基于圖像處理的人體模特試衣方法*

楊 曼，黃遠民

0 引言

圖像作為人類感知世界的視覺基礎，是人類獲取信息、表達信息和傳遞信息的重要手段。數字圖像是指采用專業的攝像機、工業相機等設備經過拍攝得到一個大的三維或二維數組，該數組的元素為像素，其值為灰度值，灰度值的大小在0～255之間變化，可通過調整灰度值的大小，改變圖像顏色。

服裝印花是制衣工藝。第一步，把織物匹染成單色，第二步，把圖案印在織物上。其中，第二步中的印花色漿含有能破壞底色染料的強漂白劑。為了展現印花后服裝上身的視覺效果，在大批量生產服裝之前，一般會先生產1～2件服裝，經模特上身后，判斷是否符合人們的審美要求。才決定是否需要大批量生產。但這大大地浪費了布料、時間及生產機器的利用率，拖延了出產日期。

為了解決上述問題，本文提出一種基于圖像處理的人體模特換衣方法，通過圖像灰度化、二值化、形態學處理等方法，對人體模特的原有服裝進行準確定位，然后將印花布料填充至人體模特的定位位置，實現換衣，以此觀察模特著衣后的視覺效果，判斷是否達到審美要求，若符合要求，即可投入生產，大大地節省了布料、時間及生產機器的利用率，避免了資源浪費。

1 圖像預處理

彩色圖像中的每個像素由R、G、B各自分量共同決定，而灰度圖像是R、G、B三個分量相等時的一種特殊彩色圖像。灰度圖像的像素值取值范圍為0～255，彩色圖像中的任一通道也可構成一幅灰度圖像[1]。比較不同通道下的灰度圖像，選擇最易于定位模特服裝位置的灰度圖像進行圖像二值化。圖像二值化是基本操作，也是圖像形態學運算的基礎。圖像二值化主要是將圖像的目標和背景分離開來，二值化后的圖像像素值表現為兩種像素值，分別為1或0。將灰度圖像輸入數組的每個值除以255，即得到一個值在0～1變化的像素值數組。假設輸入圖像為 f(x,y)，二值化后的輸出圖像為g(x,y)，T為固定分割閾值[2]，則二值化方法可用公式表示為：

圖1 原始圖像

原始模特圖像如圖1所示。

灰度化后的灰度圖像如圖2所示。

圖2 灰度圖像

比較固定閾值T在0～1之間變化時，在T=0.2及T=0.5時，得到的二值化圖像將模特身體與服裝分開的最為明顯。結果如圖3、4所示。

圖3 T=0.2時的二值圖像

圖4 T=0.5時的二值圖像

通過比較可知，G通道圖像經過閥值分割后，目標點信息量保留最完善，分割效果最好，因此選擇G通道下的T=0.5的二值化圖像進行服裝位置定位。

2 人體模特換衣總思路

服裝位置定位步驟如下。

最大連通域提取[3-5]。對G通道二值化圖像素取反，此時服裝目標點處可形成nHolenum個空穴，找到服裝目標點像素并賦值nHolenum（nHolenum=1，2，…n） 。一個8領域以內像素均為目標值的示意圖如圖5所示，中心點像素為當前像素值。

二值化圖像進行正向掃描，尋找下一個像素點，若目標圖像中當前位置像素為目標前景，如圖6所示目標像素8領域內當前位置的左方、左上方、正上方、右上方像素若為nHolenum，則當前位置也賦值為nHolenum，即當P=0時，若P5=P4=P3=P2=P，則將P賦值為P＝nHolenum。

二值化纖維圖像反向掃描，若纖維圖像中當前位置像素為目標前景，8領域內當前位置的右方、右下方、正下方、左下方像素若為nHolenum，則當前位置也賦值為nHo?lenum，即當P=0時，若P1=P6=P7=P8=P，則將P賦值為P＝nHolenum。直到當前空穴標記完畢為止。

圖5 8鄰域均為目標像素點

圖6 8領域示意圖

據此不同的目標點空穴被賦予不同值，每個空穴中的像素值相同，累計像素點數量，保留像素點最多的nHole?num值，將其余像素點變成背景像素，完成最大連通域的提取。

部分程序如下：

[L，num]=bwlabel(bwg2,8);

[L，num]=bwlabel(bwg2,8);%bwlabel目標定位函數，返回8領域內提取空穴數量及標記后的服裝標記圖。

long=zeros(1,nHolenum);%定義1*num數組，存放各個空穴累計后像素點。

for time=1∶nHolenum%time為空穴標記值，范圍取自1～nHolenum。

v=0;

for i=1∶m

for j=1∶n

if L(i,j)==time

v=v+1;%像素值累加。

end

end

end

long(1,time)=v;%服裝目標像素點長度。

end

提取結果如圖7(a)所示，圖7(b)為左圖的放大圖像，其中圈內為多余目標像素點。

圖7 最大連通域提取

形態學處理[6]腐蝕。設A和B是整數空間Z中的集合，其中A為原始圖像，B為結構元素，則B對A的腐蝕運算記為A?A，定義為[7]：

可見，B對A的腐蝕即為平移量Z的集合，這些平移量滿足集合B平移Z之后仍然屬于集合A。

對圖7進行腐蝕后得到的圖像如圖8所示。

圖8 腐蝕后的二值化圖像

3 實例與分析

實驗中，首先對圖像進行預處理，得到G通道下的二值化圖像。然后，采用形態學腐蝕算法，將提取過程中的多余像素點腐蝕掉，進而確定服裝像素位置坐標。如圖9所示，為制作服裝的三種印花布料，圖10分別為模特換衣后的效果圖。

圖9 印花布料

圖10 模特換衣后效果圖

4 結論

采用本文所提出的方法實現模特換衣。模特服裝坐標定位準確，可直觀地觀察到各種印花布料著裝后的效果圖，直觀簡潔，基本上滿足服裝出產商對生產的不同花式布料服裝的初步預想。

參考文獻：

［1］岡薩雷斯.數字圖像處理技術（第三版）［M］.北京：電子工業出版社，2011.

［2］張冬生.基于閾值的圖像分割算法研究［D］.大慶：東北石油大學，2011.

［3］王凱，黃山，趙瑜，等.面向圖像目標提取的改進連通域標記算法［J］.計算機工程與設計，2014，35（07）：2438-2441.

［4］張恒，胡文龍，丁赤飆.基于快速連通域分析的目標特征提取算法［J］.計算機工程與應用，2009，45（29）：230-232.

［5］張恒，倪永婧.面向目標特征提取的連通域標記算法［J］.計算機與網絡，2015，41（07）：58-61.

［6］劉志敏，楊杰，施鵬飛.數學形態學的細化算法［J］.上海交通大學學報，1998（09）：15-19.

［7］姚敏.數字圖像處理技術［M］.北京：機械工業出版社，2012.