基于边缘检测的原棉杂质图像识别方法适用性分析

王飞 靳向煜

摘 要：针对如何选择适合原棉图像的边缘检测方法，高效地进行含杂分析与识别的问题，选取Sobel算子、Roberts算子、LoG算子、Canny算子4种边缘检测方法进行适用性分析，实验选取原棉作为样本，在检测效果、检测耗时、检测概率比3个方面对各算子进行了对比与分析。结果表明，相比其他算子，Canny算子在高阈值为1.5时，低阈值为0.2时杂质边缘定位准确、背景噪声小，尤其对于破籽类杂质的识别，检测概率比达到92.5%，检测效果优于其他算子，更适用于原棉杂质图像的分析与识别。

关键词：边缘检测;原棉图像;杂质识别;适用性

中图分类号：TS1;TP37

文献标志码：A

文章编号：1009-265X（2019）05-0039-05

Abstract：Aiming at the problem of selecting suitable edge detection methods for raw cotton images and carrying out the analysis and identification of impurities efficiently， four edge detection methods （Sobel operator， Roberts operator， LoG operator and Canny operator） were selected for the applicability analysis. The raw cotton was chosen as the example in the experiment， and each operator was compared and analyzed from 3 aspects： detection effect， detection time consumption， detection probability. The results showed that， compared with other operators， the Canny operator presented accurate impurity margin positioning and small background noise when the high threshold was 1.5 and low threshold was 0.2. Especially for the recognition of broken seed impurities， the detection probability ratio reached 92.5%. The detection effect was better than other operators， and more suitable for the analysis and recognition of raw cotton impurity images.

Key words：edge detection; raw cotton image; impurity recognition; applicability

原棉雜质指的是存在于棉纤维中的非棉纤维性物质（沙土、毛发、铃壳、砖石、地膜等）及其着生纤维（棉籽、破籽、不孕籽、带纤维籽屑等）。近年来，在中国主要植棉区新疆，机采棉技术广泛应用，籽棉在快速收割的同时，大量杂质也一并混合其中，即使经过清理和轧花，原棉中仍然维持了较高的着生性纤维杂质。根据国家标准GB/T 6499-2012《原棉含杂率试验方法》[1]，原棉含杂率采用杂质人工检验、称重的方式进行检验，该检验方式劳动强度大，耗时长，难以保证检验效率与效果。随着计算机视觉检测技术[2-4]的快速发展，HVI系统[5]、AFIS系统[6]等实现了杂质的自动化检测，解决了原棉杂质检验工作中的劳动强度大、耗时长等诸多问题，提高了检测效率与效果。在这些视觉检测系统中，边缘检测算法能够检测出图像区域内周围像素灰度急剧变化像素集合，直接影响着杂质识别的效果，因此，亟需对主流的边缘检测算法进行对比分析，讨论其在原棉杂质识别中的适用性。

本文针对原棉杂质图像的边缘检测算法进行研究，在采集以白棉为主的原棉图像的基础上，采用Sobel算子、Roberts算子、LoG算子、Canny算子进行对比实验，探讨算子的检测效能，为原棉杂质图像边缘检测方法的选取提供参考依据。

1 研究方法

1.1 Sobel算子原理

Sobel边缘检测算子[7]采用的是方向差分与中局部平均结合的方式，它首先对图像进行平滑处理，然后进行方向差分运算。

1.2 Roberts算子原理

Roberts算子[8]通过对角线方向相邻像素差近似梯度幅值寻找边缘，其原理是求取图像点（x，y）的2×2邻域上的对角导数，使用在该像素点处的方向差分的均方值取代梯度值G[f（x，y）]：

第3步，对图像梯度幅值进行“非极大值抑制”处理，并采用双阈值法获得边缘。在非极大值抑制过程中，使用3×3大小、8方向的邻域对梯度幅值数组中的像素沿梯度方向进行插值。然后采用高、低2个阈值对非极大值抑制后的图像进行分割，得到高阈值边缘图像Th[i，j]以及低阈值边缘图像Tl[i，j]，并将Th[i，j]中的边缘连接成轮廓，当到达轮廓端点时，采用递归不断搜索Tl[i，j]中8邻域位置能够连接到轮廓上的边缘，直至Th[i，j]中所有的间隙都连接起来。

2 仿真实验与结果分析

2.1 材料与平台

实验材料选自于新疆石河子地区棉花加工厂生产的原棉，棉样共计1 283例，颜色级以白棉3级为主，在此基础上，通过棉样图像采集系统、工控机硬件平台、仿真实验程序进行图像的采集、分析与处理。

图像采集系统中，采用MV-500UC系列高分辨率工业数字摄像机，最高分辨率达2 592 pixel×1 944 pixel，像素尺寸2.2 μm×2.2 μm，像元大小1/2.5 cm，清晰度1 500线，信噪比大于42 dB。

工控机采用研祥IPC-810系列，性能稳定性优越。仿真程序采用VC++结合OpenCV视觉库的方式实现，完成原棉图像拍摄与边缘检测算子的性能仿真。

实验仿真平台如图1所示，其中，平台上方为系统显示与操控屏，箱体内部是图像采集装置与数据处理机，中间窗口为原棉图像采集窗口。

2.2 结果与分析

2.2.1 检测结果对比

在上述实验平台基础上，仿真程序通过图像采集系统获取了棉样图像，其分辨率为1 642 pixel×1 800 pixel，如图2所示。在此基础上，针对原棉图像进行了Sobel算子、Roberts算子、LoG算子、Canny算子的边缘检测实验，并对杂质识别效果与检测性能进行了对比分析。

选取原棉样品图像如图2，分别使用Sobel算子、Roberts算子、LoG算子、Canny算子对其进行边缘检测，获取的杂质边缘，同时，为了便于观察，对结果进行反色处理，结果如图3所示。

通过图3算子检测结果对比可以看出，实验所采用的边缘检测算子都能检测到杂质的边缘，但Sobel算子、Roberts算子、LoG算子在计算时不可避免的取得了虚假的像素点，如图3中（a）、（b）、（c）圆圈内所示皆为棉层挤压导致深色区，并非实际的杂质。与此同时，没有能够消除图像的背景噪声，杂质与背景分离效果不佳，给后续的图像处理带来了困难;如图3（d）所示，Canny算子能够有效消除背景噪声，且杂散点少、原棉杂质边缘刻画流畅、清楚。

2.2.2 检测耗时对比

在算子的检测耗时方面，针对实验材料中选取的原棉样品，实验分别采集5种不同分辨率的图像，采用Sobel算子、Roberts算子、LoG算子、Canny算子分

别进行检测实验，进行检测耗时的对比分析。图4的检测结果显示，当棉样图像分辨率低于600 pixel×800 pixel的情况，各检测算子耗时相当，维持在0.28 s附近;当分辨率高于1 642 pixel×1 800 pixel时，Sobel算子、Roberts算子、LoG算子较Canny算子相对耗时增幅显著，最大增幅达1.1 s，最小增幅0.2 s。

2.2.3 检测准确率对比

由于目前对棉花杂质的检验采用是人工检验方式，因此，在算子的检测准确率方面，采用本文实验仿真系统与按照国标人工检验相对比的方式进行，选取检测概率比作为检测效果的评价准则。其中，在整个样品数据集中，对于任一类杂质检测概率比的计算方法是实验仿真程序检测的杂质结果数量与按照GB/T 6499—2012人工检验结果数量比值的算术平均值。

在此基础上，选取1 283例原棉样品并采集其图像，如图5所示。

近年来，由于棉花采收、加工设备技术不断提升，非棉纤维性杂质在成包原棉中已基本杜绝，因此选定棉叶、破籽类、不孕籽、僵片、软籽表皮5类常见的杂质进行检测，通过仿真程序逐一计算上述5类杂质的识别结果，同时，根据GB/T 6499—2012规定的人工检验方法计算上述5类杂质的检验结果，进而分别求得检测概率比，结果见图6。

与Sobel算子、Roberts算子、LoG算子相比，Canny算子通过二阶微分图像增强、梯度阈值化取舍、“非极大值抑制”处理、形态学开闭运算，使得提取的图像边缘连续性好。其检测效果明显优于Sobel算子、Roberts算子、LoG算子，尤其在破籽类杂质的边缘检測方面，检测概率比达到92.5%。

2.2.4 检测算子适用性分析

由于Sobel算子采用先局部平均然后求差分的方法对图像进行平滑处理，能够实现一定程度上的去除噪声的功能。

Roberts算子采用的是直接通过局部差分法寻找图像边缘，然后求取梯度值，图像中边缘点的定位精度高，能够较好的实现对水平和垂直方向边缘的检测;但由于缺少对图像进行相应的平滑处理，容易导致其对噪声敏感，只适合于噪声少且边缘明显的图像检测。

对于LoG算子来讲，Gauss函数标准差具有控制平滑的作用，因此σ的取值很关键。具体的：σ值越大，用于平滑的Gauss滤波模板越大，图像中高频部分的抑制效果增强，有效避免孤立点及虚假边缘点的检出，同时，Gauss滤波器的平滑作用会消除一部分边缘细节，如图3中（a）、（b）、（c）圆圈内所示皆为棉层挤压导致深色区，造成一定程度的边缘点漏检，造成边缘定位的偏移，降低了边缘的定位精度;相反，σ值越小，边缘定位准确，但平滑、去噪性能降低。

在理论上，Canny算子是一种相对完善的边缘检测算法。特别是在二维坐标空间下，由于Canny检测算子具有方向特性，使其在寻找与定位边缘的性能上要优于LoG算子。同时，Canny算子能够产生边缘的梯度方向和强度2个维度的信息，具有更好的抗噪性能，如图3（d）所示，Canny算子在高阈值为1.5时，低阈值为0.2时杂质边缘定位准确，为后续图像处理提供了便利。但是，Canny算子为了得到较好的边缘检测效果，通常需要使用大滤波器，从而容易丢失边缘的细节信息。

通过对Sobel算子、Roberts算子、LoG算子、Canny算子的原理分析以及针对原棉杂质样品的仿真实验结果表明，Canny算子能够在杂质边缘定位、背景噪声消除方面都具有优良的性能，检测到的边缘连续性好、背景噪声小，尤其适用于原棉中破籽类杂质的分析与识别。

3 结 语

边缘检测算法的研究是图像处理领域的重要课题，现有的图像边缘检测算法多数是基于特定条件、特定图像类型进行检测，由于数字图像的多样性和复杂性，尚不能做到普遍适用性。原棉作为大宗纺织原料，如何为原棉图像选择合适边缘检测方法，高效地进行含杂状况的分析与识别，已成为亟待解决的难题。本文选取常用的Sobel算子、Roberts算子、LoG算子、Canny算子4种边缘检测算子，在以原棉为样本的仿真实验结果显示，Canny算子在杂质边缘定位、背景噪声消除方面都具有优良的性能，检测到的边缘连续性好、背景噪声小，尤其适用于原棉中破籽类杂质的分析与识别。同时，通过边缘检测算子的检测效能对比，也为原棉杂质图像边缘检测方法的选取提供了参考依据。

参考文献：

[1] 中华人民共和国国家质量监督检验检疫总局.GB/T 6499—2012原棉含杂率试验方法[S].北京：中国标准出版社，2012.

[2] 周航，杜志，龙武，等.机器视觉技术在现代农业装备领域的应用进展[J].中国农机化学报，2017，11（38）：86-92.

[3] 辅小荣.基于机器视觉的品质检测系统设计[J].产业与科技论坛，2018，17（2）：38-39.

[4] 周航，杜志龙，武占元，等.机器视觉技术在现代农业装备领域的应用进展[J].中国农机化学报，2017，38（11）：86-92.

[5] 王铭，耿向阳，曲京武，等.棉花品级检测中HVI与人工检测法相关度分析[J].中国纤检，2012（5）：52-55.

[6] 韦京艳，唐淑荣，褚平侯，等.基于AFIS测试的机采棉和手采棉纤维品质分析[J].中国棉花，2015，12（42）：29-32.

[7] 张丰收，李斯文，胡志刚，等.一种改进的Sobel梯度函数自动对焦评价算法[J].光学技术，2017，43（3）：234-238.

[8] 文永革，何红洲，李海洋.一种改进的Roberts和灰色关联分析的边缘检测算法[J].图学学报，2014，35（4）：637-642.

[9] 董雪，林志贤，郭太良.基于LoG算子改进的自适应阈值小波去噪算法[J].液晶与显示，2014，29（2）：275-280.

[10] 许宏科，秦严严，陈会茹.一种基于改进Canny的边缘检测算法[J].红外技术，2014，36（3）：210-214.