專利名稱：一種棉花異性纖維圖像在線分割方法及系統的制作方法
技術領域：
本發明涉及圖像處理系統，尤其涉及一種棉花異性纖維圖像在線處理方法及系統。
背景技術：
我國是棉花生產和消費大國，并且是棉紡織品出口大國。但在原棉加工過程中由于很多原因通常會混雜進多種異性纖維。異性纖維是指混入棉花中的對棉花及其制品質量有嚴重影響的非棉纖維和有色纖維，如化學纖維、毛發、絲、麻、塑料膜、塑料繩、染色線(繩、布塊)等，俗稱“三絲”。異性纖維在皮棉中的含量雖少，但對紡織品的質量影響嚴重，混入原棉中的異性纖維，容易被打碎成散落單纖維，在紡織加工中難以清除。紡紗時，散落單纖維容易使棉紗斷頭，降低生產效率；織布時，影響布面質量；染色時，因著色不同，影響外觀，對棉紗和布面的質量造成了很大危害。因此，異性纖維的危害主要表現在三個方面一是直接影響棉紗及其制品的質量；二是給棉紡織企業帶來巨大的經濟損失；三是影響到國棉的使用和棉紡織品的出口。原棉中的異性纖維長久以來一直是我國紡織工業高度關注的一個問題。在我國，由于資金、發展程度等原因，通常采用人工挑揀異性纖維的方法，這種方法不僅耗費大量人力物力，且速度慢，精確度低，效率低下。隨著微電子技術及計算機技術的飛速發展，圖像處理技術用于棉花異性纖維的檢測得到了快速的發展。作為棉花異性纖維的提取以及識別等后續工作的基礎，研究針對棉花異性纖維快速處理的方法已經成為解決以上諸多問題的必然趨勢。基于機器視覺的異物識別是近些年興起的一種技術。機器視覺就是用計算機模擬人眼的視覺功能，從圖像或圖像序列中提取信息，對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。其中圖像分割是圖像處理與機器視覺中最為基礎和重要的環節之一，是模式識別和計量分析的前提。圖像分割的目的是將圖像中我們感興趣的圖像特征或需要應用的特征提取出來。閾值法由于具有算法簡單、計算量小、性能穩定、清晰直觀等優點而成為圖像分割中應用最廣泛的分割技術；其中OTSU法又稱為大津法或最大類間方差法，是一種自適應的閾值確定的方法，它是按圖像的灰度特性，將圖像分成背景和目標兩部分。背景和目標之間的類間方差越大，說明構成圖像的兩部分的差別越大。因此，使類間方差最大的分割意味著錯分概率最小，具有統計意義上的最佳分割閾值。使用OTSU法對一幅圖像進行二值化的分割效果比較令人滿意，目標和背景的區分較 好。然而，該算法得到的閾值僅當目標圖像面積大于整幅圖像25%時，分割性能接近最優；當運動目標圖像面積變小時，算法性能迅速下降，導致目標圖像越小，閾值偏差值越大。另一方面，OTSU法在對背景不均勻或目標圖像灰度與背景灰度差別較小的圖像分割處理中也存在較大的問題，不能得到高質量的分割圖像。而棉花異性纖維圖像恰屬于小目標圖像，且存在目標圖像灰度與背景灰度差別較小和背景圖像灰度不均勻的問題。在圖像分割處理中，若直接采用OTSU法則會出現嚴重過分割現象。另一方面，在對圖像進行分割處理時，占據絕大部分的無目標圖像的背景圖像并沒有進行分割的必要性，統一進行分割處理大大增加了無意義的計算量，嚴重降低了使用OTSU法的分割速度，造成了極大的資源浪費。

發明內容
(一 )要解決的技術問題本發明要解決的技術問題 是如何提供一種棉花異性纖維圖像在線分割方法及系統，能有效提高圖像分割的速度，保證圖像的分割質量。從而得到高質量的異性纖維分割圖像，滿足系統對異性纖維圖像分割處理的高速度要求，為圖像特征提取，目標圖像模式識別以及異性纖維根數測量等后續工作提供較好的基礎。( 二 )技術方案為達到上述目的，本發明提供一種棉花異性纖維圖像在線分割方法，包括以下步驟SI :接收棉花異性纖維圖像，將所述圖像轉換為灰度圖像，并將該灰度圖像取反；S2:對取反的灰度圖像分塊處理，并進行固定閾值二值化分割處理，計算分割后目標圖像的面積，依據該圖像面積大小、圖像塊與比鄰圖像塊之間的連接關系，判定是否進一步細化處理；S3:讀取需要細化處理的圖像塊，得到修正后的背景灰度圖像，與原灰度圖像塊相減得到剔除背景的圖像塊，使用OTSU法進行圖像分割；S4:對圖像塊進行膨脹操作，將相鄰圖像塊的對應邊緣像素進行對比，并以其重合度為依據對多幅圖像或圖像分塊中斷裂的異性纖維目標圖像進行圖像鏈接。優選地，所述步驟S2中，根據圖像大小和目標圖像占據整個圖像的比例關系將圖像分塊，根據步驟SI灰度圖像的直方圖分析灰度特征結果，選擇合適閾值M對每一個圖像塊進行二值化分割，然后根據圖像塊中的目標圖像面積與比鄰圖像塊的關系判斷是否進一步細化處理；所述步驟S3中包括對圖像塊進行圖像腐蝕與空白填補操作，在進行圖像分割之前進行細節增強。優選地，判斷進一步細化處理的方法如下若圖像塊內圖像面積小于A1，則不需進一步細化處理；若圖像塊內圖像面積大于A2，則需要進一步細化處理；若圖像塊內圖像面積介于A1-A2之間，則檢測與其相鄰的四個圖像塊是否存在圖像面積大于A2的圖像塊，若存在則需要進一步細化處理，反之則不需進一步細化處理；其中A1與A2是判定圖像塊是否需要進一步細化處理的圖像面積閾值；所述步驟S2，通過以下步驟對棉花異性纖維圖像進行增強S21 :將異性纖維灰度圖像平均分塊；S22:順序讀取每個圖像塊，將其以固定閾值M做二值化處理，并計算二值化后的圖像塊內目標圖像的面積；S23 :若二值化后的圖像塊內目標圖像的面積大于A2，則需進一步處理并轉到步驟S26，否則轉入步驟S24 ；S24 :若二值化后的圖像塊內目標圖像的面積小于A1，則不需進一步處理并轉到步驟S26，否則轉入步驟S25 ；
S25:判斷與該圖像塊相比鄰的圖像塊是否含有需要進一步細化處理的圖像塊，若有則需進一步處理并轉到步驟S23，否則判斷圖像不需進一步處理轉入步驟S26 ；
S26 :判斷是否有未處理過的圖像塊，若有，則讀取下一圖像塊并轉到步驟S22，否則退出。優選地，所述步驟S3中，通過對棉花異性纖維灰度圖像形狀特征與灰度分布的分析，選用圖像腐蝕與空白填補相結合的方式獲得需要進一步細化處理圖像塊的背景圖像；建立合適的結構元素對需要進一步細化處理的圖像塊進行圖像腐蝕操作，以消除線狀或絨狀的異性纖維目標圖像，然后通過空白填補的方式修正大面積的塊狀異性纖維被腐蝕后所剩余的部分異性纖維圖像，從而得到修正后的該圖像塊背景灰度圖像，并使之與該圖像塊的原灰度圖像相減，得到剔除背景的圖像塊。優選地，所述腐蝕后圖像塊的空白填補方法如下在對圖像塊原灰度圖像進行腐蝕之后的圖像進行直方圖分析所獲得的灰度特征結果的基礎上，建立空白填補灰度轉換模型，將圖像塊中灰度級大于Le像素點的灰度替換為0，其余像素點灰度保持不變；所述步驟S3，通過以下步驟對棉花異性纖維圖像塊進行背景剔除S31 :順序讀取需要進一步細化處理圖像塊的取反灰度圖像；S32 :對所述圖像塊使用半徑為3個像素點的圓形結構元素進行腐蝕操作；S33 :順序讀取腐蝕之后得到的圖像塊內像素點的灰度值，若其灰度值大于Le，則將此灰度值替換為0，否則保持原始灰度值不變；S34 :判斷是否有未處理過的像素，若有，則移動像素位置(i，j)到下一個像素位置，轉到步驟S33，否則轉到步驟S35 ；S35:將通過圖像腐蝕與空白填補操作獲得的該圖像塊的背景圖像與該圖像塊的原灰度圖像相減，獲得剔除背景的圖像塊。優選地，所述步驟S3中，根據棉花異性纖維灰度圖像的直方圖分析所獲得棉花異性纖維灰度圖像的灰度特征結果，建立細節增強模型，對所述棉花異性纖維灰度圖像進行圖像細節增強，然后通過搜索具有最大類間方差的灰度級來確定二值化分割中的最佳分割閾值進行圖像分割。優選地，所述細節增強模型，其模型公式如下
GO(Uj)
權利要求
1.一種棉花異性纖維圖像在線分割方法，其特征在于，包括以下步驟 Si:接收棉花異性纖維圖像，將所述圖像轉換為灰度圖像，并將該灰度圖像取反； S2:對取反的灰度圖像分塊處理，并進行固定閾值二值化分割處理，計算分割后目標圖像的面積，依據該圖像面積大小、圖像塊與比鄰圖像塊之間的連接關系，判定是否進一步細化處理； S3:讀取需要細化處理的圖像塊，得到修正后的背景灰度圖像，與原灰度圖像塊相減得到剔除背景的圖像塊，使用OTSU法進行圖像分割； S4:對圖像塊進行膨脹操作，將相鄰圖像塊的對應邊緣像素進行對比，并以其重合度為依據對多幅圖像或圖像分塊中斷裂的異性纖維目標圖像進行圖像鏈接。
2.如權利要求I所述的棉花異性纖維圖像在線分割方法，其特征在于，所述步驟S2中，根據圖像大小和目標圖像占據整個圖像的比例關系將圖像分塊，根據步驟SI灰度圖像的直方圖分析灰度特征結果，選擇合適閾值M對每一個圖像塊進行二值化分割，然后根據圖像塊中的目標圖像面積與比鄰圖像塊的關系判斷是否進一步細化處理；所述步驟S3中包括對圖像塊進行圖像腐蝕與空白填補操作，在進行圖像分割之前進行細節增強。
3.如權利要求2所述的棉花異性纖維圖像在線分割方法，其特征在于，判斷進一步細化處理的方法如下若圖像塊內圖像面積小于A1，則不需進一步細化處理；若圖像塊內圖像面積大于A2,則需要進一步細化處理；若圖像塊內圖像面積介于A1-A2之間，則檢測與其相鄰的四個圖像塊是否存在圖像面積大于A2的圖像塊，若存在則需要進一步細化處理，反之則不需進一步細化處理；其中4與4是判定圖像塊是否需要進一步細化處理的圖像面積閾值； 所述步驟S2，通過以下步驟對棉花異性纖維圖像進行增強 521:將異性纖維灰度圖像平均分塊； 522:順序讀取每個圖像塊，將其以固定閾值M做二值化處理，并計算二值化后的圖像塊內目標圖像的面積； 523:若二值化后的圖像塊內目標圖像的面積大于A2，則需進一步處理并轉到步驟S26，否則轉入步驟S24 ； 524:若二值化后的圖像塊內目標圖像的面積小于A1，則不需進一步處理并轉到步驟S26，否則轉入步驟S25 ； 525:判斷與該圖像塊相比鄰的圖像塊是否含有需要進一步細化處理的圖像塊，若有則需進一步處理并轉到步驟S23，否則判斷圖像不需進一步處理轉入步驟S26 ； 526:判斷是否有未處理過的圖像塊，若有，則讀取下一圖像塊并轉到步驟S22，否則退出。
4.如權利要求I所述的棉花異性纖維圖像在線分割方法，其特征在于，所述步驟S3中，通過對棉花異性纖維灰度圖像形狀特征與灰度分布的分析，選用圖像腐蝕與空白填補相結合的方式獲得需要進一步細化處理圖像塊的背景圖像；建立合適的結構元素對需要進一步細化處理的圖像塊進行圖像腐蝕操作，以消除線狀或絨狀的異性纖維目標圖像，然后通過空白填補的方式修正大面積的塊狀異性纖維被腐蝕后所剩余的部分異性纖維圖像，從而得到修正后的該圖像塊背景灰度圖像，并使之與該圖像塊的原灰度圖像相減，得到剔除背景的圖像塊。
5.如權利要求4所述的棉花異性纖維圖像在線分割方法，其特征在于，所述腐蝕后圖像塊的空白填補方法如下在對圖像塊原灰度圖像進行腐蝕之后的圖像進行直方圖分析所獲得的灰度特征結果的基礎上，建立空白填補灰度轉換模型，將圖像塊中灰度級大于Le像素點的灰度替換為0,其余像素點灰度保持不變； 所述步驟S3，通過以下步驟對棉花異性纖維圖像塊進行背景剔除 S31:順序讀取需要進一步細化處理圖像塊的取反灰度圖像； S32:對所述圖像塊使用半徑為3個像素點的圓形結構元素進行腐蝕操作； S33:順序讀取腐蝕之后得到的圖像塊內像素點的灰度值，若其灰度值大于Le，則將此灰度值替換為0，否則保持原始灰度值不變； S34:判斷是否有未處理過的像素，若有，則移動像素位置(i，j)到下一個像素位置，轉到步驟S33，否則轉到步驟S35 ； S35:將通過圖像腐蝕與空白填補操作獲得的該圖像塊的背景圖像與該圖像塊的原灰度圖像相減，獲得剔除背景的圖像塊。
6.如權利要求I所述的棉花異性纖維圖像在線分割方法，其特征在于，所述步驟S3中，根據棉花異性纖維灰度圖像的直方圖分析所獲得棉花異性纖維灰度圖像的灰度特征結果，建立細節增強模型，對所述棉花異性纖維灰度圖像進行圖像細節增強，然后通過搜索具有最大類間方差的灰度級來確定二值化分割中的最佳分割閾值進行圖像分割。
7.如權利要求6所述的棉花異性纖維圖像在線分割方法，其特征在于，所述細節增強模型，其模型公式如下
8.如權利要求I所述的棉花異性纖維圖像在線分割方法，其特征在于，所述步驟S4中，首先將每個進行圖像分割之后的圖像塊進行圖像膨脹操作，然后順序取每個圖像塊并與其相比鄰圖像塊的對應邊緣像素點進行對比，以相鄰邊緣像素的重合度為依據對跨越多幅圖像或在圖像分塊中產生斷裂的異性纖維目標圖像進行圖像鏈接。在完成連接后對連接好的異性纖維圖像進行腐蝕操作。
9.如權利要求8所述的棉花異性纖維圖像在線分割方法，其特征在于，所述步驟S4，通過以下步驟對棉花異性纖維圖像塊進行連接 S41:建立一個適當的空白矩陣； S42:依次讀取分割之后的各個圖像塊，并對圖像塊使用半徑為I個像素點的圓形結構元素進行圖像膨脹操作； S43:提取并檢測該圖像塊上邊緣像素點的像素值，若該上邊緣像素行存在灰度為255的像素點的個數大于Y，則進入步驟S45。否則轉到步驟S44 ； S44:將提取的邊緣像素行/列與其對應的相鄰圖像塊邊緣像素行/列作比對，若兩個相鄰邊緣像素行/列灰度為255的點相重合的個數大于總像素個數的1/3，則對這兩個圖像塊進行連接，即將該圖像塊放在S41中建立的空白矩陣的相應位置，并轉到步驟S45 ； S45:判斷該幅異性纖維灰度圖像中是否還有未進行連接的圖像塊，若有，將圖像塊位置指向下一圖像塊位置，轉到步驟S42，否則轉到步驟S46 ； 546:提取并檢測步驟S41中建立矩陣的下邊緣像素點的像素值，若該邊緣像素行存在灰度為255的像素點的個數大于Y且該矩陣未被填滿，轉到步驟S47 ;否則將步驟S41中建立的矩陣內存有的圖像使用半徑為I個像素點的圓形結構元素進行圖像腐蝕后輸出，然后將該矩陣重新置為空白矩陣，轉到步驟S49 ； 547:判斷該幅異性纖維灰度圖像中是否含有一個或多個圖像塊的上邊緣與相比鄰圖像塊的下邊緣相連接，若存在則轉到步驟S49，否則將步驟S41中建立的矩陣內存有的圖像剔去最后一幅圖像后使用半徑為I個像素點的圓形結構元素進行圖像腐蝕并輸出，然后將該矩陣重新置為空白矩陣，轉到步驟S48 ； 548:判斷被剔去的最后一幅圖像內是否存在含有異性纖維目標圖像，若存在，則將被剔去的最后一幅圖像放入該矩陣的第一幅圖像位置，轉到步驟S49 ； S49:判斷是否還有其他幅異性纖維灰度圖像未經處理，若有則將圖像塊位置指向下一幅異性纖維灰度圖像的第一個分割后圖像塊位置，并轉到步驟S42，否則退出。
10.一種棉花異性纖維圖像在線分割系統，其特征在于，該系統包括 圖像轉換模塊，用于接收棉花異性纖維圖像，將所述圖像轉換為灰度圖像，并將該灰度圖像取反； 圖像分塊模塊，用于對取反的灰度圖像分塊處理，并進行固定閾值二值化分割處理，計算分割后目標圖像的面積，依據該圖像面積大小、圖像塊與比鄰圖像塊之間的連接關系，判定是否進一步細化處理； 圖像分割模塊，讀取需要細化處理的圖像塊，得到修正后的背景灰度圖像，與原灰度圖像塊相減得到剔除背景的圖像塊，使用OTSU法進行圖像分割； 圖像連接模塊，用于對圖像塊進行膨脹操作，將相鄰圖像塊的對應邊緣像素進行對比，并以其重合度為依據對多幅圖像或圖像分塊中斷裂的異性纖維目標圖像進行圖像鏈接。
全文摘要
本發明提供一種棉花異性纖維圖像在線分割方法及系統，其方法包括以下步驟S1接收棉花異性纖維圖像，將所述圖像轉換為灰度圖像，并將該灰度圖像取反；S2對取反的灰度圖像分塊處理，判定是否進一步細化處理；S3讀取需要細化處理的圖像塊，得到修正后的背景灰度圖像，與原灰度圖像塊相減得到剔除背景的圖像塊，使用OTSU法進行圖像分割；S4對圖像塊進行膨脹操作，將相鄰圖像塊的對應邊緣像素進行對比，并以其重合度為依據對多幅圖像或圖像分塊中斷裂的異性纖維目標圖像進行圖像鏈接。該方法及系統能夠有效提高圖像分割的速度，保證圖像的分割質量。
文檔編號G06K9/54GK102622602SQ201210049200
公開日2012年8月1日 申請日期2012年2月28日 優先權日2012年2月28日
發明者李振波, 李道亮, 楊文柱, 武玉濤 申請人:中國農業大學