论文部分内容阅读
摘要为了实现生产中微米木纤维直径智能检测，结合先进的数字图像处理技术，并改进传统纤维分段测量法，研究了一种基于目标提取与最大内切圆的纤维直径检测算法。该算法对木纤维显微图像进行基于HSV空间的目标提取，分析木纤维形态并引入用户需求概念，通过改进的分段测量法实现木纤维直径检测。结果表明，采用的算法在木纤维直径检测中，具有良好的适用性，检测精度满足生产要求。
关键词微米木纤维；分段测量法；HSV颜色空间；目标提取；最大内切圆
中图分类号S126文献标识码A文章编号0517-6611（2014）24-08459-04
A Measuring Algorithm of Micron Wood Fiber Based on HSV Color Space
QI Hong， REN Honge et al（Information and Computer Engineering College， Northeast Forestry University， Harbin， Heilongjiang 150040）
AbstractWith the purpose of realizing the intelligent diameter detection of micron wood fibers， a diameter measuring algorithm based on object extraction and maximum inscribed circle was studied， combined advanced digital image processing technology with improved fiber submeasurement algorithm. This algorithm extracts micron wood fibers based on HSV color space； analyses micro wood fiber shapes and introduces the concept of user requirement so as to carry out micron wood fiber diameter detection by means of the improved submeasurement algorithm. The experimental results demonstrate that the proposed algorithm has a good feasibility and meets with demands of producing in the process of micron wood fiber diameter detection.
Key wordsMicron wood fiber； Submeasurement algorithm； HSV color space； Object extraction； Maximum inscribed circle
收稿日期20140714在微米木纖维的生产过程中，往往需要对生产出来的木纤维进行径级检测，从而及时了解木纤维加工情况，实现科学选择机械加工系统的转数和热风的风速，提高生产效率。目前，纤维直径检测方法主要有气流仪法、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[1-2]，但由于人工参与耗时耗力、检测效率低、仪器价格昂贵、应用范围受限等原因，这些方法不能很好地应用到生产中。
随着几十年来科学技术和计算机软硬件的飞速发展，数字图像处理与模式识别技术广泛应用于各个领域，包括在羊毛纤维[3]、碳纤维[4]、熔喷材料[5]等多个纤维直径测量领域，但鲜见其应用在木纤维直径检测中。利用图像处理技术对木纤维进行的微米级研究，可以改善微米木纤维的检测工作，通过视频图像的质量反映纤维检测质量的优劣，滤除图像的噪声和畸变等影响；可以强化微米纤维图像上微米纤维的边缘部分，再利用图像分割技术将微米纤维与背景分离，从而得到单丝纤维的图像。计算机视觉检测的任务是基于微米纤维图像的轮廓特征的识别之后进行计算机再现，即根据图像库中的样本比较后赋予识别图像一定的意义[6]。
为此，笔者侧重于前期工作的研究，即首先把经过显微镜放大后的微米木纤维图像传送到计算机中，然后利用图像处理技术对采集到的图像进行处理和分析，提出根据木纤维的形态特征，基于用户需求，实现木纤维直径的智能检测。
1微米木纤维直径检测算法
1.1目标提取在木纤维直径检测过程中，轮廓特征极其重要，但由于微米木纤维直径细小、边缘复杂，显微成像过程中易受显微镜电通路采光不均、镜片污痕、载玻片灰尘等因素的影响，会在图像中引入大量的随机噪声。这些噪声在恶化图像质量的同时，也弱化了木纤维重要的边缘特征，影响后期的直径检测。因此，通过对大量木纤维显微图像的对比与分析，该算法提出基于HSV颜色空间进行目标提取。
1.1.1颜色空间选取。图像色彩空间有很多模型，例如YIQ、YUV、HSV等，其中最常见的是基于三原色的RGB模型，但RGB的红、绿、蓝三分量相关性很大，颜色受亮度的影响很大，RGB颜色空间不具有进行彩色图像处理所要求的独立性和均匀性指标[7]。为了获得更好的处理效果，该研究采用HSV（Hue、Saturation、Value）颜色空间。相对于其他颜色空间而言，HSV空间更符合人眼对色彩感知的特征。其中色调H表示色彩信息，即所处光谱颜色的位置；饱和度S为一比例值，表示所选颜色的纯度与该颜色最大的纯度之间的比率；亮度V表示色彩的明暗程度，与光强度之间并没有直接关系[7]。这3个分量因相互独立、互不影响而增强算法的稳健性。 1.1.2基于S分量目标提取。木纤维试验试件由OlympusSZX7拍摄。图1（a）为木纤维显微成像图。根据木纤维显微图像特点，通过分析大量RGB图像和转换后的HSV各分量图像（图2）可以看出，S分量图体现了足够的饱和度信息，目标与背景的对比度最大，较好地凸显了完整的木纤维，并且弱化了背景噪声和杂质，因此决定基于S分量直方图，选取适宜的阈值去除背景，获得木纤维二值化结果。
图3（a）为基于灰度图像的目标二值化结果，可以看出目标提取结果很差，甚至错误分割出大量的噪声；图3（b）中诚然目标提取的质量欠佳，木纤维出现少许空洞，背景存在一些细碎杂质，但是可以利用数学形态学的填充算法与构建合适的结构元去除小面积对象来解决这一问题，必要时也可以设计模板进行加窗滤波，最终目标提取结果如图3（c）所示。
图1木纤维原图及灰度图1.1.3边缘检测。好的边缘检测算法力求获得连续、平滑、定位准确的边缘，传统的边缘检测算法利用梯度最大值、二阶导数过零点值，亦或选取合适的阈值来获取图像边缘。这类算子尽管有较好的实时性，但在噪聲干扰强烈的情况下，得到的边缘常常是孤立的或者分小段连续的，即使采用边缘闭合的方法进行处理，也很难得到区域的精确边缘[8]。数学形态学是一门建立在集合论、积分几何和网格代数基础上的学科，其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状，达到图像分析和识别的目的[9]，具有完美的数学基础。它通过选取合适的结构元素，利用腐蚀、膨胀及开、闭运算这4个基本运算或者它们的有效组合来完成对图像的边缘检测。
传统的分段测量法[10]主要依据纤维的倾斜程度，通过分段的两个端点、分段线段方程构建分段线段的中垂线方程，沿中垂线方程搜索直至该直线与纤维另一条边界相交，记录此交点，则分段中点与此交点的距离为此段纤维的直径。
该算法为了克服木纤维图像的旋转、平移，尽量减少纤
图4形态不规则木纤维处理图维毛刺对直径检测的影响，摒弃传统分段测量算法的构建直线方程的思想，基于用户需求概念，将用户选择的分段区域等效为多边形，通过计算该多边形的最大内切圆实现该段木纤维的直径测量，即最大内切圆的直径，图5（b）、（c）、（d）所示为图5（a）其中3段木纤维处理结果。
图5基于最大内切圆的分段纤维直径测量图计算最大内切圆的算法较多，根据该试验的需要，这里利用最值距离选取法[11]，其具体的最大内切圆算法如下。①对边缘二值图像进行8邻域搜索的边界跟踪，记录搜索次序S1、S2、S3，…，Sk其行列为mk、Nk。②在边缘内部任意找一点T（i，j），点T（i，j）到Sw（w=1，2，…，k）的距离为D=（i-mw）2+（j-nw）2。考虑到所求得的两个像素点之间的距离D实际上是两个像素点中心的距离，假定认为边缘线上任何一个像素点（可视为一个很小的正方形）的4 个顶点均在实际图片内，那么D可以修正为D=（|i-mw|+0.5）2+（|j-nw|+0.5）2。③记录所有距离中的最小值为Dmin。④重复②，直到求得边界内部每一个像素点到边界的最小距离，然后求出这些最小距离中的最大值Dmax，即为求得的半径。
1.2.2微米木纤维直径检测流程。①读入木纤维显微图像，进行RGB颜色空间到HSV颜色空间转换；②提取S分量进行阈值分割；③进行数学形态学及加窗去噪等操作，获得去除背景的二值化目标；④如果木纤维形态多样，存在毛刺等现象，则先进行用户选择，提取木纤维的主体区域；⑤对上述二值化目标基于“1.1.3”中“定义3”的形态学单尺度算子进行边缘检测，其中结构元选取圆盘，半径为3；⑥然后在步骤⑤基础上进行基于最大内切圆算法的分段测量；⑦将各个分段区域的直径的平均值作为微米木纤维的直径，算法结束。
2试验结果与分析
2.1微米木纤维直径检测有效性验证为验证基于最大内切圆的纤维分段测量算法在微米木纤维直径检测中的有效性，分别采用OlympusSZX7显微镜自带图像分析软件与该研究提出的方法，对9组（每组有5个纤维样品）不同径级（通过人工判断，已知径级递增）的微米木纤维试件进行对比试验，其中采用图像分析软件操作时，需要用户在纤维的两侧边缘处画上一条直线来代表此处的直径，然后对这条直线进行测量来表示直径的长度。由于个别木纤维形态不规则，为保证两种方法所测的位置一致，这里要求采用分析软件测量时，人为选择直径的位置力求与该研究提出的方法所求直径的位置一致。
通过上节流程检测，获得的数据是以像素为单位，因此根据成像系统自带的不同显微倍数下的特定长度的标尺，通过识别标尺的已知尺寸，获得单位像素的长度从而计算微米木纤维的直径。
木纤维的识别结果如表1所示，其中相对误差计算公式为：
（2）当木纤维形态不规则，出现较多分支和毛刺时，采用图像分析软件时，这些情况会影响人为判断，造成直径选择出现较大误差；针对这种情况，该研究提出的方法考虑到人为需求，通过特定处理提取木纤维的主干，便于下一阶段的直径检测。
（3）分段测量的精度与分段数有关，N越大，测量的数据越准确，但是时间开销也增大，因此可以根据实际需求设定分段数。
（4）基于数字图像处理技术计算纤维直径的关键是如何获取较为准确的纤维目标，分割阈值选择不当自然会引起目标像素的错误划分，而该算法利用HSV空间S分量的特点，较大程度上加强目标与背景的对比度，使得阈值选取更为准确。
因此，Olympus显微图像分析软件需人为选择木纤维直径，这种方式需要依靠实验人员的经验判断与细致操作，费时费力，也是导致这两种方式产生误差的最主要原因；较之传统纤维检测方式，该研究提出的方法的优越性在于整个直径检测过程由计算机自动完成，获取的数据更为科学，节约了大量时间和人力成本，更适宜生产中推广应用。
3结语 基于图像处理技术的木纤维直径检测是一种创新的尝试，其能够取得较好的结果主要体现在如下两个方面。
（1）基于HSV空间目标提取一方面充分利用了图像的颜色信息，另一方面有效地改善了背景质量较差、照明不均、多渠道噪声等影响，为提高后期边缘检测精度提供重要基础。
（2）采用改进的分段测量法计算木纤维直径，当木纤维形态不规则时，提出基于用户需求概念提取木纤维主干，然后对每一分段求取最大内切圆，将所有分段的最大内切圆直徑的平均值作为木纤维的直径，改善了传统分段测量法需要考虑平移与旋转等因素，该算法更简洁。
综上所述，在微米木纤维直径检测领域，该算法较之传统的物理化学方式更方便、简易、成本较低，减轻了测量人员的工作强度，而且获得的结果更科学合理，更利于运用到生产检测中，对实现微米木纤维直径智能检测有重大意义。
参考文献
[1] 高军，吴成进，陈跃华.羊毛直径的图像法测试技术[J].毛纺科技，2001（1）：9-11.
[2] 李丹芬，任冀澧，王柏华.毛绒类纤维直径不同测量方法的比较研究——基于扫描电镜和光学显微镜的图像测量方法[J].毛纺科技，2004（5）：39-42.
[3] 张鹏飞，蓝海啸，李鹏刚，等.一种基于图像预处理的快速测试纤维直径的方法[J].上海纺织科技，2011，39（12）：9-12.
[4] 胡珊，吴建胜.基于兴趣点的碳纤维直径自动测量方法[J].计算机测量与控制，2011，19（3）：528-530.
[5] 陈泽芸，王荣武，张贤淼，等.熔喷材料超细纤维直径的测量方法探讨[J].东华大学学报：自然科学版，2012，38（3）：266-271.
[6] 齐英杰，杨春梅，战丽.微米木纤维图像的模拟再现理论和应用研究[J].林业科技，2004，29（5）：42-44.
[7] 王夏黎，周明全，耿国华.一种基于HSV颜色空间的车辆牌照提取方法[J].计算机工程，2004，30（17）：133-135.
[8] 叶齐祥，高文，王伟强，等.一种融合颜色和空间信息的彩色图像分割算法[J].软件学报，2004，15（4）：522-530.
[9] 王奇文，郑丽敏，梅树立.基于形态学的小鼠舌头切片图像分割与实现[J].计算机工程，2011，37（19）：5-8.
[10] 伊海燕.基于图像分析的羊绒纤维特征参数提取技术的研究[D].北京：北京服装学院，2009：43-49.
[11] 金建，段婧，肖潺.平面切面三维重建[J].河北工业大学学报，2002，31（4）：102-107.
关键词微米木纤维；分段测量法；HSV颜色空间；目标提取；最大内切圆
中图分类号S126文献标识码A文章编号0517-6611（2014）24-08459-04
A Measuring Algorithm of Micron Wood Fiber Based on HSV Color Space
QI Hong， REN Honge et al（Information and Computer Engineering College， Northeast Forestry University， Harbin， Heilongjiang 150040）
AbstractWith the purpose of realizing the intelligent diameter detection of micron wood fibers， a diameter measuring algorithm based on object extraction and maximum inscribed circle was studied， combined advanced digital image processing technology with improved fiber submeasurement algorithm. This algorithm extracts micron wood fibers based on HSV color space； analyses micro wood fiber shapes and introduces the concept of user requirement so as to carry out micron wood fiber diameter detection by means of the improved submeasurement algorithm. The experimental results demonstrate that the proposed algorithm has a good feasibility and meets with demands of producing in the process of micron wood fiber diameter detection.
Key wordsMicron wood fiber； Submeasurement algorithm； HSV color space； Object extraction； Maximum inscribed circle
收稿日期20140714在微米木纖维的生产过程中，往往需要对生产出来的木纤维进行径级检测，从而及时了解木纤维加工情况，实现科学选择机械加工系统的转数和热风的风速，提高生产效率。目前，纤维直径检测方法主要有气流仪法、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[1-2]，但由于人工参与耗时耗力、检测效率低、仪器价格昂贵、应用范围受限等原因，这些方法不能很好地应用到生产中。
随着几十年来科学技术和计算机软硬件的飞速发展，数字图像处理与模式识别技术广泛应用于各个领域，包括在羊毛纤维[3]、碳纤维[4]、熔喷材料[5]等多个纤维直径测量领域，但鲜见其应用在木纤维直径检测中。利用图像处理技术对木纤维进行的微米级研究，可以改善微米木纤维的检测工作，通过视频图像的质量反映纤维检测质量的优劣，滤除图像的噪声和畸变等影响；可以强化微米纤维图像上微米纤维的边缘部分，再利用图像分割技术将微米纤维与背景分离，从而得到单丝纤维的图像。计算机视觉检测的任务是基于微米纤维图像的轮廓特征的识别之后进行计算机再现，即根据图像库中的样本比较后赋予识别图像一定的意义[6]。
为此，笔者侧重于前期工作的研究，即首先把经过显微镜放大后的微米木纤维图像传送到计算机中，然后利用图像处理技术对采集到的图像进行处理和分析，提出根据木纤维的形态特征，基于用户需求，实现木纤维直径的智能检测。
1微米木纤维直径检测算法
1.1目标提取在木纤维直径检测过程中，轮廓特征极其重要，但由于微米木纤维直径细小、边缘复杂，显微成像过程中易受显微镜电通路采光不均、镜片污痕、载玻片灰尘等因素的影响，会在图像中引入大量的随机噪声。这些噪声在恶化图像质量的同时，也弱化了木纤维重要的边缘特征，影响后期的直径检测。因此，通过对大量木纤维显微图像的对比与分析，该算法提出基于HSV颜色空间进行目标提取。
1.1.1颜色空间选取。图像色彩空间有很多模型，例如YIQ、YUV、HSV等，其中最常见的是基于三原色的RGB模型，但RGB的红、绿、蓝三分量相关性很大，颜色受亮度的影响很大，RGB颜色空间不具有进行彩色图像处理所要求的独立性和均匀性指标[7]。为了获得更好的处理效果，该研究采用HSV（Hue、Saturation、Value）颜色空间。相对于其他颜色空间而言，HSV空间更符合人眼对色彩感知的特征。其中色调H表示色彩信息，即所处光谱颜色的位置；饱和度S为一比例值，表示所选颜色的纯度与该颜色最大的纯度之间的比率；亮度V表示色彩的明暗程度，与光强度之间并没有直接关系[7]。这3个分量因相互独立、互不影响而增强算法的稳健性。 1.1.2基于S分量目标提取。木纤维试验试件由OlympusSZX7拍摄。图1（a）为木纤维显微成像图。根据木纤维显微图像特点，通过分析大量RGB图像和转换后的HSV各分量图像（图2）可以看出，S分量图体现了足够的饱和度信息，目标与背景的对比度最大，较好地凸显了完整的木纤维，并且弱化了背景噪声和杂质，因此决定基于S分量直方图，选取适宜的阈值去除背景，获得木纤维二值化结果。
图3（a）为基于灰度图像的目标二值化结果，可以看出目标提取结果很差，甚至错误分割出大量的噪声；图3（b）中诚然目标提取的质量欠佳，木纤维出现少许空洞，背景存在一些细碎杂质，但是可以利用数学形态学的填充算法与构建合适的结构元去除小面积对象来解决这一问题，必要时也可以设计模板进行加窗滤波，最终目标提取结果如图3（c）所示。
图1木纤维原图及灰度图1.1.3边缘检测。好的边缘检测算法力求获得连续、平滑、定位准确的边缘，传统的边缘检测算法利用梯度最大值、二阶导数过零点值，亦或选取合适的阈值来获取图像边缘。这类算子尽管有较好的实时性，但在噪聲干扰强烈的情况下，得到的边缘常常是孤立的或者分小段连续的，即使采用边缘闭合的方法进行处理，也很难得到区域的精确边缘[8]。数学形态学是一门建立在集合论、积分几何和网格代数基础上的学科，其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状，达到图像分析和识别的目的[9]，具有完美的数学基础。它通过选取合适的结构元素，利用腐蚀、膨胀及开、闭运算这4个基本运算或者它们的有效组合来完成对图像的边缘检测。
传统的分段测量法[10]主要依据纤维的倾斜程度，通过分段的两个端点、分段线段方程构建分段线段的中垂线方程，沿中垂线方程搜索直至该直线与纤维另一条边界相交，记录此交点，则分段中点与此交点的距离为此段纤维的直径。
该算法为了克服木纤维图像的旋转、平移，尽量减少纤
图4形态不规则木纤维处理图维毛刺对直径检测的影响，摒弃传统分段测量算法的构建直线方程的思想，基于用户需求概念，将用户选择的分段区域等效为多边形，通过计算该多边形的最大内切圆实现该段木纤维的直径测量，即最大内切圆的直径，图5（b）、（c）、（d）所示为图5（a）其中3段木纤维处理结果。
图5基于最大内切圆的分段纤维直径测量图计算最大内切圆的算法较多，根据该试验的需要，这里利用最值距离选取法[11]，其具体的最大内切圆算法如下。①对边缘二值图像进行8邻域搜索的边界跟踪，记录搜索次序S1、S2、S3，…，Sk其行列为mk、Nk。②在边缘内部任意找一点T（i，j），点T（i，j）到Sw（w=1，2，…，k）的距离为D=（i-mw）2+（j-nw）2。考虑到所求得的两个像素点之间的距离D实际上是两个像素点中心的距离，假定认为边缘线上任何一个像素点（可视为一个很小的正方形）的4 个顶点均在实际图片内，那么D可以修正为D=（|i-mw|+0.5）2+（|j-nw|+0.5）2。③记录所有距离中的最小值为Dmin。④重复②，直到求得边界内部每一个像素点到边界的最小距离，然后求出这些最小距离中的最大值Dmax，即为求得的半径。
1.2.2微米木纤维直径检测流程。①读入木纤维显微图像，进行RGB颜色空间到HSV颜色空间转换；②提取S分量进行阈值分割；③进行数学形态学及加窗去噪等操作，获得去除背景的二值化目标；④如果木纤维形态多样，存在毛刺等现象，则先进行用户选择，提取木纤维的主体区域；⑤对上述二值化目标基于“1.1.3”中“定义3”的形态学单尺度算子进行边缘检测，其中结构元选取圆盘，半径为3；⑥然后在步骤⑤基础上进行基于最大内切圆算法的分段测量；⑦将各个分段区域的直径的平均值作为微米木纤维的直径，算法结束。
2试验结果与分析
2.1微米木纤维直径检测有效性验证为验证基于最大内切圆的纤维分段测量算法在微米木纤维直径检测中的有效性，分别采用OlympusSZX7显微镜自带图像分析软件与该研究提出的方法，对9组（每组有5个纤维样品）不同径级（通过人工判断，已知径级递增）的微米木纤维试件进行对比试验，其中采用图像分析软件操作时，需要用户在纤维的两侧边缘处画上一条直线来代表此处的直径，然后对这条直线进行测量来表示直径的长度。由于个别木纤维形态不规则，为保证两种方法所测的位置一致，这里要求采用分析软件测量时，人为选择直径的位置力求与该研究提出的方法所求直径的位置一致。
通过上节流程检测，获得的数据是以像素为单位，因此根据成像系统自带的不同显微倍数下的特定长度的标尺，通过识别标尺的已知尺寸，获得单位像素的长度从而计算微米木纤维的直径。
木纤维的识别结果如表1所示，其中相对误差计算公式为：
（2）当木纤维形态不规则，出现较多分支和毛刺时，采用图像分析软件时，这些情况会影响人为判断，造成直径选择出现较大误差；针对这种情况，该研究提出的方法考虑到人为需求，通过特定处理提取木纤维的主干，便于下一阶段的直径检测。
（3）分段测量的精度与分段数有关，N越大，测量的数据越准确，但是时间开销也增大，因此可以根据实际需求设定分段数。
（4）基于数字图像处理技术计算纤维直径的关键是如何获取较为准确的纤维目标，分割阈值选择不当自然会引起目标像素的错误划分，而该算法利用HSV空间S分量的特点，较大程度上加强目标与背景的对比度，使得阈值选取更为准确。
因此，Olympus显微图像分析软件需人为选择木纤维直径，这种方式需要依靠实验人员的经验判断与细致操作，费时费力，也是导致这两种方式产生误差的最主要原因；较之传统纤维检测方式，该研究提出的方法的优越性在于整个直径检测过程由计算机自动完成，获取的数据更为科学，节约了大量时间和人力成本，更适宜生产中推广应用。
3结语 基于图像处理技术的木纤维直径检测是一种创新的尝试，其能够取得较好的结果主要体现在如下两个方面。
（1）基于HSV空间目标提取一方面充分利用了图像的颜色信息，另一方面有效地改善了背景质量较差、照明不均、多渠道噪声等影响，为提高后期边缘检测精度提供重要基础。
（2）采用改进的分段测量法计算木纤维直径，当木纤维形态不规则时，提出基于用户需求概念提取木纤维主干，然后对每一分段求取最大内切圆，将所有分段的最大内切圆直徑的平均值作为木纤维的直径，改善了传统分段测量法需要考虑平移与旋转等因素，该算法更简洁。
综上所述，在微米木纤维直径检测领域，该算法较之传统的物理化学方式更方便、简易、成本较低，减轻了测量人员的工作强度，而且获得的结果更科学合理，更利于运用到生产检测中，对实现微米木纤维直径智能检测有重大意义。
参考文献
[1] 高军，吴成进，陈跃华.羊毛直径的图像法测试技术[J].毛纺科技，2001（1）：9-11.
[2] 李丹芬，任冀澧，王柏华.毛绒类纤维直径不同测量方法的比较研究——基于扫描电镜和光学显微镜的图像测量方法[J].毛纺科技，2004（5）：39-42.
[3] 张鹏飞，蓝海啸，李鹏刚，等.一种基于图像预处理的快速测试纤维直径的方法[J].上海纺织科技，2011，39（12）：9-12.
[4] 胡珊，吴建胜.基于兴趣点的碳纤维直径自动测量方法[J].计算机测量与控制，2011，19（3）：528-530.
[5] 陈泽芸，王荣武，张贤淼，等.熔喷材料超细纤维直径的测量方法探讨[J].东华大学学报：自然科学版，2012，38（3）：266-271.
[6] 齐英杰，杨春梅，战丽.微米木纤维图像的模拟再现理论和应用研究[J].林业科技，2004，29（5）：42-44.
[7] 王夏黎，周明全，耿国华.一种基于HSV颜色空间的车辆牌照提取方法[J].计算机工程，2004，30（17）：133-135.
[8] 叶齐祥，高文，王伟强，等.一种融合颜色和空间信息的彩色图像分割算法[J].软件学报，2004，15（4）：522-530.
[9] 王奇文，郑丽敏，梅树立.基于形态学的小鼠舌头切片图像分割与实现[J].计算机工程，2011，37（19）：5-8.
[10] 伊海燕.基于图像分析的羊绒纤维特征参数提取技术的研究[D].北京：北京服装学院，2009：43-49.
[11] 金建，段婧，肖潺.平面切面三维重建[J].河北工业大学学报，2002，31（4）：102-107.