棉花异性纤维定位新方法

高改梨，刘朋川

(中国农业大学工学院，北京 100083)

棉花异性纤维是指棉花在采摘、晾晒、存储、收购、运输等环节混入的非棉纤维(俗称“三丝”)，主要包括塑料编织袋、地膜、塑料绳、麻绳、布条、羽毛和动物毛发等.这些异性纤维在棉纺过程中很难去除，严重影响棉纺成品的质量.目前清除棉花异性纤维多采用机器视觉剔除系统［1-5］，主要工作集中在采集图像时光源选择，采集图像后不同种类棉花异性纤维的分割和识别算法研究.文献［6］对棉花和异性纤维进行了光谱分析;文献［7-8］用线激光照射获取异性纤维图像，再进行图像分割;文献［9］用高光谱成像系统结合光谱和图像2种信息来识别白色和浅色异性纤维;文献［10］在分割异性纤维时通过缩减otsu算法最佳阈值搜索范围，从而加快阈值的搜索速度;文献［11］采用改进数学形态学方法和迭代法得到合适分割阈值，完成高分辨率棉花异性纤维彩色图像的分割;文献［12］提出基于RGB颜色空间离线统计学习分割异性纤维;文献［13］基于异性纤维的形状特征来分割异性纤维;文献［14］利用Gabor算子提取方向特征，结合形态学特征分割白色异性纤维.

这些研究在采集异性纤维图像时光源的选用和分割识别异性纤维的算法都取得了一定成就.但存在以下问题:一是大部分含有异性纤维的图像是在实验环境下采集的，其中部分图像是在皮棉开松后采用机械方式输送人为加入异性纤维后获取的，这与在生产线上采集的图像存在较大差异;二是在生产线上皮棉采用气力输送，在输棉管道内棉流的平均输送速度为7～12 m·s-1［15］，而目前异性纤维识别算法编程复杂、运算速度低、无法满足在线剔除异性纤维的要求.针对这些技术问题，文中在生产线上采集真实的棉花异性纤维图像，运用灰度值标准差分割图像和定位异性纤维.

1 异性纤维图像分割

在气力输送棉花时CCD摄像机在输棉管道内采集的图像主要由皮棉、异性纤维和输棉管道壁组成.另外，由于玻璃管道壁等因素的干扰在图像中还分布着大量的条状纹理噪声如图1所示.

图1 棉花异性纤维图像

从图1可以看到，异性纤维在整幅图像中仅占很小比例，而皮棉和输棉管道壁组成的背景却占大部分.本研究的算法是为在生产线上在线剔除异性纤维，识别速度是关键技术，因此研究的算法应尽量避免运算皮棉和输棉管道壁这些背景引发的图像数据.其具体步骤:首先进行图像增强，利用幂律灰度变换提高异性纤维与背景的对比度;接着利用图像列像素灰度值的标准差对异性纤维进行宽度方向的定位和图像分割;然后用分割后的图像行像素灰度值的标准差对异性纤维进行高度方向的定位和图像分割;最后根据在宽度和高度2个方向的定位信息，得到异性纤维在输棉管道内的实际位置，算法的流程如图2所示.

图2 定位异性纤维的算法流程

1.1 图像的颜色分量选择

在图像处理算法研究中常用的颜色空间有RGB，HSV和HIS等.文献［16-17］中异性纤维和背景的饱和度信息区别明显，可以基于HSV颜色空间利用S分量(饱和度)完成异性纤维的分割.而在文中采集的图像中其色调及其饱和度信息较少不能分辨出异性纤维，因此不能采用HSV及HSI颜色空间及其分量.文中图像的采集和存储均采用RGB颜色空间，经过对比棉花异性纤维彩色图像的R，G和B3个分量，选择对比度较大的G分量.

1.2 G分量的灰度增强

灰度图像增强可以提高异性纤维与背景之间的对比度，凸显异性纤维且降低皮棉和输棉管道壁这2种背景之间的对比度.在从生产线上采集的800幅图像中选择出含有塑料绳、地膜、羽毛、麻绳和有色线等典型异性纤维的100幅图像，对图像进行裁剪后统计其直方图，得到异性纤维及其背景的G分量灰度值:塑料绳，80～127;地膜，61～105;羽毛，50～103;麻绳，67～114;有色线，57～114;皮棉，90～210;输棉管道壁，100～180.

异性纤维的灰度值范围是50～127，皮棉的灰度值范围是90～210，输棉管道壁的灰度值范围是100～180.这些图像的特征是异性纤维的灰度值偏低，皮棉和输棉管道壁2种背景的灰度值偏高，且异性纤维和背景灰度值有重叠区域.文中使用适当的幂律变换函数，降低异性纤维灰度值，提高皮棉和输棉管道壁这2种背景的灰度值.为了使灰度变换函数从原点开始取值，选用的幂律变换函数为

式中:s为某一像素点灰度变换后的灰度值;c为变换系数，用以控制变换函数的斜率;r为某一像素点灰度变换前的灰度值;m为整幅图像中灰度变换前灰度值的最小值;γ为幂指数.

为提高异性纤维与背景之间的对比度，达到凸显异性纤维的目的.对灰度图像进行2次幂律变换，变换函数分别为

1.3 列像素灰度值标准差的图像分割

用高速CCD彩色摄像机采集到的高分辨率棉花异性纤维图像有利于目标的精确分割，但是也产生了由背景引发的大量冗余图像数据.在统计这些含有异性纤维的图像时，发现异性纤维在整幅图像中所占的像素比例仅为0.09% ～2.00%，而皮棉和输棉管道壁两种背景的像素比例约为98.00%以上.文中提出使用标准差变换的方法去除由背景引发的冗余图像数据，在G分量灰度增强后，大部分背景数据只需运算列像素灰度值标准差就被去除.其分割原理为若将图像中每个像素点的灰度值s看成随机变量，计算在图像高度方向每一列像素灰度值的标准差σ，该标准差σ反映了该列灰度值与其数学期望值μ的偏离程度，同时也反映图像中灰度梯度变化的大小.其计算公式为

式中:σ为某一列像素的标准差;N为某一列像素的个数，在文中的每幅图像中N=60;si为某一列像素第i行的像素点的灰度值;μ为某一列像素灰度值的数学期望值

在计算列像素灰度值的标准差时，设定标准差的阈值为σ1，取出标准差σ大于σ1的所有列像素，这些列就是异性纤维所在的列，由此便可确定异性纤维在图像宽度方向的位置.另外，图像中的大量条状纹理噪声由于其所在列的标准差较小，经过这种处理后这些条状纹理噪声消失，因此不再需要对图像进行滤波处理.

1.4 行像素灰度值标准差的图像分割

图像经过列像素的标准差分割后，异性纤维在图像的宽度方向已经定位.取分割后的图像为研究对象，计算图像行像素灰度值的标准差，其计算公式仍为式(4)，在此需将σ，N，si和μ设置为相应的行像素参数.在计算行像素灰度值的标准差时，设定标准差的阈值为σ2，取出标准差σ大于σ2的所有行像素，这些行就是异性纤维所在的行.由此便可确定异性纤维在图像高度方向的位置.综上所述，异性纤维被限定在由阈值σ1和σ2决定的矩形框内，该矩形框的形心就是异性纤维的位置.若选取合适的阈值σ1和σ2，异性纤维在图像中便可精确定位.再根据设定的CCD摄像机扫描频率、视场宽度和气力输送速度，则异性纤维在输棉管道内的实际位置便可确定.

2 实例分析

从生产线上采集的800幅图像中选取了含有塑料绳、地膜、羽毛、麻绳和有色线5类典型异性纤维的8幅大小为4 096像素×60像素的图像进行算法分析.

由于在图像采集区光源设置不太合理，致使输棉管道内的照明不均匀，造成图像的两端较暗，因此在分析实例时应对图像进行裁剪，图像两端各裁剪500像素，则裁剪后的图像大小为3 096像素×60像素，如图3所示矩形框内的区域.

图3 含有典型异性纤维的图像

以裁剪后矩形框内的图像为研究对象，首先提取RGB图像中的G分量，接着运用式(2)，(3)进行幂律变换，然后运用式(4)计算图像中每一列像素灰度值的标准差σ，标准差的阈值设为σ1=0.01，取出标准差σ＞σ1的所有列像素，则分割出的异性纤维如图4所示，含有异性纤维的列像素区域如表1.

图4 列像素灰度值标准差分割后的图像

表1 1次分割异性纤维的像素区域

由表1可知，经过列像素标准差分割后图像像素总数仅占分割前图像像素总数的0.09%～1.68%，已去除背景像素数据98.32% ～99.91%.取分割后的图像(图4)为研究对象，再运用式(4)计算图像中每一行像素灰度值的标准差σ，标准差的阈值设为σ2=0.003，取出标准差σ＞σ2的所有行像素，则分割出的异性纤维如图5所示，在每幅图像中，含有异性纤维的行像素区域如表2所示.经过上述2次运用标准差分割后，异性纤维被限定在由阈值σ1和σ2决定的矩形框内(表2)，则该矩形框的形心就是异性纤维在整幅图像中的位置，其形心的像素位置如表2所示.

图5 行像素灰度值标准差分割后的图像

表2 2次分割后异性纤维的像素区域 pix

在PC机上运用Matlab软件采用该算法运行上述8幅图像，从读入图像开始计时到得出异性纤维所在像素位置结束，共耗时0.36 s，平均每幅图像运行0.045 s;在运行在线获取的800幅图像时算法共耗时32 s，平均每幅图像运行0.04 s.若直接采用FPGA硬件系统运行该算法速度会更快，有望实现在线剔除异性纤维.

3 结论

1)提出了运用标准差定位棉花异性纤维的新方法.该方法通过列、行像素灰度值的标准差分割后，图像中的异性纤维被定位在由方差阈值决定的矩形框内，该矩形的形心就是异性纤维所在的精确位置.再根据设定的CCD摄像机扫描频率、视场宽度和气力输送速度，则异性纤维在输棉管道内的实际位置便可精确定位.

2)由测试含有塑料绳、地膜、麻绳、有色线和羽毛5类异性纤维的图像可知，经过1次列标准差分割后占图像98.32%～99.91%的背景数据已被去除，在经过2次行标准差分割时仅需运行占图像0.09% ～1.68%的像素数据.另外，该方法经过一次列标准差分割后巧妙地去除条状纹理噪声，不再需要对图像进行滤波处理.

3)该算法的编程简洁，运行速度快.在PC机上运用Matlab软件处理一幅3 096像素×60像素的图像，平均运行约0.04 s.

References)

［1］张 慧，王泽伟，柏延平.棉花异纤清除机的技术现状和发展趋势［J］.纺织导报，2012(5):59-62.

Zhang hui，Wang Zewei，Bai Yanping.Technical development of cotton sorter ［J］.China Textile Leader，2012(5):59-62.(in Chinese)

［2］Zhang Xin，Li Daoliang，Yang Wenzhu，et al.A fast segmentation method for high-resolution color images of foreign fibers in cotton［J］.Computers and Electronics in Agriculture，2011，78(1):71-79.

［3］Yang Wenzhu，Li Daoliang，Wang Sile，et al.Saliencybased color image segmentation in foreign fiber detection［J］.Mathematical and Computer Modelling，2013，58(3/4):852-858.

［4］Zhang Qing，Yang Jiancheng，Teng Teng，et al.Design of raw cotton foreign fibers detecting and clearing on line system［C］∥ICCSE2012-Proceedings of2012 7th International Conference on Computer Science and Education.United States:IEEE Computer Society，2012:1223-1225.

［5］Xu Wenbo，Chen Zhiguo，Leng Wenhao，et al.A new high-speed foreign fiber detection system with machine vision ［J］.Mathematical Problems in Engineering，doi.org/10.1155/2010/398364.

［6］杨文柱，李道亮，魏新华，等.基于光谱分析的棉花异性纤维最佳波段选择方法［J］.农业工程学报，2009，25(10):186-192.

Yang Wenzhu，Li Daoliang，Wei Xinhua，et al.Selection of optimal band for detecting foreign fibers in lint cotton using spectroscopic analysis［J］.Transactions of the Chinese Society of Agricultural Engineering，2009，25(10):186-192.(in Chinese)

［7］刘 锋，苏真伟，乔 丽.基于线激光截面成像的棉花白色异性纤维检测方法［J］.农业机械学报，2013，44(3):215-218，256.

Liu Feng，Su Zhenwei，Qiao Li.Linear laser detecting method of white foreign fibers in cotton based on sample cross-section imaging［J］.Transactions of the Chinese Society for Agricultural Machinery，2013，44(3):215-218，256.(in Chinese)

［8］华才键，苏真伟，乔 丽，等.基于线激光的棉花中白色异性纤维检测［J］.农业机械学报，2012，43(2):181-185.

Hua Caijian，Su Zhenwei，Qiao Li，et al.White foreign fibers detection in cotton using line laser［J］.Transactions of the Chinese Society for Agricultural Machinery，2012，43(2):181-185.(in Chinese)

［9］郭俊先，应义斌，成 芳，等.皮棉表面多类异性纤维的高光谱图像检测［J］.农业工程学报，2010，26(10):355-360.

Guo Junxian，Ying Yibin，Cheng Fang，et al.Detection of foreign materials on the surface of ginned cotton by hyper-spectral imaging［J］.Transactions of the Chinese Society of Agricultural Engineering，2010，26(10):355-360.(in Chinese)

［10］杨文柱，李道亮，魏新华，等.棉花异性纤维图像分割方法［J］.农业机械学报，2009，40(3):156-160.

Yang Wenzhu，Li Daoliang，Wei Xinhua，et al.Toward image segmentation of foreign fibers in lint［J］.Transactions of the Chinese Society for Agricultural Machinery，2009，40(3):156-160.(in Chinese)

［11］张 馨，李道亮，杨文柱，等.高分辨率棉花异性纤维彩色图像的快速分割方法［J］.农业机械学报，2011，42(1):159-164，192.

Zhang Xin，Li Daoliang，Yang Wenzhu，et al.Fast segmentation of high-resolution color images of cotton foreign fibers ［J］.Transactions of the Chinese Society for Agricultural Machinery，2011，42(1):159-164，192.(in Chinese)

［12］陈亚军，张二虎，牟永强.基于空间模型及连通域分析的异纤维在线检测［J］.计算机工程与应用，2013，49(19):162-166.

Chen Yajun，Zhang Erhu，Mou Yongqiang.Online detecting method for foreign fibers based on color space model and connected area analysis algorithm［J］.Computer Engineering and Applications，2013，49(19):162-166.(in Chinese)

［13］李国辉，苏真伟，夏心怡.基于不规则成像机器视觉的棉花白色异纤检测算法［J］.农业机械学报，2010，41(5):164-167.

Li Guohui，Su Zhenwei，Xia Xinyi.Algorithm for inspection of white foreign fibers in cotton by machine vision with irregular imaging function.［J］.Transactions of the Chinese Society for Agricultural Machinery，2010，41(5):164-167.(in Chinese)

［14］夏心怡，苏真伟，李国辉.基于形状特征的棉花异性纤维图像分割方法［J］.农机化研究，2010，32(7):13-16.

Xia Xinyi，Su Zhenwei，Li Guohui.Segmentation of foreign fibres based on the geometric features［J］.Journal of Agricultural Mechanization Research，2010，32(7):13-16.(in Chinese)

［15］Wang Guanjun，Gao Gaili，Li Daoliang，et al.Rational position of apparatus for removing cotton foreign fiber in dynamic equilibrium［C］∥Advanced Research on Applied Mechanics and Manufacturing System.Germany:Trans Tech Publications，2013:44-50.

［16］Wang Jinxing，Wang Qinxiang，Wang Rui，et al.A fast processing approach of cotton foreign fiber images［J］.Sensor Letters，2013，11(6/7):1094-1099.

［17］张 辰，杨文柱，刘召海.基于HSV综合显著性的彩色图像分割方法［J］.计算机工程与设计，2013，34(11):3944-3947.

Zhang Chen，Yang Wenzhu，Liu Zhaohai.Color image segmentation based on compositive HSV saliency［J］.Computer Engineering and Design，2013，34(11):3944-3947.(in Chinese)