[发明专利]一种棉花异性纤维图像处理系统及方法

说明书

技术领域

本发明涉及图像处理系统，尤其涉及一种棉花异性纤维图像处理系统及方法。

背景技术

棉花中的异性纤维是指在棉花采摘、摊晒、收购、储存、运输、加工过程中混入棉花中的对棉花及其制品的质量有严重影响的非棉纤维和色纤维，俗称“三丝”，主要包括编织袋丝、毛发、麻绳、塑料绳、布条、化学纤维、地膜、染色线等。

异性纤维在皮棉中的含量虽少，但对纺织品的质量影响严重，一旦混入并参与纺织将影响纱线强力，且在染色时影响着色，会对棉纺织工业造成重大经济损失。很多棉花行业的专家认为，通过挑拣的方式(无论是人工还是机械)来降低异性纤维的含量，总是被动和消极的；更为主动和积极的办法应该是从管理入手，从源头抓起，切断异性纤维混入的途径，让棉农、棉花收购和加工企业都自觉地防范异性纤维混入。为此，北京中棉机械成套设备有限公司与中国农业大学等单位联合开发了一套棉花异性纤维检测计量仪，可以方便、快捷、准确地测定棉花中的异性纤维含量，给销售的棉花分等定级，并按等级定价，这样就可以促使棉花销售者自觉地降低棉花中异性纤维的含量。基于机器视觉的异性纤维识别与计量是其中的关键技术。机器视觉是利用光学器件进行非接触感知，自动获取和解释一个真实场景的图像，以获取信息和控制机器，或者控制加工过程。机器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认知现实世界，这就需要一种图像处理装置对机器视觉系统采集到的图像进行处理。

在基于机器视觉的棉花异性纤维检测与计量系统中，不同地区的 棉花颜色略有差异，开松机产生的棉层厚度也会有一定的波动，光源的配置也可能不同等，这些外在因素会对采集到的棉花异性纤维图像(这里棉花异性纤维图像指的是带有异性纤维的棉花图像，下文同上)的灰度产生影响，从而影响图像处理装置的处理效果。

其中图像分割是图像处理与机器视觉中最为基础和重要的环节之一，是图像分析和模式识别的前提。图像分割的目的是通过将图像划分成有意义的连通区域来提取目标物的特征。阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术；其中Otsu法由于分割效果好、适用面广而得到广泛应用。Otsu法又称为大津法或最大类间方差法，具有统计意义上的最佳分割阈值。传统的Otsu分割方法需要从最低到最高依次遍历全部灰度级来计算两区域的类间方差，这对于分割阈值变化范围较小且通过经验可以预测的某些应用来说，显然是一种浪费。棉花异性纤维的图像分割就属于这种情况。

棉花异性纤维进行图像分割之后，线状异性纤维可能由于棉层的遮挡等原因产生灰度不均匀性，从而使分割结果产生断裂；如果想得到高质量的图像，就需要对所述裂缝进行连接；在对线状目标进行连接时，一般采用数学形态学的闭运算进行熔合缺口、连接缝隙，但是传统的闭运算在处理较大目标时，效果很好，但在处理较细的线状目标时不够理想。原因是较细的线状目标被膨胀后虽然可以连接断开的缝隙，但经过腐蚀后轮廓变得不明显，不利于后续处理。

同时由碎棉籽壳、棉花叶等伪异性纤维产生的目标图像必须移除，以提高分割结果的准确性。伪异性纤维产生的目标图像一般都比较小，所以必须对其进行移除，以得到符合要求的异性纤维目标图像。

由于上述图像处理过程的缺陷，导致异性纤维在线检测与计量很难达到快速、准确的分割，并且在棉花异性纤维的在线检测与计量的处理过程中，容易产生线状目标断裂、伪异性纤维小目标移除问题。

发明内容

为了解决以上问题，本发明的目的是提供一种棉花异性纤维图像处理系统，通过该图像处理系统，能够提高图像处理的速度，保证图像处理的精度。同时，通过调整各个模块的参数，可以适用于不同的场景，可以防止由于外界因素变化而引起的处理系统失效问题。

本发明的另一目的是提供一种棉花异性纤维图像处理方法。

为此，本发明的技术方案为：

一种棉花异性纤维图像处理方法，包括以下步骤：

S1：读入棉花异性纤维彩色图像，并将所述棉花异性纤维彩色图像转换为棉花异性纤维灰度图像；

S2：对棉花异性纤维灰度图像进行直方图分析，根据直方图的分析结果，对所述棉花异性纤维灰度图像进行图像增强，以提高棉花异性纤维灰度图像的对比度；

S3：对增强后的棉花异性纤维灰度图像进行二值化分割，获得从所述棉花异性纤维灰度图像的背景中分割出来的异性纤维目标图像，所述二值化分割具体为：通过改进的Otsu方法确定分割阈值的搜索范围，并根据确定的搜索范围计算分割阈值；