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)
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(guò)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(lái)研究。
目前,織物圖像的分色方法[1]主要有特征聚類(lèi),基于區(qū)域的方法或邊緣檢測(cè)等。特征聚類(lèi)算法:比如模糊C均值[2],需要事先確定分類(lèi)個(gè)數(shù),初始參數(shù)對(duì)分類(lèi)結(jié)果有較大影響,并且沒(méi)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(lài)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(chēng)為經(jīng)緯交織均衡[7]。在過(guò)去紋版設(shè)計(jì)過(guò)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(guò)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(guò)程中沒(méi)有滿足經(jīng)緯交織平衡,將導(dǎo)致織物在實(shí)機(jī)織造過(guò)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(wèn)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(guò)計(jì)算織物經(jīng)緯交織次數(shù)來(lái)驗(yàn)證所鋪的組織是否有效。
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(méi)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
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(guò)程中可能會(huì)產(chǎn)生各種噪聲,如果使用中值濾波來(lái)進(jìn)行平滑處理,可能會(huì)存在噪聲擴(kuò)散或者過(guò)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
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(chēng)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。
機(jī)織物的組織結(jié)構(gòu)是通過(guò)經(jīng)緯線的相互交織來(lái)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)
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(guò)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(lèi)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(lái)詳細(xì)說(shuō)明。
圖4 鋪組織策略示意圖
織物的交織均衡與組織點(diǎn)數(shù)目無(wú)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(lái)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(lái)舉例:
1) 首先通過(guò)一個(gè)參數(shù)來(lái)weaveNum來(lái)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(guò)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
基于本文的均衡組織研究方案,對(duì)織物圖像來(lái)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)。
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
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
為了更好地展示實(shí)驗(yàn)效果,本文采用白色紗線來(lái)模擬組織點(diǎn)填充的情況,當(dāng)組織點(diǎn)為白色,說(shuō)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(guò)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(guò)這不影響最后的組織均衡,因?yàn)橥ㄟ^(guò)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(guò)設(shè)置組織結(jié)構(gòu)的5個(gè)參數(shù)來(lái)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(guò)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。
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(kāi)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.