CN107256406B - 重叠纤维图像分割方法、装置、存储介质和计算机设备 - Google Patents

Abstract

本发明涉及一种重叠纤维图像分割方法、装置、存储介质和计算机设备。在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点。对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点，获取相互匹配的两凹点之间的连线，确认连线为分割线。根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。通过对每一个凹点依次寻找匹配的另一凹点，得到相互匹配的两凹点，两两匹配的凹点的连线为重叠纤维的轮廓图像的分割线，这样便可以根据分割线对重叠纤维的轮廓图像进行分割，得到单个纤维的完整轮廓图像。解决了传统方式通过人工对重叠纤维进行识别和计数时，经常掺杂主观因素所造成的准确率低的问题。

Description

重叠纤维图像分割方法、装置、存储介质和计算机设备

技术领域

本发明涉及图像处理技术领域，特别是涉及一种重叠纤维图像分割方法、装置、存储介质和计算机设备。

背景技术

我国是纺织品生产和出口的大国，混纺化纤织物是纺织品中很重要的一部分。混纺化纤织物是化学纤维与其它棉毛、丝、麻等天然纤维混合纺纱织成的纺织品。对于纺织品加工厂家和进出口厂商，对混纺化纤织物中纤维成份含量的分析十分重要，往往需要对混纺化纤织物中的纤维进行数量统计和参数测量。传统方法对纤维进行数量统计和参数测量都是通过人工完成的，在人工检测和识别纤维时，经常掺杂主观因素，所以速度慢且错误率高。随着图像处理技术的不断发展，图像处理已渗透入各行各业，当然也包括纺织业。因此，用计算机代替传统的人工检测和识别纤维是必然趋势。在用计算机对纺织纤维图像进行识别和计数时，纺织纤维图像中经常出现纤维交叉或重叠的情况，目前对纺织纤维图像进行图像分割的准确率不高，所以如何提高纺织纤维图像分割准确率是一个亟待解决的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高纺织纤维图像分割准确率的重叠纤维图像分割方法、装置、存储介质和计算机设备。

一种重叠纤维图像分割方法，所述方法包括：

在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

对每一个凹点寻找与所述凹点匹配的另一凹点，得到相互匹配的两凹点；

获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

在其中一个实施例中，所述对每一个凹点，寻找与所述凹点匹配的另一凹点，得到相互匹配的两凹点，包括：

对每一个凹点，执行：

当所述凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断所述凹点与所述第一凹点之间连线的中点是否在所述轮廓线内部，若是，则在与所述凹点连接的轮廓线上选取与所述凹点相距设定距离的目标点；

获取所述凹点、所述目标点及所述第一凹点三点相连所构成的三角形；

当所述三角形的面积小于设定阈值，则所述第一凹点为所述凹点的匹配候选点，从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点。

在其中一个实施例中，所述从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点，包括：

获取所述凹点的匹配候选点与所述凹点之间的距离；

获取最小的距离所对应的匹配候选点为与所述凹点匹配的凹点。

在其中一个实施例中，所述目标点包括前继点和后继点，所述前继点为在与所述凹点连接的一侧轮廓线上选取的点，所述后继点为在与所述凹点连接的另一侧轮廓线上选取的点。

在其中一个实施例中，在所述在重叠纤维的轮廓图像的轮廓线上提取特征点之前，包括：

获取重叠纤维的灰度图像；

对所述灰度图像进行预处理，得到重叠纤维的轮廓图像。

一种重叠纤维图像分割装置，所述装置包括：

特征点提取模块，用于在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

匹配凹点寻找模块，用于对每一个凹点寻找与所述凹点匹配的另一凹点，得到相互匹配的两凹点；

分割线确认模块，用于获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

分割模块，用于根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

在其中一个实施例中，所述匹配凹点寻找模块包括：

判断模块，用于当所述凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断所述凹点与所述第一凹点之间连线的中点是否在所述轮廓线内部；

目标点选取模块，用于若所述凹点与所述第一凹点之间连线的中点在所述轮廓线内部，则在与所述凹点连接的轮廓线上选取与所述凹点相距设定距离的目标点；

三角形获取模块，用于获取所述凹点、所述目标点及所述第一凹点三点相连所构成的三角形；

匹配凹点筛选模块，用于当所述三角形的面积小于设定阈值，则所述第一凹点为所述凹点的匹配候选点，从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点。

在其中一个实施例中，所述匹配凹点筛选模块还包括：获取所述凹点的匹配候选点与所述凹点之间的距离；获取最小的距离所对应的匹配候选点为与所述凹点匹配的凹点。

一个或多个存储有计算机可执行指令的非易失性计算机可读存储介质，所述计算机可执行指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

对每一个凹点寻找与所述凹点匹配的另一凹点，得到相互匹配的两凹点；

获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

一种计算机设备，所述计算机设备包括存储器，处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

对每一个凹点寻找与所述凹点匹配的另一凹点，得到相互匹配的两凹点；

获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

上述重叠纤维图像分割方法、装置、存储介质和计算机设备，在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点，对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点。确认相互匹配的两凹点之间的连线即为分割线。根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。通过对每一个凹点依次寻找匹配的另一凹点，得到相互匹配的两凹点，两两匹配的凹点的连线为重叠纤维的轮廓图像的分割线，这样便可以根据分割线对重叠纤维的轮廓图像进行分割，得到单个纤维的完整轮廓图像。解决了传统方式通过人工对重叠纤维进行识别和计数时，经常掺杂主观因素所造成的准确率低的问题。

附图说明

图1为一个实施例中粘连纤维的图像分割过程的示意图；

图2为一个实施例中交叉纤维的图像分割过程的示意图；

图3为一个实施例中重叠纤维图像分割方法的流程图；

图4为一个实施例中交叉纤维图像分割方法的示意图；

图5为一个实施例中重叠纤维图像分割方法的流程图；

图6为一个实施例中重叠纤维图像分割方法的流程图；

图7为一个实施例中重叠纤维图像分割方法的流程图；

图8为一个实施例中重叠纤维图像分割装置的结构示意图；

图9为图8中匹配凹点寻找模块的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

本发明实施例中，重叠纤维包括粘连纤维和交叉纤维，粘连纤维是指至少两个纤维发生了粘连而形成的，交叉纤维是指至少两个纤维发生交叉了而形成的。

图1为本发明实施例提供的粘连纤维的图像分割过程的示意图。图1-(1)为粘连纤维的灰度图像，对粘连纤维的灰度图像进行二值化处理，得到二值化图像见图1-(2)所示。二值化图像中黑白像素的交界处即为该图像中粘连纤维对应的轮廓线。通过本发明实施例提供的重叠纤维图像分割方法，对粘连纤维的轮廓图像进行图像分割。即可得到图1-(3)和图1-(4)所示的分割后的单个纤维的完整轮廓图像。

图2为本发明实施例提供的交叉纤维的图像分割过程的示意图。图2-(1)为交叉纤维的灰度图像，对交叉纤维的灰度图像进行二值化处理，得到二值化图像见图2-(2)所示。二值化图像中黑白像素的交界处即为该图像中交叉纤维对应的轮廓线。通过本发明实施例提供的重叠纤维图像分割方法，对交叉纤维的轮廓图像进行图像分割。即可得到图2-(3)和图2-(4)所示的分割后的单个纤维的完整轮廓图像。

在一个实施例中，如图3所示，提供了一种重叠纤维图像分割方法，包括：

步骤310，在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点。

重叠纤维包括粘连纤维和交叉纤维，粘连纤维是指至少两个纤维发生了粘连而形成的，交叉纤维是指至少两个纤维发生交叉了而形成的。先获取纺织纤维或其他纤维的普通图像，计算机图像中轮廓线是由一个一个的像素点组成的。再对纤维的普通图像进行灰度处理，得到纤维的灰度图像。对灰度图像进行二值化处理，得到二值化图像，即图像上的点的灰度值只为0或255，也就是将整个图像呈现出明显的黑白效果，得到黑白像素组成的轮廓图像，黑白像素的交界处即为该图像中纤维对应的轮廓线。

对重叠纤维的轮廓线通过高斯滤波处理，去掉轮廓线上的毛刺使轮廓线趋于平滑。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板或称卷积、掩模扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。其相应的公式为：

其中(x,y)为轮廓线上点对应的坐标值，σ为该滤波器对应的窗口系数。

在经过上述去毛刺处理后得到的轮廓线上提取特征点，特征点包括凹点和凸点。具体的，提取特征点的方法是计算轮廓线上每个点的曲率，选择曲率极大值点作为特征点。当然，在其他实施例中，也可以采用其他方法提取特征点。

对特征点进行分类，分为凹点和凸点。具体的，对于轮廓线上的特征点P₀，取与其相距n个点的前继点P_-1和后继点P₁，具体的n可以取n>＝10，当然，在其他实施例中，n也可以取其他值。再获取特征点P₀、前继点P_-1和后继点P₁三点顺时针方向连接形成的夹角，计算该夹角的角度，并将该夹角的角度与180°进行比较大小。例如，P₀P_-1旋转到P₀P₁的方向为顺时针，则获取并计算由P₀P_-1旋转到P₀P₁所形成的夹角的角度，当该夹角的角度大于180°则为凸点，小于180°则为凹点。将特征点中的所有凹点都分配到凹点集中，将特征点中的所有凸点都分配到凸点集中。

步骤320，对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点。

对凹点集中的每一个凹点在凹点集中寻找与凹点匹配的其他凹点，得到相互匹配的两凹点。具体的，设有一个凹点集Pcave＝{P₁,P₂,…,P_i,…}，对于凹点集中的某一个凹点P_i(i为这个凹点在凹点集中的序号)，将凹点集Pcave中不包括P_i的所有其他凹点，依次与凹点P_i进行匹配判断。例如，请参见图4，图4为本发明实施例提供的交叉纤维图像分割方法的示意图。判断第一凹点P_j是否为凹点P_i的匹配点，若是则获取第一凹点P_j，第一凹点P_j即为凹点P_i的匹配点。然后再对凹点P_i的下一个凹点寻找匹配的凹点。

步骤330，获取相互匹配的两凹点之间的连线，确认连线为分割线。

将相互匹配的两凹点之间的进行连线，获取该连线，该连线即为对重叠纤维的轮廓图像进行分割的分割线。具体的，若凹点P_j为凹点P_i的匹配点，则将凹点P_j与凹点P_i之间进行连线，凹点P_j与凹点P_i之间进行连线为重叠纤维的轮廓图像的分割线。

步骤340，根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

根据确认的所有的分割线对重叠纤维的轮廓图像的粘连或者交叉区域进行分割，可以实现重叠纤维的轮廓图像的粘连或者交叉区域分离，然后再进行补充连接，就可以得到分离后的单个纤维的完整轮廓图像。

本实施例中，在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点，对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点。确认相互匹配的两凹点之间的连线即为分割线。根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。通过对每一个凹点依次寻找匹配的另一凹点，得到相互匹配的两凹点，两两匹配的凹点的连线为重叠纤维的轮廓图像的分割线，这样便可以根据分割线对重叠纤维的轮廓图像进行分割，得到单个纤维的完整轮廓图像。解决了传统方式通过人工对重叠纤维进行识别和计数时，经常掺杂主观因素所造成的准确率低的问题。

在一个实施例中，如图5所示，对每一个凹点，寻找与凹点匹配的另一凹点，得到相互匹配的两凹点，包括：对每一个凹点，执行：

步骤322，当凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断凹点与第一凹点之间连线的中点是否在轮廓线内部。

对凹点集中的每一个凹点在凹点集中寻找与凹点匹配的另一凹点。具体的，对于凹点集中的某一个凹点P_i，将凹点集Pcave中不包括P_i的所有其他凹点，依次与P_i进行匹配判断。先判断其他凹点与凹点P_i之间的轮廓线上是否存在特征点，特征点包括凹点和凸点。当凹点P_i与其他凹点中的第一凹点P_j之间的轮廓线上存在特征点时，即存在凹点或凸点，则对凹点P_i和第一凹点P_j之间进行连线，并获取凹点P_i和第一凹点P_j之间连线的中点，并判断凹点P_i和第一凹点P_j之间连线的中点否在重叠纤维的轮廓图像的轮廓线内部。

步骤323，若是，则在与凹点连接的轮廓线上选取与凹点相距设定距离的目标点。

若某个凹点与第一凹点之间连线的中点在轮廓线内部，那么在与凹点连接的轮廓线上选取与凹点相距设定距离的目标点。与凹点连接的有两条轮廓线，两条轮廓线分别朝向不同的方向，分别在与凹点连接的两条轮廓线上选取相距设定距离的目标点，即目标点也为两个，包括前继点和后继点。具体的，请参见图4，凹点P_i和第一凹点P_j之间连线的中点在重叠纤维的轮廓图像的轮廓线内部，则在与凹点P_i连接的朝向两个不同方向的轮廓线上选取与凹点P_i相距设定距离的目标点即前继点和后继点。在与凹点连接的两条轮廓线上分别选取与其相距m(如：m＝10)个点的前继点P_i-f和后继点P_i-r，优选的，m可以取10，当然，在其他实施例中，m也可以取其他数值。

步骤326，获取凹点、目标点及第一凹点三点相连所构成的三角形。

目标点包含前继点和后继点，所以分别将某个凹点、某个凹点的前继点及第一凹点三点相连，获取三点相连所构成的第一三角形，请参见图4，例如第一三角形△P_iP_jP_i-f。将某个凹点、某个凹点的后继点及第一凹点三点相连，获取三点相连所构成的第二三角形，请参见图4，例如第二三角形△P_iP_jP_i-r。

步骤328，当三角形的面积小于设定阈值，则第一凹点为凹点的匹配候选点，从凹点的匹配候选点中筛选出与凹点匹配的凹点。

分别对第一三角形和第二三角形的面积进行计算，获取第一三角形和第二三角形的面积数值。面积对应的设定阈值可以根据某个凹点与该凹点的目标点之间相距的设定距离对应预设，即若某个凹点与该凹点的目标点之间相距的设定距离较小，则面积对应的设定阈值也较小，若某个凹点与该凹点的目标点之间相距的设定距离较大，则面积对应的设定阈值也较大。当第一三角形或第二三角形的面积小于设定阈值，即只要有一个三角形的面积小于设定阈值，则第一凹点就为凹点的匹配候选点。

理论上，某个凹点的匹配候选点即第一凹点，这点应该在与该凹点相连的一条轮廓线的延长线上。轮廓线又是平滑的线条，所以该凹点、第一凹点及在该条轮廓线上选取的该凹点的目标点，这三点所构成的三角形的面积趋于0。优选的，设定阈值设置为0.1，只要有一个三角形的面积小于设定阈值0.1，当然，在其他实施例中，设定阈值也可以取其他数值，则第一凹点为凹点的匹配候选点。

某个凹点可能会有多个匹配候选点，此时就需要从多个匹配候选点中筛选出与凹点匹配的凹点。对于两条纤维形成的交叉纤维，用相互匹配的两凹点之间的连线继续图像分割时，则一般某个凹点只对应一个匹配的凹点。对于两条纤维形成的粘连纤维，用相互匹配的两凹点之间的连线继续图像分割时，则一般某个凹点对应两个匹配的凹点。依此类推，多条纤维形成的交叉纤维或粘连纤维，则将会有多对相互匹配的凹点。

在本实施例中，对凹点集中的每一个凹点依次进行寻找匹配的另一凹点，先判断凹点与凹点集中其他凹点中的第一凹点之间的轮廓线上是否存在凹点或凸点，存在凹点或凸点即说明选取的该凹点与第一凹点之间的轮廓线有凸角，则说明这两凹点之间很有可能形成了纤维的重叠，当然，也可能是平滑处理未去除的毛刺所致。因此，为了排除毛刺所致的可能，继续判断这两凹点之间连线的中点是否在轮廓线内部，若是则与凹点连接的轮廓线上选取与凹点相距设定距离的目标点，计算凹点、目标点及第一凹点三点相连所构成的三角形的面积大小，若小于设定阈值，则说明第一凹点应该是在与该凹点相连的一条轮廓线的反向延长线上，即该凹点与第一凹点之间的连线可能是这个单个纤维被遮挡部分的轮廓线。再从多个第一凹点中筛选出该凹点匹配的凹点。经过多次筛选即可提高获取匹配的凹点的准确率。

在一个实施例中，如图6所示，从凹点的匹配候选点中筛选出与凹点匹配的凹点，包括：

步骤328a，获取凹点的匹配候选点与凹点之间的距离。

分别将某个凹点与该凹点的每个匹配候选点之间进行连线，获取并计算连线的距离。

步骤328b，获取最小的距离所对应的匹配候选点为与凹点匹配的凹点。

从某个凹点与该凹点的每个匹配候选点之间的所有连线中获取最短的连线，获取最短的连线所对应的匹配候选点即最终为与该凹点匹配的凹点。

在本实施例中，当多条纤维形成的交叉纤维或粘连纤维，则将会有多个匹配候选点满足上述条件，例如当重叠纤维的轮廓线都是结经过平滑处理的，那么一条纤维A与两条纤维B、C同时重叠时，则纤维A上与纤维B重叠形成的凹点P_g将会分别与纤维B和纤维C上都有相互匹配的凹点。但是凹点P_g是纤维A与纤维B重叠形成的凹点，所以凹点P_g的匹配的凹点必然是在纤维B上的，而且凹点P_g与纤维B上的匹配的凹点之间的距离也是最短的。所以通过在某个凹点与该凹点的每个匹配候选点之间的所有连线中获取最短的连线，即可得到凹点P_g最终匹配的凹点。

在一个实施例中，目标点包括前继点和后继点，前继点为在与凹点连接的一侧轮廓线上选取的点，后继点为在与凹点连接的另一侧轮廓线上选取的点。

与凹点连接的有两条轮廓线，两条轮廓线分别朝向不同的方向，分别在与凹点连接的两条轮廓线上选取相距设定距离的目标点，即目标点也为两个，包括前继点和后继点。在与凹点连接的朝一个方向的轮廓线上选取的点为前继点，在与凹点连接的朝另一方向的轮廓线上选取的点便为后继点。具体的，请参见图4，在与凹点连接的两条轮廓线上分别选取与其相距m(如：m＝10)个点的前继点P_i-f和后继点P_i-r，优选的，m可以取10，当然，在其他实施例中，m也可以取其他数值。

在本实施例中，当两条纤维发生交叉时，则一个凹点与两个不同的匹配点对应两条分割线，分别是两条交叉纤维被遮挡部分的轮廓线。目标点包括前继点和后继点，分别在与凹点连接的两条轮廓线上。当判断一个凹点的某个匹配候选点是匹配点时，在该凹点与该匹配候选点连线所对应的纤维的轮廓线上选取一个目标点。判断该凹点、该匹配候选点及该目标点三点所构成的三角形的面积是否小于设定阈值。即根据候选匹配点所在的那条纤维，在目标点中来选择使用哪一个目标点。这样判断凹点分割不同纤维的分割线时，就可以用对应的目标点所构成的三角形来进行判断。不用每次都对目标点中的前继点和后继点所构成的两个三角形都进行判断，节省了时间，提高了效率。

在一个实施例中，如图7所示，在在重叠纤维的轮廓图像的轮廓线上提取特征点之前，包括：

步骤350，获取重叠纤维的灰度图像。

在在重叠纤维的轮廓图像的轮廓线上提取特征点之前，先获取重叠纤维的普通图像，再对纤维的普通图像进行灰度处理，得到纤维的灰度图像。灰度图像(gray image)是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度。在计算机图像领域中，灰度图像在黑色与白色之间还有许多级的颜色深度。灰度图像经常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的，用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度(如果用16位，则有65536级)。

步骤360，对灰度图像进行预处理，得到重叠纤维的轮廓图像。

对重叠纤维的灰度图像进行二值化处理，得到二值化图像，即图像上的点的灰度值只为0或255，也就是将整个图像呈现出明显的黑白效果，得到黑白像素组成的轮廓图像，黑白像素的交界处即为该图像中纤维对应的轮廓线。

在本实施例中，对重叠纤维的普通图像进行灰度处理，得到纤维的灰度图像，再对重叠纤维的灰度图像进行二值化处理得到二值化图像，二值化图像中黑白像素的交界处即为该图像中纤维对应的轮廓线。进而得到重叠纤维的轮廓图像，最后得到重叠纤维的轮廓图像的轮廓线，为后续进行图像分割做好了充分的准备。

在一个实施例中，如图8所示，还提供了一种重叠纤维图像分割装置800，该装置包括：特征点提取模块810、匹配凹点寻找模块820、分割线确认模块830及分割模块840。

特征点提取模块810，用于在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点；

匹配凹点寻找模块820，用于对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点；

分割线确认模块830，用于获取相互匹配的两凹点之间的连线，确认连线为分割线；

分割模块840，用于根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

在一个实施例中，如图9所示，匹配凹点寻找模块820包括：判断模块821、目标点选取模块822、三角形获取模块823及匹配凹点筛选模块824。

判断模块821，用于当凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断凹点与第一凹点之间连线的中点是否在轮廓线内部；

目标点选取模块822，用于若凹点与第一凹点之间连线的中点在轮廓线内部，则在与凹点连接的轮廓线上选取与凹点相距设定距离的目标点；

三角形获取模块823，用于获取凹点、目标点及第一凹点三点相连所构成的三角形；

匹配凹点筛选模块824，用于当三角形的面积小于设定阈值，则第一凹点为凹点的匹配候选点，从凹点的匹配候选点中筛选出与凹点匹配的凹点。

在一个实施例中，匹配凹点筛选模块824还包括：获取凹点的匹配候选点与凹点之间的距离；获取最小的距离所对应的匹配候选点为与凹点匹配的凹点。

在一个实施例中，一个或多个存储有计算机可执行指令的非易失性计算机可读存储介质，计算机可执行指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：

在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点；

对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点；

获取相互匹配的两凹点之间的连线，确认连线为分割线；

根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

在一个实施例中，一种计算机设备，计算机设备包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

在重叠纤维的轮廓图像的轮廓线上提取特征点，特征点包括凹点和凸点；

对每一个凹点寻找与凹点匹配的另一凹点，得到相互匹配的两凹点；

获取相互匹配的两凹点之间的连线，确认连线为分割线；

根据分割线对重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种重叠纤维图像分割方法，所述方法包括：

在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

对每一个凹点，执行：

当所述凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断所述凹点与所述第一凹点之间连线的中点是否在所述轮廓线内部，若是，则在与所述凹点连接的轮廓线上选取与所述凹点相距设定距离的目标点；

获取所述凹点、所述目标点及所述第一凹点三点相连所构成的三角形；

当所述三角形的面积小于设定阈值，则所述第一凹点为所述凹点的匹配候选点，从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点；

获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

2.根据权利要求1所述的方法，其特征在于，所述从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点，包括：

获取所述凹点的匹配候选点与所述凹点之间的距离；

获取最小的距离所对应的匹配候选点为与所述凹点匹配的凹点。

3.根据权利要求1所述的方法，其特征在于，所述目标点包括前继点和后继点，所述前继点为在与所述凹点连接的一侧轮廓线上选取的点，所述后继点为在与所述凹点连接的另一侧轮廓线上选取的点。

4.根据权利要求1所述的方法，其特征在于，在所述在重叠纤维的轮廓图像的轮廓线上提取特征点之前，包括：

获取重叠纤维的灰度图像；

对所述灰度图像进行预处理，得到重叠纤维的轮廓图像。

5.一种重叠纤维图像分割装置，其特征在于，所述装置包括：

特征点提取模块，用于在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

匹配凹点寻找模块，用于对每一个凹点，执行：当所述凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断所述凹点与所述第一凹点之间连线的中点是否在所述轮廓线内部，若是，则在与所述凹点连接的轮廓线上选取与所述凹点相距设定距离的目标点；获取所述凹点、所述目标点及所述第一凹点三点相连所构成的三角形；当所述三角形的面积小于设定阈值，则所述第一凹点为所述凹点的匹配候选点，从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点；

分割线确认模块，用于获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

分割模块，用于根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

6.根据权利要求5所述的装置，其特征在于，所述匹配凹点筛选模块还包括：获取所述凹点的匹配候选点与所述凹点之间的距离；获取最小的距离所对应的匹配候选点为与所述凹点匹配的凹点。

7.一个或多个存储有计算机可执行指令的非易失性计算机可读存储介质，所述计算机可执行指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

对每一个凹点，执行：当所述凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断所述凹点与所述第一凹点之间连线的中点是否在所述轮廓线内部，若是，则在与所述凹点连接的轮廓线上选取与所述凹点相距设定距离的目标点；

获取所述凹点、所述目标点及所述第一凹点三点相连所构成的三角形；

当所述三角形的面积小于设定阈值，则所述第一凹点为所述凹点的匹配候选点，从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点；

获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

8.一种计算机设备，所述计算机设备包括存储器，处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

在重叠纤维的轮廓图像的轮廓线上提取特征点，所述特征点包括凹点和凸点；

对每一个凹点，执行：当所述凹点与其他凹点中的第一凹点之间的轮廓线上存在特征点时，则判断所述凹点与所述第一凹点之间连线的中点是否在所述轮廓线内部，若是，则在与所述凹点连接的轮廓线上选取与所述凹点相距设定距离的目标点；

获取所述凹点、所述目标点及所述第一凹点三点相连所构成的三角形；

当所述三角形的面积小于设定阈值，则所述第一凹点为所述凹点的匹配候选点，从所述凹点的匹配候选点中筛选出与所述凹点匹配的凹点；

获取相互匹配的两凹点之间的连线，确认所述连线为分割线；

根据所述分割线对所述重叠纤维的轮廓图像进行分割，得到分割后的纤维的完整轮廓图像。

Images