LoG圖像分割方法在棉纖維檢驗中的應用研究

李曉慧++++陳智勇++++韓瓏枝

摘要

由于原棉質量的好壞直接影響著棉紡織品的質量和價格，與棉花加工企業、紡織企業的經濟效益休戚相關，同時隨著圖像處理與計算機技術的發展，機器視覺檢測系統在棉纖維檢驗領域的應用日益增加。文章在棉纖維檢驗技術要求的基礎上，采用LoG方法對棉纖維圖像進行分割，并通過仿真實驗進行對比分析，驗證了LoG方法在棉纖維圖像分割中的有效性，為棉纖維檢驗領域中的機器視覺檢測系統提供了理論支撐和數據參考。

關鍵詞： 棉纖維；質量檢測；圖像分割；LoG算子

我國具有悠久的植棉歷史，既是產棉大國，也是用棉大國。棉花是我國主要的經濟作物之一，也是紡織工業的重要原料，與農、工、商各方利益休戚相關。根據國家統計局發布的數據顯示，2016年，我國棉花種植面積為5070萬畝，總產量534萬噸[1]。作為大宗農產品，棉花在加工、貿易以及紡織生產過程中為了公平、公正地進行貿易結算，需要對棉花的質量進行檢測與檢驗，以維護好農、工、商各方利益。同時，隨著計算機技術與檢測技術的發展，機器視覺檢測系統[2]在棉纖維檢驗領域也得到廣泛應用，目前我國普遍采用大容量棉纖維測試儀（簡稱HVI）進行棉纖維的儀器化檢驗，在提高工作效率的同時，也使得檢驗結果更具科學性和公正性。

本文在棉纖維檢驗的基礎上，針對棉纖維儀器化檢驗系統中圖像分割方法這個關鍵環節進行了系統分析與試驗，為棉纖維檢驗領域中的機器視覺檢測系統提供了技術支撐和數據參考。

1 棉纖維檢驗與機器視覺系統

目前，我國現行的棉花標準與美國棉花標準分級規定基本接軌，主要體現在：第一，棉花質量都以儀器檢驗為主，個別指標以人工檢驗補充；第二，儀器檢驗的指標在分級儀器和檢驗方法上基本相同；第三，棉花質量指標的具體內容接近，但在人工感官檢驗方面有存在不同。

我國棉花標準在棉纖維指標的檢驗上，除了包括軋工質量在內的少量指標人工感官檢驗外，顏色級、長度、馬克隆值、長度整齊度指數、斷裂比強度等大部分指標普遍采用大容量棉纖維測試儀進行儀器化檢驗，提高了檢驗的效率和效果。

HVI作為機器視覺自動化檢測系統，主要包括光源、光學系統、圖像采集系統、數字圖像處理與智能判斷決策模塊和機械控制執行模塊。它通過數字圖像處理技術代替人眼對目標進行分析，用計算機來模擬人類的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，用于檢測、測量和控制，有效克服了人工方式的不足，提高生產效率，在棉花纖維檢驗領域得到廣泛應用，而圖像分割方法是機器視覺檢測的基礎，對檢測的效果有著重要影響。

2 LoG圖像分割方法

圖像分割[3-4]是指根據圖像的灰度、顏色、幾何形狀以及空間紋理等特征把圖像劃分成若干互不交疊的區域，使得在同一區域內這些特征呈現出相似性，而在不同區域間呈現出明顯的差異性。目前，圖像分割方法主要可分為基于閾值分割方法、基于邊緣分割方法以及基于區域分割方法等。由于在棉纖維檢驗視覺檢測系統中，圖像采集過程中容易受到環境因素干擾，因此，棉纖維圖像分割方法需要有濾波的環節[5-6]。

LoG（Laplacian of Gaussian，簡稱LoG），也稱作拉普拉斯高斯算法，它是將邊緣檢測與高斯濾波結合而形成的。其主要優勢在于圖像先與高斯濾波器g（x，y）進行卷積，進行圖像平滑、降噪，同時去除一些孤立的噪聲點，然后通過拉普拉斯算子 2進行圖像分割。假定原圖像為f（x，y），通過卷積和算子處理，獲得輸出結果圖像：h（x，y）：

h（x，y）= 2 [ g（x，y）× f（x，y）] （1）

其中：g（x，y）為高斯濾波器， ；

2為拉普拉斯運算，

在線性系統中，微分和卷積運算的順序是可以進行互換的，進而得到：

（2）

（3）

其中，經過微分和平滑合并后：

（4）

稱為高斯拉普拉斯算子，針對離散的數字圖像，LoG通?？梢圆捎秒x散的模板進行近似計算，一般來講，LoG算子是一個5×5的模板，具體如圖1所示。

其具體分割流程如圖2所示。

3 棉纖維圖像分割試驗

3.1 試驗平臺

試驗選取淡點污棉二級棉花作為樣本，通過CMOS相機采集棉花圖像，采集的圖像為BMP格式，尺寸2055×1860像素，位深度24位。

試驗硬件平臺是在戴爾計算機上進行的，該計算機配備CORE i5 2.0MHz CPU，4GB 內存，500 MB硬盤。

試驗程序采用Matlab 6仿真實現，程序運行于Windows 7操作系統上。

3.2 LoG算法分割試驗結果與分析

針對試驗中采集的淡點污棉二級棉花樣品圖像，如圖3所示，采用邊緣分割方法中的Canny方法對棉花圖像進行分割，分割結果如圖4所示，為了便于結果分析，將圖像分割結果反色后的圖像如圖5所示。

將原始樣品圖3與圖5進行對比可以看出，LoG算法屬于二階微分方法類別，通過計算灰度的二階微分來增強圖像，然后通過尋找二階微分中的零穿越來圖像分割，進而檢測邊緣。LoG算法采用的梯度按閾值取舍方法，能夠高效地將棉花圖像中的異常點與背景圖像分離開，同時，分割出的棉花背景噪聲小，棉花表面異常點邊緣清楚、提取的圖像目標邊緣流暢。

3.4 LoG算法分割效能評估與分析

選取試驗中的淡點污棉二級棉花樣本10例，分別采集樣本圖像，針對棉花中的破籽指標進行試驗，將LoG分割結果與感官檢驗結果（標準值）通過差值的標準差指標進行對比分析。分割效能統計結果如表1所示。

為了進行對分割效能量化分析，試驗通過計算差值的標準差方式進行結果的離散程度評估，標準差參照如下面公式計算如下：

（5）

其中，N為樣本個數，μ為算術平均值。

經過公式（5）計算，得到差值的標準差為1.173787，差值的整體離散性小，同時反映了LoG方法進行圖像分割的有效性，可有效用于棉纖維指標檢驗。

4 結束語

目前我國普遍采用大容量棉纖維測試儀（簡稱HVI）進行棉纖維的儀器化檢驗，本文從機器視覺檢測系統在棉纖維檢驗領域的實際應用出發，詳細論述了LoG圖像分割方法在棉纖維檢驗系統中的應用，結合淡點污棉二級棉花樣品的圖像分割試驗，討論了圖像分割方法在機器視覺檢測系統中的應用前景，為推進棉纖維自動化檢測系統的研究與開發提供了參考依據。

在棉花圖像分割試驗之后，如何針對大量棉樣進行試驗分析，以及對棉花圖像表面進行分析與識別將是下一個階段的工作。

參考文獻：

[1] 國家統計局.國家統計局關于2016年統計公報. [EB/OL].http：//www.stats.gov.cn/tjsj/zxfb/201702/t20170228_1467424.html.

[2] 田村秀行.計算機圖像處理[M].金喜子，喬雙，譯.北京：科學出版社，2004.

[3] 陳欽政，賴惠成，王星，等.一種基于支持向量機的棉花圖像分割算法[J].計算機工程，2013，39（5）：266-269.

[4] 章毓晉.圖像分割[M].北京：科學出版社，2001.

[5] 陳君.多源圖像融合技術在棉花病蟲害診斷中的應用[J]. 湖北農業科學，2013，52（11）：2555-2557.

[6] 刁智華，王歡，宋寅卯，等.復雜背景下棉花病葉害螨圖像分割方法[J].農業工程學報，2013，29（5）：147-150.

（作者單位：河南省纖維檢驗局）endprint