：Pi,j(0≤Pi,j≤h2)為邊緣線下像素(i,j)內(nèi)的區(qū)域。

圖5 二階亞像素邊緣檢測原理圖Fig.5 Second-order sub-pixel edge detection schematic

設(shè)SL、SM和SR分別是圖5中左、中、右列的像素和，如式(2)～(4)所示：

(2)

(3)

(4)

式中：i,j分別為像素D的橫縱坐標(biāo)；n為像素個數(shù)；L、M和R代表邊緣線下每列內(nèi)的像素區(qū)域，見下式：

式中：a,b,c分別為二階曲線的系數(shù)，根據(jù)上述公式(1)～(7)求解出系數(shù)a,b,c(設(shè)h=1)。

(8)

(9)

(10)

為了便于計算，選取E和F的像素取各自相對角上的3個像素的平均值：

(11)

(12)

運(yùn)用已知系數(shù)a,b,c在像素的垂直中心線上(x=0)計算的亞像素位置、兩側(cè)強(qiáng)度的變化以及法向量與線性情況相同。計算x=0處的曲率k，如式(13)所示。

(13)

首先根據(jù)上述算法測得紗線邊緣，然后將這些二維邊緣點(diǎn)集提取出來，如圖6所示。可看出，紗線條干周圍存在一些毛羽，這些毛羽極大影響紗線條干的檢測，需要進(jìn)一步去除。

圖6 二維邊緣點(diǎn)集提取過程Fig.6 Two-dimensional edge point set extraction process. (a) Yarn edge; (b) Two-dimensional edge point set

2.2 形態(tài)學(xué)開運(yùn)算

為了去除毛羽對紗線條干的檢測影響，還需要進(jìn)一步對紗線二值圖做開運(yùn)算處理，在數(shù)學(xué)形態(tài)學(xué)中開運(yùn)算被定義為先腐蝕后膨脹，利用結(jié)構(gòu)元素B對圖像A做開運(yùn)算，用符號A

°B=(A?B)⊕B

式中：?為膨脹運(yùn)算；⊕為腐蝕運(yùn)算。本文對獲取的紗線二維邊緣點(diǎn)集圖像進(jìn)行開運(yùn)算處理獲取紗線條干，提取的紗線條干結(jié)果如圖7所示，其中選擇的結(jié)構(gòu)元素B是半徑為5的圓盤。可以看出開運(yùn)算處理后的紗線，其提取的紗線條干的邊緣變得光滑，同時消除了紗線條干周圍的細(xì)小的毛刺和毛羽，且紗線條干輪廓并不會發(fā)生改變，物體位置也不會發(fā)生變化。

圖7 紗線條干提取過程Fig.7 Yarn evenness extraction process. (a) Corrosion； (b) Expansion； (c) Open operation

2.3 坐標(biāo)直方圖

獲取紗線條干后，計算紗線的平均直徑與條干的CV值，測量紗線條干的均勻度。本文提出了一種基于坐標(biāo)直方圖的方法，此方法可以更精確地計算紗線直徑與條干CV值。

為了得到準(zhǔn)確的紗線直徑和條干CV值，本文對紗線圖像進(jìn)行橫向切分處理，處理過程如圖8所示。

圖8 紗線條干橫向切分過程Fig.8 Yarn evenness transverse slitting process. (a) Horizontal segmentation; (b) Segmented images

通過統(tǒng)計紗線邊緣點(diǎn)集圖像中相同縱坐標(biāo)上出現(xiàn)的像素個數(shù)，用每個相同縱坐標(biāo)上出現(xiàn)的像素個數(shù)除以整張圖像上的全部像素個數(shù)得到每個相同縱坐標(biāo)出現(xiàn)的像素頻率，然后將像素與該像素出現(xiàn)的頻率用直方圖表示出來，選取2個最大概率值Y1、Y2,|Y1-Y2|即為所測紗線直徑的像素個數(shù)，像素個數(shù)與像素值的乘積即所測紗線的平均直徑。

條干均勻度是紗線橫截面的均勻度。用變異系數(shù)CV值來衡量， CV值的計算公式為

(14)

為了得到更精確的條干CV值，本文對處理后紗線圖像進(jìn)行了橫向切分處理，比較了每次橫向提取5、 10、20、50、100個坐標(biāo)點(diǎn)所測CV值與電容條干儀所測CV值，如表1所示。每次提取10個坐標(biāo)點(diǎn)所測CV值結(jié)果與電容條干儀所測結(jié)果最相符。

表1 橫向提取不同坐標(biāo)點(diǎn)個數(shù)CV值對比Tab.1 Comparison of CV values of different coordinate points extracted horizontally %

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文提出方法的有效性，本文對多種線密度的紗線進(jìn)行檢測，計算各紗線平均直徑及紗線條干的不勻率，并將結(jié)果與電容條干儀的測試結(jié)果進(jìn)行對比分析。為了保證實(shí)驗(yàn)的準(zhǔn)確性，每種線密度的紗線樣品采集一段紗線的2 000張圖片進(jìn)行測試。

本文對27.8、18.2及14.5 tex的紗線進(jìn)行測試，根據(jù)式(15)計算這3種紗線的理論直徑。

(15)

式中：Nt表示紗線的線密度，tex；δ表示紗線密度。本文取δ=0.9 g/cm3，(0.8≤δ≤0.9)由紗線理論直徑公式可得，27.8 tex 的紗線理論直徑是0.198 mm,18.2 tex的紗線理論直徑是0.160 mm，14.5 tex 的紗線理論直徑是0.144 mm。利用本文提出的方法對27.8、18.2及14.5 tex的紗線直徑進(jìn)行測量，同時，將本文方法與模糊C-均值(FCM)[9]和最大類間方差(Otsu)[1]檢測方法進(jìn)行對比，結(jié)果如圖9所示。本文提出的方法檢測的直徑與理論直徑的誤差分別為1.86%、1.12%及0.13%。由圖可知，本文提出的算法中測量紗線平均直徑的方法與理論直徑存在的誤差最小。

圖9 紗線直徑對比圖Fig.9 Comparison of yarn diameters

除了對紗線直徑進(jìn)行測量外，本文還進(jìn)一步對紗線條干CV值與偏差率進(jìn)行計算，偏差率是指本文算法和電容條干儀測試的CV值之間存在的偏差：

(16)

式中：CY表示本文算法測得的CV值；CU表示電容條干儀測得的CV值；k為偏差率，%。

本文以陜西長嶺紡織機(jī)電有限公司的電容式CT200條干儀測試的紗線條干CV值作為參考標(biāo)準(zhǔn)，在測試過程中，測試號數(shù)主要設(shè)置27.8、18.2及14.5 tex 3種紗線，試樣類型選擇棉型，測試速度為8 m/min，測試時間以10 s為間隔，測試次數(shù)設(shè)定為10次。利用本文方法、灰度投影[15]以及FCM[9]、Otsu[1]的方法進(jìn)行對比分析，4種方法均采用本文所采集到的圖像，測量結(jié)果如表2所示。由計算所得偏差率可知3種紗線的CV值與電容式條干儀之間的偏差率最大僅為3.3%，表明本文算法與電容式條干儀的測量結(jié)果有著較好的一致性，且測量過程中避免了人為主觀因素和環(huán)境溫度等客觀因素的影響。通過4種方法相比較，本文算法與電容條干儀測試方法之間存在的誤差最小，證明本文所提方法可得到準(zhǔn)確的結(jié)果。

表2 多種方法的紗線條干CV值對比Tab.2 Comparisons of yarn evenness CV value

4 結(jié)束語

紗線條干是反映紗線質(zhì)量的重要指標(biāo)之一。本文以紗線條干為研究對象，提出基于亞像素邊緣檢測的紗線條干均勻度檢測方法，完成紗線平均直徑與條干CV值的計算。首先通過圖像采集裝置獲取紗線圖像；然后對紗線圖像進(jìn)行亞像素邊緣檢測獲取紗線邊緣點(diǎn)集；利用開運(yùn)算對獲取的邊緣點(diǎn)集進(jìn)行處理，進(jìn)而獲得紗線條干的邊緣；最后采用坐標(biāo)直方圖計算紗線平均直徑和條干CV值。該方法與電容式條干儀的測量結(jié)果有著較好的一致性且極大程度地節(jié)省系統(tǒng)硬件投入成本，降低技術(shù)應(yīng)用的難度，提高檢測精度。