齊英蘭

(河南輕工職業(yè)學(xué)院信息工程系，河南鄭州 450002)

棉花雜質(zhì)是指原棉中含有的非棉纖維性物質(zhì)及其著生的纖維，如沙土、枝葉、鈴殼、破籽、不孕籽、帶纖維籽屑、軟籽表皮等。近年來，隨著機(jī)采棉技術(shù)的廣泛應(yīng)用，籽棉被快速收割的同時，大量的雜質(zhì)也一并混入其中，即使經(jīng)過籽清、皮清以及軋花，原棉中仍然維持了較高的含雜率。如果這些雜質(zhì)在紡紗過程中不能被有效清除，將會造成條干不均、染色不勻、棉紗斷頭、損耗過大，嚴(yán)重時還會造成紡織成品的廢品、次品率過高，給國家和企業(yè)造成經(jīng)濟(jì)損失[1]。目前，根據(jù)GB/T 6499—2012《原棉含雜率試驗方法》[2]，原棉雜質(zhì)主要通過采用雜質(zhì)分析機(jī)結(jié)合人工挑揀、稱重的方式進(jìn)行，該方式耗時長，勞動強(qiáng)度大，不能實現(xiàn)雜質(zhì)快速自動化檢測，檢測效率與效果亦難以保證，同時，這也不利于實現(xiàn)我國棉纖維質(zhì)量快速儀器化檢驗的目標(biāo)。

由于原棉雜質(zhì)圖像邊緣中包含了豐富的雜質(zhì)自身物理特性、雜質(zhì)與圖像背景等信息，因此，在原棉雜質(zhì)檢測中采用邊緣檢測圖像技術(shù)是較為有效的方法[3－4]。當(dāng)前常用的邊緣檢測算子有Canny算子、Sobel算子、Roberts算子、Prewitt算子、Laplacian算子等[5－6]，與上述邊緣檢測算子相比較，Canny算子邊緣檢測具有檢測精度高、信噪比大等特點(diǎn)，在數(shù)字圖像處理技術(shù)中得到廣泛應(yīng)用[7]。但由于Canny方法采用頻譜分析進(jìn)行檢測，其高斯濾波方程方差以及閾值需要人工設(shè)定，造成原棉雜質(zhì)邊緣識別不完整、偽邊緣增多的情況，進(jìn)而影響算子的自適應(yīng)性和實時性[8－9]。

本文在現(xiàn)有Canny方法的基礎(chǔ)上進(jìn)行優(yōu)化分析，提出一種基于改進(jìn)Canny算子的原棉雜質(zhì)檢測方法。本文改進(jìn)方法采用自適應(yīng)平滑濾波代替高斯濾波對原棉圖像進(jìn)行平滑，以一種小尺寸平均加權(quán)濾波模板與原圖像迭代卷積，并在每次迭代過程中自適應(yīng)地調(diào)整各像素的加權(quán)系數(shù)。同時，采用最大類間方差法自適應(yīng)地確定高低閾值，增強(qiáng)了Canny算子的自適應(yīng)性，同時，仿真實驗進(jìn)一步驗證了本文改進(jìn)方法的有效性。

1 Canny算子改進(jìn)思路

Canny邊緣檢測算子主要通過定位準(zhǔn)則、信噪比準(zhǔn)則、單邊響應(yīng)準(zhǔn)則[10]來獲取較好的檢測效果。對于原棉雜質(zhì)圖像處理而言，若要實現(xiàn)準(zhǔn)確的雜質(zhì)定位以及虛假邊緣的抑制，就需要從Canny算子的關(guān)鍵環(huán)節(jié)出發(fā)，提出改進(jìn)思路。

首先，Canny算子濾波采用二維高斯濾波對進(jìn)行圖像噪聲濾波，高斯函數(shù)如式(1)所示:

式中σ為高斯濾波器模板參數(shù)。邊緣檢測精度隨σ的增大而降低，信噪比隨σ的增大而增強(qiáng)。同時，由式(1)可知，作為高斯函數(shù)濾波參數(shù)σ，其取值將很大程度上影響著圖像濾波與平滑的效果，對圖像平滑效果具有決定性作用。而σ的取值是由人為設(shè)定，這也使得不同圖像需要根據(jù)圖像的特征人工設(shè)定不同的σ值，不能實現(xiàn)σ值的自動確定，影響圖像中雜質(zhì)邊緣的提取效果。因此，可以從圖像濾波方法上進(jìn)行優(yōu)化，提高濾波的適應(yīng)性。

其次，Canny算子在邊緣檢測前需要人工設(shè)定高低閾值，而根據(jù)主觀經(jīng)驗設(shè)定高低閾值的方法，極易受到人為因素影響，使得邊緣和偽邊緣的連續(xù)性存在矛盾。此外，同樣一組高低閾值對于不同的圖像，其邊緣檢測效果差異較大，閾值設(shè)置不具有自適應(yīng)性。因此，圖像自身所需的高低閾值的自適應(yīng)獲取，也將有利于提高Canny算子的性能。

2 基于適應(yīng)濾波與閾值迭代的原棉雜質(zhì)檢測

根據(jù)Canny算子的改進(jìn)思路，本文將從圖像濾波方法、高低閾值設(shè)置等方面進(jìn)行優(yōu)化，通過改善Canny算子參數(shù)設(shè)置的自適應(yīng)性來進(jìn)一步提高算子的邊緣檢測性能。

2.1 自適應(yīng)平滑濾波

在圖像濾波環(huán)節(jié)，針對Canny算子高斯函數(shù)濾波參數(shù)需要人工設(shè)定的問題，采用自適應(yīng)平滑濾波代替高斯濾波對原棉圖像進(jìn)行平滑。通過一種小尺寸平均加權(quán)濾波模板與原圖像迭代卷積，在每次迭代過程中自適應(yīng)地調(diào)整各像素的加權(quán)系數(shù)。假設(shè)f(x，y)為原棉輸入圖像，那么迭代計算方法如下:

①通過式(2)、(3)，確定原棉圖像梯度分量Gx(x，y)、Gy(x，y) ；

②通過式(4)確定濾波模板參數(shù)。其中，k的取值大小能夠約束保留的突變圖像邊緣幅值；

③通過式(5)對圖像f(n)(x，y)進(jìn)行加權(quán)平均。其中，f(n)(x，y)表示第n次迭代后的圖像。

④當(dāng)前迭代次數(shù)n小于迭代總次數(shù)時，則繼續(xù)步驟①；當(dāng)前迭代次數(shù)n大于迭代總次數(shù)時，迭代完成。

這種迭代運(yùn)算方法能夠在抑制圖像噪聲的同時，進(jìn)一步銳化圖像邊緣，對原棉雜質(zhì)邊緣檢測的后續(xù)環(huán)節(jié)產(chǎn)生積極作用。

2.2 高低閾值自適應(yīng)選取

當(dāng)圖像濾波方法確定后，面臨Canny算子高低閾值的設(shè)定問題。為此，本文提出采用最大類間方差法自適應(yīng)地確定高低閾值，根據(jù)圖像灰度信息，把原棉圖像分為背景和目標(biāo)2部分，背景和目標(biāo)間的類間方差越大，則分類越準(zhǔn)確。當(dāng)背景和目標(biāo)存在錯分時，相應(yīng)的類間方差會變小，因此當(dāng)類間方差最大時，就意味著背景和目標(biāo)錯分的概率最小。

假設(shè)設(shè)定 1 個閾值 Tk，0＜Tk＜L－1，L 為圖像中灰度級數(shù)目，那么該閾值將圖像劃分成I1和I22部分，其中I1由圖像灰度值在[0，Tk]范圍內(nèi)的像素組成，I2由圖像灰度值在[Tk＋1，L－1]范圍內(nèi)的像素組成。

根據(jù)閾值Tk，分配到I1的像素的平均灰度值G1(Tk)由式(6)獲得；分配到I2的像素的平均灰度值G2(Tk)由式(7)獲得。其中，P1(Tk)表示像素被分到類I1中的概率；P2(Tk)表示像素被分到類I2中的概率。

最佳閾值就是類間方差最大時的Tk值。若使得類間方差最大值時的Tk值不唯一，則將類間方差取最大值時所有Tk值的平均值作為最佳閾值。同時，將最佳閾值設(shè)定為高閾值Th，再根據(jù)高閾值是低閾值2倍的關(guān)系求得低閾值Tl。這樣就避免了人為設(shè)定高低閾值的主觀性，增強(qiáng)了自適應(yīng)能力。

2.3 檢測方法梗概

通過上述對Canny算子在濾波方法以及高低閾值設(shè)置方面的優(yōu)化，改進(jìn)后的原棉雜質(zhì)檢測方法主要流程如圖1所示。

圖1 本文雜質(zhì)檢測方法流程

3 實驗仿真與結(jié)果討論

3.1 實驗準(zhǔn)備

為進(jìn)一步驗證本文方法的可行性和有效性，實驗選取含有雜質(zhì)的原棉樣本100份，每份500 g，同時，建立了包含高分辨率工業(yè)相機(jī)、工控機(jī)在內(nèi)的棉樣圖像采集平臺，在Windows 7系統(tǒng)基礎(chǔ)上，采用VC＋＋開發(fā)工具與Open CV圖像處理庫編寫了實驗仿真程序。

此外，在實驗參數(shù)設(shè)置方面，Canny方法高斯濾波器模板參數(shù)σ設(shè)置為5，高閾值為350，低閾值為180；Sobel方法分割閾值為1.2；本文方法濾波模板參數(shù)K因子設(shè)置為8，迭代次數(shù)為6次，最大類間方差法中的閾值Tk為200。

3.2 檢測效果

通過圖像采集平臺，實驗獲取了棉花樣本圖像如圖 2(a)所示，其分辨率為 1 451 pixel×1 451 pixel，位深度24，經(jīng)過本文方法仿真程序的檢測，得到了原棉樣本圖像對應(yīng)的雜質(zhì)識別結(jié)果，如圖2(b)所示。

圖2 檢測結(jié)果

對比圖2(a)的樣本圖像，通過圖2(b)可以看出，本文方法能夠有效去除圖像噪聲，較好地識別出圖像中的雜質(zhì)，雜質(zhì)與圖像背景的界限分明，且雜質(zhì)邊緣清晰明確。特別是對于有些部分嵌入在棉層中的雜質(zhì)，本文方法通過增強(qiáng)濾波及高低閾值選取的自適應(yīng)，避免了淺層棉花中的像素點(diǎn)干擾，使得檢測到的棉花雜質(zhì)邊緣完整、流暢。

3.3 不同方法檢測結(jié)果圖像對比分析

為了更加有效地驗證原棉雜質(zhì)檢測性能，針對同一原棉雜質(zhì)圖像(圖3(a))，實驗分別選取Canny方法、Sobel方法與本文方法從檢測結(jié)果圖像進(jìn)行對比分析，3種方法的測試結(jié)果如圖3所示。

圖3 檢測結(jié)果圖像對比

從圖3(b)可以看出，Sobel方法在檢測時，邊緣刻畫的比較深刻，但雜質(zhì)與原棉圖像背景的分離效果不明顯，圖像分割后的結(jié)果背景噪聲大，同時，出現(xiàn)了虛假像素點(diǎn)。從圖3(c)看可以看出，Canny方法對原棉雜質(zhì)的刻畫較簡潔，濾除了相關(guān)噪聲，背景噪聲小，有利于對雜質(zhì)的分析與深度識別，對有些原棉雜質(zhì)存在“漏檢”的情況。而對于圖3(d)，本文方法檢測結(jié)果背景噪聲小，雜質(zhì)與原棉背景的分離效果好，并且一定程度上避免了虛假像素點(diǎn)與“漏檢”，對雜質(zhì)邊緣的描述完整，具有較好的檢測效果。

3.4 不同方法雜質(zhì)邊緣提取效果對比分析

采用4連通域數(shù)、8連通域數(shù)以及它們間的比值方法進(jìn)行評價，4連通域數(shù)指在它的4鄰域內(nèi)與之連通的像素數(shù)，8連通域數(shù)指在它的8鄰域內(nèi)與之連通的像素數(shù)。

假設(shè)邊緣點(diǎn)總數(shù)為A，4連通域數(shù)為B，8連通域數(shù)為C。通常情況下，對于邊緣圖像而言，若C/A值越小，說明邊緣檢測的間斷越少，連續(xù)性越好；若C/B值越小，說明單像素邊緣所占比例越大，越符合單一邊緣響應(yīng)準(zhǔn)則。因此，可以使用C/A、C/B值評價邊緣提取效果。

根據(jù)上述定量評價方法，選取原棉試樣100份，每份質(zhì)量100 g，通過圖像采集平臺，采集100份原棉試樣圖像，分別采用Canny方法、Sobel方法以及本文方法進(jìn)行檢測實驗，對結(jié)果計算平均值，原棉試樣統(tǒng)計結(jié)果均值堆積圖如圖4所示。可以看出，在C/A值方面，本文改進(jìn)方法較 Canny方法降低16.8%，本文改進(jìn)方法較Sobel方法降低24.2%；在C/B值方面，本文改進(jìn)方法較 Canny方法降低18.8%，本文改進(jìn)方法較Sobel方法降低29.7%。綜合結(jié)果表明，本文改進(jìn)方法在邊緣連續(xù)性和邊緣提取方面都具有更優(yōu)的效果，能有效提高原棉雜質(zhì)檢測的性能。

圖4 原棉試樣統(tǒng)計結(jié)果均值堆積圖

3.5 本文方法與國標(biāo)檢測方法對比分析

原棉中的雜質(zhì)主要以棉葉、破籽、帶纖維籽屑、軟籽表皮4類雜質(zhì)為主，因此，與國標(biāo)檢測結(jié)果對比分析中僅針對這4類雜質(zhì)展開。

實驗選取試樣原棉100份，每份質(zhì)量100 g，根據(jù)圖像采集平臺并分別采集樣品圖像，分析其雜質(zhì)檢測結(jié)果。同時，通過原棉雜質(zhì)分析機(jī)與天平，根據(jù)GB/T 6499—2012《原棉含雜率試驗方法》規(guī)定的方法人工檢驗上述4類雜質(zhì)的結(jié)果。本文方法識別結(jié)果與國標(biāo)檢驗結(jié)果對比如圖5所示。

圖5 本文方法與國標(biāo)檢測結(jié)果對比

由圖5可知，在4類雜質(zhì)的識別上，本文方法與國標(biāo)方法結(jié)果差異小，檢測結(jié)果平均相符率為92.7%，具有較好的一致性，特別是在破籽與棉葉的識別上，本文方法檢測結(jié)果更為優(yōu)異，相符率達(dá)到96.5%。由于原棉雜質(zhì)中，棉葉和破籽類雜質(zhì)占比較高，因此，本文方法能夠有效用于原棉雜質(zhì)的檢測。

4 結(jié)束語

邊緣檢測是原棉雜質(zhì)機(jī)器視覺分析中的關(guān)鍵環(huán)節(jié)。針對Canny算子濾波模板參數(shù)與高低閾值人為設(shè)定而導(dǎo)致的雜質(zhì)弱邊緣丟失問題，提出一種基于改進(jìn)Canny算子的原棉雜質(zhì)檢測方法，該方法采用自適應(yīng)平滑濾波代替高斯濾波對原棉圖像進(jìn)行平滑處理，以小尺寸平均加權(quán)濾波模板與原圖像迭代卷積，并在每次迭代過程中自適應(yīng)地調(diào)整各像素的加權(quán)系數(shù)，同時，采用的最大類間方差法能夠自適應(yīng)地確定高低閾值，實現(xiàn)了濾波模板參數(shù)與高低閾值的自動優(yōu)化，避免了弱邊緣的丟失。仿真實驗結(jié)果表明，本文方法檢測到的原棉雜質(zhì)邊緣完整、流暢，減少了偽邊緣的出現(xiàn)，8連通域數(shù)與邊緣點(diǎn)總數(shù)比值比Canny方法平均降低16.8%，8連通域數(shù)與4連通域數(shù)比值比Canny方法平均降低18.8%，能夠有效提高原棉雜質(zhì)檢測的性能。進(jìn)一步為原棉雜質(zhì)圖像邊緣檢測方法的改進(jìn)提供了參考依據(jù)。