基于織物透光圖像分析評價防鉆絨性的方法

楊光豪，劉美霞，徐京云，王府梅,3

(1.東華大學 紡織學院，上海 201620； 2.勁霸男裝(上海)有限公司，上海 200062；3.東華大學 紡織面料技術教育部重點試驗室，上海 201620)

羽毛羽絨是一種天然材料，具有其他材料不可替代的優點，羽絨制品以其輕、軟、暖的優良特性深受消費者的青睞[1-2]，然而，鉆絨問題一直困擾著羽絨制品制造商和消費者，羽絨制品也常常因此接到質量投訴[3-4]。故探究織物防鉆絨性能測試方法不僅有利于提高羽絨制品質量，且可降低由織物鉆絨造成的爭執，具有十分重要的現實意義。目前，國內外對織物防鉆絨性測試方法的研究比較少，現有測試方法包括轉箱法、摩擦法和沖擊法，實際操作過程比較繁瑣，測試過程耗時長，制樣消耗原料多，3種測試方法對于同一種試樣得到的測試結果也可能不完全一樣[5-6]。

防鉆絨性能是指織物阻止羽毛羽絨鉆出織物表面的性能，用在規定條件下的鉆絨根數表示[7]。防鉆絨性能與織物表面的孔隙大小以及分布直接相關，孔隙孔徑及分布是防鉆絨性能的重要質量標記，直接影響單位面積的鉆絨根數。因此，測試表征織物的孔隙大小以及孔徑分布就顯得尤為重要。隨著圖像處理技術在紡織檢測中的大量應用，研究者們開始考慮應用圖像法來分析孔隙特征。周明等[8]基于數字圖像處理分析技術，通過Photoshop軟件得到纖維膜SEM照片的分割閾值，然后采用MatLab軟件計算孔隙大小，最終得到納米纖維膜的孔隙率。陳振宇等[9]通過圖像處理方法計算了機織物孔隙率，發現圖像處理方法計算孔隙率的精密度較高。由這些案例可知，可以嘗試用圖像處理技術計算分析防鉆絨織物的孔隙特征。

為實現織物防鉆絨性能快速準確的測試，本文采用對紡織織物進行透光圖像采集，通過數字化圖像處理技術測試分析織物孔隙特征的方法，得到織物的防鉆絨效果、防鉆機制或所屬種類，并考查該方法的準確性。

1 研究方法

為了精確地顯示織物孔隙特征，采用系統硬件在高分辨率的條件下對織物進行透光圖像采集，利用Photoshop和MatLab圖像處理工具箱函數開發算法和自編軟件。

1.1 織物透光數字圖像采集

采用ScanMaker E900專業膠片掃描儀對防鉆絨織物進行掃描拍攝，獲得織物的黑白透光灰度圖像，防鉆絨織物的透光圖像見圖1。其中，掃描儀參數設置為：掃描介質為正片；掃描類型為灰階(8-bit)；分辨率為2 000 ppi；掃描范圍寬×高為(2 cm×2 cm)～(10 cm×10 cm)；亮度、對比度、暗調、顏色校正都設置為0。

圖1 防鉆絨織物的透光圖像

1.2 織物防鉆絨性判定

防鉆絨可分為物理防鉆絨和化學防鉆絨，依靠做小織物孔隙而獲得防鉆絨功能稱為物理防鉆絨，因織物孔隙不夠小，需在織物表面涂層或與薄膜復合后達到防鉆絨效果稱為化學防鉆絨。相應的織物稱為物理防鉆絨織物(簡稱物理防絨織物)和化學防鉆絨織物(簡稱化學防絨織物)。物理防絨織物孔隙處的理論透光率應為100%，由于塵埃、毛羽等隨機影響，實際值有時會略低，而化學防絨織物的孔隙處透光率會比較小。

利用Photoshop放大功能，將透光圖像放大至出現清晰可見的正方形網格，每個正方形網格即為一個像素點。查看紗線交織或串套形成的孔隙中任意2～5個較大孔隙最亮處的圖像灰度值，并判斷防鉆絨類型。若較大孔最亮處的透光率(孔隙最亮點灰度/255)都小于85%，判斷為化學防絨織物，一般防鉆絨性會比較好，不必用本方法判斷；否則，需要繼續下面步驟，判斷織物是否具有物理防鉆絨效果。

1.3 孔隙面積及頻率分布的計算

具有物理防鉆絨特性的必要條件是每一孔隙的面積都小。為計算孔隙面積，需要確定圖像中的孔隙邊緣，確定邊緣需要對圖像進行如下階段的圖像處理。

1.3.1 采用中值濾波法降噪濾波處理

由于掃描采集圖像過程中存在機械振動等各種干擾噪音，需要對灰度圖像進行降噪濾波處理。

1.3.2 孔隙閾值確定及圖像二值化

為計算孔隙面積，需要對織物透光圖像實施二值化處理，用白色表征孔隙，用黑色表征纖維及紗線。二值化處理時，需要選擇區分黑白合適閾值。由于經緯紗線很細、纖維是半透明物質，致使織物上的孔隙與紗線的亮度差異不明顯，某一白色物理防絨織物的灰度直方圖見圖2。可以看出，沒有明顯的雙峰特性，因此不能用常規方法來確定防絨織物的閾值，需要使用MatLab軟件中的Imadjust ()函數增加孔隙與紗體的對比度，使孔隙與紗體明顯分離。然后根據原灰度圖像的直方圖中紗體灰度值與孔隙灰度值的過渡位置處的灰度范圍(圖2中的方框區域)，再使用“最大類間方差法(Otsu法)”自適應確定孔隙最佳閾值[10]。進而，采用該閾值對圖像實施二值化處理操作。針對圖1選擇最佳閾值后的織物二值圖像見圖3。

圖2 物理防絨織物灰度直方圖

圖3 織物二值圖像

1.3.3 形態學處理與連通域標記

經二值化處理后的織物圖像，孔隙輪廓還不夠清晰，會存在一些細小毛刺。為了在不改變孔隙形狀的原則下，使得孔隙輪廓光滑且各個孔隙間分離，有利于后續識別工作，使用圖像形態學處理功能中先腐蝕后膨脹的開運算方法對二值圖像進行處理，調用MatLab工具箱中的bwlabel()函數對二值圖像的連接部分進行標記。

1.3.4 孔隙面積的頻率分布

利用自編程序，統計被標記區域的面積分布，可直接讀出防鉆絨織物總的孔隙個數以及每個孔隙面積大小。

在實際應用中，孔隙鉆絨與否還受織物中填充的羽絨尺寸影響。測量發現，鉆出織物的羽絲根部橫截面的面積在5 160～7 100 μm2范圍內。

織物的防鉆絨效果分析原則是：當孔隙面積大于比較粗硬的羽絲橫截面時，該孔隙才有鉆絨的可能性，這類孔隙被稱為大孔。故以5 160 μm2為跑絨孔隙的下限面積，以320 μm2為梯度劃分孔隙面積檔位，在MatLab軟件中調用histc函數統計分析織物的單位面積(1 m2)上孔隙面積大于某一下限值的各檔位的孔數，得到大孔頻率分布圖，織物大孔頻率分布圖見圖4。

圖4 織物大孔頻率分布圖

1.4 防鉆絨性的判斷

通過試驗獲得防鉆絨織物極限孔隙分布。將織物大孔隙分布圖與極限孔隙分布相對比，不大于極限孔隙分布的就判斷為具有防絨特性。

2 試驗結果討論

2.1 物理防絨與化學防絨織物的判別

采用8種物理防絨織物，經Photoshop放大計算知它們的孔隙透光率都大于90%。而另一組涂層、薄膜復合的化學防絨織物的最大透光率都小于80%。所以，物理防絨織物的判別值設定為大孔透光率>85%。

2.2 物理防絨織物的極限孔隙分布

采用GB/T 12705.2—2009《紡織品 織物防鉆絨性試驗方法 第2部分：轉箱法》對物理防絨織物的防鉆絨特性進行測試，發現其中4種織物的鉆絨根數不大于5根，根據轉箱法防鉆絨性能評價可知它們的防絨性能極佳；而另外4種織物(2種平紋，2種2/1斜紋)的鉆絨根數都在11～17根范圍，都處于“具有防鉆絨性”與“具有較差的防鉆絨性”交界區，因此，將這些織物的大孔分布作為評價其他織物防絨特性的基準，稱為極限孔隙分布。

采用自編程序分析4種臨界防絨織物的透光圖像，得到平紋防絨織物、斜紋防絨織物極限孔隙分布見圖5。對比圖4、5可知，對于物理防絨織物，當織物每組孔隙面積大小相應的每平米孔隙數都不大于圖5的極限值時，判斷該織物具有防鉆絨特性，否則判斷該織物防鉆絨特性較差，甚至不具備防鉆絨特性。與基準的極限值相比，織物各檔位的孔隙數越少，防鉆絨特性越好。

圖5 防絨織物極限孔隙分布

2.3 效果驗證

驗證織物I：黑色平紋滌綸長絲防絨布。

首先，用Photoshop放大計算該織物大孔最亮處透光率均大于92.94%，判斷防絨方法只可能為物理防絨。然后，按上述方法進行透光圖像分析，得到每平米面積中大孔隙的頻率分布圖。織物I的大孔頻率分布見圖6。

圖6 織物I的大孔頻率分布

比較圖6與圖5(a)可知，其任一檔尺寸的孔隙數量遠遠小于極限頻率分布，說明該黑色防絨織物幾乎不存在能夠鉆絨的大孔，其防鉆絨性優良。

按照GB/T 12705.2—2009《紡織品 織物防鉆絨性試驗方法 第2部分：轉箱法》的防鉆絨性能評價標準，實測該織物的鉆絨根數為3～5根，鉆絨根數在<5根范圍的織物具有良好的防鉆絨性，則該防絨織物的防鉆絨效果良好，這與本文試驗方法的測試評價結果相一致。

驗證織物II：淡黃色棉/滌綸長絲混紡平紋織物。按照本文方法，得到織物每平米面積上孔隙的頻率分布圖，織物Ⅱ的大孔頻率分布見圖7。由圖7與圖5(a)相比可知，其任一檔尺寸的孔隙數都大于極限頻率分布，表明該淡黃色防絨織物大孔很多，其防鉆絨性很差或不具有防鉆絨性。

圖7 織物II的大孔頻率分布

另一方面，依據GB/T 12705.2—2009得到的測試結果為織物不具有防鉆絨性，這也與本文試驗方法的測試評價結果相一致。

3 結 論

本文采用數字圖像處理技術，研究了基于織物透光圖像的防鉆絨特性測試評價方法。通過拍攝織物的透光數字圖像，首先判斷是否為化學防絨織物(涂層或薄膜復合)，如果不是，按流程“圖像導入→閾值確定→二值化處理→形態學處理→連通域標記→連通域面積計算”編寫MatLab程序，計算出織物上每一孔隙實際面積，以及織物上大孔的頻率分布，若大孔的頻率分布不大于物理防絨織物的極限孔隙分布，判定該織物具有防鉆絨性。驗證結果表明，本文的測試方法正確、可行，同時具有簡單、快捷的優勢，對避開涂層或薄膜，研制舒適輕便的戶外紡織品具有參考價值。