劉冀龍，尹崗
( 內蒙古工業大學 電力學院，內蒙古 呼和浩特 010051）
摘要：為了實現測量過程的自動化，提出了應用圖像處理技術的條狀物均勻度在線檢測系統的設計方法。以交叉編譯開發環境Qt Creator為核心，結合開源圖像處理庫OpenCV，實現了不規則條狀物外尺寸的非接觸式在線測量和實時顯示。采用顯微放大鏡頭，搭建了專用的光學系統；圖像預處理采用最大類間方差法(Otsu)，消除了不同光照強度對檢測結果的影響；為了充分體現人機交互性而編寫了友善的上位顯示界面，采用MATLAB對采集到的數據進行曲線擬合，驗證了分段直線擬合的可行性。實驗結果表明，該裝置結構簡單，測量結果準確，使紡織品條干均勻度在線實時檢測成為可能。
關鍵詞：數字圖像處理；均勻度檢測；最大類間方差法；分段直線擬合
0引言
條狀物直徑檢測是長度測量中的一個重要研究方向，在測量技術中占有極其重要的位置，但儀器測量的穩定性及抗干擾性尚存在問題，在一定程度上制約了測量精度的進一步提高［1］。對條狀物直徑的精密測量有助于對該產品質量的精確控制，另外對物體直徑進行的在線測量可大大提高檢測效率，避免材料浪費。
紡織品紗線條干作為條狀物的重要組成部分，廣泛應用在國民生產的各個領域，因此針對紡織品紗線生產過程進行實時在線檢測具有重要的意義。
紗線條干均勻度是指沿紗線長度方向的粗細均勻程度，是衡量紗線質量和性能的重要指標［23］。它是紡紗過程中各道工序的機械、工藝以及紡紗原料狀態的綜合反映［4］，從本質上看，表示的是紗線線密度的離散程度。近年來，隨著圖像處理技術和模式識別理論的發展和不斷成熟，有關紗線圖像預處理、圖像特征參數識別和特征值統計方面研究的課題均獲得了重大的發展［5］，但關于基于圖像處理方法計算紗線CV值、統計紗線細節的研究甚少。
本文提出基于圖像處理方法，初步檢測不規則條干的均勻度。首先運用顯微攝像頭對線狀條干進行圖像采集，對采集到的圖像進行圖像增強、閾值分割、邊緣提取等運算，得到條干清晰、無噪聲的線狀圖像，提取邊緣坐標。然后采用分段直線擬合計算條干的直徑和條干不勻率，并將檢測結果與采用MATLAB進行曲線擬合得到的結果進行對比，驗證分段直線擬合的可行性，為圖像處理方法分析紗線條干不勻提供理論依據。最后將核心算法封裝在可操作的人機界面內，使檢測過程更簡便高效。本文提出的快速在線檢測紗線條干均勻度的設計方案是一項非常有應用價值的研究。
1條狀條干圖像采集
1.1采集裝置與材料
實驗儀器： 500萬像素免驅動工業相機，支持MJPEG與YUV2格式的圖像數據，具有USB2.0高速接口，非常方便。
實驗材料：取自呼和浩特市某紡織廠的多種不同顏色毛條樣本。
1.2光學成像裝置
在機器視覺系統中首先要確定光源打光的方式以減小測量誤差，有3種在視覺檢測系統中常用的打光方式［6］，分別為高角度照明、低角度照明和背光照明。為了能夠充分發揮檢測裝置靈活便攜的特點，本文采用無補光檢測方式，針對不同亮度的圖像進行軟件處理，采用Otsu自適應閾值分割法提取條干的邊緣。
在圖像采集端，很多檢測系統使用早期紗線均勻度檢測的方法——黑板條干檢測法［7］。使紗線目標顯示明顯，同時也保證了圖像背景的單一化，使處理過程不必考慮圖像背景的變化，提高了處理速度。本文采用的也是背景不變法，讓條狀毛條處于背景上方位置，使用攝像頭對其直接拍攝。
2條狀條干圖像的處理
圖像處理算法采用開源視覺庫OpenCV作為核心，OpenCV是一個基于BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。
整個程序的流程如圖1所示。
2.1感興趣區域提取
在圖像處理領域，常常需要設置感興趣區域(Region of Interest，ROI)來簡化其工作過程。也就是從圖像中選擇一個圖像區域，這個區域是圖像分析所關注的重點。圈定這個區域，以便進一步處理。而且使用ROI指定想讀入的目標，可以減少處理時間，增加精度，給圖像處理帶來不小的便利［8］。本文采用Rect()函數在原圖像上選取320×281大小的ROI區域，極大地降低了運算量，提高了運算速度。
2.2濾波預處理
由于本文采用的是無光照補償法，因此某些對比度過低的圖像可能無法進行閾值分割，在圖像濾波之前首先要對ROI區域圖進行對比度與亮度增強。如果圖中像素值低于某個閾值就要進行對比度與亮度增強，高于某個閾值則不需增強，只需遍歷每個像素進行對比度與亮度加權就能實現圖像增強。公式如下：
其中設定亮度值g_nContrastValue=100，對比度值g_nBrightValue=120。這樣就對圖像進行了增強，增強效果如圖2所示。
亮度與對比度較為合適的圖像可直接進行濾波處理。圖像濾波是圖像預處理中不可缺少的操作，其處理效果的好壞將直接影響到后續圖像處理和分析的有效性和可靠性［9］。
本文采用非線性濾波方法，即中值濾波結合雙邊濾波的方法。中值濾波在去除脈沖噪聲、椒鹽噪聲的同時又能保留圖像低頻段細節，通過中值濾波可以去除條干邊緣的高頻噪聲，讓邊緣變得平滑，去除毛羽［10］。雙邊濾波則可以做邊緣保存(edge preserving) ［11］，這樣就保證了邊緣附近像素值的保存。處理效果如圖3所示。
2.3自適應閾值分割提取像素坐標
由于沒有采用外部光照而是采用軟件方式進行對比度亮度增強，不可避免地會造成對比度不同的情況，尤其是紡紗廠中光照條件的變化非常頻繁，必須找到一種能夠自適應閾值分割的二值化方法，經過測試，Otsu閾值分割法是最佳的選擇［12］。
Otsu法（最大類間方差法）使用的是聚類的思想，其主要計算公式如下：
式(2)中μ為圖像總平均灰度值，閾值k將所有的像素值分為目標C0和背景C1類，ω0為C0類像素所占的總面積比例，ω1為C1類像素所占的總面積比例，μ0與μ1為C0類像素和C1類像素的平均灰度值。令k從0開始增大，計算在不同k下的類間方差δ2(k)，當類間方差最大時求得的k就是最優閾值。
當得到最優閾值分割圖之后，就可以提取左右兩個邊緣的特征點坐標。本系統將特征點提取問題轉化為邊緣檢測問題。采用Canny算子進行檢測［13］，圖4是4種不同顏色毛條的Canny算子邊緣圖。
如圖4所示，對二值圖直接進行Canny邊緣檢測能夠很好地提取到條干的邊緣坐標，證明本方法可行有效。
3條狀條干圖像采集的直徑計算
3.1條干不均勻度標準制定
直徑是反應線狀物、條狀物均勻度的最直觀數據。常被用作判定紗線條干不均勻率的指標有：變異系數CV值、平均差系數、極差系數和偏移率。其中CV值是衡量條干不均勻率的最重要指標，其計算公式如下：
X表示紗線平均直徑，n表示樣本容量，Xi是紗線片段的實驗直徑值。
CV值不僅反映了測試片段之間的不勻,同時也反映了片段內的不勻［14］，因此反應的不均勻度更具代表性。而其計算的基本數據來源就是直徑。所以本文主要以直徑作為檢測指標來判定條狀物的條干均勻度。
3.2分段直線擬合可行性驗證
本文采用分段直線擬合法對條干左右邊緣進行擬合，為了得到兩條完整的邊緣，必須對兩條邊緣進行數據擬合。傳統的擬合方法有直線擬合與曲線擬合，高階曲線擬合耗費的時間過長，本系統是在線檢測系統，必須保證檢測結果的實時性，因此必須采用簡單有效的擬合方法。采用分段直線擬合替代高階曲線擬合，處理數據較少，運算速度快，更適合工程應用。為了驗證分段直線擬合在本系統中的準確性，將提取到的Canny邊緣坐標輸入到MATLAB中進行高階擬合，效果如圖5所示。
圖5是某條干的上半部分左邊緣擬合局部圖，曲線1是輸入的93個像素原始坐標，曲線2是一階擬合曲線即直線，曲線3是五階擬合曲線，從圖中可得一階曲線與五階曲線的擬合效果很接近，因此可以采用分段直線擬合法擬合。右邊緣的擬合效果與左邊緣類似，證明分段直線擬合法在本系統中是完全可行的。
3.3條干像素直徑計算
在驗證分段直線擬合的可行性之后就可以計算每個邊緣像素點的x坐標值，表1是選取4組光照條件不同的羊絨條干經過計算之后的直徑統計表。
如表1所示， AVG_X1、AVG_X2與AVG_X3分別為第一段、第二段與第三段直線擬合之后的像素直徑，AVG_X是三段擬合結果的平均值（單位為像素），同時也是評價整個ROI區域均勻度的標準。從表1中可看出對光照條件較差的圖像進行亮度增強會使檢測結果略微偏大，但偏差不超過1.5個像素；而對光照條件較好的圖像卻沒有影響，進而證明在圖像采集階段不進行光照補償，采用軟件針對亮度不足的圖像進行亮度增強是可行的，相對誤差在3%以下。
3.4直徑真實值計算與上位顯示
計算出像素直徑后，就可以根據直徑已知的羊絨條干進行標定，像素直徑與真實直徑換算關系如下：
在式(4)中，假定已知條干直徑是L，經測量得知占有的像素數是a，所求直線寬度像素數為a0，代入式(4)中即可得到條干直徑L0。
為了實現智能化檢測與良好的人機交互體驗，本系統采用Qt Creator交叉編譯開發環境設計了上位顯示界面，將核心算法封裝在上位界面內，使得所有操作都在上位界面上進行，方便快捷。上位界面如圖6所示。
點擊圖6中Open Image按鈕就能載入拍攝的原始圖像，界面有邊緣效果與擬合效果兩種顯示效果，圖6顯示的是另外一種綠色毛條的Canny邊緣檢測圖，直徑在2 mm左右的條干處理時間僅需6 ms，直徑像素值與直徑真實值都能顯示在上位界面中。
4結論
本文將數字圖像處理與分析技術應用于條狀條干均勻度檢測，以羊絨條干為檢測對象，結合OpenCV開源視覺開發平臺與QT Creator集成開發環境組成整個系統。設計了圖像采集裝置、圖像處理終端和圖像顯示裝置與人機界面。在圖像采集裝置中不使用光照補償，使用軟件亮度增強法和Otsu自適應閾值分割實現了自動檢測，簡化了整體設計，降低了成本。數據處理部分采用分段直線擬合法提高了處理速度，并通過MATLAB仿真證明了方法的可行性，設計的人機界面良好可靠，易于操作。最后經過實際檢測證明了整體系統簡單可靠，為下一步進行紡織品條狀物實時在線監測奠定了基礎。
參考文獻
［1］ 崔建文. 激光衍射法細圓柱體直徑測量技術研究［D］. 哈爾濱：哈爾濱工業大學，2007.
［2］ 姚穆，周錦芳，黃淑珍，等. 紡織材料學［M］. 北京：中國紡織出版社，2005.［3］ 陳勇，溫演慶，朱譜新.計算機圖像處理技術應用于紡織檢測［J］.紡織科技進展，2006(6)：7-10.
［4］ 郁崇文. 紡紗工藝設計與質量控制［M］.北京：中國紡織出版社，2005.
［5］ 陶晨. 基于數字圖像處理技術的紗線混紡比測定［D］.蘇州：蘇州大學，2008.
［6］ 涂文驍.基于機器視覺的生絲均勻度動態檢測系統［D］.蘇州：蘇州大學，2014.
［7］ 周絢麗，成玲. 棉紗線黑板標準樣照圖像處理方法研究［J］.紡織科技進展，2007(3)：20-22.
［8］ 趙世喆. 基于序列圖像的運動目標檢測和跟蹤算法研究［D］.北京：北方工業大學，2006.
［9］ LEE H， KIM C. Blurred image region detection and segmentation［C］. IEEE International Conference on Image Processing (ICIP)，2014：4427 4431.
［10］ DIAZSANCHEZ A， RAMIREZANGULO J. A fully parallel CMOS analog median filter［C］. Circuits and Systems,2000. The 2000 IEEE International Symposium on Geneva，2000(2)：593 596.
［11］ SU Z， LUO X，DENG Z, et al. Edgepreserving texture suppression filter based on joint filtering schemes ［J］. IEEE Transactions on Multimedia，2013,15(3)： 535 548.
［12］ OZKAYA Y A， ACAR M， JACKSON M R. Digital image processing and illumination techniques for yarn characterization［J］. Journal of Electronic Imaging， 2005，14(2)：1-13.
［13］ WANG B， FAN S. An improved CANNY edge detection algorithm［C］. Computer Science and Engineering，Qingdao，2009：497 500.
［14］ CARVALHO V H， CARDOSO P J， BELSLEY M S，et al. Yarn diameter measurements using coherent optical signal processing［J］. IEEE Sensors Journal，2008，8(11)：1785 1793.