基于图像处理的织物有色异纤检测方法探讨

丁小康 张 毅

（1.衢州学院，浙江衢州，324000；2.浙江省常山纺织有限责任公司，浙江衢州，324200）

随着针织物对混入有色异纤数量控制越来越严格，近几年，在清棉工序加装异纤清除装置、络筒工序采用带异纤切除功能的电子清纱器，降低了棉纱中异纤的数量。但原料中细小的一根或几根有色异纤要采用放大镜才能观察清楚，且纺纱过程中的异纤清除装置对其不起作用，清除难度大，李志成等提出对其尽量提前采取措施［1］。佟桁等研究了目前常用的电子清纱器法和织布法这两种检验棉纱异纤含量的方法，认为电子清纱器法测试结果不具有代表性，且电子清纱器检测速度有限，耗时耗力；企业更多采用的是织布法，更能准确全面反映出纱中含有色异纤的实际状况，具体是将棉纱织成织物小样，由专业人员在验布机上通过目测进行有色异纤检测计数，表征指标为单位质量布面上的有色异纤根数［2］。

由于分散性有色异纤体积小，纺纱生产中的异纤清除装置对其不起作用，清除难度大，在布面上表现为一根或几根纤维形成肉眼较难发现的有色异纤。本研究选用数码显微镜，对原料、半成品、纱线和织物进行定量检测，用于分析控制原料进厂和生产过程中的有色异纤数量，以提高针织用纱档次。

1 有色异纤放大图像检测方法

1.1 样品抽取方法

图像处理检测有色异纤主要根据投料数量随机抽样，对于随机样品，在一次检测中是否有有色异纤，虽然不能预先知道，但是在一次检测中出现的可能性是有大小之分的，所取样本越多越能反映被检实物实际情况，但人力、物力消耗都很大，因此只能在整批实物中取一小部分有代表性的样品进行检测。

原料取样。根据纺织原料检验取样规定，100 包以下取10%，100 包以上超过100 包部分取5%，500 包以上每增加50 包取1 包，每包取500 g，取样时必须在棉包深处15 cm 大块挖取，准确反映样品实际情况。将每个500 g 试样经梳棉机梳理，去掉常见的较大异纤和杂质，使呈束、块状的纤维分离为单纤维状的生条，取0.5 g 为一个试样。

生条、熟条。为了掌握生产过程中有色异纤的变化规律和突发状况，根据生产量大小，分投产时、中期和扫尾时取样检测，生条和熟条每个试样取0.5 g。

细纱、络筒。每个产品每批纱检验一次，试样应对全体具有代表性，随机取样，每份试样取10 个卷装，用摇黑板机摇10块纱板，检测纱线长度5 m。

布样。取筒子样纱，采用针织小样机进行织造，织物组织为纬平针组织，布样长度不低于1 m。

1.2 检测仪器及设备

1.2.1 数码显微镜

选用USB 5.0 MP VIDEO 500X 型和USB 2.0 MP VIDEO 200X 型数码显微镜。后者放大倍数达200 倍，可以清晰分辨出织物组织上的有色异纤；前者放大倍数达500 倍，则用于进一步放大分析纤维截面形状，来判别纤维材料。

1.2.2 摇黑板机

YG381 型摇黑板机（常州纺织仪器厂），绕纱密度20 根/45 mm。

1.2.3 有色异纤检验器

有色异纤检验器见图1。检验器木框内装有一块固定磨砂玻璃，其上放有一块面积略小的透明玻璃，用于压平样布、纤维，便于数码显微镜焦距恒定。检验器内装有一盏15 W 的荧光灯。

图1 异纤检验器

1.3 检测方法

检测时，生条或熟条称取0.5 g，放在异纤检验器磨砂玻璃上，沿垂直方向引伸，两手将棉条从左右撕开呈棉网状，均匀平摊在磨砂玻璃上；筒纱和管纱用摇黑板机将纱绕在黑板上，平放在磨砂玻璃上；布样放在磨砂玻璃上铺平，然后放上透明玻璃，放上数码显微镜调焦后，从左向右，从上到下检测，发现异纤时计数并拍照。

2 图像处理

本研究主要采用边缘检测算法对织物图像中的有色异纤进行检测，检测流程见图2。

图2 有色异纤图像处理流程图

由图2 可知，针对数码显微镜获取的有色异纤图，通过图像灰度化和图像增强等预处理手段，消除图像中的无用信息，突出有效信息，提高目标识别的效率和可靠性；再利用3 种不同的算子对有色异纤进行边缘检测，并对3 种算子的检测结果进行对比；同时对最好的检测结果进行有色异纤的定量计算，将结果保存，便于操作人员分类处理。

2.1 图像灰度化

为了达到提高整个应用系统处理速度的目的，需要减少所需处理的数据量。根据重要性及其他指标，将R、G、B 3 个分量以不同的权值进行加权平均。由于人眼对绿色的敏感性最高，对蓝色敏感性最低，因此，按式（1）对R、G、B 进行加权平均能得到较合理的灰度图像［3］。

f (i，j)为灰度化处理后每个像素的灰度值，经过灰度处理后每个像素值由R、G、B 3 个通道变为1 个灰度数值，三维图像数据转化成二维，大大降低了系统的计算量。

2.2 图像增强

经过对有色异纤显微图像的分析，发现大部分图像经过灰度化处理后，像素值主要集中在［50，160］这个范围内。为了进一步突出图像中的细节信息，便于下一步的边缘检测，本研究采用了图像灰度值线性变换的方法对图像进行增强处理。采用线性变换就是把图像的像素相对集中的范围拉宽到某一个较宽的范围之内，以解决因像素值集中造成的对比度不足、细节分辨不清等问题。 本研究将原图像素值的范围［50，160］扩展到［0，255］，使得原图中大量相同的像素降低，而细节得到了提亮。

2.3 边缘检测

图像的边缘检测可以提取感兴趣目标的轮廓，获取目标特征。常用的边缘检测算子有Rob⁃erts、Sobel、Canny 等［4］。本研究将以上3 种算子分别应用在有色异纤的检测中，通过试验分析得到最适用于有色异纤检测的方法。

2.3.1 Roberts 算子

Roberts 算子是一种利用局部差分算子寻找边缘的算子。该方法将对角线方向相邻两像素之差近似等于梯度幅值。对每一个像素计算其梯度幅值，并设置阈值，将每个像素点的梯度幅值与阈值进行比较来获取目标边缘。Roberts 算子模板见式（2）。

2.3.2 Sobel 算子

Sobel 算子采用3×3 模板对区域内的像素值进行计算，通过计算图像中每个像素的上下左右四领域的灰度值加权差，在边缘处达到极值从而检测边缘［5］。其卷积模板见式（3）。

2.3.3 Canny 算子

Canny 算子是目前图像边缘检测中表现较为优秀的算子，除了对图像目标边缘具有较好的敏感性之外，在抑制和消除噪声方面也具有不错的效 果［6］。Canny 算 子 进 行 边 缘 检 测 主 要 分4 个步骤。

步骤1：使用高斯滤波器滤除噪声。高斯滤波器是一种平滑空间滤波器，用于模糊处理和降低噪声。高斯滤波器通过式（4）得到。一般设置5×5 的高斯卷积核跟灰度图像卷积来抑制噪声。

步骤2：计算图像中每个像素点的梯度强度和方向。将一个像素点的方向分为在x 方向以及在y 方向的分量，通过使用Sobel 算子计算该像素点在水平方向梯度Gx和垂直方向梯度Gy，由此得到像素点的梯度G 以及该像素点的方向θ，见式（5）和式（6）。

步骤3：对梯度幅值进行非极大值抑制。将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较，如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制。从而实现在一个梯度方向上有且仅有一个局部最大值的梯度响应，而将其余的梯度抑制为0，消除多余梯度响应，提高边缘检测精度。

步骤4：用双阈值算法检测和连接边缘。为了进一步消除噪声的影响，Canny 算子采用双阈值法进行判断。如果边缘像素的梯度值高于高阈值，则将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则会被抑制。阈值的选择取决于输入图像的内容信息。

2.4 有色异纤参数计算

由于本研究中图像背景较为复杂，提取出的边缘不连续，不能形成连通区域，因此选取检测边缘像素点数作为纤维的定量信息。采用MAT⁃LAB 中的regionprops 函数，对图像中的边缘区域进行计算，包括提取到的区域数量和像素数量，这些参数一定程度上反映了有色异纤的大小和形态，可帮助操作人员进行分类处理。下面分别对计算的参数进行说明。

（1）连通区域个数。连通区域指的是图像中提取到的有色异纤边缘像素点中，所有相连在一起的像素属于同一个区域。但由于有色异纤是穿插在织物纤维中的，在图像中呈现出断断续续的形态，再加上背景的干扰，使得提取到的纤维边缘也呈现出不连续的多个区域，见图3。因此在这里进行了连通区域个数的计算，一方面可以反映出有色异纤的大小，另一方面也可以体现其在织物中的镶嵌状态。计算连通区域时主要是通过每个像素点周围8 个邻接点的值来判断，如果存在与该点相同值的邻接点则认为该邻接点与像素点连通，否则为不连通。依次判断后可以得到不同连通区域的个数。连通区域个数可以体现一幅图像中检测到的有色异纤数量。

图3 提取到的有色异纤呈现不连续的多个区域

（2）总边缘像素数。对经过图像分割算子提取到有色异纤的边缘像素进行计算，由于图像经过二值化处理，图中白色像素点的值为1，黑色像素点的值为0。计算所有值为1 的像素点个数即得到有色异纤边缘像素总数。该参数可以反映出有色异纤的长度大小。

（3）有色异纤占比。将上述提取的总边缘像素数与图像总像素数的比值作为异纤占比参数。可以衡量单位轮廓面积内有色异纤的存在比例，反映出织物中的有色异纤数量和存在概率。

3 应用效果分析

3.1 有色异纤提取结果

以放大200 倍的色纺图像为研究对象，将3种边缘检测算子用于有色异纤轮廓检测，见图4。

图4 有色异纤图像处理结果

由图4 可以看出，经过图像灰度化和图像增强处理后的图像，其有色异纤与图像背景的对比增强了，细节更加明显。在此基础上进行了边缘检 测［7⁃8］，图4（d）～图4（f）是3 种 算 子 检 测 的 结果，视 觉 上 图4（f）的 提 取 效 果 最 好，图4（d）和图4（e）中噪声较多，许多非目标的背景边缘也被检测出来，因此在抑制噪声方面，Canny 算子的效果最好。为进一步对比边缘提取效果，将目标提取的局部图像进行放大。由放大图像可以看出，Sobel 算子的边缘检测效果优于Roberts 算子，这是由于Sobel 算子采用3×3 模板对区域内的像素值进行计算，而Robert 算子的模板为2×2，因此Sobel 算子在水平方向和垂直方向均比Roberts算子更加明显；Canny 算子提取到的边缘最光滑清晰，这是由于Canny 算子中采取了非极大值抑制以及双阈值的方法，大大消除了多余的梯度响应和噪声的影响。因此本研究选取Canny 算子的检测结果进行有色异纤的参数计算。

3.2 有色异纤参数计算结果

为了对检测结果进行分类处理，需要对检测出的有色异纤进行定量计算。选取10 个织物样本，经过Canny 算子处理后进行了参数计算，结果见表1。为了更直观对比参数计算结果，将有色异纤占比最小的样本9 和样本6 与占比最大的样本8 和样本3 的原图进行了对比，见图5。

表1 有色异纤参数计算结果

图5 4 种样本原图对比

由表1 和图5 可以看出原图中样本9 和样本6中的有色异纤确实很小，而样本8 和样本3 中有色异纤较多较长且明显。说明本试验中得到的参数可以有效反映实际有色异纤的大小和数量，为相关操作人员提供了可靠的分类依据。

4 结语

为了提高织物中有色异纤的检测效率，本研究采用图像处理的方法对织物有色异纤进行快速检测。针对织物的数码显微镜放大图像，首先通过图像灰度化和图像增强等预处理方法，消除冗余信息，提升细节信息；并利用了常用的3 种边缘检测算子对图像中纤维进行边缘提取，选择效果最好的提取结果进行纤维的定量参数计算。试验结果表明：经过Canny 算子检测的纤维具有最清晰光滑的边缘，效果最好，可以有效准确地计算出纤维的参数信息。该方法在实现织物有色异纤快速检测的同时，也为纤维的判别和分类提供了数据支撑。