基于计算机视觉的牛仔服装色差检测评级系统

黄嘉俊， 柯 薇， 王 静， 邓中民

(武汉纺织大学 纺织纤维及制品教育部重点实验室， 湖北 武汉 430073)

色差是纺织品微观质量测评的重要检测项目之一，测定的结果准确与否, 会对产品质量的判定产生影响[1]。其中牛仔服装行业不同于传统的服装行业，常见牛仔服装的颜色以黑色或者靛蓝为主，水洗后在色彩的改变上比传统服装明显，而目前大部分检测机构和企业仍参照ISO或AATCC变色灰卡来进行色牢度评定[2-3]。这种评定方式属于主观目测上的评定，其评定结果的准确性和有效性在很大程度上都取决于评级人自身，并且会随着评级人自身心理和生理上等多种因素的改变而改变，特别在牛仔服装行业，对色差辨别的影响更为明显。

仪器法在色差检测中的应用已有数十年，主要分为光电积分法和光谱光度测色2种[4-5]。这2种仪器法在检测织物颜色和计算织物色差上比主观目测法要准确，但是至今仍然没有得到广泛应用，主要原因在于光谱光度测色仪虽然可精确测量颜色，但是仪器价格昂贵，仪器结构相对复杂，测色时操作较困难；光电积分法测色速度快，但是由于测量原理上存在数据偏差，测量精度和准确度只具有参考性，不能作为最终的判定依据[6]。计算机视觉的色差检测方法及系统在近年取得进展[7-9]；但是由于牛仔服装的色彩特殊性，牛仔色差检测在评定结果时比较模糊，没有具体的指标依据[10]，因此，探索新的色差评价方式且受外界等因素影响较小的牛仔服装色差评级系统成为了一种新的研究趋势。

本文首先对牛仔服装色差系统进行总体设计，选取合理的图像采集设备及图像预处理方法，通过色差计算提出一个差异度-色差值百分比的概念，并对其进行验证，结果表明差异度-色差值百分比与专家测评结果具有较高一致性和客观性。

1 色差检测系统总体设计

本文所研究的牛仔服装色差检测系统主要包括2个系统，分别为硬件系统和软件系统。硬件系统包括3个部分，分别是CCD相机和光学镜头组成的图像采集系统、D65标准光源箱的照明系统、整个系统框架的支撑系统。软件系统包括4个部分，分别为图像预处理模块、颜色空间转换模块、色差值计算模块和最终评级模块。图1为牛仔服装色差检测系统检测工作图。

图1 牛仔服装色差检测系统工作图Fig.1 Denim clothing color detection system working chart

2 图像采集模块

图像采集是图像处理和进行评级的基础与前提，图像质量优劣会直接影响系统评级的准确性。

对于图像处理来说，分辨率越高，采集的图像数据量则越大，会直接导致图像处理速度降低；但是若分辨率太低又不能真实地反映出采集图像的颜色特征，因此，针对系统需求及各个方面综合考虑，选用UI-5240CP-M-GL高性能工业相机，其具有分辨率较高，还原性真实，图像噪声小等优点。

光学镜头是计算机视觉系统中影响成像质量高低的重要部分，影响图像处理算法的实现与最终效果。根据实际采集视场范围、分辨率和通光量等因素，最终选择了视场范围为54.27～67.84 mm，系统精度为0.05 mm的50 mm工业镜头。

标准光源的采用在图像采集和颜色测量中起着至关重要的作用，本文系统中采用的光源模拟CIE标准照明体D65。将D65特殊灯管和电源控制器组合在一起，光源体由2组灯管构成，可根据光照需求来选择其中1组或者2组灯管来提供光源，安装在1个光源箱内，做成标准光源箱。并且代替人眼检测的图像采集设备垂直放置于待检测的牛仔服装上方，即采用45/0观测方式作为照明观测条件。

3 图像预处理模块

由于数字图像在获取、传输的过程中经常受到噪声污染，且噪声对数字图像的输入、处理的各个环节以及最终的输出结果都会产生一定影响，去噪效果的好坏直接影响后续的图像处理，所以需要在图像色差检测前要进行必要的去噪处理。

3.1 RGB颜色空间转化HSI颜色空间

由于去噪处理时图像颜色空间转化的需要，并根据HSI颜色空间具有灰度信号与色度信号相互分开的特性，所以先将RGB颜色空间转化为HSI空间，然后使用灰度图去噪的算法处理其中I分量，最后将去噪后的灰度图还原为彩色图，达到不改变图像中所包含色彩信息的目的。

HSI颜色空间可由RGB空间转换而得[11]，其转换公式如下：

式中：I表示亮度值，通常以0%(黑色)到100%(白色)的百分比来衡量；S表示饱和度，以0%(灰色)到100%(完全饱和)来衡量；H表示色调，取0°～360°的数值来衡量；R、G、B分别表示三原色在颜色空间中的数值。

在MatLab平台中，获取图像采集牛仔样布真彩图的R、G、B数值，将RGB图像转化为double类型，然后按照式(1)转化为HSI颜色空间，从而获取所需亮度图像，其转化图像如图2所示。

图2 牛仔样布的RGB图像和亮度图像Fig.2 Denim clothing RGB image (a) and brightness image (b)

3.2 图像去噪选择

在得到亮度图像后，为便于比较并选择合适的滤波方法，使用MatLab中的imnoise函数将均值为0且均方差为0.01的高斯白噪声添加到亮度图像中，然后分别使用均值滤波(3像素×3像素滤波器)和中值滤波(3像素×3像素窗口)2种方法进行滤波处理。牛仔服装试样的滤波实验图像如图3所示。

图3 牛仔样布滤波对比Fig.3 Comparison of denim clothing. (a) 3 pixel×3 pixel median filter; (b) 3 pixel×3 pixel mean filter

通过实验图像比对分析可以发现，中值滤波在对牛仔服装亮度图像处理方面与均值滤波相比有如下优点：1)可克制线性滤波导致的图像细节处模糊，使图像轮廓信息得以保留；2)降低噪声的效果更为明显；3)亮度图像中孤立噪声点和线段抑制效果更好。因此本文系统选用中值滤波进行去噪处理。

3.3 HSI颜色空间转化RGB颜色空间

经去噪处理后的图像仍为灰度图像，为便于后续图像处理进行，需要将灰度图像进行合成，转化为RGB图像，从而达到不改变图像色彩信息的目的。

图像由HSI颜色空间到RGB颜色空间转换，设H在(0,2π)，S、I的值在[0,1]之间，R、G、B的值也在[0,1]之间，转化公式如下：

当0≤H<2π/3时，

当2π/3≤H<4π/3时，

当4π/3≤H<2π时，

利用式(2)转化到RGB颜色空间，重新合成后的RGB图像如图4所示。通过对比可以看出，重新合成的RGB图像较原图像较好地滤除了噪声，且同时图像的模糊程度较小，较大程度地保留了原始图像的有效信息，为后续处理保证准确性。

图4 重新合成的RGB图像Fig.4 Re-synthesized RGB image

4 颜色空间转换的色差计算模块

色差的计算过程先由RGB颜色空间转化为XYZ颜色空间，然后再由XYZ颜色空间转化为Lab颜色空间，最后再计算色差。

从RGB模型转换为XYZ模型通过乘以3×3矩阵而转换，且它们之间存在着线性关系。由于相机采用标准不同，分为PAL(帕尔制)制式和NTSC(美国国家电视标准委员会)制式，且本文系统采用的是德国相机，属于PAL制式的数码相机，因此采用下式进行RGB颜色空间到XYZ颜色空间的转化。

Lab颜色空间可以由CIEXYZ色度系统通过数学的方法转换而得到，如下：

计算机视觉的色差检测是基于传统人眼目测而进行开发的，因此计算机检测到的色差应与人眼所感受到的色差一致。在此基础上，计算机色彩研究者提出了很多色差公式，目前计算机配色系统使用最多的是由国际照明委员会(CIE)制定的CIELab颜色空间，如下式所示。

式中：ΔE为色差值；ΔL>0，说明原样本比对照样本颜色深，明度要低，反之则高；Δa>0，说明原样本比对照样本偏向绿色，反之偏红；Δb>0，说明原样本比对照样本偏向蓝色，反之偏黄。但是此公式在使用过程中，由于人眼敏感度与该公式的定义存在某些差别，从而导致计算机进行色差评价时与人眼目测结果存在较大出入。

本文系统使用的色差公式为国际照明委员会的一个最新的色差公式，简称为CIEDE2000[12]，该色差公式同样也是基于CIELab均匀颜色空间上计算的，是目前理论上最接近人眼视觉的公式。

式中：ΔE为色差值；ΔL，ΔC，ΔH分别表示明度差、彩度差和色相差；SL，SC和SH为权重函数，定义椭圆半轴的长度，可以在CIELab颜色空间中根据区域不同而进行调整，以校正该空间的均匀性；KL、KC和KH为与使用条件相关的参数因子，并且是与诸如颜色检测或照明条件等相关的校正系数。CIE也给定在一定条件下的系数值，根据大量实验反复认证，最终选用了纺织类常用取值，即KL=2，KC=1，KH=1，可满足牛仔服装色差计算条件。

5 基于曲线拟合的色差评级模块

根据颜色空间转换的色差计算模块，现在已经可以得到检测后的色差值，但是在日常检测机构实际检测中，这些色差值仅仅为模糊的数值[13]，并且不能够直接准确地得到变色样布和标准样布之间的差别。目前主流的5级9阶灰度色卡评级制度，对颜色变化较大的牛仔服装来说，效果不如传统服装显著。根据此种具有实际意义的需求，本文提出了差异度百分比的概念作为牛仔服装色差检测系统的检测评级指标。差异度在本文中具体指2块牛仔服装颜色的差异程度。采用ΔE指标作为尺度来获得差异度这个评价指标，运用模糊综合评判的原理，确定一个差异度-色差值曲线。

5.1 差异度与色差值极值的确定

为获得更符合人眼的临界色差值，选取50组颜色相近的牛仔样布，分别让20名视觉正常的观察者进行辨别，并让每名观察者将50组牛仔样布分类为可辨别和不可辨别样本，通过式(6)(KL=2、KC=1、KH=1)计算每组色差值，最终取20名观察者分类的色差临界值平均数，确定最小辨别色差值ΔE=0.285 8，定义此时差异度为0%。由于人眼所能辨别的区别最大的颜色为黑色和白色，因此在确定人眼所能辨别的色差最大值时，分别采集黑白2种样本的图像，且得到黑、白样卡的L、a、b值，并通过牛仔服装色差检测系统测得其之间的色差值，此时色差最大值为ΔE=59.011 2，即定义此时差异度的值为100%。

5.2 差异度与色差值特殊点的确定

将50组牛仔样布在无外界干扰和标准观测条件下让5名纺织品色差专家进行评级,并根据标准灰卡各等级样照的灰度值差异度[7]，将专家评定等级为5级和4～5级的样布，差异度定义为5%；评定等级为4级和3～4级的样布，差异度定义为10%；评定等级为3级样布，差异度定义为15%；3级以下的样布，定义为40%。

通过对每组样布色差值计算，并运用加权后取平均值的原理，最终可以得到各差异度的色差值，如表1所示。

5.3 差异度与色差值曲线拟合

将表1中所得差异度与其对应的色差值进行曲线拟合，构建差异度-色差值关系方程。在曲线拟合中，分别选择二次、三次和有理函数曲线拟合差异度与色差值之间的函数关系，拟合结果如图5所示。

表1 色差值与差异度结果Tab.1 Results of color difference and diversity factor

参照表1中参数，由二次、三次和有理函数拟合曲线对应的差异度与色差值方程如表2所示。其中：y表示差异度；x表示色差值；R2代表相关系数，其系数值越接近1，则表示方程的变量对y值解释能力越强，即曲线拟合的效果越好。由图5和表2可看出，有理函数拟合结果最好，因此选择其对应的有理函数拟合式作为牛仔服装色差评级方程。

6 色差检测评级系统准确性测试

6.1 色差检测评级系统

牛仔服装色差检测评级系统的界面主要包括图像采集窗口和色差检测评级主窗口。色差检测主窗口主要包括交互式操作模块、图像处理显示模块、颜色空间转换和色差值显示模块、相似度显示和文字描述模块。图6示出色差检测评级系统主窗口界面。其中图6上方2个图为原样和对比样原图，图6下方2个图为经过去噪处理后的图像。

6.2 系统准确性测试

在经过水洗后的牛仔服装中，随机选择100组样本进行评级，将评级结果与另外2位纺织品色差专家目测评级结果进行比对，结果证明本文系统评级结果准确性可靠，其中选取10组牛仔服装样布检测结果，如表3所示。

分析结果表明，本文系统得到的差异度结果基本上符合专家目测评定结果。经过对样布和检测结果分析，人眼测评样布为4级和3～4级时，因为样布之间色差微小，很容易产生判断差别；而使用本文系统进行色差检测，并转化到差异度百分比指标更加准确，减少了测试的误差。

图6 牛仔服装色差检测评级系统界面Fig.6 Denim clothing color difference detection rating system interface

表3 牛仔服装色差评级结果和专家目测结果Tab.3 Denim clothing color detection rating results compared with expert visual inspection results

注：目标评级结果中3级以下为不合格。

7 结 论

本文基于计算机视觉提出一种牛仔服装色差检测评级系统，使用计算机对牛仔服装的色差等级进行评定。结果表明，计算机图像检测不仅提高了牛仔服装色差等级评定的客观性、一致性，大量消除了各方面的客观因素，而且本文系统对色差值转换为色差等级的转换公式进行了拟合，使用拟合后的色差值转换为色差等级的色差拟合转换公式计算得到的织物的色差等级百分比，进一步提高了织物色差等级评定的准确性。

FZXB