CN101320476B - 一种棉花异性纤维图像处理系统及方法 - Google Patents

Abstract

本发明涉及一种棉花异性纤维图像处理系统及方法，所述棉花异性纤维图像处理系统包括通过分段增强模型对棉花异性纤维的灰度图像进行图像增强的图像增强模块，用于通过修正的大津法对增强后的棉花异性纤维图像进行二值化分割的图像分割模块，用于对异性纤维目标图像中的线状异性纤维在分割时产生的裂缝进行连接的线状目标连接模块，用于移除由伪异性纤维产生的小目标图像的小目标移除模块。通过该图像处理系统，能够提高图像处理的速度，保证图像处理的精度，同时，通过调整各个模块的参数，可以适用于不同的场景，可以防止由于外界因素变化而引起的处理系统失效问题。

Description

一种棉花异性纤维图像处理系统及方法 

技术领域

本发明涉及图像处理系统，尤其涉及一种棉花异性纤维图像处理系统及方法。

背景技术

棉花中的异性纤维是指在棉花采摘、摊晒、收购、储存、运输、加工过程中混入棉花中的对棉花及其制品的质量有严重影响的非棉纤维和色纤维，俗称“三丝”，主要包括编织袋丝、毛发、麻绳、塑料绳、布条、化学纤维、地膜、染色线等。

异性纤维在皮棉中的含量虽少，但对纺织品的质量影响严重，一旦混入并参与纺织将影响纱线强力，且在染色时影响着色，会对棉纺织工业造成重大经济损失。很多棉花行业的专家认为，通过挑拣的方式(无论是人工还是机械)来降低异性纤维的含量，总是被动和消极的；更为主动和积极的办法应该是从管理入手，从源头抓起，切断异性纤维混入的途径，让棉农、棉花收购和加工企业都自觉地防范异性纤维混入。为此，北京中棉机械成套设备有限公司与中国农业大学等单位联合开发了一套棉花异性纤维检测计量仪，可以方便、快捷、准确地测定棉花中的异性纤维含量，给销售的棉花分等定级，并按等级定价，这样就可以促使棉花销售者自觉地降低棉花中异性纤维的含量。基于机器视觉的异性纤维识别与计量是其中的关键技术。机器视觉是利用光学器件进行非接触感知，自动获取和解释一个真实场景的图像，以获取信息和控制机器，或者控制加工过程。机器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认知现实世界，这就需要一种图像处理装置对机器视觉系统采集到的图像进行处理。

在基于机器视觉的棉花异性纤维检测与计量系统中，不同地区的 棉花颜色略有差异，开松机产生的棉层厚度也会有一定的波动，光源的配置也可能不同等，这些外在因素会对采集到的棉花异性纤维图像(这里棉花异性纤维图像指的是带有异性纤维的棉花图像，下文同上)的灰度产生影响，从而影响图像处理装置的处理效果。

其中图像分割是图像处理与机器视觉中最为基础和重要的环节之一，是图像分析和模式识别的前提。图像分割的目的是通过将图像划分成有意义的连通区域来提取目标物的特征。阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术；其中Otsu法由于分割效果好、适用面广而得到广泛应用。Otsu法又称为大津法或最大类间方差法，具有统计意义上的最佳分割阈值。传统的Otsu分割方法需要从最低到最高依次遍历全部灰度级来计算两区域的类间方差，这对于分割阈值变化范围较小且通过经验可以预测的某些应用来说，显然是一种浪费。棉花异性纤维的图像分割就属于这种情况。

棉花异性纤维进行图像分割之后，线状异性纤维可能由于棉层的遮挡等原因产生灰度不均匀性，从而使分割结果产生断裂；如果想得到高质量的图像，就需要对所述裂缝进行连接；在对线状目标进行连接时，一般采用数学形态学的闭运算进行熔合缺口、连接缝隙，但是传统的闭运算在处理较大目标时，效果很好，但在处理较细的线状目标时不够理想。原因是较细的线状目标被膨胀后虽然可以连接断开的缝隙，但经过腐蚀后轮廓变得不明显，不利于后续处理。

同时由碎棉籽壳、棉花叶等伪异性纤维产生的目标图像必须移除，以提高分割结果的准确性。伪异性纤维产生的目标图像一般都比较小，所以必须对其进行移除，以得到符合要求的异性纤维目标图像。

由于上述图像处理过程的缺陷，导致异性纤维在线检测与计量很难达到快速、准确的分割，并且在棉花异性纤维的在线检测与计量的处理过程中，容易产生线状目标断裂、伪异性纤维小目标移除问题。

发明内容

为了解决以上问题，本发明的目的是提供一种棉花异性纤维图像处理系统，通过该图像处理系统，能够提高图像处理的速度，保证图像处理的精度。同时，通过调整各个模块的参数，可以适用于不同的场景，可以防止由于外界因素变化而引起的处理系统失效问题。

本发明的另一目的是提供一种棉花异性纤维图像处理方法。

为此，本发明的技术方案为：

一种棉花异性纤维图像处理方法，包括以下步骤：

S1：读入棉花异性纤维彩色图像，并将所述棉花异性纤维彩色图像转换为棉花异性纤维灰度图像；

S2：对棉花异性纤维灰度图像进行直方图分析，根据直方图的分析结果，对所述棉花异性纤维灰度图像进行图像增强，以提高棉花异性纤维灰度图像的对比度；

S3：对增强后的棉花异性纤维灰度图像进行二值化分割，获得从所述棉花异性纤维灰度图像的背景中分割出来的异性纤维目标图像，所述二值化分割具体为：通过改进的Otsu方法确定分割阈值的搜索范围，并根据确定的搜索范围计算分割阈值；

S4：对所述异性纤维目标图像中的线状异性纤维图像在分割过程中产生断裂的缝隙进行连接；

S5：将在分割过程中产生的伪异性纤维小目标图像，从所述异性纤维目标图像中移除掉。

所述步骤S2中，根据棉花异性纤维图像的直方图分析所获得棉花异性纤维灰度图像的灰度特征结果，建立分段变换模型，对所述棉花异性纤维灰度图像进行图像增强。

所述分段变换模型，为两段非线性变换模型，其模型公式如下：

$\mathrm{GE}(i,j)=\left\{\begin{array}{cc}\frac{L_h}{\sqrt{L_h-\mathrm{GO}(i,j)}+1}-\frac{L_h}{\sqrt{L_h}+1}& \mathrm{GO}(i,j)\≤L_h\\ \mathrm{GO}(i,j)& \mathrm{GO}(i,j)>L_h\end{array}\right.$

其中GO(i，j)为所述棉花异性纤维灰度图像在位置(i，j)处的原始灰度值，GE(i，j)为棉花异性纤维灰度图像增强后的灰度值，异性纤 维目标图像的原始灰度范围为[0，L_h]。

所述的异性纤维目标图像的原始灰度范围[0，L_h]为[0，230]。

所述步骤S2，通过以下步骤对棉花异性纤维图像进行增强：

S11：顺序取棉花异性纤维灰度图像在像素位置(i，j)处的灰度值GO(i，j)；

S12：若GO(i，j)不超过设定的灰度级，则利用分段非线性变换模型增强所述位置(i，j)的图像，否则保持原灰度值GO(i，j)不变；

S13：判断是否有未处理过的像素，若有，则移动像素位置(i，j)到下一个像素位置，转到步骤S11，否则退出。

所述步骤S3通过在设定的阈值搜索范围内，通过搜索具有最大类间方差的灰度级来确定二值化分割中的最佳分割阈值。

所述步骤S4中连接线状异性纤维图像的缝隙时，先采用半径为第一半径的圆形结构元对线性异性纤维的缝隙进行膨胀，然后再采用半径为第二半径的圆形结构元对其进行腐蚀，其中所述第一半径和第二半径为设定值，并且第一半径大于第二半径。

所述步骤S5采用面积阈值方法来进行伪异性纤维小目标图像的移除。

所述面积阈值方法，包括以下步骤：

S21：在分割后的异性纤维目标图像中确定连通对象L；

S22：计算连通对象L的面积S，其中在所述的异性纤维目标图像中，连通对象L的面积S等于二值化图像中值为1的像素个数；

S23：如果面积S小于规定的阈值S_Th，则移除连通对象L，否则保留下来；

S24：若异性纤维目标图像中仍有未处理的连通对象，则转去执行S21，否则退出。

一种棉花异性纤维图像处理系统，该系统包括：

图像转换模块，用于读入棉花异性纤维彩色图像，并将所述棉花 异性纤维彩色图像转换为棉花异性纤维灰度图像；

图像增强模块，用于根据直方图分析结果，对棉花异性纤维灰度图像进行图像增强，以提高棉花异性纤维灰度图像的对比度；

图像分割模块，用于将增强后的棉花异性纤维灰度图像进行二值化分割，以使棉花异性纤维灰度图像中的异性纤维目标图像从背景图像中分离出来；

线状目标连接模块，用于对增强后的异性纤维目标图像中的线状异性纤维图像在分割过程中产生断裂的缝隙进行连接；

小目标移除模块，用于将增强后的异性纤维目标图像中的伪异性纤维图像在上述分割过程中产生的小目标图像，从所述异性纤维目标图像中移除。

本发明的棉花异性纤维图像处理系统对机器视觉采集的图像进行处理，首先提高异性纤维目标与皮棉背景之间的对比度，并提高分割的速度和准确度，最终得到完整、准确的异性纤维目标图像，为下一步进行特征提取、目标识别和在线计量提供基础数据。

本发明的棉花异性纤维图像处理处统，通过调整分段模型的参数、调整搜索范围以及调整面积阈值大小，都可以很好地解决由于外界因素变化而引起的图像处理效果差的问题，从而可以适用不同的场景，得到高质量的二值化异性纤维图像。

采用这种快速的图像处理方法，可以根据实际情况确定模型的参数，在进行图形增强时得到高对比度的图像，从而使后面的图像分割变得容易，且结果精确；通过确定搜索范围，可以加快分割速度；在连接线状目标的缺口时，可以通过调整结构元的大小，得到符合要求的连接结果；对于小目标的移除，也同样可以通过改变面积阈值的大小，产生满足不同需求的目标图像。

附图说明

图1是本发明的棉花异性纤维图像处理系统结构示意框图；

图2是本发明的棉花异性纤维图像处理方法的流程图；

图3是本发明的增强图像的流程图；

图4是本发明的面积阈值方法的流程图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，本发明的棉花异性纤维图像处理系统，共包括5个模块：①图像转换模块；②基于直方图分析的图像增强模块；③基于改进Otsu方法(大津法)的图像分割模块；④基于修正闭运算的线状目标连接模块；⑤基于面积阈值的小目标移除模块。

所述棉花异性纤维图像处理系统对机器视觉采集的图像进行处理，首先提高异性纤维目标与皮棉背景之间的对比度，并提高分割的速度和准确度，最终得到完整、准确的异性纤维目标图像，为下一步进行特征提取、目标识别和在线计量提供基础数据。

如图2所示，总体的技术方案是：

读入棉花异性纤维彩色图像，并把所述彩色图像转换为棉花异性纤维的灰度图像；然后选择具有代表性意义的原棉花异性纤维的灰度图像，进行直方图分析，根据直方图的分析结果，采用图像增强模块，建立适合棉花异性纤维图像增强的分段非线性变换模型，对棉花异性纤维的灰度图像进行图像增强，从而得到高对比度的图像，使下面的图像分割变得更容易一些；然后通过图像分割模块对增强后的棉花异性纤维图像进行二值化分割，以使棉花异性纤维灰度图像中的异性纤维目标图像从背景图像中分离出来；再通过线状目标连接模块，对异性纤维目标图像中的线状异性纤维在分割时产生的裂缝进行连接；最后通过小目标移除模块，将由于图像分割时由伪异性纤维产生的小目标图像移除，并且获得符合要求的异性纤维目标图像，最终得到高质量、精确的二值化异性纤维目标图像。

1、图像转换模块

图像转换模块，用于读入棉花异性纤维彩色图像，并将所述棉花异性纤维彩色图像转换为棉花异性纤维灰度图像；

2、基于直方图分析的图像增强模块

所述的图像增强模块，主要是对基于机器视觉的棉花异性纤维检测系统采集的原始棉花异性纤维图像进行增强，通过对原始图像进行直方图分析，得到原始图像的灰度分布、异性纤维目标图像所占比例等灰度特征，根据所述直方图所获得灰度特征分析结果，建立分段非线性变换模型对原始图像进行增强。

其中在原始棉花异性纤维图像的直方图分析中，得到棉花异性纤维图像的灰度分布情况，确定灰度压缩范围，一般情况下原始棉花异性纤维图像的灰度直方图基本都呈单峰特性，异性纤维目标图像在整个原始图像中所占的比例非常小，异性纤维目标图像的灰度值一般都在某个范围之内，比如在(0-230)之间，而背景图像的灰度值大部分都大于此值。

其中分段变换是将图像分布区间分割成两段甚至多段分别进行灰度变换，以便突出用户感兴趣的目标或灰度区间，而棉花异性纤维图像中用户感兴趣的只是如何将异性纤维目标从背景中分割出来，因此变换模型可以采用两段非线性变换的模型。

设原始图像在位置(i，j)处的灰度值为GO(i，j)，增强后的灰度值为GE(i，j)，目标图像的原始灰度范围为[0，L_h]，则两段非线性变换模型表示如下：

$\mathrm{GE}(i,j)=\left\{\begin{array}{cc}\frac{L_h}{\sqrt{L_h-\mathrm{GO}(i,j)}+1}-\frac{L_h}{\sqrt{L_h}+1}& \mathrm{GO}(i,j)\≤L_h\\ \mathrm{GO}(i,j)& \mathrm{GO}(i,j)>L_h\end{array}\right.$

在该公式中GO(i，j)、L_h的参数值应该为已知量，在实际应用时，一般可以根据直方图分析结果，确定符合实际情况的经验参数，比如说目标图像的灰度范围一般取(0，230)，根据适应棉层厚度、光源照度等产生的图像灰度变化，其上限值在230的左右进行波动，可以 取到235。

如图3所示，所述图像增强模块通过以下步骤来进行图像增强：

S1：顺序取目标棉花异性纤维图像在像素位置(i，j)处的灰度值GO(i，j)；

S2：若GO(i，j)不超过设定的灰度级，则利用两段非线性模型增强，否则保持原值不变；

S3：判断是否仍有未处理过的像素，如果有，则移动位置(i，j)到下一个像素位置，转S1，否则退出。

3、基于改进Otsu方法的图像分割模块

所述图像分割模块，主要是对增强后的棉花异性纤维图像进行二值化分割，通过改进的Otsu方法确定最佳分割阈值的搜索范围，并根据确定的搜索范围计算最佳分割阈值，并用得到的阈值对棉花异性纤维图像进行分割，分割之后得到清晰的异性纤维二值图像。

所述分割阈值指的是将异性纤维目标图像同背景图像分割开的一个灰度值，一般Otsu方法通过搜索0-255范围内的灰度级来确定最佳阈值。

所述改进的Otsu方法，将阈值搜索范围从0-255缩减到某个合理的范围内，然后通过搜索具有最大类间方差的灰度级来确定分割阈值，从而在计算最佳分割阈值这一环节，减少搜索时间，提高计算速度。

所述改进的Otsu方法，具体的讲，采用以下方法：

设M×N图像包含0～L-1共L个灰度级，图像中目标图像的灰度小于背景的灰度。灰度为i的像素数为n_i，则灰度级i的频数p_i＝n_i/(M×N)。很显然，p_i≥0， $\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}{p}_i=1.$

设当前阈值t将图像分为目标区A和背景区B两部分，A的灰度范围为0～t，B的灰度范围为t+1～L-1，则目标区A和背景区B所 占的比例分别为：

$P_A\left(t\right)=\underset{i=0}{\overset{t}{\mathrm{\Σ}}}{p}_i,$ $P_B\left(t\right)=\underset{j=t+1}{\overset{L-1}{\mathrm{\Σ}}}{p}_j$

目标区、背景区的灰度均值分别为：

${\mathrm{\μ}}_A\left(t\right)=\underset{i=0}{\overset{t}{\mathrm{\Σ}}}\frac{{\mathrm{ip}}_i}{p_A\left(t\right)},$ ${\mathrm{\μ}}_B\left(t\right)=\underset{j=t+1}{\overset{L-1}{\mathrm{\Σ}}}\frac{{\mathrm{ip}}_j}{p_B\left(t\right)}$

整幅图像的灰度均值为：

μ＝p_A(t)×μ_A(t)+p_B(t)×μ_B(t)

目标区与背景区的类间方差为：

σ²(t)＝p_A(t)×[μ_A(t)-μ]²+p_B(t)×[μ_B(t)-μ]²

直接利用上述公式求类间方差计算量较大，一般利用其等价形式，即：

σ²(t)＝p_A(t)×p_B(t)×[μ_A(t)-μ_B(t)]²

改进Otsu方法中最佳分割阈值的计算公式表示为：

$t^{*}=\arg \underset{b\≤t\≤e}{\max }\left[{\mathrm{\σ}}^2\left(t\right)\right]$

在实际应用时，可根据实际情况确定最佳阈值计算的搜索范围[b，e]，一般情况下根据直方图分析结果，来确定最佳分割阈值的搜索范围，一般经验值为(150，230)，因为对于棉花异性纤维图像来说，一般情况下，其背景图像的灰度值不小于150，而异性纤维目标图像的灰度值不大于230；根据不同的应用场景，调整该阈值搜索范围的上下限。

4、基于修正闭运算的线状目标连接模块

所述线状目标连接模块，采用修正的闭运算，对线状异性纤维可 能由于棉层的遮挡等原因产生灰度不均匀性，使分割结果产生断裂的缝隙，进行有效地连接。

所述的修正的闭运算，是对数学形态学中的闭运算进行修正，采用大半径a的圆形结构元进行膨胀，并选择较小半径b的结构元进行腐蚀，其中b＜a。然后得到连接效果较好的线状目标，同时通过调整结构元的大小，可以适用于不同的分辨率图像。

传统数学形态学对闭运算的定义为： $A\·B=(A\⊕B)\mathrm{\ΘB},$ 也即，A被B闭运算相当于A被B膨胀后再被B腐蚀。通过改进闭运算的运算规则，在膨胀时采用较大的结构元，在腐蚀时采用较小的结构元，可以解决这一问题。定义新的闭运算定义为： $A\·B^{\mathrm{LS}}=(A\⊕B^L)\mathrm{\Θ}{B}^S.$  即A被B^LS闭运算相当于A先被大结构元BL膨胀再被小结构元B^S 腐蚀。

在实际应用时，一般选用圆形结构元，并可根据实际情况确定两个结构元的大小。一般情况下，根据产生的间隙大小，来决定所需的结构元。

5、基于面积阈值的小目标移除模块

由碎棉籽壳、棉花叶等伪异性纤维产生的小目标图像必须移除，以提高分割结果的准确性。

所述小目标移除模块，采用面积阈值的方法，用于移除图像分割时由伪异性纤维产生的小目标图像。

所述面积阈值方法，通过设置面积阈值将上述小目标图像移除，并通过调整面积阈值的大小(根据分辨率来调整)，可以得到符合要求的异性纤维目标图像。

所述的面积阈值方法采用如下步骤：

S11：在分割后的图像中确定连通对象L；

S12：计算连通对象L的面积S；在二值化图像中，连通对象的面积等于值为1的像素个数；

S13：如果面积S小于规定的阈值S_Th，则移除L，否则保留下来；

S14：若图像中仍有未处理的连通对象则转S11，否则退出。

采用本发明的图像处理方法和处理系统，可以根据实际情况确定模型的各个参数，在进行图形增强时得到高对比度的图像，从而使后面的图像分割变得容易，且结果精确；通过确定搜索范围，可以加快分割速度；在连接线状目标的缺口时，可以通过调整结构元的大小，得到符合要求的连接结果；对于小目标的移除，也同样可以通过改变面积阈值的大小，产生满足不同需求的目标图像。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种棉花异性纤维图像处理方法，其特征在于，包括以下步骤：

S1：读入棉花异性纤维彩色图像，并将所述棉花异性纤维彩色图像转换为棉花异性纤维灰度图像；

S2：对棉花异性纤维灰度图像进行直方图分析，根据直方图的分析结果，对所述棉花异性纤维灰度图像进行图像增强，以提高棉花异性纤维灰度图像的对比度；

S3：对增强后的棉花异性纤维灰度图像进行二值化分割，获得从所述棉花异性纤维灰度图像的背景中分割出来的异性纤维目标图像；所述二值化分割具体为：通过改进的Otsu方法确定分割阈值的搜索范围，并根据确定的搜索范围计算分割阈值，所述改进的Otsu方法定义如下：将阈值搜索范围从0-255缩减到一定范围内，然后通过搜索具有最大类间方差的灰度级来确定分割阈值；

S4：对所述异性纤维目标图像中的线状异性纤维图像在分割过程中产生断裂的缝隙进行连接，在连接线状异性纤维图像的缝隙时，先采用半径为第一半径的圆形结构元对线性异性纤维的缝隙进行膨胀，然后再采用半径为第二半径的圆形结构元对其进行腐蚀，所述第一半径和第二半径为设定值，并且第一半径大于第二半径；

S5：将在分割过程中产生的伪异性纤维小目标图像，从所述异性纤维目标图像中移除掉，其中，采用面积阈值方法来进行伪异性纤维小目标图像的移除。

2.如权利要求1所述的棉花异性纤维图像处理方法，其特征在于，所述步骤S2中，根据棉花异性纤维灰度图像的直方图分析所获得棉花异性纤维灰度图像的灰度特征结果，建立分段非线性变换模型，对所述棉花异性纤维灰度图像进行图像增强。

3.如权利要求2所述的棉花异性纤维图像处理方法，其特征在于，所述分段非线性变换模型，为两段非线性变换模型，其模型公式如下：

$\mathrm{GE}(i,j)=\left\{\begin{array}{cc}\frac{L_h}{\sqrt{L_h-\mathrm{GO}(i,j)}+1}-\frac{L_h}{\sqrt{L_h}+1}& \mathrm{GO}(i,j)\≤L_h\\ \mathrm{GO}(i,j)& \mathrm{GO}(i,j)>L_h\end{array}\right.$

其中GO(i，j)为所述棉花异性纤维灰度图像在位置(i，j)处的原始灰度值，GE(i，j)为棉花异性纤维灰度图像增强后的灰度值，异性纤维目标图像的原始灰度范围为[0，L_h]。

4.如权利要求3所述的棉花异性纤维图像处理方法，其特征在于，所述的异性纤维目标图像的原始灰度范围[0，L_h]为[0，230]。

5.如权利要求2或3所述的棉花异性纤维图像处理方法，其特征在于，所述步骤S2，通过以下步骤对棉花异性纤维图像进行增强：

S11：顺序取棉花异性纤维灰度图像在像素位置(i，j)处的原始灰度值GO(i，j)；

S12：若GO(i，j不超过设定的灰度级，则利用分段非线性变换模型增强所述位置(i，j)的图像，否则保持原始灰度值GO(i，j)不变；

S13：判断是否有未处理过的像素，若有，则移动像素位置(i，j)到下一个像素位置，转到步骤S11，否则退出。

6.如权利要求1所述的棉花异性纤维图像处理方法，其特征在于，所述步骤S3通过在设定的阈值搜索范围内，通过搜索具有最大类间方差的灰度级来确定二值化分割中的最佳分割阈值。

7.如权利要求1所述的棉花异性纤维图像处理方法，其特征在于，所述面积阈值方法，包括以下步骤：

S21：在分割后的异性纤维目标图像中确定连通对象L；

S22：计算连通对象L的面积S，其中在所述的异性纤维目标图像中，连通对象L的面积S等于二值化图像中值为1的像素个数；

S23：如果面积S小于规定的阈值S_Th，则移除连通对象L，否则保留下来；

S24：若异性纤维目标图像中仍有未处理的连通对象，则转去执行S21，否则退出。

8.一种棉花异性纤维图像处理系统，其特征在于，该系统包括：

图像转换模块，用于读入棉花异性纤维彩色图像，并将所述棉花异性纤维彩色图像转换为棉花异性纤维灰度图像；

图像增强模块，用于根据直方图分析所获得的结果，对棉花异性纤维灰度图像进行图像增强，以提高棉花异性纤维灰度图像的对比度；

图像分割模块，用于将增强后的棉花异性纤维灰度图像进行二值化分割，以使棉花异性纤维灰度图像中的异性纤维目标图像从背景图像中分离出来，所述二值化分割具体为：通过改进的Otsu方法确定分割阈值的搜索范围，并根据确定的搜索范围计算分割阈值，所述改进的Otsu方法定义如下：将阈值搜索范围从0-255缩减到一定范围内，然后通过搜索具有最大类间方差的灰度级来确定分割阈值；

线状目标连接模块，用于对增强后的异性纤维目标图像中的线状异性纤维图像在分割过程中产生断裂的缝隙进行连接，在连接线状异性纤维图像的缝隙时，先采用半径为第一半径的圆形结构元对线性异性纤维的缝隙进行膨胀，然后再采用半径为第二半径的圆形结构元对其进行腐蚀，所述第一半径和第二半径为设定值，并且第一半径大于第二半径；

小目标移除模块，用于将增强后的异性纤维目标图像中的伪异性纤维图像在上述分割过程中产生的小目标图像，从所述异性纤维目标图像中移除，其中，采用面积阈值方法来进行伪异性纤维小目标图像的移除。

Images