寧 鐸， 吳林林， 索龍博

(1.陜西科技大學(xué) 電氣與信息工程學(xué)院， 陜西 西安 710021； 2.重慶理工大學(xué) 機(jī)械檢測(cè)技術(shù)與裝備教育部工程研究中心， 重慶 400054)

0 引言

我國(guó)是一個(gè)皮革制品生產(chǎn)大國(guó)卻并非強(qiáng)國(guó)，外貿(mào)依存度高、生產(chǎn)成本高等都是目前我國(guó)皮革業(yè)存在的主要問(wèn)題.因而我國(guó)皮革業(yè)需要?jiǎng)?chuàng)新發(fā)展，加強(qiáng)技術(shù)研發(fā)以提高其在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)力.準(zhǔn)確測(cè)量皮革的有效面積能減少皮革制定排樣、裁剪方案的原材料浪費(fèi)，然而由于皮革形狀的不規(guī)則性，以及其表面本身存在的一些外觀缺陷(如蟲(chóng)咬、疤痕，孔洞等)，給皮革有效面積的測(cè)量及其后期的分割裁剪等采用自動(dòng)化生產(chǎn)方式帶來(lái)很多難題.

目前測(cè)量皮革面積有光電掃描和圖像測(cè)量?jī)煞N方法，其中使用較為廣泛的是光電掃描法，如市面上應(yīng)用較多的“量革機(jī)”[1]，基本工作原理是利用光電掃描的方法，將通過(guò)光源和光敏元件之間的皮革面積轉(zhuǎn)變?yōu)楣怆娦盘?hào)，送到控制裝置進(jìn)行數(shù)據(jù)處理和顯示，實(shí)現(xiàn)皮革面積的測(cè)量.其主要是利用網(wǎng)格法，通過(guò)計(jì)算皮革所占的光敏元件的格數(shù)來(lái)計(jì)算皮革面積，由此可見(jiàn)網(wǎng)格劃分的越小測(cè)量結(jié)果越精確，然而實(shí)際中光敏元件網(wǎng)格劃分越小，難度就越大，成本就越高.而且在實(shí)際生產(chǎn)中，皮革表面或多或少都會(huì)存在瑕疵，該方法不能檢測(cè)出皮革表面的瑕疵區(qū)域，因而該方法測(cè)量出的面積無(wú)法表示其是在實(shí)際生產(chǎn)中的有效面積.本文則采用圖像測(cè)量技術(shù)，依據(jù)皮革表面的紋理特征，進(jìn)行瑕疵檢測(cè)、定位，及有效面積的計(jì)算，該方法不但可以實(shí)時(shí)測(cè)量生產(chǎn)線(xiàn)中皮革的有效面積，提高皮革產(chǎn)品的生產(chǎn)效率和質(zhì)量，降低生產(chǎn)成本，而且為皮革排樣和裁剪等生產(chǎn)工序中有效利用皮革原料奠定了良好的基礎(chǔ).

1 瑕疵檢測(cè)原理

由于皮革原料取自動(dòng)物身上，其表面不可避免的存在疤痕、斑點(diǎn)、孔洞和凹陷等多種瑕疵[2]，如果將這些瑕疵部分用于皮革制品生產(chǎn)中，不僅會(huì)降低皮革產(chǎn)品的質(zhì)量，而且會(huì)影響其經(jīng)濟(jì)效益.因而為有效利用原料，提高產(chǎn)品質(zhì)量，在皮革有效面積測(cè)量之前需進(jìn)行瑕疵檢測(cè)，從而確定出皮革原料的有效面積區(qū)域，即剔除檢測(cè)出的瑕疵區(qū)域獲取的可用面積區(qū)域[3].

紋理作為一種重要的視覺(jué)信息，反映了圖像像素的自身特征及像素之間的空間關(guān)系，能兼顧到圖像的宏觀結(jié)構(gòu)和微觀結(jié)構(gòu)兩個(gè)方面，是圖像的重要信息和特征.而且紋理特征能夠表現(xiàn)出物面的固有特性，受環(huán)境影響較小，具有旋轉(zhuǎn)不變性，在檢索大小、形狀，所屬類(lèi)別不定的圖像缺陷時(shí)，利用紋理特征進(jìn)行缺陷檢測(cè)是一種有效方法[4,5].皮革表面具有很強(qiáng)的紋理特征，這種紋理特征通常情況下是具有一定規(guī)律的，而當(dāng)皮革表面某處存在瑕疵時(shí)，該瑕疵部分將會(huì)表現(xiàn)出不同的紋理特征[6]，因而利用這種不同屬性的紋理特征，可以將皮革的瑕疵區(qū)域分割出來(lái).

在皮革瑕疵檢測(cè)時(shí)，由于瑕疵尺寸一般都較小，同時(shí)無(wú)法預(yù)知皮革表面瑕疵的先驗(yàn)知識(shí)，可以采用共生矩陣提取皮革圖像的紋理特征.取3×3的領(lǐng)域特征提取窗來(lái)計(jì)算共生矩陣，并取像素間的距離d=1,4個(gè)角度θ=0 °、45 °、90 °、135 °，每個(gè)位置的鄰域窗可得到4個(gè)共生矩陣[4]，根據(jù)皮革紋理的特點(diǎn)，從Hralick提出的14個(gè)共生矩陣測(cè)度中取紋理能量、對(duì)比度、相關(guān)性,以及熵[7,8]4個(gè)互不相關(guān)、便于計(jì)算且能表達(dá)紋理特征的灰度共生測(cè)度來(lái)表達(dá)紋理特性.基于灰度共生矩陣紋理特征的四個(gè)特征統(tǒng)計(jì)量表示見(jiàn)公式(1)～公式(4)[9].

1.1 能量

能量(Angular Second Moment,簡(jiǎn)記為ASM)，灰度共生矩陣元素的平方和，反映了圖像灰度分布均勻程度和紋理粗細(xì)度.如果共生矩陣的所有值均相等，則ASM值??；相反，如果其中一些值大而其它值小，則ASM值大.ASM值大表明一種較均勻和規(guī)則變化的紋理模式.

(1)

1.2 對(duì)比度

對(duì)比度(Contrast,簡(jiǎn)記為CON)，反映了圖像的清晰度和紋理溝紋淺深的程度.紋理溝紋越深，其對(duì)比度越大，視覺(jué)效果越清晰；反之，對(duì)比度小，則溝紋淺，效果模糊.

(2)

1.3 相關(guān)性

相關(guān)性(Correlation,簡(jiǎn)記為COR)，用來(lái)度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，相關(guān)值大小反映了圖像中局部灰度相關(guān)性.當(dāng)矩陣元素值均勻相等時(shí)，相關(guān)值就大；相反，如果矩陣像元值相差很大則相關(guān)值小.

(3)

1.4 熵

熵(Entropy)是圖像所具有的信息量的度量，紋理信息也屬于圖像的信息，是一個(gè)隨機(jī)性的度量，當(dāng)共生矩陣中所有元素有最大的隨機(jī)性,空間共生矩陣中所有值幾乎相等時(shí)，共生矩陣中元素分散分布時(shí)，熵較大.它表示了圖像中紋理的非均勻程度或復(fù)雜程度.

(4)

(1)～(4)式中，

P(i,j)=

利用上述灰度共生矩陣計(jì)算出4個(gè)最主要的特征值(能量、對(duì)比性、相關(guān)性和熵)，然后取這4個(gè)方向的均值表示該特征值，將每個(gè)小塊的紋理特征值作為未知樣本，其特征都是由能量、對(duì)比度、相關(guān)性和熵這四個(gè)分量共同決定，利用類(lèi)間最大距離和類(lèi)內(nèi)最小距離的方法區(qū)分出瑕疵區(qū)域和優(yōu)質(zhì)區(qū)域.當(dāng)分類(lèi)對(duì)象給定時(shí)，其總距離是一個(gè)與分割閾值無(wú)關(guān)的常量值，要求的類(lèi)內(nèi)最小距離可以轉(zhuǎn)換為求其最大類(lèi)間距離.當(dāng)皮革表面存在瑕疵時(shí)，其與優(yōu)質(zhì)區(qū)域會(huì)因表現(xiàn)出不同特征而各自聚為一類(lèi)，類(lèi)間最大距離是準(zhǔn)確區(qū)分瑕疵區(qū)域與優(yōu)質(zhì)區(qū)域的標(biāo)志，所以將最大類(lèi)間距離作為分類(lèi)結(jié)束的判斷標(biāo)準(zhǔn)，具體步驟[10,11]如下所示：

(1)將每小塊的紋理特征作為一類(lèi)，每類(lèi)包含一個(gè)對(duì)象，類(lèi)與類(lèi)之間的距離就是它們所包含的對(duì)象之間的距離；

(2)找到最接近的兩個(gè)類(lèi)并合并成一類(lèi)，總的類(lèi)數(shù)就減少了一個(gè)；

(3)重新計(jì)算新的類(lèi)與所有舊類(lèi)之間的距離；

(4)當(dāng)本次計(jì)算出的類(lèi)間最大距離大于等于上次的類(lèi)間最大距離時(shí)，重復(fù)(2)和(3)步，否則重新進(jìn)行類(lèi)合并，直至得到最大類(lèi)間距離.

2 面積計(jì)算原理

由于皮革形狀大小、紋理色彩、表面瑕疵的形狀大小位置都呈現(xiàn)隨機(jī)性，給皮革有效面積的測(cè)量帶來(lái)很多難題，目前測(cè)量皮革面積有光電掃描和圖像測(cè)量?jī)煞N方法，其中采用光電掃描方式的“量革機(jī)”的應(yīng)用較為廣泛，但這種方式的測(cè)量結(jié)果的精確度受光敏元件網(wǎng)格劃分的大小的影響.據(jù)了解，目前“量革機(jī)”的測(cè)量精度在2%左右.而采用圖像測(cè)量技術(shù)這種非接觸式的面積測(cè)量方法，在實(shí)際工業(yè)生產(chǎn)中具有操作安全、客觀、速度快和精度高等優(yōu)點(diǎn)，且該方法的測(cè)量精度可以達(dá)到像素級(jí).

2.1 測(cè)量原理

利用圖像處理技術(shù)進(jìn)行皮革面積測(cè)量時(shí)，首先通過(guò)已知面積物體的測(cè)量得到圖像中每一個(gè)像素所代表的實(shí)際面積，稱(chēng)為像素當(dāng)量.將像素當(dāng)量與皮革的像素總數(shù)相乘，即可得到被測(cè)皮革的實(shí)際面積[12].像素當(dāng)量是通過(guò)已知物體的面積除以其在圖像中的總像素?cái)?shù)得到.攝像頭的分辨率、攝像頭與被測(cè)物間的距離都是影響像素當(dāng)量值的因素，因而在實(shí)驗(yàn)中得到像素當(dāng)量值后，攝像頭、載物臺(tái)等該套測(cè)量設(shè)備及其之間的相對(duì)位置就不能再改變，以免影響測(cè)量結(jié)果的準(zhǔn)確性.

在實(shí)際測(cè)量中一般以白色為背景色，紋理的灰度及皮革內(nèi)部的灰度都遠(yuǎn)比背景灰度要深，所以采用閾值法將原始灰度圖像消除噪聲后轉(zhuǎn)化為二值圖像，在消除皮革紋理對(duì)后續(xù)圖像處理影響的同時(shí)，有效區(qū)別出皮革區(qū)域與背景區(qū)域.在皮革灰度圖像進(jìn)行二值化時(shí)，閾值的確定至關(guān)重要，本文采用最大類(lèi)間方差方法來(lái)確定閾值.因而，其最優(yōu)閾值是通過(guò)求類(lèi)間方差的最大值的方法確定[13]，最優(yōu)閾值k*為：

(5)

2.2 面積計(jì)算

為計(jì)算目標(biāo)區(qū)域的像素?cái)?shù)，人們已經(jīng)研究出多種計(jì)算圖像像素?cái)?shù)的方法，傳統(tǒng)方法是通過(guò)逐行掃描目標(biāo)區(qū)域的像素點(diǎn)得出總像素?cái)?shù)，但這種方法需遍歷圖像中的每個(gè)像素點(diǎn)，對(duì)于目標(biāo)區(qū)域較小的圖像計(jì)算量相對(duì)較大，因而計(jì)算效率也會(huì)受到限制.基于鏈編碼計(jì)算圖像像素?cái)?shù)的方法有圖像邊界的Freeman鏈碼、利用頂點(diǎn)鏈碼求圖像像素?cái)?shù)和基于邊界跟蹤的區(qū)域像素計(jì)算等方法[14]，前兩種方法對(duì)頂點(diǎn)鏈編碼的遍歷次數(shù)較多，計(jì)算成本較大，后一種方式對(duì)于邊界的標(biāo)記比較繁瑣，實(shí)際操作中不易實(shí)現(xiàn).本文則采用文獻(xiàn)[12]中基于邊界跟蹤的方式來(lái)提取圖像區(qū)域輪廓，根據(jù)邊界點(diǎn)的八方向碼(如圖1所示)來(lái)確定下一個(gè)邊界跟蹤的矢量方向和矢量值，并給邊界點(diǎn)由小到大排序，則當(dāng)前邊界點(diǎn)與相鄰下一個(gè)邊界點(diǎn)之間的像素個(gè)數(shù)為Xi+1-Xi-1，其中Xi為當(dāng)前邊界點(diǎn)的列值.

圖1 八方向碼

通過(guò)上述方法得到被測(cè)物每行的像素?cái)?shù)后，實(shí)際面積為被測(cè)目標(biāo)的總像素?cái)?shù)乘以像素當(dāng)量，計(jì)算公式為：

面積=

(邊界像素總數(shù)/2+邊界內(nèi)像素總數(shù))×像素當(dāng)量

(6)

3 有效面積計(jì)算

在實(shí)際生產(chǎn)中，皮革有效面積的大小在很大程度上決定了其用途，例如當(dāng)有效面積較大時(shí)，可以用來(lái)做沙發(fā)、皮衣的某部分，有效面積較小時(shí)可以用來(lái)做鞋子、錢(qián)包等.基于圖像處理技術(shù)的皮革有效面積計(jì)算流程圖如圖2所示.

圖2 皮革有效面積計(jì)算流程圖

在皮革制品生產(chǎn)過(guò)程中，大多皮革表面存在瑕疵，所以在皮革有效面積測(cè)量之前，需對(duì)整塊皮革進(jìn)行瑕疵檢測(cè)，當(dāng)皮革表面無(wú)瑕疵時(shí)，皮革的有效面積為檢測(cè)到的皮革總像素?cái)?shù)乘以本次實(shí)驗(yàn)測(cè)得的像素當(dāng)量(如公式(6)所示)；而當(dāng)皮革表面存在瑕疵時(shí)，其實(shí)際有效面積就為皮革總像素?cái)?shù)減去瑕疵部分的像素?cái)?shù)的差乘以像素當(dāng)量(如公式(7)所示).

皮革有效面積=

(皮革總像素?cái)?shù)-瑕疵像素?cái)?shù))×像素當(dāng)量

(7)

4 仿真實(shí)驗(yàn)

本實(shí)驗(yàn)采用像素為800萬(wàn)的攝像頭，檢測(cè)多個(gè)已知面積的標(biāo)準(zhǔn)板進(jìn)行測(cè)量，得出本實(shí)驗(yàn)中的像素當(dāng)量為1.173 6 mm2/像素.為驗(yàn)證該方法的可行性，本實(shí)驗(yàn)將對(duì)多個(gè)規(guī)則形狀物體和不規(guī)則形狀的皮革進(jìn)行測(cè)量，表1為部分有效面積測(cè)量的仿真實(shí)驗(yàn)結(jié)果.實(shí)際面積測(cè)量過(guò)程中，規(guī)則物體采用直接測(cè)量的方式，不規(guī)則形狀皮革面積的測(cè)量則采用網(wǎng)格法進(jìn)行測(cè)量，將不形狀規(guī)則的皮革置于以1 cm×1 cm為一個(gè)單元格的30 cm×30 cm的透明網(wǎng)格標(biāo)準(zhǔn)板下方，畫(huà)出不規(guī)則皮革以及瑕疵區(qū)域的邊緣圖形，運(yùn)用網(wǎng)格法對(duì)邊緣面積計(jì)算時(shí)，當(dāng)其大于等于單元格的二分之一時(shí)在邊界內(nèi)部面積上加一，小于時(shí)則將其舍去，舍去部分相當(dāng)于對(duì)不足一個(gè)單元格面積部分的補(bǔ)償.

測(cè)量面積則是采用本文所述方法的測(cè)量結(jié)果，先采集皮革表面圖像進(jìn)行預(yù)處理，再對(duì)其進(jìn)行瑕疵檢測(cè)，對(duì)于無(wú)瑕疵皮革將其與背景區(qū)域分割后，通過(guò)閾值法對(duì)圖像進(jìn)行二值化，計(jì)算皮革區(qū)域在圖像中的像素?cái)?shù)，運(yùn)用公式(6)得到皮革的實(shí)際有效面積；對(duì)于有瑕疵的皮革則運(yùn)用瑕疵檢測(cè)原理中的方法提取瑕疵區(qū)域和優(yōu)質(zhì)區(qū)域的紋理特征，以最大類(lèi)間距離作為將其有效區(qū)分的條件，通過(guò)逐步聚類(lèi)的方法將瑕疵區(qū)域分離出來(lái)，再計(jì)算瑕疵區(qū)域的像素?cái)?shù)和皮革總像素?cái)?shù)，瑕疵區(qū)域的像素?cái)?shù)乘以像素當(dāng)量(1.173 6)得到瑕疵區(qū)域的實(shí)際面積，運(yùn)用公式(7)計(jì)算得到皮革的實(shí)際有效面積.

表1 物體的有效面積測(cè)量仿真實(shí)驗(yàn)結(jié)果

由表1仿真實(shí)驗(yàn)結(jié)果可知，基于圖像處理技術(shù)對(duì)規(guī)則物體和不規(guī)則皮革進(jìn)行測(cè)量，其測(cè)量結(jié)果的相對(duì)誤差均在2%以?xún)?nèi)，可以應(yīng)用于實(shí)際生產(chǎn)中的皮革有效面積的測(cè)量.

5 結(jié)束語(yǔ)

由于皮革形狀的不規(guī)則性，及其表面瑕疵大小形狀的隨意性，給皮革有效面積的測(cè)量帶來(lái)很多難題.本文提出了一種基于圖像處理技術(shù)的皮革有效面積的在線(xiàn)測(cè)量方法，該方法不僅可以實(shí)時(shí)準(zhǔn)確地檢測(cè)出皮革的有效面積，而且將其應(yīng)用于實(shí)際生產(chǎn)中可以提高生產(chǎn)效率，降低生產(chǎn)成本.仿真實(shí)驗(yàn)結(jié)果表明該方法可以有效應(yīng)用于皮革有效面積的測(cè)量.

[1]汪建根.皮革和毛皮的現(xiàn)代生產(chǎn)設(shè)備[M].西安:陜西科學(xué)技術(shù)出版社,2001:333-337.

[2]辛登科，張玉杰，胡 晶.圖像檢測(cè)技術(shù)在皮革缺陷檢測(cè)排樣系統(tǒng)的應(yīng)用[J].皮革科學(xué)與工程,2006,16(4)：24-26.

[3]賀福強(qiáng).大面積皮革表面的視覺(jué)檢測(cè)技術(shù)與應(yīng)用研究[D].杭州：浙江大學(xué),2012.

[4]于彩香.基于紋理分析的皮革可視缺陷檢測(cè)方法的研究[D].山東：山東輕工業(yè)學(xué)院，2009.

[5]王海濤，施亦東.圖像紋理分析技術(shù)與皮革中的應(yīng)用[J].皮革科學(xué)與工程，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]傾 明.基于顏色和紋理特征圖像檢索技術(shù)的研究[J].科學(xué)技術(shù)與工程,2009,9(5):1 301-1 304.

[8]李 健，韓 瑋，鄭 東.一種皮革表面缺陷檢測(cè)分類(lèi)方法的研究[J].計(jì)算機(jī)測(cè)量與控制,2010,18(12):2 733-2 747.

[9]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測(cè)繪,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.層次聚類(lèi)算法的研究及應(yīng)用[D].長(zhǎng)沙：中南大學(xué),2009.

[12]洪 英，黨宏社.一種基于圖像處理技術(shù)的皮革面積測(cè)量方法[J].中國(guó)皮革,2009,38(5):43-45.

[13]孫光靈，周慶松，方傳剛.基于最小類(lèi)內(nèi)方差的快速閾值分割算法[J].安徽理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2005,25(1):39-41.

[14]李 波，劉東華.一種計(jì)算任意形狀封閉區(qū)域面積的新方法[J].國(guó)防科技大學(xué)學(xué)報(bào),2002,24(4):61-64.