基于MATLAB的茧幅度检验方法的研究

陈浩++刘霞++杨峥++杨磊++李振华

摘要：针对目前采用游标卡尺进行茧幅度检验时因茧形原因导致影响检验结果的问题，本文采用MATLAB软件对桑蚕干茧彩色图像进行图像处理的方法对茧幅度检验方法进行了研究，得到了一种新的茧幅度检验方法。研究结果表明：将采集到的图像经过适当的图像增强和图像处理后，在经过准确相机标定的情况下，本研究方法与人工采用游标卡尺检测的结果基本一致，且结果的稳定性总体上优于人工检验，其中本研究方法得到的茧幅极差和茧幅标准差指标的稳定性占优，平均茧幅指标的稳定性稍差。

关键词：茧幅度；桑蚕干茧；平均茧幅；茧幅极差；茧幅标准差；MATLAB

在进行制丝工艺设计时，茧幅极差和茧幅标准差指标是原料茧选用需考虑的重要因素，这是因为同一批茧子茧形大小不一，则茧丝纤度就粗细不一，从而影响生丝纤度的均匀程度，制丝工艺要求原料茧的形状和大小均匀一致[1]，上述指标较小的原料茧有利于减少给茧机的多捞或空捞，能够从提高给茧机正确添绪率方面促进生丝质量的提高，所以茧幅度检验对于提高制丝工艺设计的合理性和提高产品质量具有重要意义。而目前茧幅度检验是人工采用游标卡尺逐一对样品进行测量的方式，由于我国饲育的蚕品种茧形多呈椭圆而带浅束腰形[1]，不同的测量位置对结果的影响较大。

近年来，学者们在将图像处理技术应用于茧丝行业方面做了一些研究：华中平等提出了一种基于图像处理计算蚕茧表面积的方式[2]；甘勇提出了一种基于光电技术和数字图像处理技术计算干茧茧壳厚度的方法[3]；黄静等[4]根据改进的K均值聚类算法实现了对蚕茧图像的分割和蚕茧计数；陈浩等[5]提出了利用MATLAB软件对桑蚕茧表面污斑面积自动检测的方法。本研究将对MATLAB商业数学软件应用于桑蚕干茧茧幅度检验进行探讨。

1 试验

1.1 材料与仪器

材料：按GB/T 9111—2015《桑蚕干茧试验方法》国家标准选茧试验后的100粒上车茧。

仪器：电脑（联想启天M6500-D756，Intel?Core?i7-4770 CPU@3.40GHz处理器，8G内存，Windows7操作系统），S300l高拍仪（深圳市良田科技有限公司），Ms3150游标卡尺（精度0.01 mm，台州机械工人科技有限公司）， 标定物 （C型1级钢直尺，长度150.0 mm，宽度18.70 mm，浙江省永康市世雅光明量具厂），图像处理软件（MATLAB R2014a）。

1.2 方法

1.2.1 图像采集

由于我国饲育的杂交种均为白色茧，为更好地表现蚕茧的轮廓，确定试验台背景为黑色。在采用高拍仪采集图像时的图像尺寸为A5幅面，得到的彩色图像尺寸为880dpi×660dpi，图像格式为JPG图像，每张图像内均有10粒上车茧，共采集10幅图像。

1.2.2 图像处理

图像处理主要包括图像读取和灰度转换、图像增强、二值化、删除小面积对象、形态学处理、空间滤波、最小外接矩形等。

1.2.2.1 图像读取和灰度转换

在MATLAB中，函数imread用来读取图像文件，函数调用格式为：I=imread（filename， fmt），这样读取得到的是RGB图像。为便于后续处理，使用rgb2gray函数将RGB图像转换为灰度图像，函数调用格式为I1=rgb2gray（I）。原始图像和灰度图像见图1和图2。

图1 原始图像

图2 灰度图像

1.2.2.2 图像增强

图像增强是将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量、加强图像判读和识别效果的图像处理方法。由于桑蚕干茧外面包裹的茧衣在经过剥茧后也无法全部去除，如在图像处理时不能很好地消除，将大大影响检验的准确度。因为灰度图像在黑色和白色之间还有许多级的颜色深度，茧衣在试验台背景的衬托下，与蚕茧的颜色深度会有某些差异，所以本研究采用imadjust函数对图像进行线性变换对比度增强的图像增强方式，函数调用格式为I2=imadjust（I1，[low_in；high_in]，[low_out；high_out]）。增强处理后的图像见图3。

图3 图像增强后效果图

1.2.2.3 二值化

二值化是将图像上的每一个像素转换成只有两种可能的取值或灰度等级状态，一幅二值图像是一个取值只有0和1的逻辑数组[6]，这种操作图像的方式可以更容易识别出图像的结构特征。所以本研究采用im2bw函数对增强后的图像进行二值化，函数调用格式为bw1 = im2bw（I2，level）。二值化后的图像见图4。

图4 图像二值化处理后的效果图

1.2.2.4 删除小面积对象

在经过图像增强和二值化后， 图像中部分未消除的茧衣成为小面积对象散布在图像中，这些小面积对象的存在将对检测结果产生不利影响，须将这些小面积对象去除。所以本研究采用bwareaopen函数来去除二值化后图像中的小面积对象，函数调用格式为bw2=bwareaopen（bw1，P，conn）。删除小面积对象后图像见图5。

图5 删除小面积对象后图像

1.2.2.5 形态学处理

在删除小面积对象后，样本的图像边缘会存在一些细小的突起，而形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分；形态学闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞，将开运算和闭运算组合起来使用能够非常有效地去除噪声和平滑对象轮廓[6]。所以本研究采用imopen和imclose函数组合的形态学处理方式来消除图像边缘的细小突起和填充样本内部比结构元素小的洞，并对样品的边缘轮廓进行了平滑，函数调用格式分别为bw3=imopen（bw2，SE）和bw4=imclose（bw3，SE）。形态学处理后图像见图6。

图6 形态学处理后图像

1.2.2.6 空间滤波

为使所处理图像更接近于样本真实状况，需对图像中样品边缘轮廓进一步平滑。由于高斯滤波是对整幅图像进行加权平均的过程，相对于均值滤波，高斯滤波的平滑效果更柔和，而且边缘保留得也更好，所以本研究采用高斯滤波对图像再次进行了平滑，函数调用格式为gausFilter=fspecial（‘gaussian，hsize，sigma）和bw5=imfilter（bw4，gausFilter，replicate），表示将先用fspecial函数用于建立预定义的高斯滤波算子，再用imfilter函数进行空间滤波。空间滤波后的图像见图7。

图7 空间滤波后的图像

1.2.2.7 最小外接矩形

采用上述处理方法对所采集的图像进行图像增强和图像处理后，图像中的噪声和茧衣等对茧幅度检测的不利影响已被消除，为测出图像中样本的茧幅度，本研究采用minboundrect函数画出图像中每个样本的最小外接矩形。在画出各个样本的最小外接矩形后，根据矩形四个顶点的坐标值和勾股定理，可得出矩形各边的长度，其中短边的长度就是要研究的茧幅度。画最小外接矩形图像见图8。

图8 最小外接矩形图像

1.2.2.8 相机标定

经过最小外接矩形处理后得到的茧幅度其实是样本在所采集图像中的像素数，只有在得到所拍摄图像的像素物理尺寸后，才能得出茧幅度的实际物理长度，为此需进行相机标定。在相机标定时采用了传统相机标定法，通过拍摄尺寸已知的标定物，再计算图像中标定物的宽度对应的像素数，从而得到所拍摄图像像素的物理尺寸。经图像处理和计算后，得出标定物18.70 mm宽度在图像中的像素数为79.1579 个，从而推导出本研究用高拍仪所拍摄图像的每个像素平均物理尺寸为0.2362 mm。

1.2.3 数据导出

Excel作为一款优秀的通用表格软件，可以进行各种数据的处理、统计分析和辅助决策操作，被广泛地应用于管理、统计财经、金融等众多领域，本研究采用xlswrite函数将每个样本最小外接矩形四个顶点坐标值导出到Excel中，函数调用格式为xlswrite（filename，A，sheet，xlRange），并利用Excel中的POWER、SQRT、MAX、MIN、AVERAGE和STDEV等函数进行平均茧幅、茧幅极差和茧幅标准差的计算，检验数据自动存入Excel以便查询和打印等。数据导出图像见图9。

2 结果与讨论

采用高拍仪对100粒上车茧拍摄10张图像后，利用本研究方法进行茧幅度检验，得到了GB/T 9111—2015国家标准规定的平均茧幅、茧幅极差和茧幅标准差指标，其值分别为19.79 mm、6 mm和1.17。为验证本研究方法的准确性和稳定性，分别用游标卡尺和本研究方法各进行了9次检测，将两种方式得到的平均茧幅、茧幅极差和茧幅标准差3个指标分别进行平均值、极差和标准差的计算。从验证结果可知：两种检测方法结果基本一致，数据的离散程度各有大小。其中：本研究方法上述3个指标的平均值分别大0.21 mm、0.1 mm和0.03，茧幅极差的标准差、茧幅标准差的极差和标准差分别小0.03、0.05和0.04，平均茧幅的极差和标准差分别大0.04 mm和0.01 mm。验证结果见表1。

3 结论

（1）利用MATLAB软件强大的数据和图像处理能力，将其运用到桑蚕干茧茧幅度检验，检验结果与手工检测基本一致，且结果的稳定性总体上优于人工检验，其中本研究方法得到的茧幅极差和茧幅标准差指标的稳定性占优，平均茧幅指标的稳定性稍劣。

（2）按照GB/T 9111—2015国家标准规定，茧幅度检验是按1mm进行分档，对精度的要求不是很高，所以本研究未考虑摄像头的畸变对结果的影响。

参考文献：

[1]陈文兴， 傅雅琴. 蚕丝加工工程[M]. 北京： 中国纺织出版社， 2013.

[2]华中平， 甘勇. 基于图像处理的蚕茧表面积计算方法[J]. 丝绸， 2004（3）：16-18.

[3]甘勇. 基于图像处理技术的干茧茧壳厚度计算方法[J]. 丝绸， 2006（11）.46-48.

[4]黄静，张琦，江文斌.基于改进K-Means算法的蚕茧自动计数方法的研究[J].丝绸，2014（1）：37-40.

[5]陈浩，杨峥，刘霞，等.基于MATLAB的桑蚕茧选茧辅助检验方法的研究[J].丝绸，2016，53（3）： 32-46.

[6]冈萨雷斯 R C， 伍兹 R E， 艾丁斯 S L.数字图像处理（MATLAB版）[M].北京： 北京电子工业出版社， 2005.

[作者单位：山东省纤维检验局、国家茧丝绸产品质量监督检验中心（山东）]