基于圖像光影重構(gòu)的緞紋影光織物明度預(yù)測(cè)方法

鄭雯潔， 張愛丹,2

(1. 浙江理工大學(xué) 紡織科學(xué)與工程學(xué)院(國際絲綢學(xué)院)， 浙江 杭州 310018；2. 浙江理工大學(xué) 浙江省絲綢與時(shí)尚文化研究中心， 浙江 杭州 310018)

織物圖像是將織物從立體形態(tài)轉(zhuǎn)化為平面形態(tài)的一種手段。數(shù)字形式的平面圖像具有直觀的視覺效果，以及便于數(shù)理統(tǒng)計(jì)和分析等優(yōu)勢(shì)，已被廣泛應(yīng)用于提花織物紋樣提取[1]、網(wǎng)孔織物圖像分割[2]、織物圖像疵點(diǎn)檢測(cè)[3]等。影光組織是一種能表現(xiàn)經(jīng)、緯紗線顏色相互轉(zhuǎn)化過渡的系列變化織物組織，常用于單層結(jié)構(gòu)、重組織結(jié)構(gòu)和雙層結(jié)構(gòu)提花織物的設(shè)計(jì)[4-6]，對(duì)其呈色規(guī)律的預(yù)測(cè)研究可為提花織物顯色效果的設(shè)計(jì)提供參考。

目前對(duì)機(jī)織物呈色規(guī)律預(yù)測(cè)模型的探討，主要有建立在單一織物組織基礎(chǔ)上的幾何模型[7]，以及基于區(qū)域顏色數(shù)據(jù)提取的平均計(jì)算方法[8]等。前者一般不考慮織物紗線因織縮造成的形變，以及經(jīng)緯紗線交織形成立體結(jié)構(gòu)的光影特點(diǎn)。另外，在高經(jīng)緯密設(shè)計(jì)條件下，幾何模型中的背景空隙因素作用不明顯，使得幾何模型并不適用于高經(jīng)緯密緞紋影光組織提花織物呈色效果的預(yù)測(cè)計(jì)算。而基于區(qū)域顏色數(shù)據(jù)提取的平均計(jì)算法，通過在PS圖像處理軟件中，對(duì)織物組織圖直接進(jìn)行吸色，再對(duì)吸取的顏色進(jìn)行平均值計(jì)算得出織物色值，作為建立織物呈色模型或色卡的依據(jù)。這種方法雖然可以反映織物的混色特征，但因研究對(duì)象是織物組織圖像而不是實(shí)物樣品，并不能代表真實(shí)織物表面的顏色值。上述2種織物顏色預(yù)測(cè)方法，都忽略了經(jīng)緯紗線上下沉浮交織構(gòu)成的微觀立體結(jié)構(gòu)所產(chǎn)生的大量光影信息，以及柔性紗線因織縮而產(chǎn)生的形變特質(zhì)。鑒于此，本文以織物樣品的實(shí)物圖像為研究對(duì)象，提出一種適用于緞紋影光組織織物的明度預(yù)測(cè)方法，為影光組織的設(shè)計(jì)提供參考。

1 織物圖像光影重構(gòu)原理

將三維立體織物轉(zhuǎn)化為灰度模式的數(shù)字圖像，從而利用構(gòu)成圖像的像素灰度值，反映無彩色織物表面的明度信息。這種明度信息是綜合性的，易受到圖片采集條件的干擾，因此需將圖像按一定方式進(jìn)行處理，盡可能降低人為因素或環(huán)境因素的影響，才能用于目標(biāo)研究。織物色的主要構(gòu)成因素為織物組織和紗線，據(jù)此將織物圖像分離為3層，分別為表示織物表面經(jīng)緯浮長(zhǎng)的經(jīng)緯紗線圖形層、經(jīng)緯紗線交織形成立體結(jié)構(gòu)的陰影層和表示紗線原材料質(zhì)感特征的材質(zhì)層。

圖像的分層處理主要是為了得到不同圖形因素的相對(duì)面積，為實(shí)際紗線色的賦值提供范圍，而不是將拍攝圖像作為重構(gòu)織物圖像明度的直接來源，具體方法見圖1所示。根據(jù)織物圖像的重構(gòu)明度值與織物樣品實(shí)際測(cè)量明度值的擬合結(jié)果，確定織物明度預(yù)測(cè)公式的各項(xiàng)變量，用于織物明度預(yù)測(cè)回歸模型的構(gòu)建。

圖1 織物圖像光影重構(gòu)研究方法示意圖Fig.1 Diagram of light and shadow reconstruction method of fabric images

1.1 織物圖像的分層提取

1.1.1 經(jīng)緯紗線圖形層

經(jīng)緯紗線圖形層是光影分離和重構(gòu)的基礎(chǔ)，主要呈現(xiàn)織物表面經(jīng)緯紗線浮長(zhǎng)的獨(dú)立面積，以反映織物的組織結(jié)構(gòu)、經(jīng)緯密度與紗線線密度等特征。在織物圖像中，陰影層和紗線材質(zhì)層的重建都依附于這一層，同時(shí)也是反映織物紗線形變狀態(tài)的重要圖形層。

1.1.2 立體結(jié)構(gòu)陰影層

陰影層由經(jīng)緯紗線投影信息組成，隨著織物組織和紗線規(guī)格的變化而不同。在織物圖像中，陰影部分反映了經(jīng)緯紗線上下起伏交織的立體狀態(tài)，是區(qū)別于幾何模型平面特性的關(guān)鍵因素。紗線陰影部分具有明暗漸變的特點(diǎn)，在提取過程中需要對(duì)其面積范圍進(jìn)一步確定。

1.1.3 經(jīng)緯材質(zhì)層

材質(zhì)層反映了經(jīng)緯紗原材料的圖像特征，具體表現(xiàn)為類似雜點(diǎn)的紋理。雜點(diǎn)紋理提供了紗線材質(zhì)本身的特性，如構(gòu)成紗線的纖維及其成紗形式等方面的信息。根據(jù)經(jīng)緯紗線的材質(zhì)和顏色的變化，材質(zhì)層對(duì)織物明度值的影響效果也不同。材質(zhì)層為體現(xiàn)織物原材料特性預(yù)設(shè)了空間，為更準(zhǔn)確預(yù)測(cè)織物色創(chuàng)造了條件。

1.2 分層圖像的光影重構(gòu)

光影重構(gòu)是基于上述圖像分層的二次篩選及重新組合，是指對(duì)各層圖像數(shù)據(jù)的回歸計(jì)算。圖像的分層是為了更精確地反映原始織物圖像的光影關(guān)系。

對(duì)于紗線圖形層，由于織縮及紗線交織產(chǎn)生的扭曲形變，實(shí)際的織物經(jīng)緯浮長(zhǎng)面積不同于織物組織圖理想狀態(tài)下的面積。這一圖層的提取決定了織物明度預(yù)測(cè)模型的基礎(chǔ)數(shù)值。

對(duì)于陰影層，一方面經(jīng)緯紗線上的陰影表現(xiàn)為灰度值漸變的像素點(diǎn)，因此需設(shè)定提取的臨界值，以確定作為陰影的像素；另一方面當(dāng)紗線為黑色或顏色較深時(shí)，投于之上的陰影通常難以察覺，因此陰影效應(yīng)主要對(duì)白色或淺色紗線產(chǎn)生顯著作用。

織物紗線顏色的深淺對(duì)材質(zhì)層也有一定的影響。白色或淺色紗線在光源下即使產(chǎn)生亮點(diǎn)，對(duì)織物整體明度值并無太大影響。而在黑色或深色紗線上，這種亮點(diǎn)對(duì)視覺造成明顯的干擾。此外，如織物紗線的纖維和成紗加工形式不同，產(chǎn)生的紋理圖像也各不相同，需要區(qū)別對(duì)待。

2 織物圖像分層與數(shù)據(jù)采集

2.1 織物樣品織造與測(cè)色

以16枚3飛、5飛、7飛緯面緞紋為基礎(chǔ)組織進(jìn)行影光組織庫設(shè)計(jì)，并進(jìn)行織物樣品織造。影光組織庫在組織點(diǎn)過渡方向上，分別采用緯向加強(qiáng)和經(jīng)向加強(qiáng)2種方法；每次增加的組織點(diǎn)數(shù)量等于基礎(chǔ)組織循環(huán)數(shù)，共計(jì)6組各有15個(gè)組織的最小值影光組織庫[9]。織物樣品由1組白經(jīng)和1組黑緯交織而成，其中經(jīng)、緯紗組合分別為22.2、24.4 dtex×2的桑蠶絲，經(jīng)緯密均為1 100根/(10 cm)。文中織物樣品均由杭州宏創(chuàng)紡織有限公司生產(chǎn)織造。

對(duì)織物色卡樣品進(jìn)行背面拖裱，使其平整挺括，再采用美國X-rite愛色麗公司Color i7型臺(tái)式分光測(cè)色儀進(jìn)行測(cè)量。數(shù)據(jù)采集條件：顏色系統(tǒng)為CIEL*a*b*，觀測(cè)角度為10°，測(cè)量孔徑為25 mm，光源為脈沖氙燈D65。每塊織物樣品測(cè)試3次，取其明度平均值。

2.2 織物圖像處理

2.2.1 織物圖像采集與剪裁

采用歐美科臺(tái)式數(shù)碼電子顯微鏡(型號(hào)AO1017)進(jìn)行織物樣品圖像采集，放大91.68倍，拍攝的織物圖像長(zhǎng)寬尺寸為2 592像素×1 944像素，如圖2(a)所示。再將其統(tǒng)一導(dǎo)入MatLab軟件中轉(zhuǎn)換為灰度模式圖像。

圖2 織物圖像分層提取及其圖像例證Fig.2 Layered extraction of fabric images and its image illustration. (a)Original digital image; (b)Preprocess window image; (c)Connection area image; (d)Open operational image; (e)White warp image; (f)Black weft image; (g)Shadow image on the white warp; (h)Texture image on black weft

采用 imcrop 函數(shù)，按照同一起點(diǎn)和同一尺寸，將所有織物樣品圖像均裁剪為501像素×501像素的窗口圖像，使其包含一個(gè)完整組織循環(huán)。計(jì)算各窗口圖像的平均灰度值，將窗口圖像中灰度值低于灰度均值的像素全部設(shè)為“0”，得到預(yù)處理的窗口圖像，見圖2(b)，之后的圖像運(yùn)算都基于該步驟圖像的灰度信息。

2.2.2 開運(yùn)算圖像處理

開運(yùn)算是一種對(duì)數(shù)字圖像進(jìn)行形態(tài)處理的方法，參與運(yùn)算的對(duì)象有2個(gè)：目標(biāo)圖像和結(jié)構(gòu)集合。本文實(shí)驗(yàn)的目標(biāo)圖像為預(yù)處理窗口圖像，結(jié)構(gòu)集合也稱結(jié)構(gòu)元素，其可以是任何形狀，如線性、圓盤形等[10]。文中利用開運(yùn)算方法主要是為了在消除預(yù)處理窗口織物圖像中黑緯上雜點(diǎn)的同時(shí)，保留白經(jīng)圖形邊緣的灰度像素點(diǎn)，為分離白經(jīng)、黑緯圖形提供最優(yōu)圖像方案。

在開運(yùn)算處理中，結(jié)構(gòu)元素的大小和形狀設(shè)置是關(guān)鍵。文中結(jié)構(gòu)元素的大小根據(jù)黑緯上雜點(diǎn)像素面積而定。先在MatLab軟件中采用graythresh函數(shù)(Otsu算法)，對(duì)每幅預(yù)處理窗口圖像進(jìn)行閾值分割，得到連通域圖像，見圖2(c)。再將連通域面積降序排列，排除織物經(jīng)、緯圖形區(qū)域之后，得到最大雜點(diǎn)面積。以16枚3飛經(jīng)向加強(qiáng)組織織物樣品為例，分別在組織點(diǎn)連續(xù)增加到第5個(gè)和第11個(gè)時(shí)，相鄰經(jīng)紗上的經(jīng)組織點(diǎn)產(chǎn)生連結(jié)，因此將1組影光組織織物分為 3 段提取。第1段中組織點(diǎn)連通區(qū)域數(shù)量最多，為16～20個(gè)之間；第2段數(shù)量為6個(gè)；第3段數(shù)量為1個(gè)。3段中需重點(diǎn)考察第1段第16個(gè)組織點(diǎn)連通區(qū)域之后的4個(gè)區(qū)域面積，若其中有1個(gè)區(qū)域與其他相差300像素以上即為最大雜點(diǎn)面積。根據(jù)上述方法得到每段最大雜點(diǎn)連通區(qū)域，再取其像素?cái)?shù)量平均值，作為結(jié)構(gòu)元素大小的根據(jù)。根據(jù)數(shù)據(jù)統(tǒng)計(jì)結(jié)果，文中最終采用半徑為 5 像素的圓形結(jié)構(gòu)元素進(jìn)行開運(yùn)算圖像處理，經(jīng)開運(yùn)算處理的織物圖像見圖2(d)。

2.3 織物圖像的分層提取與賦值

2.3.1 經(jīng)緯圖形區(qū)域的提取與賦值

灰度織物圖像經(jīng)開運(yùn)算處理后，白經(jīng)與黑緯區(qū)域被基本分離，見圖2(d)。根據(jù)圖像像素灰度值劃分經(jīng)、緯紗線圖形，并計(jì)算所占面積率。先統(tǒng)計(jì)織物圖像中灰度值為“0” 的像素?cái)?shù)量，再計(jì)算其與圖像總像素量的比值，即為黑緯面積比Sw1(%)；其余灰度值大于“0”的像素區(qū)域即為白經(jīng)圖形部分，其與圖像總像素量的比值設(shè)為Sj1(%)。白經(jīng)和黑緯的圖形效果，見圖2(e)和(f)。

在獲得每個(gè)織物樣品圖像的經(jīng)緯紗線的面積及其比值之后，再賦予各自實(shí)際的紗線色的色值。經(jīng)測(cè)色得知，白色經(jīng)紗的明度值(Lj)為 91.16，黑色緯紗的明度值(Lw)為 14.09。

2.3.2 白經(jīng)投影區(qū)域的提取與賦值

圖像開運(yùn)算處理后，白經(jīng)上的投影更加塊狀化，有利于灰度模式織物圖像的像素提取。根據(jù)開運(yùn)算后的圖像灰度平均值，將大于平均值的像素部分賦值為“0”。此時(shí)圖像中只保留了白經(jīng)的深灰部分，見圖2(g)。投影部分的像素?cái)?shù)量與圖像總像素?cái)?shù)量的比值設(shè)為Sh1(%)。再從白經(jīng)面積中減去白經(jīng)投影面積，剩余部分的像素?cái)?shù)量與圖像總像素?cái)?shù)量的比值設(shè)為Sj2(%)。白經(jīng)陰影部分的明度值設(shè)為L(zhǎng)h1，取經(jīng)紗和緯紗的實(shí)際明度值的中間值“50”。

2.3.3 黑緯雜點(diǎn)區(qū)域的提取與賦值

材質(zhì)層雜點(diǎn)圖像存在灰度變化，但僅有部分像素雜點(diǎn)對(duì)織物明度有所影響，因此需要設(shè)定雜點(diǎn)篩選臨界值。將預(yù)處理窗口圖像與開運(yùn)算圖像相減，得到雜點(diǎn)圖像，見圖2(h)。統(tǒng)計(jì)圖像中灰度值為255的像素?cái)?shù)量，即為黑緯雜點(diǎn)面積。這部分與圖像總像素?cái)?shù)量的比值設(shè)為Sh2(%)。再計(jì)算黑緯面積減去雜點(diǎn)面積，其差值與圖像總像素?cái)?shù)量的比值設(shè)為Sw2(%)。黑緯雜點(diǎn)部分的明度值設(shè)為L(zhǎng)h2，取白經(jīng)實(shí)際明度值“91.16”。

3 實(shí)驗(yàn)結(jié)果與討論

3.1 光影線性重構(gòu)明度結(jié)果與分析

根據(jù)明度相加定律，織物明度為各部分明度之和，即為經(jīng)緯紗線圖形層、陰影層和材質(zhì)層線性重構(gòu)的還原過程。由上述3層圖像的重構(gòu)轉(zhuǎn)化得到的織物綜合明度計(jì)算公式如下：

Lzi=Sj2Lj+Sw2Lw+Sh1Lh1+Sh2Lh2

i=1,2,…,R-1

式中:Lzi為織物綜合計(jì)算明度值；Sj2、Sw2分別為織物經(jīng)、緯紗各自面積比；Lj、Lw為經(jīng)、緯紗實(shí)測(cè)明度值；Sh1、Sh2分別為白經(jīng)投影面積比和黑緯雜點(diǎn)面積比;Lh1、Lh2為陰影和雜點(diǎn)的明度值；R為織物組織循環(huán)數(shù)，文中取16；i為最小值影光組織庫的取值范圍，文中為1～15。

為考察各分層圖對(duì)于織物明度的影響程度，分別計(jì)算織物樣品圖像的經(jīng)緯紗線圖形層、經(jīng)緯紗線圖形層結(jié)合陰影層，以及綜合3層的織物明度值，再將3種計(jì)算結(jié)果與實(shí)物樣品測(cè)色數(shù)據(jù)進(jìn)行比較分析。文中以16枚7飛經(jīng)向加強(qiáng)織物樣品為例，其結(jié)果如圖3所示。由圖可知，由計(jì)算所得的織物經(jīng)緯紗線圖形層明度值(Lpi)大于實(shí)測(cè)明度值(L1)，但曲線走向與實(shí)測(cè)明度值一致，表明僅考慮經(jīng)緯表面浮長(zhǎng)無法較好地還原織物明度；增加白經(jīng)陰影層計(jì)算所得的織物明度值(Lti)，更接近織物樣品的測(cè)量明度，可見投影層對(duì)織物明度重構(gòu)具有重要作用；再增加黑緯雜點(diǎn)層計(jì)算得到織物明度值(Lzi)，與(Lti)相比變化較小，從圖中無法直接判斷雜點(diǎn)層的改善作用。

圖3 織物明度曲線圖Fig.3 Diagram of fabric lightness

下面進(jìn)一步以3組飛數(shù)分別為3、5、7的 16 枚經(jīng)向加強(qiáng)影光組織織物樣品為分析對(duì)象，通過對(duì)3組織物樣品圖像的經(jīng)緯圖形層明度Lpi、經(jīng)緯紗線圖形層結(jié)合投影層的明度Lti，以及在前二者基礎(chǔ)上增加材質(zhì)層的明度Lzi分別與織物樣品實(shí)際測(cè)量明度L1，進(jìn)行單因素方差分析，結(jié)果見表1。表中：F值為上述3組計(jì)算明度值和1組測(cè)量明度值的組間方差和組內(nèi)方差的比值，p值為各組均值相等的概率，作為計(jì)算明度數(shù)據(jù)與織物樣品測(cè)量明度數(shù)據(jù)擬合度的評(píng)價(jià)值，F(xiàn)值越大且p值小于 0.05，表示數(shù)據(jù)擬合度越差，反之則擬合度越好。

表1 織物明度單因素方差分析表Tab.1 One-way analysis of variance for fabric lightness

從表1可見，增加紗線材質(zhì)層后，3組織物的計(jì)算明度Lzi的p值均遠(yuǎn)大于 0.05，且F值相對(duì)其他2組更接近于0，發(fā)揮了進(jìn)一步縮小計(jì)算值與實(shí)測(cè)值差距的作用。其中16枚3飛織物樣品組的綜合明度Lzi與實(shí)測(cè)明度的擬合度最佳，其次是16枚7飛、16枚5飛。

對(duì)3組織物樣品的3種不同圖像層組合明度值的擬合度分別取其均值，其中經(jīng)緯圖形層明度與實(shí)測(cè)明度的擬合度為0.15，增加陰影層后擬合度提高到0.76，再加入材質(zhì)層后的明度擬合度上升為0.89，可見，基于織物圖像分層圖得到的線性光影重構(gòu)明度，較好地還原織物實(shí)際明度，為文中明度預(yù)測(cè)模型的建立提供了變量選擇的依據(jù)。

3.2 光影明度預(yù)測(cè)回歸模型建立

根據(jù)上述線性光影重構(gòu)獲得織物明度的結(jié)果，文中以織物預(yù)測(cè)明度為因變量，以織物經(jīng)緯圖形、投影和雜點(diǎn)面積為自變量，建立二次多項(xiàng)式，以逼近實(shí)際函數(shù)表達(dá)關(guān)系[11]。其中織物經(jīng)緯紗線圖形面積與基于特定影光組織的織物樣品的實(shí)際形變量(S)建立了聯(lián)系，S由織物樣品圖像提取所得經(jīng)緯紗線圖形與其對(duì)應(yīng)意匠經(jīng)緯紗線圖形二者面積的差值所得。此外，為便于運(yùn)算，引入多個(gè)新變量以替換二次多項(xiàng)式中相應(yīng)數(shù)量的由2個(gè)自變量乘積組成的單項(xiàng)式，即將二次多項(xiàng)式模型轉(zhuǎn)為多元線性模型，見如下公式：

Y=B0+B1x1+B2x2+B3x3+B4x4+

B5x5+B6x6+B7x7+B8x8+B9x9

下面分別對(duì) 3 組經(jīng)向、3 組緯向加強(qiáng)織物圖像數(shù)據(jù)，以及將前二者全部組合在一起，形成包含經(jīng)緯兩向加強(qiáng)的6組織物圖像數(shù)據(jù)，建立3個(gè)逐步回歸分析預(yù)測(cè)模型。圖像數(shù)據(jù)樣本具體為從每組15個(gè)樣本中隨機(jī)選取13個(gè)作為訓(xùn)練樣本，剩余2項(xiàng)為檢驗(yàn)樣本。將所有訓(xùn)練數(shù)據(jù)樣本輸入逐步回歸分析模型，結(jié)果見表 2。

表2 逐步回歸分析結(jié)果Tab.2 Results of stepwise regression analysis

注：模型1#基于3組經(jīng)向加強(qiáng)織物的圖像數(shù)據(jù)；模型2#基于3組緯向加強(qiáng)織物的圖像數(shù)據(jù)；模型3#基于經(jīng)、緯組合6組織物的圖像數(shù)據(jù)。

表2中R2為自變量和因變量之間線性擬合度的檢驗(yàn)值[12]，當(dāng)R2越接近于1，表明數(shù)據(jù)和模型的擬合度越好。其中模型1和模型2的R2分別為0.982和0.958，且p值均小于0.01，說明模型與數(shù)據(jù)的擬合度較好。此外，模型1、2的數(shù)據(jù)擬合程度優(yōu)于模型3，說明經(jīng)、緯兩向加強(qiáng)織物圖像數(shù)據(jù)各自分別建立模型，有利于提高模型對(duì)明度預(yù)測(cè)的準(zhǔn)確性。

最后根據(jù)逐步回歸分析結(jié)果，去除對(duì)模型無明顯影響的變量，分別得到經(jīng)向加強(qiáng)織物和緯向加強(qiáng)織物明度線性回歸模型，再將其還原為非線性回歸模型：

Yj=-3.73+7.43x1+326.86x2+16.64x1x3-

Yw=30.13+240.27x2-1 712.78x3+510.75x1x3-

式中：Yj為經(jīng)向加強(qiáng)織物的預(yù)測(cè)明度;Yw為緯向加強(qiáng)織物的預(yù)測(cè)明度。再用剩余的12項(xiàng)檢驗(yàn)樣本，分別對(duì)經(jīng)、緯兩向加強(qiáng)織物明度預(yù)測(cè)模型進(jìn)行驗(yàn)證，結(jié)果見表3。表中樣品4、7和9的預(yù)測(cè)明度值比實(shí)際測(cè)量值高，其余檢驗(yàn)樣品則比實(shí)際測(cè)量值低，驗(yàn)證結(jié)果表明，緯向加強(qiáng)織物預(yù)測(cè)模型的平均誤差率為1%，經(jīng)向加強(qiáng)織物預(yù)測(cè)模型的平均誤差率為2%，總體相對(duì)誤差在±4%以內(nèi)，預(yù)測(cè)準(zhǔn)確度較好，可用于影光效果織物的設(shè)計(jì)應(yīng)用提供參考。

表3 預(yù)測(cè)模型驗(yàn)證結(jié)果Tab.3 Results of prediction model validation

4 結(jié)束語

本文基于織物實(shí)物圖像的分層處理與光影重構(gòu)，建立了適用于預(yù)測(cè)黑白緞紋影光組織織物明度的數(shù)學(xué)模型。為使明度預(yù)測(cè)模型具備較全面反映織物組織本身變化、紗線形變、紗線交織產(chǎn)生的立體光影效應(yīng)，以及紗線材質(zhì)等影響織物明度的因素，提出先將織物樣品圖像分為經(jīng)緯紗線圖形層、陰影層和材質(zhì)層，以獲取相關(guān)圖形、圖像的面積率，為替換實(shí)際經(jīng)緯紗線顏色值提供區(qū)域范圍，在此基礎(chǔ)上建立織物明度計(jì)算公式。通過應(yīng)用該計(jì)算公式對(duì)經(jīng)分層的6組影光組織織物樣品圖像進(jìn)行織物明度值的重構(gòu)實(shí)驗(yàn)，并以織物樣品實(shí)際測(cè)色數(shù)據(jù)為參照比較分析3種圖像層的貢獻(xiàn)度，為織物明度預(yù)測(cè)模型提供變量選擇依據(jù)。

以經(jīng)緯圖形面積率、陰影面積率、雜點(diǎn)面積率為自變量建立二次多項(xiàng)式，基于78個(gè)實(shí)驗(yàn)樣本數(shù)據(jù)進(jìn)行逐步回歸分析，并以此建立經(jīng)向加強(qiáng)和緯向加強(qiáng)織物的明度回歸預(yù)測(cè)模型。經(jīng)過12項(xiàng)測(cè)試樣本驗(yàn)證，該預(yù)測(cè)模型總體誤差率在±4%以內(nèi)，可較好地還原緞紋影光組織織物的實(shí)際明度，具有一定適用性，可為黑白影光效果織物的設(shè)計(jì)提供明度預(yù)測(cè)，并為構(gòu)建彩色影光組織織物的顏色預(yù)測(cè)模型提供方法參考。

FZXB