一種基于輪廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于輪廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算方法，可用于 減少紙漿纖維形態(tài)參數(shù)的測量量，提高纖維形態(tài)參數(shù)的統(tǒng)計測量精度，增加參數(shù)測量結(jié)果 的可信度。
【背景技術(shù)】
[0002] 纖維形態(tài)學(xué)參數(shù)對纖維分析有著至關(guān)重要的作用，然而在纖維形態(tài)學(xué)參數(shù)的測量 中面臨著許多問題。就采集的纖維圖像來說，只有單根纖維的形態(tài)學(xué)參數(shù)才是我們需要的， 然而纖維溶液中的雜質(zhì)、鏡頭附著的灰塵和凝集成團的纖維都會出現(xiàn)在采集的圖像中，對 以圖像為基礎(chǔ)的纖維測量造成巨大的影響，也是纖維測量不精確的根源。因此要得到纖維 的精確參數(shù)，就必須將單根纖維識別出來再進行計算。
[0003] 傳統(tǒng)的紙漿纖維形態(tài)參數(shù)計算方法，通常是對所有輪廓的面積或周長特征量進行 提取，然后依據(jù)經(jīng)驗來區(qū)分纖維，而有些纖維團的特征和單根纖維的特征差別并不明顯，因 此傳統(tǒng)的計算方法計算量大且計算不精確。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是：克服傳統(tǒng)紙漿纖維形態(tài)參數(shù)計算方法的不足，提出一種基于輪 廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算方法。
[0005] 本發(fā)明的技術(shù)方案為：對采集圖像中的所有輪廓進行面積計算，對面積過小的 進行剔除，去除非纖維輪廓的干擾，然后在形態(tài)參數(shù)計算前對大于某一閾值的纖維輪廓進 行細化，并判斷端點個數(shù)辨別出單根纖維，再依據(jù)給出的方法進行參數(shù)計算。
[0006] 具體步驟如下： (1) 利用OPENCV對采集的圖像進行預(yù)處理，然后對圖像中的物體輪廓進行標記，記錄 輪廓的面積信息； (2) 采用面積閾值法對輪廓面積大小進行判斷，從而剔除面積小于設(shè)定閾值的輪廓，將 其視為成像鏡頭附著物或溶液懸浮顆粒，對面積大于設(shè)定閾值輪廓進行下一步計算； (3) 將面積大于設(shè)定閾值的輪廓視為紙漿纖維的輪廓進行細化，細化為單像素的骨架 線條，然后判斷線條端點個數(shù)； (4) 對只有兩個端點線條即紙漿纖維的長度、卷曲度等形態(tài)參數(shù)進行計算，剔除零端點 和多端點的纖維團。
[0007] 其中纖維長度是指纖維在不受外力影響下，伸直時測得的兩端間距離；卷曲度是 指纖維的伸直長度L與卷曲長度LO之差數(shù)（L-LO)對伸直長度L的百分率。
[0008] 所述步驟（1)中用連通標記法進行面積測量，統(tǒng)計具有公共標號元素的組，即可得 到各個輪廓的面積。
[0009] 所述步驟（2)中還可以通過計算圖像中輪廓的周長來剔除圖像中附著物或懸浮顆 粒。
[0010] 本發(fā)明的基本原理是： 采集的顯微圖像中除單根纖維外還存在許多聚集的纖維團和成像鏡頭附著物或溶液 懸浮顆粒造成的采集誤差，輪廓面積或周長的測量對于去除面積較小的采集誤差十分有 效。傳統(tǒng)的測量方法直接根據(jù)輪廓面積或周長的特征依據(jù)經(jīng)驗來進行識別和計算，無法區(qū) 分單根纖維和聚集的纖維團，精確度非常低。本發(fā)明先以輪廓面積作為特征進行識別，每個 單聯(lián)通區(qū)域內(nèi)像素點個數(shù)表示為該輪廓的面積，對面積較小的輪廓進行剔除；然后通過對 細化后線條的端點個數(shù)進行判斷，讓分類間隔最大化，能精確的在附著物、單根纖維和聚集 纖維中將單根纖維區(qū)分出來。
[0011] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于： 在識別方面，將所有輪廓的面積特征進行計算，僅用于區(qū)分是否為纖維，去除雜質(zhì)的影 響，細化纖維來判斷此纖維端點的數(shù)量特征，從而判斷是否為單根纖維，比傳統(tǒng)的僅用面積 或周長作為纖維的特征更加精確。
[0012] 在計算方面，依據(jù)面積來區(qū)分是否為纖維，以端點個數(shù)來區(qū)分是否為單纖維，能夠 更加精確和迅速地區(qū)分出單根纖維。比傳統(tǒng)計算方法相比具有計算速度快，計算精度高的 優(yōu)點。
【附圖說明】
[0013] 附圖1為本發(fā)明的識別方法流程圖； 其中，a為不同纖維的輪廓面積或周長閾值； b為纖維圖像細化后端點閾值，一般為2 ; 附圖2為以面積和圓形度作為特征對輪廓進行識別的效果圖； 附圖3為經(jīng)過預(yù)處理以后的纖維圖像； 附圖4為經(jīng)過預(yù)處理以后的纖維圖像； 附圖5為附圖3連通標記后剔除面積小于設(shè)定閾值的輪廓后，將面積大于設(shè)定閾值一 個輪廓畫輪廓到一幅二值圖像中； 附圖6為附圖4連通標記后剔除面積小于設(shè)定閾值的輪廓后，將面積大于設(shè)定閾值一 個輪廓畫輪廓到一幅二值圖像中； 附圖7為八鄰域示意圖； 附圖8為附圖4輪廓細化并判斷端點的效果圖； 附圖9為附圖5輪廓細化并判斷端點的效果圖。
【具體實施方式】
[0014] 下面結(jié)合附圖對本發(fā)明做進一步的解釋。
[0015] 如附圖1所示，本發(fā)明的具體包括如下步驟： (1)采集圖像并利用OPENCV對采集的圖像進行圖像灰度化、圖像增強、濾波、平滑、二 值化、膨脹、腐蝕的預(yù)處理。從附圖3經(jīng)過預(yù)處理的纖維圖像可以看出雖然經(jīng)過預(yù)處理，圖 像內(nèi)依然含有非纖維成分的雜質(zhì)，且非纖維成分的面積明顯小于纖維面積，但是單根纖維 和聚集纖維卻難以通過面積或周長來區(qū)分，從附圖2以面積和圓形度作為特征對所有輪廓 進行識別的效果圖可以得到佐證，其中黑色實心小點為附著物，黑色實心大點為單根纖維， 黑色空心大點為聚集纖維。
[0016] 對預(yù)處理后的圖像進行連通標記來測量面積，連通標記算法：掃描圖像，找到?jīng)]有 標記的像素值為1的點，給它分配一個新的標記i，遞歸分配標記i給此點的鄰點，如果不存 在沒標記的點，則停止。連通標記算法可以找到圖像中的所有連通成份，并對同一連通成份 中的所有點分配同一標記。
[0017] (2)把步驟（1)中每個連通區(qū)域內(nèi)像素點個數(shù)之和看作該輪廓的面積，小于設(shè)定的 閾值時剔除，對預(yù)處理后圖像的各個輪廓進行分析，可以明顯得出圖像具有非纖維成分的 面積遠遠小于紙漿纖維本身的面積的特點，因此，利用以連通標記法為基礎(chǔ)的面積閾值法 可以成功的將這些非紙漿纖維成分去除。附圖5-6為連通標記后剔除面積小于設(shè)定閾值的 輪廓后，將剩余的面積大于設(shè)定閾值的每一個輪廓畫輪廓到一幅二值圖像中。
[0018] (3)對步驟（2)中大于設(shè)定閾值的輪廓進行細化，然后對細化后線條上的像素點進 行判斷。如附圖7所示，如果兩個像素有公共邊界，并且至少共享一個頂角，則稱它們?yōu)榘?鄰域。若某一像素點八鄰域內(nèi)只有一個像素點則該像素點為此線條的端點，記錄該線條的 端點個數(shù)，附圖8-9為輪廓細化并判斷端點的效果圖，由效果圖可以看出端點數(shù)等于2的是 單根纖維，端點數(shù)大于或是小于2的是聚集纖維。
[0019] (4)若步驟（3)中判斷線條上的端點個數(shù)為2,則此纖維就是單根纖維，設(shè)曲線 y=f(x)是區(qū)間[a，b]上的函數(shù)，則可用曲線的長度來表示纖維的長度，a和b分別為纖維的 兩個端點：
當把區(qū)間[a，b]分為η段無限小的區(qū)間時，上式可表示為：
由于曲線函數(shù)的擬合過于復(fù)雜，所以在上式的基礎(chǔ)上，把纖維的長度近似看作為每個 像素點之間位置的疊加，從端點開始尋找下一個像素，直到第二個端點結(jié)束。若下一個像素 點位于上一個像素點八鄰域的水平和垂直位置則記他們之間的距離為1個像素點；若下一 個像素點位于上一個像素點八鄰域的對角線位置則記他們之間的距離為個像素點，若 一個纖維有m個距離為1和η個距離為在的像素點構(gòu)成，則此纖維長為：
記錄下上述單個纖維的兩個端點坐標分別為（il，jl)和（i2, j2)，則卷曲長度為： 卷曲率為
P為卷曲率； L為伸直長度； LO為卷曲長度。
[0020] 纖維的長度標定：采用上述的方法測量后，得到的是以像素點的個數(shù)為單位的結(jié) 果，此時得到的纖維長度是用單根纖維細化后線條包含的像素點個數(shù)來表達的。而實際中 纖維長度測量應(yīng)用的數(shù)據(jù)是以微米（um)為長度單位的，所以必須將像素點標定為標準單位 后才能應(yīng)用到實際工作中。實際長度與以像素點個數(shù)表示長度的關(guān)系可用下式表示：
1 :以微米為單位的纖維長度； L :以像素點個數(shù)為單位的纖維長度； P :比例系數(shù)。
[0021] 當步驟（2)使用輪廓周長來剔除圖像中附著物或懸浮顆粒時，則對預(yù)處理后的圖 像進行輪廓跟蹤： ① 從左到右、從上到下掃描圖像，找到第一個像素點作為連通區(qū)域S的起始點s(k)， k=0; ② 用C表示當前邊界上被跟蹤的像素點.令C=S (k)，記C左4鄰點為b，b不屬于區(qū) 域S ③ 按逆時針方向從b開始將C的8個8鄰點分別記為叫，n2, n3，......，ns,k=k+l ; ④ 從b開始，沿逆時針方向找到第一個叫屬于區(qū)域S， ⑤ 令 c=s GO=Iii，b% 工 ⑥ 重復(fù)步驟③、④、⑤，直到s (k)與起始點s(0)重合。
[0022] 記錄s (k)與起始點S(O)重合時k值即為本輪廓周長。若周長小于設(shè)定閾值則 剔除，只對周長大于設(shè)定閾值的輪廓進行下一步計算。所述計算過程如上述步驟（3)、步驟 (4)所述，在此不再詳述。
【主權(quán)項】
1. 一種基于輪廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算方法，其特征在于包括下列 步驟： (1) 利用OPENCV對采集的圖像進行預(yù)處理，對圖像中的物體輪廓進行標記，記錄輪廓 的面積信息； (2) 通過對輪廓面積大小進行判斷，剔除面積小于設(shè)定閾值的輪廓，將其視為成像鏡頭 附著物或溶液懸浮顆粒，對面積大于設(shè)定閾值的輪廓進行下一步計算； (3) 將面積大于設(shè)定閾值的輪廓視為紙漿纖維的輪廓進行細化，細化為單像素的骨架 線條，然后判斷線條端點個數(shù)； (4) 對只有兩個端點紙漿纖維的長度、卷曲度形態(tài)參數(shù)進行計算，剔除零端點和多端點 的纖維團。2. 根據(jù)權(quán)利要求1所述的一種基于輪廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算方 法，其特征在于：所述步驟（1)中用連通標記法進行面積測量。3. 根據(jù)權(quán)利要求1或2所述的一種基于輪廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算 方法，其特征在于：所述步驟（2)中還可以通過計算圖像中輪廓的周長來剔除圖像中附著 物或懸浮顆粒。
【專利摘要】本發(fā)明涉及一種基于輪廓面積和輪廓細化的紙漿纖維形態(tài)參數(shù)計算方法，首先對采集圖像中的所有標記物體輪廓進行面積計算，面積小于設(shè)定閾值的視為采集誤差進行剔除，減少大量統(tǒng)計計算的冗余信息，在判斷是否為有效成像的單根紙漿纖維方面，在形態(tài)參數(shù)計算前對纖維進行細化并判斷端點個數(shù)，辨別并去除集結(jié)成團的多根纖維或纖維團，與傳統(tǒng)的直接測量相比，降低測量的計算量，同時提高了計算精度。本發(fā)明能準確地識別出單根紙漿纖維，并且給出針對單根纖維識別的具體計算方法，使后續(xù)的紙漿纖維的長度、卷曲度等形態(tài)參數(shù)統(tǒng)計計算更加精確，為增加參數(shù)測量的可信度奠定了基礎(chǔ)。
【IPC分類】G06F17/50, G01B11/00
【公開號】CN105260559
【申請?zhí)枴緾N201510722646
【發(fā)明人】李慶華, 張凱麗, 楊揚
【申請人】齊魯工業(yè)大學(xué)
【公開日】2016年1月20日
【申請日】2015年10月31日