CN101403703B - 一种皮棉中异性纤维实时检测方法 - Google Patents

Abstract

本发明涉及一种皮棉中异性纤维实时检测方法，属于图像处理和检测技术领域；该方法包括：获取皮棉原始图像；将皮棉原始图像分成多个子块，将各子块进行颜色空间转换，对所述各子块进行二维小波变换，得到三个高频细节分量，进行二值化处理，得到边缘特征图像；并识别出边缘特征图像中的伪特征，得到各子块的颜色特征图像；并得到完整的特征图像；再进行连通域标记方法标记出图像中的各待选杂质特征，得到最终的异性纤维特征图像；根据该图像中的位置坐标，根据开启喷嘴的延时时间，喷除对应位置的异性纤维及周围部分皮棉，实现对异性纤维的实时喷除。本发明能对棉层的伪特征能进行识别，处理速度快，能够满足在线分拣设备的应用要求。

Description

一种皮棉中异性纤维实时检测方法

技术领域

本发明属于图像处理和检测技术领域，特别涉及一种皮棉图像中异性纤维快速检测方法。

背景技术

异性纤维(俗称“三丝”)是影响棉花及棉纺织品品质的重要因素，对异性纤维的分拣已经成为轧花工序中必须解决的关键问题。国内外已有不少企业和科研单位做了大量有益的尝试，取得了一定的进展，同时有不少产品投入市场，按其工作原理主要有一下几类：X光成像分析法(Ajay Pai，Hamed Sari-Sarraf.Recognition of cotton contaminationvia x-ray micro-tomographic image analysis[J].IEEE Trans on computer vision，2002，41(6)：420-427)，光敏二极管阵列探测法(Patrick Bouvyn，Waregem R.Detectionof foreign fibres and foreign material based on an absorption measurement of lightand corresponding detection method[P].USA patent，US 6201601，2001.)，红外热成像法(Nevel Avishai，Kendall W Gordon.Method of detecting of contaminantsin cotton fibers[P].USA patent，US 5646405，1997.)和CCD相机扫描成像法，而真正用于工业现场并占有市场的还是CCD相机扫描成像法，其他产品都还处在实验室阶段。

CCD相机扫描成像法已经成为现在市场上异性纤维分拣产品的主流技术，瑞士JossiHolding公司的产品占据了一半以上的市场份额，德国Truetzschler公司及也国内经纬纺机和洛阳方智也有相关产品。

CCD相机扫描成像法采用高速CCD相机采集处于工作状态的棉花图像，通过图像处理算法识别异性纤维特征，并最终依靠空气喷嘴对异性纤维所在棉层区域进行喷除，从而达到对异性纤维的剔除。

影响该方法性能的因素主要有三个方面：(1)图像的采集方法；(2)异性纤维特征提取算法；(3)喷嘴喷除效率。对异性纤维图像的特征提取算法是其中的关键技术。现有的算法主要分为两类：

(1)基于图像灰度的识别算法，通过分析棉花图像的灰度级，针对其对比度差异提取图像特征，对该结果进行形态分析，从而达到特征提取的目的。“基于Matlab的棉花异性纤维检测及定位算法”(金守峰，袁建畅，张慧，中国棉花加工，2004，4：29～30)以canny边缘检测的方法对异性纤维特征进行提取，并实现位置定位。“Identification of trash types inginned cotton using nero fuzzy techniques”(Sidddaiah M，Lieberman M A，Hughs S E，IEEEinternational fuzzy systems conference proceedings，Korea：Seoul，1999)通过对两种树皮，树叶，椒盐类杂质形态的深入分析，总结出可以区分其形态特征的八个形态量，并通过神经网络算法和模糊算法成功的区分出了这四种杂质。“Cotton Trash Assessment inRadiographic X-ray Images with Scale-Space Filtering and Stereo Analysis”(Mehmet S.Dogana，Hamed Sari-Sarrafb，and E.F.Hequetc，Proc.of SPIE-IS＆T Electronic Imaging，vol.5679，pp.276-287，2005)提出一种基于统计特性的异性纤维特征提取算法，该算法对原始图像进行分块，对分块局部取灰度的方差作为讨论对象，通过直方图阈值算法进行图像分割。上述第一种方法只给出了一个仿真结果，没有考虑棉层状态，伪特征分析等实际问题。后两种方法的算法复杂度较高，主要用于样本检测，运算时间为秒的数量级，用于实时处理系统存在困难。

(2)基于颜色空间分析的识别算法，由于棉花是一种白色的纤维状物质，而混在棉花中的杂质大多是有色杂质，对于无色杂质，已有采用紫外光照射分析荧光反应的方法进行处理的相关报导，而其实质就是把无色杂质在颜色空间中进行移动，以与棉花颜色进行区分。鉴于颜色信息在棉花加工的过程中基本没有变化，因此采用颜色特征进行识别的相关算法在实际应用中比较稳定。“异性纤维检测算法的研究和实现”(焦智，北京工业大学，2006)中提出了基于RGB颜色空间的“棒锥”模型，利用棉纤维与异性纤维的颜色差异进行特征提取。“Key Technology in Detecting and Eliminating Isomerism Fibre in Cotton”(LiYujun，Liang Kun，Bai Hua Yu，The Eighth International Conference on Electronic Measurementand Instruments，Xi’an，2007)中提出了一种在HIS颜色空间的异性纤维识别算法，通过对红编织袋，丝绸，白纱布，白塑料丝，糖纸，绿塑料丝，蓝布条和棉花8种物质的色调，饱和度和强度的统计比较，以它们的直方图波峰中心作为特征进行分类。“ClusteringAnalysis for Cotton Trash Classification”(B.Xu，C.Fang，and M.D.Watson，Textile ResearchJournal，vol.69，pp.656-662，1999.)在Lab颜色空间对棉层图像的分析，提出了一种能有效识别树皮，叶子和两种不同棉籽壳的方法。上述第一种方法不能抑制光照变化产生的影响，而第二种方法没有涉及形态分析和伪特征识别的部分，第三种方法的运算时间较长，不能用于实时处理。

上述方法各有优缺点，存在的问题主要是：(1)对光照变化敏感，算法的效果会因为亮度的变化产生影响；(2)没有考虑实际工作过程中棉层的断续，边沿和空洞等不规则状态产生的伪特征的影响；(3)算法运算复杂度高，所需运算时间过长，不能用于实时检测的应用场合。

发明内容

本发明的目的是为克服已有技术的不足之处，提供一种皮棉中异性纤维实时检测方法，该方法能工作于不同的光照条件，同时对棉层边沿和空洞效应产生的伪特征能进行识别，而且其处理速度快，能够满足在线分拣设备的应用要求。

本发明解决其技术问题，所采用的技术方案包括如下步骤：

(a)皮棉原始图像获取：用安装在皮棉传输管道中彩色CCD相机实时拍摄运动皮棉图像，得到皮棉原始图像I_原；

(b)分块及颜色空间转换：将皮棉原始图像I_原无重叠的均匀分成多个大小一致的子块，即I_原＝I_i(i＝1，2，3，...L)＝[I₁，I₂，...，I_L]，L为子块总数；将所述各子块进行RGB到YCbCr的颜色空间转换，即将原空间的红R、绿G、蓝B三色分量转换成新空间的亮度Y、蓝色对应色度Cb、红色对应色度Cr三分量，同时计算得到新空间与该绿G分量对应的色度Cg分量；

(c)基于皮棉亮度图像的边缘特征提取：对所述各子块I_i的亮度Y_i进行二维小波变换，得到各子块低频形貌分量A_i和水平、垂直、对角三个高频细节分量H_i，V_i，D_i，对所述三个高频细节分量分别进行二值化处理，并将三个二值化处理结果进行“或”运算，得到边缘特征图像；运用基于分块填充的伪特征判别方法识别出边缘特征图像中由边沿和空洞产生的伪特征，并把伪特征对应的像素点亮度置零，得到最终的边缘特征图像I^T _i；

(d)基于CrCgCb颜色空间的特征提取：对所述各子块I_i的色度分量Cr_i，Cg_i，Cb_i两两计算其对应像素点位置的差值，并计算该差值的绝对值得到绝对值分量：D^rb _i，D^rg _i，D^bg _i，各绝对值分量上标表示两两求差值对应的色度分量；分别计算各绝对值分量的均值，并以该均值为阈值对所述各子块I_i进行二值化处理，最终得到各子块的颜色特征图像I^C _i；

(e)形态分析：对所述各子块I_i的边缘特征图像I^T _i和颜色特征图像I^C _i进行“或”运算，得到融合特征图像，拼接各子块的融合特征图像得到完整的特征图像I^M；对该特征图像I^M进行基于交叠分块的连通域标记方法标记出图像中的各待选杂质特征，对各待选杂质特征进行基于投影方法的形态分析，消除小颗粒杂质干扰，同时计算待选杂质特征的面积周长比δ，以该面积周长比δ作为参数进行特征判别，得到最终的异性纤维特征图像I^F；计算异性纤维特征图像I^F中各异性纤维特征个体外接矩形的中心位置坐标(x_j，y_j)，j为异性纤维特征图像I^F中各异性纤维特征个体的序号；

(f)异性纤维喷除：根据所述异性纤维个体外接矩形在异性纤维特征图像I^F中的位置坐标x_j，计算出分拣设备中对应的空气喷嘴在喷嘴阵列中的序号z；根据皮棉传输速度v，图像拍摄位置与喷嘴的距离h及异性纤维个体外接矩形在异性纤维特征图像I^F中的位置坐标y_j，计算出开启喷嘴的延时时间t_z；当延时时间t_z到达，打开z号空气喷嘴对应的电磁阀，喷除对应位置的异性纤维及周围部分皮棉，实现对异性纤维的实时喷除。

本发明的有益效果是：

本发明方法融合了图像的边缘特征和颜色特征，提高了检出几率；边缘检测能屏蔽光强度的影响，而CrCgCb颜色空间分离了亮度分量，对亮度变化不敏感，因此本方法对由棉层的厚度变化产生的光强差异不敏感；算法依据无棉层背景区域透射光恒定，且背景区域图像小波变换后的小波系数为小值(几近零)的特点，运用基于分块填充的伪特征屏蔽算法，消除了由棉层边沿和空洞产生的边界部分的伪特征，使算法能工作于棉层不连续的场合；算法在标记过程中采用了核心区域和扩展区域两层搜索策略，使得存在断续，部分埋没的异性纤维特征能被标记为一个整体，提高后续形态分析的准确性，为了减少连通域扫描的重复搜索范围，同时保证标记的统一性，采用了基于交叠的分块策略，减少了运算时间；根据异性纤维形态细长的显著特点，算法采用面积周长比作为评判依据，算法复杂度低，同时利用投影算法的团聚效果对小颗粒干扰进行屏蔽，减小面积周长比评判准则的误判率。

附图说明

图1为本发明的方法流程框图。

图2为本发明中二维小波变换的示意图。

图3为本发明中基于交叠策略的连通域标记方法的示意图。

图4为本发明投影方法的示意图。

具体实施方式

为了更好的理解本发明的技术方案，以下结合附图及实施例作进一步描述。图1为本发明的方法流程框图，具体包括以下步骤：

(a)皮棉原始图像获取。

在皮棉传输管道中，垂直于皮棉的运动平面安装有彩色CCD相机阵列，对运行过程中的皮棉进行实时拍摄，得到皮棉原始图像I_原。

在本实施例中，皮棉运行速度v＝0.9m/s，彩色CCD相机拍摄视场为100mm*75mm，帧频f＝25帧/s，每2帧保留1帧，保证能不间断的拍摄到运动方向上的所有区域的皮棉图像。

(b)分块及颜色空间转换。

为了满足后续二值化过程中局部阈值法的需要，对皮棉原始图像I_原进行无重叠的均匀分块，得到I_原＝I_i(i＝1，2，3，..L)＝[I₁，I₂，...，I_L]，L为子块总数，各子块大小一致。本实施例中原始图像大小为720*576，取L＝16，进行4*4分块，各子块为180*144。

采集的原始图像数据为RGB形式，而后续算法对亮度和色度分量分别进行处理，因此需进行颜色空间转换。亮度、色度分量分开的颜色空间很多，常用的有YCbCr、HSV、Lab等，本发明采用YCbCr颜色空间进行分析，即将原空间的红R、绿G、蓝B三色分量转换成新空间的亮度Y、蓝色对应色度Cb、红色对应色度Cr三分量，本实施例YCbCr与RGB之间的转换公式如下：

$\left[\begin{array}{c}Y\\ \mathrm{Cb}\\ \mathrm{Cr}\end{array}\right]=\left[\begin{array}{c}16\\ 128\\ 128\end{array}\right]+\left[\begin{array}{ccc}0.299& 0.587& 0.114\\ -0.169& -0.331& 0.5\\ 0.5& -0.419& -0.081\end{array}\right]\left[\begin{array}{c}R\\ G\\ B\end{array}\right]---\left(1\right)$

为了能组成3维的色度空间表示方法，加入Cg分量，组成CrCgCb颜色空间，计算新空间与该绿G分量对应的色度公式如下：

Cg＝128-0.318R+0.4392G-0.1212B             (2)

在本实施例中，对各子块分别进行颜色空间转换，每个像素点就得到一个亮度分量Y，和三个色度分量Cr、Cb、Cg。

(c)基于皮棉亮度图像的边缘特征提取：

1、对所述各子块I_i的亮度Y_i进行二维小波变换

棉层原始图像中，以棉纤维为背景，异性纤维表现为图像中的突变部分。因此问题转变为对棉层图像进行边缘提取。本发明采用二维小波变换作为边缘提取方法，二维小波变换是一维小波变换的直接推广，对检测非平稳信号和突变信号效果较好，在实际应用中常用滤波器组来实现快速算法，其分解过程如图2所示。图中，Lo_D，Hi_D分别表示小波分解的低通滤波器和高通滤波器；R，C分别表示用选定滤波器对图像进行行卷积和列卷积；2↓1表示对数据进行2抽取。本方法对各子块I_i的亮度Y_i进行二维小波变换，即图(2)中A₁代表亮度Y_i，这样就从原始图像得到四幅子图像{A₂，H₂，V₂，D₂}，其中A₂是原始图像的低频形貌分量(本方法中未参与运算，舍弃)，H₂是垂直方向的高频细节分量，V₂是水平方向的高频细节分量，D₂是对角方向的高频细节分量。

本实施例采用haar小波滤波器组，对原始图像的亮度Y_i进行1级二维小波分解，低频分量表示形貌特征，三个高频分量分别包含各个方向上的细节特征。由于小波分解的2抽取特性，得到的4个小波分量只有原图像的1/4，因此对3个高频小波分量进行2插值，扩展到原始尺寸。高频分量中，棉层背景被平滑，边缘特征得到增强，同时以各小波系数的大小表示对比度的差异，通过后续的二值化过程就能够提取出感兴趣的边缘特征。

2、二值化

本实施例的二值化采用基于像素均值的阈值选取方法，T_E为所选阈值，即：

$T_E=K\×\frac{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{G}_{\mathrm{ij}}}{M\×N}+T_0---\left(3\right)$

式中M，N表示图像的行数和列数，G_ij表示子块图像对应位置的像素值，K表示加权值，以实现对不同异性纤维含量图像的自适应调整，T₀表示调整量(为不含异性纤维的干净状态下的初始值)，使得对干净状态下皮棉图像进行二值化处理时，不错误的把皮棉背景识别为异性纤维特征。

本实施例对小波变换的三个高频分量分别进行二值化处理，阈值选取由式(3)求得，得到各个方向上的边缘特征，其中参数K，T₀的选取与选用的小波类型有关，通过反复对干净状态下皮棉和有异性纤维的皮棉的对比实验求得。观察小波高频分量的直方图可以发现，像素点主要集中在直方图的低端，是由棉层的不均匀和棉层间阴影等因素引起的，不同的棉层图像得到的直方图分布略有不同，其均值也就有差别，但是这些不管其分布如何都是需要经过二值化后舍弃的特征，因此用固定阈值进行二值化能保证对干净状态下皮棉图像的处理效果，T₀就保证不管其均值差别多大，这些直方图低端的干扰特征都能被二值化过程舍弃掉。因此本方法先通过直方图分析确定T₀的取值，然后由该取值进行对比试验，逐步调整来确定K的取值。(本实施例中，水平方向细节分量：K＝0.87，T₀＝15，垂直方向细节分量：K＝0.87，T₀＝15，对角方向细节分量：K＝0.87，T₀＝10)，对应位置像素值大于该阈值T的置为255，否则置为0。为了得到完整的边缘特征图像，对三个高频细节分量的二值化处理结果进行“或”运算，即只要上述三个二值化结果的各对应位置的像素值有一个等于255，最终边缘特征图像的对应位置就置为255，否则置为0，得到边缘特征图像。

3、伪特征屏蔽

图像经过二值化处理后将失去灰度信息，此时在二值图像中，棉片的边沿以及棉层间的空洞将形成伪特征，与异性纤维特征不能进行分辨。其图像存在如下特征：(1)无棉层的区域中，视场背景光强(透射光)近似常值，且亮度普遍高于棉层表面亮度；(2)高频子图像的小波细节分量在空洞等无棉花的区域以及棉层表面平坦区域为一小值(几近零)。本方法结合上述两个特点，对原始亮度图像和小波变换高频子图像进行基于分块填充的伪特征判别，具体方法如下：

对各子块I_i再进行细分，得到细分的小分块B_j，以小分块作为研究对象，考察小分块中各像素点：

$B(m,n)=\left\{\begin{array}{cc}1& \mathrm{\Σ}{f}_l(x,y)>T_A\\ 0& \mathrm{else}\end{array}\right.---\left(5\right)$

式中Y(x，y)，T_G表示各小分块中对应像素点的亮度及对应阈值；W_k(x，y)，T_w(k)表示三个方向高频子图像小波细节分量及对应阈值；f_lx，y)表示待选伪特征点的标记，B(m，n)表示分块区域判断结果；T_A表示面积阈值。

如式(4)，若其亮度大于给定阈值T_G，同时三个高频小波细节分量小于给定阈值T_W(k)，则标记该像素点为待选伪特征点。当小分块B_j中标记的待选伪特征点覆盖面积大于给定阈值T_A，如式(5)，则标记该小分块B_j为空洞或边沿块，最后将上述空洞或边沿块及其8邻接的小分块中所有像素点的亮度置零，实现对由空洞及边沿产生的伪特征的屏蔽，得到最终的异性纤维特征图像I^T _i。

本实施例中对180*144的各子块进行细分，得到144个15*12的小分块，根据上述伪特征判定准则进行判别。其中，阈值T_G和阈值T_W(k)的选取与系统的透射光光强有关，在整个检测过程中，系统的透射光光强基本保持不变，通过CCD相机记录下未通过棉层时的透射光的光强对应的图像亮度均值，当透射光通过棉层后再通过CCD相机记录下图像亮度均值，该亮度均值要小于所述未通过棉层时的透射光光强对应的图像亮度均值；相应的，透射光图像的三个高频细节分量均值要小于棉层图像的三个高频细节分量均值；特别的，平坦的棉层表面区域只满足高频细节分量条件，高反射杂质表面只满足亮度条件，这样结合两个条件就可以进行空洞和边沿区域的识别。T_G和T_W(k)的选取应在对应两均值之间的范围中，靠近未通过棉层情况下的均值。经过实验，本实施例选定：T_G＝180，T_W(k)＝5(k＝1，2，3)。T_A的选取将影响最终的判定结果，T_A太小会把许多棉层区域判定为空洞与边沿块，增加误判的可能性，一般应大于小分块面积的二分之一才有实际效果，本方法把空洞或边沿块及其8邻接的小分块都进行置零，因此可以适当增大T_A值的选取，本实施例中，T_A选为小分块面积的三分之二，即 $T_A=\frac{2}{3}\×15\×12=120.$

(d)基于CrCgCb颜色空间的特征提取。

皮棉呈现白色，在以Cr，Cb，Cg为坐标轴张成的3维颜色空间中，皮棉的颜色特征集中在立方体的对角线中段，而距离对角线越远，与皮棉的色差特征越明显。本方法用色度分量之间的差值作为判定基准进行特征识别。

本实施例中，对各子块I_i中对应各像素点的色度分量Cr_i(j，k)，Cg_i(j，k)，Cb_i(j，k)，i表示分块号，j，k表示坐标轴标号，两两计算其差值的绝对值得到：

$\left\{\begin{array}{c}{D^{\mathrm{rb}}}_i(j,k)=|{\mathrm{Cr}}_i(j,k)-{\mathrm{Cb}}_i(j,k)|\\ {D^{\mathrm{rg}}}_i(j,k)=|{\mathrm{Cr}}_i(j,k)-{\mathrm{Cg}}_i(j,k)|\\ {D^{\mathrm{bg}}}_i(j,k)=|{\mathrm{Cb}}_i(j,k)-{\mathrm{Cg}}_i(j,k)|\end{array}\right.---\left(6\right)$

D^rb _i，D^rg _i，D^bg _i就表征了各像素点的色度在颜色空间中的距离特征，但是由于CrCgCb空间并非完全与亮度分量线性无关，因此考虑让二值化过程中的阈值产生浮动来进一步消除亮度的影响。

分别计算各绝对值分量的均值，并对各子块I_i进行基于绝对值均值的二值化处理：

${H^{\mathrm{rb}}}_i(j,k)=\left\{\begin{array}{cc}1& {D^{\mathrm{rb}}}_i(j,k)>\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{D^{\mathrm{rb}}}_i(j,k)/(m*n)+q\\ 0& \mathrm{else}\end{array}\right.---\left(7\right)$

式中，H^rb _i(j，k)表示在(j，k)位置通过二值化处理后的结果(1表示是前景，表示有效特征，0表示背景，该位置没有特征)，q表示偏移量，m，n表示分块大小，其他两色差分量处理方法相同。q的选取直接影响到颜色空间特征提取方法的色度分辨率，太大就降低了分辨率，不能分辨与皮棉色差小的颜色，另一方面，由于光源和CCD相机的性能的关系，采集到的皮棉图像不同程度的存在颜色失真的情况，而且皮棉也有等级区别，低等级的皮棉有偏黄和偏蓝的特点，因此q也不能选取的太小，达不到必要的方法鲁棒性，本实施例中，取q＝10，对H^rb _i，H^rg _i，H^bg _i取“或”运算(与步骤(c)中的“或”运算方法相同)，最终得到颜色特征图像I^C _i。

由于灰度(从白色到黑色)在CrCgCb颜色空间中位于颜色立方体的对角线上的一点，因此该算法对于从白色到黑色的灰度特征不能区分，不能对纯灰度的特征进行识别。

(e)形态分析。

上述(b)～(d)三步完成了对皮棉原始图像中的异性纤维特征的提取，得到了表征其边缘及颜色特征的二值图像。对边缘特征图像I^T _i与颜色特征图像I^C _i取“或”运算(与步骤(c)中的“或”运算方法相同)，得到融合后的特征图像I^M。I^M是初步特征图像，其中包括异性纤维特征，噪声干扰，散布小颗粒杂质特征等多种特征，需要通过形态分析进行辨别。结合异性纤维实际分拣需求，重点需要辨别异性纤维特征与伪特征之间的区别，而无需辨别各种类异性纤维特征之间的区别。异性纤维在形态上最大的特征是呈现细长的形态，因此本方法以特征的面积周长比作为主要的特征量进行形态分析。具体算法如下：

1、基于交叠分块的连通域标记方法

特征图像I^M中的特征是散布在整个图像中的，为了方便后续的形态分析需对属于同一异性纤维个体的特征进行聚类并加以标记。因此，形态分析首先要进行连通域搜索和标记。由于棉层的遮挡及算法中二值化处理的误差，得到的二值图像中同一异性纤维个体会出现断点，本方法采用基于核心区域和扩展区域的两级搜索算法进行处理。

二值化图像中0表示背景，255表示前景，对二值化图像进行连通域搜索，具体方法如下：

该方法在搜索种子点的过程中存在重复搜索和无效区域扫描，并且随着搜索面积的增大，算法运行时间急剧增加，因此对搜索区域进行分块，分别进行小区域搜索，提高算法的实时性。为了在小区域搜索的同时保持杂质特征的连通性，算法采用交叠分块策略，对特征图像I^M进行分块，得到交叠的分块C_i(i＝1，2，3，...P)，P为交叠分块总数，分块之间交叠宽度为e，交叠宽度e应在连通性能和运行时间之间进行折中，最大不能超过交叠分块宽度的二分之一；而其选值下线不能小于断点的平均长度，不然就失去了连通性能，因此根据经验，以杂质长度最短检出要求的四分之一所为其选值下限是合适的。如图3b所示，小分块1与小分块2中间存在交叠区域a，小分块1与小分块3之间存在交叠区域b，通过这种分块方法，得到C_i(i＝1，2，3，...P)，P为交叠分块总数。

对各分块C_i中的像素点逐行扫描，找到一个未标记的前景点(图3a中三角形像素点表示前景点)，标记该点；检查该点8领域中右、右下、下、左下四个位置的点(图3a正方形像素点所示位置)，若为前景点且未被标记过，则标记该点，同时记录该新增标记点为“区域增长”的种子点。在后续的标记过程中，不断从种子点队列中取出种子点进行上述操作，直到记录种子点的数组为空。为了消除噪声和棉层中的粉尘等小点干扰的影响，设定一阈值T_m(该阈值需小于交叠宽度e，否则交叠分块将失去意义，本实施例中T_m＝5)，对于标记点数小于阈值的连通区域，其标记点置零，至此一个连通区域标记结束，该标记连通域的外接矩形定义为核心区域(图3a中央的深色区域)。

为了连接存在断点的异性纤维特征，在上述连通区域标记的基础上扩大搜索范围(图3a核心区域外围浅色区域)，即以该核心区域为中心，向上、下、左、右四个方向扩展一定距离d(扩展距离与交叠分块的交叠宽度相同，即d＝e)，得到一个扩展区域(不包括中心核心区域)，以此扩展区域为种子点搜索区域，再进行一次连通区域标记，沿用核心区域的标记；如果在扫描过程中遇到不同于核心区域的标记，则记录下该标记，并把在扩展区域进行种子增长得到的标记点和核心区域的标记点都更新为该标记，结束此次标记。至此存在断点的异性纤维特征就被赋予统一的标记值。接着再标记下一个未标记区域，直到二值图像的所有连通区域都被标记。

接着对下一个分块进行所述的连通域标记过程，在交叠区域标记时，相邻分块的交叠区域内取相同的标记值，即对同一个特征，把本次分块中的标记值更新为前一个分块的标记值。这样，在不同分块中的同一特征将具有统一的标记值，从而实现特征标记的统一性。

本实施例中，交叠分块和扩展区域都有连接特征断点的作用，因此分块交叠宽度e与扩展距离d取相同的值，根据经验，以杂质长度最短检出要求的三分之一作为参考值，同时兼顾实际的分块操作，使得每个分块在给定的交叠宽度e下，其长和宽取到整数值。本实施例中，特征图像大小为720*576，分为4*4的16个分块，取e＝d＝12，子块大小为189*153。

本方法中开辟一个位置数组P[m][4]，m表示标记值，对每个标记特征记录表征位置的P[m][i]，i＝1，2，3，4分别表示上、下、左、右四个位置的边界值。每次更新标记时，更新位置数组，使得P[m][4]始终表征异性纤维特征个体m的边界位置。

2、基于投影方法的形态分析

皮棉在加工过程中还存在一类颗粒状杂质，如沙石，搅碎的枯叶等，它们数量多，面积小，而且散布在棉层表面。虽然也是非棉类物质，但是会对后续的异性纤维喷除环节带来影响，产生乱喷现象。因此对于长度小于检出要求的这类杂质应该滤除。

目标特征的不连续使得同一根异性纤维被分割成不同长度的几段，为了在屏蔽散布颗粒干扰的同时保留长度小于检测要求的这些截断部分，本方法采用投影方法进行形态分析，如图4所示，具体方法如下：对选取的标记区域(由P[m][i]决定)向X轴投影，x＝i位置在Y轴方向上非零像素的个数记为x_i；同理，标记区域向Y轴投影得y_i，统计x_i，y_i中非零的个数，记为l_x，l_y；同时，对特征点上、下、左、右4领域进行扫描，如果其4领域有背景点(非待选特征像素点)，则标记为边界点，记录其边界点数，记为S，表示标记特征的周长；对x_i进行累加，计算其总数A＝∑x_i，表示标记特征的面积。用标记图像的面积周长比来表征其细度，定义为 $\mathrm{\δ}=\frac{A}{S}.$ 设定一阈值T_n，只要细度值大于该给定阈值，则该待选杂质特征就判定为异性纤维，否则判定为干扰，其对应像素点置零。标记图像中有部分聚类区域是由许多孤立点组成的，虽然其所占面积不大，但由于其不连续性导致周长总和增大，会误判为异性纤维图像。因此，基于像素投影的判别准则如下：

                  (8)

式中，F表示经过形态分析后的结果(1表示该待选特征为异性纤维特征，0表示该待选特征为伪特征)，T_l示等效长度阈值(跟断点的平均长度有关，考虑到e的下限为杂质长度最短检出要求的四分之一，相应的等效长度阈值取杂质长度最短检出要求的四分之三)，T_n表示细度阈值(以长宽比为2：1的矩形代表的形状对应的细度作为细度的上限，则该上限为l/6，其中l为杂质长度最短检出要求)。

经过上述操作：(1)对于长度大于检出要求的完整异性纤维特征，予以保留。(2)对于长度大于检出要求的存在断点的异性纤维特征，可以看作被连接为一体，基本还原了其形态特征，予以保留。(3)对于孤立的颗粒干扰，予以屏蔽。(4)对于由散布点组成的标记特征，看作被收缩到了一起，只要其等效投影长度小于阈值，予以屏蔽。

经过上述形态分析方法，得到异性纤维特征图像I^F，其中包括J个异性纤维特征个体，P[m][i]表征该异性纤维特征个体的边界位置，由于m为标记值，而在标记过程中许多标记值代表的待选杂质特征已经被置零，因此重新整理数组P[m][i]，去除被置零的部分，得到P[j][i](j＝1，2，3，...，J)。为了确定后续喷除步骤的时间参数，需计算该异性纤维特征个体外接矩形的中心位置坐标(x_j，y_j)，具体方法如下：

$\left\{\begin{array}{c}{x}_j=(P\left[j\right]\left[4\right]-P\left[j\right]\left[3\right])/2\\ y_j=(P\left[j\right]\left[2\right]-P\left[j\right]\left[1\right])/2\end{array}\right.---\left(9\right)$

本实施例中，取等效长度阈值T_l30，细度阈值T_n＝5。

(f)异性纤维喷除。

在皮棉运动方向上，相机拍摄位置后段安装有一组空气喷嘴阵列，空气喷嘴在水平方向上一个挨一个密排，保证气流能喷到运动皮棉的所有区域。

根据上述异性纤维个体外接矩形在异性纤维特征图像I^F中的位置坐标x_j，计算出对应的空气喷嘴在喷嘴阵列中的序号z，具体方法如下：

z＝floor(((s-1)*d_s+x_j*d_s/d_x)/d_p)+1     (10)

表示相机的序号，d_s表示视场宽度，d_x表示视场宽度对应的像素数，d_p表示一个空气喷嘴喷除有效区域的宽度，floor()表示向下取整

根据皮棉传输速度v，图像拍摄位置与喷嘴的距离h及异性纤维个体外接矩形在异性纤维特征图像I^F中的位置坐标y_j，计算出开启喷嘴的延时时间t_z，具体方法如下：

t_z＝((d_y-y_j)*d_t/d_y+h)/v-t_k            (11)

式中，d_t表示视场高度，d_y表示视场高度对应的像素数，t_k表示空气喷嘴开启所用的时间。

当延时时间t_z到达，打开z号空气喷嘴对应的电磁阀，喷除对应位置的异性纤维及周围部分皮棉，实现对异性纤维的实时喷除。

本实施例中，d_x＝720，d_y＝576，d_s＝100mm，d_t＝75mm，d_p＝50mm，v＝0.9m/s，h＝1000mm，t_k＝200ms，通过实时计算所得的(x_j，y_j)就可以求得空气喷嘴序号和对应的开启空气喷嘴延时时间，精确的控制空气喷嘴的喷除动作。

本实施例通过对原始图像的边缘特征和颜色特征的融合与分析，有效的提取出了异性纤维特征，同时消除了由边沿和空洞产生的伪特征、棉层中的小颗粒散布干扰和噪声。算法运算速度快，小波变换和二值化过程用时18ms，区域标记和投影算法用时10～40ms(该部分存在往复扫描环节，受图像的复杂程度影响)，所花费的总时间平均为50ms，能满足实时检测的应用要求。实施例中对几种有代表性的异性纤维进行检测(不考虑深埋于棉层中导致图像不能采集到相应特征的情况)，黑头发的平均识别率为95％，鬃毛的平均识别率为97.5％，绿色聚乙烯塑料丝的平均识别率为90％，红色聚丙烯塑料丝的平均识别率为90％，具有较好的实施效果。

Claims (1)

1.一种皮棉中异性纤维实时检测方法，其特征在于，所述方法包括：

(a)皮棉原始图像获取：用安装在皮棉传输管道中彩色CCD相机实时拍摄运动皮棉图像，得到皮棉原始图像I_原；

(b)分块及颜色空间转换：将皮棉原始图像I_原无重叠的均匀分成多个大小一致的子块，即I_原＝I_i，i＝1，2，3，...L，L为子块总数；将所述各子块进行RGB到YCbCr的颜色空间转换，即将原空间的红R、绿G、蓝B三色分量转换成新空间的亮度Y、蓝色对应色度Cb、红色对应色度Cr三分量，同时计算得到新空间与该绿G分量对应的色度Cg分量；

(c)基于皮棉亮度图像的边缘特征提取：对所述各子块I_i的亮度Y_i进行二维小波变换，得到各子块低频形貌分量A_i和水平高频细节分量V_i、垂直高频细节分量H_i、对角高频细节分量D_i，对所述三个高频细节分量分别进行二值化处理，并将三个二值化处理结果进行“或”运算，得到边缘特征图像；运用基于分块填充的伪特征判别方法识别出边缘特征图像中由边沿和空洞产生的伪特征，并把伪特征对应的像素点亮度置零，得到最终的边缘特征图像I^T _i；

(d)基于CrCgCb颜色空间的特征提取：对所述各子块I_i的色度分量Cr_i，Cg_i，Cb_i两两计算其对应像素点位置的差值，并计算该差值的绝对值得到绝对值分量：D^rb _i，D^rg _i，D^bg _i，各绝对值分量上标表示两两求差值对应的色度分量；分别计算各绝对值分量的均值，并以该均值为阈值对所述各子块I_i进行二值化处理，最终得到各子块的颜色特征图像I^C _i；

(e)形态分析：对所述各子块I_i的边缘特征图像I^T _i和颜色特征图像I^C _i进行“或”运算，得到融合特征图像，拼接各子块的融合特征图像得到完整的特征图像I^M；对该特征图像I^M进行基于交叠分块的连通域标记方法标记出图像中的各待选杂质特征，对各待选杂质特征进行基于投影方法的形态分析，消除小颗粒杂质干扰，同时计算待选杂质特征的面积周长比δ，以该面积周长比δ作为参数进行特征判别，得到最终的异性纤维特征图像I^F；计算异性纤维特征图像I^F中各异性纤维特征个体外接矩形的中心位置坐标(x_j，y_j)，j为异性纤维特征图像I^F中各异性纤维特征个体的序号；

(f)异性纤维喷除：根据所述异性纤维个体外接矩形在异性纤维特征图像I^F中的位置坐标x_j，计算出分拣设备中对应的空气喷嘴在喷嘴阵列中的序号z；根据皮棉传输速度v，图像拍摄位置与喷嘴的距离h及异性纤维个体外接矩形在异性纤维特征图像I^F中的位置坐标y_j，计算出开启喷嘴的延时时间t_z；当延时时间t_z到达，打开z号空气喷嘴对应的电磁阀，喷除对应位置的异性纤维及周围部分皮棉，实现对异性纤维的实时喷除；

所述的步骤(c)中基于分块填充的伪特征判别方法，具体包括以下步骤：

(c1)对所述各子块I_i再进行细分为多个大小一致的小分块B_j，j＝1，2，3，...H，H为小分块总数；

(c2)判断各小分块B_j中各像素点的亮度，若该小分块中像素点的亮度大于给定阈值T_G，同时该像素点的三个高频小波细节分量小于对应的给定阈值T_W(k)，k＝1，2，3，则标记该像素点为待选伪特征点；

(c3)当小分块B_j中标记的待选伪特征点覆盖面积大于给定阈值T_A，则标记该小分块B_j为空洞或边沿块，将该空洞或边沿块及其8邻接的小分块中所有像素点的亮度置零；

所述的步骤(e)中基于交叠分块的连通域标记方法，具体包括以下步骤：

(e1)对特征图像I^M进行交叠分块；

(e2)对各分块C_i中的像素点逐行扫描，以“区域生长法”标记连通域；

(e3)当一个连通域标记完成，则以该标记连通域的外接矩形作为核心区域，并同时以该核心区域为中心，向上、下、左、右四个方向扩展设定的距离d，d＝e，其中，e为分块交叠宽度；得到一个不包括中心核心区域在内的扩展区域，在该扩展区域中重复所述“区域生长法”标记连通域，若扫描到一个已经标记的连通域，则把核心区域的标记值更新为该已经标记连通域的标记值，跳出(e3)步骤；若有一个未标记的连通域，则对该连通域进行标记，扩展区域的标记值取核心区域相同的标记值，跳出(e3)步骤；

(d4)重复步骤(e2)～(e3)扫描未标记连通域，直到整个分块C_i被标记，然后进行下一个分块的连通域标记过程，在对所述交叠区域标记时，相邻分块的交叠区域内取相同的标记值；

所述的步骤(e)中基于投影方法的形态分析的具体方法是：对标记为同一特征的待选杂质特征做X轴和Y轴的投影，计算投影轴上投影值非零位置的个数l_x，l_y，以l_x，l_y作为投影方向上待选杂质特征的等效长度，若待选杂质特征在两个投影方向上的长度都小于设定阈值T_i，则判定为小颗粒杂质干扰，把该待选杂质特征对应的像素点置零。

Images