APP下载

基于图像技术的织物导湿性能测试方法

2022-01-05熊晶晶王鸿博

纺织学报 2021年12期
关键词:润湿图像处理织物

熊晶晶, 杨 雪, 苏 静, 王鸿博

(1. 江苏省功能纺织品工程技术研究中心, 江苏 无锡 214122;2. 生态纺织教育部重点实验室(江南大学), 江苏 无锡 214122)

织物的导湿性是评价织物热湿舒适性的重要参考指标,目前测试方法仍以传统的垂直芯吸法和动态水分管理测试法(MMT)为主,存在测试步骤繁琐,人为误差不可避免,稳定性不高等问题[1]。图像处理技术因直观、准确性高、操作简便等优势,在纺织品质量控制和性能测试领域应用越来越广泛[2]。如在织物疵点智能检测研究中,杜帅等[3]采用了一种改进的局部自适应对比法,利用最相似邻域的背景估计来检测织物疵点,实现了复杂背景下疵点图像的高准确率在线检测;在纱线毛羽指数检测时,陆奕辰等[4]提出一种基于图像处理技术的纱线黑板毛羽量检测方法,通过中值滤波及形态学处理等方法,获取毛羽像素值并建立毛羽预测模型,可较为完整精确地测试纱线毛羽指数。

已有学者将图像处理技术应用在织物导湿性能测试中:谢梅娣等[5]在滴液法测试织物导湿性时,按一定间隔时间采集织物润湿过程图像,经图像处理后获得各时刻织物的导湿面积,实现了织物导湿面积的自动测量;杜文豪等[6]设计了图像法测试装置和配套的处理软件,引入图像视频技术进行动态观测,并针对图像处理中出现的问题提出了相应解决办法,达到了传统测试方法难以企及的效果,为织物动态导湿理论的研究提供依据;Raja等[7]在测定织物吸水速率及水分在织物表面扩散情况时,对织物导湿图像进行形态学与阈值分割处理,并与人工面积法测量进行对比,结果表明图像法测试与面积法测试结果相关性好,精度更高。

基于图像处理技术测试织物导湿性能的相关研究已取得一定成果,但具体测试方法尚未标准化,测试结果的稳定性也有待提高。本文将滴液实验时采集到的织物润湿图像经MatLab同态滤波增强处理后,再进行阈值分割得到织物导湿面积,并通过重复实验对测试过程中的相关条件进行标准化探讨,为测试方法的合理性和规范性提供一定依据,也可为实际应用提供相应参考。

1 实验部分

1.1 实验设备

基于图像处理技术测试织物导湿性能是在滴液法的基础上进行的,首先搭建滴液实验装置,主要包括移液器、织物试样台和图像采集及处理装置,示意图如图1所示。移液器型号为Thermo Fisher 10~100 μL(赛默飞世尔科技公司);相机型号为ZW-U500(中微科创科技有限公司),分辨率为2 560像素×1 920像素;图像采集与处理在Windows 10 MatLab(2018a)软件中控制操作完成。

1.2 实验过程

1—移液器; 2—固定螺钉(可上下调整); 3—支撑夹; 4—试样台; 5—立柱; 6—相机; 7—相机夹持夹; 8—底座; 9—USB转接线; 10—计算机。图1 实验装置示意图Fig.1 Diagram of experimental device

搭建装置时首先根据相机6的拍摄清晰度,调整相机夹持架7与试样台4的间距,固定试样台的位置和相机夹持架的高度。然后取一块方形织物试样,在布面中心位置沿经纬方向绘制十字线,将织物放置在试样台上,调整织物位置使十字线交叉点处于试样台的中心,在计算机图像采集预览界面中设置定位校准十字线,十字交叉点位于图像显示区域中心,调整相机位置(相机镜头的轴线与试样台的轴线保持一致)使得在图像预览界面中,织物的十字线与定位校准十字线重合,固定相机位置。最后放置移液器1,夹持移液器时保持移液器与织物平面垂直,且枪头(出液口)位置在织物十字交叉点上方,滴液高度的调整通过移液器支撑夹3的固定螺钉2上下移动完成。

实验时,待测织物试样放置在试样台4上,由移液器1取定量液体滴在织物表面,由计算机软件控制进行织物图像采集,并实时显示在计算机上,再经图像处理过程后提取测试指标。实验过程中,液体均在滴落后30 s内达到扩散平衡,设定在液体滴落30 s 时采集图像。实验过程中采集到的图像中润湿区域应尽可能处于图像中央位置。滴液高度和滴液量等实验条件的确定在后文具体探讨。

2 图像处理

图像处理过程主要是设计合适的算法来分割织物图像的干湿区域,同时提取润湿区域的面积特征值。受设备及环境的影响,采集到的图像存在整体亮度低及光照不均匀的问题,润湿区域特别是边缘部分与背景干燥区域对比度低,直接进行图像分割会损失掉部分信息,对测试结果的准确度造成影响,因此,需先对图像进行增强处理。

2.1 同态滤波增强

同态滤波是将频域滤波和灰度变换结合起来的一种图像增强处理方法,在频域中压缩图像亮度的范围同时增强图像对比度,增强图像暗区细节而不损失亮区细节。对于一幅光照不均匀的图像,同态滤波可同时实现亮度调整和对比度提升,从而改善图像质量,避免了直接对图像进行傅里叶变换处理的失真,原理简单,计算量小且效果好[8-9]。同态滤波基本原理如下[10]。

根据数字图像原理,将一幅图像放入坐标系中,定义为一个二维函数f(x,y),图像中的每个像素用(x,y)坐标表示,幅值f为图像在该点的灰度或强度,图像来自于照射源对物体的照射,用i(x,y)表示光线的入射分量,r(x,y)表示光线的反射分量,f(x,y)则可通过以下函数关系[9]表示:

f(x,y)=i(x,y)·r(x,y)

由于入射分量和反射分量的相乘性质,不能直接进行傅里叶变换,可先对f(x,y)取对数,分离i(x,y) 和r(x,y),即有:

lnf(x,y)=lni(x,y)+lnr(x,y)

在空间域上叠加2个分量,再对其进行傅里叶变换得到对应的频域表示为

F(u,v)=Fi(u,v)+Fr(u,v)

然后选择一个合适的滤波函数H(u,v),对F(u,v)进行滤波,结果表示为

S(u,v)=H(u,v)F(u,v)=

H(u,v)Fi(u,v)+H(u,v)Fr(u,v)

滤波后进行反傅里叶变换,返回空域对数图像:

s(x,y)=F-1[S(u,v)]=F-1[H(u,v)Fi(u,v)]+

F-1[H(u,v)Fr(u,v)]=i(x,y)+r(x,y)

最后取指数得到空域滤波结果:

g(x,y)=exp^(s(x,y))=i0(x,y)·r0(x,y)

在MatLab软件中根据上述原理编写代码,并对织物润湿图像进行同态滤波处理,处理前后织物图像如图2所示。可以看出,经同态滤波增强后织物图像亮度明显提升,同时干湿区域的对比度提高,便于后续干湿区域的分割。

图2 同态滤波处理前后织物润湿图像Fig.2 Fabric wetting image before(a) and after(b)homomorphic filtering

2.2 图像处理结果量化

织物图像经同态滤波处理后干湿区域的对比度明显增强,可直接进行二值化阈值分割,使用regionprops函数获取最大连通域,再进行形态学操作去除少量孤立噪点,最后计算润湿区域面积,完整过程如图3所示。

图3 图像处理过程Fig.3 Image processing

经上述图像处理过程所得的织物润湿区域面积单位为像素,需进行像素量化转化为实际面积值,像素量化的准确度将直接影响实验结果的准确度。采用面积法进行像素量化,参照物选择已知面积的规则圆形样卡。对所采集的样卡图像运行图像处理程序,测得面积值像素点为540 000,样卡实际面积为3.14 cm2,则织物润湿区域的面积可通过下式[1]计算得到:

式中:S为织物润湿区域的面积,cm2;SP为润湿区域像素面积;SC为参照样卡实际面积,cm2;SCp为参照样卡像素面积。

3 实验参数优化

3.1 导湿性能

测试织物导湿性能时液体一般使用蒸馏水或去离子水,为方便观察液体在织物中的扩散情况,常在液态水中加入有色染料,也有研究者在水中加入适量氯化钠,与服用面料实际使用时的排汗过程相似[11]。考虑到加入不同试剂会改变液体的表面张力,在织物中的扩散情况也可能出现差异,实验时取等量的去离子水、质量分数为1%的NaCl溶液和刚果红溶液,测试3种液体的表面张力,结果分别为72.3、73.6、62.5 mN/m,然后分别对织物试样进行滴液实验,比较使用3种液体时测试结果的差异,具体结果如表1所示。文中所有织物原料均为市售,纱线线密度均为14.5 text,织物组织为二上二下左斜,经密为524根/(10 cm),纬密为283根/(10 cm)。

表1 不同液体导湿面积测试结果Tab.1 Moisture conductivity area of different liquids cm2

由表1可知,在同一织物上3种液体的润湿面积略有差异,表面张力较小的刚果红溶液在织物表面的润湿面积略大于去离子水和NaCl溶液,液滴接触织物时润湿速度也较快,NaCl溶液的表面张力与去离子水接近,润湿面积差异小。一般情况下,液体的表面张力越小其润湿性能越好,测试液体的选用对实验结果的影响较小,在测试时可根据测试需求选择合适的实验液体,但需对所使用的液体类型及其表面张力加以说明[12]。本文后续实验使用去离子水作为滴液液体。

3.2 滴液高度

滴液高度是搭建滴液装置时首先要确定的参数,其他实验条件的确定都应在同一滴液高度下进行。另外受重力影响,液滴从不同高度滴落到织物上的瞬间芯吸压力不同[13],对液体在织物表面传递的初始阶段有直接影响,因此,选择合适的滴液高度对液体润湿情况的分析十分必要。

根据重复实验结果的差异情况确定滴液高度。在实验过程中发现,滴液高度超过6 cm时会出现液滴迸溅现象,所以拟定滴液高度选择1、2、3、4、5、6 cm, 采集在不同液滴高度时棉织物达到扩散平衡时的导湿图像,每个对应高度重复实验5组,分析不同高度时重复实验结果的变异系数(CV),结果取平均值,如表2所示。

表2 不同滴液高度时棉织物导湿面积测试结果Tab.2 Moisture conductivity area test result of cotton fabric with different drop height

由测试结果可知,滴液高度为2 cm时,5次实验测试结果CV值最小,稳定性最好,当滴液高度增大到6 cm时,偶尔会有液滴飞溅的现象,CV值也较大。在滴液法AATCC 198—2018 《纺织品水平芯吸》测试标准中建议采用的滴液高度为1 cm,根据表2实验结果可知,当滴液高度设置为1 cm时,导湿面积的差异值也较小,但实验过程中发现受光照条件的影响,部分浅色织物上出现了移液器倒影的情况,且液滴润湿速率很快,不利于润湿过程的观察,所以综合考虑确定滴液高度为2 cm固定移液器的位置。

3.3 滴液量

滴液量也直接影响液滴在织物表面的浸润,滴液量过多会发生渗漏或润湿面积过大造成相机不便采集;滴液量过少则液体扩散时间短,润湿面积过小不易测量,实验结果误差也较大,因此,须根据实验装置设定合适的液滴量,并精确控制重复实验时滴液量差异。

对棉织物、莫代尔织物、竹浆纤维织物和涤纶织物分别滴定20、30、40、50 μL的液体,观察并拍摄液滴达到扩散平衡时的图像发现,当滴液量为50 μL时,莫代尔织物和竹浆纤维织物的润湿区域超出相机的拍摄范围,所以为适应相机拍摄条件,设定滴液量为40 μL,可确保获得各种织物的完整润湿图像。实验过程中需保持每次重复实验时滴液量一致,在实验前对单次滴液量进行误差分析,多次量取液滴称量,计算称量结果的CV值。实验时记录并计算了10次液滴质量的差异,结果为39.8 μL,CV值约为3.3%,误差较小。

3.4 图像采集样本数

通常而言,重复实验的次数对织物性能测试结果有一定影响,由于织物的各向异性结构及在织造过程中可能出现的密度不匀、平整度差异、松紧度差异等疵点会造成测试数据的差异,单次测试结果随机误差较大,说服力不足,而重复实验过多会降低实验效率,浪费布样,因此,需合理设定重复实验次数[14-15]。在结合图像处理技术测试织物导湿性能时,需采集多次重复实验的图像增加测试结果的可靠性。

对同一棉织物试样分别进行3、4、5、6、7、8次滴液实验,滴液位置变换方法示意图如图4所示。采集各次实验后的导湿面积图像,经处理后计算各采样数量下导湿面积的变异系数(CV)值,根据重复实验结果的稳定性选择合适的图像采集样本数,测试结果如表3所示。在实验过程中,采样位置距离布边均超过5 cm,为保持织物不因重力而塌陷或产生折皱,需使用夹子夹持,夹样时应注意不产生伸长或折皱,同时应避开布面有明显疵点的区域。

图4 取样方法示意图Fig.4 Diagram of sampling method

由表3可知,按照圆形法变换滴液位置取样时,导湿面积CV值呈现了先减小后变大的趋势,当重复取样数超过6时,CV值变化不大。在样本数为5和6时,CV值接近,样本数为5时变异系数稍小。考虑到节约布料和提高实验效率,图像采集样本数定为5。

表3 采样数量对导湿面积测试结果的影响Tab.3 Influence of sampling quantity on moisture conductivity area test results

3.5 实践优化

按照上述实验条件优化探讨结果固定实验装置,并对表1中6种织物进行导湿性能测试,经图像处理后测试结果显示:莫代尔织物表现出较好的导湿性,导湿面积最大,棉/莫代尔混纺织物次之,而涤纶织物导湿性能较弱,在测试时也可明显观察到液体主要沿涤纶纱线表面及纱线之间的空隙扩散,导湿面积较其他亲水性织物偏小。对比文献[16]结果发现,在探讨纤维素纤维种类对织物热湿舒适性的影响时,上述几种织物芯吸高度测试结果与本文实验方法所得结论相符,即莫代尔织物的导湿性能优于竹浆纤维织物,棉织物次之,但垂直芯吸法测试过程较为繁琐,人工读数误差也较大,本文基于图像技术测试方法有一定的优越性。

4 结 论

1)采用同态滤波处理增强和阈值分割方法,可较为完整地分离出织物图像中的润湿区域,经图像处理测得的织物导湿面积与传统方法计算结果差异小,且测试过程简单,可避免因人为操作造成的随机误差。

2)滴液时可根据实验需求选择合适的液体进行实验,但应对所使用液体的表面张力加以说明,应控制合适的滴液量,不造成液滴渗漏或者润湿区域过小的现象,同时适应相机的拍摄条件。

3)当滴液高度设置为2 cm,按圆形轨迹变换滴液位置重复实验5次时,测得的织物导湿面积数据稳定性较好。

猜你喜欢

润湿图像处理织物
无Sn-Pd活化法制备PANI/Cu导电织物
《丝绒织物》等103项纺织行业标准发布
人工智能辅助冠状动脉CTA图像处理和诊断的研究进展
基于图像处理与卷积神经网络的零件识别
《纺织品织物折痕回复角的测定》正式发布
竹纤维织物抗菌研究进展
露 水
剪春
冬 雨
基于ARM嵌入式的关于图像处理的交通信号灯识别