|

基于顯微圖像的纖維細度測量方法

2019/04/15

分享到: 

本方法從顯微圖像中提取多個獨立的纖維目標,并計算其細度。方法具體如下:首先,從CMOS或CCD圖像采集器件的生物顯微鏡視場中攝取纖維切片圖像;然后從可能帶有氣泡或雜質的圖像背景中分離出多個獨立的纖維目標,這個過程中應用多種差分濾波、中值濾波及其它濾波器的組合降低雜質和不同光照條件的影響;接著利用Fast Marching算法在分割圖像中定位所有纖維;最后進行纖維細度計算,完成針對所有纖維細度的測量。本發明與已有的技術相比,能避免不同采集設備和光照環境對分割算法產生影響,提高纖維細度測量過程的穩定性和測量結果的準確率。
 
纖維細度評定質量的最重要參數,傳統方法包括人工檢測、氣流法、顯微投影法等在生產過程中總結的方法。其中,參照國際標準IS0137-85制定的《羊毛纖維直徑測試方法投影顯微鏡法》(GB 10685-89)和參照美國AATCC-20A-1995制定的《麻棉混紡產品定量分析方法纖維投影法《(FZ/T 30003-2000)是兩個主要的測量標準。這兩種標準中均使用顯微投影儀在放大500倍的條件下對每片載玻片上的纖維(超過100根)進行測量。顯微鏡法和投影儀法都存在著勞動強度大、效率低的問題,一個樣品的測量操作就要集中精力在顯微鏡下進行數百上千次的對準/記數操作,這種單調的大規模重復勞動極易引起眼部疲勞,由此引發的低效率及人為誤差等問題也就在所難免。另外,隨著紡織行業的發展,帶來了檢驗標準化的問題,統一的檢測手續和統一的測量標準。最后,越來越多的測量工作需要在車間現場完成,這對識別算法在變化光照條件下識別的穩定性也提出要求,這些都是傳統方法不能滿足的。鑒于這種原因,基于計算機圖像識別算法的細度測量技術越來越引起人們的重視。
迄今為止,已經出現了一些針對纖維自動化測量的軟件和相關研究。從大量的文獻檢索和調研及試用中發現,這些系統和研究大多數集中于實驗室條件下的測量,在算法上主要采用固定閾值、直方圖閾值或基于熵的分割方法處理灰度圖像,然后采用數學形態法進行分割和提取邊界。行業普遍應用的一個典型的產品是瑞士 Uster公司的0FDA,它在頻閃光源下采集纖維圖像,傳入系統完成自動測量。其它一些特殊的圖像處理方法,包括 Hilditc邊界細化法、或在特征提取的基礎上采用神經網絡識別的方法,也都被陸續的提出。但是這些方法得實際應用尚未成熟,而且大多數方法需要在測量過程中引入手工輔助操作。另外,幾乎所有方法的預處理過程都受限于測試的樣本特性和所處于的光照環境,這使軟件系統在實際的實用中需要額外的設備支撐,不利于實現便攜式和工業現場的應用。 因此,在纖維自動測量的準確性、適應性和穩定性方面都有待于改進。
本發明針對于現有纖維識別和纖維細度測量技術的不足,提供一種基于顯微圖像的纖維細度測量方法,能避免不同采集設備和光照環境對分割算法產生影響,提高纖維細度測量過程的穩定性和測量結果的準確率。
為達到上述目的,本發明的構思是:本發明是在自動測量顯微圖像中纖維細度方面具有明顯的進步,圖像可來源于CCD或CMOS圖像捕獲設備,通過一組濾波器處理和使用特征約束的i^ast Marching自動識別算法,使纖維識別、定位過程和細度計算結果在一定程度上不受光照環境變化的影響。與現有的相應技術相比,該技術提高了變光照環境下的識別穩定性,適應于CCD和CMOS圖像采集設備,優化了算法實現的速度,并滿足準確率的要求。
 
根據上述發明構思,本發明采用下述技術方案:
—種基于顯微圖像的纖維細度測量方法,其特征在于從帶有氣泡或雜質的顯微圖像中提取多個獨立的纖維目標,并完成針對所有纖維的細度測量;具體測量過程包括以下 4個步驟:
①圖像采集:從裝配有CXD和CMOS目鏡的顯微鏡視場中攝取纖維切片;
②圖像分割:對攝取的圖像進行分割,從帶有氣泡和雜質的背景中分離出所有目標纖維;
③纖維定位:在分割圖像的基礎上完成對圖像中所有纖維個體的識別與定位;
④纖維細度計算:計算所有被定位纖維的細度,并輸出結果。
 
上述的圖像采集是圖像采集設備兼容CCD和CMOS傳感器,在更換設備的情況下, 后續算法步驟能夠適應圖像采集設備和采集環境導致的亮度變化,因此,當兩種類型的目鏡切換或外部光照環境在一定范圍內變化時,不必人工調整算法參數;
上述的圖像分割是針對輸入圖像進行預處理和圖像分割,從帶有氣泡和雜質的背景中分離出所有目標纖維。具體步驟進一步說明如下:
A.將采集圖像轉換為灰度圖像,使用半徑尺寸d= 10的濾波窗口,先后執行中值濾波 I = M(I [Wi])+M(I [WiJ-Itffi])和兩次差分濾波 I = F^lM-Itr-d]), I = F2(I[r]-I[r-d]),其中I表示被操作圖像的像素集合,M代表中值函數,W表示濾波窗口 ; I[Wi+1]和UWi]分別表達圖像中兩個相鄰窗口的像素集合。r表示當前處理的像素圖像行數索引。F1和F2分別表示低通均勻濾波函數和單閾值濾波函數。圖像上的濾波操作順序均為從左到右,從上至下。這一步將突出圖像的特征,并去除背景中微小的雜質;
B.進行低值濾波操作I = Min(I [Wi]),其中Min表示低值濾波函數,I [Wi]表示當前操作濾波窗口中的像素集合。為避刪除圖像中表達目標物體的有效區域,本步驟所用濾波窗口尺寸d為上一步濾波窗口大小的1/2。大部分的前景在這一步都可以被有效的分離出來;
C.根據上個步驟中采用的濾波窗口尺寸進行差分濾波。分別采用I =F3(I),I = F4(I),I =F5(I)三個固定函數對圖像像素進行變換。其中I表示被操作的圖像像素集合, F3, F4和F5分別表示低通均勻濾波、高通均勻濾波和圖像翻轉3個函數操作。這個步驟進一步去除圖像中的雜質,將背景和目標完全分離。
算法在實現中按照從上至下的順序,利用行緩沖將上述3個步驟的濾波操作合并到一個循環中完成,同時緩存列間運算中的直方圖統計中間結果,根據操作窗口的移動,逐列進行增減運算,避免在整個濾波窗口內反復統計直方圖。
上述的自動纖維定位是以分割算法的中間結果為輸入,針對圖像每個像素數據生成離散網格方陣。選取位于圖像背景中一個點,以此點為圓心,在生成的圓周輪廓上搜索是否存在8個與纖維相交的特征點。如否,則確定位于纖維輪廓之外,則以此點所在網格為初始點。搜索圓形路徑的半徑由纖維輪廓特征模板設置的纖維寬度最大閾值和放大倍率的乘積確定。設置初始點時間TGc^jtl) =0,其它網格1~(1,」)=α。其中i、j分別表示當前網格在整個方陣中的X、y坐標,i0> J0表達初始點坐標。從初始點出發,應用I^ast Marching方法進行擴展,擴展速度為擴展鋒面像素點與相鄰像素差值的倒數;
上述的纖維細度計算是通過遍歷圖像中的所有輪廓,定位輪廓內部一點,在纖維輪廓特征模板設置和放大倍率的乘積確定的半徑上搜索圓形路徑,取相鄰的兩對穿出纖維和穿入纖維的特征點,分別得到兩條直線。計算這兩條直線間的垂直距離,此距離即為纖維的細度值。當遍歷結束后,將返回一組纖維細度的測量值,即自動測量的結果。
本發明與現有技術相比較,具有如下顯而易見的突出實質性特點和顯著優點:本發明的圖像來源于CXD或CMOS圖像捕獲設備,通過一組濾波器處理和使用特征約束的!^ast Marching自動識別方法,使纖維識別,定位和細度計算結果在一定程度上不受光照環境變化的影響,提高纖維細度測量過程的穩定性和測量結果的準確性。
 
具體實施方式
本發明的優選實施例結合附圖說明如下:
 
實施例一:
本基于顯微圖像的纖維細度測量方法,其特曾在于從有氣泡或雜質的顯微圖像中提取多個獨立的纖維目標,并完成針對所有纖維的細度測量;具體測量過程包括以下4個步驟:
①圖像采集:從裝配有CCD和CMOS目鏡的顯微鏡視場中攝取纖維切片;
②圖像分割:對攝取的圖像進行分割,從帶有氣泡和雜質的背景中分離出所有目標纖維;
③纖維定位:在分割圖像的基礎上完成對圖像中所有纖維個體的識別與定位;
④纖維細度計算:計算所有被定位纖維的細度,并輸出結果。
 
實施例二 :
本實施例與實施例一基本相同,方法流程如圖1。本實施例采用一個纖維細度測量系統(附圖6)。該系統的硬件配置包括生物顯微鏡,帶有CCD或CMOS圖像采集裝置的顯微目鏡,圖像采集卡和計算機系統。系統的軟件由圖像采集模塊,用戶交互接口, 算法支撐模塊和纖維測量試驗模塊組成。本實施例的測量纖維細度的步驟如下:
1)圖像采集:由用戶通過人機接口提供的功能從顯微視場中采集一幅含有羊毛纖維切片的圖像(附圖2);
2)圖像分割:針對采集到的圖像,由算法模塊的圖像分割過程從帶有氣泡和雜質的背景中分離出所有目標纖維。在此過程中,首先將圖像轉為灰度,然后根據濾波器尺寸擴展圖像區域,利用從左至右,從上至下逐行處理輸入圖像,直至所有行處理結束。在每一行處理中先后執行中值濾波I =Μ(ΙΠ^])+Μ(ΙΠ^+1]-ΙΠ^])和兩次差分濾波I =F1 (I [r]-I [r-d]), I = F2 (I M-I [r_d]),其中F1和F2分別表示低通均勻濾波函數和單閾值濾波函數(附圖4)。接著算法進行低值濾波操作I =MinaDVi]),為避刪除圖像中表達目標物體的有效區域,本步所用濾波窗口尺寸為上一步濾波窗口大小的1/2。大部分的前景在這一步都可以被有效的分離出來。最后分別采用I = F3(I), I = F4(I), I = F5(I)三個固定函數(附圖4)對圖像像素進行變換。其中I表示被操作的圖像像素集合,F3, F4和F5 分別表示低通均勻濾波、高通均勻濾波和圖像翻轉3個函數操作(附圖4)。最后輸出分割后的圖像。
3)纖維定位:由用戶點擊自動測量按鈕,算法模塊中的自動纖維定位處理過程以上一步輸出的分割圖像作為輸入,針對圖像每個像素數據生成離散網格方陣。有算法過程選取位于圖像背景中一個隨機點,以此點為圓心,在生成的圓周輪廓上搜索是否存在8個與纖維相交的特征點。如存在這樣的特征點,則在次生成一個新的點進行測試,如否,則確定位于纖維輪廓之外,則以此點所在網格為初始點。搜索圓形路徑的半徑由纖維輪廓特征模板設置的纖維寬度最大閾值和放大倍率的乘積確定。設置初始點時間Τ(、,j0) =0,其它網格T(i,j) =°c。其中i、j分別表示當前網格在整個方陣中的x、y坐標,、、丸表達初始點坐標。從初始點出發,應用i^ast Marching方法進行擴展,擴展速度為擴展鋒面像素點與相鄰像素差值的倒數。擴展結束后,取擴展封面構成的封閉輪廓,根據模板設定的像素閾值去除包含像素過少的輪廓,得到4個羊毛纖維目標(附圖5)。
4)纖維細度計算:算法模塊中的自動計算過程根據上一步得到的4個目標,依次進行計算,分別得到羊毛纖維的細度值。這一步不需要用戶交互,直接返回一組測量值 (29. 4 μ m, 30. 6 μ m, 28. 1 μ m, 37. 7 μ m)到系統中,并在界面上為用戶顯示測量結果示例 (附圖7)。系統根據試驗種類,根據算法返回數據完成后續操作。
 
實施例的方法經過上述測量系統的實施,效果較好。多種濾波器的配合和基于 i^stMarching算法的引入,使提取纖維目標的有效性和穩定性有了很大的改觀。此外由于優化了濾波器執行過程,所以在纖維識別速度方面也有一定的改善,能夠滿足實時交互的需求。



上一篇:卷煙的吸阻測試方法解析
下一篇:最后一頁


友情鏈接:
標準商城 |
在線客服
欧美肥胖老太videos