吴倩，邓中民

数字图像处理在原棉异物检测中的应用

吴倩，邓中民*

（武汉纺织大学 纺织与材料学院, 湖北 武汉 430073）

利用改进的Otsu阈值法对原棉异物图像进行分割，并运用数字图像处理技术，对具有代表性的原棉异物进行图像增强，二值化等处理，快速准确地识别出原棉中存在的异物，从而有效地提高原棉异纤清除机的除杂率。

图像处理；原棉异物；检测

我国是纺织大国，而棉花是纺织工业最主要的原材料之一，是关系国计民生的重要战略物质。原棉异物不仅危害纺织工序的正常加工，而且影响着半成品与成品的质量。因此，去除原棉异物，提高棉纺织制品质量的问题显得尤为重要。

为了确保棉花质量，减少因异物造成的经济损失，目前绝大多数棉纺企业不得不组织专人在棉花投料前将棉包打开，逐包挑拣[1-3]。这种方法不仅效率低，耗资大，而且容易受主观因素影响，不能确保质量[4,5]。因此，原棉异物在线检测成为一个新的话题，具有广阔的前景。其中，MATLAB图像处理技术对于原棉异物的检测识别起着至关重要的作用。

1 图像的采集与预处理

原棉异物的种类繁多，形状各异。本文选取原棉中的棉结，麻丝，头发丝三类原棉异物图像进行处理与分析。

1.1 图像的采集

选取足量的不含异性纤维的皮棉,利用皮棉开松机对皮棉进行充分开松,形成80cm宽、2mm厚的不间断均匀棉层,并在开松过程中逐次放入上述3种异物样本[6-9],得到混有异物的棉层。对产生的棉层进行图像采集,共得到了3幅真彩色异性纤维图像，如图1所示。

1.2 图像的预处理

图像的预处理是在特征提取算法之前的一个必要的也是很关键的过程,其作用是在特征提取之前使图像的边缘尽可能地明显,噪声尽可能地减小,从而使后面的特征提取算法得到最好的结果[10,11]。

图1 三种原棉异物原始图像

图像灰度的直方图是反映一幅图像中的灰度级与出现这种灰度的概率之间的关系图形。灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数:其横坐标是灰度级，纵坐标是该灰度出现的频率(像素的个数)。

这里我们主要采用直方图规定化来对图像进行增强。将采集到的图像进行灰度转化，得到其灰度图及其直方图，并对其进行直方图调整，得到均衡化后的图像及其直方图。如图2-4所示。

图2 棉结直方图及其调整

图4 麻丝直方图及其调整

由图2-4，我们可以看出：①直方图呈现单峰分布,而且聚集度很高,说明棉层和异性纤维的灰度值是混合在一起。②棉花背景的灰度值范围大致在230～255之间,异性纤维的灰度值大多数在20～230之间。③规定化后的图像在指定区域的灰度级增强，灰度间隔被拉大了，有利于图像的分析与识别。

2 改进的Otsu 法

最大类间方差法(Otsu法)是1979年Otsu N.提出的动态阈值方法[12-15],该方法计算简单，在一定条件下不受图像对比度和亮度变化的影响，因而在一些实时图像处理系统中得到了很广泛的应用。针对棉纤维及其异物的灰度分布级数，本文对其进行一定程度的改进，使其更能满足实验的需求。

它的基本思想是利用图像的灰度直方图,以目标和背景的方差最大来动态地确定图像的分割阈值。其基本原理如下：设f(x,y)为M×N图像(x,y)处的灰度值，灰度级为k，则f(x,y)的取值范围为[0,k-1],记Gk={0,1,2,…,k-1}。设p(i)为图像f(x,y)中灰度级为i的频数，则灰度级i出现的频数为：

假设图像的分割阈值为 t,则把图像分为两个区域:目标区域A和背景区域B ,分别用{ f ( x , y) ≤t}和{ t ＜ f ( x , y) ≤ K-1}表示,于是我们可以得到区域A和B的比例、均值，并求出总均值如下。

则Otsu法求图像最佳阈值的公式为：

Otsu法主要考虑目标区域和背景区域之间的方差问题，却忽略了同一区域像素包含的分类信息。两类区域中的各像素与类中心之间也存在着距离。距离越小，说明这个区域内的像素内聚性好，图像的分割效果也就越好。由此引入两个取悦的平均方差概念,用来度量内聚性的好坏。

目标区域平均方差：

目标区域平均方差：

因此,同时考虑这两个因素,既要保证类间距离最大,又要做到每个区域的内聚性好,这样才能获得更佳的分割效果。基于这个要求,本文在分析 Otsu的基础上提出一个新的阈值选取方法,阈值求取公式[16]为：

当 G(t) 取最大值时所对应的灰度级即为所求的最佳阈值θ。即：

3 原棉异物的识别

对原棉异物特征的提取，我们采取对图像进行二值化处理，使异物和原棉之间的界限分明。在MATLAB中，二值图像数据室逻辑类型，只包含0和1，值0的像素点显示黑色，值1的像素点显示白色。利用上节中改进的Otsu法求取图像M×N的最佳阈值为θ，f(x,y)为 M ×N 图像(x,y) 点的灰度值，则分割的二值图为：

将图像进行阈值二值化处理后，再进行取反、连接、膨胀、腐蚀、再取反、二值化面积提取[17]。最后图片如图5-7所示。

图5 棉籽图像处理前后效果图比较

图6 头发丝图像处理前后效果图比较

图7 麻丝图像处理前后效果图比较

二值化面积提取后，得到棉籽面积百分比为1.46%；头发丝面积百分比为0.87%；麻丝面积百分比为2.91%。

通过上述图像处理过程，原棉中的异物被提取出来，基本实现了原棉异物的识别，且识别效果较好。

4 结语

本文通过采用改进的 Otsu法对预处理后的原棉异物图像进行分割，并进行图像增强和数学形态学处理的，快速准确地识别原棉中的异物，提高了原棉异物检测率，为原棉异纤清除机的推广奠定了基础。

[1] 杜沁,冯万众.纺织异性纤维及其控制措施[J]. 棉纺织技术, 2000(6):19-22.

[2] 王新龙,李娜. 棉花中异性纤维专题综述[J]. 异性纤维专题, 2002(5): 29-30.

[3] Han Peisong, Zhu Lin. Traceability and countermeasures of cotton foreign fibre[J]. China Cotton Processing, 2000(4): 20.

[4] 赵传文. 基于图像处理技术的棉花加工环节异性纤维在线检测装置的应用研究[J]. 科技信息, 2009, 26: 690-691.

[5] 董爻, 刘秀兰, 俞庠. 棉花加工中异性纤维的自动检测[C]. 2006北京地区高校研究生学术交流会. 通信与信息技术会议论文集(下). 北京:北京地区高校研究生学术交流会, 2006.

[6] 杨文柱. 棉花异性纤维图像分割方法[J]. 农业机械学报, 2009, 40(3): 156-160.

[7] Kang T J, Kim S C. Objective evaluation of the trash and color of raw cotton by image processing and neural network [J]. Textile Research Journal, 2002, 72(9): 776-782.

[8] Farah B D. Measurements of trash contents and grades in cotton using digital image analysis [J]. International Conference on Signal Processing Proceedings, 1996, (2): 1545-1548.

[9] Siddaiah M, Lieberman M A, Prasad N R，et al. Automation in cotton ginning [J]. International Journal of Intelligent Systems, 2004, 19(1-2): 111-129.

[10] 艾世一, 王跃存. 基于MATLAB的图像识别技术的原棉在线检测[J].天津工业大学学报, 2004, 23(2): 70-73.

[11] 陈敏. 一种自适应阈值选择方法[J].成都信息工程学院学报. 2005, 20(3): 328-331.

[12] 付忠良. 图像阈值选取方法—Otsu方法的推广[J]. 计算机应用，2000 (20): 36-39.

[13] Sahoo P.A surrey of thresholding technique[J].Computer Vision graphics Image Process , 1988(41) :233- 260.

[14] Ostu N.A threshold selection method from gray2level histogram[J ].IEEE Trans SMC, 1979, 9(1): 62-69.

[15] Bresen J. Dynamic thresholding of gray-level images Proc of 8 Intel Conf on Patt Recon Paris[M]. France: IEEE Computer Society Press, 1986: 1251-1255.

[16] 蔡梅艳. 改进Otsu法的目标图像分割[J].电光与控制, 2007, 14(6)：118-119.

[17] 王家文，曹宇.MATLAB6.5图形图像处理[M].北京：国防工业出版社，2004.

Application of Digital Image Processing in Foreign Body Detection of Raw Cotton

WU Qian, DENG Zhong-min
(College of Textile and Material, Wuhan Textile University, Hubei Wuhan 430073, China)

In this paper, the modified otsu thresholding method is applied to segment the image of foreign bodies of raw cotton and by using digital image processing technology, accomplish image enhancement of representative foreign bodies of raw cotton with binarization processing so as to identify the presence of foreign bodies in raw cotton more quickly and accurately as well as effectively improving the impurity separation rate of raw cotton by foreign matter detector.

image processing; foreign bodies of raw cotton; detection

TS111.8

A

1009－5160(2010)02－0001－04

*通讯作者：邓中民(1963-)，男，教授，研究方向：纺织材料与防治品设计.

中国纺织工业协会项目（2007033）.