基于贝叶斯阈值的纱线毛羽检测方法研究

马 珂 严 凯 张缓缓 景军锋 李鹏飞

（西安工程大学，陕西西安，710048）

毛羽是影响纱线质量的重要指标之一［1］，其长度、根数、面积指数等指标直接影响后续终端产品的质量及生产效率［2］。毛羽过多过长会影响纱线上浆效果；毛羽分布不均匀会造成织物产生横档，也会导致染色不均匀，形成色差，进而影响后期织物质量。目前针对纱线毛羽指标的检测方法主要包括光电法、静电法和图像法。光电法可以测量毛羽根数或毛羽H值，但是不能直观反映纱线毛羽分布情况，重复性较差，且检测结果不能重现［3-4］；静电法是毛羽在静电作用下伸展，用投影计数法达到计算长度的目的，可以解决毛羽弯曲问题，但破坏了毛羽最初的形态［5］；图像法是在采集到纱线图像的条件下，利用图像处理技术提取出清晰的毛羽图像并进行毛羽统计，能更全面准确地检测毛羽，反映毛羽分布情况，且可重现［6-7］。

近年来，随着图像处理技术及机器视觉技术的快速发展，基于图像法的毛羽检测研究越来越受到国内外学者的广泛关注。LI P F等［8］和苏泽斌等［9］提出了一种基于MRMRF算法对纱线毛羽自动检测方法，该方法以纱线条干为基准线检测纱线毛羽的长度，但对于弯曲的毛羽无法计算实际长度。孙银银等［10］提出了一种基于MOTIC视频显微镜捕获纱线静态图像的方法，以纱线上下条干为基准线，得到每根毛羽长度，但是该方法在毛羽卷曲及中断条件下，计算结果存在很大误差。王文帝等［11］提出自适应灰度增强算法，该方法可以获取毛羽与背景对比度比较高的图像，但毛羽长度在1 mm范围内，该算法在检测圈毛羽和粗节时，会导致检测结果误差偏大。WANG R W等［12］用多聚焦图像融合成像算法，得到的纱线毛羽图像具有清晰的纤维边缘，但是该方法需要在显微镜下进行观察获得一部分聚焦的纱线毛羽图像，费时费力。RAMESH C N等［13］利用静电解决毛羽弯曲问题的检测，该方法首先将纱线放置在静电场中，利用静电使毛羽伸直，然后用相机采集图像并将图像进行处理，但在静电场中仍有部分毛羽存在弯曲，检测结果有误差。

为了解决以上问题，本研究提出一种基于贝叶斯阈值的纱线毛羽检测方法。该方法首先利用自适应阈值对纱线图像进行增强；其次利用保边递归滤波及贝叶斯阈值去除条干，获得纱线毛羽；然后利用细化算法对获得的毛羽进行细化；最后利用像素法［14］对细化后的毛羽图像进行统计分析，计算毛羽长度、毛羽根数、毛羽面积指数及毛羽长度指数等指标。

1 纱线毛羽检测方法

在采集纱线图像过程中，由于空间及人为等各种不确定因素，导致采集的图像中存在大量噪声，进而影响毛羽指标检测，因此首先需要对图像进行预处理。

1.1 纱线图像预处理

本研究采用自适应阈值对纱线图像进行图像增强［15］。图像增强是为了提高图像中毛羽和背景对比度，强调毛羽信息，同时抑制背景噪声，进而改善图像质量。图像增强原理见式（1）。

式中：c(x，y)为图像增强后的结果；f(x，y)为输入图像的坐标(x，y)对应的灰度值；fmax(x，y)，fmin(x，y)分别为图像上的灰度最大值和最小值；δ是为了防止式（1）中分母为零而引入的一个极小正数。

采集的纱线毛羽图像如图1（a）所示，基于自适应阈值的图像增强后效果如图1（b）所示。可以看出，经过图像增强后的纱线毛羽特征更加显著，但背景噪声也被进一步增强，为此采用递归滤波方法减少图像增强后的背景噪声［16-17］。

图1 原始图像与增强图像

对于每个输入信号I[m]，边缘保护的滤波结果可以在变换域中用递归滤波器表示，原理见式（2）。

式中：J[m]为m个像素的滤波结果；a是以e为底的对数，取值大小在0～1之间，代表反馈系数；b是变换域中相邻像素点之间的距离。

经过递归滤波后的纱线毛羽图像如图2所示。与图1（b）对比，背景噪声明显减少。

图2 递归滤波结果

1.2 纱线图像阈值分割

经过递归滤波后，需对纱线图像进行阈值分割，不恰当的阈值易导致毛羽出现中断现象，为了最大限度保证毛羽特征完整性，利用贝叶斯阈值方法对纱线毛羽图像进行分割［18-19］。

贝叶斯阈值分割具体操作如下。针对灰度值在［0，255］间的图像，首先计算图像中最大灰度值Zd，最小灰度值Zx，以及两者之间的均值T。其次，将图像中每个像素点的阈值与T比较，若大于T，则将所有阈值数累加赋值给S0，否则累加赋值给S1，并记录每次累加的个数，依次迭代计算。最后，将大于均值T的元素阈值总值与个数的商记作T0，小于的记作T1；若满足迭代公式（3），则迭代结束，否则一直进行迭代；迭代结束后给T加15（经验值）作为阈值等级，对纱线图像进行二值化，经过阈值处理后的结果如图3所示。

图3 图像阈值分割结果

1.3 毛羽特征提取

在研究纱线毛羽指标的过程中，条干会对毛羽处理造成影响，因此需要去除条干。

具体操作：首先生成1×256的全零阵，然后用原图像的每一级灰度像素个数与图像大小的比表示图像归一化频率，记为fi。去除条干的公式见式（4）。

方差处理后的图像像素最大值的点用index表示，原始图像像素用img表示，以index、0为一点，index、img图像灰度像素的最大值为另一点，画出一条直线，将直线中满足img＞index的点输出，则输出膨胀后的条干图像，如图4（a）所示。获取膨胀后的条干图像之后，将贝叶斯阈值处理后的图像与膨胀后的条干图像作差，可得到毛羽图像。去除条干后的毛羽图像如图4（b）所示。

图4 去除条干前后的毛羽图像

1.4 毛羽指标计算

获得毛羽后，需对纱线毛羽进行细化处理。采用Hilditch细化算法对毛羽进行细化［20］，该细化算法在很大程度上保留毛羽的纹路走向，高效去除冗余像素点。经过细化的毛羽骨架为单像素，可直接被用于计算毛羽长度［21］。

1.4.1 毛羽根数及毛羽长度计算

设输入样本xi，毛羽邻域半径为C，毛羽长度为M，输出结果为Y。

具体计算毛羽长度和毛羽根数操作如下。步骤1：输入样本xi。步骤2：设置邻域半径C，检索样本的邻域半径C，判断样本的毛羽长度M。步骤3：同一长度检索结束后，用像素法计算毛羽的真实长度及根数，其中像素法统计的像素点个数乘以实际像素点长度即可得到毛羽真实长度。步骤4：检查样本中未被标记毛羽长度的毛羽，直至检测为边界结束。步骤5：循环步骤1～步骤4，直至样本集被检测完，输出结果Y。计数完成后，获得毛羽根数以及每根毛羽的长度。应用像素计数法对毛羽进行处理，可以避免毛羽弯曲的影响，且同时可以进行毛羽长度、毛羽根数的统计。

鉴于每根纱线长度基本不可能在一张图像完全显示，所以在毛羽根数检测中需要进一步设置，如果通过该根毛羽不能检测到条干边缘，则该根毛羽不计数。在处理数据集时如果连续两张图像的两根毛羽可以拼接为一根长毛羽且其中一根可以检测到条干边缘，则根数计数加1。

毛羽根数及长度只能反映纱线中毛羽的数量和毛羽长度，不能体现毛羽在纱线中的占比，因此需要引入毛羽面积指数和毛羽长度指数指标对纱线毛羽进行评价。

1.4.2 毛羽面积指数和毛羽长度指数计算

毛羽面积指数是指在一段纱线条干上毛羽总面积与该段条干总面积之比。毛羽面积指数HA反映的是纱线图像中毛羽的占比大小，是一个无量纲的毛羽分布参数，具体计算见式（5）。

式中：SA2为纱线条干所占区域的像素数目；SA为纱线毛羽总的像素点数目。

毛羽长度指数是在一定长度纱线条干上的所有毛羽长度总和与该段纱线条干长度之比。与毛羽面积指数相同，毛羽长度指数HL反映的是该段纱线中毛羽的存在量，即可以得出一段纱线中毛羽量的多少。毛羽长度指数计算见式（6）。

式中：L为纱线条干长度；SL为图像中所有毛羽长度累加之和。

2 试验结果与分析

2.1 毛羽长度与毛羽根数

为了验证本研究方法的有效性，选取JC 18 tex（样本1）、JC 14.5 tex（样本2）、JC 12 tex（样本3）、C 28 tex（样本4）、C 18 tex（样本5）、C 14.5 tex（样本6）共6种纱线样本进行测试，纱线图片大小为256像素×256像素。每个像素点代表实际长度0.03 mm，图片纱线总长度为1 m，纱线毛羽根数及毛羽长度的样本统计结果见表1。

表1 毛羽长度分类统计

同时将本研究方法与文献［1］中的等距线法（0.5 mm）进行对比。样本1采用本研究方法测量长度为4.301 0 mm、0.342 4 mm、0.489 4 mm、4.140 4 mm、0.536 9 mm、0.234 8 mm、0.060 0 mm、0.060 0 mm，共8根；采用等距线法测量长度为3.5 mm、1.0 mm、1.0 mm、4.0 mm、0.5 mm、0.5 mm，共6根。样本2采用本研究方法测量长度为1.561 2 mm、1.658 5 mm、0.252 4 mm、0.669 4 mm、0.812 1 mm、1.027 2 mm、1.294 2 mm，共7根；采用等距线法测量长度为1.0 mm、1.5 mm、0.5 mm、0.5 mm、0.5 mm、0.5 mm、2.5 mm，共7根。

从对比结果可以看出，等距线法对于毛羽测量，存在一定误差。一方面，等距线法由于初始图像对比度不强，有少数毛羽不能进行计数，导致统计结果不准确；另一方面，等距线法对于弯曲毛羽无法准确测量，而本研究方法可以解决上述方法存在的问题。

为了进一步验证本研究方法的准确性，使用YG172A型纱线毛羽测试仪分别对6种纱线毛羽进行测量，每种纱线分别进行10次试验，最终取其平均值作为检测结果。YG172A型纱线毛羽测试仪检测结果见表2。从表1和表2对比可以看出，本研究方法的样本检测结果与YG172A型纱线毛羽测试仪测试数据误差比较小。因此本研究算法对毛羽长度的测量结果是较为准确、有效的。

表2 YG172A型纱线毛羽测试仪测试毛羽结果

2.2 毛羽长度指数与毛羽面积指数

为了更全面对纱线毛羽进行分析，本研究计算了纱线的毛羽长度指数和毛羽面积指数。计算结果见表3、表4。

表3 毛羽长度指数计算结果

表4 毛羽面积指数计算结果

由表3可以看出，样本3、样本4、样本5、样本6的平均值和标准差相对较小，但样本6的CV值较大，说明样本3、样本4、样本5毛羽长度指数分布较为集中，毛羽分布相对均匀，而样本6纱线毛羽长度指数比较分散，毛羽分布不均匀。样本1、样本2的平均值和标准差相对较大，但CV值相对较小，说明样本1、样本2的毛羽长度指数分布较为分散，但毛羽分布相对均匀。

由表4可以看出，样本3、样本4、样本5、样本6平均值及标准差较小，结合CV值来看，说明样本4、样本5、样本6毛羽面积指数分布较为集中，毛羽分布相对均匀，而样本3纱线毛羽面积指数比较分散，毛羽分布不均匀。而样本1、样本2的平均值、标准差较大，但CV值较小，说明样本1、样本2的毛羽面积指数分布较为分散，但毛羽分布相对均匀。

综合表3、表4来看，JC 18 tex、JC 14.5 tex、C 28 tex、C 18 tex的毛羽分布均匀，JC 12 tex、C 14.5 tex的毛羽分布不均匀。

3 结论

本研究提出一种基于贝叶斯阈值的纱线毛羽检测方法。该方法能有效对纱线的毛羽进行统计获取纱线毛羽长度、毛羽根数、毛羽面积指数及毛羽长度指数等指标。结果表明，与等距线法及YG172A型纱线毛羽测试仪检测结果相比，本研究提出的方法能够精确统计出纱线毛羽的多项指标，为纱线质量分析提供技术支撑。