棉纤维视觉检测中图像分割方法适用性分析

■

〔1中华全国供销合作总社郑州棉麻工程技术设计研究所，河南郑州450004〕

〔2新乡学院计算机与信息工程学院，河南新乡453000〕

根据2018年12月29日发布的“国家统计局关于2018年棉花产量的公告”，2018年全国棉花种植面积335.23万hm2（5 028.45万亩），比2017年增长4.9%；全国棉花总产量609.6万t，比2017年增长7.8%。作为关系国计民生的大宗农产品，为了公平、公正地进行贸易结算，棉花在收购、加工、贸易以及纺织过程中需要对其纤维品质进行快速检验。近年来，随着人工智能技术与图像处理技术的飞速发展，机器视觉检测系统在棉花加工、检验领域得到应用。例如：我国棉花公正检验采用的大容量棉纤维测试仪HVI（High Volume Instrument）就是采用数字图像处理技术代替人眼对棉纤维进行自动化分析、识别与测量，该系统能够有效弥补人工感官检验的不足，提高了检测效率和准确率，现已广泛应用于各级棉花检验实验室。在这些机器视觉检测系统中，图像分割是技术基础，对检测的效果有着重要影响。

本文针对棉花图像分割方法进行研究，在采集我国新疆棉区籽棉样品图像基础上，采用Canny方法、Sobel方法、Log方法、Roberts方法进行图像分割实验，并对比分析分割方法的检测性能与适用性，为棉花图像分割方法的选取以及棉花图像中杂质目标精准识别提供参考依据。

一、实验材料与方法

（一）实验材料

实验材料选自于新疆生产建设兵团第八师棉花加工厂待加工的籽棉，手工去除大杂后，实验样品共计2 kg。

（二）实验平台

在机器视觉系统的基础上，实验搭建了一套棉纤维自动检测简易系统平台，系统主要包括：光源照明系统、CMOS工业相机、光学镜头、图像采集卡、检测视窗、数据处理机及杂质识别软件。其系统框架如图1所示。

图1 棉纤维检测系统框架

根据系统框架，其工作流程为：首先将待检测棉样放置于检测视窗的光学玻璃上，其次启动检测，然后LED光源照明系统开启，触发工业相机采集棉样图像，通过图像采集卡将图像传送数据处理机，最后处理机中的纤维质量分析软件进行算法分析并显示分析结果。所有工序完成之后，照明系统关闭，完成检测。

工控机采用联想490系列计算机，仿真程序采用VC++结合OpenCV视觉库的方式实现，在Windows 7系统上，完成棉样图像拍摄与图像分割方法的性能实验。

（三）研究方法

1.Canny分割方法。

Canny是一种多尺度边缘检测算法，其检测边缘的基本原理是寻找图像中局部最大梯度幅值的像素点。具体步骤是：

首先，将图像与Gauss滤波器进行卷积，对图像进行平滑处理，将高斯滤波器与图像卷积，得到输出图像；其次，对于平滑后的图像，采用2×2邻域一阶偏导的有限差分计算平滑后图像的梯度幅值和方向；然后，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；最后，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.Sobel分割方法。

Sobel边缘检测算子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。

3.Log分割方法。

Log边缘检测算子是将拉普拉斯算子与高斯滤波融合后形成的，其原理是首先将图像与高斯滤波器卷积，在平滑图像、降低噪声的同时，消除较小的噪声点，然后使用拉普拉斯算子进行处理。假设原图像为f（x，y），经拉普拉斯算子检测得到的边缘图像h（x，y）：

其中，▽2为拉普拉斯算子，，g（x，y）为高斯滤波器。另外，典型的5×5大小的算子模板为：

4.Roberts分割方法。

Roberts算子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）]：

将这2个模板Gx，Gy与图像卷积，得到梯度幅值，并采用阈值T筛选，进而获得边缘。

二、实验结果分析

（一）图像分割效果对比分析

在实验平台基础上，通过图像采集系统获取了棉样图像，其分辨率为1 200 pixel×1 600 pixel，如图2（a）所示。在此基础上，分别采用Canny方法、Sobel方法、Log方法、Roberts方法对棉样图像进行图像分割实验，并对分割效果进行了对比分析。此外，为了便于效果分析，对分割结果进行反色处理，具体结果如图 2（b）（c）（d）（e）所示。

图2 棉样图像分割结果

从图2的分割结果可以看出，Canny方法、Sobel方法、Log方法、Roberts方法均能对棉样图像中的杂质进行不同程度的刻画。如图2（b）所示，Canny分割方法能够将杂质与棉纤维背景有效地分离开来，分割出的图像结果背景噪声小、杂散点少，棉样图像中杂质边缘刻画得清楚、流畅；如图2（c）（d）（e）所示，Sobel方法、Log方法、Roberts方法的分割结果均不同程度地出现背景噪声，同时杂散点多，不利于图像目标的后期处理；但Log方法对杂质的边缘刻画清楚、流畅；其中，Roberts方法的分割效果较其它方法略显逊色。

（二）图像分割耗时对比分析

由于图像分割耗时是影响算法性能的重要指标，因此，有必要进行耗时指标的对比分析。在分割方法的检测耗时方面，针对选取的籽棉样品，实验分别采集涵盖50万至500万像素范围的5种不同分辨率的棉样图像，采用Canny方法、Sobel方法、Log方法、Roberts方法进行检测耗时的对比分析。从图3可以看出，当棉样图像分辨率在400 pixel×600 pixel的情况下，各分割方法耗时相当，维持在0.29 s左右；当分辨率高于1 600 pixel×1 800 pixel时，Sobel方法、Log方法、Roberts方法较Canny方法相对耗时增幅显著，平均增幅0.6 s；同时，当分辨率处于2 000 pixel×2 500 pixel时，Canny分割耗时最少，仅为1.1 s。

图3 分割方法间检测耗时对比

三、结论

根据Canny方法、Sobel方法、Log方法、Roberts方法4种图像分割方法的原理并结合籽棉样品实验测试结果，现总结如下：

（一）Canny方法是一种相对完善的图像分割方法，特别是在二维坐标空间下，因为Canny算子的方向特性，分割结果中杂质边缘刻画得清楚、流畅，使其在寻找与定位边缘的性能上具有优势；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，图像分割结果背景噪声小，具有更好的抗噪性能，为后续图像处理提供了便利。但是，为了取得较好的图像分割效果而使用大滤波器的方法，容易在极个别情况下丢失杂质边缘细节信息。

（二）Sobel方法采用先局部平均然后求差分的方法对图像进行平滑处理，能够在一定程度上实现去除噪声的功能，但Sobel方法产生的边缘较粗，Canny方法和Log方法产生的边缘较细。

（三）对于Log算子来讲，Gauss函数标准差具有控制平滑的作用，但σ的取值很关键。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，造成一定程度的边缘点漏检，致使边缘定位的偏移，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。

（四）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，能够较好地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地平滑处理，因此，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。

综上所述，通过对Canny方法、Sobel方法、Log方法、Roberts方法的原理分析以及针对籽棉样品的仿真实验结果表明，Canny方法在杂质边缘定位、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，尤其适用于籽棉图像的分割，同时，图像分割的耗时兼具优势。此外，本文的实验与对比分析结果，对棉花图像中杂质的分类与识别也提供了参考依据。