精紡毛織物縫紉平整度客觀評價方法

陳麗麗

(紹興文理學院 元培學院， 浙江 紹興 312000)

縫紉平整度是影響服裝外觀質量的重要指標，也是服裝質檢時必不可少的檢驗項目，對縫紉平整度進行有效的評價一直是紡織科技人員追求和努力的方向。

早在20世紀 90 年代,呂東風等[1]、劉富等[2]、范金土等[3]研究了利用圖像處理技術客觀評價面料縫紉起皺的方法；1999年,Youngjoo等[4]利用圖像分析技術和標準樣卡評定了織物的折皺等級；KANG等[5]運用分形幾何研究了客觀評價織物縫紉起皺的方法；2009年,李艷梅等[6]研究了服裝面料縫紉外觀質量客觀評價的方法；2017年，王佳寧等[7]用小波分析技術研究了織物縫紉平整度客觀評價的方法；同年，張寧等[8]利用神經網絡自動評估了織物的縫紉平整度。

綜上，雖然眾多學者運用不同的圖像處理方法對服裝縫紉平整度展開了研究，但專門針對毛織物縫紉平整度的研究較少，且現有研究均是圍繞縫紉條件與縫紉平整度的關系[9]，或者如何利用物理性能預測毛織物的縫紉平整度[10]開展實驗。眾所周知，精紡毛織物是高檔西裝的主要材料，同時其接縫不平整現象又尤為突出[11]。針對這種現象，本文將基于圖像處理中的Gabor變換和信息融合技術對精紡毛織物縫紉平整度的客觀評價方法進行探索。

1 實 驗

1.1 試樣的選取

選取若干種純色精紡毛織物，表1示出其基本參數。

表1 織物基本參數Tab.1 Fabric specification parameters

1.2 縫紉試樣的制作

由于按照標準縫紉試樣大小不易于圖像采集，經預實驗驗證，試樣大小為50 mm×100 mm時拍攝效果最佳，所以將試樣按照上述尺寸進行裁剪。多次預實驗結果表明，縫紉機所用針號為14#，縫跡密度為10針/(3 cm)，表1中試樣的縫紉效果最佳，因此選定以上縫紉條件進行正式實驗；此外，為使6塊試樣縫紉后的縫紉試樣覆蓋較多的平整度結果，以使研究更具說服力和代表性，對縫紉后的試樣按照0、0.5、1、1.5 cm的量進行抽褶。0表示進行抽褶處理；0.5 cm即縫紉結束后，抽拉縫線，使其長度比縫合后縮短0.5 cm，以致其表面產生皺褶。依此類推，6種織物縫紉后共形成了24塊縫紉試樣。圖1示出抽褶量為0.5 cm的試樣。為減少人為因素的干擾，整個縫紉和抽褶的全過程均由同一名熟練縫紉工完成。

圖1 織物縫紉試樣Fig.1 Seamed sample of fabric

1.3 織物縫紉圖像的獲取

為盡量減少獲取縫合后織物試樣圖像的誤差，采用圖2所示的裝置進行圖像采集。圖中，2個立方體用于固定拍攝距離，其高度設定的依據為經多次測試滿足最佳拍攝效果。與2個立方體的下端面位于同一平面上，且在2個立方體的正中間位置放置縫紉試樣，拍攝相機位于縫紉試樣的正上方，且通過放置于立方體上端面的2條支撐條定位，其中相機的像素滿足圖像拍攝的清晰度要求，至少在1 000萬像素以上。圖中所示的光線為天然光，具體為晴天北向晝光(上午9：00-下午3：00)，以避免外界環境物體反射光的影響。采集圖像結束后，將其裁剪成相同的像素大小，已備后續處理。

圖2 織物縫紉圖像的獲取方法Fig.2 Acquisition of seamed sample images

1.4 縫紉平整度的主觀評價

目前評價織物縫紉平整度最常用方法是將試樣與AATCC-88B—2006《織物經多次家庭洗滌后縫線平整度測定》標準樣照進行對比，主觀判斷試樣接近哪一級樣照，就確定其平整度為此等級。其中：1級樣照的平整度最差；5級最平整。這種方法存在一定的缺陷：由于評價結果只有5級，因此即使處于同一等級的織物，其縫紉平整程度也可能差異較大。

為盡量克服這種缺陷，力求對試樣的縫紉平整度進行更為綜合、全面的評價，本文采取3種主觀評價方式：第1種為對照標準樣照評級法，但評定結果在原有的5級基礎上，增加1.5、2.5、3.5、4.5級，即擴充為9級，其中1.5級為平整度處于1～2級之間的織物，依此類推；第2種為成對比較計分法，即將24塊試樣兩兩對比，平整度較差的記為2分，較好的記為0分，平整度相同的記為1分，最后將每塊縫紉試樣的得分相加，再進行標準化處理，得到最終得分，分值越高說明表面平整度越差；第3種為排序法，也叫秩位法，是將24塊縫紉試樣按照平整度從低到高的順序排列，平整度最差的序號為1，平整度最好的序號為24。

評價專家組由5名具有豐富經驗的成員組成。5名專家按照以上3種方式對24塊縫紉試樣平整度的主觀評價結束后，對評定結果進行一致性檢驗。結果表明，不同專家的評價結果之間具有較好的一致性，即均為有效樣本，因此對其結果取平均，經四舍五入后，得到每塊縫紉試樣的最終評定結果，其中，等級評價法的結果依然精確到0.5級，而成對比較積分法和排序法的結果依然為整數。

1.5 基于Gabor變換縫紉平整度特征提取

空域處理法和頻域處理法是圖像分析中常見的2大類方法，其中后者比前者更易分辨和檢測全局紋理信息。Fourier變換作為一種常用的頻域信號處理方法，可獲得在空域中不易獲得的紋理特征，如周期、功率譜等；但Fourier變換在具體應用時也存在一個問題，即不能較好地對局部的譜信息進行描述。

針對這個問題，Gabor于1946年提出了加窗Fourier變換-Gabor變換[12]，不僅可提取不同尺度、不同方向上的頻域特征，其Gabor函數還具有與人的眼睛相仿的生物作用，特別適用于紋理識別，具有獨特的優勢。本文嘗試將其用于織物縫紉平整度的評價中。

二維Gabor函數可表示為：

(1)

式中：px=xcosα+ysinα；py=ycosαxsinα；x和y分別為圖像的橫、縱坐標；f為濾波器的頻率；α為濾波器的方向；sx和sy分別為濾波器窗口的橫向和縱向大小。

α的選取：在0～π范圍內，每隔π/6選取一個方向，共0、π/6、2π/6、3π/6、4π/6、5π/6(由于π與0完全相同，π就不再重復選取)6個方向；f的選取：分別在以上6個方向中，選取f=4、8、16，即共18個Gabor濾波器；另濾波器窗口大小為4像素×4像素。確定好各項參數后，再由式(2)得到不同濾波器濾波后的圖像熵值。

(2)

式中：E為圖像的熵值；h(i)為濾波后FFT歸一化的灰度直方圖。

接下來根據熵值最大的原則進行濾波器的篩選，這是因為經合適的Gabor濾波器濾波后，織物的背景信號將會被消減，而我們需要的縫紉平整度信號則會得以增強，此時的熵值也越大[13]。按照此原則，由式(3)進行頻率參數的篩選。

Eα=max[E(f,α)]

(3)

式中：Eα為濾波方向α時的熵值；E(f,α)為頻率f、濾波器方向α時的熵值。按照式(3)，即根據熵值最大原則，在f為4、8、16中的熵值最大者作為濾波器方向為α時Eα的取值。例如經過實驗驗證：當α=0時，f=8的熵值最大(本文篇幅有限，在此省略原始的實驗結果)；同理當α=π/6時，f=16的熵值最大，……，因此根據式(3)，本文選取f=8，α=0；f=8，α=π/6；f=16，α=2π/6；f=4，α=3π/6；f=4，α=4π/6；f=16，α=5π/6共6個濾波器。并按照式(4)進行融合。

E=E0+Eπ/6+E2π/6+E3π/6+E4π/6+E5π/6

(4)

式中：E為縫紉圖像經以上6個濾波器濾波后的圖像熵值之和，即總熵值；E0為用頻率為8，方向為0，即f=8，α=0的濾波器濾波后的熵值；Eπ/6為用f=8，α=π/6的濾波器濾波后的熵值，依此類推。

2 結果與討論

2.1 Gabor熵值與成對比較得分關系

以f=8為例，圖3示出24塊縫紉試樣經Gabor變換后，不同方向的熵值與專家成對比較得分的相關性(如前所述，由于π與0是完全相同的角度，所得熵值也完全一樣。為使圖3更具完整性，將0°時的熵值填充到π處)。從圖可看出，不同方向的熵值與專家成對比較得分的相關性不同，但都以π/2為對稱軸呈對稱分布。從數值上看，相關性最大的出現在0°和180°，即圖3中的0和π，其次是π/6、5π/6，再次是π/3、2π/3，最小的是π/2。

圖3 Gabor變換各方向的熵與成對比較計分的相關性Fig.3 Correlation of entropy in each direction of Gabor transform and pair comparison score

結合圖1加以說明，從圖3可看出，縫紉起皺基本以縫紉線為中心，分布在縫紉線兩側，且折皺波紋有大有小，其中離縫紉線最近的折皺很細小，屬于頻率高、數量多的小波紋。除小波紋外，還有一些數量少、起伏大的大波紋，但不管是哪種波紋，其共同點是基本呈接近水平的方向，或與水平方向略成一定角度。這種情況恰好與0和π/6的熵與專家成對比較計分的相關性最高相吻合，換句話說，縫紉紋理方向與Gabor濾波方向一致時，熵值最能反映織物表面的平整度。

圖4示出Gabor變換的總熵值與專家成對比較計分之間的關系，其總熵值是以熵值最大原則選取頻率參數的前提下，計算得到的6個方向的熵值之和。

圖4 Gabor變換總熵值與成對比較計分的關系Fig.4 Relationship between total entropy of Gabor transform and pair comparison score

從圖4可看出，總熵值與主觀成對比較得分之間呈良好的二次方多項式關系，具體為：

Y1=2.507 6X2-1.240 1X+0.121

(5)

(R2=0.9162)

式中：X為Gabor變換的總熵值；Y1為專家成對比較計分的結果。其二者具有正相關關系，即Gabor變換的總熵值越大，專家成對比較的得分越高，這是因為熵值表示的是織物表面紋理的紊亂程度，熵值越高，說明紋理越紊亂，即表面越不平整，而由1.4節可知，越不平整的織物，專家成對比較的得分越高。

眾所周知，成對比較這種主觀評價方法的結果比較準確，但是其缺點是工作量繁重，耗時耗力，實施起來有一定難度。現在根據式(5)即可對縫紉試樣圖像加以Gabor變換，提取總熵值，進而計算得到專家成對比較的得分，工作量大大降低，且評價結果較為精確，比現在通用的5級評價法有更好的區分度。

2.2 總熵值排序與專家主觀排序的秩相關性

圖5示出24塊縫紉試樣按照總熵值由大到小的排序與按照專家成對比較計分由大到小的排序之間的相關系數，即秩相關系數。例如，第1塊縫紉試樣的專家成對比較的得分為1.73，其數值在24塊縫紉試樣中排第1，其總熵值為6.431，在24塊縫紉試樣中排第2，所以該縫紉試樣在圖5中對應的點為(1,2)，依此類推，得到每個縫紉試樣2種評價方法的排序，將這2種排序進行相關系數分析，即為秩相關系數。從圖5可看出，利用Gabor變換的熵值進行的排序與利用專家成對比較的得分進行的排序之間具有良好的線性正相關關系，即主客觀評價方法所得結果之間的吻合性和一致性較好。

圖5 不同排序方法之間的秩相關系數Fig.5 Rank correlation coefficient of different ranking methods

2.3 Gabor總熵值與專家主觀評價等級關系

圖6示出24塊縫紉試樣的總熵值與專家主觀評定等級之間的相關系數。可看出，二者具有線性負相關關系，即總熵值越大，主觀評價的等級越低。如前所述，熵值越大的織物，表面越凹凸不平，而AATCC-88B—2006標準樣照中，等級越低的織物，縫紉平整度越差，1級試樣表面嚴重不平整。總熵值與專家主觀評定等級之間的具體關系式為：

Y2=-0.106 1X2-2.178 6X+5.349 8

(R2=0. 867 6)

(6)

式中：X為Gabor變換的總熵值；Y2為專家主觀評價的等級。

圖6 Gabor變換的總熵值與專家主觀評價等級的關系Fig.6 Relationship between total entropy of Gabor transform and subjective grade level of experts

從復相關系數R2來看，式(6)的擬合效果略差于式(5)，這是因為如1.4節所述，本文中專家主觀評價的結果共9個等級，對織物縫紉平整度的區分度不如專家成對比較計分法(成對比較的得分兩兩不同，24塊縫紉試樣就有24個得分，對平整度的評價非常精準)。而Gabor總熵值也是如此，多少種織物就對應多少個結果，因此二者相關性很高。盡管如此，也可根據式(6)，由Gabor變換的總熵值估算織物縫紉平整度的等級，無需經過專家主觀評價這個過程。

3 結 論

以6塊純色機織毛織物試樣為研究對象，將其縫制成24條具有不同平整度的樣條，然后采集縫紉圖像，分別采用3種主觀評價方法，同時將縫紉圖像經Gabor變換，提取了不同方向、不同頻率的熵值，最后經過信息融合，得到總熵值。經過研究，得到以下結論。

1)Gabor變換的頻率參數f=8時，不同方向的熵值與專家成對比較計分的相關性以π/2為對稱軸呈對稱分布；從數值上看，相關性最大的方向為0和π，最小的是π/2。這可能與縫紉試樣表面的折皺起伏方向有關。

2)總熵值與專家成對比較計分以及主觀評價等級之間均呈較好的二次方多項式關系，根據此關系式，可由提取的Gabor變換總熵值預測或估算專家主觀評價結果。

3)Gabor總熵值的排序與專家主觀排序的秩相關性良好，即Gabor變換的總熵值這個客觀評價指標與主觀評價所得結果間具有較好的吻合性和一致性。

研究結果表明，Gabor變換可用于精紡毛織物的縫紉平整度評價，且經熵值最大化原則選取變換參數，加以信息融合，所得的總熵值既可預測成對比較的得分，也可用于估算專家主觀評價等級，具有客觀、準確的優點，同時還可節省人力、物力。

[1] 呂東風,范金土.三維服裝表面接縫等級的客觀評價[J].中國紡織大學學報,1999,25(4):83- 87.

Lü Dongfeng, FAN Jintu. Objective evaluation of pucker in 3-dimensional garment seams[J].Journal of China Textile University, 1999,25(4):83- 87.

[2] 劉富,范金土,田彥濤,等.用激光掃描系統獲取服裝接縫的皺褶信號[J].光電工程,2000,27(4):21-24.

LIU Fu, FAN Jintu, TIAN Yantao, et al. Extraction of corrugation signal at clothing seam with laser scanning system[J].Opto-Electronic Engineering, 2000, 27(4): 21-24.

[3] FAN J, LIU F. Objective evaluation of garment seams using 3D laser scanning technology[J].Textile Research Journal,2000,70(11):1025-1030.

[4] YOUNG J. Assessing wrinkling using image analysis and replicate standards[J]. Textile Research Journal, 1999, 653:149-157.

[5] KANG T J, LEE J Y. Objective evaluation of fabric wrinkles and seam puckers using fractal geometry[J]. Textile Research Journal,2000, 70(6):469-475.

[6] 李艷梅,仇曉坤，蔣真真.縫紉平整度客觀評判模型的研究[J].絲綢，2011,48(4):28-31.

LI Yanmei, QIU Xiaokun, JIANG Zhenzhen. Research on objective evaluation model of seam pucker[J].Journal of Silk，2011,48(4):28-31.

[7] 王佳寧，劉成霞，方蘇.基于圖像處理的織物縫紉平整度客觀評價[J].國際紡織導報,2017(4):48-52.

WANG Jianing, LIU Chengxia, FANG Su. Objective evaluation on fabric sewing smoothness based on image processing[J]. Melliand China,2017(4):48-52.

[8] 張寧,潘如如,高衛東.采用圖像處理的織物縫紉平整度自動評估[J].紡織學報, 2017,38(4):145-150.

ZHANG Ning, PAN Ruru, GAO Weidong. Automatic seam-puckering evaluation using image processing[J]. Journal of Textile Research, 2017,38(4):145-150.

[9] 倪紅.毛精紡面料的縫紉平整度與縫紉條件的關系[J].紡織學報，2008,29(3):80-82,91.

NI Hong. Relationship between seam smoothness and sewing conditions of worsted fabric[J]. Journal of Textile Research，2008,29(3):80-82,91.

[10] 潘婷，方麗英，徐鈺婷.輕薄毛織物力學及物理性能與縫紉平整度的關系[J]. 浙江理工大學學報，2013, 30(2):189-193.

PAN Ting, FANG Liying, XU Yuting. Mechanics of thin fabrics and relationship between physical properties and sewing flatness[J]. Journal of Zhejiang Sci-Tech University, 2013,30(2):189-193.

[11] 吳微微，全小凡.服裝材料及其應用[M]. 杭州：浙江大學出版社，2000:184.

WU Weiwei, QUAN Xiaofan. Apparel Material and Its Application[M]. Hangzhou: Zhejiang University Press，2000:184.

[12] ELEMER R, GABOR K G. A Dunatj Orszgainak T?rténete Id?rendi Tblkban[M].Budapest: Gergely,1946:40-150.

[13] 劉婷.服裝肘部穿著平整度客觀評價方法研究[D].杭州：浙江理工大學，2015:33-38.

LIU Ting. Objective evaluation method on the smoothness of garment elbow [D]. Hangzhou: Zhejiang Sci-Tech University, 2015:33-38.