織物褶裥等級客觀評價方法

韓燕娜

(紹興文理學院 元培學院，浙江 紹興 312000)

圖像處理和激光掃描都是提取服裝或織物特征的常用方法[1-2]，不少學者從20世紀90年代開始就用其對織物三維形態進行分析和處理，并提取特征指標[3-5]，從而對織物平整度進行客觀評價[6-7]。激光掃描技術可以克服圖像處理技術易受織物花色、組織結構等影響的不足[8]。

褶裥兼具功能性與美觀性，常被用于服裝成衣工藝以增加服裝的層次感及立體感[9]。褶裥作為服裝設計不可或缺的手法之一，充分地滿足了生產活動中對運動的需求，極大地豐富了服裝的造型[10]，目前對褶裥的評定基本采用主觀評價法，本文運用激光掃描技術對織物褶裥進行客觀評價。

1 實 驗

1.1 褶裥放置裝置

由于織物褶裥的易變形性，如果直接將其放于桌面上，其形態會受重力作用的影響，隨時間的延長，褶裥具有趨于緩和的趨勢。為避免這一現象，本文制作了一種簡易裝置，既便于控制褶裥高度，又能防止測試過程中，褶裥的變形，使得測試結果更為準確。

織物褶裥控制裝置見圖1，圖1中a為2根垂直于桌面的支架，每根支架的底座由三塊直角三角板固定，中間用細線連接，保證細線繃直且水平，細線的高度可以上下調節；b為固定在支架上的直尺，保證直尺與支架都垂直于桌面，作用是測量細線高度；c為放置在細線上的褶裥試樣，將燙好的織物試樣沿褶裥方向放置在細線上，自然攤開，通過控制細線高度實現對織物褶裥的控制，避免將褶裥織物直接放到桌面上，因重力的作用，隨時間的延長，褶裥高度逐漸變小。

圖1 織物褶裥控制裝置

1.2 試樣的選取

選取10種織物，織物規格見表1，采用相同的熨燙手法，控制相同的熨燙時間(2 min)、壓力(用同一個熨斗，質量400 g)以及相同的靜置時間(5 min)，每種織物利用上述褶裥裝置，分別控制0、0.5、1.0、1.5、2.0 cm共5個高度，因此一共制作50塊織物褶裥試樣。制作完成后的織物試樣2不同高度褶裥見圖2。

表1 織物規格

圖2 試樣2不同高度褶裥

1.3 利用三維激光掃描儀掃描褶裥模板

利用加拿大Creaform公司生產的雙目手持式掃描儀Handyscan 3DTM對AATCC-88C織物褶裥模板進行掃描。并按照文獻[11]中的方法用GEOMAGIC軟件對掃描得到的點云數據進行預處理。預處理之后，對模板點云提取以下特征值：

平均偏移量ε為褶裥形成偏移的均值，計算公式為：

式中：Z(i,j)為織物表面任意一點的高度；N為織物總高度點數。

粗糙度μ為織物表面各點高度的標準差，扭曲度S為扭曲度能夠側面表征織物表面的不平整程度，計算公式為：

峰度K為不平整的織物表面，凸起的地方猶如山峰，峰度用來表征織物表面的起伏程度，標準差Q為反映數據集的離散程度，方差V為表面不平整現象的明顯程度，計算公式為：

1.4 褶裥試樣的三維掃描與特征提取

用與1.3相同的方法，對50塊放置于褶裥控制裝置上的不同程度的織物褶裥進行掃描和特征提取。

1.5 試樣褶裥等級的主觀評價

對織物褶裥進行激光掃描之后，由5名行業專家對照AATCC-88C織物褶裥模板，對50塊織物褶裥進行等級評定，經過統計分析，5名專家的主觀評定結果具有較好的一致性，因此對其求平均，并四舍五入，作為主觀評價的最終結果。

2 結果與討論

2.1 模板褶裥等級與特征值之間的關系

本文共提取了5個不同模板褶裥等級的特征值，模板三維特征值提取結果如表2所示。

表2 模板三維特征值提取結果

由表2可見，除均值和峰度外，其余5個參數：平均偏移量、粗糙度、標準差、扭曲度和方差的數據隨褶裥程度(等級)的增加，呈遞增趨勢。即模板等級越高，特征值也越大，較符合規律。因此將這5個參數作為自變量，模板褶裥等級作為因變量，進行多元線性回歸分析。多元線性回歸分析結果見表3，T表示對回歸參數的顯著性檢驗。

表3 多元線性回歸分析結果

從表3可知，扭曲度的顯著性為0.000，粗糙度的顯著性也很接近0.000，可見二者與褶裥等級顯著相關，雖然方差和平均偏移量的顯著性沒有其它三者高，但也進入了回歸方程。由上表的標準化系數可以看出，褶裥等級的回歸方程如下：

褶裥等級=扭曲度×0.390+平均偏移量×0.142+方差×0.405+粗糙度×1.126+1.088

經F檢驗，該方程具有良好的顯著性，擬合系數R2為91.2%。

2.2 織物褶裥特征值的提取結果

由于篇幅所限，只列出試樣1、2在5種不同高度(0、0.5、1.0、1.5、2.0 cm)下的褶裥特征值提取結果，試樣1、2織物褶裥的特征值提取結果見表4。

從表4可以看出，織物褶裥的特征值提取結果表現了與褶裥模板相似的規律性，即除了均值與峰度這2個特征參數外，隨褶裥程度的加深，其余參數如平均偏移量、粗糙度、標準差、扭曲度和峰度呈現遞增的趨勢。初步說明，用于表達模板褶裥程度的參數也同樣可以用來表征織物褶裥的深淺。

2.3 織物褶裥等級的主客觀評價之間的關系

織物褶裥等級的主客觀評價結果見圖3，其中客觀評價等級為將每一塊織物褶裥提取的扭曲度、平均偏移量、方差和粗糙度數值，代入2.1中模板等級的回歸方程，再將計算得到的模板數值進行四舍五入取整。由于標準模板的褶裥等級最高為5級，為了與模板等級相一致，在計算過程中，將個別等級結果四舍五入后大于5的試樣，直接更改為“5”。

表4 試樣1、2織物褶裥的特征值提取結果

圖3 織物褶裥等級的主客觀評價結果

從圖3可以看出，50塊織物褶裥試樣的主客觀等級評價結果之間呈現了較好的一致性，除4塊試樣外，其余46塊試樣的主客觀評級完全吻合。分析一下出現偏差的試樣可以發現：4塊試樣均為顏色較深或者有圖案花紋的試樣，這些較深的顏色或花紋圖案對試樣的褶裥深度有一定程度的隱藏和掩蓋作用，因此在主觀評級時，人的肉眼觀察判斷的等級比實際等級低了1級。比如2號試樣，主觀評價等級為1級，而客觀評價等級為2級，這是因為此織物為深灰色，人的肉眼很難客觀評定其縱向褶裥高度。而用激光掃描儀則可以得到每個點的縱向高度，因而更為精確。

圖4是主客觀評價等級之間的相關關系，從相關系數R2=0.963 8可以看出，二者具有高度線性相關關系。因此，可以說用激光掃描技術對織物褶裥進行客觀評定是可行的，而且較主觀評定的準確性更高，且不受人為主觀因素的影響。

圖4 主客觀評價等級之間的相關關系

3 結 論

本文用Creaform Handyscan 3DTM激光掃描儀對AATCC-88C標準模板和50塊不同褶裥程度的織物試樣進行掃描，獲取三維點云數據，隨后用GEOMAGIC軟件對掃描獲取到的三維點云數據進行預處理。之后提取了平均偏移量、粗糙度、標準差、扭曲度、峰度、方差等特征參數，并建立了模板等級與褶裥參數之間的回歸方程，經過研究得出以下結論：

①平均偏移量、粗糙度、標準差、扭曲度和峰度這5個參數既能較好地反應模板的褶裥程度，也能對織物褶裥具有較好的表征，且隨褶裥程度的增加，這5個參數均呈現遞增的趨勢。

②將計算得到的褶裥等級回歸方程用于織物褶裥等級的客觀評定具有較好的可行性，其評價結果與主觀評級一致性良好，且可以克服主觀評價結果易受織物顏色、圖案等影響的不足。