陈　浩, 杨　峥, 刘　霞, 邵　玲

(山东省纤维检验局 国家茧丝绸产品质量监督检验中心(山东), 济南 250032)



基于MATLAB的桑蚕茧选茧辅助检验方法的研究

陈浩, 杨峥, 刘霞, 邵玲

(山东省纤维检验局 国家茧丝绸产品质量监督检验中心(山东), 济南 250032)

摘要:针对目前桑蚕茧选茧均采用人工视觉进行判别易导致误选率高的问题,采用MATLAB软件对桑蚕茧彩色图像进行图像处理和数值计算的方法,从计算机视觉的角度,对桑蚕茧表面污斑面积的自动检测进行了分析,得到了一种智能化和自动化的选茧辅助检验方法。研究结果表明：在多光源拍摄彩色图像和进行准确相机标定的条件下,将桑蚕茧彩色图像经过彩色空间转换、图像增强和二值化等处理后,桑蚕茧表面污斑面积的自动检测快速且具有较高的准确度,颜色浅淡和多个污斑的样品同样具有良好的检测效果,所采集图像与实际大小之间的差异可采用立体相机进行三维模型重建来消除。

关键词:桑蚕茧; 选茧; MATLAB; 计算机视觉; 图像处理; 相机标定

在生产中,选茧是制丝过程中的一道重要准备工序,其目的是在整个庄口的蚕茧中,剔除不能缫制设计生丝等级要求的蚕茧。选茧要求正确,误选率越小越好[1],选茧质量的好坏直接关系到产品质量、生产效率和经济效益等。在检验中,选茧是桑蚕茧试验的重要组成部分,是根据国家标准和下茧实物样照选除各类下茧的过程,选茧试验结果的准确与否与清洁、洁净、解舒率、万米吊糙、毛茧出丝率等主要质量指标结果密切相关。但是,目前选茧均采用人工视觉进行判别的方式,选茧的准确性易受人员技术水平、精神状态等主观因素影响,存在误选率高、劳动强度大等缺点,特别是尿黄茧、靠黄茧和油茧等污斑面积接近标准规定值时更是如此。因此,将计算机视觉技术运用到桑蚕茧选茧中,将大大提高选茧结果的准确性和促进选茧技术的自动化进程。本研究采用美国MathWorks公司出品的MATLAB商业数学软件,对彩色图像中桑蚕茧污斑面积的自动检测技术进行探讨。

1　试　验

1.1材料与仪器

材料：油茧或尿黄茧等在GB/T 9111—2006《桑蚕干茧试验方法》国家标准术语和定义中涉及到污斑面积的桑蚕茧。

仪器：电脑(联想启天M6500-D756,Intel®CoreTMi7-4770 cpu@3.40GHz处理器,8G内存,Windows7操作系统),S300l高拍仪(深圳市良田科技有限公司),Ms3150游标卡尺(精度0.01 mm,台州机械工人科技有限公司),标定物(蓝色圆形塑料板,直径38.69 mm,厚度1.62 mm),图像处理软件MATLAB R2014a。

1.2方法

1.2.1图像采集

由于国内饲育的桑蚕茧杂交种均为白色茧,为更好地突显桑蚕茧表面污斑的颜色,从有效的特征提取角度考虑,确定以白色纸张作为试验台背景。在进行测试时,当灯光为单一光源时获取的图片会存在阴影的情况,若此时污斑颜色较浅则会影响到所拍摄图片特征提取的效果,所以本研究图像是在多光源的情况下进行采集的。图像采集时的高拍仪扫描尺寸为A5幅面,得到的彩色图像尺寸为880 dpi×660 dpi。

1.2.2图像处理

图像处理主要包括图像读取、彩色空间转换、图像增强、二值化和图像空洞填充等。

1.2.2.1彩色空间转换

彩色空间是以数值方式描述色彩的模型,如RGB、HSV和HSI等。在MATLAB中,HSV彩色空间是人们用来从调色板或颜色轮中挑选颜色所用的彩色系统之一,比RGB系统更接近人们经验和对彩色的感知[2]；在HSV模型中,亮度分量和色度分量是分开的,其中H为色调,S为饱和度,V为亮度值,在图像处理和计算机视觉中,大量算法均可在HSV彩色空间中方便地使用[3],在用于指定颜色分割时有较大作用。由于桑蚕茧表面的污斑颜色往往与蚕茧本身颜色有较明显的差异,可利用MATLAB数字图像处理工具箱中的RGB2HSV函数将RGB图像转换为HSV,并提取饱和度分量。

1.2.2.2图像增强

由于图像在形成、传输或变换过程中,受诸如光学系统失真、系统噪声、相对运动、曝光不足或过量等因素的影响,引起图像质量的下降。图像增强的目的是突出图像中感兴趣的信息,去除或消弱不需要的信息[4]。饱和度分量增强算法是将高饱和度的区域进行保持或降低,适当提高低饱和度区域,可到达更好的视觉效果[5],本研究采用imadjust函数对图像转换后的饱和度分量进行线性变换增强方法。

1.2.2.3图像二值化

为提取图像的特征信息,利用MATLAB中的im2bw函数进行二值图像的转换,这是因为二值图像是将图像上的每一个像素转换成只有两种可能的取值或灰度等级状态,所有的像素只能从0和1这两个值中取,因此在MATLAB中,二值图像用一个由0和1组成的二维矩阵表示,以这种方式来操作图像可以更容易识别出图像的结构特征[6]。在进行二值化转换时使用最大类间方差法(有时也称之为大津法)自动获得阈值以避免多次尝试才能获得一个合适的阈值,大津法选出来的阈值非常理想,对各种情况的表现都较为良好[7]。

1.2.2.4空洞填充和面积计算

利用MATLAB中的imfill函数将空洞填充为白色,图像中的其他部分填充为黑色,则图像中白色部分的面积即为需要检测的污斑面积。将经过空洞填充的图像,利用MATLAB中的size函数,求出被填充为白色部分的像素数占图像全部像素数的比例,再根据这个比例和所拍摄图像的实际物理面积就可以间接得出污斑的面积。

1.2.3相机标定

为得到所拍摄图像的实际物理面积,需要确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系,必须进行相机标定,标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性[8]。本研究中图像采集所用的高拍仪属于采用CMOS成像原理的单目相机,在相机标定时采用了传统相机标定法,通过拍摄尺寸已知的标定物,再计算图像中标定物像素数占图像全部像素数的比例,从而得出本研究所用高拍仪所拍摄图像的实际尺寸,在求取图像全部像素数时,通常在所测目标区域放置一个标准物件[9]。

标定物为一蓝色圆形板,经采用游标卡尺测量其直径为38.69 mm,则其面积为11.75675 cm2。为尽量减小标定物因在试验台不同位置拍摄可能产生的误差,标定时利用高拍仪拍摄标定物在试验台中心附近不同位置的9张图像,标定物样本分布见图1。经图像处理和计算后,得出图像中标定物像素数占图像全部像素数的比例平均值为0.03369,从而推导出本研究用高拍仪所拍摄图像的平均物理尺寸为348.98239 cm2。标定数据见表1,标定图像处理效果见图2。

表1　相机标定统计

图1　标定物样本分布Fig.1　The sample distribution of calibration objects

2　结果与讨论

2.1面积检测

根据图像处理和相机标定的情况,利用上述方法对一个茧层表面有油斑的样品进行污斑面积的测定,经相机标定得到的图像平均物理尺寸为348.98239 cm2。图3所示的污斑像素数占图像全部像素数的比例为0.0013,则本样品污斑面积为0.454 cm2,符合GB/T 9111—2006《桑蚕干茧试验方法》3.10茧层表面油斑总面积大于0.2 cm2的茧[10]为油茧的术语和定义,此样品可判定为油茧。对于颜色浅淡和具有多个污斑的样本,本方法同样能够达到理想的检测效果。图4为污斑颜色浅淡的样本图像处理效果,图5为具有多个污斑的样本图像处理效果,其污斑像素数所占比例分别为7.6618×10-4和6.3017×10-4,则其实际面积分别为0.267 cm2和0.220 cm2。经实际测试,检测时间平均为0.691 s,程序相应迅速,基本可以达到实时检测的效果。

图2　标定图像处理效果Fig.2　Processing effect of calibrated image

图3　样本图像处理效果Fig.3　Processing effect of the sample image

图4　样本图像处理效果(颜色浅淡污斑)Fig.4　Processing effect of the sample image (light color contamination spot)

图5　样本图像处理效果(多个污斑)Fig.5　Processing effect of the sample image (multiple contamination spots)

2.2结果验证

由于自然产生的桑蚕茧污斑形状多为不规则状,其面积很难直接准确测量,所以为验证本研究,采用在一粒桑蚕干茧茧层表面用墨水涂一个圆后,将这个圆的计算面积和经图像采集与处理后得出面积进行比较的方式。经测量,用墨水所涂圆的直径为5.33 mm2,则其计算面积为0.223 cm2,经图像采集与处理后得出的污斑面积为0.221 cm2,二者仅相差0.002 cm2,相对误差0.9%,可以说明本研究方法具有较高的准确度。图6为结果验证效果图。

图6　结果验证效果Fig.6　Result verification effect

3　结　论

1)利用MATLAB在数字图像处理方面的优势对桑蚕茧表面污斑面积进行自动检测,为桑蚕茧选茧提供了一种选茧辅助检验方法,并为研究选茧智能化和自动化检测技术提供了理论依据。研究结果表明,此方法能够很好地提取图像特征,桑蚕茧污斑面积的检测具有较高的准确度,具有一定的理论研究和学术价值。

2)由于蚕茧是三维结构的椭圆体,采用高拍仪等单目相机采集到的图像与实际大小会有一定的差异,为修正此差异,可在采用双目立体相机进行图像采集和匹配计算来重建蚕茧三维模型的基础上,根据本研究的相关理论检测污斑面积。

3)对于污斑位于蚕茧头部的情况,可在使用双目立体相机进行重建蚕茧三维模型的基础上,在试验台中部凿一凹洞使蚕茧立于试验台,以提高本研究的适用性。

参考文献：

[1]陈文兴,傅雅琴.蚕丝加工工程[M].北京:中国纺织出版社,2013:56-57.

CHEN Wenxing, FU Yaqin.Processing Engineering of the Mulberry Silk[M].Beijing:China Textile & Apparel Press, 2013:56-57.

[2]冈萨雷斯R C,伍兹R E,艾丁斯S L.数字图像处理(MATLAB版)[M].阮秋琦,译.北京:北京电子工业出版社,2005:152-153.

GONZALEZ R C, WOODS R E, EDDINS S L.Digital Image Processing Using MATLAB[M].Translated by RUAN Qiuqi.Beijing:Beijing Publishing House of Electronics Industry, 2005:152-153.

[3]张娜,王绪本,杨斯涵,等.基于HSV空间的简牍图像增强算法研究[J].计算机应用研究,2007,24(6):204-206.ZHANG Na, WANG Xuben, YANG Sihan, et al.Research of bamboo slips image enhancement algorithm based on HSV space[J].Application Research of Computers, 2007, 24(6):204-206.

[4]艾剑锋,章海亮.基于MATLAB的苹果图像处理研究[J].湖北农业科学,2011,50(4):840-841.

AI Jianfeng, ZHANG Hailiang.Research of dispose technology based on MATLAB to grad apple[J].Hubei Agricultural Sciences, 2011, 50(4):840-841.

[5]李小霞，李铖果，邹建华，等.一种新的低照度彩色图像增强算法[J].计算机应用研究,2011,28(9):3554-3555.LI Xiaoxia, LI Chengguo, ZOU Jianhua, et al.New low illumination color image enhancement algorithm[J].Application Research of Computers, 2011, 28(9):3554-3555.

[6]曾晰,赵国军,王渊平,等.一种基于图像识别技术的电梯门控方法[J].信息与控制,2011,40(2):243-247.

ZENG Xi, ZHAO Guojun, WANG Yuanping, et al.An image recognition method for the elevator door control[J].Information and Control, 2011, 40(2):243-247.

[7]肖莹,龚自霞,高翔宇.基于MATLAB的医学图像二值化算法的实现[J].电脑知识与技术,2013,9(6):3842-3844.

XIAO Ying, GONG Zixia, GAO Xiangyu.The realization of medical image binarization algorithm based on MATLAB software[J].Computer Knowledge and Technology, 2013, 9(6):3842-3844.

[8]李鹏,王军宁.摄像机标定方法综述[J].山西电子技术,2007(4):77-79.LI Peng, WANG Junning.Method survey of the camera calibration[J].Shanxi Electronic Technology, 2007(4):77-79.

[9]赵松柏,谌海云,陈普春,等.基于MATLAB的不规则面积图像测量[J].自动化技术与应用,2012(9):14-16.

ZHAO Songbai, CHEN Haiyun, CHEN Puchun, et al.The irregular image area measurement based on MATLAB[J].Techniques of Automation and Applications, 2012(9):14-16.

[10]国家质量检验检疫总局.GB/T9111—2006桑蚕干茧试验方法[S].北京:中国标准出版社,2006.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China.GB/T 9111-2006 Methods of mulberry silkworm dried cocoons[S].Beijing:Standards press of China, 2006.

DOI:10.3969/j.issn.1001-7003.2016.03.006

收稿日期:2015-06-29; 修回日期:2016-01-15

作者简介:陈浩(1973),男,工程师,主要从事茧丝质量检验工作。

中图分类号:TS101.8

文献标志码:A

文章编号:1001-7003(2016)03-0032-05引用页码:031106

Study on auxiliary testing method for mulberry silkworm cocoon sorting based on MATLAB

CHEN Hao, YANG Zheng, LIU Xia, SHAO Ling

(National Cocoon and Silk Quality Supervision and Inspection Center(Shandong), Shandong Fiber Inspection Bureau, Ji’nan 250032, China)

Abstract:Manual mulberry silkworm cocoon sorting may easily result in high false sorting rate.To solve this problem, MATLAB software was applied for image processing and numerical calculation of color images of mulberry silkworm cocoons.Automatic detection of the stained surface area of mulberry silkworm cocoon was analyzed from the perspective of computer vision, and an intelligent and automated auxiliary testing method for cocoon sorting.The results show that under the conditions of color image shooting with multiple light sources and accurate camera calibration, after color space transformation, image intensification and binaryzation of mulberry silkworm cocoon color image, the stained surface area of mulberry silkworm cocoon can be auto-detected accurately and rapidly.The samples with light color and multiple contamination spots also have the good detection effect.The difference between the gathered image and actual image can be eliminated through 3D modeling with a stereo camera.

Key words:mulberry silkworm cocoons; cocoons sorting; MATLAB; computer vision; image processing; camera calibration