專利名稱：高分辨率棉花異性纖維彩色圖像的快速分割方法與系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理系統(tǒng)及方法領(lǐng)域，特別涉及一種高分辨率棉花異性纖維彩色圖像的快速分割方法與系統(tǒng)。

背景技術(shù)：
棉花中的異性纖維是指在原棉生產(chǎn)、加工和流通過程中，混入棉花中的對棉花及其制品質(zhì)量有嚴重影響的非棉纖維和有色纖維，如化學(xué)纖維、毛發(fā)、絲、麻、塑料膜、塑料繩及染色線等，俗稱“三絲”。
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(chǎn)效率；織布時，影響布面質(zhì)量；染色時，因著色不同，影響外觀，對棉紗、布面等棉花制品的質(zhì)量造成了很大危害。
現(xiàn)有技術(shù)中，通常采用人工挑揀的方法去除異性纖維，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。
因此，作為棉花異性纖維的提取以及識別等后續(xù)工作的基礎(chǔ)，研究針對棉花異性纖維快速處理的方法已經(jīng)成為解決以上諸多問題的必然趨勢?；跈C器視覺的異物識別是近些年興起的一種技術(shù)。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，對客觀世界的三維景物和物體進行形態(tài)和運動識別。機器視覺系統(tǒng)的首要目標是用圖像創(chuàng)建或恢復(fù)現(xiàn)實世界模型，然后認知現(xiàn)實世界，這就需要一種圖像處理裝置對機器視覺系統(tǒng)采集到的圖像進行處理。采集的圖像分為彩色圖像和灰度圖像，彩色圖像比灰度圖像包含更多的有效信息，因此，對待識別物體的彩色圖像進行處理，這樣能達到更好的視覺特征提取效果，滿足圖像處理精度要求。
圖像分割是圖像處理與機器視覺中最為基礎(chǔ)和重要的的環(huán)節(jié)之一，是圖像分析和模式識別的前提。圖像分割的目的在于根據(jù)某些特征將一幅圖像分成若干有意義的區(qū)域，使得這些特征在某一區(qū)域內(nèi)表現(xiàn)一致或相似，而在不同區(qū)域間表現(xiàn)出明顯的不同。邊緣檢測對圖像處理和計算機視覺來說是一個非?；A(chǔ)而又重要的課題。邊緣表示了信號的突變，包含了圖像的大量信息，因此，邊緣是圖像最基本特征之一，它對圖像的分析和識別處理至關(guān)重要。


發(fā)明內(nèi)容
(一)要解決的技術(shù)問題 本發(fā)明的目的是提供一種高分辨率棉花異性纖維彩色圖像的快速分割方法與系統(tǒng)，以解決現(xiàn)有技術(shù)人工挑揀混入棉花中的異性纖維帶來的速度慢、效率低下、精確度低以及耗費人力物力等缺陷。

發(fā)明內(nèi)容
為此，本發(fā)明提供了一種高分辨率棉花異性纖維彩色圖像的快速分割方法，包括以下步驟 S1讀入原始棉花異性纖維彩色圖像； S2運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法對所述原始棉花異性纖維彩色圖像進行二值化圖像分割，從所述棉花異性纖維彩色圖像的背景中分割并獲得混有偽異性纖維小目標圖像的異性纖維目標圖像； S3將所述偽異性纖維小目標圖像從所述異性纖維目標圖像中移除。
所述步驟S2具體包括分別提取原始棉花異性纖維彩色圖像RGB空間的三個顏色分量，R、G、B三分量；對提取出的所述R、G、B三分量分別進行形態(tài)學(xué)邊緣檢測；采用迭代閾值分割法提取出所述原始棉花異性纖維彩色圖像的輪廓邊緣。
所述對提取出的所述R、G、B三分量分別進行形態(tài)學(xué)邊緣檢測的步驟包括 S201創(chuàng)建形態(tài)學(xué)結(jié)構(gòu)元素； S202分別對所述R、G、B三分量進行膨脹和腐蝕； S203用灰度形態(tài)學(xué)梯度對所述R、G、B三分量進行邊緣檢測； S204對所述R、G、B三分量的邊緣強度進行合并，其定義如下 其中GRAD(f)為綜合得到的所述棉花異性纖維彩色圖像邊緣強度值。
所述采用迭代閾值分割法提取出所述原始棉花異性纖維彩色圖像的輪廓邊緣的步驟包括 S211求出所述棉花異性纖維彩色圖像中的最小灰度值Z1和最大灰度值Zk，令閾值初值 S212根據(jù)閾值Tk將所述棉花異性纖維彩色圖像分割成目標和背景兩部分，求出目標平均灰度值Z0和背景平均灰度值ZB 式中z(i，j)是所述棉花異性纖維彩色圖像上(i，j)點的灰度值，N(i，j)是(i，j)點的權(quán)重系數(shù)，N(i，j)＝1.0； S213求出新的閾值 Tk+1＝0.2×(Z0+ZB)； S214如果Tk＝Tk+1，則結(jié)束，否則令K←K+1，轉(zhuǎn)步驟S212。
在所述步驟S3中，采用中值濾波法移除所述偽異性纖維小目標圖像。
所述中值濾波法，采用7×7的鄰域來計算中值，并用1來填充濾波后的圖像，包括以下步驟 S31將7×7模板在所述棉花異性纖維彩色圖像中漫游，并將所述模板的中心與所述棉花異性纖維彩色圖像中某個像素位置重合； S32讀取所述模板下對應(yīng)像素的灰度值； S33將讀取的灰度值從小到大排成一列； S34找出所述灰度值里排在中間位置的一個作為中間值； S35將所述中間值賦予對應(yīng)所述模板中心位置的像素。
本發(fā)明還提供了一種高分辨率棉花異性纖維彩色圖像的快速分割系統(tǒng)，該系統(tǒng)包括 圖像采集模塊，用于讀入原始棉花異性纖維彩色圖像并發(fā)送； 圖像分割模塊，與所述圖像采集模塊相連接，用于運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法對所述原始棉花異性纖維彩色圖像進行二值化圖像分割，從所述棉花異性纖維彩色圖像的背景中分割并獲得混有偽異性纖維小目標圖像的異性纖維目標圖像； 移除小目標模塊，與所述圖像分割模塊相連接，將所述偽異性纖維小目標圖像，從所述異性纖維目標圖像中移除。
(三)有益效果 上述技術(shù)方案具有如下有益效果通過采用形態(tài)學(xué)邊緣檢測方法、迭代閾值分割法對采集到的棉花異性纖維彩色圖像進行處理，以及采用中值濾波法對分割后的棉花異性纖維彩色圖像中混有的偽異性纖維小目標圖像進行移除處理，達到了快速準確地分割圖像，并得到了完整準確的異性纖維目標圖像，為棉花的特征提取、目標識別和在線計量提供了有效的基礎(chǔ)數(shù)據(jù)，且節(jié)省了大量人力物力。



圖1是本發(fā)明高分辨率棉花異性纖維彩色圖像的快速分割系統(tǒng)結(jié)構(gòu)示意圖； 圖2是本發(fā)明高分辨率棉花異性纖維彩色圖像的快速分割方法流程圖； 圖3為圖2中的形態(tài)學(xué)邊緣檢測方法流程圖； 圖4為圖2中的迭代閾值分割法流程圖； 圖5為圖2中的中值濾波方法流程圖。
其中，1圖像采集模塊；2圖像分割模塊；3移除小目標模塊。

具體實施例方式 下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式
作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
如圖1所示，本發(fā)明高分辨率棉花異性纖維彩色圖像的快速分割系統(tǒng)結(jié)構(gòu)示意圖，包括圖像采集模塊1、圖像分割模塊2和移除小目標模塊3。
其中，圖像采集模塊1用于讀入原始棉花異性纖維彩色圖像并發(fā)送；本實施例的圖像采集模塊1，可以是電荷耦合元件(Charge-coupled Device，簡稱CCD)相機，對棉花異性纖維圖像用采集卡進行分類采集；圖像分割模塊2與圖像采集模塊1相連接，用于接收圖像采集模塊1采集的棉花異性纖維彩色圖像，并運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法對棉花異性纖維彩色圖像進行二值化圖像分割，從棉花異性纖維彩色圖像的背景中分割并獲得混有偽異性纖維小目標圖像的異性纖維目標圖像；移除小目標模塊3與圖像分割模塊2相連接，用于將在分割過程中產(chǎn)生的由碎棉籽殼、棉花葉等偽異性纖維產(chǎn)生的小目標圖像，即偽異性纖維小目標圖像，從異性纖維目標圖像中移除，獲得符合要求的異性纖維目標圖像，以提高分割結(jié)果的準確性，最終得到高質(zhì)量、精確的二值化異性纖維目標圖像。
本實施例的高分辨率棉花異性纖維彩色圖像的快速分割系統(tǒng)，能對機器視覺采集的棉花異性纖維彩色圖像進行處理，提高了分割的速度和準確度，并能最終得到完整、準確的異性纖維目標圖像，為進行特征提取、目標識別和在線計量提供準確有效的基礎(chǔ)數(shù)據(jù)。
如圖2所示，為本發(fā)明高分辨率棉花異性纖維彩色圖像的快速分割方法流程圖；本實施例包括以下步驟 S1讀入原始棉花異性纖維彩色圖像； S2運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法，對原始棉花異性纖維彩色圖像進行二值化圖像分割，從棉花異性纖維彩色圖像的背景中分割并獲得混有偽異性纖維小目標圖像的異性纖維目標圖像； 具體地，本實施例分別提取原始棉花異性纖維彩色圖像RGB空間的三個顏色分量，R、G、B三分量；對提取出的R、G、B三分量分別進行形態(tài)學(xué)邊緣檢測；然后采用迭代閾值分割法提取出原始棉花異性纖維彩色圖像的輪廓邊緣。
S3將偽異性纖維小目標圖像從異性纖維目標圖像中移除。
如圖3所示，為本發(fā)明圖2中的形態(tài)學(xué)邊緣檢測方法流程圖，包括以下步驟 S201創(chuàng)建形態(tài)學(xué)結(jié)構(gòu)元素； 數(shù)學(xué)形態(tài)學(xué)是將二值圖像看成集合，并用結(jié)構(gòu)元素來探察?；镜臄?shù)學(xué)形態(tài)學(xué)運算是將結(jié)構(gòu)元素在圖像范圍內(nèi)平移，同時施加交、并等基本的集合運算。在形態(tài)學(xué)中，結(jié)構(gòu)元素是最重要最基本的概念，構(gòu)造不同的結(jié)構(gòu)元素便可完成不同的圖像分析，所有的形態(tài)學(xué)處理都是基于填放結(jié)構(gòu)元素的概念。
本實施例的數(shù)學(xué)形態(tài)學(xué)方法，先創(chuàng)建形態(tài)學(xué)結(jié)構(gòu)元素，本方法創(chuàng)建一個平坦的菱形結(jié)構(gòu)元素。
令f(x，y)為屬于L2(R)緊支的灰度函數(shù)，g(i，j)為結(jié)構(gòu)元素的灰度函數(shù)； S202分別對R、G、B三分量進行膨脹和腐蝕； 灰度函數(shù)f(x，y)的膨脹和腐蝕定義如下 膨脹定義 腐蝕定義 為使計算方便，常取結(jié)構(gòu)元素的灰度值為0，即g(i，j)＝0，因此采用膨脹運算，則邊緣檢測算子為 若采用腐蝕運算，則邊緣檢測算子為 S203用灰度形態(tài)學(xué)梯度對R、G、B三通道，即R、G、B三分量進行邊緣檢測； 其定義如下 GRAD(f)＝f⊕g-fΘg 針對棉花異性纖維彩色圖像，用灰度形態(tài)學(xué)梯度對R、G、B三副偽灰度圖像，即R、G、B三分量分別進行邊緣檢測，各通道檢測結(jié)果如下 GRAD(fR)＝fR⊕g-fRΘg GRAD(fG)＝fG⊕g-fGΘg GRAD(fB)＝fB⊕g-fBΘg 其中GRAD(fR)、GRAD(fG)、GRAD(fB)為R、G、B三副偽灰度圖像的邊緣檢測后得到的邊緣強度； S204對R，G，B三幅偽灰度圖像的邊緣強度進行合并，其定義如下 其中GRAD(f)為綜合得到的原彩色圖像邊緣強度值； 采用的結(jié)構(gòu)元素如下圖所示，其中*為中心像素，

為其有效的鄰域像素。

為計算方便，取結(jié)構(gòu)元素的灰度值g(x，y)＝0。
如果GRAD(f)大于給定的閾值，則該像素點為得到的邊緣像素點。
本實施例采用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測法，可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特性，并除去不相干的偽異性纖維的結(jié)構(gòu)，實現(xiàn)了形態(tài)學(xué)分析和處理算法的并行，可以大大提高棉花異性纖維彩色圖像分析和處理的速度。
如圖4所示，為本發(fā)明圖2中的迭代閾值分割法流程圖；結(jié)合對圖3的描述，本實施例采用迭代法求最佳閾值。該方法步驟如下 S211求出棉花異性纖維彩色圖像中的最小灰度值Z1和最大灰度值Zk，令閾值初值 S212根據(jù)閾值Tk將棉花異性纖維彩色圖像分割成目標和背景兩部分，求出兩部分的平均灰度值Z0和ZB 目標平均灰度值 背景平均灰度值 式中z(i，j)是圖像上(i，j)點的灰度值，N(i，j)是(i，j)點的權(quán)重系數(shù)，N(i，j)＝1.0； S213求出新的閾值 Tk+1＝0.2×(Z0+ZB) 其中系數(shù)0.2是根據(jù)棉花異性纖維彩色圖像的特點所取的經(jīng)驗值。此經(jīng)驗值適用于大多數(shù)棉花異性纖維圖像，并能夠得到最清晰的二值化目標圖像。
S214如果Tk＝Tk+1，則結(jié)束，否則令K←K+1，轉(zhuǎn)步驟S212。
如圖5所示，為本發(fā)明圖2中的中值濾波方法流程圖；本實施例采用中值濾波的方法，移除圖像分割時由偽異性纖維產(chǎn)生的小目標圖像；本實施例的中值濾波方法，采用7×7的鄰域來計算中值，并用1來填充濾波后的圖像，包括如下步驟 S31將7×7模板在棉花異性纖維彩色圖像中漫游，并將模板中心與棉花異性纖維彩色圖像中某個像素位置重合； S32讀取模板下對應(yīng)像素的灰度值； S33將讀取的灰度值從小到大排成一列； S34找出這些灰度值里排在中間位置的一個作為中間值； S35將這個中間值賦予對應(yīng)模板中心位置的像素。
采用本發(fā)明的高分辨率棉花異性纖維彩色圖像的快速分割方法與系統(tǒng)，可以根據(jù)實際情況確定模型的參數(shù)，在對異性纖維目標進行分割時，可以通過調(diào)整不同的參數(shù)，提高不同目標圖像的分割精度；對于小目標的移除，可以通過改變所選鄰域的大小，產(chǎn)生滿足不同需求的目標圖像。
由以上實施例可以看出，通過建立一種高分辨率棉花異性纖維彩色圖像的快速分割方法與系統(tǒng)，能夠提高棉花異性纖維彩色圖像分割處理的精度，并在保持精度的前提下更好地提高圖像處理速度；利用該方法與系統(tǒng)，可以精準的對棉花異性纖維彩色圖像進行處理，為以后對偽異性纖維的識別和分類工作奠定堅實基礎(chǔ)，也為后續(xù)的棉花異性纖維剔除和在線計量提供基礎(chǔ)數(shù)據(jù)。
以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進和變型，這些改進和變型也應(yīng)視為本發(fā)明的保護范圍。
權(quán)利要求
1.一種高分辨率棉花異性纖維彩色圖像的快速分割方法，其特征在于包括以下步驟
S1讀入原始棉花異性纖維彩色圖像；
S2運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法對所述原始棉花異性纖維彩色圖像進行二值化圖像分割，從所述棉花異性纖維彩色圖像的背景中分割并獲得混有偽異性纖維小目標圖像的異性纖維目標圖像；
S3將所述偽異性纖維小目標圖像從所述異性纖維目標圖像中移除。
2.如權(quán)利要求1所述的高分辨率棉花異性纖維彩色圖像的快速分割方法，其特征在于，所述步驟S2具體包括分別提取原始棉花異性纖維彩色圖像RGB空間的三個顏色分量，R、G、B三分量；對提取出的所述R、G、B三分量分別進行形態(tài)學(xué)邊緣檢測；采用迭代閾值分割法提取出所述原始棉花異性纖維彩色圖像的輪廓邊緣。
3.根據(jù)權(quán)利要求2所述的高分辨率棉花異性纖維彩色圖像的快速分割方法，其特征在于，所述對提取出的所述R、G、B三分量分別進行形態(tài)學(xué)邊緣檢測的步驟包括
S201創(chuàng)建形態(tài)學(xué)結(jié)構(gòu)元素；
S202分別對所述R、G、B三分量進行膨脹和腐蝕；
S20用灰度形態(tài)學(xué)梯度對所述R、G、B三分量進行邊緣檢測；
S204對所述R、G、B三分量的邊緣強度進行合并，其定義如下
其中GRAD(f)為綜合得到的所述棉花異性纖維彩色圖像邊緣強度值。
4.根據(jù)權(quán)利要求2所述的高分辨率棉花異性纖維彩色圖像的快速分割方法，其特征在于所述采用迭代閾值分割法提取出所述原始棉花異性纖維彩色圖像的輪廓邊緣的步驟包括
S211求出所述棉花異性纖維彩色圖像中的最小灰度值Z1和最大灰度值Zk，令閾值初值
S212根據(jù)閾值Tk將所述棉花異性纖維彩色圖像分割成目標和背景兩部分，求出目標平均灰度值Z0和背景平均灰度值ZB
式中z(i，j)是所述棉花異性纖維彩色圖像上(i，j)點的灰度值，N(i，j)是(i，j)點的權(quán)重系數(shù)，N(i，j)＝1.0；
S213求出新的閾值
Tk+1＝0.2×(Z0+ZB)；
S214:如果Tk＝Tk+1，則結(jié)束，否則令K←K+1，轉(zhuǎn)步驟S212。
5.根據(jù)權(quán)利要求1所述的高分辨率棉花異性纖維彩色圖像的快速分割方法，其特征在于所述步驟S3中，采用中值濾波法移除所述偽異性纖維小目標圖像。
6.根據(jù)權(quán)利要求5所述的高分辨率棉花異性纖維彩色圖像的快速分割方法，其特征在于，所述中值濾波法，采用7×7的鄰域來計算中值，并用1來填充濾波后的圖像，包括以下步驟
S31將7×7模板在所述棉花異性纖維彩色圖像中漫游，并將所述模板的中心與所述棉花異性纖維彩色圖像中某個像素位置重合；
S32讀取所述模板下對應(yīng)像素的灰度值；
S33將讀取的灰度值從小到大排成一列；
S34找出所述灰度值里排在中間位置的一個作為中間值；
S35將所述中間值賦予對應(yīng)所述模板中心位置的像素。
7.一種高分辨率棉花異性纖維彩色圖像的快速分割系統(tǒng)，其特征在于，該系統(tǒng)包括
圖像采集模塊，用于讀入原始棉花異性纖維彩色圖像并發(fā)送；
圖像分割模塊，與所述圖像采集模塊相連接，用于運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法對所述原始棉花異性纖維彩色圖像進行二值化圖像分割，從所述棉花異性纖維彩色圖像的背景中分割并獲得混有偽異性纖維小目標圖像的異性纖維目標圖像；
移除小目標模塊，與所述圖像分割模塊相連接，將所述偽異性纖維小目標圖像，從所述異性纖維目標圖像中移除。
全文摘要
本發(fā)明公開了一種高分辨率棉花異性纖維彩色圖像的快速分割方法與系統(tǒng)。該方法包括S1讀入原始棉花異性纖維彩色圖像；S2運用數(shù)學(xué)形態(tài)學(xué)的邊緣檢測方法對所述原始棉花異性纖維彩色圖像進行二值化圖像分割，獲得從所述棉花異性纖維彩色圖像的背景中分割出來的混有偽異性纖維小目標圖像的異性纖維目標圖像；S3將所述偽異性纖維小目標圖像從所述異性纖維目標圖像中移除。該系統(tǒng)包括圖像采集模塊、圖像分割模塊以及移除小目標模塊。利用本發(fā)明的方法與系統(tǒng)，可以精準的對棉花異性纖維彩色圖像進行處理，為以后對偽異性纖維的識別和分類工作奠定堅實基礎(chǔ)，也為后續(xù)的棉花異性纖維剔除和在線計量提供基礎(chǔ)數(shù)據(jù)。
文檔編號G06T7/00GK101770645SQ20101011171
公開日2010年7月7日 申請日期2010年2月10日 優(yōu)先權(quán)日2010年2月10日
發(fā)明者李道亮, 楊文柱, 張馨, 王金星, 趙學(xué)華 申請人:中國農(nóng)業(yè)大學(xué)