李蓓蓓

（上海第二工業(yè)大學(xué)電子與電氣工程學(xué)院，上海 201209）

從服裝圖片中識別面料方法的研究

李蓓蓓

（上海第二工業(yè)大學(xué)電子與電氣工程學(xué)院，上海 201209）

提出了一種服裝面料自動(dòng)識別方法：根據(jù)需要對服裝圖片進(jìn)行預(yù)處理，然后從預(yù)處理后的圖像中提取服裝面料的特征信息，并對這些信息進(jìn)行仿真，觀察模擬效果，最后對從圖像中識別出的面料信息進(jìn)行分析，總結(jié)出幾種服裝面料圖像的參數(shù)分布。對服裝面料自動(dòng)識別技術(shù)具有一定的推動(dòng)作用，對虛擬現(xiàn)實(shí)中具有隨機(jī)幾何模型的物體特征識別也有一定的推動(dòng)作用。

皺褶；面料；圖像；模擬；服裝

0 引言

服裝已經(jīng)成為我們生活中必不可少的物品。人們通常會(huì)通過用手觸摸面料來判別面料的種類，當(dāng)然還有其他方法，比如燃燒法、顯微鏡法、pH值試絨法等。但這些方法由于受到識別環(huán)境等各種因素影響，難以得到普及。也有學(xué)者提出通過分析布料圖像的特征來獲得布料材料的屬性[1-3]，這些識別方法由于其特征的表示方法不直觀，需要用戶對布料的物理屬性有一定的了解，因此很難被一般用戶所接受。

本文提出了一種通過分析服裝圖片中的皺褶信息來獲得其面料屬性的識別方法。該方法采用參數(shù)形式來表示服裝的面料特征。經(jīng)過實(shí)際測試，證明該方法的準(zhǔn)確性較高。

1 服裝圖像的預(yù)處理

首先，對待檢測衣服圖片進(jìn)行灰度化處理和二值化處理，以便對衣服褶皺進(jìn)行數(shù)據(jù)采集與提取。本文選用了三種衣服原始圖像，如圖1、圖2和圖3所示。

圖1 衣服原始彩色圖像AFig. 1 Color image A of the initial clothes

圖2 衣服原始彩色圖像BFig. 2 Color image B of the initial clothes

圖3 衣服原始彩色圖像CFig. 3 Color image C of the initial clothes

對圖1所示衣服圖像進(jìn)行灰度化和二值化處理，結(jié)果如圖4、圖5所示。

圖4 圖1對應(yīng)的灰度圖像Fig. 4 The corresponding gray image of color image A

圖5 圖1對應(yīng)的二值化圖像Fig. 5 The corresponding binary image A of color image A

對衣服原始圖像進(jìn)行灰度化處理，其目的是為了實(shí)現(xiàn)對服裝皺褶高度信息的提取。服裝圖像中的原始信息包含其表面各像素點(diǎn)的位置信息、RGB亮度信息。這些信息中含有服裝各皺褶的三維信息，圖像中各點(diǎn)的高度與其亮度之間呈一種線性的關(guān)系[4-5]。各像素點(diǎn)的亮度用其RGB均值表示，即灰度信息。

對衣服原始圖像進(jìn)行二值化處理的目的是為了實(shí)現(xiàn)服裝形狀信息以及密度屬性的提取。服裝皺褶可以先采用二值化方法進(jìn)行識別，如圖5所示。服裝形狀信息主要是指服裝皺褶幾何形狀的長寬之比，計(jì)算二值化后圖像陰影區(qū)域的長寬比。服裝的密度即二值化圖像中連通區(qū)域面積小于某閾值的個(gè)數(shù)。

2 服裝圖像面料參數(shù)的提取

服裝的面料參數(shù)主要包括面料的材料、紗支、工藝和后整理等。本文主要討論面料的材料和紗支參數(shù)的提取方法，其他參數(shù)的提取同理。

在圖1中采用棉質(zhì)材料紗支16 s，圖2和圖3中采用真絲材質(zhì)，紗支分別為16 s和26 s。

經(jīng)過預(yù)處理后的服裝圖像，可以方便提取其面料特征，主要采用皺褶的特征來表示，包括皺褶的形狀信息、高度信息和密度信息。

2.1 服裝褶皺形狀信息的提取

由于服裝圖片的灰度信息受周圍光照強(qiáng)度、光照方向等因素影響，不同位置皺褶的灰度值變化趨勢也不盡相同，因此，很難從服裝灰度圖像中提取其皺褶的形狀信息。

本文采用對服裝圖像進(jìn)行二值化處理，然后提取其皺褶的形狀信息。服裝圖像經(jīng)過二值化處理后，皺褶部位采用黑色陰影區(qū)域表示。逐行掃描該圖像中的黑色陰影區(qū)域，計(jì)算黑色陰影區(qū)域的總行數(shù)與總列數(shù)之比，作為評價(jià)該服裝皺褶形狀信息的主要參數(shù)。

設(shè)該款服裝皺褶長寬比為α，其計(jì)算如公式（1）所示。

式中：

li是當(dāng)前掃描皺褶黑色區(qū)域的橫向最大值；

wj是當(dāng)前掃描皺褶黑色區(qū)域的縱向最大值；

n是黑色區(qū)域的數(shù)量。

首先，定義該款服裝圖像的長（L）、寬（W）都為0，再定義M為判定前的一個(gè)狀態(tài)，采用逐行逐列掃描法進(jìn)行測量。對數(shù)張圖片進(jìn)行測量，各張圖像的測量結(jié)果如表1所示。

表1 衣服褶皺的長寬比Tab. 1 Proportion of the clothes wrinkle width and length

2.2 服裝褶皺高度信息的提取

本文討論提取的服裝圖像中的皺褶高度信息，采用皺褶平均高度值來表示。用于分析的服裝圖像是二維的，從圖片中找出所隱藏的三維信息。假設(shè)用于分析服裝圖片的光源為平行光，方向與拍攝角度一致，可認(rèn)為高度與灰度值呈線性關(guān)系[4-5]?；叶戎挡钆c褶皺高度的線性關(guān)系如公式（2）所示。

式中：

H是褶皺的高度；

K ,b是線性系數(shù)，可以根據(jù)實(shí)際情況定義其值，在此研究中，定義線性系數(shù)K=1,b=0；

S和D分別是灰度的最大值與最小值。

K與b可以通過試驗(yàn)方法獲得，在模擬過程中，可以根據(jù)需要進(jìn)行適當(dāng)?shù)姆趴s處理。

先找到整幅圖像中灰度值最小點(diǎn)的位置。灰度值最大點(diǎn)的位置在灰度值最小點(diǎn)的附近尋找，在灰度值最小點(diǎn)定義一個(gè)區(qū)域用于尋找。所以，先記錄二值化圖像中每個(gè)黑色陰影區(qū)域的中心點(diǎn)位置，并在對應(yīng)灰度圖像中以記錄點(diǎn)為中心，以此灰度值最小點(diǎn)為中心畫一個(gè)四邊形，長寬根據(jù)經(jīng)驗(yàn)而定，在該四邊形范圍里找到灰度值最大的像素點(diǎn)。對于選取的面料，高度的提取信息如表2所示。

表2 衣服褶皺的平均高度Tab. 2 The average height of the clothes wrinkle

2.3 服裝褶皺密度信息的提取

服裝皺褶密度可用于評價(jià)服裝的光滑程度[1,6]。服裝皺褶密度在本文中的含義是整個(gè)服裝圖片中皺褶的數(shù)量。為實(shí)現(xiàn)便捷地提取服裝皺褶的密度信息，本文嘗試在二值化圖像的基礎(chǔ)上進(jìn)行提取。把圖像背景與目標(biāo)服裝區(qū)域區(qū)分開，即經(jīng)過調(diào)整，把面積大于一定值的區(qū)域去除，再把圖片中無關(guān)的噪聲信號濾除，把面積小于一定值的區(qū)域去除。計(jì)算連通區(qū)域面積在一定范圍內(nèi)的數(shù)量。對于選取的面料，密度的提取信息如表3所示。

表3 服裝褶皺的密度Tab. 3 The density of the clothes wrinkle

經(jīng)過對不同材質(zhì)分別進(jìn)行的10次試驗(yàn)，我們把不同材料、不同紗支材料的面料圖片的特征進(jìn)行了提取。其皺褶屬性如表4所示。

表4 服裝面料褶皺屬性Tab. 4 The wrinkle attributes of the clothes

從表4中可以看出，采用本文的識別方法，可以對服裝的面料進(jìn)行識別，獲得不同面料的皺褶參數(shù)信息。

3 服裝界面特征提取與仿真

采用用戶可交互界面形式輸入需要提取的服裝圖片，并顯示其特征信息。最后把服裝皺褶的幾何信息模擬出來，并觀察其顯示效果[7]。

3.1 邊界特征提取

輸入待處理的服裝圖片，以一棉質(zhì)紡織品材料為例，設(shè)計(jì)軟件窗口界面，其特征顯示如圖6所示。

圖6 界面的設(shè)計(jì)Fig. 6 The GUI design

3.2 仿真效果

根據(jù)對服裝皺褶所提取出的幾何信息，仿真服裝皺褶的幾何模型，如圖7所示。

從模擬效果圖7中可以看出，服裝的皺褶形狀基本可以實(shí)現(xiàn)模擬，從而側(cè)面證明了該方法的可行性及有效性。

圖7 模擬效果Fig. 7 The simulation result

4 結(jié)論

本文提出了一種服裝面料識別技術(shù)，可以從一幅服裝圖片中提取出該款服裝的皺褶信息，經(jīng)過特征歸納，可以從該信息中識別服裝的材料。把提取出的服裝信息，經(jīng)過仿真后模擬出服裝的皺褶效果，與原圖像進(jìn)行比較，試驗(yàn)證明與原圖效果基本一致。

[1] XU B, CUMINATO D F, KEYES N M. Evaluating fabric smoothness appearance with a laser profilometer[J].Textile Research, 1998, 30(2)：900-906.

[2] 楊曉波. 遺傳算法在織物起皺等級評定中的應(yīng)用[J]. 上海紡織科技, 2002, 30(2): 8-10．

[3] XU B, REED J A. Instrumental evaluation of fabric wrinkle recovery[J]. Textile Institute, 1995, 86(1): 129-135.

[4] Illumination and shading[EB/OL]. http://gc.nuaa.edu.cn/hangkong/zjj/cad2/Computer%20graphics%20and%20geometric%20modeling%20implementation%20and%20algorithms/9.pdf.

[5] ROY-CHOWDHURY A, XU YILEI. Pose and illumination invariant face recognition using video sequences[J]. Signals and Communication Technology, 2007, Part I: 9-25.

[6] WIEGMANN A. Effective properties of nonwoven textiles from microstructure simulations[J]. Progress in Industrial Mathematics at ECMI 2006, Mathematics in Industry, 2008, 12(2): 708-712.

[7] 祝雙武, 郝重陽. 一種基于真實(shí)感圖像生成的織物外觀仿真快速算法[J]. 系統(tǒng)仿真學(xué)報(bào), 2008, 20(5): 1234-1237.

Research on Clothes Fabric Specification from Fashion Images

LI Bei-bei
( School of Electronic and Electronical Engineering, Shanghai Second Polytechnic University, Shanghai 201209, P. R. China )

A clothes fabric recognition method is presented in this study to automatically extract and specify its fabric type features. Clothes image-preprocess is firstly employed according to the different cases. Based upon the results of such image-processes, the clothes fabric feature information can be efficiently extracted. Secondly, a series of measures including statisticing, arranging and anglicizing of such information is correspondingly taken. Through simulating and redisplaying these feature information, the features of parameter distribution may be finally achieved, based on which the clothes fabric type is specified exactly. With the fast development of fashion manufacturing technology, such method, presented by this study, will play an active promoting role not only in clothes fabric recognition and specification, but also in feature recognition of the objects with stochastic geometric model in virtual reality field.

wrinkle; clothes; image; simulating; fashion

TP391.4

B

1001-4543(2012)03-0182-05

2012-04-23;

2012-08-27

李蓓蓓（1975－），女，安徽定遠(yuǎn)人，副教授，博士，主要研究方向?yàn)閳D形圖像處理，電子郵箱libeibei@126.com。

上海市教委重點(diǎn)學(xué)科資助項(xiàng)目（No. J51801）