彩色數(shù)碼提花組織均衡方法研究

李 輝 孫 涌 劉霽琮

(蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 江蘇 蘇州 215006)

0 引 言

目前國(guó)內(nèi)外的彩色提花CAD系統(tǒng)品種眾多，主流的彩色提花CAD系統(tǒng)在制作意匠圖時(shí)都是通過對(duì)織物圖像進(jìn)行掃描，再進(jìn)行分色，然后在分色圖上完成修改、鋪組織、勾邊等主要工序。而在分色圖上修改、鋪組織等工序則是需要消耗織物設(shè)計(jì)人員大量時(shí)間的環(huán)節(jié)。這些工序都是在系統(tǒng)內(nèi)部的網(wǎng)格圖中實(shí)現(xiàn)，對(duì)于每一個(gè)操作都需要細(xì)心地去完成，所以工作量很大，而且對(duì)設(shè)計(jì)者的要求很高。當(dāng)前主流系統(tǒng)都不支持自動(dòng)化的方案，都需要一步步操作，所以浪費(fèi)大量的時(shí)間成本。為此，本文提出了一個(gè)應(yīng)用在提花組織結(jié)構(gòu)均衡的方案，能夠自動(dòng)化鋪上均衡的組織，有效節(jié)約了大量的時(shí)間。該方案主要從分色算法和經(jīng)緯組織均衡來研究。

目前，織物圖像的分色方法[1]主要有特征聚類，基于區(qū)域的方法或邊緣檢測(cè)等。特征聚類算法：比如模糊C均值[2]，需要事先確定分類個(gè)數(shù)，初始參數(shù)對(duì)分類結(jié)果有較大影響，并且沒有考慮空間因素，因而對(duì)噪聲敏感?；趨^(qū)域的方法[3]需要根據(jù)圖像區(qū)域的同一性特征對(duì)圖像進(jìn)行分割，它的分割效果依賴于同一性特征的穩(wěn)定性?？椢飯D像由于其紋理、紗線顏色不同等因素很難確定區(qū)域的一致性準(zhǔn)則，所以分割效果很難保證。

織物的組織[4]是由經(jīng)緯相互交織形成的規(guī)律，經(jīng)緯線相互浮沉交織，必然會(huì)產(chǎn)生經(jīng)緯線的收縮。如果每一根經(jīng)線或緯線交織前后的縮率都相同，可稱為經(jīng)緯交織均衡[7]。在過去紋版設(shè)計(jì)過程中，經(jīng)緯交織平衡與否可以在手工意匠環(huán)節(jié)中進(jìn)行修改，但在科學(xué)技術(shù)不斷發(fā)展的今天，手工意匠環(huán)節(jié)逐漸被計(jì)算機(jī)處理技術(shù)所替代。經(jīng)緯交織的平衡需要在鋪組織過程中進(jìn)行解決，由于當(dāng)前高效生產(chǎn)的需要，如果在組織設(shè)計(jì)過程中沒有滿足經(jīng)緯交織平衡，將導(dǎo)致織物在實(shí)機(jī)織造過程中不能正常生產(chǎn)[5]，會(huì)出現(xiàn)大量斷線情況，而這也是目前提花工藝系統(tǒng)面臨的主要問題。

本文提出了一個(gè)應(yīng)用在提花組織結(jié)構(gòu)自適應(yīng)均衡的方案，該方案主要包括以下步驟：首先采用混合中值濾波和分水嶺算法對(duì)織物圖像進(jìn)行分割分色；然后根據(jù)組織均衡原則，生成一系列經(jīng)緯均衡的組織結(jié)構(gòu)，并根據(jù)研究的鋪組織策略進(jìn)行鋪組織；最后通過計(jì)算織物經(jīng)緯交織次數(shù)來驗(yàn)證所鋪的組織是否有效。

1 總體思想

織物組織結(jié)構(gòu)均衡方案的核心思想：首先對(duì)織物圖像分割分色，計(jì)算分色圖像后的各個(gè)顏色區(qū)域的大小，自定義生成交織均衡的組織庫(kù)。然后再根據(jù)鋪組織策略，對(duì)不同區(qū)域進(jìn)行添加不同組織。最后根據(jù)研究的織物組織均衡方法對(duì)整體的組織進(jìn)行計(jì)算，看是否達(dá)到均衡。如果沒有達(dá)到均衡狀態(tài)，則從改變區(qū)域局部組織，直到達(dá)到均衡狀態(tài)為止。其流程如圖1所示。

圖1 總體方案流程

2 圖像分色

2.1 圖像預(yù)處理

彩色提花CAD系統(tǒng)的輸入圖像一般為機(jī)織物的掃描圖像，它在掃描過程中可能會(huì)產(chǎn)生各種噪聲，如果使用中值濾波來進(jìn)行平滑處理，可能會(huì)存在噪聲擴(kuò)散或者過度濾波的現(xiàn)象，造成部分細(xì)節(jié)模糊。所以為了保持織物圖像不同顏色紗線的邊緣特征，本文采用的是混合中值濾波[6]。

混合中值濾波是由中值濾波與線性濾波結(jié)合而成的。如圖2是混合中值濾波的具體示意圖，采用的是3×3像素的窗口，首先取當(dāng)前像素與上下左右共5個(gè)像素的中值；然后取當(dāng)前像素與左上、左下、右上、右下5個(gè)像素的中值；最后再取當(dāng)前像素與前面2個(gè)中值的中值作為濾波后的顏色分量值。

圖2 混合中值濾波示意圖

2.2 分水嶺分割

分水嶺算法[8]是一種數(shù)學(xué)形態(tài)學(xué)的分割方法，它的基本思路是把圖像看作一幅“地形圖”，圖像中每個(gè)點(diǎn)的灰度值則表示該點(diǎn)在地形圖上的高度，所有灰度值中的局部極小值向外擴(kuò)散形成匯水盆，而集水盆形成的邊界則稱之為分水嶺。因?yàn)榉炙畮X算法對(duì)細(xì)微邊緣比較敏感，它能夠得到單像素寬且封閉的邊緣，而且能夠準(zhǔn)確定位，所以本文采用opencv中分水嶺算法對(duì)織物圖像進(jìn)行分割分色。

3 均衡組織庫(kù)設(shè)計(jì)

機(jī)織物的組織結(jié)構(gòu)是通過經(jīng)緯線的相互交織來完成的，根據(jù)織物的經(jīng)緯均衡原則[7]：織物的縮率與經(jīng)緯交織的次數(shù)有關(guān)。所以生成的組織要保證經(jīng)緯交織狀態(tài)改變次數(shù)要相同。而生成組織結(jié)構(gòu)的要素有很多，主要總結(jié)為5種，分別為方向、起點(diǎn)、枚數(shù)、飛數(shù)、點(diǎn)數(shù)。如圖3所示，以5枚緞紋進(jìn)行舉例分析，方向主要分為垂直方向和水平方向。起點(diǎn)指的是圖3第一列中，從下往上數(shù)第一行，每個(gè)組織點(diǎn)的不同位置；枚數(shù)指的是一個(gè)組織單元大小，圖3枚數(shù)為5；飛數(shù)指從下往上數(shù)第一行組織點(diǎn)與第二行組織點(diǎn)中間間隔的組織點(diǎn)個(gè)數(shù)，圖3中組織飛數(shù)為2；點(diǎn)數(shù)指的是每一行的組織個(gè)數(shù)，5枚緞紋中每一行中組織點(diǎn)的個(gè)數(shù)最多為4，即點(diǎn)數(shù)最多為4。根據(jù)上述均衡原理，每增加一個(gè)點(diǎn)數(shù)，每一行都需要增加，并且保持是連續(xù)的組織單元，因?yàn)檫@樣生成的組織庫(kù)中所有組織的交織次數(shù)是相同的，即它們之間任意替換不會(huì)改變織物的均衡狀態(tài)。

圖3 5枚緞紋的均衡組織庫(kù)

4 鋪組織策略

鋪組織策略是整個(gè)組織均衡方案至關(guān)重要的一部分，策略的好壞直接決定著彩色提花組織的均衡效果和整個(gè)鋪組織方案的時(shí)間效率。在上述均衡組織研究與色合計(jì)，織物分塊劃分思想的基礎(chǔ)上，本文提出了一種鋪組織策略，為了更好描述鋪組織策略，現(xiàn)做如下定義：

定義1令G為織物分色圖像的集合，G0,G1,G2,…,Gn分別為各個(gè)分色區(qū)域，n為分色區(qū)域的個(gè)數(shù)，即G=G0∪G1∪G2∪…∪Gn，每個(gè)顏色區(qū)域Gi都包含2個(gè)參數(shù)，即Gi(col,num)，其中col表示當(dāng)前區(qū)域的顏色，num表示當(dāng)前區(qū)域的大小，即區(qū)域像素點(diǎn)的個(gè)數(shù)。

定義2令S為設(shè)計(jì)的組織結(jié)構(gòu)的集合，S0，S1,S2,…,Sn分別為之前設(shè)計(jì)的組織，n為組織個(gè)數(shù)，每個(gè)組織結(jié)構(gòu)除了構(gòu)成自身的五個(gè)參數(shù)(方向、起點(diǎn)、枚數(shù)、飛數(shù)、點(diǎn)數(shù))外，還包含交織次數(shù)weaveNum，即Si(weaveNum)。

經(jīng)過上述定義，本文提出的鋪組織策略主要思想為：首先計(jì)算分色圖像的各個(gè)顏色和它對(duì)應(yīng)的區(qū)域大小，即Gi(col,num)。然后再根據(jù)排序算法對(duì)各個(gè)分色區(qū)域大小num進(jìn)行排序，按從大到小進(jìn)行排列，得出：G0>G1>G2>…>Gn。同理，對(duì)織物組織的交織次數(shù)進(jìn)行計(jì)算，然后根據(jù)排序算法對(duì)各個(gè)組織的交織次數(shù)weaveNum進(jìn)行排序，按從小到大的順序進(jìn)行排列，得出：Sn>Sn-1>…>S1>S0。最后，鋪組織時(shí)用最大的區(qū)域?qū)?yīng)交織次數(shù)最少的組織，第二大的區(qū)域?qū)?yīng)交織次數(shù)倒數(shù)第二小的組織，以此類推，最小的區(qū)域?qū)?yīng)交織次數(shù)最多的組織。這樣對(duì)于既定的圖像和組織結(jié)構(gòu)，可以使各個(gè)局部大致均衡，也盡可能地使整個(gè)織物圖像達(dá)到均衡。下面用圖4來詳細(xì)說明。

圖4 鋪組織策略示意圖

5 自適應(yīng)均衡算法

織物的交織均衡與組織點(diǎn)數(shù)目無關(guān)，而是由組織點(diǎn)的交織變化次數(shù)決定的，所以要想計(jì)算一幅組織圖是否均衡，就必須計(jì)算經(jīng)緯向的交織次數(shù)。假設(shè)彩色提花圖像的寬度和高度分別為W和H，然后遍歷彩色提花圖像來了解彩色提花的組織分布情況，從而計(jì)算彩色提花圖像經(jīng)緯向交織次數(shù)。本文以計(jì)算經(jīng)向組織均衡來舉例：

1) 首先通過一個(gè)參數(shù)來weaveNum來記錄每列的交織次數(shù)，紋織信息中的組織點(diǎn)point(x,y)可以表示成如下公式：

(1)

式中：0表示緯線在上，即緯組織點(diǎn)，1表示經(jīng)線在上，即經(jīng)組織點(diǎn)，所以在彩色提花圖像中每列的組織點(diǎn)由經(jīng)組織點(diǎn)變?yōu)榫暯M織點(diǎn)或者由緯組織點(diǎn)變?yōu)榻?jīng)組織點(diǎn)，則屬于一次交織次數(shù)變化，即weaveNum++。

2) 遍歷完整幅圖像，再計(jì)算當(dāng)前所有列平均組織點(diǎn)avgNum大小，平均組織點(diǎn)計(jì)算公式如下：

(2)

3) 最后通過每列的交織總數(shù)與平均交織點(diǎn)次數(shù)相比，看其絕對(duì)值是否在組織均衡誤差λ范圍內(nèi)，如果在范圍內(nèi)，則進(jìn)行后續(xù)的計(jì)算，如果不在誤差范圍內(nèi)，此時(shí)分為兩種情況：

(1) 當(dāng)該列組織交織變化次數(shù)大于整體均衡交織次數(shù)，則在該列的組織交織次數(shù)減去兩者的差值，即weaveNum-avgNum，而要減少組織交織次數(shù)，則需要將連續(xù)的經(jīng)組織點(diǎn)中間的緯組織點(diǎn)換成經(jīng)組織點(diǎn)，從而能夠減少交織次數(shù)，進(jìn)而滿足該列組織均衡。

(2) 當(dāng)該列組織交織變化次數(shù)小于整體均衡交織次數(shù)，則將該列的組織交織次數(shù)增加兩者的差值，即avgNum-weaveNum，而要增加交織次數(shù)，則需要在連續(xù)的緯組織點(diǎn)中將中間的緯組織點(diǎn)換成經(jīng)組織點(diǎn)，從而能夠增加交織次數(shù)，進(jìn)行使該列達(dá)到均衡。經(jīng)向組織均衡自適應(yīng)算法如下：

1 Procedure AdaptiveEqualization(W, H)

2 integer i,j,sum,avgNum,weaveNum(1:W)←0

3 for j←1 to W do

4 for i←1 to H do

5 if Point(i,j)≠Point(i+1,j) then weaveNum(j)++

6 endif

7 repeat

8 sum + = weaveNum(j)

9 repeat

10 avgNum = sum/W

11 for j←0 to W do

12 if |weaveNum(j)-avgNum |<λ then continue

13 else if weaveNum(j)>avgNum then

14 在該列減少weaveNum(j)-avgNum個(gè)交織次數(shù)

15 else 在該列增加avgNum-weaveNum(j)個(gè)交織次數(shù)

16 endif

17 endif

18 repeat

19 end AdaptiveEqualization

6 實(shí)驗(yàn)結(jié)果及分析

基于本文的均衡組織研究方案，對(duì)織物圖像來進(jìn)行鋪組織實(shí)驗(yàn)，并驗(yàn)證均衡情況。本文實(shí)驗(yàn)的硬件、軟件環(huán)境為：處理器：Intel(R) Core(TM) i3 CPU M 350 @2.27 GHz,內(nèi)存容量：2 GB；操作系統(tǒng)：WIN7 SP1 x86 旗艦版；仿真平臺(tái)：自主研發(fā)的彩色提花工藝系統(tǒng)。

6.1 分色實(shí)驗(yàn)分析

本文選取一幅宋錦織物圖像進(jìn)行實(shí)驗(yàn)，選擇的圖像大小240像素×300像素，圖像格式為JPEG，原圖像如圖5(a)所示，對(duì)原圖像進(jìn)行混合中值濾波后，消除了孤立的噪聲，圖像變得平滑，有利于后續(xù)處理。圖5(b)為分割分色后的圖像，剔除了原圖像中織物細(xì)縫處的像素，使織物中緯紗的主導(dǎo)色保持一致。

圖5 分色效果圖

6.2 組織庫(kù)設(shè)計(jì)

組織庫(kù)的設(shè)計(jì)是需要設(shè)計(jì)組織單元的5個(gè)影響參數(shù)，不同的組織庫(kù)設(shè)計(jì)需求是根據(jù)提花圖像的分色個(gè)數(shù)和用戶需要設(shè)計(jì)的紋理決定的。而本文設(shè)計(jì)的方案是需要能夠滿足對(duì)不同的組織都可以實(shí)現(xiàn)組織均衡，所以根據(jù)組織均衡原則和提花圖像分色個(gè)數(shù)生成如表1所示幾種組織。

表1 組織結(jié)構(gòu)信息

6.3 鋪組織實(shí)驗(yàn)

為了更好地展示實(shí)驗(yàn)效果，本文采用白色紗線來模擬組織點(diǎn)填充的情況，當(dāng)組織點(diǎn)為白色，說明當(dāng)前是經(jīng)組織點(diǎn)，即經(jīng)線在上，緯線在下。實(shí)驗(yàn)結(jié)果如圖6所示，(a)是分色之后的圖，(b)是鋪完均衡組織后的結(jié)果，(c)、(d)、(e)三幅圖則是鋪完組織圖的局部放大圖?？梢园l(fā)現(xiàn)，之前生成的均衡組織按照鋪組織策略進(jìn)行填充，并且不同的顏色區(qū)域?qū)?yīng)著不同的組織結(jié)構(gòu)。

圖6 組織填充效果效果

不過也可以發(fā)現(xiàn)，對(duì)于顏色區(qū)域比較大的區(qū)域，組織結(jié)構(gòu)很好地填充進(jìn)去，而對(duì)于復(fù)雜的區(qū)域，分色圖中區(qū)域分色不完全，也會(huì)造成少量組織不能鋪上去。不過這不影響最后的組織均衡，因?yàn)橥ㄟ^圖7可以看出，在鋪完組織之后，宋錦織物的列交織狀態(tài)變化次數(shù)整體在130次上下波動(dòng)，并在允許的誤差范圍之內(nèi)，而影響組織均衡的因素就是交織次數(shù)，所以可以得出該織物圖像是列交織均衡的。

圖7 宋錦織物組織列交織數(shù)據(jù)

案例二選用簡(jiǎn)單花形織物圖像，大小為480像素×300像素，圖像格式為JPEG，依據(jù)花形織物圖像的分色結(jié)果，通過設(shè)置組織結(jié)構(gòu)的5個(gè)參數(shù)來確定一個(gè)組織，自定義生成以下組織結(jié)構(gòu)，如表2所示。

表2 組織結(jié)構(gòu)信息

為了更好地顯示實(shí)驗(yàn)效果，實(shí)驗(yàn)中用不同于織物區(qū)域的顏色作為組織點(diǎn)，可以更好地看出組織填充的情況，實(shí)驗(yàn)結(jié)果如圖8所示。(a)為織物分色結(jié)果圖，(b)為鋪組織實(shí)驗(yàn)結(jié)果圖，(c)-(g)則是對(duì)應(yīng)每個(gè)分色區(qū)域的局部放大圖。該分色圖圖案相比宋錦織物較為簡(jiǎn)單，分色效果較好，從圖中可以看出，局部放大圖中的組織都一一對(duì)應(yīng)著之前設(shè)計(jì)的組織，而且可以看出織物圖像的邊界處也都鋪上了組織。從圖9中也可以發(fā)現(xiàn)，通過均衡組織計(jì)算，花形織物的鋪完組織后的組織交織次數(shù)基本維持在160次左右，上下波動(dòng)幅度在誤差允許范圍之內(nèi)。所以根據(jù)之前研究結(jié)論可以得出該織物是滿足列組織均衡的。

圖8 花形織物鋪組織實(shí)驗(yàn)圖

圖9 花形圖像列交織數(shù)據(jù)

本文提出的整個(gè)鋪組織方案，與傳統(tǒng)鋪組織環(huán)節(jié)相比，時(shí)間上有了很大的提升。傳統(tǒng)鋪組織先對(duì)不同的局部進(jìn)行鋪組織，并在最后手動(dòng)修改局部不均衡的組織，所需時(shí)間隨著根據(jù)設(shè)計(jì)人員的熟練程度而改變，一般都需要1 min以上。而本文方案自動(dòng)化實(shí)現(xiàn)組織均衡，避免了手動(dòng)修改的麻煩，應(yīng)用本文方案的案例一所需時(shí)間14 s，案例二分色區(qū)域相對(duì)多些，所需時(shí)間20 s，所以總體而言跟傳統(tǒng)方法相比在時(shí)間效率上有較大的提升。

7 結(jié) 語

本文提出的彩色提花組織結(jié)構(gòu)自適應(yīng)均衡的方法，對(duì)織物圖像濾波、分色、均衡組織庫(kù)的生成、鋪組織策略、組織自適應(yīng)調(diào)整進(jìn)行了研究與實(shí)現(xiàn)。目前，國(guó)內(nèi)關(guān)于織物組織均衡方法的研究還比較少，而本文提出的方案應(yīng)用在課題組研發(fā)的彩色提花工藝系統(tǒng)中。實(shí)驗(yàn)結(jié)果表明該方案能夠?qū)崿F(xiàn)自動(dòng)鋪組織，并保證織物組織自適應(yīng)均衡的效果，由傳統(tǒng)手動(dòng)設(shè)計(jì)轉(zhuǎn)變?yōu)樽詣?dòng)化操作，能夠有效節(jié)約設(shè)計(jì)人員的時(shí)間成本，為當(dāng)前行業(yè)中主流彩數(shù)碼色提花工藝系統(tǒng)的研究提供了核心算法支持。

[1] 王穎,李鵬飛.印花織物自動(dòng)分色系統(tǒng)[J].西安工程大學(xué)學(xué)報(bào),2016,30(1):52-57.

[2] Pan R,Liu J,Gao W,et al.Automatic detection of the layout of color yarns with logical analysis[J].Fibers and Polymers,2012,13(5):664-669.

[3] Karoui I,Fablet R,Boucher J M,et al.Variational region-based segmentation using multiple texture statistics[J].IEEE Transactions on Image Processing,2010,19(12):3146-3156.

[4] 浙江絲綢工學(xué)院.織物組織與紋織學(xué)(上冊(cè))[M].2版.中國(guó)紡織出版社,1981.

[5] 李志祥.電子提花技術(shù)與產(chǎn)品開發(fā)[M].紡織工業(yè)出版社,2000.

[6] Kuo C F J,Jian B L,Tung C P,et al.Automatic machine embroidery image color analysis system,part II:Application of the genetic algorithm in search of a repetitive pattern image[J].Textile Research Journal,2012,82(11):1099-1106.

[7] 周赳,吳文正.基于數(shù)碼技術(shù)的機(jī)織物組織設(shè)計(jì)原理和方法[J].紡織學(xué)報(bào),2007,28(4):48-51.

[8] Tarabalka Y,Chanussot J,Benediktsson J A.Segmentation and classification of hyperspectral images using watershed transformation[J].Pattern Recognition,2010,43(7):2367-2379.