基于HSV空间与区域选择的微米木纤维直径检测算法

摘要

基于HSV空间与区域选择的微米木纤维直径检测算法包括以下步骤：拍摄微米木纤维显微放大图像，将RGB图像转换到HSV颜色空间，基于S分量进行二值化，基于用户需求，选择去除分支、毛刺等不规则形态特征，提取木纤维的主体区域，利用形态学单尺度边缘检测算子获得木纤维边缘，对边缘提取后的图像采用基于最大内切圆算法的改进的分段纤维测量法获取木纤维直径。本发明的方法不仅充分利用图像的色彩信息，而且基于最大内切圆算法的直径检测，不仅摒弃传统构建直线方程的思想，而且克服了木纤维图像的旋转、平移，尽量减少纤维毛刺对直径检测的影响，对指导仿真研究和实现微米木纤维直径智能化检测具有重要的意义。

说明书

所属技术领域

本发明涉及一种基于显微图像的微米木纤维直径检测算法，尤其涉及一种基于HSV颜色空间与区域 选择的改进的微米木纤维直径检测算法。

背景技术

目前纤维直径检测方法有气流仪法、光学显微镜投影法、光学显微镜自动扫描法、激光扫描法、扫描 电子显微镜法等，但因仪器价格昂贵，应用范围受限，不能很好地推广到生产中，从而使木纤维直径自动 化检测的难度增大。常用的RGB颜色模型由于R、G、B三分量之间存在很强的相关性，而HSV颜色空间更 符合人眼对色彩感知的特征，其三个分量相互独立、有较强的稳健性。王夏黎等人在文献1“一种基于HSV 颜色空间的车辆牌照提取方法”（计算机工程,2004,30(17)）中利用HSV颜色空间对输入的含有汽车牌照的 彩色图像直接进行处理，设计一种车牌检验方法，实现车牌定位。数学形态学具有完美的数学基础，在边 缘检测领域取得了很好的效果，如李杰等在文献2“基于数学形态学的边缘检测算法的研究”（计算机科 学,2012,39(6A)）中通过一种改进的形态学算子，有效地检测出边缘，并保持了边缘平滑性。纤维分段测量 法能够很好地利用各个分段的特征，张鹏飞等人在文献3“一种基于图像预处理的快速测试纤维直径的方法” （上海纺织科技，2011,(39)12）中，从羊毛纤维长度方向上，从纤维一端每隔约9个像素对纤维进行基于直 线拟合的直径测量，此算法缩短了直径检测时间，提高了测量效率，发挥数字图像处理技术的优势。最大 内切圆的应用较多，吴微等人在文献4“手掌静脉识别中感兴趣区域的选择与定位研究”（光电子·激 光,2013,(24)1）中，提出基于大鱼际区的ROI定位方法，以靠近手腕侧最大内切圆确定手掌上的两个稳定特 征点，利用这两个稳定特征点确定ROI，对大鱼际区和掌心区的ROI图像进行识别性能对比实验，结果表 明，这种方法使多种识别性能指标都得到明显改善。以上所述均为基于HSV颜色空间与区域选择的微米木 纤维直径检测算法提供了理论依据。

发明内容

本发明的目的是提供一种基于HSV空间与区域选择的改进的微米木纤维直径检测算法，该算法采用 基于HSV颜色空间的S分量实现目标提取，基于用户需求概念，通过基于最大内切圆算法改进传统的分 段测量法计算每个分段的直径并获取平均值，实现微米木纤维直径检测。算法不受背景的噪声影响，直径 检测效果好，适用性较强。

为了达到上述目的，本发明采用如下技术方案：

基于HSV空间与区域选择的微米木纤维直径检测算法，包括以下步骤：

(1)读入微米木纤维显微放大图，将得到的RGB图像变换到HSV颜色空间，提取S分量进行阈值分割， 进行数学形态学及滤波去噪等操作，获取去除背景的二值化目标；

(2)如果微米木纤维形态不规则，则先进行用户区域选择，提取木纤维主体区域，并进行形态学单尺度 边缘检测；

(3)对边缘检测后的图像进行基于最大内切圆算法的改进的分段纤维直径测量，并将各个分段区域直径 的平均值作为微米木纤维直径的最终结果，算法结束。

附图说明

图1是基于HSV空间与区域选择的微米木纤维直径检测算法流程图；

图2是实验用的微米木纤维显微放大图像；

图3是木纤维图像HSV颜色空间三分量图，其中图(a)为H分量图、图(b)为S分量图、图(c)为V分量 图；

图4是基于S分量对木纤维图像进行二值化提取结果；

图5是对二值化图像基于用户需求进行木纤维主体区域提取；

图6是对区域提取后的图像进行边缘检测的结果；

图7是对木纤维进行基于最大内切圆的其中一个分段测量的结果；

具体实施方式：

图1是基于HSV空间与区域选择的微米木纤维直径检测算法流程图；本发明的基于HSV空间与区域 选择的微米木纤维直径检测算法包括以下步骤：

（1）将采集到的RGB图像变换到HSV颜色空间；

（2）提取S分量进行二值化目标提取；

（3）进行数学形态学及滤波去噪等操作，获得去除背景的二值化目标；

（4）基于用户需求提取微米木纤维主体区域；

（5）采用形态学单尺度算子检测微米木纤维边缘；

（6）对边缘提取后的图像采用基于最大内切圆算法的改进的分段测量法检测纤维直径；

（7）对各分段直径计算平均值，作为微米木纤维直径的最终结果。

图2为采集到的微米木纤维显微放大图像；

图3为木纤维图像HSV颜色空间三分量图，其中图(a)为H分量图、图(b)为S分量图、图(c)为V分量 图。由于S分量较好地凸显了完整木纤维颗粒，因此采用S分量去除背景提取目标；

图4为通过上述分析对木纤维显微放大图像进行基于S空间提取目标，并进行数学形态学及滤波去噪 等操作得到的结果图。从该实验结果分析，该方法能够成功地从背景中较好地分离出木纤维；

图5是对所得二值分割结果图像基于用户需求概念，去除木纤维不规则形态特征(例如分叉、毛刺等) 的结果图。从实验结果可以看出，基于用户需求，不仅获得了较为完整规则的木纤维主体区域，便于接下 来的直径测量，而且引入用户参与，使得算法更加具有交互性；

图6是对上述目标提取后的图像进行形态学单尺度算子边缘检测，采用的算子为： $G\left(f(x,y)\right)=(f(x,y)\oplus b(i,j))-\left(f(x,y)\mathrm{\Theta b}(i,j)\right),$其中，f(x,y)为像素点，b(i,j)为结构元。算法 选取圆盘结构元，半径为3；

图7是对木纤维进行基于最大内切圆的其中一个分段测量的结果。