混纺纱混纺比测定中纤维特征的分析

林 涛, 杨庆斌, 钱 鑫

(青岛大学，山东 青岛 266071)

1 前言

我国是纺织品出口大国，在商检时混纺比是重要指标，近年来随着计算机技术的迅速发展,使我们有可能将模式识别技术应用到混纺比测定中。图像处理法测定混纺比有针对纱线纵向和横向两方面进行的，而且大多是针对棉与其它纤维的混纺。很多学者从纤维的横界面入手分析纤维特征，本文将在Matlab软件下，对棉、莫代尔两种纤维进行纵向识别。根据处理顺序探讨纤维图像预处理中涉及的灰度化、增强、滤波、二值化、旋转等方法，在二值化图像下对纤维几何形态提取特征值进行分析。

2 实验与方法

2.1 实验样品

莫代尔纤维：1.3 dtex×38 mm

棉纤维：1.6 dtex×29 mm

2.2 实验仪器及设备

用哈氏切片器切片，在东华大学发明的纤维图像自动采集与识别系统上摄取纤维的照片。该系统可以实现苎麻/棉纤维的自动识别，实现试样片上大面积图像的连续采集、缝合、纤维搜集、自动聚焦等，但对其它两种纤维混纺纱则没有这些效果。此论文利用系统对纤维的聚焦，人工进行采集、拍照，然后将照片在计算机上用Matlab语言数字化后进行处理。

2.3 纤维切片的制取

纤维图象的制取方法：

(1)将纤维切成25 μm的短纤维。(2)将短纤维放入烧杯,加入蒸馏水并加热沸腾。(3)取一滴含纤维的悬浮液滴在载玻片上。(4)用显微镜观察纤维图象。(5)拍取纤维图像。

2.4 纵向图片的预处理

2.4.1 图像灰度化

拍取的图像为真彩图像，又称RGB图像。它是利用R、G、B 三个分量分别表示一个像素的颜色，通过三种基色合成出任意颜色，在Matlab中存储为一个m×n×3的多维数组。它的数据量大，处理困难，需要先转化为灰度图像。灰度图像的灰度级就是256，每个图像的取值就是256种灰度中的一种，及每个像素的灰度值为0～255中的一个。

2.4.2 图像增强

按特定的需要突出图像中纤维的信息，同时，削弱或去除不需要的信息。其主要目的是处理后的纤维图像对几何特征的提取比原来的图像更加有效。

2.4.3 图像滤波

纤维的数字图像在转换和传输过程中，不可避免的含有噪声。由于噪声的存在，干扰了正常的图像，从而使图像在输出时不能得到正确的信息。因此，通过中值滤波去除图像中的噪声，使织物的图像信息能够准确的再现得到一个清晰的图像。

2.4.4 图像二值化

纤维模式识别针对黑白图像，就是图像像素只存在0、1两个值。在数字图像中，二值图像占有非常重要的地位，具有存储空间小、处理速度快等特点，更重要的是二值图像可以比较容易的获取目标区域的几何特征或其它特征。

2.4.5 图像填充与腐蚀

纤维图像二值化后，纤维边界及内部可能出现断开，经过膨胀处理可将断开的部分连成一条连续的曲线,然后用腐蚀处理去掉一些毛刺，使边界曲线变得平滑。

2.4.6 图像旋转

纤维在图像中的位置状态各异，为了在特征提取时统一各个指标，先将纤维都旋转成水平状态。

2.5 纤维特征提取

2.5.1 纤维直径CV值

图象预处理后，纤维在图片中都已转成水平状态。求各根纤维的轴线方向直径序列的方法：从纤维轴线的一端开始,求出纤维此纵坐标上下像素数之差，即为此纵坐标处对应的纤维直径值，进而根据直径序列,可计算出纤维直径CV值。棉存在天然转曲，直径CV值大，而莫代尔在图片上的投影为规则的矩形，直径CV值较小。

2.5.2 矩形度

表示的是纤维的形状和其外切矩形的相近程度，即R=A0/A，定义为纤维的面积A0与该纤维外切最小矩形面积A之比。纤维的面积可由Matlab的bwarea()函数求出。外接矩形的面积求法：分别作纤维上下左右的切线，四条直线相交形成密闭的矩形，即为外接矩形。矩形的长宽为切线的坐标之差。

2.5.3 平均灰度值

纤维不同，其吸收光和反射光的强度便不同，将纤维图像转化为灰度图像后，不同纤维的灰度值存在差异。平均灰度值便是在灰度图中整根纤维灰度值的平均数。平均灰度值的求法：根据纤维的二值化图像，求出纤维的坐标值，然后将纤维的灰度图非纤维的部分取0。

3 实验结果分析与讨论

按照上述原理，自编程序，对543根棉纤维、508根莫代尔纤维的纵向进行特征提取，并从中各取出10根，其3个特征参数数据见表1。实际分类中，0代表棉纤维，1代表莫代尔纤维。

表1 特征值参数

用Origin对两种纤维3个特征进行比较，两种纤维分离得越清楚，识别的敏感度越大。并根据人工目测分析，确定哪种特征的识别率强。

图1 直径CV值识别图

图1表示在样本范围内，两种纤维分离得很清楚，但存在个别异常值，几根棉纤维进入莫代尔区域内，同样几根莫代尔纤维也进入棉纤维内。在进行识别前，应先确定两种纤维特征值范围，剔除异常值纤维，这样可以减少互溶的情况。

图2 平均灰度值识别图

图2表示平均灰度值分离的效果较弱。因为影响纤维的灰度因素很多，除本身的反光特性外，采样时的光照、时间都起了很大作用。此特征可以作为直径CV值识别的辅助，采样时也应尽量在同一时刻、同一光照、同一地点的情况下进行。

图3 矩形度识别图

图3所示矩形度特征虽有分离，但基本上两者相融合。因为在纤维切片的制取中，纤维受到刀片、玻璃棒的物理作用，形态发生弯曲，即使棉纤维存在天然转曲，此时也不能很好的体现。

棉纤维带有天然的转曲，直径CV值，平均灰度值又不受纤维弯曲的影响，因此两者可以结合来进行纤维识别。

图4 纤维特征识别

从图4中可以看到，除个别异常的纤维外，两种纤维分开的很清楚，可以达到分离的效果。

4 结论

本论文表明对棉和莫代尔两种纤维来说三种特征值的识别率不同：直径CV值分离比较大，平均灰度值次之，而矩形度识别敏感度最差。从数据识别效果分析，一种指标的识别率不可能达到100%，需要多个特征指标的结合。直径CV值、平均灰度值两者相结合除个别异常的纤维外，两种纤维分开得很清楚，可以达到分离的效果。

同时，混纺纱的自动识别存在一个重大的难题，就是切片的制取。前期切片制取的好坏、清晰的程度，很大程度上决定了后期图片的预处理，纤维特征的提取及纤维模式识别的成功与否。应改进切片的制取方法，使非纺织专业人员也可以轻松操作。

[1]徐回祥, 洪安凡, 王建民，等. 关于混纺织物中棉、苎麻纤维识别的图象处理研究 [J]. 苏州丝绸工学院学报，2000，20(4): 14-20.

[2]于伟东, 谢莉青. 混纺麻纱特征的实用图像表征技术——Ⅰ. 截面图像生成与特征指标[J].中国麻业，2004，26(3):127-132.

[3]张传雄, 吴雄英. 图像处理技术在纤维素纤维纵向特征参数研究中的应用[J]. 东华大学学报:自然科学版，2006，32，(1): 46-49.

[4]贾立锋，孟会娟，孟凡辉. 棉麻纤维自动识别技术研究[J]. 现代仪器，2006 (3): 60-62.

[5]谢莉青，于伟东. 麻/涤纱混纺比图像测试方法的应用研究[J]. 上海纺织科技,2002，30(6): 62-64.