一种基于Canny的原棉杂质图像分割方法研究

夏彬 张亚利 王飞

摘要：針对原棉杂质人工检验方式效率和效果不能保证的问题，提出一种基于Canny的原棉图像分割方法。该方法首先通过计算灰度的二阶微分增强图像，然后采用梯度按阈值取舍的方法检测图像边缘，在此基础上，结合“非极大值抑制”和形态学的连接操作，确保图像分割的效果。原棉杂质图像分割实验结果表明，该方法能够有效地将杂质与原棉背景分离，获取的杂质边缘清楚、流畅，有利于后期原棉杂质的分类与识别，同时，为棉纤维检验领域中机器视觉检测系统的研发提供了技术支撑和数据参考。

关键词：原棉杂质；图像分割；Canny；杂质边缘；视觉检测

中图分类号：TS111.9；TP37

文献标志码：A

文章编号：1009-265X（2017）06-0023-04

Research of Cannybased Image Segmentation Method of Raw Cotton Impurities

XIA Bin1， ZHANG Yali2， WANG Fei3

（1.Zhengzhou Cotton & Jute Engineering Technology and Design Research Institute of China Coop，Zhengzhou 450000， China； 2.Henan Industrial Design School， Zhengzhou 450000，China； 3.Key Laboratory of Textile Science & Technology Ministry ofEducation，Donghua University， Shanghai 200051， China）

Abstract：Considering the low efficiency and low effectiveness of manual inspection of raw cotton impurities， this paper proposes a Cannybased method of raw cotton image segmentation. According to the method， the secondorder differential enhanced image of gray is to be calculated first， then the image border is to be tested with the method of gradient threshold choice method， and nonmaximum suppression and join morphological operation are to be combined on this basis， to ensure the effect of image segmentation. Simulation experiment results of raw cotton impurities image segmentation show that the method works to remove impurities from raw cotton background， and the impurities edges obtained with the method are clear and fluent， which is good for classifying and recognizing raw cotton impurities subsequently， and provides technical support and data reference for the development and research of machine visual inspection system in the field of cotton fiber inspection.

Key words：raw cotton impurities； image segmentation； Canny； impurities edge； machine visual inspection

中国具有悠久的植棉历史，既是产棉大国，也是用棉大国。根据国家统计局公布的数据显示，2015年全国棉花播种面积37 990 km2（5 698.5万亩），总产量560.5万t[1]。作为中国主要的经济作物和纺织工业的主要原料，棉花与农、工、商各方利益息息相关[2]。与此同时，随着棉花采收机械的快速推广，机采棉较高的含杂率严重影响了棉花的加工与销售，另外，较高的含杂率也影响了原棉的定级与定价，影响着纺纱效果及最终棉纺织品的质量。目前，根据国家标准GB/T 6499—2012《原棉含杂率试验方法》，原棉杂质的检验方式为人工手工检测，由于手工方法劳动强度大、主观性强、检测效率和效果不能保证，检测过程中也会对原棉的原生品相造成破坏，这就给原棉杂质的检测带来了困难。机器视觉检测技术采用工业相机与计算机结合的方式，通过数字图像处理分析方法代替人眼对目标进行分析、识别与测量，能够有效克服人工检验的不足，有利于提高检验效率，在原棉杂质检测领域具有广泛的应用前景[35]。

本文针对原棉杂质图像分割方法进行研究，提出采用Canny算子进行原棉图像分割，并选取淡点污棉二级原棉为样本进行仿真实验，为原棉杂质图像分割方法的选取以及杂质目标的分类识别提供参考依据。

3仿真实验

3.1实验平台

实验选取淡点污棉二级原棉作为样品，通过图像采集装置捕获原棉杂质图像，采集的样品图像为BMP格式，位深度32位。

实验硬件平台是在联想PC机上进行的，该计算机配备Core i5处理器，8 GB内存，1 TB硬盘。

实验程序采用Visual C++ 2010调取OpenCV视觉库的方式编程实现，程序运行在Windows 7操作系统下。Microsoft Visual C++是Microsoft公司推出的面向对象的可视化集成编程环境，它具有灵活方便的类管理、程序框架自动生成、代码编写和界面设计集成交互操作等程序开发优势。OpenCV是开源的跨平台计算机视觉库，可以运行在Windows、Linux以及Mac OS操作系统平台上，类库轻量级，程序执行高效，能够进行图像处理与计算机视觉通用算法实验。

3.2结果与分析

依托上述仿真实验平台，实验通过原棉杂质图像采集装置捕获了淡点污棉二级原棉样品图像，分辨率为1 925×1 773像素，如图2所示。在此基础上，开展了Canny方法图像分割实验，以及不同图像分割方法间的对比分析实验。

3.2.1Canny方法分割结果分析

根据采集的图2棉花样品图像，采用本文Canny方法进行分割，其分割实验结果如图3（a）所示，同时，为便于对分割结果进行观察分析，对分割结果图像反色后结果如图3（b）所示。将图2与图3进行对比分析，可以看到，在原棉图像中相应的杂质点经过图像分割后，杂质都被凸显出来，进一步说明了本文的Canny方法能够将杂质与原棉背景有效地分离开来，同时，分割出的原棉背景噪声小、杂散点少，原棉杂质边缘清楚、流畅。

3.2.2不同图像分割方法效能对比分析

为了进一步验证本文方法的图像分割效能，实验分别选取阈值分割方法、OTSU方法与本文Canny方法进行分割结果对比分析。

a）分割方法耗时方面。采集7种不同分辨率的原棉图像，采用各自方法分别进行图像分割，并计算所耗费时间，进行对比分析，具体如图4所示。从图4可以看出，对于低于600×800像素的小分辨率图像，各方法分割耗时相当，维持在0.29 s左右；当图像分辨率超过1 250×1 500像素时，本文Canny方法耗时大幅降低，最大相对降低21%。

b）分割方法效能方面。采用分割结果定性与检测概率比定量相结合方式进行对比分析。

首先，分割结果定性分析。以采集的图2原棉图像为样品，分别采用上述两种方法进行图像分割，并对分割结果反色后如下：图5为阈值分割方法结果，图6为OTSU方法结果。

通过与图3 Canny方法结果对比，阈值分割方法对有些原棉杂质存在“漏检”的情况，如图5所示，与原始样本相比，杂质与原棉背景分离效果不明显，分割后的图像背景存在噪声，一定程度影响了后期的数据处理；通过与图3 Canny方法结果对比，OTSU方法能够有效的将杂质与原棉背景分离开来，如图6所示，同时，杂质边缘刻画清楚、流畅，但存在背景噪声，影响了分割的效果。

其次，检测概率比定量分析。检测概率比是图像分割中常用评价准则，其定义为正确检测概率Pc与错误检测概率Pf之比。实验选取原棉样品，针对原棉中常见的破籽、不孕籽、僵片等6类杂质进行图像分割并计算检测概率比[11]，对比数据如图7所示。

与阈值分割、OTSU方法相比，Canny分割方法通过计算灰度的二阶微分来增强图像，采用梯度按阈值取舍的方法检测边缘，由于它进行了“非极大值抑制”和形态学连接操作，使提取的边缘连续性好，在对原棉杂质图像的分割上，特别是在破籽、棉叶的分割上，分割效果明显优于阈值分割方法与OTSU方法。

4结语

在原棉杂质的自动化分析系统中，图像分割是关键环节，其分割效果直接影响着后续的杂质目标分析与识别。本文采用基于Canny原棉杂质图像分割方法，以淡点污棉二级原棉为样品，进行了相关仿真实验，实验结果表明，本文的Canny图像分割方法通过计算灰度的二阶微分来增强图像，并对梯度按阈值取舍的方法检测边缘，使提取的边缘连续性好、背景噪声小，能够取得较优的分割效果，为原棉图像分割方法的选取以及原棉图像目标识别提供了参考依据。

在原棉图像分割之后，如何对其表面进行杂质分类和识别将是下一个阶段的工作。

参考文献：

[1] 国家统计局.国家统计局关于2015年原棉产量的公告[EB/OL].（2015-12-18）[2016-02-17].http：//www.stats.gov.cn/tjsj/zxfb/201512/t20151218_1292351.html.

[2] 杨忠娜，唐继军，喻晓玲.新疆棉花产业对国民经济的影响及对策研究[J].农业现代化研究，2013，34（3）：298-302.

[3] 陈君.多源图像融合技术在棉花病虫害诊断中的应用[J].湖北农业科学，2013，52（11）：2555-2557.

[4] 陈钦政，赖惠成，王星，等.一种基于支持向量机的棉花图像分割算法[J].计算机工程，2013，39（5）：266-269.

[5] 丁名晓，王云宽，黄为.基于Gabor滤波器的棉花杂质检测算法[J].中国图象图形学报，2011，16（4）：69-72.

[6] 刘军民，夏彬，桑小田，等.基于边缘检测的棉花杂质图像分割方法比较与分析[J].中国棉花，2014，41（12）：23-25.

[7] 刁智华，王欢，宋寅卯，等.复杂背景下棉花病叶害螨图像分割方法[J].农业工程学报，2013，29（5）：147-152.

[8] 史书伟，夏彬，冀翼，等.棉花图像检索中的分块权重优化.现代纺织技术[J].2016，24（1）：1-3.

[9] 张磊，姚军，王锋，等.考虑分形特征的岩心扫描图像合理分割方法[J].科学技术与工程，2015，15（24）：57-60.

[10]田昊，王维新，毕新胜，等.基于图像处理的机采棉杂质提取算法[J].江苏农业科学，2014，42（1）：36-39.

[11]章毓晋.图像工程（中册）：图像分析[M].3版.北京：清华大学出版社，2013：53-160.

（責任编辑：张会巍）