《log图像分割方法在棉纤维检验中的应用研究》由会员分享，可在线阅读，更多相关《log图像分割方法在棉纤维检验中的应用研究（6页珍藏版）》请在金锄头文库上搜索。
1、LoGLoG 图像分割方法在棉纤维检验中的应图像分割方法在棉纤维检验中的应 用研究用研究摘要由于原棉质量的好坏直接影响着棉纺织品的质量和价格，与棉花加工企业、纺织企业的经济效益休戚相关，同时随着图像处理与计算机技术的发展，机器视觉检测系统在棉纤维检验领域的应用日益增加。文章在棉纤维检验技术要求的基础上，采用 LoG 方法对棉纤维图像进行分割，并通过仿真实验进行对比分析，验证了 LoG 方法在棉纤维图像分割中的有效性，为棉纤维检验领域中的机器视觉检测系统提供了理论支撑和数据参考。关键词： 棉纤维；质量检测；图像分割；LoG 算子我国具有悠久的植棉历史，既是产棉大国，也是用棉大国。棉花是我国主要的
2、经济作物之一，也是纺织工业的重要原料，与农、工、商各方利益休戚相关。根据国家统计局发布的数据显示，XX 年，我国棉花种植面积为 5070 万亩，总产量 534 万吨1。作为大宗农产品，棉花在加工、贸易以及纺织生产过程中为了公平、公正地进行贸易结算，需要对棉花的质量进行检测与检验，以维护好农、工、商各方利益。同时，随着计算机技术与检测技术的发展，机器视觉检测系统2在棉纤维检验领域也得到广泛应用，目前我国普遍采用大容量棉纤维测试仪进行棉纤维的仪器化检验，在提高工作效率的同时，也使得检验结果更具科学性和公正性。本文在棉纤维检验的基础上，针对棉纤维仪器化检验系统中图像分割方法这个关键环节进行了系统分析
3、与试验，为棉纤维检验领域中的机器视觉检测系统提供了技术支撑和数据参考。1 棉纤维检验与机器视觉系统目前，我国现行的棉花标准与美国棉花标准分级规定基本接轨，主要体现在：第一，棉花质量都以仪器检验为主，个别指标以人工检验补充；第二，仪器检验的指标在分级仪器和检验方法上基本相同；第三，棉花质量指标的具体内容接近，但在人工感官检验方面有存在不同。我国棉花标准在棉纤维指标的检验上，除了包括轧工质量在内的少量指标人工感官检验外，颜色级、长度、马克隆值、长度整齐度指数、断裂比强度等大部分指标普遍采用大容量棉纤维测试仪进行仪器化检验，提高了检验的效率和效果。HVI 作为机器视觉自动化检测系统，主要包括光源、光
4、学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。它通过数字图像处理技术代替人眼对目标进行分析，用计算机来模拟人类的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，用于检测、测量和控制，有效克服了人工方式的不足，提高生产效率，在棉花纤维检验领域得到广泛应用，而图像分割方法是机器视觉检测的基础，对检测的效果有着重要影响。2 LoG 图像分割方法图像分割3-4是指根据图像的灰度、颜色、几何形状以及空间纹理等特征把图像划分成若干互不交叠的区域，使得在同一区域内这些特征呈现出相似性，而在不同区域间呈现出明显的差异性。目前，图像分割方法主要可分为基于阈值分割方法、基于边缘
5、分割方法以及基于区域分割方法等。由于在棉纤维检验视觉检测系统中，图像采集过程中容易受到环境因素干扰，因此，棉纤维图像分割方法需要有滤波的环节5-6。LoG，也称作拉普拉斯高斯算法，它是将边缘检测与高斯滤波结合而形成的。其主要优势在于图像先与高斯滤波器 g 进行卷积，进行图像平滑、降噪，同时去除一些孤立的噪声点，然后通过拉普拉斯算子 2 进行图像分割。假定原图像为 f，通过卷积和算子处理，获得输出结果图像：h：h= 2 g f其中：g 为高斯滤波器， ；2 为拉普拉斯运算，在线性系统中，微分和卷积运算的顺序是可以进行互换的，进而得到：其中，经过微分和平滑合并后：称为高斯拉普拉斯算子，针对离散的数
6、字图像，LoG 通常可以采用离散的模板进行近似计算，一般来讲，LoG 算子是一个 55 的模板，具体如图 1 所示。其具体分割流程如图 2 所示。3 棉纤维图像分割试验试验平台试验选取淡点污棉二级棉花作为样本，通过 CMOS 相机采集棉花图像，采集的图像为 BMP 格式，尺寸 20551860像素，位深度 24 位。试验硬件平台是在戴尔计算机上进行的，该计算机配备 CORE i5 CPU，4GB 内存，500 MB 硬盘。试验程序采用 Matlab 6 仿真实现，程序运行于Windows 7 操作系统上。LoG 算法分割试验结果与分析针对试验中采集的淡点污棉二级棉花样品图像，如图3 所示，采用
7、边缘分割方法中的 Canny 方法对棉花图像进行分割，分割结果如图 4 所示，为了便于结果分析，将图像分割结果反色后的图像如图 5 所示。将原始样品图 3 与图 5 进行对比可以看出，LoG 算法属于二阶微分方法类别，通过计算灰度的二阶微分来增强图像，然后通过寻找二阶微分中的零穿越来图像分割，进而检测边缘。LoG 算法采用的梯度按阈值取舍方法，能够高效地将棉花图像中的异常点与背景图像分离开，同时，分割出的棉花背景噪声小，棉花表面异常点边缘清楚、提取的图像目标边缘流畅。LoG 算法分割效能评估与分析选取试验中的淡点污棉二级棉花样本 10 例，分别采集样本图像，针对棉花中的破籽指标进行试验，将 L
8、oG 分割结果与感官检验结果通过差值的标准差指标进行对比分析。分割效能统计结果如表 1 所示。为了进行对分割效能量化分析，试验通过计算差值的标准差方式进行结果的离散程度评估，标准差参照如下面公式计算如下：其中，N 为样本个数， 为算术平均值。经过公式计算，得到差值的标准差为，差值的整体离散性小，同时反映了 LoG 方法进行图像分割的有效性，可有效用于棉纤维指标检验。4 结束语目前我国普遍采用大容量棉纤维测试仪进行棉纤维的仪器化检验，本文从机器视觉检测系统在棉纤维检验领域的实际应用出发，详细论述了 LoG 图像分割方法在棉纤维检验系统中的应用，结合淡点污棉二级棉花样品的图像分割试验，讨论了图像分割方法在机器视觉检测系统中的应用前景，为推进棉纤维自动化检测系统的研究与开发提供了参考依据。在棉花D 像分割试验之后，如何针对大量棉样进行试验分析，以及对棉花图像表面进行分析与识别将是下一个阶段的工作。
