CN104123731A - 低对比度皮棉地膜图像分割方法 - Google Patents

Abstract

本发明涉及一种低对比度皮棉地膜图像分割方法，首先进行皮棉地膜图像采集，读入原始皮棉地膜彩色图像，进行灰度化处理，得到皮棉地膜灰度图像；其次对基于数学形态学的边缘检测方法进行梯度锐化改进，用改进后的边缘检测方法对皮棉地膜灰度图像进行边缘检测，得到地膜边缘目标图像；再对地膜边缘目标图像进行反相处理，对反相处理后的图像进行阈值分割，提取出地膜目标的轮廓边缘图像；最后通过中值滤波法对轮廓边缘图像进行去噪声图像增强处理，将图像中的小面积噪声去除，使分割出的地膜目标边缘更加清晰。通过该方法，能够很好的将地膜从与其对比度很低的棉花中分割出来，实现低对比度皮棉地膜异纤的分割。

Description

低对比度皮棉地膜图像分割方法

技术领域

本发明涉及图像处理方法领域，具体属于棉花异性纤维检验领域,特别涉及一种低对比度皮棉地膜图像分割方法。

背景技术

棉花中的异性纤维(俗称“三丝”)是指混入棉花中的非棉纤维和非本色棉纤维，主要包括地膜、化学纤维、毛发、丝、麻、塑料膜、塑料绳、染色线等。而地膜是上述棉花异性纤维中排检率最低的，目前大约仅有2％的地膜能在棉花异性纤维的综合排检中被检出。这些未被检出的地膜，容易被打碎成大量小的地膜，在纺织加工中更加难以清除。并且纺纱时，这些小的异纤容易使棉纱断头，降低了生产效率；织布时，影响布面质量；染色时，因着色不均，影响外观，对棉纱、布面等棉花制品的质量造成了很大危害。

针对所有异性纤维，通常采用人工挑拣的方法去除异纤纤维，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。而随着计算机技术的快速发展，计算机视觉技术迅速应用到棉花异性纤维检测领域，并取得了一定的成果。大部分颜色与棉花分明的异纤都能很好的检出，而地膜由于其透明特性若跟棉花混在一起，其颜色跟棉花极为相似，对比度极低，用目前现有方法很难分割并从棉花中检出，因此研究皮棉中的地膜分检有着重大的意义。

皮棉地膜是指在棉花生产、轧花厂加工成成包棉花过程中棉花中夹杂的地膜，简称皮棉地膜。皮棉地膜分割作为后续特征提取以及识别等工作的基础，研究针对皮棉地膜的快速分割方法已经成为解决棉花中地膜问题的必然趋势。计算机视觉就是用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别。图像分割是图像处理与计算机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。图像分割的目的在于根据某些特征将一幅图像分成若干有意义的区域，使得这些特征在某一区域内表现一致或相似，而在不同区域间表现出明显的不同。边缘检测对图像处理和计算机视觉来说是一个非常基础而又重要的课题。边缘表示了信号的突变，包含了图像的大量信息，因此，边缘是图像最基本特征之一，它对图像的分析和识别处理至关重要。

发明内容：

为了解决上述问题，本发明提供了一种低对比度皮棉地膜图像的快速分割方法，以解决几乎为空白的皮棉地膜分割剔除，完善异性纤维分割的种类体系。解放劳动力，按照2014年山东省最低工资标准，减少企业每年至少400万的投资。

为达到上述技术效果，采用以下技术方案：

一种低对比度皮棉地膜图像分割方法，包括以下步骤：

S1:用相机进行皮棉地膜图像采集，得到原始RGB真彩色图像；

S2:计算机读入并对上述原始RGB真彩色图像进行灰度化处理，得到皮棉地膜的灰度图像；

S3:对基于数学形态学的边缘检测方法进行梯度锐化改进，用改进后的边缘检测方法对皮棉地膜灰度图像进行边缘检测，得到地膜边缘图像；

S4:对得到的地膜边缘图像进行反相处理，对反相处理后的图像进行单阈值分割提取出所述地膜异性纤维图像的轮廓边缘图像；

S5:采用中值滤波法对轮廓边缘图像进行去噪声图像增强处理，将图像中的小面积去除，使分割出的地膜边缘更加清晰。

进一步的，所述步骤S3具体包括以下步骤提取地膜的边缘图像：

S3.1:创建形态学结构元素；

S3.2:利用所述结构元素分别对灰度图像进行膨胀和腐蚀运算；

S3.3:利用膨胀运算得到的图像与原始图像进行减法运算得到边缘图像f1，利用原始图像与腐蚀运算得到的图像进行减法运算得到边缘图像f2；

S3.4:将边缘图像f1和f2进行加权相加运算，完成改进,使梯度边缘更加锐化，得到边缘锐化图像。

进一步的，所述步骤S4具体包括以下步骤：

S4.1:创建一幅跟皮棉地膜灰度图像尺寸相同的纯白图像；

S4.2:用所述的纯白图像跟S3中所述的地膜边缘图像进行减法运算，得到反相的皮棉地膜边缘图像；

S4.3:研究图像特性，根据图像直方图双峰特性，将直方图波谷处的值设置为阈值，利用所得阈值对反相得到的皮棉地膜图像进行单阈值分割，提取地膜异性纤维的轮廓图像；

进一步的，所述步骤S5具体包括以下步骤：

S5.1:创建邻域模板，将模板在所述轮廓边缘图像中遍历——将所述模板的中心与所述轮廓边缘图像中数据链起始像素位置重合，开始遍历；

S5.2:读取上述模板下对应像素的灰度值；

S5.3:将读取的灰度值从大到小排列；

S5.4:找出所述灰度值里排在中间位置的一个值作为中值；

S5.5:将所述中值赋给对应所述模板中心位置的像素。

进一步的，所述步骤S5.1为创建5*5的邻域模板。

本发明的工作原理以及有益效果表现在：

通过改进形态学边缘检测方法、单阈值分割法对采集到的皮棉地膜彩色图像进行处理，以及采用中值滤波法对分割后的地膜图像中的小面积噪声图像进行移除，能够得到较清楚的地膜图像，达到了快速准确的分割地膜图像，为地膜的特征提取、目标识别和在线计量提供了有效的基础数据，使棉花异性纤维检测领域更加完善。本发明同时解放劳动力，为企业减少损失。

下面结合附图以及实施例具体说明。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；

图1是本发明低对比度皮棉地膜图像分割方法流程图；

图2是图1中的改进形态学边缘检测方法流程图；

图3是图1中的中值滤波方法流程图。

图4是本方法具体分析图。

具体实施方式

下面未述及的相关技术内容均可采用或借鉴现有技术。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

本发明共包括5个步骤：

一：皮棉地膜图像采集

采用工业相机对含有地膜的皮棉进行摄像，进行皮棉地膜图像采集，得到24位原始RGB真彩色图像——皮棉地膜异性纤维彩色图像；

二：皮棉地膜图像灰度化处理

运用软件编程将皮棉地膜原始24位RGB真彩色图像读入计算机，然后对原始彩色图像做灰度化处理，得到皮棉地膜灰度图像f，灰度化后的图像对其一些信息进行计算时能减少计算量，加快后续图像处理的速度。本实施例所用的灰度化公式为Y＝0.212671*R+0.715160*G+0.072169*B,按照此公式将原始RGB图像中每个像素的值进行计算转化得到灰度值Y。

三：运用改进数学形态学边缘检测方法，检测皮棉地膜图像边缘

3.1:创建形态学结构元素：

本实施例创建的结构元素是一种菱形结构，b(x，y)为结构元素的灰度函数，其本身也是一个子图像；

3.2:利用所述结构元素分别对灰度图像进行膨胀和腐蚀运算；

灰度图像f用结构元素b进行腐蚀和膨胀的定义如下：

腐蚀定义：

(fΘb)(s,t)＝min{f(s+x,t+y)-b(x,y)|(s+x,t+y)∈D_f,(x,y)∈D_b}

膨胀定义：

$(f\⊕b)(s,t)=\max \{f(s-x,t-y)+b(x,y)|(s-x,t-y)\∈D_f,(x,y)\∈D_b\}$

因此，若采用腐蚀运算检测图像边缘，则边缘检测算子为：

Edge(f)＝f(x,y)-(fΘb)

若采用膨胀运算检测图像边缘，则边缘检测算子为：

$\mathrm{Edge}\left(f\right)=(f\⊕b)-f(x,y)$

3.3:利用膨胀运算检测图像边缘得到的图像与原始图像进行减法运算得到边缘图像f1；

利用原始图像与腐蚀运算检测图像边缘得到的图像进行减法运算得到边缘图像f2；

可见，本发明对采用腐蚀运算、膨胀运算检测图像边缘以及采用形态学梯度检测边缘进行研究，对形态学边缘检测算子进行改进。先通过采用腐蚀运算检测算子及膨胀运算检测算子两种算子检测图像的边缘，然后对两种边缘检测算子检测到的边缘图像进行权值分别为α和β的加权相加，得到改进边缘检测算子后的边缘图像。改进后的边缘检测算子为：

$\mathrm{gEdge}\left(f\right)=\mathrm{\α}[f(x,y)-\left(\mathrm{f\Θb}\right)]+\mathrm{\β}[(f\⊕b)-f(x,y)]$

本例采用α＝0.45，β＝0.63的加权组合权值。

四：对皮棉地膜边缘图像进行图像分割；

4.1:创建一幅跟皮棉地膜灰度图像尺寸相同的纯白图像；

4.2:用所述的纯白图像跟S3中所述的边缘图像进行减法运算，得到反相的皮棉地膜边缘图像；

4.3:研究图像特性，求得一个阈值，利用所得阈值对反相得到的皮棉地膜图像进行单阈值分割，提取地膜异性纤维的轮廓图像。本实施例所用的阈值大小为248；

五中值滤波去除图像噪声。

本实施例采用中值滤波的方法，去除图像中的小目标噪声；本实施例的中值滤波方法，采用5*5的邻域来计算中值，并用1来填充滤波后的图像，包括以下步骤：

首先创建5*5的邻域模板，将5*5模板在所述轮廓边缘图像中漫游遍历，并将所述模板的中心与所述轮廓边缘图像中某个像素位置重合；读取所述模板下对应像素的灰度值；将读取的灰度值从大到小排列；找出所述灰度值里排在中间位置的一个值作为中值；将所述中值赋给对应所述模板中心位置的像素。

通过中值滤波去除图像噪声后得到的图像大部分无用噪点被去除，图像信噪比提高，边缘更加清晰锐利，是其他直接采用单阈值分割、自适应阈值分割等分割方法所不能实现的。

本方法具体分析图如图4所示，依次经过采集原图、灰度化、改进形态学提取边缘、阈值分割和中值滤波。

验证本发明方法时，人工在皮棉中添加100个地膜碎片，运用本发明方法处理后检出91，检出率大于90％，而作为比较的现有常用的直接单阈值分割方法、自适应阈值分割方法，根本无法分割出地膜，更无从计算检出率。而人工挑拣，目前没有可用的针对挑选地膜的人工检出率数据，根据调研发现，人工长期面对大量棉花进行挑拣，人的视力会产生定势下降，本发明主要起到完善异纤检测自动化程度，解放劳动力，给企业带来更好的经济效益。

以上所述仅是本申请的优选实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种低对比度皮棉地膜图像分割方法，其特征在于：包括以下步骤： 

S1:用相机进行皮棉地膜图像采集，得到原始RGB真彩色图像； 

S2:计算机读入并对上述原始RGB真彩色图像进行灰度化处理，得到皮棉地膜的灰度图像； 

S3:对基于数学形态学的边缘检测方法进行梯度锐化改进，用改进后的边缘检测方法对皮棉地膜灰度图像进行边缘检测，得到地膜边缘图像； 

S4:对得到的地膜边缘图像进行反相处理，对反相处理后的图像进行单阈值分割提取出所述地膜异性纤维图像的轮廓边缘图像； 

S5:采用中值滤波法对轮廓边缘图像进行去噪声图像增强处理，将图像中的小面积去除，使分割出的地膜边缘更加清晰。 

2.根据权利要求1所述的低对比度皮棉地膜图像分割方法，其特征在于： 

所述步骤S3具体包括以下步骤提取地膜的边缘图像： 

S3.1:创建形态学结构元素； 

S3.2:利用所述结构元素分别对灰度图像进行膨胀和腐蚀运算； 

S3.3:利用膨胀运算得到的图像与原始图像进行减法运算得到边缘图像f1，利用原始图像与腐蚀运算得到的图像进行减法运算得到边缘图像f2； 

S3.4:将边缘图像f1和f2进行加权相加运算，完成改进,使梯度边缘更加锐化，得到边缘锐化图像。 

3.根据权利要求1所述的低对比度皮棉地膜图像分割方法，其特征在于： 

所述步骤S4具体包括以下步骤： 

S4.1:创建一幅跟皮棉地膜灰度图像尺寸相同的纯白图像； 

S4.2:用所述的纯白图像跟S3中所述的地膜边缘图像进行减法运算，得到反相 的皮棉地膜边缘图像； 

S4.3:研究图像特性，根据图像直方图双峰特性，将直方图波谷处的值设置为阈值，利用所得阈值对反相得到的皮棉地膜图像进行单阈值分割，提取地膜异性纤维的轮廓图像。 

4.根据权利要求1所述的低对比度皮棉地膜图像分割方法，其特征在于： 

所述步骤S5具体包括以下步骤： 

S5.1:创建邻域模板，将模板在所述轮廓边缘图像中遍历——将所述模板的中心与所述轮廓边缘图像中数据链起始像素位置重合，开始遍历； 

S5.2:读取上述模板下对应像素的灰度值； 

S5.3:将读取的灰度值从大到小排列； 

S5.4:找出所述灰度值里排在中间位置的一个值作为中值； 

S5.5:将所述中值赋给对应所述模板中心位置的像素。 

5.根据权利要求4所述的低对比度皮棉地膜图像分割方法，其特征在于：所述步骤S5.1为创建5*5的邻域模板。