基于图像处理的人体模特试衣方法*

杨 曼，黄远民

0 引言

图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。数字图像是指采用专业的摄像机、工业相机等设备经过拍摄得到一个大的三维或二维数组，该数组的元素为像素，其值为灰度值，灰度值的大小在0～255之间变化，可通过调整灰度值的大小，改变图像颜色。

服装印花是制衣工艺。第一步，把织物匹染成单色，第二步，把图案印在织物上。其中，第二步中的印花色浆含有能破坏底色染料的强漂白剂。为了展现印花后服装上身的视觉效果，在大批量生产服装之前，一般会先生产1～2件服装，经模特上身后，判断是否符合人们的审美要求。才决定是否需要大批量生产。但这大大地浪费了布料、时间及生产机器的利用率，拖延了出产日期。

为了解决上述问题，本文提出一种基于图像处理的人体模特换衣方法，通过图像灰度化、二值化、形态学处理等方法，对人体模特的原有服装进行准确定位，然后将印花布料填充至人体模特的定位位置，实现换衣，以此观察模特着衣后的视觉效果，判断是否达到审美要求，若符合要求，即可投入生产，大大地节省了布料、时间及生产机器的利用率，避免了资源浪费。

1 图像预处理

彩色图像中的每个像素由R、G、B各自分量共同决定，而灰度图像是R、G、B三个分量相等时的一种特殊彩色图像。灰度图像的像素值取值范围为0～255，彩色图像中的任一通道也可构成一幅灰度图像[1]。比较不同通道下的灰度图像，选择最易于定位模特服装位置的灰度图像进行图像二值化。图像二值化是基本操作，也是图像形态学运算的基础。图像二值化主要是将图像的目标和背景分离开来，二值化后的图像像素值表现为两种像素值，分别为1或0。将灰度图像输入数组的每个值除以255，即得到一个值在0～1变化的像素值数组。假设输入图像为 f(x,y)，二值化后的输出图像为g(x,y)，T为固定分割阈值[2]，则二值化方法可用公式表示为：

图1 原始图像

原始模特图像如图1所示。

灰度化后的灰度图像如图2所示。

图2 灰度图像

比较固定阈值T在0～1之间变化时，在T=0.2及T=0.5时，得到的二值化图像将模特身体与服装分开的最为明显。结果如图3、4所示。

图3 T=0.2时的二值图像

图4 T=0.5时的二值图像

通过比较可知，G通道图像经过阀值分割后，目标点信息量保留最完善，分割效果最好，因此选择G通道下的T=0.5的二值化图像进行服装位置定位。

2 人体模特换衣总思路

服装位置定位步骤如下。

最大连通域提取[3-5]。对G通道二值化图像素取反，此时服装目标点处可形成nHolenum个空穴，找到服装目标点像素并赋值nHolenum（nHolenum=1，2，…n） 。一个8领域以内像素均为目标值的示意图如图5所示，中心点像素为当前像素值。

二值化图像进行正向扫描，寻找下一个像素点，若目标图像中当前位置像素为目标前景，如图6所示目标像素8领域内当前位置的左方、左上方、正上方、右上方像素若为nHolenum，则当前位置也赋值为nHolenum，即当P=0时，若P5=P4=P3=P2=P，则将P赋值为P＝nHolenum。

二值化纤维图像反向扫描，若纤维图像中当前位置像素为目标前景，8领域内当前位置的右方、右下方、正下方、左下方像素若为nHolenum，则当前位置也赋值为nHo⁃lenum，即当P=0时，若P1=P6=P7=P8=P，则将P赋值为P＝nHolenum。直到当前空穴标记完毕为止。

图5 8邻域均为目标像素点

图6 8领域示意图

据此不同的目标点空穴被赋予不同值，每个空穴中的像素值相同，累计像素点数量，保留像素点最多的nHole⁃num值，将其余像素点变成背景像素，完成最大连通域的提取。

部分程序如下：

[L，num]=bwlabel(bwg2,8);

[L，num]=bwlabel(bwg2,8);%bwlabel目标定位函数，返回8领域内提取空穴数量及标记后的服装标记图。

long=zeros(1,nHolenum);%定义1*num数组，存放各个空穴累计后像素点。

for time=1∶nHolenum%time为空穴标记值，范围取自1～nHolenum。

v=0;

for i=1∶m

for j=1∶n

if L(i,j)==time

v=v+1;%像素值累加。

end

end

end

long(1,time)=v;%服装目标像素点长度。

end

提取结果如图7(a)所示，图7(b)为左图的放大图像，其中圈内为多余目标像素点。

图7 最大连通域提取

形态学处理[6]腐蚀。设A和B是整数空间Z中的集合，其中A为原始图像，B为结构元素，则B对A的腐蚀运算记为A⊖A，定义为[7]：

可见，B对A的腐蚀即为平移量Z的集合，这些平移量满足集合B平移Z之后仍然属于集合A。

对图7进行腐蚀后得到的图像如图8所示。

图8 腐蚀后的二值化图像

3 实例与分析

实验中，首先对图像进行预处理，得到G通道下的二值化图像。然后，采用形态学腐蚀算法，将提取过程中的多余像素点腐蚀掉，进而确定服装像素位置坐标。如图9所示，为制作服装的三种印花布料，图10分别为模特换衣后的效果图。

图9 印花布料

图10 模特换衣后效果图

4 结论

采用本文所提出的方法实现模特换衣。模特服装坐标定位准确，可直观地观察到各种印花布料着装后的效果图，直观简洁，基本上满足服装出产商对生产的不同花式布料服装的初步预想。

参考文献：

［1］冈萨雷斯.数字图像处理技术（第三版）［M］.北京：电子工业出版社，2011.

［2］张冬生.基于阈值的图像分割算法研究［D］.大庆：东北石油大学，2011.

［3］王凯，黄山，赵瑜，等.面向图像目标提取的改进连通域标记算法［J］.计算机工程与设计，2014，35（07）：2438-2441.

［4］张恒，胡文龙，丁赤飙.基于快速连通域分析的目标特征提取算法［J］.计算机工程与应用，2009，45（29）：230-232.

［5］张恒，倪永婧.面向目标特征提取的连通域标记算法［J］.计算机与网络，2015，41（07）：58-61.

［6］刘志敏，杨杰，施鹏飞.数学形态学的细化算法［J］.上海交通大学学报，1998（09）：15-19.

［7］姚敏.数字图像处理技术［M］.北京：机械工业出版社，2012.