陳冬蕾 吳巧英（通信作者）

浙江理工大學(xué)

織物平整度客觀評(píng)價(jià)中的圖像預(yù)處理及特征提取

陳冬蕾 吳巧英（通信作者）

浙江理工大學(xué)

利用MATLAB軟件對(duì)ATTCC織物平整度標(biāo)準(zhǔn)樣照進(jìn)行預(yù)處理：圖像灰度化、中值濾波和灰度增強(qiáng)。通過(guò)邊緣檢測(cè)提取折皺密度作為平整度特征參數(shù)，對(duì)比圖像預(yù)處理前后平整度客觀評(píng)價(jià)結(jié)果。結(jié)果表明：圖像預(yù)處理能有效提高平整度客觀評(píng)價(jià)的準(zhǔn)確性，預(yù)處理后織物平整度等級(jí)主客觀評(píng)定結(jié)果之間具有良好的一致性。

平整度 客觀評(píng)價(jià) 預(yù)處理

近年來(lái)，國(guó)內(nèi)外研究者致力于利用先進(jìn)的圖像處理技術(shù)對(duì)織物平整度進(jìn)行客觀評(píng)價(jià)[1]。其中，邊緣檢測(cè)[2]能準(zhǔn)確且直觀地反映圖像紋理。在提取折皺特征時(shí)，圖像中的噪聲會(huì)影響識(shí)別精度和速度[3]，導(dǎo)致提取指標(biāo)不能真實(shí)反映織物特性。本文通過(guò)邊緣檢測(cè)提取織物圖像預(yù)處理前后平整度特征參數(shù)并進(jìn)行對(duì)比，為準(zhǔn)確評(píng)價(jià)織物平整度提供參考。

一、試樣選取

選取AATCC124—2001[4]織物平整度標(biāo)準(zhǔn)樣照作為平整度試樣。樣照將織物平整度分為SA-1，SA-2，SA-3，SA-3.5，SA-4，SA-5共6個(gè)等級(jí)；其中，SA-1折皺程度最嚴(yán)重，隨后逐漸降低，SA-5折皺程度最輕。

二、平整度圖像預(yù)處理及特征值提取

（一）圖像預(yù)處理

利用MATLAB圖像處理軟件對(duì)平整度試樣進(jìn)行預(yù)處理。將樣照裁剪成256×256像素大小，并轉(zhuǎn)換為灰度圖像。用3×3模板中值濾波（過(guò)濾高頻噪聲）和灰度調(diào)節(jié)（增強(qiáng)對(duì)比度）對(duì)灰度圖像進(jìn)行預(yù)處理。用MATLAB工具箱stretchlim函數(shù)自動(dòng)判斷調(diào)節(jié)范圍，使用imadjust函數(shù)指定灰度范圍，重新分配像素幅度。

（二）平整度特征值提取

1.折皺信息檢測(cè)：為了將織物折痕從背景中識(shí)別出來(lái)，利用MATLAB邊緣檢測(cè)提取圖像折皺信息。分別用常見(jiàn)的邊緣檢測(cè)算子對(duì)平整度圖像進(jìn)行邊緣檢測(cè)，結(jié)果表明：Roberts算子(邊緣定位精度較低)、Canny算子和Log算子(對(duì)噪聲敏感，容易把不影響外觀的微弱折皺考慮在內(nèi)導(dǎo)致出現(xiàn)雙邊效果)檢測(cè)結(jié)果和肉眼觀察的效果出入較大；Sobel算子、Prewitt算子檢測(cè)結(jié)果相似。選用對(duì)像素位置的影響做了加權(quán)處理、檢測(cè)效果更好的Sobel算子對(duì)平整度樣照進(jìn)行邊緣檢測(cè)。

2.折皺密度計(jì)算：折皺密度（WD）是織物圖像中的折皺面積占總面積的百分比，可以直觀表征織物折皺的程度[2]。因此選取折皺密度作為特征值，計(jì)算公式如下：

其中：Wn為邊緣檢測(cè)圖像中白色像素點(diǎn)的個(gè)數(shù)；A為總像素點(diǎn)的個(gè)數(shù)，即256×256=65536。

三、實(shí)驗(yàn)結(jié)果與分析

（一）預(yù)處理前后圖像邊緣檢測(cè)結(jié)果比較

以SA-3圖像為例，圖1為預(yù)處理前后的圖像邊緣檢測(cè)結(jié)果及灰度分布直方圖。可見(jiàn)，原圖像（圖1(a)）檢測(cè)出的折皺信息多呈不均勻點(diǎn)狀分布；經(jīng)過(guò)中值濾波和灰度增強(qiáng)的圖像（圖1(c)），提取出的折皺邊緣更連貫，折皺多呈完整線狀。這是由于原圖像的灰度分布比較集中，灰度值在 47～254 之間（圖1(b)），而調(diào)節(jié)后則覆蓋了 0～255的全部區(qū)間（圖1(d)），灰度圖像也由原來(lái)的差異不明顯變得對(duì)比鮮明。同時(shí)，中值濾波使原樣照帶有的噪音及明顯織物紋路消失，保留并突出了織物折痕，因此使邊緣檢測(cè)更準(zhǔn)確。

圖1 SA-3預(yù)處理前后邊緣檢測(cè)圖像和灰度分布直方圖

（二）預(yù)處理前后特征參數(shù)測(cè)試結(jié)果比較

平整度試樣特征參數(shù)測(cè)試結(jié)果見(jiàn)表1， 特征參數(shù)與平整度主觀等級(jí)關(guān)系圖見(jiàn)圖2?？芍?，特征參數(shù)與平整度等級(jí)之間呈顯著負(fù)線性關(guān)系。即平整度等級(jí)越高，特征值越小，反之則越大。將平整度主觀等級(jí)與客觀參數(shù)做散點(diǎn)圖并線性擬合，得到原圖像兩變量判定系數(shù)R2為0.784，圖像預(yù)處理后兩變量的R2為0.924。說(shuō)明預(yù)處理后折皺密度與平整度等級(jí)相關(guān)性增強(qiáng)，呈顯著負(fù)相關(guān)。圖2可見(jiàn)，經(jīng)預(yù)處理后折皺密度變化更集中，隨平整度等級(jí)變化趨勢(shì)更平緩。由此說(shuō)明平整度圖像經(jīng)預(yù)處理后提取的特征參數(shù)與主觀等級(jí)之間具有良好的一致性，通過(guò)邊緣檢測(cè)提取的折皺密度能夠較好的客觀評(píng)價(jià)織物平整度。

表1 平整度樣照特征參數(shù)測(cè)試結(jié)果

圖2 折皺密度與平整度主觀等級(jí)關(guān)系

四、結(jié)論

（1）未經(jīng)預(yù)處理的圖像直接提取特征值會(huì)與真實(shí)折皺有偏差。圖像預(yù)處理能有效提高圖片質(zhì)量，使圖像處理技術(shù)在特征值的提取中更加準(zhǔn)確。

（2）圖像預(yù)處理后織物平整度等級(jí)主客觀評(píng)定結(jié)果之間具有良好的一致性。通過(guò)邊緣檢測(cè)提取的折皺密度能夠較好的客觀評(píng)價(jià)織物平整度。

[1]徐平華,丁雪梅,王榮武,等.洗后織物外觀平整度客觀評(píng)級(jí)中的若干問(wèn)題[J].紡織學(xué)報(bào),2014, 35(12)：159-164.

[2]Chengxia Liu, Yaqin Fu, Niying Wu. Novel testing equipment for fabric wrinkle resistance simulating actual wear[J]. Textile Research Journal, 2014, 84(10)：1059-1069.

[3]徐雪倩, 張鳳生. 基于中值濾波和小波變換的織物圖像預(yù)處理[J].青島大學(xué)學(xué)報(bào)（工程技術(shù)版）, 2011, 26(3)：19-22.

[4]AATCC Test Method 124—2001, Appearance of Fabrics after Repeated Home Laundering[S].

陳冬蕾（1993-），女，遼寧錦州人，碩士研究生學(xué)歷，研究方向：服裝技術(shù)與理論；吳巧英（通信作者），女，博士學(xué)歷，職稱：教授。