纱线条干均匀性序列图像测量方法

李变变， 李忠健， 潘如如， 张 杰， 高卫东

(生态纺织教育部重点实验室(江南大学)， 江苏 无锡 214122)

纱线条干均匀性序列图像测量方法

李变变， 李忠健， 潘如如， 张 杰， 高卫东

(生态纺织教育部重点实验室(江南大学)， 江苏 无锡 214122)

为了更精确、连续地评价纱线的外观条干均匀性，提出一种基于序列图像的纱线条干均匀性测量方法。通过图像采集系统获取连续的纱线序列图像；根据模糊C-均值(FCM)聚类算法将图像进行阈值分割，得到纱线条干的二值图像；设定阈值去除图像中的孤立点、毛刺点，获得清晰的纱线条干图像，并计算图像中每行纱线直径。为验证方法的准确性，对7种线密度的紧密纺纯棉纱进行了条干测试，并将结果与USTER®Tester 5-S800条干测试仪的测试结果进行了对比。结果表明：序列图像方法测得的纱线条干均匀性与USTER条干仪的测试结果高度正相关，证明本文的方法是准确可行的。

纱线直径； 条干均匀性； 序列图像； 模糊聚类； 相关分析

条干均匀性是评价纱线条干的基本特征参数。纱线直径是条干均匀性的直接指标，也是用于纱线及织物性能研究与模拟的一个重要参数[1-2]。纱线直径均匀性不仅影响织物的外观质量，还对织物的透气透湿性、断裂强度等性能有重要影响[3]。因此，如何实现准确、快速地测定纱线直径对织物的质量评价具有重要意义[4-6]。纱线是柔软的弹性体，其截面形状不规则且容易变形，直接测量纱线直径比较困难，实际应用中通常采用线密度等质量指标间接地表征纱线的粗细及其条干均匀性，但纱线的线密度并不能精确地表示纱线直径[7]，如相同线密度的2根纱线，由于纤维密度和纱线捻系数等参数不同，可能具有不同的直径。光学检测方法可以实现直径的高精度检测，但纱线毛羽、纤维和纱线本体的识别使准确检测直径变得困难[8]。美国劳森公司生产的电子检视板(EIB)可以较为精确地表示纱线的直径变化，最新推出的USTER®Tester 5-S800条干均匀度仪也具有测试纱线直径功能，然而二者都是利用光电原理来测试纱线直径的，并没有将纱线毛羽排除在外，毛羽的存在直接影响了测试结果的可靠性和重现性。

计算机图像处理技术在纱线检测的应用和发展为准确地测量纱线直径提供了新的思路。在进行纱线条干均匀性检测时，利用图像处理技术可以排除毛羽的干扰进行纱干信息的检测，检测结果具有重现性，检测精度在像素尺度，结果更为精确。目前，这种基于计算机图像处理的纱线条干均匀性检测技术仍处于理论开发阶段，存在图像处理不彻底、算法复杂、测试纱样长度不够长等问题，具体的检测方法也因图像处理算法的不同和图像采集工具的多样而有差异[9-11]。

为了更精确、连续地评价纱线的条干均匀性，本文提出一种基于纱线序列图像的条干均匀性检测方法，并以7种线密度的紧密纺纯棉纱为例进行纱线直径测试及条干均匀性分析。

1 纱线序列图像采集

1.1 实验仪器与材料

实验仪器：PL-1型图像式纱线条干实时检测系统；USTER®Tester 5-S800条干均匀度仪。

实验材料：7种线密度(分别为27.77、18.22、14.58、11.66、9.72、7.29、5.83 tex)的紧密纺纯棉纱各1管。

1.2 动态图像采集系统

高清晰度的纱线图像是准确检测纱线条干均匀性的必要条件，纱线图像不够清晰会降低检测结果的客观程度和准确度。为了采集到连续的高质量纱线图像，实验采用了自制的纱线动态图像采集系统，即PL-1型图像式纱线条干检测系统。该系统主要包括纱线喂入、速度控制、纱线图像的动态采集、纱线图像的实时处理与检测4个部分，系统装置如图1所示。

图1(a)是实验装置的外观图，纱线1从纱管上退绕下来，经过导纱架2和一对防抖动与张力控制导纱轮3，进入装有高亮光源的暗箱4，经过导纱轮5和导纱器6，由相互挤压的主被动轮7、8带动着快速运动。其中防抖动与张力控制导纱轮上带有标明刻度的旋转按钮，通过调节旋转按钮控制纱线张力并减小纱线运动过程中的抖动现象。图1(b)是装置的内侧图，运动的纱线经过暗箱时，在缝隙9处用带有放大镜头11和扩倍镜12的CCD面阵相机13进行扫描，实现纱线图像的快速采集。伺服电动机14通过伺服电动机控制器15和直流电源连接，带动纱线运动。

CCD面阵相机最大分辨率为1 024像素×768像素，最高帧频为117 帧/s，最小曝光时间为60 μs。纱线运行速度在1～100 m/min之间可调。在获取纱线序列图像时，帧与帧之间采用重合拍摄，以保证采集到的图像完整、连续。为使图像采集连续、稳定，纱线运动速度不宜太大，且需与相机帧频进行配合设置。本文纱线速度设置为10 m/min，相邻两帧之间的纱线实际重合长度为1 mm，相机帧频为55.56 帧/s。此外，还要考虑光源亮度和相机曝光时间的影响。实验发现，当纱线速度和帧频一定时，曝光时间减小，所需光源亮度增大。根据此规律，曝光时间设为200 μs，同时适当调节光源亮度，得到清晰的纱线序列图像。

为避免图像中含有冗余的背景，采用定点切割的方式采集图像。图2示出采集的一幅纱线图像(顺时针旋转90°后)，图像大小为51像素×768 像素。经标定，图像中纱线的实际长度为4 mm。从图2中可以看到，虽然纱线比较清晰，但图像中存在一些噪点以及毛羽，干扰条干检测。在对纱线序列图像进行检测前，需要利用合理的图像处理方法提取纱干，得到轮廓清晰又不失真的纱线条干图像。

2 纱线序列图像处理与检测

纱线条干的提取直接影响检测结果的准确性，所用提取方法的高效性和适用性关系到系统是否能够实现连续检测。检测前，先将纱线序列图像的重合部分去除，然后通过阈值分割、去除孤立点和毛刺的方法对纱线图像进行处理，提取准确的纱干信息。

2.1 阈值分割

为了消除图像中毛羽和噪点的干扰，实现纱线主体与背景分离，应用模糊C-均值(FCM)聚类算法对纱线原始图像进行阈值分割。

FCM是一种常用的图像分割算法，通过对目标函数的迭代运算进行类别归属。FCM 把n个像素分为C个模糊类，并根据每个像素与聚类中心的距离对目标函数进行迭代计算[12]，目标函数为

‖xi-vj‖

(1)

式中：μij为每个像素xi对第j个模糊类的隶属度；m为模糊权重，本文取m=2；vj为第j个模糊类的聚类中心。其中，μij和vj的更新方程为

(2)

(3)

根据上述FCM算法，原纱线图像(见图2)的灰度值被分为2类，分类结果如图3所示。由于采集到的纱线图像中目标灰度较小，背景灰度较高，因此图中灰度值较小的一类由纱线条干、紧贴纱线的毛羽以及偏离纱线的毛羽组成，灰度值较大的为图像背景。将灰度值较小的最大灰度值作为设定阈值T。利用T对所有纱线序列图像进行阈值分割，将图像中灰度值大于T的部分像素值设置为1，小于T的部分设置为0，得到纱线条干二值图像，如图4所示。

从图4可以看到，图像中不再有明显的短毛羽和噪点，纱线的主体与背景分离较好。但由于设定的阈值T是灰度值较小的最大灰度值，纱线边缘点可能为紧贴纱线的毛羽或者偏离纱线的较清晰的毛羽，使图像中存在一些孤立的噪声点和毛刺，导致分割出的纱线条干边缘点产生错误，影响后续纱线直径计算的准确性。因此，在阈值分割后，还要对图像进行条干边缘点的判定，消除孤立点和毛刺信号的影响。

2.2 孤立点和毛刺的去除

将初步分割后的纱线条干图像进行垂直灰度投影，统计每行中灰度值为1(纱线处的灰度值为0，背景处为1)的像素点数目占图像总高度像素点数目的百分比λ，判断λ是否大于设定阈值λ0，若是，则对应列中灰度值为0的像素点即为孤立点或突出的毛刺像素点，将其灰度值设置为1，即可去除。本文λ0的设定对于毛刺的去除很关键，λ0太小则会过分去除，伤及纱干；λ0太大则去除不彻底，使毛刺点残留。

实验证明，当λ0=90%时，孤立点和毛刺的去除效果较好。当λ0=90%时，每列中灰度值为1(背景)的像素点在该列所占的比例为90%，而每幅图像中纱线的实际长度为4 mm，则该列中灰度值为1(背景)的像素点所占实际长度为3.6 mm，灰度值为0的像素点所占实际长度为0.4 mm。

在阈值λ0=90%条件下，对初步分割的纱线条干图像(见图4)进行除孤立点和毛刺处理，效果如图5所示。可以看到，处理后图像中的纱线条干完整、清晰，孤立的噪声点和毛刺已被成功去除。

2.3 纱线直径检测

提取出完整、清晰的纱线条干后，从上到下，从左到右逐行扫描纱线条干图像，统计图像中每行对应的左、右边界点之间的像素点数目，即得到该行直径像素值。纱线条干图像中每行对应1个直径，按照上述方法自动求出序列图像中剩余各行的直径，并按顺序进行存储。

3 实验与结果分析

为验证本文提出的基于序列图像的纱线条干均匀性检测方法的准确性，以实验中7种线密度的紧密纺纯棉纱为例，用提出的图像方法对纱线进行条干检测与分析，计算各纱线的平均直径及条干不匀率，并将结果与USTER®Tester 5-S800条干测试仪的测试结果进行对比。实验时，每个纱线样品测试100 m，需采集33 334幅图像(重合拍摄)，为了保证图像采集的稳定，纱线运行速度为10 m/min。

3.1 纱线直径测量与分析

对于不同规格的纱线，使用本文提出的图像检测方法对采集的纱线序列图像进行处理和检测，求出序列图像各行的直径值，取其平均值作为纱线的平均直径，并将其转化为实际尺寸，测试结果如表1所示。作为对比，按照式(4)[13]计算纱线的理论直径，并采用USTER®Tester 5-S800条干仪测量纱线的直径，结果见表1。

(4)

式中：D为纱线的直径，mm；Tt为线密度，tex；δ为纱线的密度，g/cm3。本文实验采用的纱线是纯棉纱，δ取0.85。

从表1可知，3种方法得到的直径变化趋势一致，都随纱线线密度的增大而增大。其中，图像法得到的纱线直径与理论值更接近，USTER法测试得到的纱线直径明显大于理论直径，三者之间的大小关系为：USTER法直径>图像法直径>理论直径。图像法直径与USTER法直径存在数值上的差异，这是由二者的测试原理不同决定的。图像法直径在图像处理过程中去除了纱线毛羽，而根据光电原理测得的USTER法直径则没有消除毛羽的干扰，故USTER法直径大于图像法直径，且纱线线密度越大，毛羽越多，这种差异越明显。

表1 不同方法的直径结果与比较Tab.1 Diameter results measured by different methods and comparison

为了明确图像法直径与USTER法直径之间的关系，以图像法直径为变量x，USTER法直径为变量y，对2种方法测得的纱线直径进行线性相关分析，结果如图6所示。

从图7可以看出，二者相关系数的平方为0.996，测试结果高度相关，证明用图像法测试纱线直径是可靠、准确的。

3.2 条干不匀率计算与分析

变异系数CV值是条干不匀率的主要指标，它反映了条干不匀的平均离散性，不仅能反映纱线片段间不匀也能反映片段内不匀，其计算公式为

(5)

根据前文提出的纱线直径测量方法和式(5)，计算纱线的直径变异系数。纱线直径可以按不同的片段长度(也称切断长度)在任何所需的读数间隔计算，其中最小间隔为纱线图像矩阵中相邻行之间的距离，约为5.21 μm(即1个像素)。读数间隔越小，即片段长度越小，得到的变异系数越能反映纱线实际直径情况。为了与USTER法进行比较，分别取60和1 600个像素(0.3 mm 和8 mm)为1段。对每个规格纱线的33 334幅图像，取片段长度内各行直径值的平均值作为直径在各段的读数。表2示出图像法和USTER法得到的纱线直径变异系数CV值的测试结果。

表2 纱线直径变异系数CV值比较Tab.2 Comparison among yarn diameter variation coefficients CV

注：表中CVm为USTER条干仪测试的质量变异系数，是根据电容原理测得的。

表2数据表明，由于测试原理不同，USTER法和图像法测得的直径变异系数与CVm在数值上不同，且2种方法得到的直径变异系数之间也有差异；片段长度为8 mm时，2种方法得到的直径变异系数都小于CVm，片段长度为0.3 mm时，2种直径变异系数与CVm的差异减小，说明片段长度对2种方法的直径变异系数都有影响，且片段长度越小，所得的直径变异系数越接近CVm。不同片段长度下，USTER法和图像法测得的直径变异系数随纱线线密度变化的曲线如图7所示。从图可以看出，片段长度为8 mm时，图像法直径CV值大于USTER法CV值；当片段长度为0.3 mm时，2种方法得到的直径CV值的差异减小。但2种方法测得的直径变异系数都随纱线线密度的增大呈减小趋势，纱线从12 tex变到14.5 tex时，USTER直径变异系数突然增大，图像法直径变异系数在此处减小趋势也相应变缓，说明2种方法测得的直径变异系数具有一定的相关性。进行相关分析，结果如图8所示。

从图8趋势线和相关关系可知，当片段长度为8 mm时，二者相关系数的平方为0.957，如图8(a)；当片段长度为0.3 mm时，相关系数的平方为0.970 7，如图8(b)。由此可得，2种片段长度下，图像法直径CV值与USTER法直径CV值高度相关，证明本文提出的图像法能够准确、有效地反映纱线条干不匀的程度。

4 结 语

本文介绍了一种基于序列图像的纱线条干均匀性检测方法。实验证明，图像方法测得的条干不匀率与USTER®Tester 5-S800条干测试仪的测试结果高度正相关，说明本文提出的方法准确、可靠，为应用图像法检测纱线直径不匀提供了参考。而且图像法测试不受纱线毛羽的影响，检测结果具有重现性，可以更精确、快速地检测纱线条干均匀性。

当然，本文提出的方法还存在一些不足，如在采集纱线图像时为保证采集的稳定，纱线的运行速度相对较慢。但实验证明用本文提出的图像方法来检测纱线条干均匀性是准确可行的，在以后的研究工作中，将对提出的方法进行完善。

FZXB

[1] 栗强, 程隆棣, 薛文良, 等. 集聚纺的纱线强力理论[J]. 东华大学学报(自然科学版), 2011, 37(3): 327-330. LI Qiang, CHENG Longdi, XUE Wenliang, et al. Theoretical study on strength of compact yarns [J]. Journal of Donghua University (Natural Science Edition), 2011, 37(3): 327-330.

[2] KOVAR R. Length of the yarn in plain-weave crimp wave [J]. The Journal of The Textile Institute, 2011, 102(7): 582-597.

[3] ELDESSOUKI M, IBRAHIM S, MILITKY J. A dynamic and robust image processing based method for measuring the yarn diameter and its variation [J]. Textile Research Journal, 2014, 84(18): 1948-1960.

[4] CARVALHO V, BELSLEY M, VASCONCELOS R M, et al. Yarn hairiness and diameter characterization using a CMOS line array [J]. Measurement, 2008, 41(10): 1077-1092.

[5] TRESANCHEZ M, PALLEJA T, TEIXIDO M, et al. Measuring yarn diameter using inexpensive optical sensors [J]. Procedia Engineering, 2010, 5: 236-239.

[6] TAPIAS M, RALLO M, ESCOFET J. Automatic measurements of partial cover factors and yarn diameters in fabrics using image processing [J]. Textile Research Journal, 2011, 81(2): 173-186.

[7] XU B. Digital technology for yarn structure and appearance analysis [J]. Computer Technology for Textiles and Apparel, 2011: 3-22.

[8] XIE X, XU N, SUN J, et al. Simultaneous measurement of deformation and the first derivative with spatial phase shift digital shearography [J]. Optic Communications, 2013, 286: 277-281.

[9] 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.

[10] ZHONG P, KANG Z, HAN S, et al. Evaluation method for yarn diameter unevenness based on image sequence processing [J]. Textile Research Journal, 2015, 85(4): 369-379.

[11] 程立超,蒋秀明,袁汝旺,等.基于线阵电荷耦合元件的纱线直径测量方法[J].纺织学报,2015,36(6):124-128. CHENG Lichao, JIANG Xiuming, YUAN Ruwang, et al. Measuring method of yarn diameter based online array charge-coupled device [J]. Journal of Textile Research, 2015, 36(6): 124-128.

[12] KUO C, JIAN B, WU H, et al. Automatic machine embroidery image color analysis system: part I: using Gustafson-Kessel clustering algorithm in embroidery fabric color separation [J]. Textile Research Journal, 2012, 82(6): 571-583.

[13] 姚穆. 纺织材料学[M]. 3版. 北京: 中国纺织出版社, 2009: 178. YAO Mu. Material of Textile [M]. 3rd ed. Beijing: China Textile & Apparel Press, 2009: 178.

Measurement of yarn evenness using sequence images

LI Bianbian, LI Zhongjian, PAN Ruru, ZHANG Jie, GAO Weidong

(Key Laboratory of Eco-Textiles (Jiangnan University), Ministry of Education, Wuxi, Jiangsu 214122, China)

In order to evaluate the yarn apparent evenness more precisely and continuously, a method based on sequence images of yarn was developed and applied to measure the yarn evenness. At first, an image acquisition system was adopted to acquire the sequence images of yarn. Then, the images were segmented to binary images based on FCM (Fuzzy C-mean ) clustering. Finally, a threshold value was set to remove the isolate points and burr points in the binary image and acquire yarn core images. The number of pixels of each row was accumulated in the yarn core image to calculate the yarn diameter value. To verify the accuracy of the proposed method, seven kinds of compact-spinning pure cotton yarns with different counts were measured and the results were compared with those by USTER®Tester 5-S800. It shows that the results of yarn evenness measured by sequence images are highly correlated with those by the USTER tester, proving the proposed method is accurate and feasible.

yarn diameter; yarn evenness; sequence image; fuzzy clustering; relevant analysis

10.13475/j.fzxb.20150903006

2015-09-15

2016-05-04

国家自然科学基金青年基金项目(61202310)；教育部博士点基金项目(20120093130001)；霍英东基金项目(141071)；2014江苏省研究生创新计划项目(KYLX_1132)；江苏高校优势学科建设工程资助项目(苏政办发(2014)37号)

李变变(1991—)，女，硕士生。主要研究方向为纱线条干图像法智能检测。潘如如，通信作者，E-mail:prrsw@163.com。

TS 101.9

A