王 蕾，劉建立，潘如如，高衛(wèi)東

(生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué))，江蘇 無錫 214122)

織物抗皺性能又稱織物折皺彈性，是紡織品服用性能的一項(xiàng)重要指標(biāo)［1］。其評價(jià)方法可分為外觀法和折皺回復(fù)角法。外觀法是將試樣與標(biāo)準(zhǔn)樣照進(jìn)行比較，目測得出折皺等級來表征織物折皺性能的好壞，參照標(biāo)準(zhǔn)有AATCC124—2010《織物經(jīng)多次家庭洗滌后的外觀平整度》、GB/T 13769—2009《紡織品評定織物洗滌后外觀平整度的試驗(yàn)方法》和AATCC128— 2010《織物折皺回復(fù)性：外觀法》。在過去的20年中，評估折皺的方法從視覺評價(jià)發(fā)展為儀器測量，機(jī)器視覺技術(shù)在儀器評估折皺中起到重要作用［2］。在織物平整度等級評價(jià)研究初期，主要采用二維圖像分析技術(shù)提取折皺特征參數(shù)，如 Xu等［3］提出用折皺灰度表面積、陰影面積評定平整度等級，Mori等［4］從灰度圖像中提取了對比度、熵分形維數(shù)等參數(shù)，采用它們來訓(xùn)練神經(jīng)網(wǎng)絡(luò)以評估折皺［4］。之后發(fā)展到采用三維技術(shù)提取折皺密度、幅度和清晰度等更多三維特征參數(shù)，如 Kang等［5］利用立體系統(tǒng)采集描述織物表面粗糙度的三維數(shù)據(jù)來提取分形維數(shù)，楊曉波等［6］建議用光度立體方法構(gòu)建三維織物表面，Xu等［2］利用一種立體視覺系統(tǒng)重建折皺織物的三維表面。雖然機(jī)器視覺輔助織物折皺性能外觀評價(jià)方面已取得了一定的研究成果，但是目前對計(jì)算機(jī)輔助測量織物折皺回復(fù)角方面的研究卻很少，事實(shí)上角度數(shù)據(jù)比等級給人的感受更直觀。

折皺回復(fù)角是測量織物折疊試樣折痕回復(fù)角，參照標(biāo)準(zhǔn)主要是AATCC66—2008《織物折皺回復(fù)：回復(fù)角法》。該方法的優(yōu)點(diǎn)是易于規(guī)范化、標(biāo)準(zhǔn)化，測量結(jié)果具有相對的可比性。按照測量回復(fù)角時(shí)試樣折痕線所呈的位置，測量方法可分為水平法和垂直法。垂直放置試樣克服了織物重力的影響，因此垂直法的測量結(jié)果較水平法準(zhǔn)確，我國對織物折皺回復(fù)角測量的方法主要采用垂直法。目前采用垂直法測量織物折皺回復(fù)角的儀器主要有國產(chǎn)YG541E型激光織物折皺彈性測試儀和英國SDL-M003A型折皺回復(fù)角試驗(yàn)機(jī)。YG541E型激光織物折皺彈性試驗(yàn)儀符合GB/T 3819—1997《紡織品 織物折痕回復(fù)性的測定回復(fù)角法》的要求，壓力負(fù)荷為10 N，可同時(shí)測試10個(gè)樣品，獲得壓重釋放后15 s時(shí)的急彈性回復(fù)角讀數(shù)和5 min時(shí)的緩彈性回復(fù)角讀數(shù)。相對于YG541E型激光織物折皺彈性測試儀僅有一種負(fù)荷規(guī)格，SDL-M003型折皺回復(fù)角試驗(yàn)機(jī)配置的3種負(fù)荷規(guī)格對不同標(biāo)準(zhǔn)有更加靈活的適用性，其中500g(帶壓腳)負(fù)荷可滿足 AATCC66—2008標(biāo)準(zhǔn)要求，1 019g(帶 壓 腳)可 滿 足 GB/T 3819—1997、BSEN2313標(biāo)準(zhǔn)要求;1 019g(帶壓腳)負(fù)荷上加上981g(不帶壓腳)負(fù)荷可滿足 MS P22試驗(yàn)要求［7］。由于每次試驗(yàn)只能做1塊試樣，耗時(shí)長，但多次試驗(yàn)結(jié)果表明，數(shù)據(jù)穩(wěn)定性比YG541E激光織物折皺彈性試驗(yàn)儀要好［8］。將試樣長邊與水平面接觸，使之自動(dòng)展開，雖不受釋放時(shí)沖擊振動(dòng)和重力的影響，但對剪切力小的織物(針織物)不很適用;將試樣夾持在刻度盤上雖不受試樣重力和剪切力的影響，但受釋放時(shí)沖擊力或振動(dòng)力的影響，且跟蹤調(diào)節(jié)在初始時(shí)是不可能準(zhǔn)確測得急彈性回復(fù)角的。

本文的視頻序列方法采用垂直法對織物折皺回復(fù)過程進(jìn)行拍攝，將折痕線與水平面垂直放置，使試樣一邊固定，另一邊懸空，排除了釋放沖擊振動(dòng)、剪切力和重力的影響。并結(jié)合圖像處理方法，實(shí)現(xiàn)了折皺回復(fù)角的客觀、準(zhǔn)確測量，克服了現(xiàn)有表征方法忽略織物折皺回復(fù)角在整個(gè)過程中變化情況的缺陷，獲取各時(shí)刻織物折皺回復(fù)角度，并繪出織物折皺回復(fù)角度隨時(shí)間變化曲線。這種方法可以更為全面地評價(jià)織物折皺回復(fù)性能，為紡織面料設(shè)計(jì)與生產(chǎn)和服裝設(shè)計(jì)與制作提供參考。

1 視頻序列采集及預(yù)處理

1.1 視頻序列采集

在視頻采集前，將折疊的40 mm×15 mm試樣放入SDL-M003型折皺回復(fù)角試驗(yàn)機(jī)的負(fù)載裝置中，負(fù)荷物質(zhì)量為500g，5 min±5 s后迅速而平穩(wěn)地從試樣上除去重物，使試樣的折疊狀態(tài)不會(huì)打開。用鑷子把折疊的試樣移動(dòng)到視頻序列采集的試樣臺(tái)上，放置方式如圖1所示。試樣一翼固定，另一翼懸空，立即開始視頻序列采集。借助Basler工業(yè)視頻套件，OPT-FL130130型面光源和光源控制器，以及National Instruments Vision Assistant 8.0軟件對折皺回復(fù)過程中的織物進(jìn)行視頻序列采集，視頻采集速度為450幀/min，保存格式為 avi視頻文件，采集到的為灰度視頻序列。采集時(shí)長為5 min，視頻序列中單幀大小為640像素×480像素。運(yùn)用MatLab 2009對織物折皺回復(fù)視頻序列進(jìn)行處理。

圖1 視頻序列采集系統(tǒng)Fig.1 Video sequence acquisition system

以羊毛平紋織物緯向正面對折的動(dòng)態(tài)折皺回復(fù)角測量結(jié)果為例，從3塊試樣分別得到圖2所示的3條曲線，說明視頻序列方法所得到的單一樣品回復(fù)角的重現(xiàn)性較好。

1.2 視頻序列預(yù)處理

圖2 試樣折皺回復(fù)角與時(shí)間的關(guān)系Fig.2 Relationship between wrinkle recovery angle and time

本文將采用Hough變換獲取織物折皺回復(fù)角度數(shù)據(jù)，由于 Hough變換存在計(jì)算量較大的缺點(diǎn)，在采用Hough變換前，需對織物折皺回復(fù)視頻單幀圖像進(jìn)行預(yù)處理。本文以視頻中的1幀織物折皺回復(fù)圖像(圖3)為例進(jìn)行說明。如圖3所示，形成一定角度的織物的2條邊稱為織物折皺回復(fù)的兩翼。首先將灰度圖像轉(zhuǎn)化為二值圖像，如圖4所示。視頻序列采集時(shí)，背景和支架均為黑色，與白色的織物形成鮮明的對比，對織物折皺回復(fù)視頻圖像進(jìn)行二值化處理易將織物從背景中分離出來，為后續(xù)處理打下良好基礎(chǔ)。

圖3 原圖Fig.3 Original image

圖4 二值化后圖像Fig.4 Binary image

然后采用數(shù)學(xué)形態(tài)學(xué)［9］中的細(xì)化算法對圖像進(jìn)行處理。細(xì)化算法的實(shí)質(zhì)是將1個(gè)曲線形物體化為1條單像素寬的線，使原二值圖像只保留織物兩翼的中線，從而以圖像化顯示出拓?fù)湫再|(zhì)［10］。根據(jù)AATCC66—2008要求，試樣在回復(fù)過程中如果自由翼輕微的扭轉(zhuǎn)或卷曲，以通過該翼的中心作為折皺回復(fù)讀數(shù)的基準(zhǔn)，因此需要將織物邊緣進(jìn)行細(xì)化處理。細(xì)化變換可使連通的區(qū)域轉(zhuǎn)化成1條連通的曲線，且曲線處于區(qū)域的中央，能近似反映原區(qū)域的基本形狀，有助于突出折皺回復(fù)過程中織物的形狀特點(diǎn)和拓?fù)浣Y(jié)構(gòu)并且減少冗余的信息量，以滿足標(biāo)準(zhǔn)要求。

本文所采用的細(xì)化過程為：1)先把圖像按棋盤狀圖案分成2個(gè)不同的子域;2)在第1次迭代中，當(dāng)且僅當(dāng)條件C1、C2和 C3都滿足時(shí)，從第1子域刪除像素p;3)在第2次迭代中，當(dāng)且僅當(dāng)條件 C1、C2和C'3同時(shí)滿足時(shí)，從第2子域刪除像素p。

條件 C1：

x1，x2，…，x8是像素 p的8個(gè)相鄰像素的值，從右邊開始按逆時(shí)針方向順序?qū)ο噜彽南袼攸c(diǎn)進(jìn)行編號，如圖5所示。

圖5 像素p的8個(gè)鄰域Fig.5 Eight neighborhood pixels of p

2個(gè)子迭代組成1個(gè)迭代細(xì)化算法，運(yùn)算中不斷進(jìn)行迭代，當(dāng)一個(gè)完整的循環(huán)結(jié)束時(shí)，如果所得的結(jié)果不再變化，則終止迭代過程。

圖6 為細(xì)化處理后圖像，細(xì)化后的織物折皺回復(fù)圖像為1條單個(gè)像素點(diǎn)組成的連通曲線，從原圖像去掉一些點(diǎn)，得到的細(xì)化后圖像仍能保留原圖像中織物兩翼所在位置的信息。進(jìn)行細(xì)化處理不僅符合AATCC66—2008以通過織物一翼的中心作為折皺回復(fù)讀數(shù)基準(zhǔn)的要求，而且大大減小了Hough變換的計(jì)算量，克服了Hough變換運(yùn)算量大以及容易將不屬于直線的點(diǎn)也連接到直線上而導(dǎo)致的過連接現(xiàn)象。

圖6 細(xì)化處理后圖像Fig.6 Result of thinning algorithms

2 織物折皺回復(fù)角測量

2.1 Hough變換

為了獲得每個(gè)時(shí)刻的織物折皺回復(fù)角，需知織物兩翼在圖像中所處的位置，而Hough變換［11］是一種被廣泛用于直線、圓與橢圓等可參數(shù)化幾何圖形檢測的方法，因此采用 Hough變換求這兩翼的角度。利用Hough變換提取織物折皺回復(fù)圖像中的直線，把直線上點(diǎn)的坐標(biāo)變換到過點(diǎn)的直線的系數(shù)域，通過利用共線和直線相交的關(guān)系，使直線的提取問題轉(zhuǎn)化為計(jì)數(shù)問題［12］。

圖7 為Hough變換原理圖。由圖可知，在極坐標(biāo)系中，目標(biāo)直線可表示為

圖7 Hough變換原理圖Fig.7 Principle of Hough transform

在給定的圖像空間(x，y)中，ρ為原點(diǎn)到直線的垂直距離，θ為x軸與目標(biāo)直線之間的角度［13］。對于任意給定的(ρ，θ)，直線也就確定，這樣就將像素點(diǎn)從圖像空間轉(zhuǎn)換到(ρ，θ)。遍歷圖像，對每個(gè)不屬于背景的點(diǎn)計(jì)算其所有θ角度對應(yīng)的ρ，再對累加器元件進(jìn)行統(tǒng)計(jì)，最后通過設(shè)定特定的閾值求出Hough變換峰值來表示圖像中潛在的直線［14］。該方法的主要優(yōu)點(diǎn)是受共線點(diǎn)的間隙和噪聲影響較小。

2.2 織物折皺回復(fù)角檢測

對細(xì)化后的織物折皺回復(fù)單幀圖像進(jìn)行Hough變換時(shí)，考慮到 θ的檢測范圍是［-90°，90°］，因此注意到織物擺放位置，使折皺回復(fù)過程中織物兩翼在視頻序列中始終處于［0°，180°］范圍內(nèi)。

Hough變換檢測織物折皺回復(fù)角按如下步驟進(jìn)行：

1)設(shè)定 △ρ=1，△θ=0.1°。

2)遍歷圖像，若像素點(diǎn)為白色，即對該像素點(diǎn)進(jìn)行Hough變換。

3)對(ρ，θ)參數(shù)空間進(jìn)行頻數(shù)統(tǒng)計(jì)，找出上述θ在其范圍內(nèi)A(ρ，θ)的最大峰值，并將該點(diǎn)及其附近點(diǎn)清零，以防織物自身的彎曲導(dǎo)致算法檢測出多條極其鄰近的“假”直線而影響最終結(jié)果，再找出次大峰值，這2個(gè)峰值即為織物兩翼在圖像上所對應(yīng)的角度 θ1和 θ2。

圖3 所示織物折皺回復(fù)角檢測值為34.3°。

3 試驗(yàn)結(jié)果

為了檢測本文提出方法的可行性與測量結(jié)果的有效性，對采集的織物折皺回復(fù)視頻序列進(jìn)行處理，試樣規(guī)格如表1所示。將動(dòng)態(tài)測量中5 min時(shí)刻的角度結(jié)果與AATCC66—2008所測結(jié)果進(jìn)行對比，結(jié)果如表2所示。

表1 試樣規(guī)格Tab.1 Parameters of samples

表2 視頻序列方法與參照AATCC66—2008手動(dòng)方法測量平均值Tab.2 Summary of average of wrinkle recovery angles by video sequence method and AATCC66—2008 (°)

經(jīng)向正面對折、反面對折，緯向正面對折、反面對折4組試驗(yàn)，以每組試驗(yàn)3個(gè)試樣所測得結(jié)果的平均值比較視頻序列處理方法與人工測量方法的結(jié)果。表2所列數(shù)據(jù)均為3個(gè)試樣測量結(jié)果的平均值。可以看出：就均值而言，動(dòng)態(tài)測量結(jié)果中5 min時(shí)刻織物緩彈性回復(fù)角與人工目測的結(jié)果接近，它們之間的差值在［0°，2°)范圍之內(nèi)，說明采用視頻序列處理方法可以代替手工測量方法;就平紋織物而言，2種方法的測量結(jié)果均表明平紋織物正面對折與反面對折結(jié)果接近，這與其組織結(jié)構(gòu)有關(guān);比較棉和羊毛織物，羊毛織物的折皺回復(fù)角普遍比棉織物的大，說明羊毛織物折皺回復(fù)性能比棉好。

本文方法不僅可以獲得織物緩彈性折皺回復(fù)角度，而且能反映織物折皺回復(fù)整個(gè)過程中角度的變化情況，可實(shí)現(xiàn)織物折皺回復(fù)性能的綜合表征。圖8示出采用本文方法所得到的表1中6種織物的動(dòng)態(tài)試驗(yàn)結(jié)果。

圖8 1#～6#試樣動(dòng)態(tài)折皺回復(fù)角Fig.8 Dynamic wrinkle recovery angles of 1#-6#samples

從圖8中可明顯看出，隨時(shí)間的延長，織物折皺回復(fù)角先迅速增大，一段時(shí)間后增加幅度變小，曲線趨于平緩。不同組織、原料的織物在不同方向折疊下，動(dòng)態(tài)折皺回復(fù)角的變化情況各有差異。其中，圖8(a)和圖8(d)分別為棉和羊毛平紋織物的動(dòng)態(tài)折皺回復(fù)角，它們共同反映了在5 min的回復(fù)過程中，同一方向正、反面對折的動(dòng)態(tài)回復(fù)角度變化情況很接近。這是由平紋織物經(jīng)紗和緯紗一上一下交織形成織物的組織結(jié)構(gòu)決定的。圖8(b)中，2#試樣的緯向正面對折動(dòng)態(tài)回復(fù)角與經(jīng)向反面對折的接近，經(jīng)向正面對折與緯向反面對折回復(fù)過程中角度差值始終在5°之內(nèi)。圖8(c)中，3#試樣的4種折疊方式中折皺回復(fù)性能由好到差排序依次是：緯向正面對折、經(jīng)向反面對折、緯向反面對折、經(jīng)向正面對折。而5#試樣(見圖8(e))的4種折疊方式的折皺回復(fù)性能排序卻與3#試樣完全相反。如圖8(f)所示，6#試樣緯向正面對折的動(dòng)態(tài)回復(fù)角度比其他三者都大，且其他三者角度較為接近。由于本文方法與AATCC66—2008同樣存在將試樣由負(fù)載裝置中轉(zhuǎn)移到測試裝置的過程，因此動(dòng)態(tài)測量初始值較大，但不論從初始值還是5 min的測量終值來說，羊毛織物的回彈速度和最終回復(fù)角度都比棉織物的大。如圖8(a)～(c)所示，棉織物初始角度都小于90°，而如圖8(d)～(f)所示，羊毛織物初始角度大于110°。

4 結(jié)語

采用本文提出的視頻序列處理方法，對織物折皺回復(fù)性能進(jìn)行動(dòng)態(tài)測量，可以直觀地看出織物折皺回復(fù)角隨時(shí)間的變化情況，而現(xiàn)有 AATCC66—2008的測量方法僅能得到織物折皺回復(fù)5 min時(shí)的折皺回復(fù)角，難以全面地反映織物的折皺回復(fù)性能。視頻序列處理方法可以排除人工測量方法帶來的誤差，更準(zhǔn)確、客觀地評價(jià)織物折皺回復(fù)性能，還能進(jìn)一步得到織物折皺回復(fù)階段回復(fù)角度基本處于穩(wěn)定狀態(tài)的時(shí)刻，對完善織物折皺回復(fù)性能評價(jià)指標(biāo)有很大幫助，進(jìn)而為紡織面料設(shè)計(jì)與生產(chǎn)和服裝設(shè)計(jì)與制作提供參考。

［1］石風(fēng)俊，鄭德均.織物折皺回復(fù)性能建模研究［J］.紡織學(xué)報(bào)，2007，28(10)：38-41.SHI Fengjun，ZHENG Dejun.A modeling approach to recovery properties of woven fabric［J］.Journal of Textile Research，2007，28(10)：38-41.

［2］YU W，YAO M，XU B.3-D surface reconstruction and evaluation of wrinkled fabrics by stereo imaging［J］.Textile Research Journal，2009，79(1)：36-46.

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

［4］MORI T，KOMIYAMA J.Evaluating wrinkled fabrics with image analysis and neural networks［J］.Textile Research Journal，2002，72(5)：417-422.

［5］KANG T J，CHO D H，KIM S M.New objective evaluation of fabric smoothness appearance［J］.Textile Research Journal，2001，71(5)：446-453.

［6］YANG X B，HUANG X B.Evaluating fabric wrinkle degree with a photometric stereo method ［J］.Textile Research Journal，2003，73(5)：451-454.

［7］盛愛軍，張建祥，耿彩花.折皺回復(fù)角測試方法［J］.印染，2007(15)：38-41.SHENG Aijun， ZHANG Jianxiang， GENG Caihua.Testing methods of crease recovery angle［J］.Dyeing ＆Finishing，2007(15)：38-41.

［8］張曉婷，高衛(wèi)東，盧雨正.織物折皺回復(fù)角與其物理力學(xué)性能的關(guān)系［J］.紡織學(xué)報(bào)，2008，29(6)：29-31，38.ZHANG Xiaoting， GAO Weidong， LU Yuzheng.Relationship between fabris wrinkle recovery angle and its physical and mechanical property［J］.Journal of Textile Research，2008，29(6)：29-31，38.

［9］ETIENNE Decencie`re，MAROTEGUI B，MEYER F.Content-dependent image sampling using mathematical morphology：application to texture mapping ［J］.Signal Processing：Image Communication，2001，16：567-584.

［10］江萍，徐曉冰，方敏.基于形態(tài)學(xué)骨架提取算法的研究及其實(shí)現(xiàn)［J］.計(jì)算機(jī)應(yīng)用，2003，23(S1)：136-137.JIANG Ping，XU Xiaobing，F(xiàn)ANG Min.Research and application of skeleton extraction algorithm based on morphology ［J］.Computer Applications， 2003，23(S1)：136-137.

［11］LLINGWORTH J，KITTLER J.A survey of the Hough transform ［J］.Computer Vision，Graphics，and Image Processing，1988，44(1)：87-116.

［12］郭斯羽，孔亞廣，張煦芳.基于Hough變換的角點(diǎn)檢測算法［J］.儀器儀表學(xué)報(bào)，2008，29(11)：2424-2429.GUO Siyu，KONG Yaguang，ZHANG Xufang.Corner detection algorithm based on Hough transform ［J］.Chinese Journal of Scientific Instrument，2008，29(11)：2424-2429.

［13］潘如如，高衛(wèi)東，劉基宏，等.基于 Hough變換的機(jī)織物組織點(diǎn)自動(dòng)定位［J］.紡織學(xué)報(bào)，2010，31(3)：59-63.PAN Ruru， GAO Weidong， LIU Jihong， etal.Automatic location of woven fabric crossing points via Hough transform［J］.Journal of Textile Research，2010，31(3)：59-63.

［14］段汝嬌，趙偉，黃松嶺，等.一種基于改進(jìn) Hough變換的直線快速檢測算法［J］.儀器儀表學(xué)報(bào)，2010，31(12)：2775-2780.DUAN Rujiao，ZHAO Wei，HUANG Songling，et al.Fast line detection algorithm based on improved Hough transformation［J］.Chinese Journal of Scientific Instrument，2010，31(12)：2775-2780.