一种羊毛鳞片层的数字图像分级方法与流程

本发明涉及羊毛鳞片层分级技术领域，特别是涉及一种羊毛鳞片层的数字图像分级方法。

背景技术：

羊毛是一种天然的优质蛋白质纤维，是现代纺织产业的重要原材料之一。羊毛有许多优良的特性，比如说如保暖性好、弹性好、吸湿性强、手感柔和、不容易脏等等。这些性能使得羊毛的织物有着自己的优势，用羊毛可以织制各种高级衣用织物：如薄毛呢，有手感滑糯、弹性好、质地丰厚、光泽自然的春秋季节的衣物；如中厚花呢，有质地丰厚、保暖性强、手感舒适的冬季衣物。比如冬季常穿的羊毛衫等。羊毛也可以织制工业用呢绒、毛毯、衬垫等重要材料。

但羊毛也并非完美无缺的，它还存在着一些缺点。如羊毛织物在使用洗衣机洗涤时很容易使得织物尺寸发生明显变化，这是由于定向摩擦效应很容易发生毡缩变形；其次，羊毛鳞片层的存在使得羊毛织物在贴身穿着时会存在刺痒感，这会大大影响羊毛织物的穿着体验，从而限制其用途；同时，羊毛产品需要在与其他材料相比较高温度下才能达到好的染色效果，这造成了印染过程中能源上的大量花费；此外，羊毛产品在后整理时需经过柔软化、抗菌等后期整理过程，鳞片层使得这些助剂对羊毛织物的吸附能力降低，使得后整理变的更为困难。

随着时代的进步，人们对羊毛织物性能的要求也变的越来越高。人们不仅仅希望羊毛服饰能在冬天有好的保暖效果，还要求羊毛服饰能够时尚、易清洗、穿着舒适，价格亲民等等。这就对羊毛织物的染色性能、抗毡缩性能、透气性能、穿着时的感觉等提出了挺高的要求。同时，由于社会环保意识的加强，人们对于环境更为重视了。纺织染整工业由于对环境易于产生影响，更应该尽一切努力保护环境。对于有着许多优良特性的羊毛来说，人们希望对这一优良天然纤维的染整加工也能走上清洁环保，节能低耗的新路子。因此，采用对环境友好的方法对羊毛进行改性，消除鳞片层造成的负面影响，是一项势在必行的研究。

羊毛之所以拥有上述诸多特性，主要由于它具有特殊的形态结构。其中羊毛纤维表面的鳞片层结构，对羊毛织物的物理和化学性能有着很大的影响。这些薄片状的细胞就像爬行动物体表覆盖的鳞片那样重叠覆盖，包覆在毛干的外部。根部附着于毛干，梢部伸出毛干表面并且指向毛尖，按不同程度突出于纤维表面并向外张开，形成一个陡面阶梯状结构。

鳞片层是羊毛纤维特有的结构之一，它是导致了羊毛染色困难、洗涤时容易发生毡缩变形以及穿着的刺痒感的原因。鳞片层是由角质化的扁平状细胞通过细胞膜复合物粘接而成。羊毛的鳞片细胞由三部分组成：分别为鳞片表层、鳞片外层和鳞片内层。

羊毛纤维表面的鳞片层结构使得羊毛织物的穿着体验不佳，也给生产中的染整加工过程带来了很多麻烦。因此，对羊毛进行剥鳞改性的研究便应运而生。关于羊毛剥鳞的研究已经有了相当长的历史，最初是为了改善羊毛织物的防缩性能，提高产品的尺寸稳定性，使毛制品获得“机可洗”的性能。随着人们对鳞片层的结构以及它在羊毛加工服用过程中不同作用的认识愈发深入，对羊毛剥鳞技术的研究也有了愈发广泛的应用。羊毛剥除鳞片层的好处，主要有改善羊毛的染色性能、改善羊毛的抗静电性能、改善羊毛的穿着舒适性、改善羊毛的化学吸附性能、改善羊毛防毡缩性能五个方面。

我国每年需要向澳洲等地进口大量的细羊毛，国内主要生产低档次的羊毛纤维，而中等和优质羊毛纤维在我国广大的市场内供不应求，处于极度短缺的状态。假若有方法能够将现有的粗羊毛或者半粗羊毛进行改性，使其与优质的细羊毛的性能相似，这样可以把相对质量较低的粗羊毛原材料利用起来，代替细羊毛进行纺织生产，就可以创造更大的社会价值，创造显著的经济效益和社会效益。所以，将粗劣的羊毛纤维进行表面鳞片剥除，改性成市场上所需的优质羊毛纤维具有极大的潜在商业价值，我国也要加大力度开展这方面的研究工作。

然而，现有的改性工艺对同一批羊毛纤维进行优化改性的效果并不是整齐划一的，很难做到把所有羊毛纤维都完美的剥除鳞片。比如说，在同一批处理的羊毛纤维中，有鳞片剥除效果极好的羊毛纤维，也有几乎没有剥除掉鳞片的羊毛纤维，其间可能会有较大的差距。因此，需要对改性的效果进行评估，甄别出其中处理效果较好的羊毛纤维，求出其占总量的百分比。如果本批次处理的羊毛中剥除鳞片好的羊毛纤维占大多数，可以认为改性的效果好；反之，如果本批次羊毛纤维中大多数都几乎没有剥去鳞片，那么可以认为改性的效果不好。

现有的对改性效果的评估过程主要还是靠人力进行，不但费时费力，而且评估的结果受评估者主观因素影响较大，导致评估的结果可信程度不高。

计算机数字图像处理就是使用计算机对图像进行接收，然后进行信息的提取、加工、模式识别及存储和显示的过程。计算机得到了图像的信息以后，就可以对图像进行图像的增强、压缩、复原、分割、识别等等各种处理。

计算机数字图像处理是一门相对来说新兴的学科，随着信息技术的飞速发展，信息处理、测量技术和工程技术等领域中已经有了数字图像处理的广泛应用。随着计算机科学技术的迅猛发展，数字图像处理技术取得了飞越式的进步。与此同时，计算机数字图像处理与其他学科之间的联系和交叉也日益广泛。作为一种有效的帮助方式，计算机图形图像处理技术已逐渐渗入到其他学科的研究工作中，如到医疗保健、航空航天、工业、军事等等，其应用领域已经越来越广泛，并日益发挥其强大的作用。

计算机数字图像处理是信息处理技术中发展十分快速的一个分支。由于计算机硬件方面的飞速发展，图像处理技术发展的硬件条件得到了强化。在近三十年的时间内，计算机数字图像处理技术已经为各领域的研究发展提供了巨大的帮助，与其他学科之间的交叉日益加深。

随着生产水平的快速发展，人们对服饰的审美方面的要求和舒适程度上的要求也越来越高；而随着生产规模越来越大，生产过程的社会化程度提高，服饰对原材料的要求也越来越高。因此，纯粹依靠人来评定和鉴别产品的质量及等级已经无法再满足生产的要求。这是由于人眼对产品的判断往往有很大的主观因素，而错误的评定和鉴别将导致巨大的损失和风险。因此，我们需要一种新的评估方法，使得评估更具有的准确性、科学性和可靠性。

技术实现要素：

本发明所要解决的技术问题是提供一种羊毛鳞片层的数字图像分级方法，能够快速公正地对羊毛改性效果进行评价。

本发明解决其技术问题所采用的技术方案是：提供一种羊毛鳞片层的数字图像分级方法，包括以下步骤：

(1)对获取到的数字图像进行去噪处理；

(2)将去噪后的数字图像进行二值化；

(3)对二值化后的数字图像进行羊毛边缘的直线检测，并选取合适的区域；

(4)将选取的合适区域中的羊毛纤维投影到水平方向上得到反应羊毛鳞片所处位置的波形；

(5)计算得到的波形曲线的一阶导数和二阶导数，根据一阶导数和二阶导数的值确定峰值点，其中，峰值点应当满足一阶导数为0，并且二阶导数为负数；

(6)计算相邻峰值点的间距，根据相邻峰值点的间距进行分级。

所述步骤(1)采用高斯平滑滤波方法进行去噪处理。

所述步骤(2)中二值化时依靠人眼和边缘直线检测相配合来确定阈值。

所述步骤(3)中对二值化后的数字图像通过霍夫变换进行直线拟合，提取羊毛纤维的两边，完成对羊毛边缘的直线检测。

所述步骤(4)具体包括：将选取的合适区域中的羊毛纤维图像翻转到水平方向，遍历图像上的每一个像素点，对图像进行积分投影得到投影曲线。

所述步骤(5)中还包括对峰值点进行筛选的步骤，具体为：去除一些高度与整个曲线的平均值比较接近的波峰；去除相邻很近的两个波峰中的一个。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明建立了一套关于羊毛鳞片剥除效果的明确判析分级，配合数字图像分析处理技术的使用，研发对羊毛鳞片密度进行识别与分级的算法，实现对羊毛纤维电子显微镜照片自动分级功能，使其在实际工作中可以对处理后的羊毛纤维的处理效果进行分级鉴定。在获得分级的基础上，由此对改性处理的效果作出准确、科学、可靠的评估，进而判断该批处理过的羊毛在实用中可以作何种用途。

附图说明

图1是本发明的流程图；

图2是实施方式中霍夫变换检测直线示意图；

图3是实施方式中选择检测区域的示意图；

图4是实施方式中翻转到水平方向的羊毛纤维数字图；

图5是实施方式中羊毛纤维投影曲线图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种羊毛鳞片层的数字图像分级方法，具体包括以下步骤：

(1)对获取到的数字图像进行去噪处理。

数字图像应用中的一个首要条件就是从噪声背景下寻找出图像目标。而消除图像噪声的方法是图像平滑(smoothing)。图像平滑有两个主要目的，其一是改善图像质量，其二是抽出对象的特征。所以，需要一个有效的滤波机制来完成对图像质量的提升以及对象特征的提取。

在拍摄电镜照片的过程中，杂质总是会不可避免地被排入。或者在纤维显微图像的捕获过程中，纤维边缘会出现伪边。针对纤维图片出现的这些现象，首先应该采用“噪声去除”算法，进行图像的平滑处理，通过实验发现哪种算法的平滑效果较好。常用的滤波算法有简单平滑滤波、高斯平滑滤波、中值滤波等。

首先是图像的简单平滑处理。在简单平滑处理中，算法使用卷积模板对图像中的每一个像素进行逐一处理，然后产生图像的滤波效果。可以把这一过程比喻为为逐个地过滤处理源图像中的每一个像素，并且进行相关的数据运算，最终得到数据结果，即所需要的平滑图像。

图像的高斯平滑是进行平滑处理图像的方法之一，也是基于领域平均的基本思路。而其与图像的简单平滑不相同的地方在于，在图像的高斯平滑中，在进行平均图像领域时把不同的权值赋予给不同位置的像素，然后再进行数据运算，再得到所需的平滑图像。与图像的简单平滑相比较，对高对比度图像进行平滑处理时高斯平滑的处理效率不高，平滑效果也并不十分理想。但是在需要平滑操作中，保有源图像的总体灰度分布特点的情况下，高斯平滑具有很大的优势，可以得到较好的平滑效果。

中值滤波是一种非线性滤波，相对于其他两种滤波器，它的优点在于：首先，中值滤波降低噪声的效果比较明显；其次，在灰度值变化比较小的情况下，中值滤波可以得到很好的平滑处理结果；最后，中直滤波可以较好的保护完整的边缘细节，而不是像均值滤波淹没了细节。

本实施方式使用的是高斯平滑滤波。经多次实验表明，在高斯平滑滤波、简单平均滤波和中值滤波中，高斯平滑滤波的降噪效果最佳。

(2)将去噪后的数字图像进行二值化。

图像的二值化就是将图像上每个像素点的灰度值设置为0或255，即非黑即白，图像上只有两种颜色。在数字图像处理中，图像的二值化处理是十分重要的一步，这是由于图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓，方便对目标的特征进行进一步的提取。

在图像二值化的过程中，需要一个阈值，来确定图像的二值化程度。阈值是要确定出一个范围，然后在这个数值内的图像上的像素点被设置为0，而这个数值之外的像素点设置为255。假如图像上的某个像素值大于阈值，则变换后该像素点的灰度值为255，即为黑色；反之则为0，即白色。

对羊毛纤维图像来说，所需要的目标是羊毛表面鳞片的密度，所以所需要的是鳞片的边缘，所以将边缘检测后得到的图像二值化为黑白图像，以突出纤维图像的表面鳞片的特征。对于图像来说，目标物和背景中杂物的最大区别就是灰度级。图像的二值化就是通过把图像的灰度分成不同等级，然后通过设置阈值的方法把背景与目标物区分开来，从而得到我们所需的目标物即纤维的表面鳞片特征。

在二值化过程中，阈值的大小会直接决定着分割的效果，当阈值定的过高，偶然出现的物体点就会被当作背景，使得整个图片杂乱无章，分不清目标物与背景杂物；如果阈值过低，就会发生相反的情况。目标物融入到背景里，没有被分离出来。因此，对于图像的二值化来说，选择一个合适的阈值是最为重要的，使得划分后背景与目标的误差最小。然而，由于羊毛电镜照片中难免有杂物影响，且不同的图像中会有光线、灰度等条件的变化，难以使计算机直接确定阈值。因此，本实施方式中需要依靠人眼配合霍夫变换寻找出的直线，来决定一个最佳的阈值，以保证羊毛纤维分级的准确性。

(3)对二值化后的数字图像进行羊毛边缘的直线检测，并选取合适的区域。

羊毛纤维的边缘两边接近直线，在进行羊毛识别的研究过程中，可以选择采用通过霍夫变换(Hough)进行直线拟合的方法，来提取羊毛纤维的两边，从而确定一个合适的阈值参数，并便于后期把羊毛纤维进行旋转到水平的操作。

霍夫变换是利用一种变换域来提取目标轮廓，通过把直线上的点的坐标变换到过点的直线的系数域，并巧妙的利用了共线与直线相交的关系，是直线的提取问题转化为计数问题。因此，图像边缘的提取问题即可由经过边缘像素点的无数条霍夫直线连接起来组成封闭区域边界。

假设O-xy平面上内一条直线，其方程为：y＝ux+v，其中u和v分别为直线的斜率和截距，对于给定的一条直线，对应一个数对(u，v)，反之，如果给定一个数对(u，v)，则对应一条直线y＝ux+v，即O-xy平面上的直线y＝ux+v与O-uv平面上的数对(u，v)一一对应，此关系称为霍夫变换。因此，O-xy平面上的每一个点都对应一条直线，这些直线都相交于一点(u，v)，但此直线的斜率可能会无穷大，因此将此直线方程改为极坐标方程：xcosα+ysinα＝ρ，式中，ρ是直线到坐标系原点的距离，α是直线法线与X轴的夹角，于是，O-xy平面坐标中的一条直线和坐标O-ρα平面中的点一对一对应。

图2是霍夫变换检测直线示意图。根据手动选择的阈值的不同，霍夫变换找到的直线也会变化。由此，在比较清晰地检测出羊毛纤维的边缘直线时，羊毛的鳞片特征也得到较好的体现。由此可以确定出一个比较准确的阈值，在确定了一个阈值后，需要手动对羊毛纤维数字图片进行一个区域选择，此时应当选择边缘被清楚检测出来的区域(见图3)。

(4)将选取的合适区域中的羊毛纤维投影到水平方向上得到反应羊毛鳞片所处位置的波形。

得到可以反应羊毛鳞片特征的二值化图像以后，只要把羊毛纤维投影到水平方向上，就可以得到反应了羊毛鳞片所处位置的波形。而其中波峰的位置，往往就是鳞片所在的位置。而如果直接进行投影，由于角度的问题，很难真正反应出来鳞片边缘所处的真实位置。为此，首先要把羊毛纤维数字图像翻转到水平方向(见图4)，遍历图像上的每一个像素点，对图像进行积分投影得到投影曲线(见图5)。

(5)计算得到的波形曲线的一阶导数和二阶导数，根据一阶导数和二阶导数的值确定峰值点，其中，峰值点应当满足一阶导数为0，并且二阶导数为负数。

波峰检测算法的核心思路是曲线的峰值点应当满足一阶导数为0，并且满足二阶导数为负数。本实施方式采用的算法首先计算了曲线的一阶导数diff_v[i]，然后将其转化为-1和1，这是由于一阶导数的具体数值并没有意义，需要的仅是其符号，就可以看出原曲线的增减性。然后对于一阶层数为0的点中，其中的一部分并不是真正的波峰，而仅仅是一阶导数为0。所以将它们的一阶导数设为与它们所在的梯度方向相同。

然后在计算二阶导数时，如果该点的二阶导数为-2时，则说明曲线的方向在这个点发生由正变负，也就是原曲线中的波峰点。而波峰点所对应的位置，就包含了原图中对应的羊毛鳞片所对应的位置。

然而由于羊毛鳞片的不规则性，通过上述步骤所找到的波峰并不全是羊毛纤维鳞片的边缘所在的位置，因此需要对找到的所有波峰进行筛选。首先要剔除一些高度与整个曲线的平均值比较接近的波峰。这是因为这些波峰仅仅是羊毛纤维的边缘投影得到的，而不是对羊毛纤维表面的鳞片边缘的反应。其二，要剔除相邻很近的两个波峰中的一个，这是由于存在一个鳞片边缘由于其图案不规则等原因，可能投影出现两个相邻非常接近的波峰。由此，可以得到比较准确的、能够反应鳞片边缘的波峰的数量。

(6)计算相邻峰值点的间距，根据相邻峰值点的间距进行分级。

根据上述方法可以得到波峰的数量，如此就可以得到波峰的间距，即鳞片的间距d。得到鳞片之间的间距之后，在前期检测到的大量鳞片间距数据的基础上，对其加以归纳和分析，由此可对羊毛纤维的鳞片剥除程度根据d的值拟作出分级。分级的方式具体如下：如果d≤40，为第一级；如果40＜d≤50，为第二级；如果50＜d≤60，为第三级；如果60＜d≤70，为第四级；如果d＞70，为第五级。其中第五级为最高级，即代表羊毛纤维鳞片剥除效果最好的等级；第一级为最低级，即羊毛纤维鳞片剥除效果较差。

其中特别值得注意的是，如果羊毛纤维表面已经几乎完全剥除鳞片，或者只剩下极少量的鳞片残迹时可以作为一种特殊情况，这种情况下应该直接定级为第五级。这是由于此时的投影曲线没有明显的波峰，这可能导致寻找波峰结果不准确，进而导致分级的结果不准确。因此，在此中情况下没有必要使用该方法进行分级，直接定级第五级即可。

不难发现，本发明建立了一套关于羊毛鳞片剥除效果的明确判析分级，配合数字图像分析处理技术的使用，研发对羊毛鳞片密度进行识别与分级的算法，实现对羊毛纤维电子显微镜照片自动分级功能，使其在实际工作中可以对处理后的羊毛纤维的处理效果进行分级鉴定。在获得分级的基础上，由此对改性处理的效果作出准确、科学、可靠的评估，进而判断该批处理过的羊毛在实用中可以作何种用途。