付國(guó)定，陳 樺，劉 紅，亓 延

(1.西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710032；2.江南大學(xué) 紡織服裝學(xué)院，江蘇 無(wú)錫 214122)

數(shù)字圖像處理技術(shù)在紡織服裝領(lǐng)域的研究進(jìn)展

付國(guó)定1，陳 樺1，劉 紅2，亓 延2

(1.西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710032；2.江南大學(xué) 紡織服裝學(xué)院，江蘇 無(wú)錫 214122)

從纖維、紗線(xiàn)、織物和服裝等方面闡述了數(shù)字圖像處理技術(shù)在紡織服裝領(lǐng)域的應(yīng)用，介紹了基于數(shù)字圖像處理技術(shù)的檢測(cè)手段與傳統(tǒng)檢測(cè)方法的異同，指出基于數(shù)字圖像處理技術(shù)的檢測(cè)方法在紡織服裝領(lǐng)域的發(fā)展趨勢(shì)。

圖像處理技術(shù)；檢測(cè)方法；紡織；服裝

數(shù)字圖像處理指的是利用數(shù)字計(jì)算機(jī)及其他相關(guān)的數(shù)字技術(shù)，對(duì)圖像施加某種運(yùn)算和處理，從而達(dá)到某種預(yù)想的目的，其起源于20世紀(jì)20年代[1]。早期，圖像處理的目的是改善圖像質(zhì)量，以人為對(duì)象，改善其視覺(jué)效果，經(jīng)常用的方法有圖像增強(qiáng)、圖像分割、邊緣提取、形態(tài)學(xué)分析、圖像壓縮編碼等。圖像處理首次得到實(shí)際應(yīng)用是在美國(guó)的噴氣推進(jìn)實(shí)驗(yàn)室，隨后被應(yīng)用于航天、航空、通信電子、工業(yè)工程、生物醫(yī)學(xué)、軍事公安和文化藝術(shù)等各個(gè)領(lǐng)域。20世紀(jì)80年代后期，圖像處理技術(shù)進(jìn)入紡織檢測(cè)領(lǐng)域，從原料到成品的檢測(cè)，都可以借助圖像處理技術(shù)來(lái)完成[2]。

筆者通過(guò)對(duì)圖像處理技術(shù)在紡織服裝領(lǐng)域應(yīng)用的分析和總結(jié)，提出了今后圖像處理在該領(lǐng)域的發(fā)展趨勢(shì)。

1 圖像處理技術(shù)在紡織領(lǐng)域的應(yīng)用

圖像處理技術(shù)在紡織領(lǐng)域最初被用于地毯磨損的檢測(cè)，隨后被越來(lái)越廣泛地應(yīng)用于紡織領(lǐng)域的各方面。

1.1 纖維方面

1.1.1 羊毛纖維細(xì)度和卷曲度的檢測(cè)

羊毛細(xì)度是表示纖維品質(zhì)的重要指標(biāo)。傳統(tǒng)的檢測(cè)方法為顯微鏡投影法和氣流儀法。顯微鏡投影法適應(yīng)面廣，可直接觀(guān)察纖維的表面形態(tài)，但缺點(diǎn)是操作、計(jì)算復(fù)雜，精度低。氣流儀法快速簡(jiǎn)便、數(shù)據(jù)穩(wěn)定，但缺點(diǎn)是易受纖維吸濕性能影響且不能測(cè)試異質(zhì)毛的細(xì)度。應(yīng)用圖像處理技術(shù)測(cè)量羊毛細(xì)度，先將纖維切片經(jīng)顯微鏡光學(xué)放大，投影在工業(yè)攝像機(jī)的光電轉(zhuǎn)換器上，以數(shù)字化電子圖像形式被輸入到計(jì)算機(jī)，然后對(duì)圖像進(jìn)行柔化、二值化、去除干擾等處理，得到滿(mǎn)意的纖維實(shí)時(shí)輪廓后，對(duì)纖維的細(xì)度進(jìn)行測(cè)量[3]。Deng等[4]基于圖像處理技術(shù)，采用了一種新的方法測(cè)量了羊毛纖維的直徑，該方法應(yīng)用Matlab軟件對(duì)羊毛纖維截面進(jìn)行了一系列的圖像處理，提取了羊毛纖維的特征參數(shù)，然后進(jìn)行一些參數(shù)估計(jì)，如平均直徑、標(biāo)準(zhǔn)偏差等，結(jié)果表明該方法適合羊毛纖維直徑的實(shí)際測(cè)量。

羊毛卷曲能造成織物物理性質(zhì)及表觀(guān)的不同，因此，對(duì)其檢測(cè)和分析是必要的。傳統(tǒng)的卷曲檢測(cè)方法是采用纖維卷曲彈性?xún)x測(cè)量一些相關(guān)指標(biāo)：卷曲率、卷曲數(shù)、殘留卷曲率和卷曲彈性回復(fù)率等。該方法測(cè)試指標(biāo)多，能較全面地體現(xiàn)卷曲多方面的性質(zhì)，但受觀(guān)測(cè)者的影響較大，并費(fèi)時(shí)、費(fèi)力。采用圖像處理方法檢測(cè)羊毛纖維的卷曲度，首先對(duì)攝取的圖像進(jìn)行濾波去噪，再通過(guò)計(jì)算處理得到纖維的二值圖像，然后進(jìn)行輪廓跟蹤、纖維特征抽取和識(shí)別，以及卷曲頻數(shù)、波幅、伸長(zhǎng)率等有關(guān)參數(shù)的計(jì)算和分析[5]。

采用圖像處理技術(shù)檢測(cè)羊毛細(xì)度和卷曲度有利于提高測(cè)量精度、縮短檢測(cè)周期、降低勞動(dòng)強(qiáng)度[6]。

1.1.2 羊毛與羊絨纖維表面形態(tài)的識(shí)別

識(shí)別羊毛和羊絨纖維是紡織領(lǐng)域的一個(gè)難點(diǎn)，尤其是區(qū)別羊絨與超細(xì)羊毛、拉細(xì)羊毛的細(xì)度等。傳統(tǒng)的識(shí)別方法是采用光學(xué)顯微鏡進(jìn)行鑒別，其判斷依據(jù)是纖維細(xì)度，但不能很好地獲得鱗片的細(xì)節(jié)圖像數(shù)據(jù)，且需要依靠測(cè)量者自身經(jīng)驗(yàn)來(lái)鑒別，誤差較大。而采用圖像處理技術(shù)識(shí)別羊毛與羊絨纖維，是基于掃描電子顯微鏡拍攝的羊毛和羊絨圖像，依照其表面鱗片的形態(tài)特征，應(yīng)用灰度差值、模板代換、邊界搜索、輪廓跟蹤、拐點(diǎn)分析等圖像處理與識(shí)別的方法，來(lái)處理表面鱗片形態(tài)，對(duì)羊絨和羊毛纖維進(jìn)行自動(dòng)識(shí)別。該方法可用來(lái)代替人眼對(duì)羊毛和羊絨纖維的識(shí)別，減少誤差，提高檢測(cè)精度與速度[5]。Shang等[7]在Matlab 7.0的模擬環(huán)境下進(jìn)行模擬試驗(yàn)，研究了4種羊絨和羊毛，找出了纖維直徑的6個(gè)特點(diǎn)，并最終通過(guò)使用貝葉斯模型鑒定和得到這6大特征的分布，該方法能有效鑒別羊毛和羊絨。蔣高平等[8]為了能快速區(qū)分與檢驗(yàn)羊毛和羊絨，先用光學(xué)顯微鏡獲取羊絨和羊毛的圖像，然后通過(guò)圖像處理得到羊絨和羊毛的表面信息，再通過(guò)投影獲取羊絨和羊毛表面對(duì)應(yīng)的譜線(xiàn)，并對(duì)譜線(xiàn)進(jìn)行分割，根據(jù)兩者譜線(xiàn)特性的不同，提取譜線(xiàn)的參數(shù)，最后通過(guò)對(duì)這些參數(shù)的分析進(jìn)行識(shí)別。結(jié)果表明，該方法識(shí)別快速準(zhǔn)確，精度也較高。

1.1.3 化學(xué)纖維異形度的檢測(cè)

異形纖維的評(píng)定方法主要是采用手工目測(cè)法，人為影響因素較大，且檢測(cè)精度較差和速度也慢。采用數(shù)字圖像技術(shù)測(cè)量化學(xué)纖維異形度是對(duì)攝取的化學(xué)纖維截面圖像進(jìn)行平滑、中值濾波、去除噪聲、邊緣銳化及直方圖均衡化處理，計(jì)算形心點(diǎn)、纖維截面積、纖維截面內(nèi)切圓與外接圓半徑及理論半徑，最終確定化纖的異形度。這種方法可以排除一些人為的干擾因素，提高檢測(cè)的速度和精度[5]。

1.1.4 棉纖維成熟度的檢測(cè)

棉纖維成熟度的傳統(tǒng)檢測(cè)方法是中腔胞壁對(duì)比法。它采用普通生物顯微鏡沿縱向逐根觀(guān)察，按照棉纖維中腔的寬度和胞壁的厚度之比來(lái)確定纖維成熟度，用成熟度系數(shù)表示。其缺點(diǎn)是有時(shí)會(huì)找不到合適部位來(lái)確定壁厚與腔寬，即使確定也會(huì)存在一定的人為誤差。而基于采集到的棉纖維形態(tài)影像，應(yīng)用計(jì)算機(jī)技術(shù)對(duì)圖像進(jìn)行處理，通過(guò)輪廓跟蹤算法得到預(yù)處理后的棉纖維邊界，然后根據(jù)輪廓方向判斷輪廓的轉(zhuǎn)折點(diǎn)，分析得到相關(guān)的特征數(shù)據(jù)，最后計(jì)算出成熟度參數(shù)，則能夠大大提高測(cè)量數(shù)據(jù)的可靠性。

1.2 紗線(xiàn)方面

1.2.1 紗線(xiàn)混紡比檢測(cè)

傳統(tǒng)測(cè)量方法是人工識(shí)別，但費(fèi)時(shí)、費(fèi)力，且精度低。采用圖像處理技術(shù)檢測(cè)紗線(xiàn)混紡比的過(guò)程是，將紗線(xiàn)切面圖像輸入計(jì)算機(jī)，進(jìn)行濾波去噪、局部灰度均勻度調(diào)整、二值化、黏連纖維分割、標(biāo)記圖像等處理，然后提取纖維截面形狀的常規(guī)特征量，根據(jù)特征量的不同計(jì)算混紡比。該方法結(jié)果準(zhǔn)確、客觀(guān)，且測(cè)量效率較高[5，9]。袁利華通過(guò)數(shù)學(xué)形態(tài)學(xué)操作對(duì)紗線(xiàn)的截面圖像進(jìn)行預(yù)處理，在背景和目標(biāo)之間形成了明顯的灰度差異，使用光斑擴(kuò)散法獲得圖像中每個(gè)纖維截面的輪廓線(xiàn)，構(gòu)建特征指標(biāo)，抽取特征數(shù)據(jù)，最終對(duì)特征數(shù)據(jù)進(jìn)行聚類(lèi)和分類(lèi)，算出滌棉的混紡比。研究結(jié)果表明該方法具有可行性，誤差在可接受范圍內(nèi)[10]。

1.2.2 紗線(xiàn)毛羽檢測(cè)

傳統(tǒng)測(cè)量方法多以投影計(jì)數(shù)為基礎(chǔ)，通過(guò)計(jì)算凸出紗線(xiàn)主體3 mm的纖維根數(shù)來(lái)獲得紗線(xiàn)的毛羽參數(shù)，其結(jié)果受紗線(xiàn)運(yùn)動(dòng)速度的影響較大，誤差較大[6]。而采用圖像處理技術(shù)檢測(cè)紗線(xiàn)毛羽的基本原理是應(yīng)用CCD攝像頭攝取以一定速度運(yùn)動(dòng)的紗線(xiàn)圖像，再通過(guò)A/D轉(zhuǎn)換，將圖像數(shù)字化并將數(shù)據(jù)輸入軟件系統(tǒng)，運(yùn)用計(jì)算機(jī)分析紗線(xiàn)圖像，最后輸出所需指標(biāo)，得到紗線(xiàn)毛羽的相對(duì)評(píng)定值[11]。該方法不需購(gòu)買(mǎi)專(zhuān)門(mén)儀器，成本低，運(yùn)算快，提高了工作效率。盧明等[12]運(yùn)用計(jì)算機(jī)，采用適當(dāng)方法對(duì)紗線(xiàn)毛羽圖像進(jìn)行預(yù)處理，分析圖像特征，分別得出帶毛羽紗線(xiàn)和不帶毛羽紗線(xiàn)的圖像面積，計(jì)算出紗線(xiàn)相對(duì)毛羽率。結(jié)果表明，該方法分割效果好，運(yùn)算速度快，不需購(gòu)買(mǎi)專(zhuān)門(mén)儀器，具有較高的實(shí)用價(jià)值。Wang等[13]基于圖像處理技術(shù)檢測(cè)了紗線(xiàn)的毛羽，首先使用數(shù)碼相機(jī)獲取紗線(xiàn)圖像，然后使用圖像處理技術(shù)提取紗線(xiàn)輪廓，通過(guò)最小外接矩形計(jì)算紗線(xiàn)長(zhǎng)度，通過(guò)像素搜索方法計(jì)算毛羽長(zhǎng)度，最后，通過(guò)參考物體的實(shí)際長(zhǎng)度和像素長(zhǎng)度之間的比例關(guān)系得到毛羽指數(shù)，試驗(yàn)結(jié)果表明該方法提高了紗線(xiàn)毛羽測(cè)試的效率和精確度[13]。

1.2.3 紗線(xiàn)均勻度檢測(cè)

目前檢測(cè)紗線(xiàn)不勻的主要方法是目測(cè)法及儀器測(cè)量法。目測(cè)法是通過(guò)觀(guān)測(cè)紗線(xiàn)在黑板上的陰影，記數(shù)棉結(jié)等來(lái)評(píng)價(jià)紗線(xiàn)的外觀(guān)質(zhì)量，該法主觀(guān)性強(qiáng)、工作繁重。儀器測(cè)量法采用電容式纖度均勻度儀通過(guò)測(cè)量紗線(xiàn)橫截面積的纖維根數(shù)去測(cè)量紗線(xiàn)的直徑，該法對(duì)環(huán)境及試樣各段濕度均勻程度的要求較高[2]。采用圖像處理技術(shù)對(duì)紗線(xiàn)纖度均勻度進(jìn)行檢測(cè)，首先是采用數(shù)碼成像設(shè)備采集紗線(xiàn)圖像，將紗線(xiàn)圖像進(jìn)行二值化及數(shù)學(xué)形態(tài)學(xué)中的膨脹、腐蝕、結(jié)構(gòu)開(kāi)、結(jié)構(gòu)閉等運(yùn)算處理，然后提取紗線(xiàn)纖度的特征，最后對(duì)紗線(xiàn)的質(zhì)量進(jìn)行判定。該方法方便、快捷、準(zhǔn)確[14]。

1.3 織物方面

1.3.1 織物密度檢測(cè)

傳統(tǒng)的織物密度檢測(cè)是采用密度鏡或照布鏡，通過(guò)人眼觀(guān)測(cè)，數(shù)出單位長(zhǎng)度內(nèi)的經(jīng)紗或緯紗的根數(shù)。該方法儀器簡(jiǎn)單，但費(fèi)時(shí)，且會(huì)因人的疲勞情況出現(xiàn)較大誤差。應(yīng)用圖像處理技術(shù)檢測(cè)織物密度的過(guò)程是，先將攝取的織物圖像輸入到計(jì)算機(jī)內(nèi)，對(duì)圖像進(jìn)行預(yù)處理，將經(jīng)過(guò)預(yù)處理的圖像進(jìn)行傅立葉變換，然后提取特征點(diǎn)，與預(yù)先確定的織物標(biāo)定尺寸和數(shù)碼相機(jī)的分辨率相結(jié)合，即可計(jì)算出織物密度，該方法測(cè)量速度快、精度高[3,15]。Zhou等[16]根據(jù)絲織物特點(diǎn)，采用多尺度小波分解法測(cè)量了絲織物密度，通過(guò)試驗(yàn)發(fā)現(xiàn)，小波多尺度分析是一種從織物圖像中提取細(xì)節(jié)特征的理想方法，結(jié)果表明該方法優(yōu)于正常的小波分解，能夠有效且準(zhǔn)確地自動(dòng)測(cè)量絲織物密度。

1.3.2 織物疵點(diǎn)檢測(cè)

傳統(tǒng)的織物疵點(diǎn)檢測(cè)由人眼目測(cè)完成，但速度慢、工作強(qiáng)度大，結(jié)果受操作者經(jīng)驗(yàn)、熟練度等因素的影響，缺少可靠性和一致性。采用圖像處理技術(shù)檢測(cè)織物疵點(diǎn)的程序與檢測(cè)紗線(xiàn)和纖維的基本一致，首先采集織物圖像并輸入到計(jì)算機(jī)，對(duì)圖像進(jìn)行預(yù)處理，然后進(jìn)行疵點(diǎn)部分的特征提取，最后對(duì)織物疵點(diǎn)進(jìn)行智能識(shí)別。該方法能快速、準(zhǔn)確、有效地進(jìn)行織物疵點(diǎn)檢測(cè)。Tsai等采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)檢測(cè)織物缺經(jīng)、斷緯、破洞和油污等疵點(diǎn)，其分類(lèi)正確率達(dá)到88 %。Hu等[18]應(yīng)用最優(yōu)小波包和人工神經(jīng)網(wǎng)絡(luò)技術(shù)檢測(cè)了4種織物的疵點(diǎn)。缺經(jīng)、斷緯、破洞和油污的檢測(cè)正確率達(dá)到100 %。Zhang等采用圖像距離差的算術(shù)運(yùn)算方法進(jìn)行了織物疵點(diǎn)檢測(cè)，該系統(tǒng)允許用戶(hù)基于織物類(lèi)型設(shè)置織物疵點(diǎn)檢測(cè)的相應(yīng)控制參數(shù)，能檢測(cè)30余種常見(jiàn)疵點(diǎn)，并具有較高的速度及正確率[19]。

1.3.3 織物懸垂性能檢測(cè)

傳統(tǒng)測(cè)試方法是應(yīng)用投影法測(cè)試懸垂系數(shù)，但該法指標(biāo)單一，且結(jié)果精度不高。應(yīng)用圖像處理技術(shù)測(cè)試織物懸垂性的過(guò)程是，由CCD攝像頭采集織物懸垂圖像，以灰度圖像格式存儲(chǔ)到計(jì)算機(jī)中，然后對(duì)圖像進(jìn)行濾波、二值化、邊緣增強(qiáng)等預(yù)處理，保留和懸垂相關(guān)的信息，最后分析圖像的形態(tài)結(jié)構(gòu)，提取各種特征參數(shù)，計(jì)算表征織物懸垂性能的各種指標(biāo)。該方法能快速地得到表征織物懸垂程度和形態(tài)的多個(gè)指標(biāo)，信息全面，準(zhǔn)確度高，且能進(jìn)行動(dòng)態(tài)測(cè)量[3,9]。

1.3.4 織物起毛起球評(píng)定

傳統(tǒng)的評(píng)定方法是標(biāo)樣對(duì)照評(píng)級(jí)法，操作繁雜，每一類(lèi)織物必須制定各自相應(yīng)的標(biāo)準(zhǔn)樣照，并且結(jié)果受人為因素影響很大。應(yīng)用圖像處理技術(shù)評(píng)定織物起毛起球的過(guò)程是，將織物按規(guī)定條件摩擦起毛起球后，采集表面圖像，對(duì)圖像進(jìn)行處理，保留有用的毛球信息及使毛球邊緣變得相對(duì)光滑，最后給出毛球的尺寸、形狀、數(shù)量、總面積、密度、空間均勻度等多種指標(biāo)，該方法結(jié)果客觀(guān)，減少了人為因素的影響[3]。Liu等[20]基于圖像處理技術(shù)，構(gòu)建了一個(gè)織物起毛起球的評(píng)價(jià)體系，體系中邊緣流量法被用來(lái)實(shí)現(xiàn)復(fù)雜織物的起毛起球分割。該系統(tǒng)提取了起毛起球的特征參數(shù)并描述了級(jí)數(shù)之間的關(guān)系，最后在三維空間中織物起毛起球級(jí)數(shù)的評(píng)價(jià)通過(guò)使用最少距離方法來(lái)實(shí)現(xiàn)，試驗(yàn)結(jié)果顯示該方法應(yīng)用廣泛，且結(jié)果良好[20]。

2 圖像處理在服裝領(lǐng)域的應(yīng)用

基于數(shù)字圖像處理的檢測(cè)技術(shù)在紡織領(lǐng)域的應(yīng)用已經(jīng)日趨成熟，但是在服裝領(lǐng)域的應(yīng)用卻不是很多。服裝領(lǐng)域的一些檢測(cè)，如縫制外觀(guān)檢測(cè)、服裝黏合襯膠粉粒度檢測(cè)、服裝褶皺檢測(cè)等，現(xiàn)在主要還是利用手感、目測(cè)等手段檢測(cè)，但這些手段往往會(huì)受到檢測(cè)人員的主觀(guān)因素干擾，可重現(xiàn)性差，效率低。如今很多服裝工作者已經(jīng)注意到了這個(gè)問(wèn)題，發(fā)現(xiàn)應(yīng)用數(shù)字圖像處理技術(shù)能夠減少人為因素的影響，能夠科學(xué)、客觀(guān)、高效地完成一些服裝的檢測(cè)。為了實(shí)現(xiàn)成衣疵點(diǎn)的自動(dòng)檢測(cè)，張明艷等利用數(shù)字圖像處理與模式識(shí)別技術(shù)研究了服裝縫紉工藝疵點(diǎn)的識(shí)別分類(lèi)。該研究分析了服裝縫線(xiàn)疵點(diǎn)系統(tǒng)的體系結(jié)構(gòu)，采集了服裝縫線(xiàn)樣本的圖像，并將其分類(lèi)。進(jìn)行服裝縫線(xiàn)樣本圖像的預(yù)處理和分割，提取服裝縫線(xiàn)疵點(diǎn)的特征，最后進(jìn)行服裝縫線(xiàn)疵點(diǎn)的識(shí)別分類(lèi)研究[21]。池金米等拍照采集了男襯衫的樣品圖像，采用直方圖均衡化、中值濾波等技術(shù)對(duì)圖像進(jìn)行增強(qiáng)去噪處理，然后進(jìn)行閾值分割。分別為單線(xiàn)、雙線(xiàn)線(xiàn)跡和對(duì)稱(chēng)性特征設(shè)計(jì)了具體的檢測(cè)算法，并應(yīng)用MATLAB實(shí)現(xiàn)雙線(xiàn)線(xiàn)跡的檢測(cè)。結(jié)果表明，該方案能有效實(shí)現(xiàn)男襯衫縫制外觀(guān)的質(zhì)量檢測(cè)[22]。陸國(guó)琴等[23]應(yīng)用MATLAB圖像處理軟件對(duì)拍攝的黏合襯膠粉顆粒圖像進(jìn)行預(yù)處理，通過(guò)開(kāi)發(fā)的程序?qū)D像形態(tài)進(jìn)行分析。試驗(yàn)表明，應(yīng)用這種方法能夠準(zhǔn)確地檢測(cè)出顆粒面積、平均徑長(zhǎng)、周長(zhǎng)、圓整度等參數(shù)。該方法操作簡(jiǎn)單，測(cè)量速度快、精度高。陳雁等[24]通過(guò)對(duì)服裝表面褶皺圖像的處理，提取了以灰度為基礎(chǔ)的評(píng)價(jià)指標(biāo)體系，提出了褶皺數(shù)、褶皺深度、褶皺寬度和褶皺不勻度等服裝褶皺的評(píng)價(jià)指標(biāo)，以期對(duì)服裝表面褶皺這一視覺(jué)效果進(jìn)行數(shù)字化描述。結(jié)果表明這些指標(biāo)能很好地反映褶皺的形態(tài)特征。

3 圖像處理技術(shù)在紡織服裝領(lǐng)域的發(fā)展趨勢(shì)

通過(guò)上述研究情況可以發(fā)現(xiàn)，基于圖像處理技術(shù)檢測(cè)紡織品的研究多集中在外觀(guān)及物理性能的檢測(cè)，如纖維細(xì)度、紗線(xiàn)纖度均勻性、織物疵點(diǎn)、密度、懸垂性等。而關(guān)于織物功能性檢測(cè)的研究卻不多，只有較少文獻(xiàn)做了關(guān)于圖像處理技術(shù)應(yīng)用于織物導(dǎo)濕和防水性能的測(cè)試研究。并且，這種基于圖像處理技術(shù)檢測(cè)織物功能性的研究的技術(shù)方法還不太成熟，許多方法裝置復(fù)雜，易產(chǎn)生誤差，存在著很多與實(shí)際環(huán)境不相符的情況，還只是處于實(shí)驗(yàn)室研究階段。因此，在以后的研究中，應(yīng)加大在紡織品功能性檢測(cè)方面的研究。

關(guān)于數(shù)字圖像處理技術(shù)在服裝領(lǐng)域的應(yīng)用，近幾年才有專(zhuān)家學(xué)者開(kāi)始研究，目前，數(shù)字圖像處理在服裝領(lǐng)域的應(yīng)用基本上都集中于服裝縫紉線(xiàn)跡疵點(diǎn)的研究。因此，在服裝領(lǐng)域，應(yīng)擴(kuò)大其應(yīng)用范圍，將基于圖像處理的檢測(cè)技術(shù)貫穿于服裝生產(chǎn)的整個(gè)過(guò)程。

[1]狄煒，徐伯俊.數(shù)字圖像處理在紡織中的應(yīng)用及發(fā)展[J].上海紡織科技，2002，6(30)：61-62.

[2]周絢麗，成玲.計(jì)算機(jī)圖像處理技術(shù)在紗線(xiàn)質(zhì)量檢測(cè)中的應(yīng)用[J].紡織科技進(jìn)展，2008(1)：32-34.

[3]鄒清云.計(jì)算機(jī)圖像處理技術(shù)在紡織測(cè)試中的應(yīng)用[J].河南紡織高等專(zhuān)科學(xué)校學(xué)報(bào)，2006，18(1)：19-21.

[4]DENG Z M, WEI K. A new measuring method of wool fiber diameter based on image processing[C]. 2010 2nd International Conference on Signal Processing Systems,Wuhan, 2010: 2587-2590.

[5]丁雪榮.基于MATLAB圖像處理技術(shù)的針織物結(jié)構(gòu)參數(shù)測(cè)量的研究[D].天津：天津工業(yè)大學(xué)，2005.

[6]王彥霞，欒文彥.采用數(shù)字圖像處理技術(shù)測(cè)量羊絨細(xì)度研究[J].激光與紅外，2002，32(2)：121-123.

[7]SHANG S Y, LIU Y X, YI H Y, et al. The research on i d e n t i f i c a t i o n o f w o o l o r c a s h m e r e f i b r e based on the digital image[C].Proceedings of the Ninth International Conference on Machine Learning and Cybernetics, Qingdao, 2010:11-14.

[8]蔣高平，鐘躍崎，王榮武.基于譜線(xiàn)特征的羊絨與羊毛的鑒別[J].紡織學(xué)報(bào)，2010，31(4)：15-19.

[9]陳勇，溫演慶，朱譜新.計(jì)算機(jī)圖像處理技術(shù)應(yīng)用于紡織檢測(cè)[J].紡織科技進(jìn)展，2006(6)：7-10.

[10]袁利華.利用圖像處理和分析技術(shù)測(cè)定滌棉混紡比[J].絲綢，2009(4)：44-46.

[11孟憲鴻，陳躍華.數(shù)字圖像處理法測(cè)紗線(xiàn)毛羽的方法會(huì)談儀器[J].上海紡織科技，2003，31(4)：15-16.

[12]盧明，劉一萍.紗線(xiàn)毛羽圖像的二值化處理及其Matlab實(shí)現(xiàn)[J].山東紡織科技，2009(2)：37-38.

[13]WANG X H, WANG J Y, ZHANG J L, et al. Study on the detection of yarn hairiness morphology based on image processing technique[C]. 2010 International Conference on Machine Learning and Cybernetics, Qingdao, 2010:2332-2336.

[14]邵東鋒，張一心.基于圖像處理的紗線(xiàn)條干檢測(cè)[J].上海紡織科技，2005，33(8)：37-38.

[15]劉劍云.利用圖像識(shí)別技術(shù)測(cè)量織物密度的研究[D].天津：天津工業(yè)大學(xué)，2007.

[16]ZHOU J, LI L Q. Automatic inspection of silk fabric density based on multi-scale wavelet analysis[J].Advanced Materials Research, 2011(175-176): 371-375.

[17]TSAI I S, HU M C. Automatic inspection of fabric defects using an artificial neural network technique[J]. Textile Research Journal, 1996, 66(7): 174-182.

[18]HU M C, TSAI I S. Fabric inspection based on best wavelet packet bases[J].Textile Research Journal,2000,70(8): 662-670.

[19]ZHANG J M, LI L R. A new algorithm for fabric defect detection based on image distance difference[C]. 2009 Third International Symposium on Intelligent Information Technology Application, Nanchang, 2009: 217-219.

[20]LIU X J, HAN H B, LU Y S, et al. The evaluation system of fabric pilling based on image processing technique[C].Proceedings of 2009 International Conference on Image Analysis and Signal Processing, Taizhou, 2009: 44-47.

[21]張明艷.基于圖像分析的服裝縫線(xiàn)疵點(diǎn)的識(shí)別研究[D].上海：東華大學(xué)，2008.

[22]池金米，和艷君，鄒奉元.基于圖像處理技術(shù)的男襯衫縫制外觀(guān)質(zhì)量檢測(cè)[J].浙江理工大學(xué)學(xué)報(bào)，2009，26(3)：339-342.

[23]陸國(guó)琴，陳慶官，郭恒勇.圖像處理在服裝粘合襯膠粉粒度測(cè)量中的應(yīng)用[J].國(guó)外絲綢，2008(4)：9-10.

[24]陳雁，陳偉偉.圖像處理技術(shù)在服裝褶皺評(píng)價(jià)中的應(yīng)用[J].紡織學(xué)報(bào)，2006，27(9)：94-96.

Overview of research on image processing technology in textile and clothing fi eld

FU Guo-ding1, CHEN Hua1, LIU Hong2, QI Yan2?
(1. School of Electronic Information Engineering, Xi'an Technological University, Xi'an 710032, China; 2. School of Textile and Clothing, Jiangnan University, Wuxi 214122, China)

The application of image processing technology in textile and clothing field was elaborated from fibers, yarns, fabrics and clothing, etc. The testing methods based on image processing technology and traditional testing methods were compared in this paper. Finally, the trend of testing methods based on image processing technology in textile and clothing field was illustrated.

Image processing technology; Testing method; Textile; Clothing

TN911.73

A

1001-7003(2011)12-0022-04

2011-08-26；

2011-10-02

福建省教育廳科技項(xiàng)目(JB09192)；福建省科技廳社會(huì)發(fā)展重點(diǎn)項(xiàng)目(2010Y0042)

付國(guó)定(1981－ )，男，碩士研究生，研究方向?yàn)閳D像處理與計(jì)算機(jī)視覺(jué)。