图像处理技术在纱线毛羽检测方面的应用

章国红，辛斌杰

(上海工程技术大学服装学院,上海　201620)



图像处理技术在纱线毛羽检测方面的应用

章国红，辛斌杰

(上海工程技术大学服装学院,上海201620)

摘要：数字图像处理技术是一种可用于纱线检测的新型测试手段，通过计算机图像处理与分析可实现纱线外观的数字化表征和测试自动化。着重介绍了国内外数字图像处理技术在纱线毛羽方面的发展应用现状，并对基于数字图像处理技术的新型测试方法与传统的检测方法进行了比较和分析。与传统的方法相比，基于图像处理技术的纱线检测方法具有客观、快速、准确等优点，是纱线外观检测领域的一个重要发展方向。

关键词：图像处理；数字图像处理；纱线毛羽；客观检测；特征参数

章国红，辛斌杰.图像处理技术在纱线毛羽检测方面的应用[J].河北科技大学学报,2016,37(1):76-82.

ZHANG Guohong，XIN Binjie.Application of image processing technology in yarn hairiness detection[J].Journal of Hebei University of Science and Technology,2016,37(1):86-82.

纱线毛羽是反映纱线质量的重要指标之一，毛羽的长度和数量直接影响纱线的外观和手感，进而影响到产品的质量、档次、生产效率以及后续的加工工艺[1]，因此，纱线毛羽检测是纺织品生产过程中一项重要任务。随着纺织行业和消费者对纺织品性能要求的提高，以及高速织机对纱线表面光洁度的特殊要求，毛羽检测显得尤为重要。纱线毛羽的数字化测试，不仅可以实现纱线本身质量的数字化表征，还能建立纱线自动化、客观化、智能化的加工生产体系。

根据纱线毛羽的测试原理，将纱线毛羽的测试方法分为4类：目测法、静电法、投影技术法、全毛羽光电法[2]。目前应用的较多的是投影技术法和全毛羽光电法[3-4]。随着图像采集技术和计算机技术的不断发展，纺织科技领域内的研究人员尝试将图像处理技术应用到纱线毛羽检测，提出很多新型的数字化采集和测试方法及装置，为提高毛羽检测的自动化程度以及测试准确度奠定了良好的基础。国外很早就开展数字图像技术在纺织领域的应用研究，相对国内的研究状况，国外的计算机应用水平相对较高，各类专家系统和诊断系统的研究也较完善[5-6]。

BARELLA[7-8]开发研制了一套可用于毛羽测试的数字化装置，建立了用于表征纱线毛羽特征的数字化评价指标，初步实现了利用计算机技术对纱线毛羽的外观进行数字化测试。JACKSON[9]研制出一个基于电子耦合器件(CCD)的数据采集系统装置，对纱线进行表观测试。CYBULSKA[10]设计开发了一套图像建模的分析方法，探索纱线的结构参数,包括纱线厚度、毛羽和抗弯度等指标的新表征手段。汤福华等[11]开发了一套基于计算机视觉技术的纱线分析系统，利用纱线黑板成像的手段，进行纱线外观的评估。YUVARAJ等[12]设计了一种在电压可变的电场环境下利用数码相机采集图像的方法，将纱线放入其中，纱线表面的纤维在电场作用下，成为突出纱线表面的纤维，采集图像后采用计算机图像处理技术表征纱线的毛羽。

1纱线图像采集装置的构成

纱线图像采集装置的示意图如图1所示，由成像单元、计算机、光源构成。纱线在光源和成像单元之间的水平线上，光源正对着成像单元，保证光强足够用来成像。光学信号由采集卡输入到计算机转化成电信号，最后在计算机上成像，完成存储、采集、处理工作。

图1　纱线图像采集装置的示意图Fig.1　Diagram of yarn image acquisition device

1.1　硬件组成

纱线图像采集系统的硬件部分通常包括：1)成像单元；2)LED背光源；3)工业镜头；4)图像采集卡；5)计算机。根据成像单元的不同，可以分为扫描仪采集、视频显微镜采集、CCD或CMOS工业相机采集、数码相机采集等4类。迟开龙等[13]采用扫描仪采集纱线图像；孙银银等[14]采用 MOTIC SME-140视频显微镜采集纱线图像；张继蕾等[15]采用佳能 IXUS70 数码相机对纱线毛羽进行拍照采样；赵立阳[16]采用色彩位数48的CCD、传输类型USB2.0图像传感器对纱线采样进行质量检测；杨欣欣[17]提出了基于高速摄影技术的毛羽性能研究方法。SUBHASISH等[18]采用1 200万像素，5G广角镜头的USB网络相机，该相机具有高品质分辨率的CMOS传感器。

1.2　软件设计

图2　数字图像处理装置示意图Fig.2　Diagram of computer digital image processing device

根据所用到的软件工具不同，又可以将软件系统环境分为以下几种：1)基于MATLAB工具的软件环境；2)Visual C++6.0；3)Lab View；4)Visual Basic环境。陈宁宁等[19]利用 MATLAB可视化开发环境，设计了汽车牌照识别系统。这种基于MATLAB工具开发的数字图像处理系统同样也可以借鉴到纱线毛羽检测上来。现在也有许多研究人员利用VC++图像处理工具开发相关软件，还可以用Lab View工具进行开发[20]。卢明等[21]利用MATLAB工具对纱线毛羽图像进行二值化处理。

1.3　系统参数设置

数字图像处理装置如图2所示，包括计算机、成像单元、光源、图像采集卡等部分。为了得到清晰的图像，在进行实验前，有必要对图像采集系统的各项参数进行设置。这些参数包括相机的曝光时间、图像分辨率，保证纱线的水平方向正好与相机、光源在同一水平线上，纱线距离相机的距离适宜，调整光源亮度，焦距和光圈，使图像最清晰。

2纱线图像处理的流程

图像的预处理是进行图像分析前的必要准备工作，它的目的是为了消除图像噪声对检测毛羽的影响，改善采集到的纱线图像的质量，强化图像边缘信息，对图像质量不佳的进行修正，为后续的毛羽特征提取做准备。为了得到完整的纱线图像，需要进行以下一系列处理，流程如下图3所示。

图3　纱线图像预处理算法流程图Fig.3　Flow chart of yarn image preprocessing algorithm

纱线图像的采集是将纱线图像进行图像的预处理，因为采集到的原始图像会存在很多噪声，图像不清晰，毛羽难分辨。图像的预处理包括灰度变换、背景处理(将背景和纱线图像分离)、图像增强、倾斜校正等算法过程。

3纱线数字图像处理技术的研究现状

孙银银等[14]为更准确地检测纱线毛羽长度及其根数，在结合视频显微镜和图像处理技术的基础上，提出一种新的毛羽检测方法。采用MOTICSME-140视频显微镜采集纱线图像，经过灰度变换、图像分割、形态学开运算、图像细化处理，得到完整的纱线条干图像和细化后的毛羽图像，以纱线条干边缘为基准线，对毛羽分割点进行判断，最后得出不同长度的毛羽根数。图像法检测结果表明，纱线片段的毛羽根数值较为稳定，检测结果与目测图像计数的结果非常接近，因此，可认为所提出的毛羽检测方法较现有的光电检测方法更为准确可靠。

图4、图5是孙银银实验中采集到纱线原始图像和进行灰度变换后的图像，运用的是加权算法。

图4　纱线原始图像Fig.4　Original yarn image

图5　灰度变换图像Fig.5　Gray transform image

方珩等[22]针对毛羽检测的问题，搭建了一套纱线毛羽的数字化图像采集系统，提出了一种新型的基于图像处理算法的纱线毛羽检测方法，可对连续采集的纱线图像序列进行特征分析，提取出可用于纱线毛羽质量评估的特征指标。算法流程图如图6所示。

图6　纱线图像处理的算法流程图Fig.6　Flow chart of yarn image processing algorithm

鉴于背景均衡化，直方图均衡化无法解决光照条件引起的图像灰度不匀造成的图像处理效果不理想问题。和孙银银实验的不同，方珩的实验进行了背景处理，图像增强，阀值分割，图像倾斜，图像去噪这几个操作。通过这几个算法处理得到的图像更加清晰，质量更高。相同之处在图像处理时都有图像分割这个算法步骤，利用的原理相同。其原理是利用结构元素B对图像A进行开运算，算法表达式为A∘B=(A⊖B)⊕B。

如何选择毛羽基准线也是实验中的一个关键问题，孙银银选取纱线条干上下边缘作为测量毛羽长度的基准，而方珩的实验是以纱线横向轴线与上下条干边缘之间的距离的平均值作为基准线，文献的数据分析表明，后者选择基准线的这种方法比前者的方法要更加精确。

方珩的实验表明图像法测试的结果与目测法的结果最大偏差在5%以内，具有很好的一致性，该方法能够提高纱线毛羽检测的效率和精度。图7-图9分别是采用背景处理，灰度变换增强，阈值分割后的图像。图10是倾斜校正前的图像，图11是经过倾斜校正处理的图像，两者比较可以发现纱线的中心轴向平行于水平方向。

图7　背景处理后的图像Fig.7　Image after the background processing

图8　灰度变换增强的图像Fig.8　Gray-scale transformation enhanced image

图9　阈值分割后的图像Fig.9　Images after threshold segmentation

王井阳等[23]在链码法轮廓跟踪算法的基础上提出了用于纱线毛羽特征参数提取的多区域轮廓跟踪算法，该算法通过对跟踪方向进行调整和对跟踪完成的纱线区域进行区域填充，实验表明，该算法不但可以对任意条纱线进行轮廓跟踪及特征提取，而且还可以得到连续的封闭边界曲线，提高了毛羽特诊提取的效率和精度。

张继蕾等[15]提出基于图像处理技术的纱线毛羽检测应用研究，结合纱线毛羽的物理特性和形状特征，在传统人工黑板目测法的基础上结合图像分析理论提出了纱线毛羽图像处理方法。

图10　倾斜图像Fig.10　Oblique image

图11　倾斜校正后图像Fig.11　Tilt-corrected image

与孙银银和方珩实验不同的是张继蕾首先对图像进行Randon变换和双插值运算，对彩色毛羽图像进行倾斜校正，而不是采取灰度变换；接着利用非线性灰度变换和直方图均衡化技术来实现灰度纠正；采用中值滤波消除噪声，通过比较几种锐化方式后采用拉普拉斯掩模算子锐化图像，改善图像质量；再通过对比几种图像分割方法后采用最大熵法处理纱线毛羽图像，用Canny算子提取纱线毛羽边缘，再经过形态学滤波去噪，最后用多区域轮廓跟踪算法提取纱线毛羽特征。这种算法在文献[23]中也被提到，获取每个纱线的边缘信息，对纱线毛羽的几何特征提取具有较好的精确度和适应性，效率高。由于图像处理算法的特定性，任何一种算法都不可能适合所有情况下纱线毛羽的形态检测，纱线毛羽的检测技术中还有很多问题有待研究解决。

实验中介绍了中值滤波和均值滤波2种图像去噪的方法。均值滤波和中值滤波都是基于空间域的局部处理算法。 图12是均值滤波和中值滤波方法处理后的图像，可以看出中值滤波后的纱线轮廓更加清晰，噪声得到削弱。

图12　去噪后的纱线图像Fig.12　Yarn image after denoising

卢明等[21]提出了纱线毛羽图像的二值化处理及其Matlab实现方法。利用CCD扫描来采集纱线灰度图像，运用计算机快速处理数据的能力及Matlab强大的图像处理功能，采用小波消噪对纱线毛羽图像进行消噪、灰度变化、采用Otsu提出最大类间方差法(也称大津法)进行二值化处理，得到不带毛羽的纱线图像，通过降低背景的灰度值来使毛羽的灰度值来接近纱线条干部分的灰度值，再次运用Otsu二值化处理得到纱线图像，然后利用bwarea函数提取二进制图像面积，计算出相对毛羽率。这种方法的优点是毛羽率精确度较高，分割效果好, 运算速度快, 不需要购买专门的仪器, 具有较高的实用价值，缺点就是进行的步骤很多，较繁琐，处理的数据量较大。

VITORCARVALHO等[24]提出了利用CMOS，数据采集板和定制开发的软件测定纱线的毛羽和直径的新系统。最终的图像是利用相干光信号处理，通过傅里叶空间滤波器生成。该系统先前测试和验证模拟使用图像分析线轮廓工具，这个系统的优点是测量毛羽，直径精度高、纱线的毛羽表征突出，系统的可移植性好(减小体积重量)。这种新方法也存在不足，那就是成本高，对硬件的要求高(计算机要有相当大的存储空间)，复杂的操作，计算量大。

CHIMEH等[25]提出了一种使用图像分析技术的方法表征纱线的膨松度和毛羽。论文中提到，利用分辨率1 200 dpi的扫描装置捕获喷气变形纱的图像；得到的这原始图像存在噪点，通过图像去噪来消除。然后，通过设置一个阈值，灰度图像转换成二进制图像。通过累计像素密度的方法得到变形纱线沿宽度方向频率分布直方图，如图13所示。

图13　喷气变形纱线的频率分布直方图Fig.13　Frequency distribution histogram of jet textured yarn

从图13可以发现，使用纱线频率和累积频率分布图可以得到准确的喷气变形纱芯直径，快速、准确的表征喷气变形纱芯密度和尺寸。

与传统评价纱线毛羽测试方法相比，基于数字图像处理的方法具有以下优点和缺点，如下表1所示。

表1　2种方法的比较分析

4结语

随着计算机技术和成像技术的发展，可预见该技术将会在航空航天、生物医学工程、通信工程、军事公安等领域特别是纺织服装领域内快速发展。在纺织服装领域计算机图像处理技术可以用于纤维，纱线，织物等测试对象的外观评估，纱线毛羽检测将是其中的发展重点之一。本文综述了国内外学者和研究人员在纱线外观检测领域内的研究现状，据相关报道，采用数字图像技术评价纱线的外观，测试数据与传统方法的结果具有较好的一致性，与乌斯特测试仪测得的数据相比，图像法测试的结果在其误差允许的范围之内。然而，由于各种条件的限制，基于图像法的纱线外观测试尚未全面应用于纱线外观的评估中，纱线外观检测的可视化系统，尚未形成可市场化的产品。图像法纱线测试自身还存在一些缺陷，如由于算法繁琐、对硬件要求高等原因，使得该检测方法仍然停留在实验室阶段。

综上而言，纱线数字化图像处理技术的应用将成为纱线外观评估与检测的重要研究方向之一。随着计算机图像处理技术、人工智能、智能制造技术的不断完善和发展，纱线外观检测技术必将向更高端的科技化、自动化、智能化的方向发展。高鲁棒性的算法处理、快速图像识别技术、机电一体化集成化将使处理结果更快速，图像的获取、识别和理解更加智能化，推动纺织服装产业向高附加值、高科技化转化。

参考文献/References：

[1]李小兰.纱线毛羽对织物性能的影响.[J].棉纺织技术，2003，31(4)：63-64.

LI Xiaolan.Effect of yarn hairiness on fabric properties[J].Cotton Textile Technology，2003，31(4)：63-64.

[2]李亚滨，宋新平，张毅.棉纱黑板检验的图像处理[J].天津工业大学学报，2002,21(4):28-30.

LI Yabin，SONG Xinping，ZHANGYi. Image processing of the cotton yarn seriplane test[J]. Journal of Tianjin Polytechnic University，2002,21(4)：28-30.

[3]郑少明，邹专勇,程隆棣.纱线结构研究的内容与方法分析[J].上海纺织科技, 2011,39(2):1-3.

ZHENG Shaoming，Zhou Zhuanyong，Cheng Longdi. Analysis of research content and method of yarn structure[J].Shanghai Textile Science & Technology，2011，39(2)：1-3.

[4] 李汝勤，宋钧才.纤维和纺织品的测技术[M].上海:东华大学出版社, 1995.

[5] 李学佳.图像处理技术应用于纺织工业的最新动态[J].毛纺科技,2005(7):58-61.

LI Xuejia. Recent delopment of imaging-processing techniques applied to textile industry[J]. Wool & Textile Journal，2005(7):58-61.

[6] 付国定，陈桦，刘红,等.数字图像处理技术在纺织服装领域的研究进展[J].丝绸，2011,48(12):22-25.

FU Guoding，CHEN Hua，LIU Hong，et al.Overview of research on image processing technology in the textile and clothing field[J]. Silk，2011，48(12):22-25.

[7] BARELLA，A. Progress in yarn-hairiness studies[J].Journal of the Textile Institute，1985，76(11):127-132.

[8] BARELLA，A. Recent developments in yarn-hairiness studies[J].Journal of theTextile Institute，1973，64(10):558-564.

[9] JACKSON A,ACAR M,YUEN S L，et al. A vision based yarn scanning system[J].Mechatronics，1995(5):133-146.

[10] CYBULSKA M.Assessing yarn structure with image analysis methods[J].Textile Research Journal，1999，69(5):369-373.

[11] 汤福华，俞建勇，张瑞云.基于计算机视觉技术的纱线分析系统[J].中原工学院学报，2003，12(1):15-18.

TANG Fuhua，YU Jianyong，ZHANG Ruiyun. Yarn analysis system based on computer vision technology[J]. Journal of Zhongyuan University of Technology，2003，12(1):15-18.

[12] YUVARAJ D, CHANDRAN R.A simple Yarn hairiness measurement setup using image processing techniques[J]. Indian Journal of Fibre and Textile Research, 2012,37:331-336.

[13]迟开龙，潘如如，刘基宏,等.基于数字图像处理的纱线条干均匀度检测初探[J]. 纺织学报,2012,33(12):19-24.

CHI Kailong，PAN Ruru，LIU Jihong,et al. Primary discussion on detection of yarn evenness based on digital image processing[J]. Journal of Textile Research,2012，33(12):19-24.

[14]孙银银，潘如如，高卫东.基于数字图像处理的纱线毛羽检测[J].纺织学报,2013.34(6):102-106.

SUN Yinyin，PAN Ruru，GAO Weidong. Detection of yarn hairiness based on digital image processing[J].Journal of Textile Research, 2013,34(6): 102-106.

[15]张继蕾.基于图像处理技术的纱线毛羽检测应用研究[D].石家庄：河北科技大学，2011.

ZHANG Jilei. Application Study on the Yarn Hairiness Detection Based on Image Processing Technology[D]. Shijiazhuang:Hebei University of Science and Technology，2011.

[16]赵立阳.基于数字图像处理技术的智能纱线检测系统的开发与应用[D].长春：吉林大学，2014.

ZHAO Liyang. Development and Application of Intelligent Yarn Detection System Based on Digital Image Processing Technology [D].Changchun: Jilin University，2014.

[17]杨欣欣.基于高速摄影技术的纱线毛羽的研究 [D]. 无锡:江南大学，2013.

YANG Xinxin. The Study of yarn Hairiness Based on High Speed Photography [D].Wuxi: JiangNan University，2013.

[18]ROY S, SENGUPTA A,SENGUPTA S. Yarn hairiness evaluation using image processing [J]. International Conference on Control, Instrumentation, Energy & Communication,2014,588-592.

[19]陈宁宁, 苏坤.基于MATLAB的车牌识别系统研究与实现[J].电子测试，2013(22)： 67-69.

CHEN Ningning，SU Kun. Study and realization for license plate recognition system based on MATLAB[J]. Electronic Test，2013(22):67-69.

[20]潘志娟.纤维材料近代测试技术[ M].北京:中国纺织出版社，2005.

[21]卢明，刘一萍.纱线毛羽图像的二值化处理及其MATLAB实现[J].山东纺织科技, 2009(2):37-39.

LU Ming，LIU Yiping. Binarizational disposal of image of yarn hairiness and its MATLAB realization[J]. Shandong Textile Science & Technology，2009(2):37-39.

[22]方珩，辛斌杰,刘晓霞，等.一种新型纱线毛羽图像特征识别算法的研究[J].河北科技大学学报,2015，36(1)：63-72.

FANG Heng，XIN Binjie，LIU Xiaoxia,et al. Research of a new type of yarn hairiness image feature recognition algorithm[J]. Journal of Hebei University of Science and Technology，2015，36(1):63-72.

[23]王井阳，刘卫,张立岩，等.纱线毛羽特征参数提取算法研究[J].河北科技大学学报，2011，32(4):368-372.

WANG Jingyang，LIU Wei，ZHANG Liyan，et al. Study on feature extraction algorithm of yarn hairiness[J]. Journal of Hebei University of Science and Technology，2011，32(4):368-372.

[24] CARVALHO V,CARLOSO P,BELSLEY M,et al.Yarn hairiness parameterization using a coherent signal processing technique[J].Elsevier，2008,142: 217-224.

[25] CHIMEH M Y,TEHRAN M A. Characterizing bulkiness and hairiness of air-jet textured yarn using imaging techniques[J].Journal of the Textile Institute .2005,96(4): 251-255.

Application of image processing technology in

yarn hairiness detection

ZHANG Guohong， XIN Binjie

(Fashion College, Shanghai University of Engineering Science, Shanghai 201620, China)

Abstract:Digital image processing technology is one of the new methods for yarn detection, which can realize the digital characterization and objective evaluation of yarn appearance. This paper overviews the current status of development and application of digital image processing technology used for yarn hairiness evaluation, and analyzes and compares the traditional detection methods and this new developed method. Compared with the traditional methods, the image processing technology based method is more objective, fast and accurate, which is the vital development trend of the yarn appearance evaluation.

Keywords:image processing; digital image processing; hairiness; appearance detection; characteristic parameters

通讯作者：辛斌杰副教授。E-mail：xinbj@sues.edu.cn

作者简介：章国红(1990—)，男，安徽安庆人，硕士研究生，主要从事计算机数字化图像处理方面的研究。

基金项目：国家自然科学基金(61271419)

收稿日期：2015-06-20；修回日期：2015-10-09；责任编辑：张军

中图分类号：TS117

文献标志码：A

doi:10.7535/hbkd.2016yx01013

文章编号：1008-1542(2016)01-0076-07