CN101487801B - 纺织纤维纵向切段显微图像全自动采集方法 - Google Patents

Abstract

本发明涉及一种纺织纤维纵向切段显微图像全自动采集的方法，其特征在于：所述的全自动采集的方法，通过如下步骤进行：先“从纵向纤维切片段试样片开始”，到“装配三维自动平载物台的显微镜”，一路到“自动聚焦”到“清晰的纤维图像集合”；另一路到地“毯采集”、“全景拼接”、纤“维搜索”，再返回“装配三维自动平载物台的显微镜”。本发明检测人员不需要操作显微镜逐个搜索纤维、仅需要指定需要采集的范围即可全自动完成所有纤维的图像采集；不需要手工调焦，所有的调焦都自动完成；不需要进行纤维计数，通过自动的图像采集纤维将自动被计数，省时、省力，准确性高，客观，可以自动获得试样片的全景图和各个纤维的清晰图像。

Description

纺织纤维纵向切段显微图像全自动采集方法

技术领域

本发明涉及一种纺织纤维纵向切段显微图像全自动采集的方法，属于纺织纤维全自动采集技术领域。

背景技术

混纺纺织品必须标明其纤维成份及含量才能进行贸易和出口，因此，混纺织物或纱线中纤维原料的检测及成份分析，对于纺织品加工厂家、贸易双方、进出口商品检验部门来说是非常重要的。

对于化学性质不同的纤维检测和成分分析，可采用化学方法进行检测，对于化学性质相同的，如羊毛/羊绒，麻/棉，天丝/棉等混纺纺织品，化学检测方法就不适用。在纤维检测领域，这类具有相同化学性质的纤维检测和成份分析广泛采用人工显微镜观察法。该方法通过操作人员手工调整显微镜载物台逐根找到纤维，再手工调节使图像聚焦清晰，再将纤维图像显示在电脑显示器上或投影在屏幕上进行观察、测量、计数。该方法每搜索一个纤维都需要再次手工移动显微镜载物台，搜索纤维并调整焦距，这样的操作必须反复执行，直到所有纤维检测完毕，而在商检系统需要测定不少于3000根纤维才能出示测试报告。

这种使用广泛的纤维投影法，需要检测人员手工操作显微镜在纤维纵向切段试样片上逐个搜索纤维、手工调焦、采集图像并分析，该方法费时，费力，准确性差，并且对检测人员的技术、经验等依赖性强。

发明内容

本发明的目的在于提供一种纺织纤维纵向切段显微图像全自动采集的方法，该方法可以自动、快速、准确地采集纤维纵向切段试样片中的纤维图像。

为达到上述目的，本发明的技术方案是：利用三维自动载物台的光学显微镜，通过如下步骤在水平(自动载物台X，Y轴)和垂直(自动载物台Z轴)方向自动搜索纤维并采集图像，实现纤维纵向切段显微图像全自动拍摄采集。

本发明需要的设备：装配三维自动载物台的光学显微镜一台，利用三维自动载物台的光学显微镜的控制软件可实现自动平台在水平和垂直方向的移动控制。

要拍摄清晰的，散落分布在试样片上的纤维切段图像，首先要在试样片的水平面上找到各个纤维的位置，其次是针对各个纤维进行垂直方向找到纤维的清晰成像位置。

(1)地毯式采集

通过三维自动载物台的光学显微镜的控制软件，控制显微镜的三维自动载物台通过迂回的连续采集方式，获取试样片上覆盖指定区域内连续的、有一定重叠的图像集合。

(2)全景拼接

将地毯式采集获取的图像集合进行拼接，得到试样片指定区域的全景图。

(3)纤维搜索

通过图像分析方法找到纤维目标在全景图以及试样片上的位置。

(4)自动聚焦

在搜索到的各个纤维的位置分别进行自动聚焦和图像采集。

本发明的有益效果：检测人员不需要操作显微镜逐个搜索纤维、仅需要指定需要采集的范围即可全自动完成所有纤维的图像采集；不需要手工调焦，所有的调焦都自动完成；不需要人工进行纤维计数，通过连续自动的图像采集，实现了纤维搜索和计数；这种方法省时、省力，客观，准确性高图像采集方法，能够获得试样片的全景图和各个纤维的清晰图像。

附图说明

图1为本发明纤维纵向切段显微图像全自动拍摄采集方法步骤图；

图2为本发明纤维纵向切段地毯式采集示意图；

图3为本发明纤维纵向切段全景拼接示意图；

图4为本发明纤维纵向切段纤维搜索示意图；

图5为本发明纤维纵向切段自动聚焦示意图。

具体实施方式

参照图1，这是本发明纤维纵向切段显微图像全自动拍摄采集方法步骤图。

如图所示，通过如下步骤进行：先‘从纵向纤维切片段试样片开始’，到‘装配三维自动平载物台的显微镜’，一路到‘自动聚焦’到‘清晰的纤维图像集合’；另一路到‘地毯采集’、‘全景拼接’、‘纤维搜索’，再返回‘装配三维自动平载物台的显微镜’。

在水平(X，Y)和垂直(Z)方向自动搜索纤维并采集图像，实现纤维纵向切段显微图像全自动拍摄采集。

参照图2，这是本发明纤维纵向切段地毯式采集示意图。

地毯式采集的具体实现方法，设定试样片上待采集区域的三维载物台的起始和终止位置坐标，计算需要进行迂回采集的图像阵列的高和宽。在起始点位置采集第一幅分图像。等待采集结束后，移动三维载物台到下一个分图像的位置，这个时候需要对载物台移动的方向进行判断，即如果下一幅图像的位置超出规定的目标区域，就进行迂回，如果迂回后的采集位置也超出了目标区域，则认为采集结束，最后，将三维载物台复位到最初的位置。采集分图像的同时，需要纪录所有采集点的坐标位置或者对分图像进行编号。重复以上步骤直到地毯式采集结束。

参照图3，这是本发明纤维纵向切段全景拼接示意图。

全景拼接的具体实现方法：地毯采集中各个分图像被采集时，自动平台XY轴的位置或序号同时被纪录下来，这些信息可用来确定分图像在全景图缝合中的位置。对于地毯采集获得的分图像阵列来说，待缝合的全景缩略图的高和宽能够通过计算分图像阵列的行数和列数来获取。根据分图像阵列被采集的位置纪录，全景图缝合时，将所有的分图像按照相应的位置一个接一个的重新写入新建的全景缩略图中。在分图像的公共区域，像素的灰度被设定为占据该公共区域的分图像灰度的平均值。

参照图4，这是本发明纤维纵向切段纤维搜索示意图。

纤维搜索的具体实现方法：试样片上的纤维切段与其在全景缩略图中的成像具有一一对应关系，因此通过对全景图中纤维的分析，可实现纤维搜索和定位。为了实现后续的定位采集获取最佳图像，需要将有效的纤维切段中点置于采集图像的中点，以利于后续的纤维识别，同时，该方法还要解决纤维交叉问题。

全景图中的纤维骨架有两种可能性：其一，骨架是孤立骨架。所谓孤立骨架是指具有一个像素宽度的骨架上，不存在某个点周围有两个以上的连接点。其二，非孤立骨架，即骨架和其他骨架存在交叉点。

孤立骨架搜索方法是，从图像的左上角第一个像素开始，遍历骨架全景图中所有的像素，搜索到一个骨架的起始点后(一个黑色像素点，其周围有且仅有一个与它相连的黑色像素点)，沿着这个骨架的前进方向搜索下一个骨架的端点，搜索到的骨架第二个端点就是骨架的终止点。沿着某根骨架进行搜索的同时，对所经过的线路进行标注，搜索结束后，再回到该骨架的起始点，并继续搜索下一个未经标注过的骨架起始点，直到搜索到图像的右下角最后一个像素，结束搜索。

以上是对孤立骨架来说的，如果是非孤立骨架，则搜索过程中会找到交叉点，这个时候搜索方向不好判断，需要进行特殊处理，系统中采用将交叉点断开并标注，使所有骨架或骨架片断都成为孤立骨架的方法。

基于以上原理，纤维切段是这样搜索和纪录的：

(1)如果搜索到一个没有交叉点的孤立骨架，这个骨架的中点就作为该纤维的定位坐标。

(2)将经过骨架化的全景图中所有的骨架交叉点都搜索和标注，并在交叉点区域将骨架分断开。

(3)搜索并选择这些被分断开的纤维骨架片断，将长度超过原长50％的骨架片段中点作为这些交叉纤维的定位点。

参照图5，这是本发明纤维纵向切段自动聚焦示意图。

自动聚焦的具体实现方法：纤维切段的最佳图像，不仅要求纤维切段要准确定位于水平方向，使得纤维被采集到图像的中心位置，还要求图像必须要清晰，便于进一步的图像识别分析。

自动聚焦中，命名一个FP参数(图像的聚焦参数)，它被用来确定自动平台的Z轴的正确聚焦位置，FP是通过图像的中心区域计算获得的，FP可如下定义：

其中：

FP：图像的聚焦参数

Width：图像的宽

Height：图像的高

w：图像中心区域的宽

h：图像中心区域的高

g(i，j)：图像中各个像素的灰度值

实现自动聚焦，还需要另一个参数CFP(正确聚焦位置)，它被用来确定采集到最大的FP图像编号时自动平台的Z轴的位置，CFP这样定义：

CFP＝P(Max{FP₁，FP₂...FP_i...FP_n})，

其中：

CFP：正确的聚焦位置

P：Z轴的位置

i：图像编号

FPi：一系列图像的FP

n：再次聚焦时，用于计算FP的图像的数量

根据上述的两个参数的定义，自动聚焦这样实现：从一系列不同Z轴位置采集的图像中，找具有最大的FP的图像，并把这个图像采集时的Z轴位置作为最佳聚焦点。依据这个FP将Z轴位置移动到CFP(确聚焦位置)，即可进行图像采集。

Claims (4)

1.一种纺织纤维纵向切段显微图像全自动采集的方法，其特征在于：所述的全自动采集的方法，通过如下步骤进行：先‘从纵向纤维切片段试样开始’，到‘装配三维自动平载物台的显微镜’，一路到‘自动聚焦’到‘清晰的纤维图像集合’；另一路到‘地毯采集’、‘全景拼接’、‘纤维搜索’，再返回‘装配三维自动平载物台的显微镜’，其中，‘纤维搜索’的具体实现步骤为：

步骤1、将全景图中的纤维骨架分为两种：其一为骨架是孤立骨架，所谓孤立骨架是指具有一个像素宽度的骨架上，不存在某个点周围有两个以上的连接点；其二为非孤立骨架，即骨架和其他骨架存在交叉点；

步骤2、孤立骨架搜索方法是：从图像的左上角第一个像素开始，遍历骨架全景图中所有的像素，搜索到一个骨架的起始点后，起始点为一个黑色像素点，其周围有且仅有一个与它相连的黑色像素点，沿着这个骨架的前进方向搜索下一个骨架的端点，搜索到的骨架第二个端点就是骨架的终止点，沿着某根骨架进行搜索的同时，对所经过的线路进行标注，搜索结束后，再回到该骨架的起始点，并继续搜索下一个未经标注过的骨架起始点，直到搜索到图像的右下角最后一个像素，结束搜索，对于没有交叉点的孤立骨架，这个骨架的中点就作为该纤维的定位坐标；

如果是非孤立骨架，则在搜索过程中会找到交叉点，这个时候搜索方向不好判断，需要进行特殊处理，系统中采用将交叉点断开并标注，使所有骨架或骨架片断都成为孤立骨架的方法，其具体步骤为：将经过骨架化的全景图中所有的骨架交叉点都搜索和标注，并在交叉点区域将骨架分断开，随后搜索并选择这些被分断开的纤维骨架片断，将长度超过原长50％的骨架片段中点作为这些交叉纤维的定位点。

2.如权利要求1所述的全自动采集的方法，其特征在于：所述的地毯式采集步骤，设定试样片在采集区域的起始和终止位置坐标，计算迂回采集的图像阵列的高和宽，在起始点位置采集第一幅分图像，等待采集结束后，移动下一个分图像的位置，对载物台移动的方向进行判断，如果迂回后的采集位置也超出了目标区域，则认为采集结束，最后，将三维载物台复位到最初的位置，采集分图像的同时，记录所有采集点的坐标位置或者对分图像进行编号，重复以上步骤直到地毯式采集结束。

3.如权利要求1所述的全自动采集的方法，其特征在于：所述的全景拼接步骤，对于地毯采集获得的分图像阵列，待缝合的全景缩略图的高和宽，通过计算分图像阵列的行数和列数来获取，根据分图像阵列被采集的位置记录，全景缝合时，将所有的分图像按照相应的位置一个接一个的重新写入新建的全景缩略图中，在分图像的公共区域，像素的灰度被设定为占据该公共区域的分图像灰度的平均值。

4.如权利要求1所述的全自动采集的方法，其特征在于：所述的自动聚焦的实现步骤为：

步骤1、命名一个参数FP，参数FP为图像的聚焦参数，它被用来确定自动平台的Z轴的正确聚焦位置，FP是通过图像的中心区域计算获得的，FP可如下定义：

$\mathrm{FP}=\frac{{\mathrm{\Σ}}_{i=(\mathrm{Width}-w)/2}^{(\mathrm{Width}+w)/2}{\mathrm{\Σ}}_{j=(\mathrm{Height}-h)/2}^{(\mathrm{Height}+h)/2}\left(\right|g(i,j)-g(i-1,j)\left|\right)+{\mathrm{\Σ}}_{i=(\mathrm{Width}-w)/2}^{(\mathrm{Width}+w)/2}{\mathrm{\Σ}}_{j=(\mathrm{Height}-h)/2}^{(\mathrm{Height}+h)/2}\left(\right|g(i,j)-g(i,j-1)\left|\right)}{2\×w\×h}$

，其中，Width为图像的宽，Height为图像的高，w为图像中心区域的宽，h为图像中心区域的高，g(i，j)为图像中各个像素的灰度值；

步骤2、命名一个参数CFP，参数CFP为正确聚焦位置，它被用来确定采集到最大的FP图像编号时自动平台的Z轴的位置，CFP这样定义：

CFP＝P(Max{FP₁，FP₂...FP_i...FP_n})，其中，P为Z轴的位置，i为图像编号，FP_i为一系列图像的FP，n为再次聚焦时，用于计算FP的图像的数量；

步骤3、从一系列不同Z轴采集的图像中，找具有最大的FP参数的图像，并把这个图像采集时的“Z轴位置”作为最佳聚焦点，依据这个FP将Z轴位置移动到CFP正确聚焦位置，即可进行图像采集。

Images