从服装图片中识别面料方法的研究

李蓓蓓

（上海第二工业大学电子与电气工程学院，上海 201209）

从服装图片中识别面料方法的研究

李蓓蓓

（上海第二工业大学电子与电气工程学院，上海 201209）

提出了一种服装面料自动识别方法：根据需要对服装图片进行预处理，然后从预处理后的图像中提取服装面料的特征信息，并对这些信息进行仿真，观察模拟效果，最后对从图像中识别出的面料信息进行分析，总结出几种服装面料图像的参数分布。对服装面料自动识别技术具有一定的推动作用，对虚拟现实中具有随机几何模型的物体特征识别也有一定的推动作用。

皱褶；面料；图像；模拟；服装

0 引言

服装已经成为我们生活中必不可少的物品。人们通常会通过用手触摸面料来判别面料的种类，当然还有其他方法，比如燃烧法、显微镜法、pH值试绒法等。但这些方法由于受到识别环境等各种因素影响，难以得到普及。也有学者提出通过分析布料图像的特征来获得布料材料的属性[1-3]，这些识别方法由于其特征的表示方法不直观，需要用户对布料的物理属性有一定的了解，因此很难被一般用户所接受。

本文提出了一种通过分析服装图片中的皱褶信息来获得其面料属性的识别方法。该方法采用参数形式来表示服装的面料特征。经过实际测试，证明该方法的准确性较高。

1 服装图像的预处理

首先，对待检测衣服图片进行灰度化处理和二值化处理，以便对衣服褶皱进行数据采集与提取。本文选用了三种衣服原始图像，如图1、图2和图3所示。

图1 衣服原始彩色图像AFig. 1 Color image A of the initial clothes

图2 衣服原始彩色图像BFig. 2 Color image B of the initial clothes

图3 衣服原始彩色图像CFig. 3 Color image C of the initial clothes

对图1所示衣服图像进行灰度化和二值化处理，结果如图4、图5所示。

图4 图1对应的灰度图像Fig. 4 The corresponding gray image of color image A

图5 图1对应的二值化图像Fig. 5 The corresponding binary image A of color image A

对衣服原始图像进行灰度化处理，其目的是为了实现对服装皱褶高度信息的提取。服装图像中的原始信息包含其表面各像素点的位置信息、RGB亮度信息。这些信息中含有服装各皱褶的三维信息，图像中各点的高度与其亮度之间呈一种线性的关系[4-5]。各像素点的亮度用其RGB均值表示，即灰度信息。

对衣服原始图像进行二值化处理的目的是为了实现服装形状信息以及密度属性的提取。服装皱褶可以先采用二值化方法进行识别，如图5所示。服装形状信息主要是指服装皱褶几何形状的长宽之比，计算二值化后图像阴影区域的长宽比。服装的密度即二值化图像中连通区域面积小于某阈值的个数。

2 服装图像面料参数的提取

服装的面料参数主要包括面料的材料、纱支、工艺和后整理等。本文主要讨论面料的材料和纱支参数的提取方法，其他参数的提取同理。

在图1中采用棉质材料纱支16 s，图2和图3中采用真丝材质，纱支分别为16 s和26 s。

经过预处理后的服装图像，可以方便提取其面料特征，主要采用皱褶的特征来表示，包括皱褶的形状信息、高度信息和密度信息。

2.1 服装褶皱形状信息的提取

由于服装图片的灰度信息受周围光照强度、光照方向等因素影响，不同位置皱褶的灰度值变化趋势也不尽相同，因此，很难从服装灰度图像中提取其皱褶的形状信息。

本文采用对服装图像进行二值化处理，然后提取其皱褶的形状信息。服装图像经过二值化处理后，皱褶部位采用黑色阴影区域表示。逐行扫描该图像中的黑色阴影区域，计算黑色阴影区域的总行数与总列数之比，作为评价该服装皱褶形状信息的主要参数。

设该款服装皱褶长宽比为α，其计算如公式（1）所示。

式中：

li是当前扫描皱褶黑色区域的横向最大值；

wj是当前扫描皱褶黑色区域的纵向最大值；

n是黑色区域的数量。

首先，定义该款服装图像的长（L）、宽（W）都为0，再定义M为判定前的一个状态，采用逐行逐列扫描法进行测量。对数张图片进行测量，各张图像的测量结果如表1所示。

表1 衣服褶皱的长宽比Tab. 1 Proportion of the clothes wrinkle width and length

2.2 服装褶皱高度信息的提取

本文讨论提取的服装图像中的皱褶高度信息，采用皱褶平均高度值来表示。用于分析的服装图像是二维的，从图片中找出所隐藏的三维信息。假设用于分析服装图片的光源为平行光，方向与拍摄角度一致，可认为高度与灰度值呈线性关系[4-5]。灰度值差与褶皱高度的线性关系如公式（2）所示。

式中：

H是褶皱的高度；

K ,b是线性系数，可以根据实际情况定义其值，在此研究中，定义线性系数K=1,b=0；

S和D分别是灰度的最大值与最小值。

K与b可以通过试验方法获得，在模拟过程中，可以根据需要进行适当的放缩处理。

先找到整幅图像中灰度值最小点的位置。灰度值最大点的位置在灰度值最小点的附近寻找，在灰度值最小点定义一个区域用于寻找。所以，先记录二值化图像中每个黑色阴影区域的中心点位置，并在对应灰度图像中以记录点为中心，以此灰度值最小点为中心画一个四边形，长宽根据经验而定，在该四边形范围里找到灰度值最大的像素点。对于选取的面料，高度的提取信息如表2所示。

表2 衣服褶皱的平均高度Tab. 2 The average height of the clothes wrinkle

2.3 服装褶皱密度信息的提取

服装皱褶密度可用于评价服装的光滑程度[1,6]。服装皱褶密度在本文中的含义是整个服装图片中皱褶的数量。为实现便捷地提取服装皱褶的密度信息，本文尝试在二值化图像的基础上进行提取。把图像背景与目标服装区域区分开，即经过调整，把面积大于一定值的区域去除，再把图片中无关的噪声信号滤除，把面积小于一定值的区域去除。计算连通区域面积在一定范围内的数量。对于选取的面料，密度的提取信息如表3所示。

表3 服装褶皱的密度Tab. 3 The density of the clothes wrinkle

经过对不同材质分别进行的10次试验，我们把不同材料、不同纱支材料的面料图片的特征进行了提取。其皱褶属性如表4所示。

表4 服装面料褶皱属性Tab. 4 The wrinkle attributes of the clothes

从表4中可以看出，采用本文的识别方法，可以对服装的面料进行识别，获得不同面料的皱褶参数信息。

3 服装界面特征提取与仿真

采用用户可交互界面形式输入需要提取的服装图片，并显示其特征信息。最后把服装皱褶的几何信息模拟出来，并观察其显示效果[7]。

3.1 边界特征提取

输入待处理的服装图片，以一棉质纺织品材料为例，设计软件窗口界面，其特征显示如图6所示。

图6 界面的设计Fig. 6 The GUI design

3.2 仿真效果

根据对服装皱褶所提取出的几何信息，仿真服装皱褶的几何模型，如图7所示。

从模拟效果图7中可以看出，服装的皱褶形状基本可以实现模拟，从而侧面证明了该方法的可行性及有效性。

图7 模拟效果Fig. 7 The simulation result

4 结论

本文提出了一种服装面料识别技术，可以从一幅服装图片中提取出该款服装的皱褶信息，经过特征归纳，可以从该信息中识别服装的材料。把提取出的服装信息，经过仿真后模拟出服装的皱褶效果，与原图像进行比较，试验证明与原图效果基本一致。

[1] XU B, CUMINATO D F, KEYES N M. Evaluating fabric smoothness appearance with a laser profilometer[J].Textile Research, 1998, 30(2)：900-906.

[2] 杨晓波. 遗传算法在织物起皱等级评定中的应用[J]. 上海纺织科技, 2002, 30(2): 8-10．

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

[4] Illumination and shading[EB/OL]. http://gc.nuaa.edu.cn/hangkong/zjj/cad2/Computer%20graphics%20and%20geometric%20modeling%20implementation%20and%20algorithms/9.pdf.

[5] ROY-CHOWDHURY A, XU YILEI. Pose and illumination invariant face recognition using video sequences[J]. Signals and Communication Technology, 2007, Part I: 9-25.

[6] WIEGMANN A. Effective properties of nonwoven textiles from microstructure simulations[J]. Progress in Industrial Mathematics at ECMI 2006, Mathematics in Industry, 2008, 12(2): 708-712.

[7] 祝双武, 郝重阳. 一种基于真实感图像生成的织物外观仿真快速算法[J]. 系统仿真学报, 2008, 20(5): 1234-1237.

Research on Clothes Fabric Specification from Fashion Images

LI Bei-bei
( School of Electronic and Electronical Engineering, Shanghai Second Polytechnic University, Shanghai 201209, P. R. China )

A clothes fabric recognition method is presented in this study to automatically extract and specify its fabric type features. Clothes image-preprocess is firstly employed according to the different cases. Based upon the results of such image-processes, the clothes fabric feature information can be efficiently extracted. Secondly, a series of measures including statisticing, arranging and anglicizing of such information is correspondingly taken. Through simulating and redisplaying these feature information, the features of parameter distribution may be finally achieved, based on which the clothes fabric type is specified exactly. With the fast development of fashion manufacturing technology, such method, presented by this study, will play an active promoting role not only in clothes fabric recognition and specification, but also in feature recognition of the objects with stochastic geometric model in virtual reality field.

wrinkle; clothes; image; simulating; fashion

TP391.4

B

1001-4543(2012)03-0182-05

2012-04-23;

2012-08-27

李蓓蓓（1975－），女，安徽定远人，副教授，博士，主要研究方向为图形图像处理，电子邮箱libeibei@126.com。

上海市教委重点学科资助项目（No. J51801）