一种皮革有效面积的在线测量方法

宁 铎， 吴林林， 索龙博

(1.陕西科技大学 电气与信息工程学院， 陕西 西安 710021； 2.重庆理工大学 机械检测技术与装备教育部工程研究中心， 重庆 400054)

0 引言

我国是一个皮革制品生产大国却并非强国，外贸依存度高、生产成本高等都是目前我国皮革业存在的主要问题.因而我国皮革业需要创新发展，加强技术研发以提高其在国际市场的竞争力.准确测量皮革的有效面积能减少皮革制定排样、裁剪方案的原材料浪费，然而由于皮革形状的不规则性，以及其表面本身存在的一些外观缺陷(如虫咬、疤痕，孔洞等)，给皮革有效面积的测量及其后期的分割裁剪等采用自动化生产方式带来很多难题.

目前测量皮革面积有光电扫描和图像测量两种方法，其中使用较为广泛的是光电扫描法，如市面上应用较多的“量革机”[1]，基本工作原理是利用光电扫描的方法，将通过光源和光敏元件之间的皮革面积转变为光电信号，送到控制装置进行数据处理和显示，实现皮革面积的测量.其主要是利用网格法，通过计算皮革所占的光敏元件的格数来计算皮革面积，由此可见网格划分的越小测量结果越精确，然而实际中光敏元件网格划分越小，难度就越大，成本就越高.而且在实际生产中，皮革表面或多或少都会存在瑕疵，该方法不能检测出皮革表面的瑕疵区域，因而该方法测量出的面积无法表示其是在实际生产中的有效面积.本文则采用图像测量技术，依据皮革表面的纹理特征，进行瑕疵检测、定位，及有效面积的计算，该方法不但可以实时测量生产线中皮革的有效面积，提高皮革产品的生产效率和质量，降低生产成本，而且为皮革排样和裁剪等生产工序中有效利用皮革原料奠定了良好的基础.

1 瑕疵检测原理

由于皮革原料取自动物身上，其表面不可避免的存在疤痕、斑点、孔洞和凹陷等多种瑕疵[2]，如果将这些瑕疵部分用于皮革制品生产中，不仅会降低皮革产品的质量，而且会影响其经济效益.因而为有效利用原料，提高产品质量，在皮革有效面积测量之前需进行瑕疵检测，从而确定出皮革原料的有效面积区域，即剔除检测出的瑕疵区域获取的可用面积区域[3].

纹理作为一种重要的视觉信息，反映了图像像素的自身特征及像素之间的空间关系，能兼顾到图像的宏观结构和微观结构两个方面，是图像的重要信息和特征.而且纹理特征能够表现出物面的固有特性，受环境影响较小，具有旋转不变性，在检索大小、形状，所属类别不定的图像缺陷时，利用纹理特征进行缺陷检测是一种有效方法[4,5].皮革表面具有很强的纹理特征，这种纹理特征通常情况下是具有一定规律的，而当皮革表面某处存在瑕疵时，该瑕疵部分将会表现出不同的纹理特征[6]，因而利用这种不同属性的纹理特征，可以将皮革的瑕疵区域分割出来.

在皮革瑕疵检测时，由于瑕疵尺寸一般都较小，同时无法预知皮革表面瑕疵的先验知识，可以采用共生矩阵提取皮革图像的纹理特征.取3×3的领域特征提取窗来计算共生矩阵，并取像素间的距离d=1,4个角度θ=0 °、45 °、90 °、135 °，每个位置的邻域窗可得到4个共生矩阵[4]，根据皮革纹理的特点，从Hralick提出的14个共生矩阵测度中取纹理能量、对比度、相关性,以及熵[7,8]4个互不相关、便于计算且能表达纹理特征的灰度共生测度来表达纹理特性.基于灰度共生矩阵纹理特征的四个特征统计量表示见公式(1)～公式(4)[9].

1.1 能量

能量(Angular Second Moment,简记为ASM)，灰度共生矩阵元素的平方和，反映了图像灰度分布均匀程度和纹理粗细度.如果共生矩阵的所有值均相等，则ASM值小；相反，如果其中一些值大而其它值小，则ASM值大.ASM值大表明一种较均匀和规则变化的纹理模式.

(1)

1.2 对比度

对比度(Contrast,简记为CON)，反映了图像的清晰度和纹理沟纹浅深的程度.纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊.

(2)

1.3 相关性

相关性(Correlation,简记为COR)，用来度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性.当矩阵元素值均匀相等时，相关值就大；相反，如果矩阵像元值相差很大则相关值小.

(3)

1.4 熵

熵(Entropy)是图像所具有的信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当共生矩阵中所有元素有最大的随机性,空间共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵较大.它表示了图像中纹理的非均匀程度或复杂程度.

(4)

(1)～(4)式中，

P(i,j)=

利用上述灰度共生矩阵计算出4个最主要的特征值(能量、对比性、相关性和熵)，然后取这4个方向的均值表示该特征值，将每个小块的纹理特征值作为未知样本，其特征都是由能量、对比度、相关性和熵这四个分量共同决定，利用类间最大距离和类内最小距离的方法区分出瑕疵区域和优质区域.当分类对象给定时，其总距离是一个与分割阈值无关的常量值，要求的类内最小距离可以转换为求其最大类间距离.当皮革表面存在瑕疵时，其与优质区域会因表现出不同特征而各自聚为一类，类间最大距离是准确区分瑕疵区域与优质区域的标志，所以将最大类间距离作为分类结束的判断标准，具体步骤[10,11]如下所示：

(1)将每小块的纹理特征作为一类，每类包含一个对象，类与类之间的距离就是它们所包含的对象之间的距离；

(2)找到最接近的两个类并合并成一类，总的类数就减少了一个；

(3)重新计算新的类与所有旧类之间的距离；

(4)当本次计算出的类间最大距离大于等于上次的类间最大距离时，重复(2)和(3)步，否则重新进行类合并，直至得到最大类间距离.

2 面积计算原理

由于皮革形状大小、纹理色彩、表面瑕疵的形状大小位置都呈现随机性，给皮革有效面积的测量带来很多难题，目前测量皮革面积有光电扫描和图像测量两种方法，其中采用光电扫描方式的“量革机”的应用较为广泛，但这种方式的测量结果的精确度受光敏元件网格划分的大小的影响.据了解，目前“量革机”的测量精度在2%左右.而采用图像测量技术这种非接触式的面积测量方法，在实际工业生产中具有操作安全、客观、速度快和精度高等优点，且该方法的测量精度可以达到像素级.

2.1 测量原理

利用图像处理技术进行皮革面积测量时，首先通过已知面积物体的测量得到图像中每一个像素所代表的实际面积，称为像素当量.将像素当量与皮革的像素总数相乘，即可得到被测皮革的实际面积[12].像素当量是通过已知物体的面积除以其在图像中的总像素数得到.摄像头的分辨率、摄像头与被测物间的距离都是影响像素当量值的因素，因而在实验中得到像素当量值后，摄像头、载物台等该套测量设备及其之间的相对位置就不能再改变，以免影响测量结果的准确性.

在实际测量中一般以白色为背景色，纹理的灰度及皮革内部的灰度都远比背景灰度要深，所以采用阈值法将原始灰度图像消除噪声后转化为二值图像，在消除皮革纹理对后续图像处理影响的同时，有效区别出皮革区域与背景区域.在皮革灰度图像进行二值化时，阈值的确定至关重要，本文采用最大类间方差方法来确定阈值.因而，其最优阈值是通过求类间方差的最大值的方法确定[13]，最优阈值k*为：

(5)

2.2 面积计算

为计算目标区域的像素数，人们已经研究出多种计算图像像素数的方法，传统方法是通过逐行扫描目标区域的像素点得出总像素数，但这种方法需遍历图像中的每个像素点，对于目标区域较小的图像计算量相对较大，因而计算效率也会受到限制.基于链编码计算图像像素数的方法有图像边界的Freeman链码、利用顶点链码求图像像素数和基于边界跟踪的区域像素计算等方法[14]，前两种方法对顶点链编码的遍历次数较多，计算成本较大，后一种方式对于边界的标记比较繁琐，实际操作中不易实现.本文则采用文献[12]中基于边界跟踪的方式来提取图像区域轮廓，根据边界点的八方向码(如图1所示)来确定下一个边界跟踪的矢量方向和矢量值，并给边界点由小到大排序，则当前边界点与相邻下一个边界点之间的像素个数为Xi+1-Xi-1，其中Xi为当前边界点的列值.

图1 八方向码

通过上述方法得到被测物每行的像素数后，实际面积为被测目标的总像素数乘以像素当量，计算公式为：

面积=

(边界像素总数/2+边界内像素总数)×像素当量

(6)

3 有效面积计算

在实际生产中，皮革有效面积的大小在很大程度上决定了其用途，例如当有效面积较大时，可以用来做沙发、皮衣的某部分，有效面积较小时可以用来做鞋子、钱包等.基于图像处理技术的皮革有效面积计算流程图如图2所示.

图2 皮革有效面积计算流程图

在皮革制品生产过程中，大多皮革表面存在瑕疵，所以在皮革有效面积测量之前，需对整块皮革进行瑕疵检测，当皮革表面无瑕疵时，皮革的有效面积为检测到的皮革总像素数乘以本次实验测得的像素当量(如公式(6)所示)；而当皮革表面存在瑕疵时，其实际有效面积就为皮革总像素数减去瑕疵部分的像素数的差乘以像素当量(如公式(7)所示).

皮革有效面积=

(皮革总像素数-瑕疵像素数)×像素当量

(7)

4 仿真实验

本实验采用像素为800万的摄像头，检测多个已知面积的标准板进行测量，得出本实验中的像素当量为1.173 6 mm2/像素.为验证该方法的可行性，本实验将对多个规则形状物体和不规则形状的皮革进行测量，表1为部分有效面积测量的仿真实验结果.实际面积测量过程中，规则物体采用直接测量的方式，不规则形状皮革面积的测量则采用网格法进行测量，将不形状规则的皮革置于以1 cm×1 cm为一个单元格的30 cm×30 cm的透明网格标准板下方，画出不规则皮革以及瑕疵区域的边缘图形，运用网格法对边缘面积计算时，当其大于等于单元格的二分之一时在边界内部面积上加一，小于时则将其舍去，舍去部分相当于对不足一个单元格面积部分的补偿.

测量面积则是采用本文所述方法的测量结果，先采集皮革表面图像进行预处理，再对其进行瑕疵检测，对于无瑕疵皮革将其与背景区域分割后，通过阈值法对图像进行二值化，计算皮革区域在图像中的像素数，运用公式(6)得到皮革的实际有效面积；对于有瑕疵的皮革则运用瑕疵检测原理中的方法提取瑕疵区域和优质区域的纹理特征，以最大类间距离作为将其有效区分的条件，通过逐步聚类的方法将瑕疵区域分离出来，再计算瑕疵区域的像素数和皮革总像素数，瑕疵区域的像素数乘以像素当量(1.173 6)得到瑕疵区域的实际面积，运用公式(7)计算得到皮革的实际有效面积.

表1 物体的有效面积测量仿真实验结果

由表1仿真实验结果可知，基于图像处理技术对规则物体和不规则皮革进行测量，其测量结果的相对误差均在2%以内，可以应用于实际生产中的皮革有效面积的测量.

5 结束语

由于皮革形状的不规则性，及其表面瑕疵大小形状的随意性，给皮革有效面积的测量带来很多难题.本文提出了一种基于图像处理技术的皮革有效面积的在线测量方法，该方法不仅可以实时准确地检测出皮革的有效面积，而且将其应用于实际生产中可以提高生产效率，降低生产成本.仿真实验结果表明该方法可以有效应用于皮革有效面积的测量.

[1]汪建根.皮革和毛皮的现代生产设备[M].西安:陕西科学技术出版社,2001:333-337.

[2]辛登科，张玉杰，胡 晶.图像检测技术在皮革缺陷检测排样系统的应用[J].皮革科学与工程,2006,16(4)：24-26.

[3]贺福强.大面积皮革表面的视觉检测技术与应用研究[D].杭州：浙江大学,2012.

[4]于彩香.基于纹理分析的皮革可视缺陷检测方法的研究[D].山东：山东轻工业学院，2009.

[5]王海涛，施亦东.图像纹理分析技术与皮革中的应用[J].皮革科学与工程，2008,18(2):20-23.

[6]Trygve R,John H H.Filtering for texture classification:a comparative study[J].IEEE Trans Image Processing,2001,10(6):403-418.

[7]倾 明.基于颜色和纹理特征图像检索技术的研究[J].科学技术与工程,2009,9(5):1 301-1 304.

[8]李 健，韩 玮，郑 东.一种皮革表面缺陷检测分类方法的研究[J].计算机测量与控制,2010,18(12):2 733-2 747.

[9]冯建辉，杨玉静.基于灰度共生矩阵提取纹理特征图像的研究[J].北京测绘,2007(3)：19-22.

[10]Nobuyuki.A threshold selection method from gray-level histograms[J].IEEE Trans Systems,Mans,and Cybernetics,1979,9(1):62-66.

[11]段明秀.层次聚类算法的研究及应用[D].长沙：中南大学,2009.

[12]洪 英，党宏社.一种基于图像处理技术的皮革面积测量方法[J].中国皮革,2009,38(5):43-45.

[13]孙光灵，周庆松，方传刚.基于最小类内方差的快速阈值分割算法[J].安徽理工大学学报(自然科学版),2005,25(1):39-41.

[14]李 波，刘东华.一种计算任意形状封闭区域面积的新方法[J].国防科技大学学报,2002,24(4):61-64.