基于MATLAB的图像识别技术的原棉异纤在线检测

第23卷 第2期2004年4月天 津 工 业 大 学 学 报JOURNAL OF TIANJIN POLYTEC HNIC UNIVERSITYV ol.23 N o.2April 2004基于MATLAB的图像识别技术的原棉异纤在线检测艾世一1,王跃存1,刘 迪2(1.天津工业大学信息与通信学院,天津300160; 2.天津纺织集团天一有限公司,天津300170)摘 要:基于M AT LA B图像识别技术开发了原棉异纤在线检测系统,讨论了原棉图像自动采集及判别处理系统的软硬件结构,分析其系统初始化、预处理、图像特征提取及判别的过程和原理.实际验证,应用本系统的原棉异纤在线检测,识别率可达到99%以上,从而可以达到减轻工人劳动强度和提高生产效率的目的.关键词:图像处理;图像识别技术;在线检测中图分类号:T S104.22 文献标识码:A 文章编号:1671 024X(2004)02 0070 04On line measuring for unusu al fine in raw cotton based onimage recognition technology with MATLABAI Shi yi1,WANG Yue cun1,LIU Di2(1.School of Infor mation and Communication,T ianjin Polytechnic U niversity,T ianjin300160,China;2.T ianjin T ex tileGroup,T ianyi Co L T D,T ianjin300170,China)Abstract:T he different fine online detection system of raw cotton based on image recognition technolog y wit h M AT LA B is described.T he software and hardware structure of the o nline measur ing system are discussed,and t he principle of the system initial,pretr eatment,imag e characteristic collection and differentiates are analysed.I t hasprov ed that,using this system,the discerning rate can be more than99%,thus can reduce wor ker s labor intensity and improve production efficiency.Key words:image process;image recognition techno logy;on line measuring棉花在采摘、加工和运输等过程中经常混入一些杂质,为保证纱线质量,这些杂质在纺纱前必须彻底清除.一般的杂质,如沙石泥土等颗粒性物质,其比重或形状与棉纤维有较大差异,因此,可以通过机械的方式进行除杂.但是像头发、细绳头、尼龙草等纤维状的杂质很难用机械的方法将它们清除,需要用其他方法进行清除.目前,图像识别技术已经在许多行业得到了应用[1].随着以MATLAB为代表的高性能数值计算工具的出现,算法的实现变得更加得简单和高效,从而推动了图像识别技术的进一步发展,使其应用范围更加广泛.同时,随着纺织机械技术的提高,使得图像处理技术在纺织行业的应用具有了实际意义.本文重点讨论原棉图像的采集与检测处理系统的软硬件结构、理论基础以及基于M ATLAB的图像的判别计算,并对实验结果进行分析.1 系统的组成及工作原理图像采集及处理系统的原理图如图1所示.图中CCD摄像机采用16位黑白普通摄影头,图像采集卡采用普通PCI电视影像采集卡.图像采集及检测处理系统的工作流程是:当被检测对象(原棉)走到某一设定位置时,由光电检测系统自动产生一个对象到!电脉冲信号,并将该信号送给由单片机构成的下位采集控制器,采集控制器检测到该信号后立即通过RS 232串行口向上位微机发送请采样!信号.上位IBM PC 微机接收到该信号后立即采集一帧BM P位图格式的图像,并产生一个相应的BMP位图格式图像文件,然后对该位图文件中的图像数据阵列进行相应的预处理及判别计算,以决定被检测原棉中是否含有异纤.当上收稿日期:2003-09-16 作者简介:艾世一(1979∀),男,天津市人,硕士研究生;王跃存(1956∀),男,河北省石家庄市人,教授,导师.位IBM PC 微机处理判别完一帧图像后,立即将判别结果信号通过RS 232串行口发送给下位采集控制器,下位采控器随即对接收到的判别结果信号进行识别和显示控制决策:若结果为 不合格!立即发出 清除异纤!控制命令,经伺服放大后驱动清除机构在预定的位置上清除异纤,同时记录下清除异纤的个数;若处理结果为 合格!,则发出默许信号,则对象通过[2].在下位采集控制器发出相应的控制信号之后,随即检测是否有下一个 对象到!信号,若有,则立即采集下一帧BMP 图像并进行相应的处理,如此往复.图1 图像采集及处理系统原理图Fig.1 Principle picture of image recognition system2 软件结构及功能本图像检测处理软件的结构主要包括:图像采集及预处理、图像特征提取、图像判别等几个功能模块[3].以下分节对各功能模块进行论述.2.1 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.图像增强是预处理过程中常用的方法,为了改善视觉效果或者便于人和机器对图像的理解和分析,根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施.在图像增强的众多方法中,直方图均化是一种十分有效的方法.图像的直方图是图像的重要统计特征,它可以认为是图像灰度函数的近似.通常图像的灰度密度函数与像素所在的位置有关,例如设图像在点(x ,y )处的灰度分布密度函数为p (x ,y ),那末图像的灰度密度函数为: p (z )=1S #D#p (x ,y )d x d y 式中,D 是图像的定义域;S 是区域D 的面积.在实际中可以用数字图像灰度直方图来代替.灰度直方图是一个离散函数,它表示数字图像每一灰度级出现频率的对应关系.假设一幅数字图像的像素总数为N ,有L 个灰度级,具有第k 个灰度级的灰度r k 的像素共有n k 个.则第k 个灰度级,或者说r k 出现的频率为: h k =n kNk =0,1,2,∃,L -1 这个关系也可以用图形表示.这个图形是由灰度轴及一系列垂直于灰度轴的线段组成,垂足f =r k ,各线段长度与h k 成正比.直方图h k 虽然不能直接反映出图像的内容,但对它进行分析可以得出图形的一些反映出图像特点的特征.通常一幅均匀量化的自然图像的灰度直方图在低值灰度区间上频率较大,这样的图形较暗区域中的细节常常看不清楚.为使图像变清晰,通常可通过变换使图像的灰度动态范围变大,并让灰度频率较小的灰度级经变换后频率变得大一些,使变换后的图像灰度直方图在较大的动态范围内趋于均化.事实证明,通过图像直方图均化进行图像增强是一种有效的方法.用图像f (x ,y )的直方图代替灰度的分布密度函数p f (f ),则直方图均化后的图像g 为: f =T [f ]=#f 0p f(u)d u对于数字图像,可以对上述公式作离散近似.设原图像的像素总数为N ,灰度级的个数为L ,第k 个灰度级出现的频数为n k .若原图像f (x ,y )在像素点(x ,y )处的灰度为r k ,则直方图均化后的图像g (x ,y )在(x ,y )的灰度值s k 为:s k =T [r k ]=kL =0n L N通过对图2和图3的比较可以看出,经过直方图均化,图像的细节更加清楚了,而从图像的直方图上可以看出,在直方图调整之前,高灰度的比例很大,经过直方图调整,各灰度等级的比例更加平衡,使图像对比度增强,从而使得图像的边缘更加明显.图2 原始图像Fig.2 Primitive image2.2 图像特征提取算法图像特征提取计算是图像处理的关键部分,在本∀71∀第2期 艾世一等:基于M AT LA B 的图像识别技术的原棉异纤在线检测图3 直方图均化后的图像Fig.3 Picture after im age enhancement系统中包括卷积滤波和中值滤波两步,其中卷积滤波是通过将经过预处理的图像矩阵与模板矩阵作卷积来实现的;而其得到的结果再用中值滤波进行降噪,从而能提取出图像中异纤的完整图像.2.2.1 卷积滤波卷积滤波是线性滤波的一种,用来对图像的某种特征进行加强,而去除其它特征.经过预处理的图像与适当的模板作卷积可以起到滤除噪声、提取边缘的作用.在本系统使用的算法中,二维卷积是通过快速傅立叶变换来实现的,这也是快速傅立叶变换的一个重要应用.由线性系统理论可知,两个函数卷积的傅立叶变换等于两个函数的傅立叶变换的乘积.该特性与快速傅立叶变换一起应用可以快速计算函数的卷积.假设A为M*N图像矩阵,B为P*Q模板矩阵,则快速计算卷积的方法如下:%对A和B补0,使其大小都为(M+P-1)*(N+Q-1).&对矩阵A 和B分别进行快速傅立叶变换(FFT).∋将两个FFT 结果相乘,再对得到的乘积进行傅立叶反变换.对卷积运算而言,模板的选择是最重要的.根据原棉中异纤的形态多为纤维状丝状物,并经过大量实验,最终选取如图4所示的大小为25*25的圆形模板,并对圆周上的像素赋予比较高的权值,从而突出了圆周上各点的特征.此模板最大程度地提取了图像中异纤的曲率特征,去除了图像中原棉的特征,从而达到很好的效果.如果用A表示经过预处理的图像矩阵,用B表示图4所示的模板矩阵,C表示卷积滤波的结果,使用M ATLAB图像处理工具箱提供的二维快速傅立叶函数fft2和二维傅立叶反变换函数ifft2,则有以下计算式:C=ifft2(fft2(A)(fft2(B))如图5所示,卷积滤波后的输出图像比较完整地提取了异纤的图像,并且只含有少量易于处理的噪声.图4 卷积运算模板Fig.4 Templateimage图5 卷积滤波后的图像Fig.5 Picture af ter convolution f iltration2.2.2 中值滤波中值滤波是抑制噪声的非线性处理方法.所谓中值是指对于给定的n个数值{a1,a2,∃,a n},将它们按大小有序排列.当n为奇数时,位于中间位置的那个数值称为这n个数值的中值.当n为偶数时,位于中间位置的两个数值的平均值称为这n个数值的中值,记作med(a1,a2,∃,a n).中值滤波就是这样的一个变换,图像中滤波后某像素的输出等于该像素邻域中各像素灰度的中值.根据卷积滤波后图像的噪声点分散的特征,并经过多次实验,决定采用3*3模板的中值滤波,即某一像素的灰度值等于其周围8个相邻像素灰度值的中值.MATLAB图像处理工具箱提供了medfilt2!函数实现中值滤波运算[4].如图6所示,经中值滤波后的图像比较完整地保留了异纤的特征,消除了绝大多数的噪声,可进行下一步的决策判断.图6 中值滤波后的图像Fig.6 Picture af ter middle value filtration∀72∀ 天 津 工 业 大 学 学 报 第23卷2.3 判别算法判别算法用以把待检测对象的计算机感官指标与标准指标比较,从而确定待检产品是否合格.判断图像中是否含有异纤的根据是图像中灰度值非零像素的最大连通数是否超过一定的阈值[5],即在八邻域范围内,相互连通的非零像素数的最大值是否超过阈值.但计算过程并非要计算图像中所有像素的连通数取其最大值,而是依次计算非零像素的连通数,若遇到超过阈值的像素便马上停止继续计算,并作出判断.很明显,这种算法能够节省大量的运算时间.3 原棉异纤在线检测的试验结果及分析首先将图像采集卡及摄像头接入上位IBM PC通用微型计算机,并设置好检测环境,如灯光环境及待检测图像背景等,以使待检对象的边缘清晰;其次要视具体情况设置好图像检测处理软件的各相关参数、视频亮度、对比度和视频格式等软件环境;然后即可进行检测实验.该实验的检测项目包括:采集一帧位图BMP 图像,检测处理一帧BMP位图图像,采集并检测一帧位图BM P图像.具体检验参数包括:采集及检测图像的分辨率、所用时间、图像识别率、图像检测准确率等.各检测参数的大小均取各检测实验项目连续完成200次后计算的平均值.具体实验数据如表1所示.表1 原棉异纤图像检测的验数据Tab.1 Experiment results of detection ofdiff erent fibre in cotton检测内容分辨率/像素时间/s识别率/%准确率/%采集一帧BM P576*4320.24∀∀检测一帧BM P576*432 1.4799.398.6采集并检测一帧BM P576*432 1.7199.398.6 现对表1的实验数据,做如下分析和说明: (1)关于图像检测速度,采集并检测一帧大小576 )432像素的BM P位图须用1.71s,按此速度,每分钟可检测35幅图像.与人眼识别、手工清除异纤相比,效率略低.今后,可以通过进一步简化算法来缩短检测时间,从而提高整个系统的工作效率.(2)关于图像识别率,该检测软件对异纤的识别率均在99%以上,而且通过对检测算法的进一步优化,识别率可望进一步提高.(3)关于检测准确度,对感官指标判别的准确率均在98%以上.准确率略低于识别率的原因在于,系统将少量的无异纤图像识别为有异纤,但对整个系统的工作效率影响不大.同样也可以通过进一步优化算法来提高准确率.4 结 论试验数据表明,采用本系统,原棉的异纤在线检测识别率可以达到99%以上,证实了计算机图像处理识别技术应用于原棉中异纤的在线检测的可行性,具有一定的应用价值.本文所述系统的软件和硬件还存在许多不足之处,在识别率较高的同时系统响应速度却略显不尽如人意,也有待于在今后的研究中不断完善和优化.参考文献:[1] 梁德群.基于图像识别的工业检测技术[J].光子学报,1993,(2):22-23.[2] 吴更石.多模式实时工业图像检测系统[J].计算机工程与应用,1998,(9):34-35.[3] 张书琴.苹果、桃等农副产品品质检测与分级图像处理系统的研究[J].农业工程学报,1999,(1):15-17.[4] 孙兆林.M A T LAB6.X图像处理[M].北京:清华大学出版社,2002.180-182.[5] 陈桂明.M AT LAB数理统计(6.X)[M].北京:科学出版社,2002.216-217.∀73∀第2期 艾世一等:基于M AT LA B的图像识别技术的原棉异纤在线检测。