基于易语言的毛呢织物组织结构识别

2022-01-06涂彩云熊锴毓

毛纺科技 2021年12期

温润，涂彩云，熊锴毓，沈华

(东华大学纺织学院，上海 201620)

分析和识别毛呢织物组织类型是生产毛呢织物的基础工作，现阶段企业仍以效率较低的人工分析为主。随着毛呢织物在纺织市场中的发展势头日趋良好，传统的人工分析很难保证企业生产在质和量上的平衡发展，因此掌握毛呢织物自动分析技术成为企业发展的关键。

随着数字化图像处理理论和技术的飞速发展，这种技术也被引入纺织领域。20世纪末，织物图像处理主要通过运用光学理论进行探究，如Melendez等[1]对Gabor滤波进行优化，并结合LBP算法提取织物图像表面纹理特征对织物进行分类；Nishino等[2]提出了马尔科夫随机场模型，用于提取织物图像相关区域的灰度信息。如今，织物组织识别技术呈现智能化发展趋势，如李艳梅等[3]借助傅里叶变换得到织物的组织结构参数；周帅[4]在数字图像处理技术应用基础上，综合小波分析以及BP神经网络等方法实现织物疵点的识别和分类。然而，目前大部分纺织图像处理技术都是基于MATLAB、C++等软件实现，对于纺织企业生产设计人员而言难度较大，不利于技术的推广。

易语言具有独特的优势，其采用全中文式代码编译，实现操作页面可视化，为设计者提供良好的编程环境；此外，易语言所拥有的独立编译器支持其实现跨平台使用，用户可通过易语言完成绝大部分编程设计[5]。因此，本文以棉织物图像预处理技术为基础，采用多种图像处理算法，获得毛呢织物组织结构参数，确定其组织结构特征，并编入易语言程序中，以期望达到毛呢织物组织结构自动识别的效果，为面料仿样、设计、创新提供可信度高、有参考价值的信息，提高企业生产效率。

1 毛呢织物组织图像获取及预处理

1.1 毛呢织物图像的获取

获取清晰的毛呢织物组织结构图像是对其结构进行识别的首要条件。以毛呢织物的结构特点为前提，参考棉织物图像处理技术，设计针对毛呢织物组织图像处理方法。毛呢织物图像预处理流程如图1所示，主要包括毛呢织物挑选、图像采集以及对图像颜色、噪点和对比度的处理。通过采用灰度处理、中值滤波、直方图均衡化等具体算法，获取用于提取特征值的标准图。

图1 毛呢织物图像预处理流程

本文选取平纹、斜纹、缎纹3种毛呢织物基础组织结构，在相同环境下采用中晶e900高清图像扫描仪获取织物图像。扫描时，为避免因边缘组织结构不同于中心组织所引起的误差，首先选择试样中心附近的区域进行预扫描，并确保待测织物图像内有10根左右纱线，再统一进行分辨率为1 200 dpi的高清扫描。

1.2 图像预处理

扫描采集所得高清织物图像包含了织物表面大量色彩信息，为方便后期组织特征提取，须经过3步处理工序。第1步，采用YUV颜色空间变换法增加图像各像素间的对比度，即将扫描的毛呢织物图像RGB像素值转化为Y值(Y是亮度，用以表征图像的灰度值)，实现图像彩色转灰色，以便运算和存储；第2步，为保证织物表面信息不被破环，须采用中值滤波去除噪点，完成对规定图像的降噪处理；第3步，对织物图像进行直方图均衡化[6]，增强毛呢织物图像的对比度，减少中值滤波处理后图像清晰度下降问题，利于后续对织物组织特征提取和分类。

图2为2/2斜纹毛呢织物预处理效果对比图，其相比于原织物，经过一系列预处理的织物图像，在清晰度、对比度上均有显著提升，可为毛呢织物组织特征提取与分类提供良好样本。

图2 2/2斜纹毛呢织物预处理效果

2 毛呢织物组织特征提取与分类

2.1 毛呢织物结构参数的确定

为了对预处理图像进行区域分割和特征提取，首先采用最大类间方差法(Otsu法)寻找分割阈值最优阈值，将毛呢织物灰度图二值化处理，确定织物图像内的纱线根数以及每根纱线的宽度，初步确定纱线位置。然后，对二值化后的图像进行平滑化处理，减少织物表面绒毛对图像处理的干扰，对纱线定位，并计算织物密度。

图3为织物图像处理效果图，织物图像中纱线和纱线间隙的分布用黑白相间的条纹表征。从图中可获取图像总像素点数T(个)以及单位长度上的像素点数t(个/英寸)，即可得到图像的实际宽度，利用图像中黑条数量代替该宽度内的纱线根数n(根)，则根据纱线密度p(根/(10 cm))的定义可得式(1)。

图3 织物图像处理效果

(1)

采用相对误差的分析方法，分别统计10块不同密度的三原素色毛呢织物与5块常用组织毛呢织物的经、纬向密度，对比人工测量数据与计算机测量数据之间的误差ε见式(2)。

(2)

式中：xr为人工测量密度，根/(10cm)，x为计算机测量密度，根/(10cm)。

表1所示为对30块样本织物经向、纬向密度误差的分析。由表可知，对于三原素色组织，其经向、纬向密度人工测量数值与计算机测量数值偏差较小，试验的相对误差不超过5%。

表1 素色织物经、纬向密度误差分析 %

2.2 毛呢织物组织特征提取

不同织物具有不同纹理特征，利用灰度共生矩阵可以有效提取灰度图像分割区域的所有特征信息[7-8]。首先确定灰度共生矩阵统计的方向和计算距离，选取分割区域(K×K)中任意一点(m，n)，其灰度值为i，及沿确定方向距离该点(a，b)的点(m+a，n+b)的灰度值为j，设这2点灰度值组合为(i，j)，已知灰度值的级数为L，则(i，j)的组合方式共有L2种。然后将i、j从小到大进行排序，以他们为坐标，记录组合(i，j)出现的次数，构成1个联合灰度矩阵。最后用组合(i，j)出现的次数除以总次数得到归一化后的概率Pθ,d(i,j)，获得便于提取图像特征的灰度共生矩阵。

本文通过分析分割区域在统计方向θ=0°，相隔距离d=1时的灰度共生矩阵，得到以下几个常用的特征统计，用以表征该区域图像纹理特征的相关信息：

①均值μij见式(3)：

(3)

式中：xij为灰度值为(i，j)的组合个数,Pθ,d(i,j)为其出现的概率，L为选取分割区域的灰度级。

(4)

③相关性C1见式(5)表征图像纹理的变化趋势和相似程度。

(5)

式(5)中：

(6)

(7)

(8)

(9)

④对比度C2见式(10),表征图像的清晰程度，对比度大的图像，其纹理特征表现越细致。

(10)

⑤能量A见式(11),表征图像灰度变化的均匀程度，值越小表明纹理呈无规律分布，反之，则图像灰度变化越稳定，纹理分布越均匀。

(11)

2.3 毛呢织物组织特征的分类

经灰度共生矩阵提取毛呢织物组织特征信息后，可采取聚类分析法实现分类，区分织物的经、纬组织点。聚类分析是一种不局限于划分类别，依据各个样本间的相似程度进行分组的方法。通过这种方式将相似的样本点归入同一类，不相似的样本归为其他种类。

本文采用模糊聚类算法(FCM算法)判别织物图像中经、纬组织点的分布，试验中，FCM算法将分割区域的集合转换为样本点的集合，构成样本空间X={x1,x2,…xn}，并用y来代表样本点的种类(y≥2且为整数)。J表示样本空间X的模糊聚类结果，见式(12)。定义聚类分析函数：

(12)

当聚类分析函数在前后2次迭代中的误差值小于预设精度时，FCM算法会根据各个样本点对聚类中心的隶属程度，将其划分为经、纬组织点两大类，进而得到选定图像区域内某一纱线上组织点的变化。图4是分别提取一平纹织物经向、纬向第4根纱线所在区域图像的特征值，再通过聚类分析，实现对规定纱线上组织点分布规律的预测。

图4 织物原图及其对应组织结构

2.4 毛呢织物组织匹配

在得到规定纱线组织点排列规律后，须进一步判断毛呢织物的组织类型。相比于常规研究中提取织物组织循环的方法[9]，本文采用单根经纬纱组织匹配法，其是一种模糊识别分类方法，该方法得出选定织物为某一组织的概率，而不会将其归为某一特定组织。

在试验中用差异数表示待测织物与参考织物对应的经纬纱上组织点不一致的个数，当出现差异数大于2根交叉纱线上组织点总数的一半这类情况，可直接排除，缩小组织结构范围，对于剩下可能匹配的组织结构，予以合适的权重，计算各自所占比例，判断待测织物的组织结构。

聚类分析所得组织如图5所示，分析可知，被测织物组织与2/1斜纹组织差异数为1，与2/2斜纹组织差异数为4，设差异数为f，权重为cf,被测织物为某一组织的概率pf,计算方法见式(9)。

图5 聚类分析所得组织

(9)

式中：cf=24-f，被测织物有约90%的概率为2/1斜纹，有近10%的概率为2/2斜纹。

采用单根经纬纱组织匹配法，预测所选毛呢织物的组织结构，并给出对应组织的概率，使结果在一定程度上具有较好的参考价值。

3 毛呢织物组织结构实例分析

3.1 分析准备

经过对毛呢织物组织特征识别方法的分析与设计，使用易语言程序将处理流程编译为软件，系统主界面如图6所示。首先选定待测毛呢织物图像，打开图片，获取图像相关信息，再处理图片，得到织物图像关键纹理特征，最后进行组织判断，得到与被测织物组织结构相匹配的组织类型，并在页面中间区域显示最大概率组织的组织图。以织物实际经纬向密度及织物实际组织结构类型作为参考，分析系统测试值与实际值的误差和组织结构类型判断正确与否。

图6 毛呢织物组织结构识别系统主界面

3.2 平纹类毛呢织物组织

平纹组织适用于春秋毛呢织物的设计。选取3种平纹类毛呢织物进行测试，试验次数均为20，统计各织物的经、纬向密度和组织类型，结果如表2所示，表中织物试样依次为素色毛纱平纹织物、混色毛纱平纹织物和绒面混色毛纱方平织物。

由表2可知，以实测值作为参考，纯毛高支薄花呢和高支赛罗菲尔的经、纬向密度测试结果误差较小，且组织推断准确，原因是二者织物图像中纱线与纱线间隙的对比度较大，能更准确地获取织物规定宽度内纱线根数，进而推算出织物经、纬向密度。对于第3种组织，软件计算得到经、纬向密度测试值只有实际经、纬向密度的一半，且推测其为平纹结构。分析原因：①纱线上的绒毛掩盖了织物部分纹理特征；②方平织物中相邻2根纱线间隙很小，系统易将其误判为1根，造成较大的测量误差。

表2 平纹织物测试结果统计

3.3 斜纹类毛呢织物组织

斜纹组织是毛呢织物设计中高频使用的一类组织结构。与平纹类毛呢织物测试方法一致，选取4种斜纹类毛呢织物：2/2右斜纹素色毛呢织物、2/1右斜纹素色毛呢织物、2/2右斜纹混色纱线毛呢织物和2/2右斜纹经纬异色绒面毛呢织物，测试结果如表3所示。

由表3可知，以实测值作为参考，所选毛呢织物的纱线密度测试结果误差较小，此外相比平纹类的全毛绒面花呢，斜纹类全毛绒面花呢纱线结构较为紧密，组织点周围的绒毛分布较少，同时后者经纬纱线异色，在进行图像处理时会有明显区分，更获得较清晰的纹理特征，因此试验得到的经向纬向密度更准确。

表3 斜纹织物测试结果统计

3.4 缎纹类毛呢织物组织

缎纹组织多以变化组织的形式应用在毛呢织物设计中。与平纹类毛呢织物测试方法一致，选取2种混色加强缎纹毛呢织物进行测试，测试结果如表4所示。

由表4可知，以实测值作为参考，所选缎纹类毛呢织物的经纬测试结果误差较小。分析其原因：①与平纹及斜纹类组织相比，缎纹类组织点分布差异较大，在聚类分析过程中被判断为平纹或斜纹类组织的概率不大；②缎纹类毛呢织物品种单一，组织库基本将其包在内，系统可精准识别待测缎纹类毛呢织物组织类型。通过对以上所选3类毛呢织物图像及其实验数据的分析与统计可知，使用本文设计的毛呢织物组织结构识别系统可以较为准确地分辨出被测织物的组织类别，且测试所得经、纬密误差较小，该方法对于这3类常规毛呢织物组织具有良好的适用性。