基于三维扫描技术检测针织物的起毛起球特征值

余十平，龙海如

（东华大学 纺织学院，上海 201620）

基于三维扫描技术检测针织物的起毛起球特征值

余十平，龙海如

（东华大学 纺织学院，上海 201620）

利用三维扫描仪获取了针织物表面坐标数据，在等间距网络规整预处理和小波分析降噪处理后，研究了毛球与背景分离的方法，并通过相关算法和计算机处理获取了毛球的个数、面积和体积等特征值.试验结果表明，该方法可以自动检测针织物起毛起球特征值，具有较高精度和较好可视性，并且不受针织物色彩及纹理的影响.

三维扫描；针织物；起毛起球；小波分析；图像处理

在纺织工业中，针织物的起毛起球等级是评价织物性能的重要指标.传统的方法是通过技术人员观测织物并与标准样照对比来评定起毛起球等级.当大批量的检测时，传统方法不仅费时费力，而且测量结果很大程度上受到主观因素的影响.近年来为了改进测试方法，提高测试效率，一些新的手段应运而生，常见的有两种方法.第一，二维图像处理方法［1］.对针织物拍照，然后通过一定的方法找出毛球的边界阈值并分离出毛球信息，以此求出毛球的各种特征值，从而评价针织物起毛起球等级.第二，光照投影间接法［2］.使用间接方法获取针织物表面三维坐标数据，借以模拟出针织物表面，并使用相关的算法分离出毛球坐标，从而得到反映针织物起毛起球的特征值，根据这些特征值判断针织物的起毛起球等级.这些方法都较大程度上改变了传统检测方法所存在的不足，并将主观评定引伸到了客观评定.但是，二维图像处理的方法在寻找边界阈值时受针织物色泽和组织的影响比较大；光照投影间接法在采集数据时受到相邻点的影响而产生误差［3］.本文通过Xystum三维扫描仪直接获取针织物表面信息，并利用OpenGL仿真技术重建针织物表面，再结合分离毛球信息的算法，从而实现检测过程的自动化与可视化.

1 测试系统与试样

本文构建的测试系统中硬件部分由Xystum三维扫描仪和图形工作站组成；软件部分包括：Window XP操作系统，Xystum三维扫描仪配套的扫描控制软件 Digitrek 4.03，将获取信息转化为ASCII格式文档的Convert软件，模拟出表面模型的Palywork软件以及VC＋＋6.0编程平台.系统流程图如图1所示.

图1 系统流程图Fig.1 System process chart

1.1 Xystum三维扫描仪工作

如原图理 及2数（a据）特所点示 为Xystum三维扫描仪工作原理.激光束照射被测物体，接触物体表面后产生垂直反射并返回发射器，利用激光往返所用的时间计算物体表面的高度坐标.

如图2（b）所示为Xystum三维扫描仪的扫描路径.在扫描过程中扫描仪的激光探测器是固定不变的，通过载物台在xOy平面上移动来完成整幅织物的扫描.

如图2（c）所示为获取的点阵信息.织物经扫描获取的点阵信息为二维数据，x和y为点阵所在的水平位置，z（x，y）为高度坐标，小波处理主要针对高度坐标.

图2 三维扫描仪工作原理与数据特点Fig.2 The work principle of three－dimensional scanner and its data feature

1.2 Playwork软件

Playwork软件主要用来模拟针织物表面，由于它只建立了针织物表面模型而没有后续功能，所以可将其建立的模型作为参照物来提高建模算法的准确性.Playwork模拟针织物表面的方法和步骤：首先，将Xystum三维扫描仪获取的数据经过Convert软件转化为易于识别的ASCII格式并存为txt文件；然后，为生成模型分配空间并设置存储位置；最后导入需要建模的试样txt数据文档，设置适当的精度即可得到该试样的表面模型.

经过Xystum三维扫描仪获取的针织物数据，可直接在Playwork中建模，实现模拟，如图3所示.如图4所示为针织物试样扫描区域的照片.

对比图3和4可以看出，Playwork建模软件再现针织物表面的仿真效果较好，立体感强，能够较为真实地再现织物表面状态.织物扫描数据导入Playwork之后即可模拟出织物的立体表面，为后续使用VC建立虚拟织物表面模型提供了对照依据.

1.3 试样

本文使用了4种针织面料作为试样，其特征如表1所示.

表1 4种试样的特征Table 1 Characteristics of four samples

本文所选试样的表面状态均为平整，这是因为本文的算法不适合有明显孔洞和凸起的针织物.起毛起球试验均在马丁代尔起毛起球仪上完成，试验参数及结果如表2所示.

表2 起毛起球试验及结果Table 2 Pilling tests and results

2 分离毛球信息

2.1 扫描数据等间距网络规整预处理

Xystum三维扫描仪的扫描精度高达1μm，在y方向间隔设计为常规的0.2mm的情况下，扫描一块3cm×3cm的针织物，其数据量为1×107～2×107.显然庞大的数据量不适合后续建模，而且高精度环境下扫描得到的数据会出现很多相邻且高度完全相同的点，这些点应该在建模之前去除一部分.另外，由于扫描过程仪器的振动会造成激光偏移，导致数据在xOy平面上不规整排列，同样会对后续的建模造成影响，所以需要对数据进行规整预处理.

本文采用的等间距网络规整预处理的原理：在已知扫描宽度和扫描间距的情况下，在VC中将所需的扫描点x和y方向的数值等间距排列，然后从扫描数据中寻找x和y方向距这些点最近的点，并将它们的高度坐标赋值，得到排列规整的数据点阵.

等间距网络规整预处理在实现数据规整的同时也可以实现数据精简.例如，本文中扫描区域为3cm×3cm，其扫描间距Δx＝0.001mm，Δy＝0.2 mm.使用等间距网络规整则有Δx＝Δy＝0.2 mm，即将扫描区域划分为等间距150行×150列的网络状，然后将相应的高度坐标赋值.经过规整的数据点阵在Playwork中建立的模型效果良好，几乎与原始数据建立的模型完全相同.4种针织物的起毛起球试样，经等间距网络规整预处理后在Playwork软件中建立的模型图像如图5，用VC建立的模型图像如图6.

对照图5和6可以看出，VC建立的模型和Playwork上建立的模型反映针织物表面状态和特征相同，并且不受针织物颜色的影响，受组织的影响也很小，可以用于起毛起球的分析和计算.

2.2 小波去噪处理

在扫描过程中，针织物表面纤维色泽的变化以及长毛纤维、杂质的存在等因素，容易造成反射光信息波动而产生偏差，模拟的图像会产生噪声.图像数据降噪处理的方法有很多，小波去噪处理以自身良好的时频特征，实现了非线性方法的图像降噪.

2.2.1 小波用于图像数据降噪的原理

一个含噪的构成图像的高度信息可以表示为C（x，y）＝f（x，y）＋ε×e（x，y），其中，（x，y）表示位置，C（x，y）为含噪高度信号，f（x，y）为有用高度信号，e（x，y）为高度噪声信号，ε为噪声强度.噪声信号通常表现为高频信号，低频部分为有用信息，因此可按如下步骤进行去噪：小波分解，然后门限阈值处理小波分解系数，最后小波重构［4］.

2.2.2 小波降噪的计算机实现

小波降噪的计算机实现步骤：（1）为规整后的扫描数据分配内存空间；（2）获取滤波器参数，设计输入对话框，用户可以选择不同的分解层次和滤波长度；（3）H和G算子周期化；（4）H和G算子分别作用于行、列数据，实现图像的去噪.

为了更好地展现模型的立体感以及小波降噪对数据处理后模型的优化效果，本文充分利用VC建模的优势，对模型进行平移和旋转操作，寻找最佳视角观看模型，依此进行对比分析.图7所示为与图6对应的各个针织物模型最佳视角观看到的图像效果，图8所示为经过小波处理后的图像效果.

图8 小波处理后各试样模型图像Fig.8 Digital images after noise－reduction

图7 小波处理前各试样模型图像Fig.7 Digital images before noise－reduction

从图7和8的对比可以看出，经过小波处理后，底纹信息高度波动减小了，从而更好地突出了毛球信息，而且整个模型表面高度的变化也变得平滑，有助于增强后续分离毛球信息的作用效果.图像中类似于水痕的纹理是因为在计算机中设计了光照而产生的，并非针织物纹理或颜色.

2.3 分离毛球信息

对于高度模型的毛球分离，实现的方法主要有两种.第一种是手动阈值分离法，这种方法依托计算机强大的计算能力，首先求出每行高度坐标的平均值作为分离值，然后分别使用两个控件缓慢增加或减少这个分离值（例如本文试验时采用的步长为0.01mm），观察分离效果达到最佳时的分离值即为分离阈值.这种方法操作比较简单，但是费时费力，且受到观测者的主观影响较大，因此只在对比验证时使用.第二种是对称最大距离分离法，其基本原理：分别求取每一行高度数据的平均值和最小高度值，并依此求出平均值以下高度值的最大距离，然后以该距离为判断依据，在该行高度坐标中探寻高度大于平均值且离平均值的距离大于最大距离的坐标点，并进行标记，这些被标记的点构成毛球分离出来的毛球信息，没有被标记的构成背景信息.图9所示为4种针织物试样经对称最大距离分离法处理后的毛球分离效果，图10为使用手动阈值分离法处理后得到的毛球分离效果.

根据VC中导出的经过小波处理后的模型数据以及图7和8的对比，可知小波处理减小了高度坐标的波动，使得高度坐标向平均值靠拢，减小了最大距离的误判概率.图9证明对称最大距离分离法具有一定的实用性，但是当毛球很大且数量多时，会造成毛球底部边缘没有被标记上，从而影响后续特征值的计算（如图9和10中试样C的毛球区域）.因此，当遇到毛球大且数量多时，可通过毛球高度分布确定一个修正值来减小误判概率，或者使用手动控制的方法来修正，本文使用手动的方法修正.

3 获取针织物试样特征值

针织物起毛起球图像的特征值是针织物起毛起球等级判定的依据，针织物的不同起毛起球等级反映在不同的起球数量、毛球大小、毛球面积、毛球体积等特征值上，因此，获取针织物起毛起球的特征值是评价起毛起球等级的关键.

3.1 起毛起球图像中毛球的个数

对每一个点采用四联通区域遍历法搜索高度大于阈值的联通区域.将遇到的第一个大于阈值的联通区域的所有点标记为1，同时记下点的个数m1，这样依次判断图像上所有的点，直到最后一个毛球标记为N，点的个数纪录为mN.

3.2 毛球的平均高度和最大高度

3.3 毛球的最大面积、总面积和平均面积

3.4 毛球的最大体积、总体积和平均体积

3.5 获取针织物起毛起球特征值

为方便计算机处理，从上述毛球特征值中选取相关性和可分性综合效果都较好［5］的7个参数作为计算对象，通过3.1～3.4节的算法在计算机中自动检测得到的结果如表3所示.为了减小毛羽的影响，在判断毛球时将联通面积大于或等于0.2mm2的区域记为毛球区域.

表3 测试针织物的起毛起球特征值Table 3 Pilling eigenvalues of tested knitted fabric

4 结 语

本文利用计算机三维图像数据处理和仿真技术，对采集的针织物表面信息进行处理和建模分析，实现针织物起毛起球的自动化检测.通过试验和数据的分析，得出以下结论.

（1）利用Xystum三维扫描仪获取针织物表面三维坐标，精度高，数据信息容易处理和实现规整化.建模和仿真过程采用Playwork软件作为对比和参照依据，加快了试验和处理的速度.

（2）利用小波分析对获取的高度坐标数据进行处理，有效去除了扫描过程中因为杂质和长纤维以及机器振动造成的光学数据偏差，增强了数据信息的有效性，并减小了数据波动.

（3）通过对称最大距离分离法将毛球与背景分离，并与手动输入阈值分离效果进行对比，确定该方法具有一定的适用性，但对高度变化较大的织物还需要进行手动调整.

（4）分离毛球完成后，通过相关算法得到该模型反映起毛起球等级的特征值.

参 考 文 献

［1］KONDA A，XIN L C.Evaluation of pilling by computer image analysis ［J］.Journal of the Textile Machinery Society of Japan，1990，36（3）：96－107.

［2］XIN B J，HU J L，BACIU G.Visualization of textile surface roughness based on silhouette image analysis ［J］.Textile Research Journal，2010，80（2）：166－175.

［3］花勇.基于图像处理技术的纬编单面针织物组织结构及参数的识别［D］.上海：东华大学纺织学院，2011.

［4］卢海空.小波分析理论在织物起毛起球客观评定中的应用［D］.天津：天津工业大学艺术与服装学院，2008.

［5］陈霞.基于切面投影图像的织物起毛起球的计算机视觉评定［D］.上海：东华大学纺织学院，2003.

Detecting Knitted Fabric Pilling Eigenvalues Based on Three－Dimensional Scanning Technique

YUShi－ping，LONGHai－ru
（College of Textiles，Donghua University，Shanghai 201620，China）

The three－dimensional scanner was used to obtain data of knitted fabric surface coordinates.After pretreatment by the equidistant net regularization and denoising by wavelet analysis，the method of separation between pilling and background was investigated，and pilling eigenvalues，such as pilling number，area，volume and so on，were gained by the algorithm and computer processing.The results show that the method can obtain pilling eigenvalues of knitted fabric automatically and has higher precision and good visibility.In addition，the technique is hardly affected by the color and texture of tested knitted fabric.

three－dimensional scan；knitted fabric；pilling；wavelet analysis；image processing

TS 101.8

A

1671－0444（2013）01－0042－06

2011－11－30

余十平（1986—），男，湖北安陆人，硕士，研究方向为数字化纺织工程.E－mail：ranshao12345＠163.com

龙海如（联系人），男，教授，E－mail：hrlong＠dhu.edu.cn