張艷紅，楊 思，徐增波

(上海工程技術(shù)大學(xué) 服裝學(xué)院，上海 201620)

數(shù)字圖像處理技術(shù)是指通過計(jì)算機(jī)或其他數(shù)字技術(shù)對圖像進(jìn)行加工處理，從而識(shí)別、提取所需目標(biāo)信息，其具有圖像再現(xiàn)性好、處理精度高、適應(yīng)性好、靈活性強(qiáng)等特點(diǎn)[1]。20世紀(jì)80年代后期，數(shù)字圖像處理技術(shù)開始被應(yīng)用于紡織檢驗(yàn)，并日趨成熟[2]。隨著數(shù)字圖像處理技術(shù)研究的深入，一些研究者開始將其應(yīng)用于服裝領(lǐng)域，譬如服裝疵點(diǎn)檢驗(yàn)、服裝平整度檢驗(yàn)以及服裝款式特征的識(shí)別與分類等。利用數(shù)字圖像處理技術(shù)對服裝進(jìn)行檢測與分類，有效避免了傳統(tǒng)人工檢測手段存在的效率低、成本高、不定性等問題，使結(jié)果更加客觀、高效。本文分析了數(shù)字圖像處理技術(shù)在服裝中的應(yīng)用，并指出其發(fā)展趨勢。

1 服裝外觀質(zhì)量檢測

為保證服裝的外觀質(zhì)量，在服裝生產(chǎn)的整個(gè)流程中需要對其進(jìn)行嚴(yán)格的質(zhì)量檢驗(yàn)。傳統(tǒng)檢測方式依賴于人工檢測，效率較低；采用數(shù)字圖像處理技術(shù)代替人工檢測，不僅可以提高檢測速度、降低成本，而且檢測結(jié)果更加精確。利用數(shù)字圖像處理技術(shù)進(jìn)行服裝外觀質(zhì)量檢測主要采用特征表征的方法，即從圖像中提取表征服裝外觀質(zhì)量的特征指標(biāo)，常用的特征指標(biāo)提取方法包括：閾值分割、小波分析、Gabor變換以及灰度共生矩陣等。

1.1 服裝疵點(diǎn)檢測

為保證服裝質(zhì)量，服裝疵點(diǎn)檢驗(yàn)必不可少。傳統(tǒng)手工標(biāo)記法存在耗時(shí)、耗力、一致性差等弊端。近年來，一些研究學(xué)者開始采用數(shù)字圖像處理技術(shù)進(jìn)行服裝疵點(diǎn)檢驗(yàn)，如服裝面料疵點(diǎn)檢驗(yàn)、服裝縫線疵點(diǎn)檢驗(yàn)以及服裝成衣疵點(diǎn)檢驗(yàn)等。按照圖像預(yù)處理方式的不同可分為2種：一是利用閾值分割與形態(tài)學(xué)相結(jié)合的方法提取疵點(diǎn)[3]，該方法操作簡單、運(yùn)算量小，適用于目標(biāo)對象與背景差異較大的圖像，適用范圍單一；另一種是利用小波變換[4]、傅里葉變換[5]、Contourlet變換[6]等方法將圖像轉(zhuǎn)換到頻域，通過紋理特征的變化區(qū)分疵點(diǎn)。服裝疵點(diǎn)圖像預(yù)處理的目的在于消除無用特征信息，突出疵點(diǎn)，同時(shí)利用圖像處理技術(shù)將圖像轉(zhuǎn)換為便于分析的圖像形式。

針對織物圖像疵點(diǎn)檢驗(yàn)，張明艷[7]提出采用圖像分析方法識(shí)別服裝縫線疵點(diǎn)。針對不同疵點(diǎn)圖像設(shè)計(jì)相應(yīng)處理算法，具有較高識(shí)別率。不足之處是該算法為串行算法，算法適應(yīng)性不強(qiáng)。當(dāng)同一圖像中同時(shí)出現(xiàn)多種疵點(diǎn)時(shí)，算法無法相對篩選出所有疵點(diǎn)，導(dǎo)致誤差較大。針對具有不同模式特征的服裝疵點(diǎn)圖像，殷開成等[8]設(shè)計(jì)了相應(yīng)的圖像預(yù)處理算法。該算法可以有效保留不同紋理圖像的疵點(diǎn)信息，為后續(xù)特征提取奠定基礎(chǔ)?；谏鲜鲅芯?，程凱[9]采用小波分析與閾值分割相結(jié)合的方法對輕薄彈性褲襪進(jìn)行圖像疵點(diǎn)檢驗(yàn)。由于輕薄彈性褲襪具有輕薄、柔滑、彈性好等特點(diǎn)，導(dǎo)致其疵點(diǎn)獲取難度增加，采用該算法可以準(zhǔn)確檢測出輕薄彈性襪中的破洞、缺經(jīng)、重緯3種疵點(diǎn)，算法實(shí)用性較強(qiáng)。

1.2 縫制外觀檢測

縫紉平整度是評價(jià)服裝縫紉外觀質(zhì)量的重要指標(biāo)，主要采用標(biāo)樣對照法進(jìn)行主觀評定。該方法操作簡單，但評價(jià)時(shí)間長，評價(jià)結(jié)果穩(wěn)定性差。20世紀(jì)90年代起，一些研究學(xué)者開始利用圖像處理方法定量評價(jià)面料縫紉起皺，并提出采用褶皺強(qiáng)度、功率譜密度、尖銳度、隨機(jī)分布程度和總體外觀等評價(jià)指標(biāo)評定面料的平整度等級[10-13]。利用數(shù)字圖像處理技術(shù)對服裝縫紉平整度進(jìn)行評價(jià)，可以避免人為因素的影響，提高檢測準(zhǔn)確率與檢測效率。

2009年，NA等[14]采用圖像增強(qiáng)、去噪、閾值分割等方法對采集的襯衫樣品圖像進(jìn)行分析，并針對不同線跡設(shè)計(jì)相應(yīng)檢測算法。池金米等[15]結(jié)合圖像處理和小波分析提取縫紉平整度的評價(jià)指標(biāo)，通過分析指標(biāo)與縫紉平整度等級的相關(guān)關(guān)系，建立了概率神經(jīng)網(wǎng)絡(luò)模型。該評價(jià)模型克服了傳統(tǒng)檢測的弊端，且適應(yīng)性高、評價(jià)準(zhǔn)確。2017年，張寧等[16]采用灰度共生矩陣和小波分析相結(jié)合的方法提取圖像的特征參數(shù)。該算法將圖像的全局信息和局部信息相結(jié)合，有效提高了分類準(zhǔn)確率。2018年，陳麗麗[17]提出采用Gabor變換與信息融合的總熵值估算精紡毛織物縫紉平整度等級，評價(jià)結(jié)果客觀準(zhǔn)確。

1.3 著裝平整度檢測

主觀評價(jià)服裝平整度，要求評價(jià)人員具有較高專業(yè)素養(yǎng)，結(jié)果易受到環(huán)境、評價(jià)人員主觀性等因素的影響。針對上述弊端，一些研究學(xué)者提出以褶皺數(shù)、褶皺銳度、褶皺深度、褶皺寬度和褶皺不勻度等指標(biāo)定量評價(jià)服裝平整度[18-20]。

基于上述評價(jià)指標(biāo)，文獻(xiàn)[21-22]利用圖像處理技術(shù)分別對衣袖和緊身女褲前襠部位平整度進(jìn)行評價(jià)。通過對所采集的褶皺圖像進(jìn)行灰度處理，繪制灰度曲線，根據(jù)灰度曲線的波谷與波峰來客觀分析服裝的褶皺信息。劉婷[23]采用分?jǐn)?shù)微分算法、Gabor變換和小波變換3種算法進(jìn)行褶皺參數(shù)提取，實(shí)現(xiàn)對服裝肘部穿著平整度的客觀評價(jià)，并結(jié)合神經(jīng)網(wǎng)絡(luò)構(gòu)建出了平整度預(yù)測系統(tǒng)。

綜上研究，利用圖像處理技術(shù)評價(jià)服裝平整度主要借助于圖像灰度信息的變化，采用不同算法提取表征服裝褶皺的指標(biāo)，如褶皺高度、深度、數(shù)量等，利用特征參數(shù)分析褶皺的形狀與分布，進(jìn)而量化分析服裝平整度。采用灰度特征提取與紋理特征提取相結(jié)合的方法，可以更加全面的表征服裝褶皺，使評價(jià)結(jié)果更加客觀、準(zhǔn)確。

2 服裝圖像的識(shí)別與分類

采用拆線法或利用數(shù)字化儀進(jìn)行服裝款式分析，操作方式復(fù)雜且投入成本大。利用數(shù)字圖像處理技術(shù)不僅可以快速識(shí)別服裝圖像的款式信息并分類，還可以實(shí)現(xiàn)款式圖與結(jié)構(gòu)圖的轉(zhuǎn)換。其中常用的服裝圖片為服裝款式圖和服裝實(shí)物圖。

2.1 服裝款式圖的特征識(shí)別

服裝款式圖也稱服裝設(shè)計(jì)平面圖，用于展示服裝的造型特征，如服裝的領(lǐng)、袖、褶裥、結(jié)構(gòu)線以及拉鏈等[24]。從復(fù)雜的款式圖像中提取制版所需的關(guān)鍵結(jié)構(gòu)尺寸數(shù)據(jù)，是實(shí)現(xiàn)款式圖向結(jié)構(gòu)圖智能轉(zhuǎn)換的關(guān)鍵。有文獻(xiàn)[25-26]通過直接測量圖像尺寸，利用比例關(guān)系獲得結(jié)構(gòu)參數(shù)，該方法操作簡單，但測量過程中存在較大誤差。李克兢等[27]通過輪廓提取、節(jié)點(diǎn)分析、矢量化等方法，將服裝款式圖片轉(zhuǎn)換為矢量圖，利用智能化拆分將其轉(zhuǎn)換為對應(yīng)的結(jié)構(gòu)圖。該算法分割點(diǎn)的確定依賴于各特征尺寸間的比例關(guān)系，算法復(fù)雜，僅適用于簡單款式圖的識(shí)別。朱菊香等[28]以襯衫平面款式圖為例，構(gòu)建坐標(biāo)系提取款式圖的所有幾何元素端點(diǎn)坐標(biāo)，通過款式圖與結(jié)構(gòu)圖之間的映射關(guān)系確定結(jié)構(gòu)圖的關(guān)鍵點(diǎn)坐標(biāo)，采用集函數(shù)獲取輪廓信息繪制結(jié)構(gòu)圖。不足之處在于該算法需要遍歷所有關(guān)鍵點(diǎn)獲取坐標(biāo)值，效率較低，適用于結(jié)構(gòu)簡單的款式圖識(shí)別。

2.2 服裝實(shí)物圖的特征識(shí)別與分類

對于服裝實(shí)物圖，其包含的結(jié)構(gòu)特征繁多，比如顏色特征、輪廓特征和紋理特征等[29-33]。其中輪廓特征的提取通常采用Canny、Roberts、Sobel等邊緣檢測算子；紋理特征提取的常用方法有小波變換和灰度共生矩陣等方法[34-36]。針對特征復(fù)雜的服裝圖像，通常采用輪廓特征提取與紋理特征提取相結(jié)合的方法；針對服裝細(xì)節(jié)要素的提取，常用方法是進(jìn)行圖像分割，在分割后的目標(biāo)區(qū)域進(jìn)行特征提取。該方法更具針對性，可以避免其他區(qū)域信息的干擾，減小檢測范圍，提高檢測效率。

2.2.1 輪廓特征提取

針對服裝輪廓的提取，文獻(xiàn)[29-31]提出采用模糊聚類算法對服裝款式進(jìn)行識(shí)別分類，但該方法僅適用于局部輪廓片段的識(shí)別。采用傅里葉描述子與支持向量機(jī)相結(jié)合的方法識(shí)別服裝款式[32]，既可以快速、有效的識(shí)別多類服裝款式，又具有較好的魯棒性，但無法與服裝輪廓一一對應(yīng)。李東[33]通過從服裝輪廓曲線中提取曲率極值點(diǎn)來表征服裝輪廓形狀，提出了基于輪廓曲率特征點(diǎn)的服裝款式識(shí)別方法。該算法操作簡單，同時(shí)可以更加直觀的展現(xiàn)服裝輪廓的特征信息。

2.2.2 紋理特征提取

紋理特征提取中最常用的方法是灰度共生矩陣，其可以較好地反映圖像的紋理信息，且原理簡單易于理解?；诖耍墨I(xiàn)[34]提出一種將局部二值模式算法與灰度共生矩陣相結(jié)合的紋理特征提取方法。該方法具有良好的抗旋轉(zhuǎn)性，在服裝圖像發(fā)生旋轉(zhuǎn)時(shí)，該方法與傳統(tǒng)的紋理特征提取方法相比具有更高的檢測效率和準(zhǔn)確率。

為提高圖像識(shí)別的精確度，文獻(xiàn)[35-36]提出了基于輪廓和紋理特征的并行融合方法，用于提取服裝圖像的結(jié)構(gòu)特征和統(tǒng)計(jì)特征，該方法可以更加全面地對服裝款式圖像進(jìn)行識(shí)別描述。

2.2.3 服裝細(xì)節(jié)特征的識(shí)別與分類

服裝輪廓與紋理特征提取主要是針對服裝圖像的整體屬性。針對服裝局部要素的識(shí)別，紀(jì)娟等[37]結(jié)合方向梯度直方圖(Histogram of Oriented Gradient, HOG)和幾何特征提取方法，基于衣領(lǐng)、衣袖等局部特征對服裝圖像進(jìn)行分類。在獲得服裝輪廓的基礎(chǔ)上，在框定的區(qū)域進(jìn)行局部HOG特征提取。該方法識(shí)別的準(zhǔn)確度依賴于外接矩形的區(qū)域面積，區(qū)域過小，提取的信息不具代表性；區(qū)域過大，重要信息不突出。

3 服裝面料的識(shí)別與分類

3.1 服裝面料屬性的識(shí)別與分類

識(shí)別服裝面料種類的傳統(tǒng)方法有手感觸摸法、燃燒法、顯微鏡觀察法等，這些方法都需要借助服裝實(shí)物，且易受環(huán)境等因素的影響?；趫D像處理技術(shù)的服裝面料識(shí)別主要通過從服裝面料圖像中提取面料屬性進(jìn)行仿真，以達(dá)到識(shí)別面料的目的。李蓓蓓[38]利用從不同材料、不同紗支的面料圖像中提取的服裝褶皺信息進(jìn)行面料仿真，對比仿真圖像與實(shí)物圖像的效果實(shí)現(xiàn)服裝面料識(shí)別。該方法具有較高的準(zhǔn)確性，但需要進(jìn)行反復(fù)仿真實(shí)驗(yàn)才能達(dá)到理想效果，識(shí)別效率低。

3.2 服裝面料情感語義的識(shí)別與分類

隨著信息技術(shù)的發(fā)展，很多設(shè)計(jì)師開始借助設(shè)計(jì)軟件設(shè)計(jì)面料圖案和服裝。借助圖像處理技術(shù)對服裝面料圖像進(jìn)行情感語義識(shí)別，不僅可以為設(shè)計(jì)師提供情感判斷，還可以為消費(fèi)者提供參考。張海波等[39]利用面料顏色、紋理特征來表征面料情感語義，構(gòu)建特征與語義的表達(dá)式，利用支持向量機(jī)實(shí)現(xiàn)面料圖像情感語義的識(shí)別分類。在此基礎(chǔ)上，張春燕等[40]結(jié)合圖像特征提取分類算法和動(dòng)態(tài)鏈接技術(shù)，開發(fā)了基于Web的面料圖像情感語義識(shí)別模塊。該方法為客戶提供了一種簡單易行的檢索手段，同時(shí)滿足了消費(fèi)者在挑選商品時(shí)的情感需求。

4 服裝造型評價(jià)

服裝造型評價(jià)通常采用主觀評價(jià)法，評價(jià)結(jié)果無法量化，加之個(gè)體審美的差異，導(dǎo)致評價(jià)結(jié)果一致性差?；趫D像的服裝造型評價(jià)，常用方法是采用圖像處理軟件從不同角度的服裝圖像中提取反映服裝造型的評價(jià)指標(biāo)，比如褶皺、角度、曲率等。結(jié)合主觀評價(jià)構(gòu)建指標(biāo)與評價(jià)等級的相關(guān)關(guān)系，建立評價(jià)體系。

4.1 服裝局部造型評價(jià)

針對主觀評價(jià)的弊端，文獻(xiàn)[41-43]嘗試?yán)脠D像處理技術(shù)量化評價(jià)不同面料性能對A字裙、褶裙、超短裙等裙裝造型的影響。采用Photoshop、MATLAB等軟件對不同方向的裙裝外觀圖像進(jìn)行處理分析，提取面積、長度、角度、褶皺等反映裙裝造型的指標(biāo)，結(jié)合主成分分析、因子分析等方法構(gòu)建評價(jià)體系。

基于上述研究方法，陳冬蕾等[44]提出采用曲率分析對翻駁領(lǐng)圓順度進(jìn)行客觀評價(jià)。利用Photoshop軟件從灰度圖像中提取后領(lǐng)口翻折線，通過UGNX10.0軟件提取目標(biāo)曲線中的拐點(diǎn)數(shù)、曲率極差最大值、曲率極差和以及曲率極差變異系數(shù)4項(xiàng)特征指標(biāo)，以此表征翻駁領(lǐng)的圓順度。

4.2 服裝廓形評價(jià)

隨著圖像處理技術(shù)的發(fā)展，一些研究學(xué)者亦嘗試?yán)脠D像分析人體與服裝廓形之間的關(guān)系[45-46]。文獻(xiàn)[47]提出采用人體區(qū)段寬度特征定義識(shí)別服裝廓形。采用AdaBoost算法進(jìn)行人臉識(shí)別獲取人臉尺寸信息，然后進(jìn)行閾值分割、去噪、人體比例劃分，通過逐行掃描提取各區(qū)段寬度，以各寬度比例表征服裝廓形。該方法采用形態(tài)比例量化服裝廓形，具有較高辨識(shí)度。

5 虛擬試衣

為解決線上購物試衣難的問題，虛擬試衣技術(shù)越來越備受關(guān)注。目前常見的虛擬試衣系統(tǒng)主要分為3類：虛擬試衣鏡，采用用戶頭像直接替換試衣模特頭像，通過簡單的局部體型調(diào)節(jié)，展示試衣效果；體感試衣鏡，將分割后的服裝圖片匹配在采集好的用戶圖像上；三維數(shù)字試衣系統(tǒng)，通過三維數(shù)據(jù)采集裝置獲取用戶的三維信息，將三維服裝模型匹配到構(gòu)建的人體模型上。虛擬試衣鏡、體感試衣鏡只需要通過簡單的圖像預(yù)處理、圖像分割、圖像匹配等方法就可以實(shí)現(xiàn)虛擬試衣展示效果，但用戶只能看到二維的著裝效果，同時(shí)由于個(gè)體差異，匹配效果存在較大瑕疵。三維數(shù)字試衣系統(tǒng)中人體和服裝信息來源于三維點(diǎn)云圖像，能夠展現(xiàn)三維著裝效果，匹配效果較好，但較耗時(shí)、實(shí)時(shí)性差。

目前虛擬試衣存在的主要問題是：虛擬模特的構(gòu)建以及服裝與人體的匹配。如何快速準(zhǔn)確的獲取用戶身體各部位尺寸信息，生成符合不同人體的個(gè)性化試衣模特，實(shí)現(xiàn)與虛擬服裝的完美貼合是目前研究的重點(diǎn)。

6 圖像處理技術(shù)在服裝領(lǐng)域的發(fā)展趨勢

數(shù)字圖像處理技術(shù)在服裝領(lǐng)域的應(yīng)用比較廣泛，譬如服裝外觀質(zhì)量檢驗(yàn)、服裝款式特征的識(shí)別與分類以及服裝造型評價(jià)等，應(yīng)用框架見圖1。

圖1 數(shù)字圖像處理技術(shù)在服裝領(lǐng)域的應(yīng)用框架

但很多方法僅適用于背景單一、結(jié)構(gòu)簡單的服裝圖像識(shí)別，算法的魯棒性和適應(yīng)性較差。此外，關(guān)于服裝面料屬性識(shí)別的研究相對較少，只有少量文獻(xiàn)提出通過褶皺信息表征面料屬性從而進(jìn)行仿真識(shí)別，識(shí)別效率比較低。

結(jié)合目前圖像處理技術(shù)在服裝領(lǐng)域的應(yīng)用研究，提出以下2個(gè)觀點(diǎn)。

①服裝面料的虛擬仿真：服裝面料材質(zhì)、觸感的仿真是當(dāng)前虛擬試衣中的關(guān)鍵問題。由于服裝面料獨(dú)特的紋理結(jié)構(gòu)，使得不同材質(zhì)、不用屬性的面料具有自身獨(dú)特的紋理特征。針對材質(zhì)仿真，提出利用圖像處理算法，獲取服裝面料的頻譜分布圖像，根據(jù)頻譜信息的變化，提取紋理特征參數(shù)，結(jié)合逆向工程技術(shù)進(jìn)行圖像重構(gòu)，實(shí)現(xiàn)服裝面料材質(zhì)的虛擬仿真。此外，面料的觸感仿真仍是未來研究一大難點(diǎn)和重點(diǎn)。

②構(gòu)建智能服裝推薦搭配系統(tǒng)：智能化是目前服裝領(lǐng)域研究的熱點(diǎn)，消費(fèi)者越來越傾向于試衣系統(tǒng)智能推薦符合自身風(fēng)格的服裝搭配。因此，結(jié)合圖像自動(dòng)化采集技術(shù)、圖像處理技術(shù)、虛擬試衣、神經(jīng)網(wǎng)絡(luò)以及專家系統(tǒng)等方法，構(gòu)建一體化的服裝風(fēng)格識(shí)別與搭配推薦系統(tǒng)，是今后研究的趨勢。

7 結(jié)束語

從服裝面料檢測到成衣評價(jià)，再到虛擬試衣，數(shù)字圖像處理技術(shù)在服裝領(lǐng)域應(yīng)用廣泛，促使服裝領(lǐng)域逐步走向智能化、現(xiàn)代化。該技術(shù)的應(yīng)用可以減少繁瑣工作、節(jié)約人力；同時(shí)，有效避免主觀因素的干擾，使評價(jià)結(jié)果更加科學(xué)準(zhǔn)確。但是，由于應(yīng)用范圍的不斷擴(kuò)大，對服裝圖像處理質(zhì)量的要求也不斷提高。現(xiàn)有算法的適用性和魯棒性仍需進(jìn)一步提高，才能真正滿足工廠、企業(yè)的需求。

基于當(dāng)前數(shù)字圖像處理技術(shù)在服裝領(lǐng)域的研究情況，實(shí)現(xiàn)服裝面料觸感的虛擬仿真，構(gòu)建智能化服裝搭配推薦系統(tǒng)是當(dāng)前服裝領(lǐng)域?qū)崿F(xiàn)智能化、一體化的研究重點(diǎn)。因此，要將現(xiàn)有研究與新理論、新技術(shù)相結(jié)合，使服裝領(lǐng)域向著更加智能化、一體化方向發(fā)展。