基于数字图像处理的非织造布均匀性检测

方赵琦 张弘楠 王荣武 覃小红

东华大学纺织学院，上海 201620

基于数字图像处理的非织造布均匀性检测

方赵琦 张弘楠 王荣武 覃小红

东华大学纺织学院，上海 201620

为测量薄型非织造布的均匀性，采用数字图像处理技术，通过目标区域提取、中值滤波及Otsu二值化等操作，对图像进行预处理，再对图像进行分块后分别计算各块的纤维覆盖率，最后计算出变异系数，并与取样称重法的结果进行比较。结果发现：图像分析法的结果与取样称重法的结果具有高度的趋势一致性；通过阈值校准之后，图像分析法结果与取样称重法结果非常接近，这验证了图像分析法的有效性；此外，相较于取样称重法，图像分析法效率提高了50倍，高效、准确。

非织造布，均匀性，图像处理，Otsu阈值，阈值校准

非织造技术凭借低廉的生产成本、高效的生产效率及优良的产品性能，无论在工业生产还是在个人生活中，都占据着越来越重要的地位。随着制作加工技术的成熟，非织造布产品质量也逐渐受到人们的重视，故而进一步推动了其质量检测的发展。非织造布无论是用作过滤材料还是增强材料，其均匀性都将直接影响其过滤效率及力学性能。

非织造布的均匀性反映的是纤维在非织造布中纵横向及整体的分布情况，常用不匀率表示[1]，其检测方法有取样称重法、厚度测定法[2]、电容测试法[3]、激光扫描法[4]等，其中以取样称重法和厚度测定法较常见，但这些方法都只是通过测定非织造布的面密度、厚度或其他指标来达到间接表征均匀性的目的，无法准确、直观地从纤维分布情况上获得非织造布的均匀性。

数字图像处理技术自20世纪20年代问世以来便获得了飞速的发展，其实用性强、应用面广，在各个工业领域有着广泛的应用。将图像处理技术应用于非织造布的均匀性检测，可弥补传统取样称重法等的不足，直观、准确地描述纤维的缠结状态，从而测定出非织造布的均匀性[5]。

1 图像采集

本文针对非织造布图像的采集是通过平板扫描仪完成的。考虑到材料厚度过大会对试验结果的准确性产生影响，本检测方法仅适用于厚度小于5 mm的非织造布试样。扫描时，将非织造布裁剪成20 cm× 20 cm规格的样品置入扫描仪内。

采用扫描仪成像的原因：

(1) 显微镜需用的试样尺寸过小，故无法结合传统取样称重的结果验证图像分析法的可行性；

(2) 相较于一般的拍摄手段，扫描仪能克服光线等其他环境因素的影响，还原出最真实、最利于分析的图像。

2 图像预处理

图像的预处理又称为图像增强，是指对一幅图像进行某种操作，使其在特定的应用情况下比原始图像更适合进行后续的处理[6]。由于从扫描仪获得的原始拼接图像信息量大，且存在一定的景深影响，加之有部分噪声的干扰，故在进行图像分析之前对其进行预处理十分必要。

本节将以黄麻水刺布为例，大致的图像预处理流程见图1。

图1 图像预处理流程

2.1 提取目标区域

扫描仪采集样品图像时，背景铺上黑布以提高对比度，这有利于后续的处理。但实际获得的图像周围仍会存在部分背景[图2(a)]，这会影响预处理的效果。此外，对样品进行分割、检测均匀性时，也需要完整的不含黑色背景的样品图像。因此，准确、高效地提取目标区域是预处理的第一步，也是随后进行均匀性检测的保障。

先以较小的阈值对图2(a)进行二值化，目的是使目标与背景尽可能地分离，效果如图2(b)所示。二值化后，目标区域与背景区域都出现了一定量的噪声点，可利用形态学的腐蚀与膨胀很好地去除这些杂点，令目标与背景完全分离。腐蚀的效果如图2(c)所示，且经过多次的开运算处理后，图像结果见图2(d)，其目标区域无黑点、背景区域亦无白点，此时能够进行轮廓的提取。图2(e)为提取出的目标区域的轮廓，接着将该轮廓在原图中的位置显示出来，即得图2(f)。

图2 提取目标区域流程

将图2(f)中白色框内部分按照正方形裁下，即获得能够进行处理和测试的目标图[图3(a)]。但因图3(a)分辨率过大，故选择其中局部区域(即黑色框部分)用于图像预处理效果的展示[图3(b)]。

(a) 完整区域(b) 局部区域

2.2 中值滤波

图像的滤波处理分为高通滤波和低通滤波两种。其中，低通滤波又称平滑处理，是指在尽量保留图像细节特征的条件下，对目标图像的噪声进行抑制[7]，这是图像预处理过程中不可或缺的一项操作，其处理效果将直接影响到后续图像处理与分析的有效性、可靠性。

由扫描仪获得的图像，其能量大部分集中在幅度谱的低频段和中频段，高频段的有用信息已被噪声淹没。因此，需要一个能降低高频成分幅度的滤波器来减弱噪声的影响。此外，由扫描仪拍摄到的图像会受到图像传感器、传输信道及解码处理等的影响，产生黑白相间的噪声，也称椒盐噪声[8]。针对这些情况，本试验采用低通滤波器中的中值滤波对图像进行平滑操作。

中值滤波在一定的条件下可以克服常见的线性滤波器所引起的图像细节模糊问题，并能非常有效地滤除脉冲的干扰及扫描图像产生的噪声，其通常被用于保护边缘信息[9]。中值滤波的基本原理是把数字图像中每一点的灰度值用该点的八邻域中各点灰度值的中值代替，使周围的像素值接近真实值，从而消除孤立的噪声点。

例如，取点[i,j]的周围八邻域范围，那么计算该点在此函数模板下中值的具体步骤：

(1) 读取该点及周围八邻域共9个点的灰度值；

(2) 按照灰度值大小进行排序；

(3) 将排序后灰度集的中值，即序列为5的灰度值作为点[i,j]的新灰度值。

再将此模板遍历整个图像上的每个像素点，即可实现图像的中值滤波(图4)。

图4 局部区域中值滤波效果

2.3 图像二值化

二值图像即整幅图像上的灰度值只有0或255，直观上看就是一幅具有明显黑白效果的图像。二值图像在图像处理中占有非常重要的地位[10]，其在有利于图像进一步处理的同时，还能减少图像数据量、凸显目标轮廓，为后续的图像处理打下良好的基础。

常用的将灰度图像转换成二值图像的方法有单阈值法、Kittle算法及Otsu算法等。为了能够较准确地分离出由扫描仪获得的图像中的纤维与背景，本文采用Otsu算法来实现图像的二值化。

Otsu算法又称为最大类间方差法，是一种自适应的阈值确定方法，其基本原理是使用一个阈值将整幅图像的数据分成两个类。若两个类之间的方差达到最大，则使用该阈值进行二值化。阈值确定的步骤：

(3)T在0～255间取值，计算σ，记录下σ达到最大时的T值，即为确定的阈值。

至此，整个Otsu算法完成。依据确定的阈值便可实现图像的二值化(图5)。

图5 局部区域Otsu二值化效果

3 均匀性测定

非织造布均匀性的综合指标通常用质量不匀率(CV值)来表示。在行业标准中，CV值小于7%则认定非织造布均匀性良好[11]。但质量不匀率只能粗略地反映非织造布均匀性的整体情况。而根据扫描仪获得的图像进行数字图像处理，计算非织造布中纤维的覆盖面积，可直观地反映非织造布的均匀性特征。本节将图像处理法获得的图像信息与取样称重法所得的质量信息进行比较，以确定图像分析法的可行性。

3.1 取样称重法

非织造布均匀性测试常用的有取样称重法与厚度测定法两种。但厚度测定法的精度较低，行业内使用较少，故本文采用取样称重法来验证图像分析法的结果。

选择20 cm×20 cm规格的5种非织造布用于制样，分别为黄麻水刺布(1#)、 PP熔喷布(2#)、 PP水刺布(3#)、 PET熔喷布(4#)、 PP纺黏布(5#)。

每种非织造布裁成4 cm×4 cm共计25小块，分别进行称重，具体步骤：

(1)依照GB/T 6529—2008《纺织品 调湿和试验用标准大气》中的规范，预先对样品进行调湿处理；(2)在标准大气压下，利用AL104电子天平分别称取每小块样品的质量；(3)记 录每小块样品的质量，用于与图像分析结果进行比较。

3.2 图像分析法

为证明图像分析法具有较强的适用性，对预处理后的二值图像，采取与取样称重法相同的分块方式，将其等分成25块区域(图6)，分别计算纤维的覆盖面积。直接采用像素点的个数来表示非织造材料中纤维的覆盖面积。

5种样品的扫描仪采集的图像和预处理后的二值图像见图7。

(a) 扫描仪采集的图像

(b) 预处理后的二值图像

通过分析预处理后的二值图像，可以量化出非织造布的结构信息，准确、高效地评定非织造布的均匀性。

3.3 测试结果

将图像分析法与取样称重法所获得的结果，根据分块方式一一对应，并绘制出折线图(图8)。

(a) 1#样品

(b) 2#样品

(c) 3#样品

(d) 4#样品

(e) 5#样品

由图8可知，取样称重法与图像分析法的结果在折线的趋势上呈现了高度的一致性。

再分别计算取样称重法和图像分析法各自测得25个数据的变异系数V，即为非织造布的不匀率(CV值)：

(1)

根据式(1)计算取样称重法与图像分析法所得非织造布的CV值归纳于表1，发现两组数据之间差异较大。

表1 取样称重法与图像分析法测试结果比较

(续表)

3.4 图像预处理的改进

由表1可以看出，图像分析法所得CV值远大于取样称重法所得CV值，主要原因在于二值化中阈值的选取。

以黄麻水刺布(1#)为例，选取不同的阈值对图像进行二值化，然后将图像分析结果与取样称重结果一起绘制于图9中，发现：阈值的改变不会影响折线的趋势，但对折线波动的幅度影响较明显；同时，随着阈值的增大，变异系数单调递增。故需对Otsu阈值进行修正。

图9 不同阈值下图像分析结果

3.4.1 最佳阈值的计算

图像分析法中，非织造布CV值与二值化阈值的具体关系可通过拟合直线(图10)得出，并利用拟合直线得出最佳阈值，使图像分析法所得CV值和取样称重法所得CV值最接近。

(a) 1#样品

(d) 4#样品

(e) 5#样品

3.4.2 建立Otsu阈值与最佳阈值之间的联系

将计算所得的各样品的最佳阈值列入表2。

表2 最佳阈值表

图11将Otsu算法获得的阈值与计算得到的最佳阈值进行直线拟合，发现两组阈值的拟合程度较高，故可确定出校准计算式：

T=1.049T0-22.316

(2)

式中：T0——Otsu阈值；T——最佳阈值，即校准阈值。

图11 Otsu阈值与校准阈值拟合直线

利用式(2)得出的校准阈值对图像进行预处理，通过计算每小块样品内的纤维覆盖率，计算出25个数据的变异系数，即得该非织造布的CV值，并与取样称重法结果进行比较，归纳于表3。可见，校准阈值结果CV值与取样称重结果CV值只存在微小的偏差。

表3 校准结果

3.4.3 校准计算式的验证

为验证校准计算式(2)的有效性及稳定性，另取5块非织造布样品，分别为PP熔喷布(6#)、 PET熔喷布(7#)、 PP水刺布(8#)、 PP针刺布(9#)、黏胶水刺布(10#)，按同样的方法制样后通过扫描仪采集图像,并按照上述步骤获得校准阈值，利用阈值进行预处理的二值图像，经分块、称重、计算得到CV值(图12和表4)。

(a) 扫描仪采集图像

(b) Otsu阈值预处理后的二值图像

(c) 校准阈值预处理后的二值图像

样品编号CV值/%取样称重结果Otsu阈值结果校准阈值结果6#3．258．273．237#3．8311．445．158#6．1716．526．429#13．7343．6114．0710#14．2630．0018．55

由表4可知，就薄型材料而言，校准阈值结果的CV值与取样称重结果的CV值十分接近，只存在微小的偏差，这主要是由于校准阈值的方法将图像上的覆盖面积与薄型材料的质量建立了联系，二者的比值与薄型材料的密度呈正比，而薄型材料的密度又受自身的密度、非织造布的孔隙率及材料的厚度等多方面影响。因此，通过校准不能使其结果与取样称重法完全吻合，但这一结果已充分证明图像分析法可用于非织造布均匀性测试。

此外，取样称重法中，人工取样称重及计算会耗费大量的时间，效率极低；而图像分析法中，扫描整块样品后即可通过程序运行得出结果，其中程序运行用时平均不超过0.5 s、整个扫描过程也不超过5.0 s。故粗略估算，图像分析法效率较取样称重法提高了50倍以上，其获取薄型非织造布的均匀性准确、高效。

4 结语

利用数字图像处理法，对薄型非织造布的均匀性进行测量，在与传统取样称重法的结果比对后发现，图像分析法与取样称重法的数据具有高度的趋势一致性；再通过校准图像预处理中二值化的阈值后发现，其结果与取样称重法结果十分接近，且高效、精确。故图像分析法可取代传统的取样称重法用于测定薄型非织造布的均匀性。

[1] 柯勤飞，靳向煜．非织造学[M].上海：东华大学出版社，2004：44-45.

[2] 汪小颖.非织造干法工艺中均匀度自动控制系统的应用研究[D].上海：东华大学,2009.

[3] JEONG S H, KIM S H, HONG C J. The evaluation of evenness of nonwovens using image analysis method[J]. Fibers and Polymers, 2001,2(3):164-170.

[4] AGGARWAL R K, KENNON W R, PORAT I. A scanned-laser technique for monitoring fibrous webs and nonwoven fabrics[J]. Journal of the Textile Institute, 1992,83(3):386-398.

[5] YAN Z, BRESEE R R. Characterizing nonwoven-web structure by using image-analysis techniques. Part V: Analysis of shot in meltblown webs[J]. Journal of the Textile Institute, 1998,89(2):320-336.

[6] GONZALEZ R C, WOODS R E. Digital image processing[M]. 3rd Edition. Beijing: Publishing House of Electronics Industry, 2011:333-334.

[7] 张恒,雷志辉,丁晓华.一种改进的中值滤波算法[J].中国图象图形学报,2004,9(4):408-411.

[8] 毛星云，冷雪飞. OpenCV3编程入门[M].北京：电子工业出版社,2015:175-176．

[9] 高浩军,杜宇人.中值滤波在图像处理中的应用[J].电子工程师,2004,30(8):35-36.

[10] 王强,马利庄.图像二值化时图像特征的保留[J].计算机辅助设计与图形学学报,2000,12(10):746-750.

[11] 金晖,刘峰.聚丙烯纺粘法非织造布均匀性问题的解决措施探讨[J].产业用纺织品,2013，31(3):37-39.

Uniform measurement of nonwovens based on digital image processing

FangZhaoqi，ZhangHongnan，WangRongwu，QinXiaohong

College of Textiles， Donghua University， Shanghai 201620， China

In order to measure the uniform of light-weight nonwovens, the digital image processing was adopted to preprocess the image with target areas’ extraction, median filtering andOtsubinarization, then the image was partitioned to calculate the fiber coverage of each partition, and finally the coefficient of variation was calculated, which was compared with the result of weighing method. The results showed that, the result of image analysis method was consistent with the trend of the weighing method’s result. With the threshold calibration, the result of the image analysis method was close to that of weighing method, which proved the effectiveness of image analysis method. Furthermore, the image analysis method was efficient and accurate, which efficiency was 50 times higher than that of the weighting method.

nonwoven, uniformity, image process,Otsuthreshold, threshold calibration

2016-09-25

方赵琦，男，1992年生，在读硕士研究生，主要研究方向为数字图像处理

张弘楠，E-mail: hnzhang@dhu.edu.cn

TS 177

A

1004-7093(2017)01-0036-8