CN102930547A - 风力传送条件下棉花异性纤维图像在线分割方法及系统 - Google Patents

Abstract

本发明涉及一种风力传送条件下棉花异性纤维图像在线分割方法及系统，其方法包括以下步骤：S1：读取实时采集到棉花异性纤维图像；S2：将所述棉花异性纤维图像颜色空间由RGB颜色空间转换为HSV颜色空间；S3：提取所述HSV颜色空间棉花异性纤维图像饱和度(S)分量，对所述饱和度分量图像进行图像增强处理；S4：对所述饱和度分量增强图像进行固定阈值二值化图像分割，得到初步分割图像，并对所述初步分割图像采用面积阈值方法进行去噪处理；S5：采用形态学方法对所述去噪后图像存在的断裂缝隙进行连接。该方法及系统能够在保证图像分割质量的前提下，有效提高图像分割的速度。

Description

风力传送条件下棉花异性纤维图像在线分割方法及系统

技术领域

本发明涉及图像处理系统及方法领域，尤其涉及一种风力传送条件下棉花异性纤维图像在线分割方法及系统。

背景技术

棉花异性纤维是指混入棉花中的非棉纤维和非本色棉纤维，如化学纤维、毛发、丝、麻、塑料膜、塑料绳、染色线(绳、布块)等。

虽然棉花中异性纤维含量较少，但对纺织品质量影响严重，混入原棉中的异性纤维，容易被打碎成散落单纤维，在纺织加工中难以清除。纺纱时，散落单纤维容易使棉纱断头，降低生产效率；织布时，影响布面质量；染色时，因着色不同，影响外观，对棉纱和布面的质量造成了很大危害。

在我国，由于资金、发展程度等原因，通常采用人工挑拣异性纤维的方法，这种方法不仅耗费大量人力物力，且速度慢，精确度低，效率低下。

随着微电子技术及计算机技术的飞速发展，机器视觉因其所具有的非接触测量、较宽的光谱响应范围和长时间稳定工作等优点，在棉花异性纤维的检测领域得到了快速的发展。作为棉花异性纤维的提取以及识别等后续工作的基础，研究针对棉花异性纤维快速处理的方法已经成为研究的重点。

图像处理首要任务是进行图像分割。目前，大多数分割算法都是针对图像灰度图。但由于彩色图像提供了比灰度图更加丰富的信息，因此随着计算机处理能力的快速提高，彩色图像处理正受到越来越多的关注。彩色图像分割面临两个主要问题：选取合适的色彩空间；选择恰当的分割方法。

颜色空间从提出到现在已经有上百种，常用的有RGB、HSV、NTSC等。实时采集到的棉花异性纤维图像是基于RGB模式，但是RGB空间并不适合人的视觉特性，而HSV颜色空间是从人类的视觉系统角度出发，采用色调(hue)、饱和度(saturation)和亮度(value)来描述色彩，有利于色彩处理和识别。

棉花异性纤维进行图像分割之后，会因为伪异性纤维或者图像噪声造成分割目标中混有面积较小的伪目标，需要对这些伪目标进行移除，以提高分割结果的准确性，得到符合要求的异性纤维目标图像。

线状异性纤维因为由于棉层的遮挡等原因，会产生分割目标的断裂；如果想得到高质量的图像，就需要对所述裂缝进行连接；在对线性目标进行连接时，一般采用数学形态学的闭运算进行裂缝连接，但是传统的闭运算在对较细线性目标连接时，因为较细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，甚至又会产生新的断裂。

由于上述图像处理过程的缺陷，导致异性纤维在线监测处理过程中，容易产生分割困难、伪目标移除、线状目标断裂问题。

发明内容

为了解决以上问题，本发明提供一种棉花纤维图像在线分割方法及系统，通过该图像分割方法及系统，能有效提高图像分割的速度，保证图像的分割质量。从而得到高质量的异性纤维分割图像，满足系统对异性纤维图像分割处理的高速度要求，为图像特征提取，目标图像模式识别以及异性纤维数量的计量等后续工作提供较好的基础。同时，通过调整各个模块的参数，使该方法及系统适应不同的图像采集环境，增加了该方法及系统的适用范围。

为此，本发明的技术方案为：

S1：实时采集棉花异性纤维图像；

S2：将所述棉花异性纤维图像颜色空间由RGB颜色空间转换为HSV颜色空间；

S3：提取所述HSV颜色空间棉花异性纤维图像饱和度(S)分量，对所述饱和度分量图像进行图像增强处理；

S4：对所述饱和度分量增强图像进行固定阈值二值化图像分割，得到初步分割图像，并对所述初步分割图像采用面积阈值方法进行去噪处理；

S5：采用形态学方法对所述去噪后图像存在的断裂缝隙进行连接。

所述步骤S3中，对所提取的饱和度分量图像进行图像增强处理的步骤包括：

S301：计算整幅异性纤维图像饱和度分量的平均值

S302：计算图像中每个像素点饱和度分量与平均值差值的绝对值

式中S(x，y)为所述棉花异性纤维图像在位置(x，y)处的原始饱和度值；

S303：计算所述差值绝对值的1.5次方，得到增强后的图像：

$I(x,y)=\sqrt[2]{{|S(x,y)-\stackrel{\‾}{S}|}^3}$

式中，I(x，y)为增强图像。

所述步骤S4中，对所述饱和度分量增强图像进行固定阈值二值化图像分割，并对所述分割图像采用基于面积阈值方法进行去噪处理的步骤包括：

S401：判断增强图像中每个像素点的值是否大于设定的阈值，若大于设定阈值，则此像素点设为目标，否则，将此像素点设为背景；

S402：计算分割得到的二值化图像中每个目标的面积，目标的面积等于二值化图像中值为1的像素个数。

S403：判断二值化图像中目标的面积是否大于设定的面积阈值，若大于规定的面积阈值，则保留此目标，否则，将此目标移除。

所述步骤S5中，采用形态学方法对所述去噪后图像存在的断裂缝隙进行连接的步骤包括：

S501：创建半径为R个像素的圆形结构元素，对所述的去噪后目标图像进行数学形态学的膨胀处理；圆形结构元素半径R的取值与断裂缝隙的大小有关，缝隙越大，R的取值越大，反之亦然；

S502：创建半径为(R-N)个像素的圆形结构元素，对所述膨胀处理后的图像进行数学形态学的腐蚀处理；所述N值取值范围为不大于R值，R与N差值的大小取决于被连接缝隙的宽度。

风力传送条件下棉花异性纤维图像在线分割方法及系统，该系统包括：

图像颜色空间转换模块，用于读取采集到的棉花异性纤维，并将RGB颜色空间的棉花异性纤维图像转换为HSV颜色空间图像；

图像增强模块，与所述图像颜色空间转换模块相连接，用于提取HSV颜色空间异性纤维图像的饱和度分量，并对饱和度分量图像进行增强，以提高棉花异性纤维饱和度图像的对比度；

图像分割与伪目标清除模块，与所述图像增强模块相连接，用于对增强后的饱和度图像进行分割，清除分割后目标图像中因伪异性纤维或者图像噪声产生的伪目标；

线性目标连接模块，与所述图像分割与伪目标清除模块相连接，用于对线性异性纤维在分割过程中产生的断裂缝隙进行连接。

本发明的棉花异性纤维图像在线分割系统对机器视觉采集到的图像进行处理，采用对饱和度图像增强的方法，提高了异性纤维目标与背景之间的对比度，并提高了分割的速度和准确度，最终得到了完整、准确的异性纤维目标图像。

采用这种处理方法，在进行线状目标连接时，可以通过参数的调节来适用不同的线状目标；在对伪目标移除时，同样也可以通过改变面积阈值的大小，得到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在线分割系统结构示意框图；

图2是本发明的棉花异性纤维图像在线分割方法的流程图；

图3是本发明的图像增强处理方法的流程图；

图4是本发明的线性目标连接方法的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。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在线分割系统，共包括4个模块：①图像颜色空间转换模块；②图像增强模块；③图像分割与伪目标清除模块；④线性目标连接模块。

本发明的棉花异性纤维图像在线分割系统对机器视觉采集到的图像进行处理，采用对饱和度图像增强的方法，提高了异性纤维目标与背景之间的对比度，并提高了分割的速度和准确度。其次，采用面积阈值方法，清除因伪异性纤维或者图像噪声造成分割目标中混有面积较小的伪目标。最后，对线性异性纤维在分割过程中产生的断裂缝隙进行连接，最终得到完整、准确的异性纤维目标图像，为下一步图像特征提取，目标图像模式识别以及异性纤维根数计量等后续工作提供较好的数据基础。

如图2所示，总体的技术方案是：

读取实时采集到棉花异性纤维图像；然后采用算法将棉花异性纤维图像颜色空间由RGB颜色空间转换为HSV颜色空间；然后提取HSV颜色空间棉花异性纤维图像饱和度分量，采用图像增强模块，建立适合棉花异性纤维图像增强的非线性变换模型，对饱和度图像进行图像增强处理，从而得到高对比度的图像，使图像分割变得容易一些；再通过图像分割与伪目标清除模块，对增强图像进行固定阈值二值化图像分割，得到初步分割图像，并对初步分割图像采用面积阈值方法进行去噪处理，清除由于伪异性纤维或者图像噪声造成分割目标中混有的面积较小的伪目标；最后通过线性目标连接模块，采用形态学方法对所述去噪后图像存在的断裂缝隙进行连接，最终得到高质量、精确的二值化异性纤维目标图像。

1、图像颜色空间转换模块

所述图像颜色空间转换模块，用于读取采集到的棉花异性纤维，并将RGB颜色空间的棉花异性纤维图像转换为HSV颜色空间图像，转换模型表示如下：

$\left\{\begin{array}{c}H=\left\{\begin{array}{cc}\mathrm{\θ}& ;G\≥B\\ 2\mathrm{\π}-\mathrm{\θ}& ;G\≤B\end{array}\right.\\ S=1-\frac{3}{(R+G+B)}\left[\min (R+G+B)\right]\\ V=\max (R,G,B)\end{array}\right.$

式中， $\mathrm{\θ}=\arccos \left\{\frac{[(R-G)+(R+B)]\×0.5}{{[{(R-G)}^2+(R-B)(G-B)]}^{\frac{1}{2}}}\right\},$ R、G、B分别为采集到的棉花异性纤维图像彩色分量，H、S、V为变换后图像色调、饱和度和亮度分量。

2、基于饱和度增强的图像增强模块

所述图像增强模块，主要用于提取HSV颜色空间异性纤维图像的饱和度分量，并对饱和度图像进行增强，通过对饱和度分量图像进行直方图分析，得到原始图像的饱和度分布、异性纤维目标图像所占比例等饱和度特征，根据所述直方图所获得饱和度特征分析结果，建立非线性变换模型对饱和度图像进行增强。

其中在原始棉花异性纤维图像的直方图分析中，得到棉花异性纤维的饱和度分布情况，一般情况下棉花异性纤维图像的饱和度直方图基本都呈双峰特性，但双峰所代表区域为棉花跟背景，异性纤维目标图像在整个饱和度直方图中所占的比例非常小。

其中非线性变换是减弱背景区间、增强感兴趣目标区间的图像饱和度值，设原始饱和度图像在位置(x，y)处的饱和度值为S(x，y)，则非线性变换模型表示如下：

$I(x,y)=\sqrt[2]{{|S(x,y)-\stackrel{\‾}{S}|}^3}$

式中，在该公式中，S(x，y)的参数值为已知量，a、b为图像的长度跟宽度。

如图3所示，图像增强模块通过以下步骤来增强图像增强：

S1：计算整幅异性纤维图像饱和度分量的平均值；

S2：计算图像中每个像素点饱和度分量与平均值差值的绝对值；

S3：计算所述差值绝对值的1.5次方，得到增强后的图像。

3、图像分割与基于面积阈值的伪目标清除模块

所述图像分割与伪目标清除模块，用于对增强后的饱和度图像进行分割，由于分割后目标图像中含有因伪异性纤维或者图像噪声产生伪目标，而伪目标的面积通常比异性纤维小，计算分割图像各个目标的面积值，与所设定的经验值进行比较，清除小于设定阈值的目标，得到符合要求的异性纤维目标图像。

面积阈值方法采用如下步骤：

S11：在分割后的二值化图像中确定各个连通目标；

S12：计算连通对象的面积，即为计算像素值为1的点的个数；

S13：如果面积值大于设定的阈值，则保留该目标，否则移除。

4、基于数学形态学的线性目标连接模块

所述线性目标连接模块，采用数学形态学的方法，对线性异性纤维在分割过程中产生的断裂缝隙进行连接。

如图4所示，所述线性目标连接模块通过以下步骤来进行目标连接：

S111：创建半径为R个像素的圆形结构元素；

S112：对去噪后目标图像进行数学形态学的膨胀处理；

S113：创建半径为(R-N)个像素的圆形结构元素；

S114：对膨胀处理后的图像进行数学形态学的腐蚀处理。

圆形结构元素半径R的取值与断裂缝隙的大小有关，缝隙越大，R的取值越大，反之亦然；N值取值范围为不大于R值，R与N差值的大小取决于被连接缝隙的宽度。

设饱和度图像为S(x，y)，p(i，j)为膨胀结构元素，f(m，n)为腐蚀结构元素，则膨胀跟腐蚀模型如下：

膨胀模型为： $S\⊕p(x,y)=\underset{(i,j)}{\max }\{S(x-i,y-j)+p(i,j)\}$

腐蚀模型为： $S\⊕f(x,y)=\underset{(m,n)}{\max }\{S(x+m,y+n)+f(m,n)\}$

采用本发明的棉花异性纤维图像在线分割方法及系统，可以根据实际情况确定各个参数。通过调整图像分割与伪目标清除中的固定阈值和面积阈值，可以加快分割速度，改善分割精度；在连接线状目标断裂缝隙是，通过调整结构元素的大小，得到符合要求的连接结果。

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 (6)

1.风力传送条件下棉花异性纤维图像在线分割方法，其特征在于包括以下步骤：

S1：读取实时采集到的棉花异性纤维图像；

S2：将所述棉花异性纤维图像颜色空间由RGB颜色空间转换为HSV颜色空间；

S3：提取所述HSV颜色空间棉花异性纤维图像饱和度(S)分量，对所述饱和度分量图像进行图像增强处理；

S4：对所述饱和度分量增强图像进行固定阈值二值化图像分割，得到初步分割图像，并对所述初步分割图像采用面积阈值方法进行去噪处理；

S5：采用形态学方法对所述去噪后图像存在的断裂缝隙进行连接。

2.根据权利要求1所述的风力传送条件下棉花异性纤维图像在线分割方法，其特征在于，所述步骤S3中，对所提取的HSV颜色空间棉花异性纤维图像的饱和度(S)分量建立非线性增强模型，进行图像增强处理。

3.根据权利要求2所述的风力传送条件下棉花异性纤维图像在线分割方法，其特征在于，所述非线性增强模型，其模型公式如下：

$I(x,y)=\sqrt[2]{{|S(x,y)-\stackrel{\‾}{S}|}^3}$

其中S(x，y)为所述棉花异性纤维图像在位置(x，y)处的原始饱和度值，

为所述棉花异性纤维图像饱和度分量平均值，I(x，y)为所述增强后图像。

4.根据权利要求1所述的风力传送条件下棉花异性纤维图像在线分割方法，其特征在于，所述步骤S4中的对所述饱和度分量增强图像进行固定阈值二值化图像分割，得到初步分割图像，对所述初步分割图像采用面积阈值方法进行去噪处理的步骤包括：

判断所述的饱和度分量增强图像中每个像素点的值是否大于设定的阈值；若是，则所述像素为目标图像；否则，所述像素为背景图像；

判断所述目标图像中的目标面积是否大于设定的面积阈值；若是，则所述目标为异性纤维目标；否则，为伪异性纤维或者图像噪声产生的伪目标；

所述面积阈值通过统计伪异性纤维的大小和计算所占像素数量得到。

5.根据权利要求1所述的风力传送条件下棉花异性纤维图像在线分割方法，其特征在于，所述步骤S5中的采用形态学方法对所述去噪后图像存在的断裂缝隙进行连接包括：

创建半径为R个像素的圆形结构元素，对权利要求3所述的去噪后目标图像进行数学形态学的膨胀处理；

创建半径为(R-N)个像素的圆形结构元素，对所述膨胀处理后的图像进行数学形态学的腐蚀处理；

所述圆形结构元素半径R的取值与断裂缝隙的大小有关，缝隙越大，R的取值越大，反之亦然；

所述N值取值范围为不大于R值，R与N差值的大小取决于被连接缝隙的宽度。

6.风力传送条件下棉花异性纤维图像在线分割方法及系统，其特征在于，该系统包括：

图像颜色空间转换模块，用于读取采集到的棉花异性纤维，并将RGB颜色空间的棉花异性纤维图像转换为HSV颜色空间；

图像增强模块，与所述图像颜色空间转换模块相连接，用于提取HSV颜色空间异性纤维图像的饱和度分量，并对饱和度分量图像进行增强，以提高棉花异性纤维饱和度图像的对比度；

图像分割与伪目标清除模块，与所述图像增强模块相连接，用于对增强后的饱和度图像进行分割，清除分割后目标图像中因伪异性纤维或者图像噪声产生的伪目标；

线性目标连接模块，与所述图像分割与伪目标清除模块相连接，用于对线性异性纤维在分割过程中产生的断裂缝隙进行连接。

Images