郝 蕾，白 雪

(西安工程大學(xué)服裝與設(shè)計(jì)學(xué)院，陜西 西安 710048)

1 引言

經(jīng)編無(wú)縫服裝[1]屬于針織物的典型產(chǎn)物，是在計(jì)算機(jī)加工技術(shù)基礎(chǔ)上形成的，指在經(jīng)編機(jī)上生產(chǎn)出一次成型的服裝，不需側(cè)縫拼接，省去了傳統(tǒng)服裝的多道生產(chǎn)工序。后期只需要完成染色與廢邊處理即可，現(xiàn)階段多用于連褲襪等貼身產(chǎn)品中，與橫編[2]與緯編[3]無(wú)縫服裝比較，在設(shè)計(jì)與加工方面仍存在一定區(qū)別，尤其對(duì)面料紋理結(jié)構(gòu)的設(shè)計(jì)要求格外嚴(yán)格。當(dāng)前紋理組織結(jié)構(gòu)分析主要依賴人工通過(guò)照布鏡等工具，完全憑借經(jīng)驗(yàn)來(lái)實(shí)現(xiàn)。此方法雖然能糾正紋理誤差，但要求操作人員具備較高水準(zhǔn)。此外，人工分析耗費(fèi)時(shí)間，分析過(guò)程單調(diào)，出現(xiàn)不可避免的誤差。

近年來(lái)，圖像處理技術(shù)被成功地應(yīng)用在紡織生產(chǎn)中。在經(jīng)編無(wú)縫服裝的面料分析過(guò)程中，利用圖像處理技術(shù)，識(shí)別出面料的組織與結(jié)構(gòu)特征，如果出現(xiàn)條紋傾斜等現(xiàn)象，可通過(guò)對(duì)圖像糾偏來(lái)修正樣本紋理結(jié)構(gòu)，引導(dǎo)進(jìn)一步生產(chǎn)。傳統(tǒng)方法需利用幾天完成的工作，在圖像處理技術(shù)下只需幾分鐘即可完成，縮短了生產(chǎn)周期。為進(jìn)一步減少糾偏誤差，本文利用梯度域算法對(duì)圖像做增強(qiáng)處理，去除冗余信息，改善原有圖像質(zhì)量?；诖耍?jì)算出糾偏角度[4]，將灰度極小值點(diǎn)作為中心進(jìn)行旋轉(zhuǎn)，完成圖像高精度糾偏，以此達(dá)到紋理結(jié)構(gòu)修正目的，提高經(jīng)編無(wú)縫服裝的視覺(jué)美觀性。

2 經(jīng)編無(wú)縫服裝圖像預(yù)處理

圖像預(yù)處理的主要作用是去除圖像噪聲，抑制邊緣變形，為后續(xù)高精度糾偏做準(zhǔn)備。在實(shí)際操作中，掃描儀采集到的是RGB圖像，但在無(wú)縫服裝圖像分析時(shí)，一般需使用灰度圖像，所以將圖像灰度變換作為預(yù)處理的首個(gè)步驟；為增強(qiáng)灰度圖像包含的細(xì)節(jié)內(nèi)容，利用直方圖均衡方法豐富圖像信息；又因?yàn)楣鈱W(xué)系統(tǒng)容易出現(xiàn)失真、噪聲等現(xiàn)象，會(huì)導(dǎo)致圖像模糊，最后需對(duì)圖像進(jìn)行去噪處理。

2.1 圖像灰度變換

圖像顏色分為黑白、灰度與彩色三類，為減少圖像處理時(shí)間，需進(jìn)行彩色與灰度之間的轉(zhuǎn)換，此過(guò)程稱為圖像灰度化，其本質(zhì)是使RGB模型中的R、G、B三種元素的灰度值相同。

彩色圖像中三個(gè)像素與R、G、B(紅、綠、藍(lán))分量亮度相互對(duì)應(yīng)。完成變換的圖像中每個(gè)像素通過(guò)一個(gè)字母代表其灰度值，該值的范圍在0～255區(qū)間，數(shù)值越大該點(diǎn)越亮，反之越暗。圖像灰度變換的方法較多，最常用的是最大值與平均值法。本文提出一種色彩系數(shù)變換方法，通過(guò)色彩系數(shù)變換式得出：若R=G=B，則灰度值表達(dá)式為：

Gray(i，j)=0.299×R(i，j)+

0.587×G(i，j)+0.114×B(i，j)

(1)

式中，Gray描述完成變換的圖像在像素點(diǎn)(i，j)處具有的灰度值，R、G與B分別代表紅、綠、藍(lán)三個(gè)色彩分量。

2.2 直方圖均衡化

直方圖中含有豐富的信息，能體現(xiàn)出每種灰度級(jí)出現(xiàn)的次數(shù)。如果某服裝圖像的灰度直方圖在局部區(qū)域中展示出較高的灰度頻率，則說(shuō)明背景與目標(biāo)存在較小的灰度差，此種圖像細(xì)節(jié)是無(wú)法看清的。為了增強(qiáng)圖像對(duì)比度，需降低頻域集中區(qū)域[5]的灰度級(jí)，確保變換后的灰度直方圖區(qū)域平衡。通過(guò)直方圖調(diào)節(jié)后，灰度間距拉開，分布也非常均勻，增強(qiáng)圖像對(duì)比度，容易獲取更多的細(xì)節(jié)信息，有利于后續(xù)糾偏。

灰度級(jí)分布調(diào)整的本質(zhì)是將初始圖像灰度函數(shù)f(x，y)，利用某變換函數(shù)T(·)轉(zhuǎn)換為新的圖像函數(shù)g(x，y)，此過(guò)程可表示為

g(x，y)=T[f(x，y)]

(2)

因此，本文利用直方圖均衡化算法對(duì)像素?cái)?shù)量較多的灰度級(jí)做拓寬處理，同時(shí)減小像素?cái)?shù)量少的灰度級(jí)，增強(qiáng)圖像對(duì)比度。針對(duì)圖像f(x，y)，其灰度區(qū)間表示為fmin≤f(x，y)≤fmax，利用下述公式，將其直方圖做正規(guī)化處理

(3)

使用r與s分別代表正規(guī)化操作后的初始圖像與經(jīng)過(guò)直方圖調(diào)節(jié)后的圖像灰度值，且滿足0≤r，s≤1。結(jié)合概率論相關(guān)知識(shí)，根據(jù)灰度變換函數(shù)s=T(r)，保證原始圖像的直方圖Pr(r)轉(zhuǎn)換成分布均勻的直方圖Ps(s)，則有Ps(s)ds=Pr(r)dr。如果Ps(s)=1，s∈[0，1]，得出

(4)

式中，w代表積分變量，式(4)的右端表示隨機(jī)變量r存在的累計(jì)分布函數(shù)[6]。

假設(shè)圖像出現(xiàn)離散狀況，此時(shí)均衡化處理的過(guò)程如下：

步驟一：獲取初始圖像的直方圖。利用下述公式，計(jì)算某幅圖像內(nèi)灰度級(jí)rk出現(xiàn)的頻率

(5)

式中，n表示像素總數(shù)量，nk代表灰度級(jí)為rk的像素總數(shù)，L是估計(jì)的灰度級(jí)數(shù)量。

步驟二：將式(4)變換為離散形式[7]，確定直方圖積分分布曲線

(6)

步驟三：將上述累計(jì)積分函數(shù)當(dāng)做變換函數(shù)完成圖像灰度變換。輸出的結(jié)果是使用式(6)將灰度級(jí)是rk的全部像素映射到灰度級(jí)是sk的像素上得到的。

2.3 圖像去噪

在服裝圖像的獲取過(guò)程中，數(shù)字化操作與傳輸?shù)瘸绦驎?huì)使圖像受到設(shè)備與環(huán)境的干擾，產(chǎn)生噪聲。圖像去噪方法包括均值濾波、小波去噪等。由于服裝由經(jīng)緯紗線交織構(gòu)成，一般會(huì)更加注重美觀因素，需過(guò)渡平滑，因此均值濾波去噪方法較為適用。

均值濾波是指將某像素值利用鄰域像素平均值對(duì)其替換，f[k，l]表示原圖像第k行第l列的像素灰度，h[i′，j′]是處理后的圖像第i′行與第j′列的像素點(diǎn)灰度。假設(shè)M代表鄰域N中的像素?cái)?shù)量，在點(diǎn)[i′，j′]處確定3×3鄰域，可獲得下述濾波表達(dá)式

(7)

由式(7)可知，濾波程度取決于鄰域N的大小，針對(duì)服裝圖像的去噪處理，當(dāng)N的取值為9時(shí)，濾波效果最佳。

3 基于梯度域的服裝圖像高精度糾偏

經(jīng)過(guò)上述圖像預(yù)處理后，圖像質(zhì)量得到明顯改善，但如果直接對(duì)圖像進(jìn)行糾偏，還無(wú)法達(dá)到高精度要求。為此，本文利用梯度域融合算法，采集多幅圖像，將圖像融合，使圖像不同通道特征更加突出，確保服裝圖像具備顯著的信息結(jié)構(gòu)，促進(jìn)糾偏的高精度性。詳細(xì)過(guò)程如下。

3.1 多通道圖像幾何特征表示

假設(shè)待融合服裝圖像In′的數(shù)量為N′，n′=1，2，…，N′，將N′當(dāng)做多通道圖像IM：Ω→[0，1]N′的標(biāo)量通道。針對(duì)任意點(diǎn)均有

(8)

(9)

其平方范數(shù)表達(dá)式如下

(10)

假設(shè)矩陣G的所有元素表示為下述形式

(11)

式(11)即描述幾何曲線的基本形式。

也可以將矩陣G當(dāng)作結(jié)構(gòu)張量[8]，可用下述梯度張量公式表示

(12)

由式(12)得出，G屬于半正定矩陣，其對(duì)角化形式表示為G=QΛQT。Q代表正交矩陣，Λ是2×2階對(duì)角陣，其對(duì)角元必須為正值，屬于矩陣G的特征值。Q的每一列均代表G的特征矢量。最大與最小特征值記為λ+與λ-，它們代表圖像IM在某點(diǎn)x′上的極大與極小變化率情況。與其對(duì)應(yīng)的特征矢量θ+及θ-描述此點(diǎn)極大與極小變化率的方向。

針對(duì)多通道圖像，λ+與λ-能夠同時(shí)表現(xiàn)出局部幾何特征，此特征與所有通道梯度值有關(guān)。

3.2 梯度域融合的權(quán)重設(shè)置

權(quán)重設(shè)置直接影響圖像融合效果，本文主要思想是確保融合圖像清晰的顯現(xiàn)出每個(gè)通道中顯著的結(jié)構(gòu)特征，因此在設(shè)計(jì)權(quán)重時(shí)需分析像素鄰域的層次性特點(diǎn)。圖像局部比較可以體現(xiàn)出局部較為明顯的結(jié)構(gòu)與信息。

(13)

假設(shè)Ci′(x′)的指數(shù)函數(shù)表示為Ei′(x′)=ec，Ci′(x′)，其中c代表常數(shù)。以此融合權(quán)重的表達(dá)式如下

(14)

3.3 融合后的圖像重構(gòu)

如果梯度場(chǎng)利用V表示，則在最小二乘約束下的目標(biāo)函數(shù)如下

E=?F(?I，V)dx′

(15)

確定如下圖像融合重構(gòu)的公式

(16)

3.4 糾偏角度確定

若將服裝圖像等價(jià)成一個(gè)二維數(shù)組，則輸入的圖像表示為FM′×N′，取前100列，即在FM×0～FM×99中尋找最小灰度點(diǎn)，將其記做Fmin。并將Fmin當(dāng)作中心，按照順時(shí)或逆時(shí)針?lè)较蜻M(jìn)行旋轉(zhuǎn)，確定出一條和紋理間隙[10]相互重合的直線。此條直線中全部灰度均值也是最小的，但在擺放衣服的時(shí)候，通常會(huì)注意到織物傾斜，所以采集到的圖像不會(huì)特別嚴(yán)重的傾斜，一般傾斜程度都低于5°。設(shè)置合理步長(zhǎng)，分析與糾偏角度相對(duì)的直線上全部像素點(diǎn)的平均灰度，并標(biāo)記這些值所對(duì)應(yīng)的角度。經(jīng)過(guò)循環(huán)后，獲得多個(gè)平均值與對(duì)應(yīng)角度，其中最小灰度平均值相對(duì)的角度即為糾偏角。糾偏具體過(guò)程如下：

步驟一：輸入重構(gòu)后的服裝圖像，獲得圖像所對(duì)的灰度矩FM′×N′，同時(shí)在FM′×0～FM′>99區(qū)間內(nèi)確定灰度值極小點(diǎn)Fmin；

步驟二：在5°范圍之內(nèi)，將Fmin看作中心點(diǎn)，將步長(zhǎng)設(shè)置為0.05°進(jìn)行循環(huán)處理，獲取所有角度所對(duì)直線上的灰度平均值；

步驟三：確定灰度平均值的極小值，將其所對(duì)角度當(dāng)作圖像糾偏角，表示為α偏；

步驟四：將Fmin當(dāng)作中心，令圖像旋轉(zhuǎn)，旋轉(zhuǎn)角為α偏。

4 仿真數(shù)據(jù)分析與研究

為證明本文圖像糾偏方法性能，利用線陣電荷耦合器件(Charge Coupled Device，CCD)當(dāng)作信息載體進(jìn)行仿真。CCD的主要作用是電荷的感生與傳輸。本次實(shí)驗(yàn)利用TCD1206信號(hào)的CCD當(dāng)作服裝傳感器，其像元尺寸是15μm，具備3100個(gè)光敏像元，最高驅(qū)動(dòng)頻率為5MHz。經(jīng)編無(wú)縫服裝圖像的參數(shù)如表1所示。

表1 經(jīng)編無(wú)縫服裝圖像參數(shù)表

此外，實(shí)驗(yàn)中的其它硬件設(shè)備還有USB串行總線，其最大優(yōu)勢(shì)為速度快。傳輸速率最高為每秒480M，快于普通串口很多倍，適用于快速、大量的圖像傳輸場(chǎng)景。在數(shù)字信號(hào)處理(Digital Signal Processing，DSP)控制下，利用CCD進(jìn)行掃描，并將服裝圖像信息發(fā)送到上位PC機(jī)上，再使用USB接口接收獲取的數(shù)據(jù)，形成圖像。

在圖像預(yù)處理過(guò)程中，直方圖均衡化是影響預(yù)處理結(jié)果的關(guān)鍵步驟，均衡化效果直接對(duì)高精度糾偏產(chǎn)生影響。為此，本文將重點(diǎn)對(duì)此步驟進(jìn)行仿真。根據(jù)上述步驟完成圖像采集后，原圖像直方圖與均衡化后的直方圖分別如圖1和2所示。

圖1 初始圖像灰度級(jí)直方圖

圖2 均衡化后的圖像灰度級(jí)直方圖

由圖1和2可知，直方圖均衡化處理后的像素灰度級(jí)分布非常均勻，但并不是絕對(duì)均勻。這是因?yàn)樘幚磉^(guò)程中，原直方圖將具有較小像素的灰度級(jí)合并到新灰度級(jí)中，使像素存在一定灰度間隔加強(qiáng)了圖像對(duì)比度。

利用本文所提的圖像預(yù)處理過(guò)程對(duì)采集到的初始圖像(如圖3)進(jìn)行預(yù)處理，得到處理后的圖像如圖4所示。

圖3 原始經(jīng)編無(wú)縫服裝面料圖像

圖4 預(yù)處理后的經(jīng)編無(wú)縫服裝面料圖像

由圖3和4可知，經(jīng)過(guò)一系列圖像預(yù)處理后的圖像與原始圖像對(duì)比質(zhì)量大大提高，紋理細(xì)節(jié)清晰，對(duì)比度明顯。

再利用梯度域融合算法對(duì)采集的多幅圖像進(jìn)行融合，確定糾偏角度，獲得糾偏后的圖像。

圖5 糾偏角度確定

如圖6所示，利用本文方法確定的糾偏角度為45°，通過(guò)對(duì)圖像不同通道特征的融合突出了圖像紋理信息，提高糾偏角度的精準(zhǔn)性，結(jié)合該角度完成糾偏操作，使服裝面料紋理的美觀性增強(qiáng)，更加符合設(shè)計(jì)要求。

圖6 糾偏后的圖像

5 結(jié)論

為適應(yīng)紡織業(yè)高度自動(dòng)化發(fā)展的需求，節(jié)約人力、節(jié)省時(shí)間成本，提出基于梯度域的經(jīng)編無(wú)縫服裝圖像高精度糾偏研究。經(jīng)過(guò)對(duì)圖像的一系列預(yù)處理，去除噪聲，增強(qiáng)圖像質(zhì)量，再利用梯度域融合算法進(jìn)一步突出服裝的紋理結(jié)構(gòu)信息，對(duì)糾偏角度的計(jì)算，經(jīng)過(guò)旋轉(zhuǎn)等操作完成圖像高精度糾偏。雖然服裝表面具有一定的復(fù)雜性，無(wú)法實(shí)現(xiàn)零誤差糾偏，但是所提方法已經(jīng)將誤差縮小到用肉眼難以識(shí)別的程度，因此經(jīng)編無(wú)縫服裝圖像的高精度糾偏仍然是一個(gè)需要繼續(xù)研究的課題。