基于圖像處理的織物沾水性客觀評價方法

劉成霞， 劉圣劍

(1. 浙江理工大學 服裝學院, 浙江 杭州 310018； 2. 浙江省服裝工程技術研究中心, 浙江 杭州 310018)

基于圖像處理的織物沾水性客觀評價方法

劉成霞1,2， 劉圣劍1

(1. 浙江理工大學 服裝學院, 浙江 杭州 310018； 2. 浙江省服裝工程技術研究中心, 浙江 杭州 310018)

目前織物沾水性的評價主要依賴人工進行，易受主觀因素的影響，導致評定結果不理想。針對這一現狀，對織物沾水性客觀評價方法加以研究。首先選取24塊常見面料進行沾水性測試，對照AATCC沾水等級標準樣照進行人工評定等級，之后對沾水試樣進行拍照，并用MatLab軟件對照片進行圖像處理：彩色圖像灰度化、直方圖均衡化、中值濾波、邊緣檢測、膨脹、腐蝕等，提取了濕潤面積與測試面積，再根據AATCC沾水等級標準樣照確定每一等級的濕潤比，從而對試樣沾水等級進行客觀評定。結果表明，織物沾水等級主客觀評定結果之間具有良好的一致性,利用圖像處理技術對織物沾水等級進行客觀評判的方法是可行的。

織物； 沾水性； 客觀評價； 濕潤面積比； 圖像處理

目前對于織物沾水等級的評定主要依賴人工進行，這種方法受評定者心理狀態和生理狀況的影響太大，主觀因素會使判別產生偏差，容易因疲勞而產生誤檢，因此評定誤差大，一致性不好，且效率不高。

圖像處理技術由于具有評價準確，效率高等優點，被廣泛應用于疵點檢驗、組織識別、起球等級[1]及平整度評價、纖維檢驗[2]等。如陳樹越[3]和SHADY等[4]利用圖像處理技術對織物疵點的檢測方法進行了研究。潘如如等[5]探討了機織物組織自動識別技術和方法。陳慧敏、李艷梅等[6-7]分別利用圖像處理技術研究了評價織物以及縫紉平整度的方法。周明、盧雨正等[8-9]分別用圖像處理技術表征了納米纖維膜的孔隙率以及竹節紗織物竹節分布均勻性。而關于織物沾水性的研究甚少，且現有研究主要是利用BP神經網絡對織物沾水等級進行評定[10]。

綜上，主觀評判具有誤差大，效率低等缺點，因此本文利用圖像處理技術對織物沾水等級進行客觀評定的方法進行研究。

1 試驗部分

1.1 試樣選取

選取24塊沾水性差異較大的常見織物，基本規格見表1。

表1 織物規格參數表Tab.1 Fabric specification parameters

1.2 織物沾水性測試

根據GB/T 4745—1997《紡織織物 表面抗濕性測定 沾水試驗》，用LFY-214表面抗濕性能測試儀，在標準大氣環境中對24種織物進行沾水性測試，每種織物測試3塊試樣，并參照AATCC沾水等級標準樣照進行沾水等級主觀評定，評定結束后相同條件下迅速在沾水試樣的正上方用數碼相機對沾水試樣進行拍照。

1.3 織物沾水圖像處理及特征提取

將所拍沾水織物圖像輸入計算機，并用MatLab圖像處理軟件按如下步驟進行處理。

1.3.1 織物沾水圖像處理

1)為了增強對比度和去除高頻噪聲，對灰度圖像進行直方圖均衡化和中值濾波預處理，結果見圖1。

圖1 織物沾水圖像預處理Fig.1 Image pre-processing of fabric spray test. (a) Histogram equalized image; (b) Median filtered image

2)為了將織物濕潤區域從背景中識別出來，分別用Roberts算子、Sobel算子、Prewitt算子、Canny算子和log算子對中值濾波后的圖像進行邊緣檢測，結果如圖2所示。

圖2 不同算子進行的邊緣檢測Fig.2 Edge detection using different operators. (a) Median filtered image; (b) Roberts operator; (c) Sobel operator; (d) Prewitt operator; (e) Canny operator; (f) Log operator

圖2顯示：Roberts算子、Prewitt算子、Sobel算子幾乎沒有檢測到濕潤邊緣，而Canny算子較好地檢測到了濕潤邊緣，且耗時比log算子短,但Roberts算子在檢測織物圓形區域時效果較好。故本文在織物測試區域檢測時采用Roberts算子，在濕潤面積檢測時采用canny算子。

3)對Roberts算子邊緣檢測圖像進行形態學處理:膨脹(為了使不連續的邊緣連接起來)、腐蝕(為了去除點或短線等噪聲)、細化(為了使邊緣單位像素化)的具體過程見圖3。

圖3 Roberts算子邊緣檢測圖像的形態學處理Fig.3 Morphology processing of image for detected by roberts operator. (a) Roberts operator; (b) Expanded image; (c) Corroded image; (d) Thinned image

1.3.2 織物沾水特征提取

1)檢測區域提取。 根據AATCC檢測標準，檢測區域的邊緣是圓形的金屬框，借助Photoshop圖像處理軟件的磁性套索工具對圖3(d)快速提取圓形檢測區域(結果見圖4(a))，然后對圓輪廓進行求反操作(結果見圖4(b))，再利用MatLab中的bwarea函數求得圓形檢測區域面積S2，運算結果見表2。

圖4 檢測區域的圖像處理過程Fig.4 Image processing detecting area. (a) Circle outline; (b) Negate image

2)濕潤面積的提取。圖像處理過程見圖5，先對圖2(e)Canny算子邊緣檢測圖像進行膨脹處理，得到圖5(a)，然后Photoshop提取圓形檢測區域，進行求反和腐蝕處理，最后用bwarea函數得到濕潤面積S1，運算結果見表2。

3)濕潤面積比R的計算。據濕潤面積S1和檢測區域面積S2，按下式計算織物濕潤面積比，計算結果見表2。

1.4 織物沾水等級的客觀評定

用掃描儀對AATCC織物沾水性等級評價的標樣(見圖6)進行圖像采集，然后用1.3中的圖像處理和特征提取的步驟提取標樣中6個沾水等級的濕潤面積比，計算結果如下:

R5=0%，R4=5.62%，R3=15.44%，R2=42.86%，R1=55.28%，R0=92.64%。

表2 織物沾水等級主客觀評定結果Tab.2 Subjective and objective evaluation of fabric spray test

注：“/”表示圖像法無法判斷沾水等級。

圖5 濕潤區域的處理過程Fig.5 Image processing of wet area. (a) Expandedimage of edge detected by Canny operator; (b) Extracted testing area; (c) Negate image; (d) Corroded image

圖6 AATCC織物沾水性等級評價標準樣照Fig.6 AATCC standard photos of fabric spray test.(a) Grade five; (b) Grade four; (c) Grade three; (d) Grade two; (e) Grade one; (f) Grade zero

2 結果與討論

2.1 織物沾水等級主客觀評價之間關系

分析表2可知：1)主客觀評價結果之間具有良好的一致性。在24塊測試織物中，主客觀等級評價結果完全吻合的有20塊；2)評價結果相差1級的有1塊，即13#，這是因為13#織物是深灰色，拍攝時產生了較大的光照不勻，造成濕潤部分提取誤差較大，影響了正確的等級評價;3)客觀法無法評出等級的有：3#、15#和17#這3塊織物為多色印花織物，利用圖像法進行濕潤面積提取時，織物本身的多種顏色對計算機處理造成了較大干擾，計算機無法正確識別濕潤區域(邊緣檢測結果見圖7)，這也正是圖像處理存在的缺點。

圖7 3種印花織物的邊緣檢測結果Fig.7 Edge detection of three kinds of print fabrics

2.2 織物沾水等級客觀評價方法的特點

1)與傳統的肉眼主觀判定相比，基于圖像處理的客觀評價方法減少了心理、環境因素等對判定結果的影響，因此相對來說更客觀。

2)在判定效率方面，主觀判定會因人的長時間工作而產生視覺疲勞，計算機處理把人從持續對比中解放出來，所以評價效率更高。

3)對于多色印花織物，目前還難以利用圖像處理技術對沾水等級進行準確的客觀評定，需要借助人工肉眼判定。

實際操作過程中可采取主觀和客觀2種方法相結合進行評判。即對于單色織物利用圖像處理方法進行判定，對于多色織物則根據標準樣照進行人工判定。這樣既能實現對所有織物的檢測，又最大化地提高評定結果的準確性。

3 結 論

1) 基于圖像處理技術的織物沾水等級客觀評定結果與主觀評定結果之間具有良好的一致性。相比人工評判，利用圖像處理進行客觀評價具有更準確和更高效的優點。

2)濕潤面積比與沾水等級之間有較好的對應關系，可作為織物沾水等級評判的依據。

3)對于多色印花織物，圖像處理法無法正確判斷沾水等級，需要結合肉眼主觀評判或探索新的客觀評價方法。

FZXB

[1] KIM S C, KANG T J. Image analysis of standard pilling photographs using wavelet reconstruction [J].Textile Research Journal,2005,75(12):801-811.

[2] WANG R W, WU X Y, WANG S Y, et al. Automatic identification of ramie and cotton fibers using characteristics in longitudinal view, part Ⅰ: locating capture of fiber images [J].Textile Research Journal, 2009, 79(14):1251-1259.

[3] 陳樹越，馮軍. 基于尺度變換的Gabor濾波器織物疵

點檢測[J].紡織學報,2010，31(9)：38-41. CHEN Shuyue, FENG Jun. Fabric defect detection with Gabor filter based on scale transformation[J].Journal of Textile Research, 2010，31(9)：38-41.

[4] SHADY E, GOWAYED Y, ABOUIIANA M, et al. Detection and classification of defect in knitted fabric structures[J].Textile Research Journal,2006,76(4):295-300.

[5] 潘如如，高衛東，劉基宏，等.機織物組織自動識別技術[J].紡織學報，2010，31(6)：43-47. PAN Ruru，GAO Weidong，LIU Jihong，et al. Automatic identification of woven fabric weave[J].Journal of Textile Research,2010，31(6)：43-47.

[6] 陳慧敏，顧洪波，張渭源.基于點模型的織物平整性能分析[J].紡織學報，2008，29(9):38-42. CHEN Huimin，GU Hongbo，ZHANG Weiyuan. Digital analysis of fabric smoothness appearance on point sampled model [J].Journal of Textile Research, 2008，29(9):38-42.

[7] 李艷梅,張渭源.小波分析在織物縫紉平整度客觀評價中的應用[J].紡織學報，2009，30(10):115-119. LI Yanmei，ZHANG Weiyuan. Application of wavelet analysis in evaluation on seam pucker of fabrics [J].Journal of Textile Research, 2009，30(10):115-119.

[8] 周明，王鴻博，王銀利，等.基于圖像處理技術的納米纖維膜孔隙率表征[J]. 紡織學報,2012，33(1)：20-23. ZHOU Ming，WANG Hongbo，WANG Yinlin，et al. Characterization of porosity of nanofiber membrane based on image processing technology[J]. Journal of Textile Research,2012，33(1)：20-23.

[9] 盧雨正.竹節紗織物竹節分布均勻性評價方法[J].絲綢,2012,49(4):33-36. LU Yuzheng. Evaluation method for the slub distribution evenness in the slubby yarn fabric[J].Silk Monthly, 2012,49(4):33-36.

[10] 巫瑩柱，張曉利，黃伯熹.BP神經網絡在織物沾水等級評定中的應用[J].山東紡織科技，2009(4)：43-45. WU Yingzhu，ZHANG Xiaoli，HUANG Boxi.The application of BP neural network to the evaluation of the spray rating of fabric[J].Shandong Textile Science & Technology，2009(4)：43-45.

Research on objective evaluation of fabric wettability based on image processing

LIU Chengxia1,2, LIU Shengjian1

(1.FashionDesignAcademy,ZhejiangSci-TechUniversity,Hangzhou,Zhejiang310018,China； 2.ZhejiangProvincialResearchCenterofClothingEngineeringTechnology,Hangzhou,Zhejiang310018,China)

At present the evaluation of fabric wettability relies on human′s eyes to make a judgment, which is easily affected by subjective factors. So the result of the subjective evaluation is not favorable. Aiming at this, the paper makes a study on how to evaluate fabric wettability objectively. Firstly, twenty-four common fabrics were selected and wettability test was conducted on them. Then they were evaluated subjectively according to the AATCC standard photos, followed by taking pictures of the wetted samples. MatLab was used to process the images. The procedures include: transfer ring of the colored image into a gray one, histogram equalization, median filtration, edge detection, corrosion and expansion, as a result, the wetted area and test area were extracted. Finally, objective evaluation of the fabrics was carried out in accordance with the wetted area ratio of each grade in AATCC standard image. It indicated that the result of the objective evaluation of fabric wettability based on image processing was in agreement with that of the subjective one, demonstrating that it is feasible to evaluate objectively the grade of fabric wettability using image processing method.

fabric; wettability; objective evaluation; wet area ratio; image processing

0253- 9721(2013)09- 0044- 05

2012-07-02

2013-04-16

浙江理工大學先進紡織材料與制備技術教育部重點實驗室優秀青年人才培養基金項目(2011QN11); 浙江省服裝工程技術研究中心開放基金項目(2012007)

劉成霞(1975—)女，副教授，博士生。主要研究服裝材料及其測試方法。E-mail:glorior_liu@hotmail.com。

TS 101.92.3

A