織物平整度客觀評價中的圖像預處理及特征提取

陳冬蕾 吳巧英（通信作者）

浙江理工大學

織物平整度客觀評價中的圖像預處理及特征提取

陳冬蕾 吳巧英（通信作者）

浙江理工大學

利用MATLAB軟件對ATTCC織物平整度標準樣照進行預處理：圖像灰度化、中值濾波和灰度增強。通過邊緣檢測提取折皺密度作為平整度特征參數，對比圖像預處理前后平整度客觀評價結果。結果表明：圖像預處理能有效提高平整度客觀評價的準確性，預處理后織物平整度等級主客觀評定結果之間具有良好的一致性。

平整度 客觀評價 預處理

近年來，國內外研究者致力于利用先進的圖像處理技術對織物平整度進行客觀評價[1]。其中，邊緣檢測[2]能準確且直觀地反映圖像紋理。在提取折皺特征時，圖像中的噪聲會影響識別精度和速度[3]，導致提取指標不能真實反映織物特性。本文通過邊緣檢測提取織物圖像預處理前后平整度特征參數并進行對比，為準確評價織物平整度提供參考。

一、試樣選取

選取AATCC124—2001[4]織物平整度標準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個等級；其中，SA-1折皺程度最嚴重，隨后逐漸降低，SA-5折皺程度最輕。

二、平整度圖像預處理及特征值提取

（一）圖像預處理

利用MATLAB圖像處理軟件對平整度試樣進行預處理。將樣照裁剪成256×256像素大小，并轉換為灰度圖像。用3×3模板中值濾波（過濾高頻噪聲）和灰度調節（增強對比度）對灰度圖像進行預處理。用MATLAB工具箱stretchlim函數自動判斷調節范圍，使用imadjust函數指定灰度范圍，重新分配像素幅度。

（二）平整度特征值提取

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

2.折皺密度計算：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，計算公式如下：

其中：Wn為邊緣檢測圖像中白色像素點的個數；A為總像素點的個數，即256×256=65536。

三、實驗結果與分析

（一）預處理前后圖像邊緣檢測結果比較

以SA-3圖像為例，圖1為預處理前后的圖像邊緣檢測結果及灰度分布直方圖。可見，原圖像（圖1(a)）檢測出的折皺信息多呈不均勻點狀分布；經過中值濾波和灰度增強的圖像（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)），而調節后則覆蓋了 0～255的全部區間（圖1(d)），灰度圖像也由原來的差異不明顯變得對比鮮明。同時，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，因此使邊緣檢測更準確。

圖1 SA-3預處理前后邊緣檢測圖像和灰度分布直方圖

（二）預處理前后特征參數測試結果比較

平整度試樣特征參數測試結果見表1， 特征參數與平整度主觀等級關系圖見圖2。可知，特征參數與平整度等級之間呈顯著負線性關系。即平整度等級越高，特征值越小，反之則越大。將平整度主觀等級與客觀參數做散點圖并線性擬合，得到原圖像兩變量判定系數R2為0.784，圖像預處理后兩變量的R2為0.924。說明預處理后折皺密度與平整度等級相關性增強，呈顯著負相關。圖2可見，經預處理后折皺密度變化更集中，隨平整度等級變化趨勢更平緩。由此說明平整度圖像經預處理后提取的特征參數與主觀等級之間具有良好的一致性，通過邊緣檢測提取的折皺密度能夠較好的客觀評價織物平整度。

表1 平整度樣照特征參數測試結果

圖2 折皺密度與平整度主觀等級關系

四、結論

（1）未經預處理的圖像直接提取特征值會與真實折皺有偏差。圖像預處理能有效提高圖片質量，使圖像處理技術在特征值的提取中更加準確。

（2）圖像預處理后織物平整度等級主客觀評定結果之間具有良好的一致性。通過邊緣檢測提取的折皺密度能夠較好的客觀評價織物平整度。

[1]徐平華,丁雪梅,王榮武,等.洗后織物外觀平整度客觀評級中的若干問題[J].紡織學報,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處理[J].青島大學學報（工程技術版）, 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，碩士研究生學歷，研究方向：服裝技術與理論；吳巧英（通信作者），女，博士學歷，職稱：教授。