專利名稱：一種獺兔被毛纖維細(xì)度、密度檢測方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于精密計(jì)量儀器技術(shù)領(lǐng)域，特別涉及一直包括兔毛、羊毛、貂絨、馬海毛等毛皮動(dòng)物毛皮質(zhì)量和其他圓形截面的紡織纖維的細(xì)度測量方法及設(shè)備，廣泛應(yīng)用于毛皮產(chǎn)品、紡織品進(jìn)出口和生產(chǎn)行業(yè)的質(zhì)量管理。
背景技術(shù)：
獺兔又名力克斯兔(Rex rabbit)，原意為“兔中之王”。又因力克斯兔被毛平整直立，富有絢麗光澤，手感柔軟、舒適，毛細(xì)密，很似珍貴毛皮獸水獺。所以，多以“獺兔”稱之。獺兔是典型皮用兔。獺兔毛皮品質(zhì)標(biāo)準(zhǔn)要求，概括為“短、細(xì)、密、平、美、牢”。所謂“短”，就是毛纖維短，毛纖維長度在1.3厘米 2.2厘米之間?！凹?xì)”就是毛纖維直徑在16微米 18微米，粗毛少?！懊堋本褪墙q毛豐厚，被毛密度在10000根 25000根/cm2?！捌健本褪墙q毛長短一致，平整?！懊馈本褪巧{(diào)美觀，有光澤。“牢”就是被毛著生牢固，不易脫落。獺兔皮毛在國際市場上銷售一直被看好。
2007.04.11公告號(hào)為CN1946335的專利申請涉及一種被毛質(zhì)量檢測設(shè)備(100)，其具有電磁輻射源(80)和成像傳感器(74)，并具有輻射選擇裝置(83，48)。在該設(shè)備的使用過程中，該選擇裝置提高發(fā)射的接入到皮膚(8)、在皮膚中經(jīng)由多次散射而均勻化且沒有吸收，并到達(dá)該傳感器(74)且提供皮膚圖像的那部分輻射，與經(jīng)由其它方式例如在皮膚表面反射到達(dá)傳感器的那部分輻射之間比率。借助于該選擇，圖像的對(duì)比度可得以提高，并可以更少的依賴于皮膚顏色和皮膚偽像，從而能使檢測例如淺色皮膚上的白色被毛更容易。該被毛檢測設(shè)備主要用于活體毛皮動(dòng)物毛皮質(zhì)量的檢測設(shè)備，現(xiàn)有獺兔被毛細(xì)度、密度檢測方法，主要有人工剪毛計(jì)數(shù)法，顯微鏡投影法和取皮切片染色檢測毛囊纖維計(jì)數(shù)法，一方面需要活體取皮、剪毛，損傷毛皮或屠宰獺兔；另一方面該檢測儀器結(jié)構(gòu)復(fù)雜，檢測只能在實(shí)驗(yàn)室內(nèi)操作，工作量大周期長，不便于數(shù)據(jù)處理，耗費(fèi)人力物力，檢測成本高，已不便于生產(chǎn)行業(yè)的質(zhì)量管理。

發(fā)明內(nèi)容
在發(fā)明內(nèi)容部分中引入了一系列簡化形式的概念，這將在具體實(shí)施方式
部分中進(jìn)一步詳細(xì)說明。本發(fā)明的發(fā)明內(nèi)容部分并不意味著要試圖限定出所要求保護(hù)的技術(shù)方案的關(guān)鍵特征和必要技術(shù)特征，更不意味著試圖確定所要求保護(hù)的技術(shù)方案的保護(hù)范圍。
本發(fā)明目的之一是提供一種獺兔被毛纖維細(xì)度、密度檢測方法，可以在活體獺兔取毛樣直接檢測分析，操作方便、效率高。
本發(fā)明同時(shí)提供一種獺兔被毛纖維細(xì)度、密度檢測系統(tǒng)，其結(jié)構(gòu)簡單、方便攜帶，檢測速度快、精度高。
本發(fā)明是通過如下技術(shù)方案實(shí)現(xiàn)的，
一種獺兔被毛細(xì)度、密度纖維檢測方法，其特征在于包括如下步驟:
a、采集被毛圖像數(shù)據(jù)；b、將被毛圖像數(shù)據(jù)傳輸?shù)接?jì)算機(jī)中存儲(chǔ)；
C、通過計(jì)算機(jī)處理軟件完成檢測分析。
根據(jù)本發(fā)明的方法，采用檢測儀直接從活體獺兔身上采集被毛圖像數(shù)據(jù)。
根據(jù)本發(fā)明的方法，在步驟C中采用便攜式數(shù)據(jù)處理設(shè)備完成數(shù)據(jù)檢測分析。
根據(jù)本發(fā)明的檢測儀具體為DinoLite手持式USB數(shù)碼顯微鏡。
獺兔被毛纖維細(xì)度、密度檢測系統(tǒng)，其特征在于包括被毛圖像數(shù)據(jù)采集裝置、被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置。
根據(jù)本發(fā)明的系統(tǒng)，所述圖像數(shù)據(jù)采集裝置為DinoLite手持式USB數(shù)碼顯微鏡。
根據(jù)本發(fā)明的系統(tǒng)，所述被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置為便攜式數(shù)據(jù)處理設(shè)備。
根據(jù)本發(fā)明的系統(tǒng)，所述顯微鏡主要由(XD、凸透鏡、以及照明單元構(gòu)成。
根據(jù)本發(fā)明的系統(tǒng)，為使用更方便，所述便攜式數(shù)據(jù)處理設(shè)備設(shè)置有為輸入/輸出接口和充電口。
本發(fā)明可以在活體獺兔取毛樣直接檢測分析，而且結(jié)構(gòu)簡單、方便攜帶，檢測速度快、精度高，使用操作方便。具體而言，具有如下4個(gè)顯著的特點(diǎn):
1、快速:即測即得，圖像數(shù)據(jù)分析，統(tǒng)計(jì)，迅速獲取該只獺兔的檢測數(shù)據(jù)結(jié)果，儲(chǔ)取方便，還可事后分析，輸出。
2、便攜式:儀器設(shè)計(jì)為手持式，操作簡便，無需交流電，適合野外，現(xiàn)場檢測。
3、無損:直接在動(dòng)物活體上進(jìn)行檢測，對(duì)被檢測毛皮動(dòng)物皮毛無損害，可多次重復(fù)測量。
4、更換不同的采樣頭，可對(duì)多種動(dòng)物皮毛進(jìn)行檢測。


圖1為本發(fā)明中檢測系統(tǒng)的結(jié)構(gòu)示意圖。
圖2為640X480的BMP格式圖像。
圖3為未經(jīng)處理的圖片。
圖4為經(jīng)灰度處理后的圖片。
圖5為對(duì)圖4所作的色階譜圖。
圖6為色階譜圖示例圖。
圖7為圖像相應(yīng)位置的像素信息示意圖。
圖8a和圖8b分別為二維適應(yīng)性去噪過濾處理示例圖。
圖9a和圖9b分別為創(chuàng)建預(yù)定義過濾器示例圖。
圖1Oa和IOb分別為識(shí)別強(qiáng)度圖像中的邊界示例圖。
圖11為獺兔被毛在顯微鏡下呈現(xiàn)的無交叉示意圖。
圖12為獺兔被毛在顯微鏡下呈現(xiàn)的交叉或重疊示意圖。
圖13為從左至右的對(duì)圖像進(jìn)行切片操作所得示意圖。
圖14為數(shù)據(jù)-灰度值變化示意圖。
圖15為統(tǒng)計(jì)結(jié)果示意圖。
圖16為去噪算法圖。
其中I為被毛圖像數(shù)據(jù)采集裝置、2為被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置、3為CCD、4為凸透鏡、5為照明單元、6為輸入/輸出接口、7為充電口。
具體實(shí)施例方式在下文的描述中，給出了大量具體的細(xì)節(jié)以便提供對(duì)本發(fā)明更為徹底的理解。然而，對(duì)于本領(lǐng)域技術(shù)人員來說顯而易見的是，本發(fā)明可以無需一個(gè)或多個(gè)這些細(xì)節(jié)而得以實(shí)施。在其他的例子中，為了避免與本發(fā)明發(fā)生混淆，對(duì)于本領(lǐng)域公知的一些技術(shù)特征未進(jìn)行描述。
為了徹底了解本發(fā)明，將在下列的描述中提出詳細(xì)的細(xì)節(jié)，以便說明本發(fā)明是如何解決現(xiàn)有的通信感知評(píng)估系統(tǒng)的無法對(duì)網(wǎng)絡(luò)問題區(qū)域進(jìn)行收集分類等問題。顯然，本發(fā)明的施行不限定于通信領(lǐng)域的技術(shù)人員所熟習(xí)的特殊細(xì)節(jié)。本發(fā)明的較佳實(shí)施例詳細(xì)描述如下，然而除了這些詳細(xì)描述外，本發(fā)明還可以具有其他實(shí)施方式。
一種獺兔被毛纖維細(xì)度、密度檢測方法，其特征在于包括如下步驟: a、采集被毛圖像數(shù)據(jù)；
b、將被毛圖像數(shù)據(jù)傳輸?shù)接?jì)算機(jī)中存儲(chǔ)；
c、通過計(jì)算機(jī)處理軟件完成檢測分析。
本發(fā)明中采用DinoLite手持式USB數(shù)碼顯微鏡直接從活體獺兔身上采集被毛圖像數(shù)據(jù)。在步驟c中采用便攜式數(shù)據(jù)處理設(shè)備完成數(shù)據(jù)檢測分析。
本發(fā)明同時(shí)還提供一種獺兔被毛纖維細(xì)度、密度檢測系統(tǒng)，其特征在于包括被毛圖像數(shù)據(jù)采集裝置1、被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置2。
進(jìn)一步的，本發(fā)明所述圖像數(shù)據(jù)采集裝置為DinoLite手持式USB數(shù)碼顯微鏡。
進(jìn)一步的，本發(fā)明所述被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置2為便攜式數(shù)據(jù)處理設(shè)備。
所述DinoLite手持式USB數(shù)碼顯微鏡主要由(XD3、凸透鏡4、以及照明單元5構(gòu)成。
為了使用更方便，所述便攜式數(shù)據(jù)處理設(shè)備設(shè)置有為輸入/輸出接口 6和充電口 7。
獺兔被毛檢測儀的軟件功能大體如下:a)通過視頻頭采集存儲(chǔ)獺兔被毛圖像。b)將獺兔被毛圖像形成可分析計(jì)算的格式。c)通過獺兔被毛檢測要求指標(biāo)設(shè)計(jì)數(shù)學(xué)模型。d)根據(jù)獺兔被毛檢測報(bào)告要求設(shè)計(jì)結(jié)果統(tǒng)計(jì)界面。
獺兔被毛檢測儀的圖像采集是通過USB2.0獨(dú)立手持式顯微放大視頻頭采集。采用Directshow技術(shù)編程對(duì)USB設(shè)備(顯微放大視頻頭)編寫該軟件的圖像采集部分。
圖像數(shù)據(jù)分為2類:動(dòng)態(tài)視頻圖像(avi文件)，靜態(tài)圖像文件(bmp或jpg格式)。捕捉之后得到的這2類數(shù)據(jù)，取靜態(tài)圖像文件(bmp或jpg格式)作為分析數(shù)據(jù)。采用BMP格式作為最終分析數(shù)據(jù)。
采集640X480的BMP格式圖像，將BMP圖片從左下角開始，右上角結(jié)束，一共640X480個(gè)點(diǎn)。聲名一個(gè)PBits[640] [480]的一個(gè)RGB類的數(shù)組，每個(gè)矩陣點(diǎn)得到的數(shù)據(jù)都是一個(gè)RGB值，RGB類是一個(gè)由R，G，B個(gè)數(shù)據(jù)組成，分別代表該點(diǎn)的紅R，綠G，藍(lán)B三元色的數(shù)值。如圖2所示，可以看到能夠得到的只是這640X480個(gè)點(diǎn)數(shù)據(jù)RGB值。由于需要處理的數(shù)據(jù)是白色或者棕色，黑色的毛發(fā)，所以需要對(duì)數(shù)據(jù)進(jìn)行灰度處理。處理過程如下:
每個(gè)點(diǎn)的RGB灰度值經(jīng)過灰度經(jīng)典運(yùn)算公式得到一個(gè)(O - 255)的數(shù)據(jù)值，這樣就得到了一個(gè)整形二維數(shù)組P[640] [480]。這個(gè)數(shù)據(jù)每一個(gè)點(diǎn)就反映了圖片每個(gè)位置的明暗程度。這個(gè)陣列數(shù)組就是后面數(shù)學(xué)建模的一個(gè)基礎(chǔ)。下面看一下灰度處理的結(jié)果。圖3為沒有經(jīng)過處理的圖片，圖4是一個(gè)灰度處理過的圖片，可以看到毛發(fā)的位置的灰度值和底色的差異。
數(shù)據(jù)模型分析處理過程
得到的只是一個(gè)P[640] [480]的一個(gè)數(shù)據(jù)陣列。
處理的第一步色階分析:
例如對(duì)上一部圖作色階分析，得到圖5所示的色階譜圖。從圖5可以看到色階的一個(gè)分部，利用這個(gè)色階可以把底色和有用數(shù)據(jù)部分分開，進(jìn)而對(duì)毛發(fā)部分?jǐn)?shù)據(jù)進(jìn)行分析處理。當(dāng)然并不是每一個(gè)圖片都能進(jìn)行有效處理，以圖6為例，可以看到當(dāng)色階定義為109的時(shí)候，毛發(fā)部分并不能很好的顯示出來，還參雜了底色在里面。這個(gè)說明底色和毛發(fā)顏色過于接近，或者說毛發(fā)顏色和底色交叉很嚴(yán)重。換句話說，例如毛發(fā)色階在(110 — 130)之間，而環(huán)境色，底色(80 - 150)之間，這就使得有用數(shù)據(jù)無法剔除出來。因?yàn)檫M(jìn)行的灰度處理，所以3元色變?yōu)榱艘辉@個(gè)過程是數(shù)據(jù)進(jìn)行了丟失，但是灰度處理是圖像色階剔除的一個(gè)最簡單的方法。所以數(shù)學(xué)模型不能簡單的參照灰度處理來分割，需要從3元色基礎(chǔ)進(jìn)行另外的方法建模。例如對(duì)R色，G色，B色3種顏色都進(jìn)行分割處理細(xì)化。但是這里有個(gè)一很困難的問題，毛發(fā)的顏色大多為白，灰白，黑，棕，這些顏色的RGB值，接近于3等分。所以即便進(jìn)行3色分割分析，實(shí)際和灰度分割效果一樣。所以需要數(shù)據(jù)源能夠?qū)⒚l(fā)和環(huán)境色有效的進(jìn)行區(qū)分。這就要求加入底色來區(qū)分。設(shè)想底色和毛發(fā)顏色能夠有效區(qū)分之后，可以得到毛發(fā)的數(shù)據(jù)坐標(biāo)位置，這個(gè)坐標(biāo)位置點(diǎn)就是對(duì)應(yīng)了 P[640] [480]這個(gè)二維數(shù)據(jù)的陣列位置(橫，列位 置)。有了這些位置，再用一個(gè)有效可行的數(shù)據(jù)建模，可以測量出毛發(fā)的直徑，數(shù)量，單位面積根數(shù)等結(jié)果。
毛發(fā)根數(shù)計(jì)算其實(shí)這一個(gè)過程就是所謂的數(shù)據(jù)聚集分析。
毛發(fā)的直徑計(jì)算是一個(gè)數(shù)據(jù)斜率統(tǒng)計(jì)計(jì)算再加上幾何形態(tài)計(jì)算建模分析。
4)數(shù)據(jù)模型的建立
首先，用于處理的數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。如圖7所示，整形二維數(shù)組P[640] [480]包含了640*480個(gè)點(diǎn)，每個(gè)點(diǎn)的(X，Y)對(duì)應(yīng)的值對(duì)應(yīng)了圖像相應(yīng)位置的像素信息。
由于處理的圖像每個(gè)點(diǎn)的數(shù)據(jù)已經(jīng)不再是RGB值，而是灰度值，每個(gè)點(diǎn)的信息只有一個(gè)值。再而可以將P[640][480]看做一個(gè)矩陣陣列數(shù)據(jù)。設(shè)計(jì)模型時(shí)，有這個(gè)數(shù)據(jù)陣列為基礎(chǔ)來設(shè)計(jì)。這里需要用到還有一個(gè)很重要的數(shù)學(xué)工具M(jìn)atlab。Matlab可以進(jìn)行大量的復(fù)雜數(shù)學(xué)計(jì)算。由于圖像不可能完全符合數(shù)學(xué)模型處理。為了更好的建立和設(shè)計(jì)模型，需要對(duì)圖像數(shù)據(jù)進(jìn)行模糊，去噪處理。經(jīng)過處理后的圖片色階變換更為平穩(wěn)，這樣的數(shù)據(jù)更有利于進(jìn)行分析。
利用Matlab強(qiáng)大圖像數(shù)據(jù)處理功能先對(duì)圖像進(jìn)行去噪處理:wiener2
功能:
進(jìn)行二維適應(yīng)性去噪過濾處理。
語法:
J = wiener2(I, [m η], noise)
[J, noise] = wiener2(I, [m n])
舉例
I= imread (' saturn.tif');J = imnoise (I，’ gaussian’，O，0.005);
K = wiener2(J，[5 5]);imshow(J)figure, imshow(K)
如圖8a和圖8b所示，所有的處理操作都要圍繞最開始進(jìn)行的圖像數(shù)據(jù)格式化，數(shù)據(jù)化之后的二維數(shù)組來進(jìn)行操作。有的時(shí)候獺兔被毛圖像效果不是太理想，環(huán)境噪音太大的時(shí)候，還要做濾波處理等操作。freqspace
功能:
確定二維頻率響應(yīng)的頻率空間。
語法:
[f 1，f2] = freqspace (η)
[f1，f2] = freqspace([m η])
[xl, yl] = freqspace (...，’ meshgrid’)f = freqspace(N)f = freqspace (N，’ whole’)
相關(guān)命令:
fsamp2， fwindl, fwind2freqz2
功能:
計(jì)算二維頻率響應(yīng)。
語法:
[H，f 1，f2] = freqz2 (h, nl, n2)
[H，f 1，f2] = freqz2 (h, [n2 nl])
[H，fl，f2] = freqz2(h, fl，f2)
[H，f 1，f2] = freqz2 (h)
[…]=freqz2 (h，…，[dx dy])
[...]=freqz2 (h,..., dx) freqz2 (...)
舉例
Hd = zeros (16，16);
Hd(5:12，5:12) = I;
Hd(7:10，7:10) = 0;h = fwindl(Hdj bartlett(16));colormap(jet(64))
freqz2(h, [32 32]) ; axis ([-11 -1101])
fsamp2
功能:
用頻率釆樣法設(shè)計(jì)二維FIR過濾器。語法:
h = f s amp 2 (Hd)h = fsamp2 (f 1，f2，Hd，[m n])
舉例 = freqspace (21，’ meshgrid’)；
Hd = ones (21);r = sqrt (f 1."2 + f2."2);
Hd((r<0.1) I (r>0.5)) = 0;colormap(jet(64))mesh (f 1，f2，Hd)
相關(guān)命令:
conv2, filter2， freqspace, ftrans2， fwindl, fwind2fspecial
功能:
創(chuàng)建預(yù)定義過濾器。
語法:
h = fspecial(type)h = fspecial(type, parameters)
舉例
I = imread C saturn.tif’);h = fspecialC unsharp’，0.5);
12 = filter2(h, 1)/255;imshow (I)
figure, imshow (12)
如圖9a和圖9b所示。
相關(guān)命令:
conv2, edge, filter2，fsamp2，fwindl, fwind2ftrans2功能:
通過頻率轉(zhuǎn)換設(shè)計(jì)二維FIR過濾器。
語法:
h = ftrans2(b，t)h = ftrans2(b)
舉例
colormap(jet(64))b = remez(10,
,
);[H，w] = freqz (b，1，128，，whole，);plot (w/p1- 1，fftshift (abs (H)))
相關(guān)命令:conv2, filter2， fsamp2， fwindl, fwind2fwindl功能:
用一維窗口方法設(shè)計(jì)二維FIR過濾器。
語法:
h = fwindl (Hd, win)h = fwindl (Hd, winl, win2)h = fwindl (f 1，f2，Hdj...)
舉例
[f 1，f2] = freqspace (21，’ meshgrid’)；
Hd = ones (21);r = sqrt (f 1."2 + f2."2);
Hd((r<0.1) I (r>0.5)) = 0;colormap(jet(64))mesh (f 1，f2，Hd)
相關(guān)命令:
conv2, filter2， fsamp2， freqspace, ftrans2， fwind2
fwind2·功能:
用二維窗口方法設(shè)計(jì)二維FIR過濾器。
語法:
h = fwind2 (Hd, win)h = fwind2 (f I, f2, Hdj win)
舉例
[f 1，f2] = freqspace (21，’ meshgrid’)；
Hd = ones (21);r = sqrt (f 1."2 + f2."2);
Hd((r<0.1) I (r>0.5)) = 0;colormap(jet(64))mesh (f 1，f2，Hd)
相關(guān)命令:
conv2, filter2， fsamp2， freqspace, ftrans2， fwindl經(jīng)過這些復(fù)雜的操作之后圖像數(shù)據(jù)已經(jīng)可以用來進(jìn)行分析。此時(shí)會(huì)用到一個(gè)很重要的操作，即邊緣尋找。edge功能:
識(shí)別強(qiáng)度圖像中的邊界。
語法:
BW = edge (I，，sobel，)
BW = edge (I，’ sobel’，thresh)BW = edge (I，Jsobel'，thresh, direction)
[BWj thresh] = edge (I，’ sobel’，...)
BW = edge (I，’ prewitt’)
BW = edge (I，’prewitt’，thresh)
BW = edge (I，’prewitt’，thresh，direction)
[BWj thresh] = edge (I，’ prewitt’，…)
BW = edge (I，，roberts，)
BW = edge (I，’ roberts’，thresh)
[BWj thresh] = edge (I，’ roberts'，…)
BW = edge (I，’ log’)
BW = edge (I，’ log’，thresh)
BW = edge (I，’ log’，thresh, sigma)
[BWj threshold] = edge (I，’ log，，…)
BW = edge (I，’ zerocross'，thresh, h)
[BWj thresh] = edge (I，’ zerocross’,...)
BW = edge (I，’ canny’)
BW = edge (I，’ canny’，thresh)
BW = edge (I，J canny'，thresh, sigma)
[BWj threshold] = edge (I，’ canny'，…)
舉例
I = imread (’rice, tif’)；
BWl = edge (I，’ prewitt’)；
BW2 = edge (I，’ canny’);imshow (BWl);figure, imshow (BW2)
如圖1Oa和圖1Ob所示。
利用VC和Matlab的接口，用VC調(diào)用Matlab內(nèi)核中的大量有用的圖像數(shù)據(jù)處理功能完成以上圖像處理操作。最后得到的數(shù)據(jù)就是正式建立算法的原始數(shù)據(jù)。這里將他定義為PCAL[640] [480]下面將對(duì)計(jì)算數(shù)據(jù)進(jìn)行建模。
首先看這個(gè)原始數(shù)據(jù)原型，當(dāng)數(shù)據(jù)原型最理想的狀況下如下所示:
情況一:如圖11所示，所有的獺兔 被毛在顯微鏡下呈現(xiàn)的是無交叉。但是這是不可能的。最理想狀況下是這樣
情況二:如圖12所示，被毛交叉或重疊，這種情況很普片而且出現(xiàn)很多。
情況三:被毛圖像不清晰，邊緣模糊。
這種情況即便是經(jīng)過了去噪，模糊，濾波，邊緣識(shí)別等操作之后仍然不能很好的判別。綜上所示，即便是用復(fù)雜的人腦既人為識(shí)別，也很難辨識(shí)出，當(dāng)一方面要求從獺兔被毛檢測儀的結(jié)果出發(fā)，讓被毛盡可能的方向一致，重疊減少。另一方面要從概率統(tǒng)計(jì)學(xué)的理論為依據(jù)尋早一個(gè)可行的統(tǒng)計(jì)方法出來。
從信號(hào)分析處理理論出發(fā)，設(shè)計(jì)出一個(gè)可行的數(shù)學(xué)模型算法，再加上概率統(tǒng)計(jì)學(xué)的計(jì)算可以基本上達(dá)到獺兔被毛檢測的結(jié)果誤差要求。
信號(hào)分析一般處理的信號(hào)都是點(diǎn)對(duì)點(diǎn)的數(shù)據(jù)，序列化的數(shù)據(jù)。假設(shè)所有的毛發(fā)都是從圖像的上方向下“生長”，這種要求可以通過數(shù)據(jù)采集頭的結(jié)構(gòu)調(diào)整辦到。那么假設(shè)所有的毛發(fā)都從圖像上方向下生長，可以肯定的是，如果從左至右的對(duì)圖像進(jìn)行切片操作，如圖13所示。
可以看到紅線所經(jīng)過的位置，像素點(diǎn)的變換可以用一個(gè)連續(xù)的序列化信號(hào)進(jìn)行表示:
例如:黑，黑，黑，白，白，白，黑，黑，黑，白，白。這種序列化的數(shù)據(jù)。
當(dāng)然實(shí)際的圖像通過上面的操作不可能得到如此分明的數(shù)據(jù)。灰度值是從0-255，0代表極黑，255代表極白，這里給出一組序列化之后的實(shí)際數(shù)據(jù)。
從圖14可以看出來實(shí)際上，從某一行的圖像灰度值從左至右一共640個(gè)數(shù)據(jù)，這個(gè)數(shù)據(jù)的變化就反映了灰度值的變化。建立的數(shù)據(jù)模型，就要求識(shí)別出底色的灰度平均值，以這個(gè)值為準(zhǔn)，定義出一根閾值線，這根閾值線的值就可以將數(shù)據(jù)被毛部分的像素位置和布什被毛部分的像素位置分類出來。這樣就可以將連續(xù)的被毛值部分得到，這個(gè)連續(xù)的被毛副本的點(diǎn)長度就是這一個(gè)切片組里面的被毛“假直徑”，最所以定義為“假直徑”是因?yàn)檫@個(gè)直徑不是和毛發(fā)生長方向所垂直，需要修正，從這里可以看出，如圖15所示的一個(gè)統(tǒng)計(jì)結(jié)果。
如上圖所示，假如在一切片組里面尋找到4組在閾值線之上的副本，那么可以看出連續(xù)的被毛顏色部分包含了 4組，可以認(rèn)為這個(gè)4組就是這一切片部分的毛發(fā)經(jīng)過根數(shù)。如果對(duì)一幅圖做N個(gè)切片，那么N個(gè)切片再經(jīng)過概率統(tǒng)計(jì)，可以得到一個(gè)可信的毛發(fā)根數(shù)值，這個(gè)值的誤差應(yīng)該在統(tǒng)計(jì)誤差之內(nèi)接受。
但是這里又會(huì)出現(xiàn)一種情況，毛發(fā)交叉，重疊，特別是當(dāng)2根或2根以上毛發(fā)重疊交叉之后，會(huì)是單一切片組里面某一個(gè)毛發(fā)組里面的數(shù)據(jù)量大大超過單一被毛通過切片組的正常像素?cái)?shù)目。所以還要設(shè)計(jì)一個(gè)數(shù)學(xué)處理公式來將重疊毛發(fā)進(jìn)行分割，分割之后單一切片組里面的毛發(fā)組數(shù)就是毛發(fā)根數(shù)。將N個(gè)`切片組的毛發(fā)根數(shù)值進(jìn)行，去掉最大，最小之后，疊平均之后的值就是可信的毛發(fā)根數(shù)。
至于毛發(fā)直徑，需要將不同切片組的直徑進(jìn)行比較，設(shè)計(jì)出一個(gè)斜率組，這個(gè)斜率組代表的是，每一個(gè)毛發(fā)切片組，出現(xiàn)毛發(fā)集合位置的信息形成一個(gè)集合組，生成一個(gè)直線公式，這個(gè)直線公式的斜率就是毛發(fā)直徑的修正值，修正之后，可以得到毛發(fā)的真直徑。
這里詳細(xì)說明一下數(shù)據(jù)閾值線的設(shè)計(jì)和分類統(tǒng)計(jì)的方法:
從上面知道，每一個(gè)切片組，實(shí)際上就是圖像數(shù)據(jù)對(duì)應(yīng)的每一行的數(shù)據(jù)序列。如果毛發(fā)穿過了這個(gè)列，那么只有毛發(fā)穿過的部分是毛發(fā)的顏色，其他的都是背景色，由于背景色定義為了黑色，即便是有光照干擾，也不會(huì)呈現(xiàn)出毛發(fā)的顏色。所以很好判別。
例如可以這樣來看顏色的走向，開始是背景色，從左至右開始移動(dòng)，當(dāng)開始出現(xiàn)被毛部分是，顏色開始變淺，就是灰度值從小開始變大，當(dāng)大到一定值是，就是被毛的邊緣之后位置一部分的抖動(dòng)，但是這種數(shù)值的抖動(dòng)都在被毛顏色范圍之內(nèi)，之后開始慢慢離開被毛部分，當(dāng)離開之后再次從大變小的變化，進(jìn)入背景色部分，之后循環(huán)，需要統(tǒng)計(jì)的數(shù)據(jù)是，什么時(shí)候開始出現(xiàn)被毛，什么時(shí)候離開被毛部分，這個(gè)維持的被毛部分就是被毛的“假長度”，一共有多少組被毛出現(xiàn)副本，就是被毛在這一切片組上的根數(shù)。
定義這一個(gè)切片組的數(shù)組為B640
首先計(jì)算出數(shù)組的最大灰度值Bmax,最小灰度值Bmin,將BY= (Bmax+Bmin)/2定義為閾值線。那么可以設(shè)計(jì)如下的閾值線統(tǒng)計(jì)部分程序。由于會(huì)出現(xiàn)像素小幅抖動(dòng)的問題，還要設(shè)計(jì)出一個(gè)閾值線抖動(dòng)噪音處理方法，定義顏色抖動(dòng)像素值不超過5，那么將BY上下5個(gè)像素的值進(jìn)行量化，如果某一像素值大于BY-5，小于BY+5，那么都將這個(gè)值認(rèn)為是BY-5，那么這些值始終小于BY+5，那么只要發(fā)現(xiàn)BY+5以上的值，才會(huì)認(rèn)為像素值穿越了閾值線BY，這樣就可以將小幅度抖動(dòng)去掉。
數(shù)據(jù)統(tǒng)計(jì)結(jié)果報(bào)告的設(shè)計(jì)
統(tǒng)計(jì)結(jié)果報(bào)告的設(shè)計(jì)，必須按照通用分析軟件的設(shè)計(jì)要求來實(shí)施。大致需要包括如下幾個(gè)內(nèi)容:
1)單幅圖像統(tǒng)計(jì)，即使點(diǎn)擊“采集”之后，圖像開始采集，之后需要對(duì)當(dāng)前圖像實(shí)施進(jìn)行分析統(tǒng)計(jì)。
2)單幅圖像統(tǒng)計(jì)之后，必須添加到備用數(shù)據(jù)庫，例如:當(dāng)對(duì)一只獺兔多個(gè)部位進(jìn)行統(tǒng)計(jì)之后，需要將這些統(tǒng)計(jì)的若干次數(shù)據(jù)，進(jìn)行整合，平均處理。
3)形成報(bào)表，直方圖，便于用戶觀察。
4)可以對(duì)每只獺兔測量的結(jié)果進(jìn)行保存，并且隨時(shí)可以調(diào)入。
5)打印功能，由于利用的是最先進(jìn)的UMPC嵌入式操作系統(tǒng)技術(shù)，所以掌上便攜系統(tǒng)支持Windows打印功能，所以只需要接上通用的打印機(jī)，只需要編寫需要的打印數(shù)據(jù)格式即 可。
整個(gè)軟件設(shè)計(jì)流程用到了 DirectShow，⑶I圖像編程，利用VC ++編程工具編寫軟件。
整個(gè)軟件的實(shí)現(xiàn)最關(guān)鍵的幾步是:
1、數(shù)學(xué)模型的建立
數(shù)學(xué)模型的好壞，直接影響了數(shù)據(jù)結(jié)果的可信度，重復(fù)度，甚至直接影響了能否測量出結(jié)果。
2、數(shù)據(jù)源的采集好壞
所謂數(shù)據(jù)源的好壞前面也提到過，這個(gè)過程是數(shù)據(jù)模型建立之外的最難的一步，畢竟計(jì)算機(jī)軟件設(shè)計(jì)的再好，模型建立的再智能化，數(shù)據(jù)源不理想，也沒法實(shí)現(xiàn)測量。計(jì)算機(jī)編程設(shè)計(jì)的分析功能不能和人腦相比，也許人的肉眼能夠區(qū)分的東西，通過計(jì)算機(jī)并不能實(shí)現(xiàn)。所以要在計(jì)算機(jī)能力范圍之內(nèi)設(shè)計(jì)數(shù)據(jù)模型，和收集采集處理數(shù)據(jù)源。
3、最理想的數(shù)據(jù)源
最理想的數(shù)據(jù)源是底色和毛發(fā)顏色色階分別明顯，交叉部分少。這些都要求攝像頭的清晰，底色(環(huán)境干擾)等各種因素的處理。毛發(fā)交叉的問題可以解決，這些都可以通過有效數(shù)據(jù)范圍來進(jìn)行分析處理。
數(shù)據(jù)模型的是整個(gè)軟件設(shè)計(jì)的關(guān)鍵，用到的分析方法包括圖像灰度，腐蝕，濾波等方法，這些方法都是排除環(huán)境色干擾的有效方法，至于毛發(fā)直徑，根數(shù)統(tǒng)計(jì)這些涉及到聚集統(tǒng)計(jì)，幾何學(xué)，統(tǒng)計(jì)學(xué)，概率統(tǒng)計(jì)(可信度)等分析。
到此為止已經(jīng)得到了獺兔毛發(fā)的直徑和獺兔毛發(fā)的根數(shù)的結(jié)果值，但是這些數(shù)值還是不可信的，因?yàn)檫@樣的數(shù)據(jù)結(jié)果還沒有進(jìn)行數(shù)據(jù)校驗(yàn)，沒有進(jìn)行數(shù)據(jù)后期處理。因?yàn)樗惴ㄊ撬赖?，信?hào)(采集的圖像)是千變?nèi)f化的，得到的結(jié)果也有真值，假值。
所謂真值，就是處于有效數(shù)據(jù)范圍之內(nèi)的，例如一根獺兔的毛發(fā)直徑不可能小到lum，也不可能大到100乃至200多um，所以數(shù)據(jù)還需要進(jìn)行校驗(yàn)。需要設(shè)計(jì)一個(gè)理想的處理模塊來排除假值，留下真值。
第一步，對(duì)閾值線分割得到毛發(fā)直徑的算法進(jìn)行改進(jìn)。進(jìn)行處理的數(shù)據(jù)都是一個(gè)串?dāng)?shù)組，簡單來說就是一串?dāng)?shù)，640個(gè)整數(shù)(范圍在O 255)。通過信號(hào)處理數(shù)學(xué)方法，設(shè)計(jì)了一個(gè)計(jì)算直徑的算法。(MAX+MIN)/2作為閾值線的值，有時(shí)可能出錯(cuò)，假如MAX或者M(jìn)IN偏差特別大，這樣會(huì)導(dǎo)致閾值線望極大或者極小偏向過大，導(dǎo)致直徑計(jì)算結(jié)果偏大，偏小。因此，設(shè)計(jì)的模型如下:
1.計(jì)算出最大值MAX，最小值MIN。
2.去掉ΜΑΧ,ΜΙΝ對(duì)應(yīng)的數(shù)值，回到步驟1，將留下的數(shù)據(jù)在進(jìn)行去除最大，最小，如此循環(huán)5次之后，直到上一輪去掉的MAX和下一輪去掉的MAX相差不到5以內(nèi)即可。
3.剩下的數(shù)據(jù)串將是最后計(jì)算的數(shù)組。計(jì)算數(shù)據(jù)串的平均值，將這個(gè)平均值作為閾值線。
4.添加噪首去除算法。
所謂去噪算法:例如，數(shù)據(jù)出現(xiàn)圖16所示情況。
可以看到圖中過閾值線第一次的位置有個(gè)小噪音，如果不加判斷，將會(huì)導(dǎo)致噪音部分出現(xiàn)一個(gè)很小的直徑值，這個(gè)將直接導(dǎo)致結(jié)果數(shù)據(jù)不可用。圖像數(shù)據(jù)極為豐富，而且受環(huán)境影響很大，所以必須加以排除。
排除算法如下，閾值線V，設(shè)計(jì)閾值線VI，閾值線V2，Vl = V — T，V2 = V + T。T的大小根據(jù)人為需要，如果需要排除的噪音范圍大點(diǎn)，T就大點(diǎn)，需要排除的噪音范圍小點(diǎn)，T就小點(diǎn)。然后判斷的時(shí)候這樣計(jì)算:上升邊數(shù)據(jù)值前一點(diǎn)R1，后一點(diǎn)R2，如果R1〈 = V1且R2> = V2，這樣的結(jié)果才算是真的穿越了閾值線，否則將R2設(shè)為下一次判斷的Rl = VI。同理下降邊數(shù)據(jù)值前一點(diǎn)Rl，后一點(diǎn)R2，如果Rl> = V2且R2〈 = VI，這樣的結(jié)果才算是真的穿越了閾值線，否則將R2設(shè)為下一次判斷的Rl =V2。一個(gè)完整上升和一個(gè)完整的下降就是一個(gè)直徑的范圍點(diǎn)的索引差值。這個(gè)差值就是直徑所占的像素個(gè)數(shù)，個(gè)數(shù)即可換算為直徑。
得到一幅圖的毛發(fā)直徑數(shù)據(jù)串，大約至少應(yīng)該有30組，將這30組數(shù)據(jù)的數(shù)組長度分別羅列出來，排除最大個(gè)數(shù)的·5組，最小個(gè)數(shù)的5組，剩下20組作為數(shù)據(jù)計(jì)算。
20組數(shù)據(jù)就是20組直徑值，每組數(shù)組的個(gè)數(shù)，就是每組數(shù)據(jù)計(jì)算出的直徑個(gè)數(shù)，也就是毛發(fā)的根數(shù)。其中個(gè)數(shù)比較小的肯定是毛發(fā)在圖像上粘連的部分，這樣才會(huì)導(dǎo)致毛發(fā)根減小。設(shè)計(jì)如下算法排除:
1.將每組數(shù)據(jù)進(jìn)行排查，毛發(fā)直徑經(jīng)過比例換算之后(數(shù)值X屏幕實(shí)際實(shí)現(xiàn)寬度)/640大于40以上的除2，生成2個(gè)新的數(shù)值，小于10的直接排除掉，放入備份數(shù)組，所謂備份數(shù)組就是假值表，這些假值已然要放入統(tǒng)計(jì)結(jié)果數(shù)組里面。
2.計(jì)算每組數(shù)據(jù)根數(shù)值，將相同根數(shù)的數(shù)組進(jìn)行歸類。例如20根5組，21根6組，22根7組……
3.將擁有最多相同根數(shù)的數(shù)組的根數(shù)作為毛發(fā)基本根數(shù)M，然后將比M大2以內(nèi)，小2以內(nèi)的數(shù)組，去掉最小或者最大的毛發(fā)值，將數(shù)組根數(shù)放到和基本毛發(fā)根數(shù)一樣的M之后，也歸到最多相同根數(shù)數(shù)組里面。例如:20根5組，21根6組，22根7組，25根2組。那么25根的那2組去掉。21根的每組數(shù)據(jù)去掉一個(gè)最小值歸為20根組里，22根的每組數(shù)據(jù)去掉一個(gè)最小值也歸為20根組里，這樣20根的組數(shù)為18組。那么將這18組數(shù)據(jù)依次從I 一20根，相互疊加起來再除去組數(shù)，得到實(shí)際的每根毛發(fā)的直徑平均值。G[18] [20];實(shí)際上最后得到的就是這樣一個(gè)二維數(shù)組。for (1=0，K20, I++) { for (j=0; j<18; j++) {AVG[I] = AVG + G[j][I]; } AVG[I]=AVG[I]/18; }
可以得到如下一個(gè)18個(gè)元素的數(shù)組AVG[18]，那么毛發(fā)根數(shù)18根，數(shù)組值對(duì)應(yīng)的就是
毛發(fā)直徑。
這個(gè)數(shù)組就是最后得到的真值數(shù)據(jù)，填入列表進(jìn)入后期分析。
本發(fā)明已經(jīng)通過上述實(shí)施例進(jìn)行了說明，但應(yīng)當(dāng)理解的是，上述實(shí)施例只是用于舉例和說明的目的，而非意在將本發(fā)明限制于所描述的實(shí)施例范圍內(nèi)。此外本領(lǐng)域技術(shù)人員可以理解的是，本發(fā)明并不局限于上述實(shí)施例，根據(jù)本發(fā)明的教導(dǎo)還可以做出更多種的變型和修改，這些變型和修改均落在本發(fā)明所要求保護(hù)的范圍以內(nèi)。本發(fā)明的保護(hù)范圍由附屬的權(quán)利要求書及其等效范圍所界 定。
權(quán)利要求
1.一種獺兔被毛纖維細(xì)度、密度檢測方法，其特征在于包括如下步驟: a、采集被毛圖像數(shù)據(jù)； b、將被毛圖像數(shù)據(jù)傳輸?shù)接?jì)算機(jī)中存儲(chǔ)； c、通過計(jì)算機(jī)處理軟件完成檢測分析。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于采用檢測儀直接從活體獺兔身上采集被毛圖像數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于在步驟c中采用便攜式數(shù)據(jù)處理設(shè)備完成數(shù)據(jù)檢測分析。
4.根據(jù)權(quán)利要求2所述的檢測儀為DinoLite手持式USB數(shù)碼顯微鏡。
5.獺兔被毛纖維細(xì)度、密度檢測系統(tǒng)，其特征在于包括被毛圖像數(shù)據(jù)采集裝置(I)、被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置(2 )。
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述圖像數(shù)據(jù)采集裝置為(I)DinoLite手持式USB數(shù)碼顯微鏡。
7.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于所述被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置(2)為便攜式數(shù)據(jù)處理設(shè)備。
8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于所述顯微鏡主要由(XD(3)、凸透鏡(4)、以及照明單元(5)構(gòu)成。
9.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于所述便攜式數(shù)據(jù)處理設(shè)備設(shè)置有為輸入/輸出接口(6)和充電口(7)。
全文摘要
本發(fā)明提供一種獺兔被毛纖維細(xì)度、密度檢測方法及檢測系統(tǒng)，方法包括如下步驟a、采集被毛圖像數(shù)據(jù)；b、將被毛圖像數(shù)據(jù)傳輸?shù)接?jì)算機(jī)中存儲(chǔ)；c、通過計(jì)算機(jī)處理軟件完成檢測分析。系統(tǒng)包括被毛圖像數(shù)據(jù)采集裝置、被毛圖像數(shù)據(jù)存儲(chǔ)及檢測分析裝置。本發(fā)明可以在活體獺兔取被毛直接檢測分析獺兔毛皮質(zhì)量，被毛密度、密度結(jié)果，操作方便、效率高；檢測系統(tǒng)結(jié)構(gòu)簡單、方便攜帶，檢測速度快、精度高。
文檔編號(hào)G01B11/08GK103234472SQ20131007284
公開日2013年8月7日 申請日期2013年3月7日 優(yōu)先權(quán)日2013年3月7日
發(fā)明者陳蕓瑩, 范康, 陳琳, 范成強(qiáng), 劉漢中 申請人:四川省草原科學(xué)研究院