CN110646354B - 一种棉纤维的颜色测试装置及方法 - Google Patents

Abstract

本发明涉及一种棉纤维的颜色测试装置，其特征在于，包括底部设有光学玻璃、顶部开口的试样框，试样设于试样框内，试样上方依次设有海绵垫及上盖，上盖及海绵垫在试样框内上、下滑动。本发明的另一个技术方案是提供了一种棉纤维的颜色测试方法。本发明给出了一种新的棉纤维颜色测试分析方法和装置，与现有棉纤维测色设备相比，颜色指标取得了3方面突出进步：去除了杂质对棉纤维测色的影响；增加了一个新的颜色指标a，真正实现了在三维色空间表征纤维的颜色；增加了R_d、+b、a各颜色值的变异系数，有利于表征每批棉花成熟度等色特征的不均匀情况。

Description

一种棉纤维的颜色测试装置及方法

技术领域

本发明涉及一种测试纤维颜色的装置及采用该装置的测试方法，尤其是涉及基于棉纤维的彩色反射图像来分析棉花(包括棉花轧去种子后的皮棉和籽棉)颜色的装置及方法。

背景技术

我国于2013年颁布的“GB1103.1-2012锯齿加工细绒棉标准”中最突出的变化是取消了棉花的品级(评级依据为成熟度、颜色特征、轧工质量)的感官检验内容，改为可仪器化测试的颜色级。该标准促进了棉花的颜色级检验由人工到仪器的过渡，也逐步实现了与国际的接轨。

美国农业部从1946年开始根据反射率R_d和黄色深度+b评价棉花的颜色，此后这两指标逐渐被各产棉大国采纳。目前被纺织业广泛认可的仪器是棉花大容量测试仪——HVI系统。2000年，美国农业部决定陆地棉的色特征级不再进行感官检验，全部由HVI仪器检验。仪器化检验不仅有利于质量的客观评价，完善棉花加工与纺织技术进步、产业升级，更重要的为政府的宏观调控提供依据，保障市场交易的有序进行。

HVI系统色杂模块测试时，试样被压缩，压强不小于4.47Kpa(压力44.7N)，白光光束以45°入射角射向被压实的纤维集合体，在垂直方向接收反射光信息，基于两个宽频滤色器获取试样反射光中的CIE(国际照明委员会)三刺激值的Y和Z，进而根据亨特公式换算得到反射率R_d和黄色深度+b，并对照色征图进行分级。该仪器仅能测得一定面积内的颜色平均值，无法给出样品内部颜色的分布情况。此外，资料报道HVI系统的两个宽频滤色器未覆盖整个可见光谱，与人工分级结果必然有一定的差异。杂质测试基于CCD摄像技术，以反射率的高低来区别杂质与棉纤维，所有比临界阈值较暗的部分都被视为杂质，这使得结果较依赖光源，且不能区分杂质的种类。除此之外，HVI系统价格过于昂贵，占地面积太大、要求处于恒温恒湿环境等也限制了部分棉纺织厂的应用。

物体的颜色特征一般采用三维色空间定量描述。评价棉花颜色的Hunter色空间原本是三维色空间，但是HVI系统只测试R_d和+b两个指标，认为第三个指标红绿色值a是常数，依据是他们实测的20世纪40年代的多种美棉颜色的a值差异不大。早期测色技术落后、需要简化仪器硬件也是一个原因。由于生长环境、气候关系，我国与美棉的颜色并不完全一致。实验证明不同地区采摘的原棉的a值存在一定的差异，不同年份采摘的原棉色特征也存在一定差异，在三维色空间中考核原棉颜色更加合理。

专利CN 106996914“一种籽棉品质检测装置及其检测方法”采用放置为田字框架形的LED光源照射籽棉样品，放置于田字空白位置的RGB颜色传感器接收籽棉表面的漫反射光，再由单片机组成的系统对RGB颜色值进行分析处理，输出R_d、+b，与系统中保存的仪器测色值与人工分级结果的对应关系对比给出籽棉颜色分级结果。专利CN103398956B“一种棉花测色的方法”通过色彩色差计测量棉花的CIE(国际照明委员会)三刺激值XYZ，得到了CIELab色空间的参数值L*(亮度)与B*(黄蓝色)，采用更加通用的CIE颜色空间的L*与B*值表征棉纤维的颜色，并建立了Hunter色空间R_d、+b值与L*、B*值之间的多元线性回归模型。

近几年有学者将棉花测色范围拓展到彩棉领域，专利CN107727581“一种天然棉花颜色分类的方法”和CN107703064“一种天然棉花颜色分级的方法”，采用分光光度计测量彩棉的色度信息，分别建立了色度值和彩棉类型、色度差值与彩棉等级的对应换算关系式。

上述棉花测色仪器和方法都未去除杂质对棉花颜色的影响，测得结果是棉纤维与所含杂质颜色指标的平均值，使得测试结果与棉纤维的真实颜色存在一定偏差。人工测色时，眼睛可忽略杂质只考虑棉纤维自身的颜色，具有直接去除杂质对颜色分级的作用。所以，从本质上讲，原棉测色仪器或方法，应该去除杂质对棉纤维颜色测试结果的影响。并且，只关注棉花的平均颜色特征，鲜少有关于颜色值分布和离散性的表征，后者是未成熟棉、霜黄棉等劣质棉混入情况的重要信息。此外，现有棉花测色仪器和方法都存在硬件成本高或精度低等缺陷。

现代数码测色技术可测试样品每一个像素点的颜色信息，可便捷地得到颜色的分布和离散性指标。通过分析多种杂质类型在色空间的分布和感官颜色特征，有可能采用某种算法去除杂质对棉纤维测色的影响。因此，相对于HVI，基于高精度的彩色数字图像分析技术，获得完善的棉花颜色指标体系成为棉花测色的更佳途径。

发明内容

本发明目的是：基于高精度的彩色数字图像分析技术，提出一种更完善的原棉颜色测试分析方法。

为了达到上述目的，本发明的一个技术方案是提供了一种棉纤维的颜色测试装置，其特征在于，包括底部设有光学玻璃、顶部开口的试样框，试样设于试样框内，试样上方依次设有海绵垫及上盖，上盖及海绵垫在试样框内上、下滑动，上盖及海绵垫将试样压在试样框底部的光学玻璃上，通过上盖加压时能够产生压缩变形的海绵垫与试样接触，保证试样铺放不均匀时各处压强均匀；在光学玻璃下方设有可见光的光源，光源从试样下方的左、右两侧照射试样，在试样的正下方设有成像设备。

优选地，所述海绵垫外包有气孔的光滑塑料膜；所述上盖为不锈钢材料。

优选地，所述成像设备为CCD摄像装置，CCD摄像装置所采用的CCD是与所述试样相对运动的线型CCD，或是固定的平面CCD。

本发明的另一个技术方案是提供了一种棉纤维的颜色测试方法，其特征在于，包括以下步骤：

步骤1、将原棉试样在恒温恒湿室内预调湿后，获取原棉试样；

步骤2、将上一步获得的平衡后的原棉样品均匀地平铺在权利要求1所述的棉纤维的颜色测试装置的试样框(2)内，加盖海绵垫(4)和上盖(5)；

步骤3、通过所述成像设备获得试样框(2)底部原棉试样表面的反射光图像；

步骤4、判明反射光图像中的杂质所在位置，包括以下步骤：

步骤401、对反射光图像进行灰度化及降噪处理，得到灰度图像；

步骤402、将灰度图像中灰度小于low_in的像素点的值设定为A，灰度大于high_in的像素点的值设定为B，low_in、high_in均为预先设定的阈值，A表示纯净棉，B表示杂质；

步骤403、根据灰度图像的状态自动确定灰度在low_in至high_in范围的区分棉纤维与杂质的阈值，将灰度图像中灰度小于所得到的阈值的像素点的值设定为A，将灰度图像中灰度大于所得到的阈值的像素点的值设定为B；

步骤404、获得表征棉纤维与杂质所在位置的黑白二值化图像或矩阵；

步骤405、对上一步获得的黑白二值化图像或矩阵进行形态学处理，以去除杂质和棉纤维区域上散布着的噪声物体，随后删除黑白二值化图像或矩阵中直径不大于Cmm的连通，获得剩余的各点的坐标；

步骤5、步骤3所获得的反射光图像中坐标与上一步获得的坐标相同的各点为棉纤维的像素点，获得反射光图像中各棉纤维的像素点的相对颜色值r_xy、g_xy、b_xy及其平均颜色值r、g、b；

步骤6、将上一步获得的各像素点的相对颜色值r_xy、g_xy、b_xy及其平均颜色值r、g、b转换到XYZ色空间，得到每个坐标点的X_xy、Y_xy、Z_xy和平均值X、Y、Z；

步骤7、用亨特色空间与XYZ色空间的转换方程，计算得到：每个像素点的反射率R_dxy’，R_dxy’＝Y_xy；每个像素点的黄色深度+b_xy’，+b_xy’＝70fy_xy(Y_xy-0.847Z_xy)；每个像素点的红绿色分量a_xy’，a_xy’＝175fy_xy(1.02X_xy-Y_xy)；平均反射率R_d’，R_d’＝Y；平均黄色深度+b’，+b’＝70fy(Y-0.847Z)；平均红绿色分量a’，a’＝175f_y(1.02X-Y)；式中，fy_xy、fy为中间值，

步骤8、计算得到：每个像素点的R_d值R_dxy，R_dxy＝C_0R+C_1RR_dxy’；每个像素点的+b值+b_xy，+b_xy＝C_0b+C_1b×(+b_xy’)；平均Rd值

式中，C_0R、C_1R、C_0b、C_1b为预先确定的常数；

步骤9、分别建立三张颜色特征图，每张颜色特征图的横坐标为三个不同的颜色特征值，纵坐标为相应的颜色特征值所对应的像素点所占的百分比，其中，三个不同的颜色特征值分别为R_d值、+b值以及a值；

由每个像素点的Rd值R_dxy计算Rd值的变异系数

由每个像素点的+b值+b_xy计算+b值的变异系数CV_+b，由每个像素点的红绿色分量a_xy’计算红绿色分量的变异系数CV_a。

本发明的有益效果：(1)给出了一种新的棉纤维颜色测试分析方法和装置，与现有棉纤维测色设备相比，颜色指标取得了3方面突出进步：(a)去除了杂质对棉纤维测色的影响；(b)增加了一个新的颜色指标a，真正实现了在三维色空间表征纤维的颜色；(c)增加了R_d、+b、a各颜色值的变异系数，有利于表征每批棉花成熟度等色特征的不均匀情况；所有算法科学合理、容易实施，可以更加科学、全面地评估棉纤维的颜色。(2)试样筐和加压部件设计充分考虑了棉块表面不可避免的存在凹凸不平的情况，可避免不均衡压力和随机误差。(3)新方法所需测试硬件结构简单、测试精度高、操作快捷、成本低、占用空间小，可方便地应用于规模化快速检测。

附图说明

图1为测量装置示意图；

图2(a)及图2(b)为实施例1的图像处理结果；

图3(a)至图3(c)为实施例1的颜色值分布图；

图4(a)及图4(b)为实施例2的图像处理结果；

图5(a)至图5(c)为实施例2的颜色值分布图；

图6(a)及图6(b)为实施例3的图像处理结果；

图7(a)至图7(c)为实施例3的颜色值分布图；

图8(a)及图8(b)为实施例4的图像处理结果；

图9(a)至图9(c)为实施例4的颜色值分布图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明基于如下原理：

(1)关于棉纤维与各类杂质的判别方法

理论上应该先判定并去除三类杂质，只统计图像中纯净棉纤维的色特征值，目光评价颜色时会自动忽略杂质的影响，只评定纤维自身颜色。但是，由于技术难度，现有的棉花测色仪器均未去除杂质对颜色的影响，本发明通过图像处理方法先判明全部杂质的位置，而后再计算所有棉纤维的颜色指标。

试验过棉花彩色图像的多维和单维阈值分割算法,也试验过对图像进行K-mean聚类分析，但是，发现上述方法对某些棉花中杂质判断过多，存在“过度去杂”的缺陷，而对另一些棉花中杂质判断偏少，即现有软件都不能有效判别彩图或黑白图中的棉纤维与三类杂质。主要原因是低级棉含杂多，优质棉含杂低，不同品种和不同产地的棉花颜色差异大。进而分析了多种原棉中纤维与三类杂质的RGB值、LAB颜色值及XYZ颜色值的分布，也分析了纯净棉纤维和三类杂质的黑白图像特征，发现灰度值是区分纯净棉纤维和三类杂质的最简单易行指标，参见表1，第一、第三类杂质与纯净棉的灰度值无交叠，第二类杂质的灰度分布区域0.600-0.784与纯净棉的0.765-0.922只存在部分交叠0.765-0.784，即凡是灰度值在0.765-0.784范围的像素点究竟属于哪一类别需要进一步判别。

表1棉纤维与各类杂质的灰度值分布区间

类型	第一类杂质	第二类杂质	第三类杂质	纯净棉
					八位灰度值	30-150	153-200	100-190	195-235
归一化值	0.118-0.588	0.600-0.784	0.392-0.745	0.765-0.922

我们的大量试验证明，分2步鉴别杂质更加适合不同含杂量和同等级的原棉，第1步是初步确定出灰度图像中第一、第三类杂质和灰度值>0.784的纯净棉，可避免在第2步调用graythresh函数判定阈值时太多信息产生干扰；第2步是调用graythresh函数自动确定交叠区域0.765-0.784中第二类杂质和纯净棉的判别阈值，进而判定灰度值灰度大于该阈值的像素点为棉，灰度小于该阈值的像素点为杂质。该方法不受图像亮度和对比度的影响，避免了测试光源和环境明暗对表达真实颜色的影响，适合判定低级棉、优质棉等各种原棉中的杂质和棉纤维。

(2)关于增加一个新颜色值a指标

我们试验分析过20种棉花的亨特色空间R_d、+b、a指标的分布柱状图和变异系数，发现不同地区生产的棉纤维a值存在不能忽略的差异，数十年前开发的测色模块只测主要指标Rd和+b，忽略a值是因为硬件成本和实施难度。用当前硬件和技术增加一个颜色指标a几乎不增加成本，但可获得很好效果——在三维色空间全面合理地评价棉纤维的颜色。

(3)关于增加棉纤维颜色的离散性指标

目前的棉花测色仪均只提供R_d、+b的平均值，无法知道测试样的颜色分布和离散情况，可能相同平均值R_d、+b的棉花内部颜色的分布会存在差异。一批原棉的颜色分布和离散情况会对棉花纺纱强力、织物光泽、染色效果等产生显著影响，目前纺纱厂要通过试纺才能确定每批原棉的质量。在机采棉等情况下，一株棉花底部的未成熟纤维与顶部的成熟纤维往往混合在一起，这使得测试棉纤维颜色的离散性指标更具现实意义。数码成像技术可获取每一个像素点的颜色指标，计算机分析手段很容易获得棉纤维颜色的离散性指标，提高测试水平。

基于上述原理，如图1所示，本发明涉及一种棉纤维的颜色测试装置包括底部设有光学玻璃1、顶部开口的试样框2，试样3被放入试样框2内。在试样3上方加盖面积9.6×9.6cm²海绵垫4后，再加盖面积9.8×9.8cm²重20磅的上盖5，使试样3在目前标准规定的压强下测试其反射光彩色图像。海绵垫4外包有气孔的光滑塑料膜，上盖5为不锈钢材料，海绵垫4和上盖5都能够在试样框2内上下滑动自如。加压时能够产生压缩变形的海绵垫4与试样3接触，保证试样3铺放不均匀时各处压强比较均匀。

试样框2底部为10×10cm²光学玻璃1，从光学玻璃1下方能够清晰地看到试样3的颜色和所含杂质。使用常用可见光的光源6在下方斜向照射试样3，在正下方用分辨率不小于1500的CCD摄像装置(包括CCD摄像头7及RGB颜色传感器8)获取试样3的反射光彩色数字图像，保证能获知试样3表面每一根纤维的彩色信息。

CCD摄像头7可以是与试样3相对运动的线型CCD，也可是固定的平面CCD。

本发明提供的一种棉纤维的颜色测试方法包括以下步骤：

步骤1、取样和试样温湿度平衡

1.1原棉试样在恒温恒湿室(温度20±4℃，湿度65±4％)预调湿24小时；

1.2根据“GB/T6097-2006棉纤维试样取样方法”取出质量为10±0.5g的原棉样品；

步骤2、获取原棉样品的反射光图像

2.1样品放置：平衡后的原棉样品均匀地平铺在上述颜色测试装置的试样框2内，加盖海绵垫4和不锈钢上盖5。

2.2获取图像：使用上述测试装置获取试样框2底部原棉样品表面的反射光图像。

2.3建立坐标系：反射光图像最左下方的点为坐标原点，横向为x轴方向，纵向为y轴方向，反射光图像范围分别是x从0～X_max、y从0到Y_max(X_max、Y_max的值由样品尺寸和图像采集装置的分辨率决定)，则图像上坐标为(x，y)的像素点的颜色值为R_xy、G_xy、B_xy。

步骤3、判明图像中的杂质所在位置

目的是完全依据图像中棉纤维的彩色信息计算原棉颜色指标。

原棉中的杂质可分为三类：第一类视觉表现为深褐色，包括棉籽、破籽、棉枝叶、带纤维籽屑；第二类视觉表现为浅黄色，包括棉花的铃壳内面、软籽表皮、虫浆等；第三类是表面包覆薄层棉纤维的第一类杂质，根据包覆纤维的厚薄差异视觉表现为白中泛不同程度的褐色。

采用Matlab软件鉴别图像中的杂质。

3.1图像灰度化

因为灰度化图像是区分杂质与纯净棉的最方便有效方法，先调用Matlab的rgb2gray函数将步骤2得到的原棉试样的反射光图像灰度化得到二维灰度图像或矩阵。

3.2降噪处理

线型CCD扫描得到的平面图像质量主要受到椒盐噪声以及离散的脉冲干扰(椒盐噪声是由图像传感器、传输信道、解码处理等产生的黑白相间的亮暗点噪声)，需要滤波处理。调用medfilt2函数对二维灰度矩阵进行中值滤波，滤波方法是每一点的灰度为周围3×3个点灰度值的平均值。

3.3生成二值化图像

目的是用与原反射光图像尺寸相同的黑白二值化图像或矩阵ClassIndex表征棉纤维与杂质所在位置，则凡是像素点ClassIndex(x,y)＝0的像素点代表杂质，ClassIndex(x,y)＝1表示纯净棉，x从0～X_max，y从0到Y_max。用ClassIndex(x,y)控制棉颜色指标计算。

3.3.1初步区分杂质

即确定灰度图像中大部分杂质与纯净棉所在位置。先调用Matlab的imadjust函数处理灰度图像，凡是灰度小于low_in的像素点均变为0，凡是灰度大于hign_in的像素点均变为1。low_in的取值范围0.7—0.765，hign_in的取值范围0.784—0.8。灰度值在low_in到hign_in范围的像素点究竟属于哪类需要进一步的分辨，这是第二类杂质与纯净棉的灰度值重合分布区间。

3.3.2区分棉纤维与第二类杂质

调用Matlab的graythresh函数根据灰度图像的状态自动确定灰度在low_in-hign_in范围的区分棉纤维与第二类杂质的阈值，然后灰度值凡是灰度大于该阈值的像素点均变为1，凡是灰度小于该阈值的像素点均变为0。

经上述2步处理后生成的二值化图像就是表征纯净棉与所有种类杂质位置ClassIndex(x,y)雏形。

3.4二值化图像形态学处理

由于噪声影响，上一步得到的二值化图像的边界往往很不平滑，杂质和棉纤维区域上都难免散布着一些小的噪声物体，需要进行形态学处理。形态学处理是用具有一定形态的结构元素去处理图像中的对应形状，以达到图像分析和识别的目的。采用Matlab的strel函数创建半径为n个像素点的圆盘结构元素，填充二值化图像中纯净棉区域存在的比结构元素小的空洞，并平滑纯净棉区域的边界。本实施例中，n＝2-8。

并参考现行标准仪器HVI系统的杂质指标是直径不小于2.54mm的杂质颗粒数，本发明进一步调用Matlab的bwareaopen函数，删除二值图像中直径不大于2.54mm的连通。

步骤4、计算纯棉纤维每一点的相对颜色值及平均颜色值r、g、b

计算原始扫描彩色图像中判定为棉纤维的像素点(即凡是ClassIndex(x,y)＝1的像素点)的相对颜色值r_xy、g_xy、b_xy及其平均颜色值r、g、b(r_xy的平均值为r，g_xy、b_xy的平均值分别为g、b)，对于8位编码R、G、B的最大值为255，作如下循环运算：

坐标x从0到X_max，y从0到Y_max，

则凡是ClassIndex(x,y)＝1，有：

则凡是ClassIndex(x,y)＝0，有：

r_xy＝0 g_xy＝0 b_xy＝0

计算如下：

r＝∑r_XY/N g＝∑g_XY/N b＝∑b_XY/N

式中N表示ClassIndex(x,y)＝1的像素点的个数。

步骤5、色空间的转换

根据GB/T 18721.2-2017“印刷技术的第2部分”采用下列矩阵将纯净棉纤维的色特征值r_xy、g_xy、b_xy和平均值r、g、b转换到XYZ色空间，得到每个像素点的X_xy、Y_xy、Z_xy和平均值X、Y、Z。

步骤6、初算亨特色空间的棉纤维色特征指标

用亨特色空间与XYZ色空间的下面转换方程，初算2组色特征指标：

(1)每个像素点的反射率R_dxy’，黄色深度+b_xy’，红绿色分量a_xy’：

R_dxy’＝Y_xy

+b_xy’＝70fy_xy(Y_xy-0.847Z_xy)

a_xy’＝175fy_xy(1.02X_xy-Y_xy)

(2)平均反射率R_d’、平均黄色深度+b’，平均红绿色分量a’

R_d’＝Y

+b’＝70f_y(Y-0.847Z)

a’＝175f_y(1.02X-Y)

其中：fy、fy_xy是由颜色值Y计算得到的中间值

步骤7、棉纤维色特征指标的标准化

物体的彩色图像不但与自身颜色有关，还与摄像时环境光源的波长构成、光照角度外界条件等有关。目前国内外标准使用四十年前研发的HVI系统，其光源和光照条件与我们摄像时条件可能不尽相同，初算色特征指标与HVI仪器的测试值可能会存在系统差异，需要利用下式将初算色特征指标换算到目前标准认可的R_d和+b的颜色值水平上。

R_d＝C_0R+C_1RR_d’；R_dxy＝C_0R+C_1RR_dxy’

+b＝C_0b+C_1bb’；b_xy＝C_0b+C_1bb_xy’

C_1R和C_1b取值范围在0.5～3之间，C_0R的取值范围在-40～-80之间，C_0b的取值范围在-10～-4之间。

由于目前国内外标准不检测a值，第三个色特征指标a’不做换算。

步骤8、色特征值R_d和+b、a’的柱状分布图及其变异系数

计算色特征值R_d和+b的分布直方图，横坐标为R_d、a、+b的值，纵坐标表示对应色特征值像素点所占的百分比。柱子数量设置为30—180。

由每个像素点的Rd值R_dxy计算Rd值的变异系数

由每个像素点的+b值+b_xy计算+b值的变异系数CV_+b，由每个像素点的红绿色分量a_xy’计算红绿色分量的变异系数CV_a。所有的变异系数均为标准差除以平均值，以

为例，其计算公式如下:

式中：

代表纯净棉纤维R_d的平均值；

代表纯净棉纤维R_d的标准差；N表示ClassIndex(x,y)＝1的像素点的个数。

实施例1

原棉试样：新疆细绒棉，平均长度29mm，长度整齐度83.4％，断裂比强度29.1，马克隆值4，含杂率2.2％，回潮率4.7％。

采用测色装置，将原棉试样按步骤1进行取样和温湿度平衡后，按步骤2获取试样筐底部的反射光图像，分辨率设置为1500ppi。再按步骤3判明图像中的杂质所在位置，获得二值化图像如图2(a)及图2(b)所示，图2(a)及图2(b)用于控制棉纤维颜色指标的计算。

按步骤4采用二值化图像即ClassIndex(x,y)矩阵控制，计算纯棉纤维彩色图像中每一点的相对颜色值及平均颜色值r、g、b。按步骤5进行XYZ色空间的转换。按步骤6初算亨特色空间的棉纤维色特征指标：反射率R_d’为85.6％，黄色深度+b’为12.2，红绿色指标a’为-3.8。按步骤7算出棉纤维的标准化色特征指标：反射率R_d为79.5％、黄色深度+b为12.0。最后按步骤8做出色特征值R_d和+b、a’的分布图见图3(a)至图3(b)，三者的变异系数分别为2.56％、1.46％、0.43％。

实施例2

原料：新疆长绒棉，平均长度37.9mm，长度整齐度88.1％，断裂比强度40.6，马克隆值4.0，含杂率2.5％，回潮率6.8％。

参照实施例1对新疆长绒棉进行试样准备、拍摄图像、图像处理，最后得到标准化颜色指标。图像处理前后的图片如图4(a)及图4(b)所示

采用实施例1的方法，测试棉花原料的彩色图像后，初算亨特色空间的棉纤维色特征指标：R_d’为80.8％，黄色深度+b’为13.5，红绿色指标a’为-3.7；最后按步骤8做出色特征值R_d和+b、a’的分布图见图5(a)至图5(c)，三者的变异系数为5.32％、2.35％、0.79％，与实施例1相比颜色指标的变异系数明显偏大，说明颜色不匀或成熟度情况更严重。

实施例3

原料：美国细绒棉，长度30.3mm，长度整齐度81.3％，断裂比强度32.3，马克隆值4.3，含杂率4.3％，回潮率7.6％。

采用实施例1的方法，测试美国细绒棉彩色图像、对图像进行处理，结果如图6(a)及图6(b)所示。

初算亨特色空间的棉纤维色特征指标：R_d’为80.1％，黄色深度+b’为12.5，红绿色指标a’为-3.1；最后按步骤8做出色特征值R_d和+b、a’的分布图见图7(a)至图7(c)，三者的其变异系数为6.20％、2.45％、0.63％。

实施例4

原料：美国长绒棉，长度35.3mm，长度整齐度85.1％，断裂比强度35.6，马克隆值4.5，含杂率2.3％，回潮率6.6％。

采用实施例1的方法，测试美国长绒棉彩色图像、对图像进行处理，结果如图8(a)及图8(b)所示。

初算亨特色空间的棉纤维色特征指标：R_d’为85.7％，黄色深度+b’为11.3，红绿色指标a’为-3.9；标准化色特征指标：最后按步骤8做出色特征值R_d和+b、a’的分布图见图9(a)至图9(c)，三者的其变异系数为2.67％、1.35％、0.39％。

Claims (1)

1.一种棉纤维的颜色测试方法，采用棉纤维的颜色测试装置，该棉纤维的颜色测试装置包括底部设有光学玻璃(1)、顶部开口的试样框(2)，试样(3)设于试样框(2)内，试样(3)上方依次设有海绵垫(4)及上盖(5)，上盖(5)及海绵垫(4)在试样框(2)内上、下滑动，上盖(5)及海绵垫(4)将试样(3)压在试样框(2)底部的光学玻璃(1)上，海绵垫(4)外包有气孔的光滑塑料膜，通过上盖(5)加压时能够产生压缩变形的海绵垫(4)与试样(3)接触，保证试样(3)铺放不均匀时各处压强均匀；上盖(5)为不锈钢材料；在光学玻璃(1)下方设有可见光的光源(6)，光源(6)从试样(3)下方的左、右两侧照射试样(3)，在试样(3)的正下方设有成像设备；成像设备为CCD摄像装置，CCD摄像装置所采用的CCD是与所述试样(3)相对运动的线型CCD，或是固定的平面CCD，其特征在于，所述颜色测试方法包括以下步骤：

步骤1、将原棉试样在恒温恒湿室内预调湿后，获取原棉试样；

步骤2、将上一步获得的平衡后的原棉样品均匀地平铺在棉纤维的颜色测试装置的试样框(2)内，加盖海绵垫(4)和上盖(5)；

步骤3、通过所述成像设备获得试样框(2)底部原棉试样表面的反射光图像；

步骤4、判明反射光图像中的杂质所在位置，包括以下步骤：

步骤401、对反射光图像进行灰度化及降噪处理，得到灰度图像；

步骤402、将灰度图像中灰度小于low_in的像素点的值设定为A，灰度大于high_in的像素点的值设定为B，low_in、high_in均为预先设定的阈值，A表示纯净棉，B表示杂质；

步骤403、根据灰度图像的状态自动确定灰度在low_in至high_in范围的区分棉纤维与杂质的阈值，将灰度图像中灰度小于所得到的阈值的像素点的值设定为A，将灰度图像中灰度大于所得到的阈值的像素点的值设定为B；

步骤404、获得表征棉纤维与杂质所在位置的黑白二值化图像或矩阵；

步骤405、对上一步获得的黑白二值化图像或矩阵进行形态学处理，以去除杂质和棉纤维区域上散布着的噪声物体，随后删除黑白二值化图像或矩阵中直径不大于Cmm的连通，获得剩余的各点的坐标；

步骤5、步骤3所获得的反射光图像中坐标与上一步获得的坐标相同的各点为棉纤维的像素点，获得反射光图像中各棉纤维的像素点的相对颜色值r_xy、g_xy、b_xy及其平均颜色值r、g、b；

步骤6、将上一步获得的各像素点的相对颜色值r_xy、g_xy、b_xy及其平均颜色值r、g、b转换到XYZ色空间，得到每个坐标点的X_xy、Y_xy、Z_xy和平均值X、Y、Z；

步骤7、用亨特色空间与XYZ色空间的转换方程，计算得到：每个像素点的反射率R_dxy’，R_dxy’＝Y_xy；每个像素点的黄色深度+b_xy’，+b_xy’＝70fy_xy(Y_xy-0.847Z_xy)；每个像素点的红绿色分量a_xy’，a_xy’＝175fy_xy(1.02X_xy-Y_xy)；平均反射率R_d’，R_d’＝Y；平均黄色深度+b’，+b’＝70fy(Y-0.847Z)；平均红绿色分量a’，a’＝175f_y(1.02X-Y)；式中，fy_xy、fy为中间值，

步骤8、计算得到：每个像素点的R_d值R_dxy，R_dxy＝C_0R+C_1RR_dxy’；每个像素点的+b值+b_xy，+b_xy＝C_0b+C_1b×(+b_xy’)；平均Rd值

平均+b值

式中，C_0R、C_1R、C_0b、C_1b为预先确定的常数；

步骤9、分别建立三张颜色特征图，每张颜色特征图的横坐标为三个不同的颜色特征值，纵坐标为相应的颜色特征值所对应的像素点所占的百分比，其中，三个不同的颜色特征值分别为R_d值、+b值以及a值；由每个像素点的Rd值R_dxy计算Rd值的变异系数

由每个像素点的+b值+b_xy计算+b值的变异系数CV_+b，由每个像素点的红绿色分量a_xy’计算红绿色分量的变异系数CV_a。

Images