專利名稱：一種自動紙漿纖維檢測中分離交叉纖維的方法
一種自動紙漿纖維檢測中分離交叉纖維的方法 技術領域 本發明涉及一種自動紙漿纖維檢測中分離交叉纖維的方法。
背景技術：
在對紙漿纖維進行檢測和識別時，纖維樣品中經常存在纖維交叉重疊的現象，為 了對交叉纖維進行更好的識別，首先必須對其進行分離。而分離交叉纖維的關鍵在用于交 叉點的檢測。傳統的檢測算法之一是通過判斷圖像非零像素8鄰域內值的變化次數來判斷 該像素點是否為交叉點，但通過對已有算法的實驗、研究和分析，發現該方法并不能獲得完 整的交叉點的集合，而且會出現直觀認識中的一個點對應目標集合中多個相鄰點的情況， 而且纖維交叉重疊的隨機性比較大，重疊情況復雜，已有算法并不能涵蓋大部分情況，準確 性不夠，需要改進。另外一種傳統的檢測方法是首先按照8鄰域中擁有一個相鄰點即為頂 點的原則找到纖維中的第一個頂點a，再找到纖維中的一個交叉點O，接下來通過判斷其他 頂點和交叉點ο的斜率與a和ο的斜率的比較確定它們的配對關系，已達到分離的目的。 但是實驗證明，通過判斷頂點和交叉點的斜率決定配對關系的方法也具有不穩定性，因為 纖維存在各種形態的彎曲程度，一旦彎曲程度過大就會導致判斷失誤，如圖3所示，直觀判 斷X1X2應該是一根纖維，而經過判斷后卻是X1Y2是一根纖維，因此該方法具有嚴重的局限 性。同時紙漿纖維都具有一定的寬度，一旦纖維交叉在一起，其細化骨架的交叉點及其鄰域 情況比較復雜，直接利用8鄰域的個數判斷是不是交叉點會漏掉許多交叉纖維，而認為是 一根纖維，如圖4所示，虛線圓所圈區域為交叉段，但往往會被漏掉，而實線圓所圈區域不 是交叉點或段，卻會被判斷為交叉點。所以現有的方法在準確判斷交叉點或交叉段位置及 并成功分離纖維都存在很大的誤差。
發明內容
本發明的目的就是為了解決目前不能準確的分離交叉目標物體，影響對單一目標 物體的測量等操作，誤差較大等問題，提供了一種在噪聲干擾情況下，準確分離交叉纖維的 自動紙漿纖維檢測中分離交叉纖維的方法。為實現上述目的，本發明采用了如下技術方案
一種自動紙漿纖維檢測中分離交叉纖維的方法，它通過分析交叉點或交叉段的幾何特 征，對交叉點或交叉段進行查找并標記，然后利用纖維邊緣及骨架在交叉點或交叉段附近 的連續性和可微性，通過計算平均斜率，從而實現纖維的準確分離，它的具體步驟為，
(1)采集纖維圖像，利用自動圖像采集設備采集紙漿纖維的圖像到計算機上，圖像標準 是256位bmp格式；每采集一副圖像就對其進行預處理并將測量得到的數據存入數據庫；
(2)圖像預處理，用閾值的方法對當前圖像IpInput進行二值化，使背景變為白色，纖 維和噪聲成為黑色；再二值化后的圖像IpInput進行閉運算；然后進行骨骼化，使目標物成 為單一像素寬度；然后去除非纖維目標；(3)判斷纖維種類，當圖像存在N個連通域時，其中N l，分別對每個連通域Ipone進行判斷是否是交叉纖維，若是則執行第(4)步，若不是則進行第(5)步；若交叉點或交叉段 太多(交叉點大于2個，交叉段大于6個)則進行第(6)步。(4)此連通域Ipone是交叉纖維，則將交叉部分及其每個點的鄰域是目標點的像 素值改為中間值，剩下的是黑像素的點就被分離為四個子連通域lpl，1ρ2, 1ρ3, 1ρ4 ；對這 四個子連通域內的點分別與交叉部分中的一個確定的點計算平均斜率，斜率最相近的就是 屬于同一根纖維；將配對好的纖維存放在兩個圖像空間Ipoutl和lpout2中，被設成中間 值的交叉部分同屬于兩根纖維，將其同時分配給Ipoutl和lpout2，并且將中間值改為黑像 素；對Ipoutl中的纖維去除小分枝然后測量小分枝即黑像素點的個數是五個以內的纖維； 再對lpout2中的纖維也去除小分枝后完成測量；
(5)此連通域Ipone是單根纖維，直接進行去除小分枝，進行測量；
(6)此連通域Ipone的交叉點多于所設定的閾值時，則說明是噪聲，直接舍棄，不再對 其進行任何操作。所述步驟(3)中，對一個連通域中交叉點進行判斷時，先判斷當前點的8鄰域，如 果有大于等于3個目標點即n8>=3，則繼續判斷16鄰域內目標點的個數η16，若除去8鄰 域中的目標點仍有4個以上的目標點即η16-η18>=4，則繼續判斷24鄰域內目標點的個數 π24，若除去16鄰域中的目標點仍有4個以上的目標點即η24-η16>=4，并且這4個以上的目 標點記個數為ncross，若ncross個目標點中有位置相連的，則只留一個，之后若剩下的目 標點有四個即代表四個不同的方向，則記錄當前像素點位置，并統計這種交叉點的個數n， 判斷完這一連通域后，將數組里的點和其8鄰域的像素值都改為中間值，以使剩下的黑像 素點成為獨立的四部分，即步驟(4)中的四個子連通域lpl，1ρ2, 1ρ3, 1ρ4 ；對這四個子連通 域進行標記，標記值為lpl, 1ρ2, 1ρ3, 1ρ4 ；
由于交叉點存入數組的順序是從上到下從左到右的，取中間點為參考點m，在對上述四 個獨立部分，它們的標記值分別為lpl，1ρ2, 1ρ3, 1ρ4，進行配對；配對原則具體為在標記 為Ipl的子連通域中從離m點最近的目標點開始依次取五個連續目標點，分別與m點計算 斜率；若目標點橫坐標的值與m點的橫坐標的值相同時，會導致所計算的斜率無窮大，這時 則將斜率自動賦予一個很大的數q (q=65535)，并將斜率的值依次按順序存入數組1中，同 理標記為1ρ2，1ρ3，1ρ4的子連通域也分別依照上述方法計算斜率并存放到數組2，數組3， 數組4中；之后再對每個數組求平均斜率，比較這四個平均斜率，斜率值最相近的則為一根 纖維，將屬于一根纖維的目標點存入空間lpoutl，另一部分存入lpout2，而標記為中間灰 度值gray (128)的交叉部分像素作為兩根纖維的公共部分存入以上兩個纖維空間的相應 位置中，并將中間值改回黑像素值。因為交叉點存入數組的順序是從上到下從左到右的，取中間點為參考點m，在對 (1)中四個獨立部分(標記值為lpl，1ρ2，1ρ3，1ρ4)進行配對，配對原則具體為在標記為 Ipl的子連通域中從離m點最近的目標點開始依次取五個連續目標點，分別與m點計算斜率 (若目標點橫坐標的值與m點的橫坐標的值相同時，會導致所計算的斜率無窮大，這時則將 斜率自動賦予一個很大的數q(q=65535))，并將斜率的值依次按順序存入數組1中，同理標 記為1ρ2，1ρ3，1ρ4的子連通域也分別依照上述方法計算斜率并存放到數組2，數組3，數組 4中；之后再對每個數組求平均斜率，比較這四個平均斜率，值最相近的則為一根纖維，將屬于一根纖維的目標點存入空間lpoutl，另一部分存入lpout2，而標記為中間灰度值gray (128)的交叉部分像素作為兩根纖維的公共部分存入以上兩個纖維空間Ipoutl和lpout2 的相應位置中，并將中間值改回黑像素值。本發明的有益效果是本發明通過精確判斷交叉點，得到交叉纖維的公共部分，以 達到分離的目的的方法，并采用平均斜率變化最小的方法，提高了配對的準確性。通過VC++ 實現的交叉纖維分離的結果和大量數據顯示了這一方法的準確性和魯棒性。分離后的纖維 分別顯示在兩個圖像空間中，結果顯而易見。
圖Ι-a交叉纖維；
圖l_b交叉點或段查找圖； 圖1-c交叉點或段標記圖Ι-d斜率最相近的兩個纖維子段分配給一根纖維Ipoutl圖； 圖Ι-e兩個纖維子段(1ρ2，1ρ4)屬于另一根纖維lpout2圖； 圖ι-f被標記為中間灰度值的交叉點或交叉段屬于兩根纖維的公共部分； 圖Ι-g分離后的兩根纖維； 圖Ι-h分離后的兩根纖維； 圖1-m為Ipoutl中的纖維去除小分叉后的圖； 圖1-n為lpout2中的纖維去除小分叉后的圖； 圖2兩根交叉纖維分離算法流程圖； 圖3為現有方法誤判的圖； 圖4為現有方法漏判的圖5是采集到交叉纖維原圖，格式是512 512大小256色位像；
圖6是二值化后的結果；
圖7是邊界平滑和孔洞填充后的結果；
圖8是骨骼化的結果；
圖9是去除非纖維區域后的結果；
圖10是分離后的結果；
圖11小分叉去除后的結果。
具體實施例方式下面結合附圖與實施實例對本發明作進一步說明。一種自動紙漿纖維檢測中分離交叉纖維的方法，它的步驟為，
(1)采集纖維圖像。利用自動圖像采集設備采集紙漿纖維的圖像到計算機上，圖像標準 是標準灰度位像。每采集一幅圖像IpInput就對其進行以下處理并將測量得到的數據 存入數據庫，同時單次測量結果及統計結果。(2)圖像預處理。預處理包括圖像增強、二值化、纖維邊界平滑、孔洞填充、骨骼 化、非纖維區域去除等。(3)判斷纖維種類。當圖像存在N(其中N l)個連通域時，分別對每個連通域Ipone進行判斷是否是交叉纖維，若是則執行第(4)步，若不是則進行第(5)步，若交叉點或交叉段太多則進行第(6)步。(4)分離交叉在一起的兩根纖維。連通域Ipone是交叉纖維，示意圖如圖；查 找交叉點或交叉段，如圖l_b所示；如圖1-c所示，將交叉點或交叉段的像素值標記為中間 灰度值(圖1-c中視白色圓圈部分)，剩下的黑像素點集合就成為了四個子連通域，即兩根 纖維的四個子段，標記為Ipl、1ρ2、1ρ3和1ρ4 ；計算Ipl、1ρ2、1ρ3和1ρ4在交叉區域附近 的斜率kl，k2，k3，k4，如圖1-c所示，分別在lpl，1ρ2，1ρ3，1ρ4上的虛線矩形框就代表參 與斜率計算的五個連續目標點，根據配對原則將兩個子連通域(lpl，1ρ3)存放到圖像空間 lpoutl，如圖Ι-d，另外兩個子連通域(1ρ2，1ρ4)存放到圖像空間lpout2，如圖l_e ；被標記 為中間灰度值的交叉點或交叉段屬于兩根纖維的公共部分，如圖ι-f，同時分配給兩個圖像 空間Ipoutl和lpout2，得到分離后的兩根纖維，如圖Ι-g，圖Ι-h。對Ipoutl中的纖維去 除小分枝(黑像素點的個數是五個以內)，如圖1-m，對lpout2中的纖維做同樣的操作，如圖 1-n。至此實現了兩根交叉纖維的準確分離。然后分別對兩根分離后的纖維進行特征參數 測量。(5)此連通域Ipone是單根纖維，直接進行去除小分枝，參數測量等。(6)此連通域Ipone的交叉點多于所設定的閾值時，則認為是絮聚纖維區域，說明 是噪聲，直接舍棄，不再對其進行任何操作。所述步驟(4)中，
(1)對一個連通域中交叉點進行判斷時，先判斷當前點的8鄰域，如果有大于等于3個 目標點即n8>=3，則繼續判斷16鄰域內目標點的個數nl6，若除去8鄰域中的目標點仍有 4個以上的目標點即nl6-nl8>=4，則繼續判斷24鄰域內目標點的個數n24，若除去16鄰 域中的目標點仍有4個以上的目標點即η24-η16>=4，并且這4個以上的目標點記個數為 ncross，若ncross個目標點中有位置相連的，則只留一個，之后若剩下的目標點有四個即 代表四個不同的方向，則記錄當前像素點位置，并統計這種交叉點的個數n，判斷完這一連 通域后，將數組里的點和其8鄰域的像素值都改為中間值，以使剩下的黑像素點成為獨立 的四個子連通域lpl、1ρ2、1ρ3和1ρ4。(2)因為交叉點存入數組的順序是從上到下從左到右的，取中間點為參考點m，在 對(1)中四個子連通域(標記值為Ipl，lp2，lp3，lp4)進行配對，配對原則具體為在標記為 Ipl的子連通域中從離m點最近的目標點開始依次取五個連續目標點，分別與m點計算斜率 (若目標點橫坐標的值與m點的橫坐標的值相同時，會導致所計算的斜率無窮大，這時則將 斜率自動賦予一個很大的數q，q=65535)，并將斜率的值依次按順序存入數組1中，同理標 記為1ρ2，1ρ3，1ρ4的子連通域也分別依照上述方法計算斜率并存放到數組2，數組3，數組 4中；之后再對每個數組求平均斜率，比較這四個平均斜率，值最相近的則為一根纖維，將 屬于一根纖維的目標點存入空間lpoutl，另一部分存入lpout2，而標記為中間灰度值gray (128)的交叉部分像素作為兩根纖維的公共部分存入以上兩個纖維空間lpoutl和lpout2 的相應位置中，并將中間值改回黑像素值。兩根交叉纖維分離算法流程圖如圖2所示。實施例
假定當前采集到的圖像就是兩根纖維交叉的圖像如圖5。用閾值的方法對當前圖像lplnput進行二值化處理，使背景變為白色，纖維和一些噪聲(干擾)成為黑色，結果如圖 6所示；二值化后的圖像lplnput會因為光線的原因纖維的某個部分的像素值未達到閾值， 從而變成背景色，需要進行閉運算進行纖維邊界平滑和孔洞填充，如圖7所示；然后進行骨 骼化，使目標物成為單一像素寬度，得到的結果是圖8;然后去除非纖維目標，從而得到圖 9 ；此連通域lpone是交叉纖維，則將交叉部分及其每個交叉點的鄰域是目標點的像素值改 為中間灰度值，剩下的是黑像素的點就被分離為四個子連通域，對這四個子連通域內的點 分別與交叉部分中的一個確定的點計算平均斜率，斜率最相近的就是屬于同一根纖維，將 配對好的纖維存放在兩個圖像空間lpoutl和lpout2中，被設成中間值的交叉部分屬于兩 根纖維的公共部分，將交叉部分存入兩個圖像空間，并且將中間值改為黑像素。對lpoutl 中的纖維去除小分枝，測量等，再對lpout2中的纖維做同樣的操作。實驗步驟
(1)采集纖維圖像。利用自動圖像采集設備采集紙漿纖維的圖像到計算機上，圖像標準 是標準灰度位像。每采集一幅圖像lplnput就對其進行以下處理并將測量得到的數據 存入數據庫，同時單次測量結果及統計結果。(2)圖像預處理。預處理包括圖像增強、二值化、纖維邊界平滑、孔洞填充、細化、 非纖維區域去除等。(3)對預處理后的圖像的各連通區域判斷纖維種類。經過預處理后的纖維圖像中 包括單根纖維、交叉纖維或絮聚纖維等多種目標區域。設各連通域用lpone表示，分別判 斷每個連通域lpone是否為兩根纖維交叉情況，若是則執行第(4)步，若不是則進行第(5) 步，若為絮聚纖維區域則進行第(6)步。(4)分離交叉在一起的兩根纖維，如圖9所示。連通域lpone是交叉纖維，查找交 叉點或交叉段；將交叉點或交叉段的像素值標記為中間灰度值，剩下的黑像素點集合就成 為了四個子連通域，即兩根纖維的四個子段，標記為Ipl、lp2、lp3和lp4;計算Ipl、lp2、lp3 和lp4在交叉區域附近的平均斜率kl，k2, k3, k4，將斜率最相近的兩個子連通域分配給圖 像空間lpoutl，如圖10左所示，另外兩個子連通域(lp2，lp4)屬于另一圖像空間lpout2， 如圖10右所示；被標記為中間灰度值的交叉點或交叉段屬于兩根纖維的公共部分，如圖10 虛線圓所圈部，同時分配給兩個圖像空間lpoutl和lpout2，得到分離后的兩根纖維，如圖9 所示。分別對纖維lpoutl和lpout2去除小分枝(黑像素點的個數是五個以內)，結果如圖 11。至此實現了兩根交叉纖維的準確分離。然后分別對兩根分離后的纖維進行特征參數測 量。(5)此連通域lpone是單根纖維，直接進行去除小分枝，參數測量等。(6)此連通域lpone的交叉點多于所設定的閾值時，則認為是絮聚纖維區域，說明 是噪聲，直接舍棄，不再對其進行任何操作。實驗證明，此方法分離效果明顯，提高了交叉點或交叉段的定位精度和分離纖維 的準確度，具有很高的魯棒性。此外，此方法還可以用來去除細化骨架上的小分枝。
權利要求
一種自動紙漿纖維檢測中分離交叉纖維的方法，它通過分析交叉點或交叉段的幾何特征，對交叉點或交叉段進行查找并標記，然后利用纖維邊緣及骨架在交叉點或交叉段附近的連續性和可微性，通過計算平均斜率，從而實現纖維的準確分離，其特征是它的具體步驟為，(1)采集纖維圖像，利用自動圖像采集設備采集紙漿纖維的圖像到計算機上，圖像標準是256色bmp圖像格式；(2) 圖像預處理，用閾值的方法對當前圖像lpInput進行二值化，使背景變為白色，纖維和噪聲成為黑色；再二值化后的圖像lpInput進行閉運算；然后進行骨骼化提取骨架，使目標物成為單一像素寬度；然后去除非纖維目標；(3) 判斷纖維種類，當圖像存在N個連通域時，其中N 1，分別對每個連通域lpone進行判斷是否為交叉纖維，若是則執行第(4)步，若不是則進行第(5)步；若交叉點大于2個或交叉段大于6個則進行第(6)步；(4)此連通域lpone是交叉纖維，則將交叉部分及其每個點的鄰域是目標點的像素值改為中間值，剩下的是0值像素點就被分離為四個子連通域lp1,lp2,lp3,lp4；對這四個子連通域內的點分別與交叉部分中的一個確定的點計算平均斜率，斜率最相近的則認為屬于同一根纖維；將配對好的纖維存放在兩個圖像空間lpout1和lpout2中，被設成中間值的交叉部分同屬于兩根纖維，將其同時分配給lpout1和lpout2，并且將中間值改為0值；對lpout1中的纖維去除小分枝然后測量，小分枝即黑像素點的個數是五個以內的纖維；再對lpout2中的纖維也去除小分枝后完成測量；(5)此連通域lpone是單根纖維，直接進行去除小分枝，進行測量；(6)此連通域lpone的交叉點多于所設定的閾值時，則說明是噪聲，直接舍棄，不再對其進行任何操作。
2.根據權利要求1所述的自動紙漿纖維檢測中分離交叉纖維的方法，其特征是所述 步驟(3)中，對一個連通域中交叉點進行判斷時，先判斷當前點的8鄰域，如果有大于等于 3個目標點即n8>=3，則繼續判斷16鄰域內目標點的個數η16，若除去8鄰域中的目標點 仍有4個以上的目標點即η16-η18>=4，則繼續判斷24鄰域內目標點的個數η24，若除去16 鄰域中的目標點仍有4個以上的目標點即η24-η16>=4，并且這4個以上的目標點記個數為 ncross，若ncross個目標點中有位置相連的，則只留一個，之后若剩下的目標點有四個即 代表四個不同的方向，則記錄當前像素點位置，并統計這種交叉點的個數n，判斷完這一連 通域后，將數組里的點和其8鄰域的像素值都改為中間值，以使剩下的黑像素點成為獨立 的四部分，即步驟(4)中的四個子連通域lpl，1ρ2, 1ρ3, 1ρ4 ；對這四個子連通域進行標記， 標記值為 lpl, 1ρ2, 1ρ3, 1ρ4 ；由于交叉點存入數組的順序是從上到下從左到右的，取中間點為參考點m，在對上述四 個獨立部分，它們的標記值分別為lpl，1ρ2, 1ρ3, 1ρ4，進行配對；配對原則具體為在標記 為Ipl的子連通域中從離m點最近的目標點開始依次取五個連續目標點，分別與m點計算 斜率；若目標點橫坐標的值與m點的橫坐標的值相同時，會導致所計算的斜率無窮大，這時 則將斜率自動賦予一個數q，并將斜率的值依次按順序存入數組1中，同理標記為1ρ2，1ρ3， 1ρ4的子連通域也分別依照上述方法計算斜率并存放到數組2，數組3，數組4中；之后再對 每個數組求平均斜率，比較這四個平均斜率，斜率值最相近的則為一根纖維，將屬于一根纖維的目標點存入空間lpoutl，另一部分存入lpout2，而標記為中間灰度值gray的交叉部分像素作為兩根纖維的公共部分存入以上兩個纖維空間的相應位置中，并將中間值改回黑像素值。
全文摘要
本發明涉及一種自動紙漿纖維檢測中分離交叉纖維的方法。它解決了在測量單根纖維長度等參數時無法對兩根交叉纖維進行精確測量，產生嚴重誤差的問題，在存在小分枝等干擾因素下，該方法能成功地將交叉在一起的纖維準確分離開，并分別對分離后的纖維進行特征參數測量等操作。(1)采集紙漿纖維的圖像到計算機；(2)對采集的圖像進行預處理；(3)對預處理后的圖像的各連通區域lpone判斷纖維種類；(4)若連通域lpone為兩根纖維交叉，則分離交叉在一起的兩根纖維；(5)若連通域lpone非兩根纖維交叉，則此lpone是單根纖維，直接進行去除小分枝，進行參數測量；(6)若連通域lpone為絮聚纖維區域，則認為是噪聲，不再對其進行參數測量。
文檔編號G06T5/00GK101866491SQ20101021717
公開日2010年10月20日 申請日期2010年7月5日 優先權日2010年7月5日
發明者孟榮愛, 張凱麗, 李慶華, 楊秀蔚, 邱書波 申請人:山東輕工業學院