數字圖像處理技術在紡織服裝領域的研究進展

付國定，陳 樺，劉 紅，亓 延

(1.西安工業大學 電子信息工程學院，西安 710032；2.江南大學 紡織服裝學院，江蘇 無錫 214122)

數字圖像處理技術在紡織服裝領域的研究進展

付國定1，陳 樺1，劉 紅2，亓 延2

(1.西安工業大學 電子信息工程學院，西安 710032；2.江南大學 紡織服裝學院，江蘇 無錫 214122)

從纖維、紗線、織物和服裝等方面闡述了數字圖像處理技術在紡織服裝領域的應用，介紹了基于數字圖像處理技術的檢測手段與傳統檢測方法的異同，指出基于數字圖像處理技術的檢測方法在紡織服裝領域的發展趨勢。

圖像處理技術；檢測方法；紡織；服裝

數字圖像處理指的是利用數字計算機及其他相關的數字技術，對圖像施加某種運算和處理，從而達到某種預想的目的，其起源于20世紀20年代[1]。早期，圖像處理的目的是改善圖像質量，以人為對象，改善其視覺效果，經常用的方法有圖像增強、圖像分割、邊緣提取、形態學分析、圖像壓縮編碼等。圖像處理首次得到實際應用是在美國的噴氣推進實驗室，隨后被應用于航天、航空、通信電子、工業工程、生物醫學、軍事公安和文化藝術等各個領域。20世紀80年代后期，圖像處理技術進入紡織檢測領域，從原料到成品的檢測，都可以借助圖像處理技術來完成[2]。

筆者通過對圖像處理技術在紡織服裝領域應用的分析和總結，提出了今后圖像處理在該領域的發展趨勢。

1 圖像處理技術在紡織領域的應用

圖像處理技術在紡織領域最初被用于地毯磨損的檢測，隨后被越來越廣泛地應用于紡織領域的各方面。

1.1 纖維方面

1.1.1 羊毛纖維細度和卷曲度的檢測

羊毛細度是表示纖維品質的重要指標。傳統的檢測方法為顯微鏡投影法和氣流儀法。顯微鏡投影法適應面廣，可直接觀察纖維的表面形態，但缺點是操作、計算復雜，精度低。氣流儀法快速簡便、數據穩定，但缺點是易受纖維吸濕性能影響且不能測試異質毛的細度。應用圖像處理技術測量羊毛細度，先將纖維切片經顯微鏡光學放大，投影在工業攝像機的光電轉換器上，以數字化電子圖像形式被輸入到計算機，然后對圖像進行柔化、二值化、去除干擾等處理，得到滿意的纖維實時輪廓后，對纖維的細度進行測量[3]。Deng等[4]基于圖像處理技術，采用了一種新的方法測量了羊毛纖維的直徑，該方法應用Matlab軟件對羊毛纖維截面進行了一系列的圖像處理，提取了羊毛纖維的特征參數，然后進行一些參數估計，如平均直徑、標準偏差等，結果表明該方法適合羊毛纖維直徑的實際測量。

羊毛卷曲能造成織物物理性質及表觀的不同，因此，對其檢測和分析是必要的。傳統的卷曲檢測方法是采用纖維卷曲彈性儀測量一些相關指標：卷曲率、卷曲數、殘留卷曲率和卷曲彈性回復率等。該方法測試指標多，能較全面地體現卷曲多方面的性質，但受觀測者的影響較大，并費時、費力。采用圖像處理方法檢測羊毛纖維的卷曲度，首先對攝取的圖像進行濾波去噪，再通過計算處理得到纖維的二值圖像，然后進行輪廓跟蹤、纖維特征抽取和識別，以及卷曲頻數、波幅、伸長率等有關參數的計算和分析[5]。

采用圖像處理技術檢測羊毛細度和卷曲度有利于提高測量精度、縮短檢測周期、降低勞動強度[6]。

1.1.2 羊毛與羊絨纖維表面形態的識別

識別羊毛和羊絨纖維是紡織領域的一個難點，尤其是區別羊絨與超細羊毛、拉細羊毛的細度等。傳統的識別方法是采用光學顯微鏡進行鑒別，其判斷依據是纖維細度，但不能很好地獲得鱗片的細節圖像數據，且需要依靠測量者自身經驗來鑒別，誤差較大。而采用圖像處理技術識別羊毛與羊絨纖維，是基于掃描電子顯微鏡拍攝的羊毛和羊絨圖像，依照其表面鱗片的形態特征，應用灰度差值、模板代換、邊界搜索、輪廓跟蹤、拐點分析等圖像處理與識別的方法，來處理表面鱗片形態，對羊絨和羊毛纖維進行自動識別。該方法可用來代替人眼對羊毛和羊絨纖維的識別，減少誤差，提高檢測精度與速度[5]。Shang等[7]在Matlab 7.0的模擬環境下進行模擬試驗，研究了4種羊絨和羊毛，找出了纖維直徑的6個特點，并最終通過使用貝葉斯模型鑒定和得到這6大特征的分布，該方法能有效鑒別羊毛和羊絨。蔣高平等[8]為了能快速區分與檢驗羊毛和羊絨，先用光學顯微鏡獲取羊絨和羊毛的圖像，然后通過圖像處理得到羊絨和羊毛的表面信息，再通過投影獲取羊絨和羊毛表面對應的譜線，并對譜線進行分割，根據兩者譜線特性的不同，提取譜線的參數，最后通過對這些參數的分析進行識別。結果表明，該方法識別快速準確，精度也較高。

1.1.3 化學纖維異形度的檢測

異形纖維的評定方法主要是采用手工目測法，人為影響因素較大，且檢測精度較差和速度也慢。采用數字圖像技術測量化學纖維異形度是對攝取的化學纖維截面圖像進行平滑、中值濾波、去除噪聲、邊緣銳化及直方圖均衡化處理，計算形心點、纖維截面積、纖維截面內切圓與外接圓半徑及理論半徑，最終確定化纖的異形度。這種方法可以排除一些人為的干擾因素，提高檢測的速度和精度[5]。

1.1.4 棉纖維成熟度的檢測

棉纖維成熟度的傳統檢測方法是中腔胞壁對比法。它采用普通生物顯微鏡沿縱向逐根觀察，按照棉纖維中腔的寬度和胞壁的厚度之比來確定纖維成熟度，用成熟度系數表示。其缺點是有時會找不到合適部位來確定壁厚與腔寬，即使確定也會存在一定的人為誤差。而基于采集到的棉纖維形態影像，應用計算機技術對圖像進行處理，通過輪廓跟蹤算法得到預處理后的棉纖維邊界，然后根據輪廓方向判斷輪廓的轉折點，分析得到相關的特征數據，最后計算出成熟度參數，則能夠大大提高測量數據的可靠性。

1.2 紗線方面

1.2.1 紗線混紡比檢測

傳統測量方法是人工識別，但費時、費力，且精度低。采用圖像處理技術檢測紗線混紡比的過程是，將紗線切面圖像輸入計算機，進行濾波去噪、局部灰度均勻度調整、二值化、黏連纖維分割、標記圖像等處理，然后提取纖維截面形狀的常規特征量，根據特征量的不同計算混紡比。該方法結果準確、客觀，且測量效率較高[5，9]。袁利華通過數學形態學操作對紗線的截面圖像進行預處理，在背景和目標之間形成了明顯的灰度差異，使用光斑擴散法獲得圖像中每個纖維截面的輪廓線，構建特征指標，抽取特征數據，最終對特征數據進行聚類和分類，算出滌棉的混紡比。研究結果表明該方法具有可行性，誤差在可接受范圍內[10]。

1.2.2 紗線毛羽檢測

傳統測量方法多以投影計數為基礎，通過計算凸出紗線主體3 mm的纖維根數來獲得紗線的毛羽參數，其結果受紗線運動速度的影響較大，誤差較大[6]。而采用圖像處理技術檢測紗線毛羽的基本原理是應用CCD攝像頭攝取以一定速度運動的紗線圖像，再通過A/D轉換，將圖像數字化并將數據輸入軟件系統，運用計算機分析紗線圖像，最后輸出所需指標，得到紗線毛羽的相對評定值[11]。該方法不需購買專門儀器，成本低，運算快，提高了工作效率。盧明等[12]運用計算機，采用適當方法對紗線毛羽圖像進行預處理，分析圖像特征，分別得出帶毛羽紗線和不帶毛羽紗線的圖像面積，計算出紗線相對毛羽率。結果表明，該方法分割效果好，運算速度快，不需購買專門儀器，具有較高的實用價值。Wang等[13]基于圖像處理技術檢測了紗線的毛羽，首先使用數碼相機獲取紗線圖像，然后使用圖像處理技術提取紗線輪廓，通過最小外接矩形計算紗線長度，通過像素搜索方法計算毛羽長度，最后，通過參考物體的實際長度和像素長度之間的比例關系得到毛羽指數，試驗結果表明該方法提高了紗線毛羽測試的效率和精確度[13]。

1.2.3 紗線均勻度檢測

目前檢測紗線不勻的主要方法是目測法及儀器測量法。目測法是通過觀測紗線在黑板上的陰影，記數棉結等來評價紗線的外觀質量，該法主觀性強、工作繁重。儀器測量法采用電容式纖度均勻度儀通過測量紗線橫截面積的纖維根數去測量紗線的直徑，該法對環境及試樣各段濕度均勻程度的要求較高[2]。采用圖像處理技術對紗線纖度均勻度進行檢測，首先是采用數碼成像設備采集紗線圖像，將紗線圖像進行二值化及數學形態學中的膨脹、腐蝕、結構開、結構閉等運算處理，然后提取紗線纖度的特征，最后對紗線的質量進行判定。該方法方便、快捷、準確[14]。

1.3 織物方面

1.3.1 織物密度檢測

傳統的織物密度檢測是采用密度鏡或照布鏡，通過人眼觀測，數出單位長度內的經紗或緯紗的根數。該方法儀器簡單，但費時，且會因人的疲勞情況出現較大誤差。應用圖像處理技術檢測織物密度的過程是，先將攝取的織物圖像輸入到計算機內，對圖像進行預處理，將經過預處理的圖像進行傅立葉變換，然后提取特征點，與預先確定的織物標定尺寸和數碼相機的分辨率相結合，即可計算出織物密度，該方法測量速度快、精度高[3,15]。Zhou等[16]根據絲織物特點，采用多尺度小波分解法測量了絲織物密度，通過試驗發現，小波多尺度分析是一種從織物圖像中提取細節特征的理想方法，結果表明該方法優于正常的小波分解，能夠有效且準確地自動測量絲織物密度。

1.3.2 織物疵點檢測

傳統的織物疵點檢測由人眼目測完成，但速度慢、工作強度大，結果受操作者經驗、熟練度等因素的影響，缺少可靠性和一致性。采用圖像處理技術檢測織物疵點的程序與檢測紗線和纖維的基本一致，首先采集織物圖像并輸入到計算機，對圖像進行預處理，然后進行疵點部分的特征提取，最后對織物疵點進行智能識別。該方法能快速、準確、有效地進行織物疵點檢測。Tsai等采用BP神經網絡技術檢測織物缺經、斷緯、破洞和油污等疵點，其分類正確率達到88 %。Hu等[18]應用最優小波包和人工神經網絡技術檢測了4種織物的疵點。缺經、斷緯、破洞和油污的檢測正確率達到100 %。Zhang等采用圖像距離差的算術運算方法進行了織物疵點檢測，該系統允許用戶基于織物類型設置織物疵點檢測的相應控制參數，能檢測30余種常見疵點，并具有較高的速度及正確率[19]。

1.3.3 織物懸垂性能檢測

傳統測試方法是應用投影法測試懸垂系數，但該法指標單一，且結果精度不高。應用圖像處理技術測試織物懸垂性的過程是，由CCD攝像頭采集織物懸垂圖像，以灰度圖像格式存儲到計算機中，然后對圖像進行濾波、二值化、邊緣增強等預處理，保留和懸垂相關的信息，最后分析圖像的形態結構，提取各種特征參數，計算表征織物懸垂性能的各種指標。該方法能快速地得到表征織物懸垂程度和形態的多個指標，信息全面，準確度高，且能進行動態測量[3,9]。

1.3.4 織物起毛起球評定

傳統的評定方法是標樣對照評級法，操作繁雜，每一類織物必須制定各自相應的標準樣照，并且結果受人為因素影響很大。應用圖像處理技術評定織物起毛起球的過程是，將織物按規定條件摩擦起毛起球后，采集表面圖像，對圖像進行處理，保留有用的毛球信息及使毛球邊緣變得相對光滑，最后給出毛球的尺寸、形狀、數量、總面積、密度、空間均勻度等多種指標，該方法結果客觀，減少了人為因素的影響[3]。Liu等[20]基于圖像處理技術，構建了一個織物起毛起球的評價體系，體系中邊緣流量法被用來實現復雜織物的起毛起球分割。該系統提取了起毛起球的特征參數并描述了級數之間的關系，最后在三維空間中織物起毛起球級數的評價通過使用最少距離方法來實現，試驗結果顯示該方法應用廣泛，且結果良好[20]。

2 圖像處理在服裝領域的應用

基于數字圖像處理的檢測技術在紡織領域的應用已經日趨成熟，但是在服裝領域的應用卻不是很多。服裝領域的一些檢測，如縫制外觀檢測、服裝黏合襯膠粉粒度檢測、服裝褶皺檢測等，現在主要還是利用手感、目測等手段檢測，但這些手段往往會受到檢測人員的主觀因素干擾，可重現性差，效率低。如今很多服裝工作者已經注意到了這個問題，發現應用數字圖像處理技術能夠減少人為因素的影響，能夠科學、客觀、高效地完成一些服裝的檢測。為了實現成衣疵點的自動檢測，張明艷等利用數字圖像處理與模式識別技術研究了服裝縫紉工藝疵點的識別分類。該研究分析了服裝縫線疵點系統的體系結構，采集了服裝縫線樣本的圖像，并將其分類。進行服裝縫線樣本圖像的預處理和分割，提取服裝縫線疵點的特征，最后進行服裝縫線疵點的識別分類研究[21]。池金米等拍照采集了男襯衫的樣品圖像，采用直方圖均衡化、中值濾波等技術對圖像進行增強去噪處理，然后進行閾值分割。分別為單線、雙線線跡和對稱性特征設計了具體的檢測算法，并應用MATLAB實現雙線線跡的檢測。結果表明，該方案能有效實現男襯衫縫制外觀的質量檢測[22]。陸國琴等[23]應用MATLAB圖像處理軟件對拍攝的黏合襯膠粉顆粒圖像進行預處理，通過開發的程序對圖像形態進行分析。試驗表明，應用這種方法能夠準確地檢測出顆粒面積、平均徑長、周長、圓整度等參數。該方法操作簡單，測量速度快、精度高。陳雁等[24]通過對服裝表面褶皺圖像的處理，提取了以灰度為基礎的評價指標體系，提出了褶皺數、褶皺深度、褶皺寬度和褶皺不勻度等服裝褶皺的評價指標，以期對服裝表面褶皺這一視覺效果進行數字化描述。結果表明這些指標能很好地反映褶皺的形態特征。

3 圖像處理技術在紡織服裝領域的發展趨勢

通過上述研究情況可以發現，基于圖像處理技術檢測紡織品的研究多集中在外觀及物理性能的檢測，如纖維細度、紗線纖度均勻性、織物疵點、密度、懸垂性等。而關于織物功能性檢測的研究卻不多，只有較少文獻做了關于圖像處理技術應用于織物導濕和防水性能的測試研究。并且，這種基于圖像處理技術檢測織物功能性的研究的技術方法還不太成熟，許多方法裝置復雜，易產生誤差，存在著很多與實際環境不相符的情況，還只是處于實驗室研究階段。因此，在以后的研究中，應加大在紡織品功能性檢測方面的研究。

關于數字圖像處理技術在服裝領域的應用，近幾年才有專家學者開始研究，目前，數字圖像處理在服裝領域的應用基本上都集中于服裝縫紉線跡疵點的研究。因此，在服裝領域，應擴大其應用范圍，將基于圖像處理的檢測技術貫穿于服裝生產的整個過程。

[1]狄煒，徐伯俊.數字圖像處理在紡織中的應用及發展[J].上海紡織科技，2002，6(30)：61-62.

[2]周絢麗，成玲.計算機圖像處理技術在紗線質量檢測中的應用[J].紡織科技進展，2008(1)：32-34.

[3]鄒清云.計算機圖像處理技術在紡織測試中的應用[J].河南紡織高等?？茖W校學報，2006，18(1)：19-21.

[4]DENG Z M, WEI K. A new measuring method of wool fiber diameter based on image processing[C]. 2010 2nd International Conference on Signal Processing Systems,Wuhan, 2010: 2587-2590.

[5]丁雪榮.基于MATLAB圖像處理技術的針織物結構參數測量的研究[D].天津：天津工業大學，2005.

[6]王彥霞，欒文彥.采用數字圖像處理技術測量羊絨細度研究[J].激光與紅外，2002，32(2)：121-123.

[7]SHANG S Y, LIU Y X, YI H Y, et al. The research on i d e n t i f i c a t i o n o f w o o l o r c a s h m e r e f i b r e based on the digital image[C].Proceedings of the Ninth International Conference on Machine Learning and Cybernetics, Qingdao, 2010:11-14.

[8]蔣高平，鐘躍崎，王榮武.基于譜線特征的羊絨與羊毛的鑒別[J].紡織學報，2010，31(4)：15-19.

[9]陳勇，溫演慶，朱譜新.計算機圖像處理技術應用于紡織檢測[J].紡織科技進展，2006(6)：7-10.

[10]袁利華.利用圖像處理和分析技術測定滌棉混紡比[J].絲綢，2009(4)：44-46.

[11孟憲鴻，陳躍華.數字圖像處理法測紗線毛羽的方法會談儀器[J].上海紡織科技，2003，31(4)：15-16.

[12]盧明，劉一萍.紗線毛羽圖像的二值化處理及其Matlab實現[J].山東紡織科技，2009(2)：37-38.

[13]WANG X H, WANG J Y, ZHANG J L, et al. Study on the detection of yarn hairiness morphology based on image processing technique[C]. 2010 International Conference on Machine Learning and Cybernetics, Qingdao, 2010:2332-2336.

[14]邵東鋒，張一心.基于圖像處理的紗線條干檢測[J].上海紡織科技，2005，33(8)：37-38.

[15]劉劍云.利用圖像識別技術測量織物密度的研究[D].天津：天津工業大學，2007.

[16]ZHOU J, LI L Q. Automatic inspection of silk fabric density based on multi-scale wavelet analysis[J].Advanced Materials Research, 2011(175-176): 371-375.

[17]TSAI I S, HU M C. Automatic inspection of fabric defects using an artificial neural network technique[J]. Textile Research Journal, 1996, 66(7): 174-182.

[18]HU M C, TSAI I S. Fabric inspection based on best wavelet packet bases[J].Textile Research Journal,2000,70(8): 662-670.

[19]ZHANG J M, LI L R. A new algorithm for fabric defect detection based on image distance difference[C]. 2009 Third International Symposium on Intelligent Information Technology Application, Nanchang, 2009: 217-219.

[20]LIU X J, HAN H B, LU Y S, et al. The evaluation system of fabric pilling based on image processing technique[C].Proceedings of 2009 International Conference on Image Analysis and Signal Processing, Taizhou, 2009: 44-47.

[21]張明艷.基于圖像分析的服裝縫線疵點的識別研究[D].上海：東華大學，2008.

[22]池金米，和艷君，鄒奉元.基于圖像處理技術的男襯衫縫制外觀質量檢測[J].浙江理工大學學報，2009，26(3)：339-342.

[23]陸國琴，陳慶官，郭恒勇.圖像處理在服裝粘合襯膠粉粒度測量中的應用[J].國外絲綢，2008(4)：9-10.

[24]陳雁，陳偉偉.圖像處理技術在服裝褶皺評價中的應用[J].紡織學報，2006，27(9)：94-96.

Overview of research on image processing technology in textile and clothing fi eld

FU Guo-ding1, CHEN Hua1, LIU Hong2, QI Yan2?
(1. School of Electronic Information Engineering, Xi'an Technological University, Xi'an 710032, China; 2. School of Textile and Clothing, Jiangnan University, Wuxi 214122, China)

The application of image processing technology in textile and clothing field was elaborated from fibers, yarns, fabrics and clothing, etc. The testing methods based on image processing technology and traditional testing methods were compared in this paper. Finally, the trend of testing methods based on image processing technology in textile and clothing field was illustrated.

Image processing technology; Testing method; Textile; Clothing

TN911.73

A

1001-7003(2011)12-0022-04

2011-08-26；

2011-10-02

福建省教育廳科技項目(JB09192)；福建省科技廳社會發展重點項目(2010Y0042)

付國定(1981－ )，男，碩士研究生，研究方向為圖像處理與計算機視覺。