洗后織物外觀平整度客觀評級中的若干問題

徐平華， 丁雪梅， 王榮武， 吳雄英

(1. 東華大學(xué) 服裝·藝術(shù)設(shè)計學(xué)院， 上海 200051； 2. 東華大學(xué) 現(xiàn)代服裝設(shè)計與技術(shù)教育部重點實驗室 ， 上海 200051； 3. 東華大學(xué) 紡織學(xué)院， 上海 201620； 4. 上海出入境檢驗檢疫局， 上海 200135)

紡織服裝在家庭日常護理及工業(yè)洗滌過程中受到諸多因素的影響，外觀形態(tài)發(fā)生改變，降低衣物的外觀美感和服用性能。織物外觀形態(tài)評價指標(biāo)通常包括洗后外觀平整度、接縫外觀平整度、折皺及褶裥外觀等級。其中，外觀平整度直觀地體現(xiàn)了紡織服裝的整體抗皺性能，成為服裝設(shè)計、抗皺整理效果、洗滌設(shè)備程序設(shè)定及洗滌劑效力等的有效評價指標(biāo)。

目前各國檢測機構(gòu)常用的評價方法仍然是林克爾試驗儀外觀法。該方法屬于主觀評價，各級檔差不均衡且受到個體生理、心理及環(huán)境因素的影響，精度低，再現(xiàn)性差，難以滿足當(dāng)前檢測需求[1-2]，因此，相關(guān)研究人員通過多種途徑，試圖獲得精確的織物表面形態(tài)及有效的折皺評價指標(biāo)，對織物平整度進行快速、客觀的評價。數(shù)字圖像技術(shù)具有非接觸、速度快、精度高、可重復(fù)測量等優(yōu)點,自20世紀(jì)90年代，眾多研究人員已將此技術(shù)應(yīng)用于織物的外觀評價[3]。目前，部分方法已能夠有效評價素色及簡單組織的織物，但是對花色織物等的準(zhǔn)確評價仍難以實現(xiàn)，不能有效地替代人工評級。至今，通用的檢測設(shè)備和權(quán)威的檢測標(biāo)準(zhǔn)仍未出現(xiàn)。

為此，在回顧和總結(jié)國內(nèi)外織物洗后外觀平整度研究的基礎(chǔ)上，本文著重對目前研究過程中存在的若干問題進行了評述，探析客觀評價中的重點和難點，并結(jié)合當(dāng)前計算機視覺成像的發(fā)展現(xiàn)狀，提出該領(lǐng)域研究的未來發(fā)展方向。

1 織物外觀平整度客觀評價現(xiàn)狀

目前檢測機構(gòu)大都依照相關(guān)標(biāo)準(zhǔn)對洗后織物進行主觀評價。該方法源于1967年的林克爾試驗儀外觀法，其要求在特定的光照條件及觀測角度下，由3名經(jīng)驗豐富的人員對比洗后織物與標(biāo)準(zhǔn)樣照，給出平整度等級。由于織物折皺情況多樣，僅有的6個樣照并不能反映所有類型的折皺程度；不同個體評價結(jié)果具有較大的離散性，且耗時長；尤其對條格、深色或花色織物，難以作出準(zhǔn)確的判斷。

常見的織物外觀平整度客觀評價研究思路如圖1所示。根據(jù)不同的分析需求，采用不同的圖像采集方式，其采集的圖像決定了后期的分析質(zhì)量；對圖像進行適當(dāng)預(yù)處理(如灰度化、去噪等)后，對圖像進行分析；特征提取及綜合評價階段是對織物外觀平整度特征進行提煉，提出符合實際折皺效應(yīng)的指標(biāo)加以描述。

圖1 常見織物外觀平整度客觀評價研究思路Fig.1 Objective evaluation pipeline of fabric smoothness appearance

在織物外觀平整度客觀評價方面，常見的思路分為2類(如圖1所示)：一類是研究二維圖像像素信息及其分布規(guī)律，提取特征值并運用相關(guān)方法進行判定；另一類屬于圖像處理和圖像理解范疇，運用多幅圖像的信息進行融合，重建織物的三維形態(tài)，對其空間特征進行分析和等級判定。

1.1 基于灰度圖像的特征分析

將1幅圖像的眾多像素點歸結(jié)為256個特征值，見圖2、圖3。

圖2 織物經(jīng)家庭洗滌后的外觀形態(tài)Fig.2 Photograph of fabric after home laundering

圖3 取自圖2織物局部圖像的灰度值Fig.3 Gray image of local fabric fromFig.2

理想條件下，素色布樣絕對平整，則每一點的灰度值應(yīng)該相等。隨著織物折皺程度的增加，該灰度曲面的起伏將會加劇。基于二維圖像的評價起初均通過評定灰度曲面起伏程度的方法評定織物折皺[3]。盡管單幅圖像的亮度值在一定程度上能夠體現(xiàn)織物的折皺效應(yīng)，但多色及復(fù)雜組織織物中的紋理和組織點會嚴(yán)重干擾特征指標(biāo)的提取[4]。圖像受到外界光照條件的影響，若完全依賴于圖像的亮度信息，不能準(zhǔn)確地評價這些織物。

基于灰度圖像信息的特征提取大致分為3類(見表1)：1)基于空間域信息，提出相應(yīng)的統(tǒng)計特征；2)采用傅里葉、小波變換等技術(shù)，從頻率域角度提出相應(yīng)的特征指標(biāo)；3)利用圖像的灰度位置的聯(lián)合信息，從紋理和分形角度提出相應(yīng)的特征。

表1 織物外觀平整度特征指標(biāo)Tab.1 Fabric smoothness appearance characteristics

1.2 基于激光三角測量技術(shù)的特征提取

采用激光掃描探測器等光柵進行投影，通過獲取變形的光斑圖像，可計算得到織物的高度信息，將織物的三維形態(tài)在計算機上進行重建。如圖4[3]所示。依據(jù)激光三角法原理，基于光程時差可準(zhǔn)確地描述出織物的深度信息h。其中O為光源，P為接收器感光點，W(y,z)為被測物體的表面一點。在早期的研究階段，曾試著采用單個激光線生成器來獲取樣品表面形態(tài)，然后再根據(jù)一個經(jīng)驗方程式評估樣品折皺等級。1998年Xu Bugao等[22]、2001年Kang等[23]、2002年Hu等[19]、1996年Amirbayat 等[18]、2010年Hesarian[24]、2012年Javier[25]分別利用主動式光柵投影法對織物的外觀形態(tài)進行研究，取得了一定的進展。采用一個多功能激光發(fā)射器來掃描樣品剖面，然后運用人工神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行分級。這種方法符合人眼觀測習(xí)慣，同時可以避免紋理和顏色的影響。

圖4 激光三角法原理示意圖Fig.4 Laser triangulation schematic diagram

1.3 基于光度立體視覺法的特征提取

光度立體視覺法于1980年由Woodhan[26]提出，利用反射圖理論研究出了光度立體視覺法以獲得對象的表面立體形態(tài)，其思路是采用多個方向的光照模型，獲得不同光照的二維灰度投影圖，進而運用差分等算法對織物進行三維表面重建(如圖5[26]所示)。定義物體表面某點的梯度是(p,q),該點的輻射度為R(p,q),I(p,q)為圖像灰度函數(shù)。通過建立場景表面形狀信息和二維圖像灰度信息間的關(guān)系，從而繪制物體三維形狀。

圖5 光照立體視覺圖原理Fig.5 Light stereoscopic vision

光照效果決定了圖像的質(zhì)量，對后期的圖像分析起著決定性的作用，因此需要在封閉的環(huán)境下進行圖像的采集，以避免外界燈光對照射的影響[1,4]。徐建明[4]、黃秀寶等[27]對此分別作了研究，重建出織物的三維模型。

1.4 基于雙目立體視覺法的特征提取

人的雙眼在觀察物體的時候，大腦會自然地對物體有一定深度或遠(yuǎn)近的意識，產(chǎn)生這種意識的效應(yīng)稱為立體效應(yīng)。雙目立體視覺仿照這種效應(yīng)的原理，采用2個攝像機從不同角度去觀察同一目標(biāo)，并同時獲取目標(biāo)的2幅圖像，通過目標(biāo)在成像中的相對視差(Pl-Pr)恢復(fù)其三維信息，達(dá)到立體定位的效果[28]，雙目立體成像示意圖如圖6所示。其中P(x,y,z)為物體上一點，Ol、Or分別為左右視圖的光心。

圖6 理想雙目立體視覺定位原理Fig.6 Ideal binocular stereo vision

1.2～1.4中所提出的方法均試圖重建出織物的三維形態(tài)。對獲得的織物高度及位置信息進行分析，以點或三角網(wǎng)格等形式將織物的外觀形態(tài)展示在計算機中，通過提取相應(yīng)的特征值描述織物的折皺情況(見表1)。

2 織物平整度研究中若干基礎(chǔ)問題

2.1 洗護實驗及樣品設(shè)計

目前，ISO、AATCC及國標(biāo)中均制定了針對織物外觀平整度評價的洗護標(biāo)準(zhǔn)，對織物的洗滌過程中諸如洗滌時間、機械力、洗滌劑用量、脫水及干燥等均有規(guī)定，因此，織物外觀平整度的評價試樣可參照以上標(biāo)準(zhǔn)進行約定。

經(jīng)過洗護后的試樣，外觀折皺效應(yīng)明顯，但隨著時間的變化，表面折皺程度有所回復(fù)，不同性能的織物，回復(fù)程度不同。加之檢測過程中對織物進行保存、搬運、擺放等操作，勢必造成織物折皺失真，從而影響評價結(jié)果，因此需要提出一種有效的固封技術(shù)，用以長久保留洗后的表面折皺效應(yīng)，既保證評價的有效性，又便于重復(fù)性驗證試驗。

2.2 圖像信息采集平臺設(shè)計與制作

圖像的采集質(zhì)量，決定了后期數(shù)據(jù)分析的有效性。目前大都采用CCD或CMOS相機影像感測組件, 將影像轉(zhuǎn)換為數(shù)字信息。CCD傳感器在靈敏度、分辨率以及噪聲控制等方面均優(yōu)于CMOS傳感器，而CMOS傳感器則具有低成本、低耗電以及高整合度的特性。

此外，需要考慮光照條件。完全依賴于圖像灰度信息的分析方法，需要考慮在封閉的環(huán)境下進行光源的設(shè)計。特別是采用光度立體視覺法，需要對光源的分布、大小、類型等綜合考量。

拍攝穩(wěn)定性同樣需要注意。盡可能采用遙控拍攝的方式，對目標(biāo)進行采集，并及時將數(shù)據(jù)傳入計算機中進行實時分析。一些特定的方法，還需要考慮多目相機的組合關(guān)系、與目標(biāo)的距離等要素。

不同的分析手段，需要不同采集方式，因此，需要結(jié)合分析方法，對織物的采集平臺進行設(shè)計和制作。

2.3 織物外觀形態(tài)重建技術(shù)

采用激光三角法則完全不依賴于織物的圖像亮度信息。該方法精度高，不受環(huán)境、面料顏色的影響，適用于多種織物，能夠比較準(zhǔn)確地反映出織物的抗皺性能，但是，試驗精度受多種條件制約，如光柵精密度、攝像機位置等。掃描過程慢、設(shè)備昂貴是制約其成為通用檢測手段的關(guān)鍵問題[4]。

基于多幅圖像的信息，恢復(fù)出織物的三維形態(tài)的思路，在已有的研究中得到了初步的體現(xiàn)。其中，光度立體視覺法利用圖像的灰度以及飽和度等各種指標(biāo)在折皺處與平整處之間的差異，分析織物三維表面性狀[3]。該方法不完全依賴于圖像的亮度信息，但是，該方法需要封閉的光照環(huán)境，實驗室的條件需要滿足這一要求，不能適應(yīng)自然光或戶外現(xiàn)場檢測，對于花色織物存在一定檢測誤差。

基于雙目立體視覺成像的方法，近幾年得到了較大的發(fā)展，理論上能夠在自然光下重建出物體的三維形態(tài)。圖像的灰度信息僅用于織物雙目圖像匹配。此方法可更為真實有效地評價織物的折皺情況。雙目圖像的匹配決定了三維形態(tài)重建的質(zhì)量，對后期特征的提取和評價起著決定的作用[29]。織物具有柔軟、多孔、圖案、色澤、厚薄等材料特征，研究出自適應(yīng)于不同光照環(huán)境、材質(zhì)多樣、各類洗護條件下的三維重建算法，滿足全品類織物外觀檢測仍存在一定的難度，需要進一步的深入研究。

2.4 高度一致性的客觀評價技術(shù)

AATCC標(biāo)準(zhǔn)樣照單一，在折皺效應(yīng)、尺度、分布特征等方面存在一定的局限性。目前客觀評價大都依據(jù)于此提出相應(yīng)的指標(biāo)，因此難免出現(xiàn)主客觀評價不一致的現(xiàn)象。特別是難區(qū)分介于3～3.5級樣品的外觀平整度，而該級別往往是決定產(chǎn)品質(zhì)量優(yōu)劣的分界值。

目前應(yīng)用的指標(biāo)眾多，卻仍難準(zhǔn)確地評價出織物的折皺程度，與實際折皺情況仍存在一定的差異，各項評價指標(biāo)雖與平整度等級之間存在一定的相關(guān)性，但由于模板表面的褶皺形態(tài)迥異、褶皺分布比較復(fù)雜，不能僅利用其中的某一個評價指標(biāo)，也不能預(yù)測實體對象的平整度等級[28]。

單純地從二維或三維的角度去研究織物的外觀形態(tài)，割裂了二類方式的聯(lián)系，會影響織物表面信息的有效提取。織物折皺不僅需要考慮空間分布，還需要考慮平面折痕、圖案花型等對視覺的影響。可采用綜合評價方式，如已有的最小距離判別法[11]、遺傳算法、人工神經(jīng)網(wǎng)絡(luò)[3-4]、模糊模式識別、支持向量機[30]等。單純地提取一些特征指標(biāo)進行綜合評價，會出現(xiàn)與真實折皺效應(yīng)的偏差，某些指標(biāo)未必能夠真實反映織物特性。要真正滿足準(zhǔn)確判定，符合客觀實際，還有待進一步的研究，因此提出適應(yīng)織物這一特定對象且滿足于人體感官視覺的評價指標(biāo)尤為重要。

3 發(fā)展趨勢

主觀評價受到多方面因素的制約，檢測效果一般，難以滿足當(dāng)前需求。準(zhǔn)確、有效的客觀方法是評價織物外觀平整度的必然途徑，因此需要在測試穩(wěn)定性、適應(yīng)性、方便、快速、精確度高這些方向不斷深入研究，能夠真實實現(xiàn)織物外觀形態(tài)的客觀評價。具體包括以下幾個方面。

1)高精度三維重建技術(shù)。能夠真實地模擬各類材質(zhì)、組織、圖案的織物外觀，表達(dá)織物折皺效應(yīng)，在精度上滿足紗線或纖維級的測量需求。

2)基于感官評價的客觀評價技術(shù)。探析人工主觀評價過程的核心機制、提取出特征效應(yīng)明顯的評價指標(biāo)，結(jié)合計算機編程技術(shù)模擬感官評級，實現(xiàn)主客觀評價的高度一致性，徹底解決目前特征效應(yīng)低、判別不準(zhǔn)的痹癥。

3)評估由局部轉(zhuǎn)向整體。改變單純的織物的檢測，向服裝整體外觀評價方向轉(zhuǎn)變[25]。從整體穿著效果入手，評價動、靜態(tài)下服裝的外觀風(fēng)格。

4)檢測系統(tǒng)高效、穩(wěn)定。檢測速度是衡量評價手段的關(guān)鍵指標(biāo)之一。高速檢測應(yīng)當(dāng)是客觀評價的優(yōu)勢所在，使得替代主觀評價成為可能。此外，由于評價系統(tǒng)是一個整體，包含軟硬件及特定的測試環(huán)境。檢測過程中，隨著時空的變化，檢測對象位置、光照條件等發(fā)生了變化，因此對硬件的設(shè)計、算法等提出了更高的要求，以實現(xiàn)可重復(fù)性檢測，建立高度魯棒性的評價系統(tǒng)。

4 結(jié)束語

在織物三維形態(tài)的真實模擬基礎(chǔ)上，提出準(zhǔn)確有效的指標(biāo)，建立符合實際的評價標(biāo)準(zhǔn)，不僅能夠解決洗后織物的外觀平整度，也為織物起毛起球、服裝洗后縫跡、服裝褶裥效果以及服裝的整體外觀形態(tài)的評價提供了解決方案，從根本上解決織物的客觀評價，能夠為紡織、服裝、洗護行業(yè)的檢測提供更為有效的測評方法。

FZXB

[1] 劉瑞鑫,李立輕,汪軍,等. 基于光度立體視覺的織物褶裥等級評定[J].東華大學(xué)學(xué)報： 自然科學(xué)版, 2013, 39(1):48-52.

LIU Ruixin,LI Liqing,WANG Jun,et al. The evaluation of fabric pleat grade based on photometric stereo[J].Journal of Donghua University： Natural Science Edition, 2013, 39(1):48-52.

[2] 王蕾,劉建立,潘如如,等. 基于視頻序列的織物折皺回復(fù)角動態(tài)測量[J]. 紡織學(xué)報, 2013, 33(2): 55-60.

WANG Lei,LIU Jianli,PAN Ruru,et al.Dynamic measurement of fabric wrinkle recovery angle by video sequence[J].Journal of Textile Research, 2013, 33(2): 55-60.

[3] SU Jie, XU Bugao. Fabric wrinkle evaluation using laser triangulation and neural network classifier[J]. Optical Engineering, 1999, 38(10): 1688-1693.

[4] 徐建明. 織物平整度等級客觀評估系統(tǒng)的研究 [D]. 上海：東華大學(xué), 2006：43-56.

XU Jianming.Study on objective assessment system of fabric smoothness grade[D].Shanghai:Donghua University,2006:43-56.

[5] 楊旭紅,陳雁,陳之戈. 織物表面圖像的計算機處理[J]. 絲綢, 2000(11): 9-11.

YANG Xuhong,CHEN Yan,CHEN Zhige. Image processing of fabric surface[J].Journal of Silk, 2000(11): 9-11.

[6] 曾秀茹. 利用計算機圖象處理與分析技術(shù)評定雙縐織物縐效應(yīng)[J]. 絲綢, 1996(7): 14-17.

ZENG Xiuru. The study of crepe de chine fabric evaluation using image processing[J]. Journal of Silk, 1996(7): 14-17.

[7] XU Bugao, REED J A. Instrumental evaluation of fabric wrinkle recovery[J]. Journal of the Textile Institute, 1995, 86(1): 129-135.

[8] 汪黎明， 陳健敏， 胡鳳霞. 利用圖像的統(tǒng)計分析方法評價織物免燙等級[J]. 青島大學(xué)學(xué)報, 2002,17(1): 41-43.

WANG Liming,CHEN Jianmin,DU Fengxia.Evaluation of fabric wrinkling with statistic method of image analysis[J]. Journal of Qingdao University, 2002, 17(1): 41-43.

[9] 徐增波,吳嘉斌. 基于傅利葉譜分析技術(shù)的織物起皺特征提取和分析[J]. 上海毛麻科技,2001(1): 34-36.

XU Zengbo,WU Jiabin.The study of fabric wrinkling feature based on FFT[J]. Shanghai Wool & Jute Journal, 2001(1): 34-36.

[10] TURNER C, SARI-SARRAF H, ZHU Aijun,et al. Automatic assessment of fabric smoothness[C]//The 2002 45th Midwest Symposium on. IEEE, Xplore. 2002:379-382.

[11] 張一帆,龍海如. 針織物外觀平整度的小波分析與等級評定[J]. 東華大學(xué)學(xué)報: 自然科學(xué)版, 2008(6): 12.

ZHANG Yifan, LONG Hairu.Wavelet analysis and grade assessment of knitted fabric smoothness[J]. Journal of Donghua University: Natural Science Edition, 2008(6): 12.

[12] 李艷梅,張渭源. 小波分析在織物縫紉平整度客觀評價中的應(yīng)用[J]. 紡織學(xué)報, 2009, 30(10): 115-119.

LI Yanmei,ZHANG Weiyuan.Application of wavelet analysis in evaluation on seam pucker of fabrics[J]. Journal of Textile Research, 2009, 30(10): 115-119.

[13] SUN Jingjing,YAO Ming,XU Bugao,et al.Fabric wrinkle characterization and classification using modified wavelet coefficients and support-vector-machine classifiers[J]. Textile Research Journal, 2011, 81(9): 902-913.

[14] WANG Xiaohong,YAO Mu. Grading the crease recovery with twisting of fabric by using image identification technique[J]. International Journal of Clothing Science and Technology, 2000, 12(2): 114-123.

[15] 汪黎明,陳健敏,王銳,等. 織物折皺紋理灰度共生矩陣分析[J]. 青島大學(xué)學(xué)報, 2003 (4): 5-8.

WANG Liming,CHEN Jianmin,WANG Rui, et al.The analysis of grain of fabric wrinkle by concurrence matrix of gray degree[J]. Journal of Qingdao University, 2003 (4): 5-8.

[16] 陳鍵敏,吳禿平,嚴(yán)灝景. 分形理論在織物折皺評定中的應(yīng)用[J]. 中國紡織大學(xué)學(xué)報, 1999, 25(2): 34-37.

CHEN Jianmin,WU Tuping, YAN Haojing.Ranking fabric wrinkle by fractal geometry[J].Journal of China Textile Unversity, 1999, 25(2): 34-37.

[17] 楊艷,錢坤,李鴻順. 基于縐織物表面圖像分形特征分析的縐效應(yīng)評價[J]. 絲綢, 2007(10): 40-41,46.

YANG Yan,QIAN Kun, LI Hongshun.Crepe effect evaluation based on fractal characterization analysis for surface image of crepe fabrics[J].Journal of Silk, 2007(10): 40-41,46.

[18] AMIRBAYAT J, ALAGHA M J. Objective assessment of wrinkle recovery by means of laser triangulation[J]. Journal of the Textile Institute, 1996, 87(2): 349-355.

[19] HU Jinlian, XIN Binjie, YAN Haojing. Measuring and modeling 3D wrinkles in fabrics[J]. Textile Research Journal, 2002, 72(10): 863-869.

[20] 陳慧敏. 基于點模型的服裝面料平整度等級客觀評級研究[D]. 上海：東華大學(xué), 2007：78-94.

CHEN Huimin.Objective evaluation of cloth smoothness grade on point-sampled model[D].Shanghai:Donghua Unversity, 2007:78-94.

[21] 陳慧敏,顧洪波,張渭源. 基于點模型的織物平整性能分析[J]. 紡織學(xué)報, 2008, 29(9): 38-42.

CHEN Huimin,GU Hongbo,ZHANG Weiyuan.Digital analysis of fabric smoothness appearance on point-sampled model[J]. Journal of Textile Research, 2008, 29(9): 38-42.

[22] XU Bugao,CUMINATO D F, KEYES N M. Evaluating fabric smoothness appearance with a laser profilo-meter[J]. Textile Research Journal, 1998, 68(12): 900-906.

[23] KANG T J, CHO D H,KIM S M. New objective evaluation of fabric smoothness appearance[J]. Textile Research Journal, 2001, 71(5): 446-453.

[24] HESARIAN S. Evaluation of fabric wrinkle by projected profile light line method[J]. The Journal of the Textile Institute, 2010, 101(5): 463-470.

[25] JAVIER S B,JOAQUIN B S,RUBEN P L,et al. Garment smoothness appearance evaluation through computer vision[J]. Textile Research Journal, 2012, 82(3): 299-309.

[26] WOODHAN R J. Photometric method for determining surface orientation from multiple images[J]. Optical Engineering, 1980, 19(1): 39-41.

[27] 黃秀寶， 楊曉波. 基于光度立體視覺的起皺織物表面形態(tài)重建研究[J]. 東華大學(xué)學(xué)報: 自然科學(xué)版, 2002, 28(2): 48-55.

HUANG Xiubao,YANG Xiaobo.Study on fabric 3-D surface shape using photometric stereo method[J]. Journal of Donghua University: Natural Science Edition, 2002, 28(2): 48-55.

[28] YU Wurong, YAO Ming, XU Bugao. 3-D surface reconstruction and evaluation of wrinkled fabrics by stereo vision[J]. Textile Research Journal, 2009, 79(1): 36-46.

[29] YU Wurong, XU Bugao. A sub-pixel stereo matching algorithm and its applications in fabric imaging[J]. Machine Vision and Applications, 2009, 20(4): 261-270.

[30] CRISTIANINI Nello,SHAWE T J. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods[M]. Cambridge: Cambridge University Press, 2000:37-45.