基于易語言的毛呢織物組織結(jié)構(gòu)識別

溫 潤，涂彩云，熊鍇毓，沈 華

(東華大學(xué) 紡織學(xué)院，上海 201620)

分析和識別毛呢織物組織類型是生產(chǎn)毛呢織物的基礎(chǔ)工作，現(xiàn)階段企業(yè)仍以效率較低的人工分析為主。隨著毛呢織物在紡織市場中的發(fā)展勢頭日趨良好，傳統(tǒng)的人工分析很難保證企業(yè)生產(chǎn)在質(zhì)和量上的平衡發(fā)展，因此掌握毛呢織物自動分析技術(shù)成為企業(yè)發(fā)展的關(guān)鍵。

隨著數(shù)字化圖像處理理論和技術(shù)的飛速發(fā)展，這種技術(shù)也被引入紡織領(lǐng)域。20世紀(jì)末，織物圖像處理主要通過運用光學(xué)理論進行探究，如Melendez等[1]對Gabor濾波進行優(yōu)化，并結(jié)合LBP算法提取織物圖像表面紋理特征對織物進行分類；Nishino等[2]提出了馬爾科夫隨機場模型，用于提取織物圖像相關(guān)區(qū)域的灰度信息。如今，織物組織識別技術(shù)呈現(xiàn)智能化發(fā)展趨勢，如李艷梅等[3]借助傅里葉變換得到織物的組織結(jié)構(gòu)參數(shù)；周帥[4]在數(shù)字圖像處理技術(shù)應(yīng)用基礎(chǔ)上，綜合小波分析以及BP神經(jīng)網(wǎng)絡(luò)等方法實現(xiàn)織物疵點的識別和分類。然而，目前大部分紡織圖像處理技術(shù)都是基于MATLAB、C++等軟件實現(xiàn)，對于紡織企業(yè)生產(chǎn)設(shè)計人員而言難度較大，不利于技術(shù)的推廣。

易語言具有獨特的優(yōu)勢，其采用全中文式代碼編譯，實現(xiàn)操作頁面可視化，為設(shè)計者提供良好的編程環(huán)境；此外，易語言所擁有的獨立編譯器支持其實現(xiàn)跨平臺使用，用戶可通過易語言完成絕大部分編程設(shè)計[5]。因此，本文以棉織物圖像預(yù)處理技術(shù)為基礎(chǔ)，采用多種圖像處理算法，獲得毛呢織物組織結(jié)構(gòu)參數(shù)，確定其組織結(jié)構(gòu)特征，并編入易語言程序中，以期望達到毛呢織物組織結(jié)構(gòu)自動識別的效果，為面料仿樣、設(shè)計、創(chuàng)新提供可信度高、有參考價值的信息，提高企業(yè)生產(chǎn)效率。

1 毛呢織物組織圖像獲取及預(yù)處理

1.1 毛呢織物圖像的獲取

獲取清晰的毛呢織物組織結(jié)構(gòu)圖像是對其結(jié)構(gòu)進行識別的首要條件。以毛呢織物的結(jié)構(gòu)特點為前提，參考棉織物圖像處理技術(shù)，設(shè)計針對毛呢織物組織圖像處理方法。毛呢織物圖像預(yù)處理流程如圖1所示，主要包括毛呢織物挑選、圖像采集以及對圖像顏色、噪點和對比度的處理。通過采用灰度處理、中值濾波、直方圖均衡化等具體算法，獲取用于提取特征值的標(biāo)準(zhǔn)圖。

圖1 毛呢織物圖像預(yù)處理流程

本文選取平紋、斜紋、緞紋3種毛呢織物基礎(chǔ)組織結(jié)構(gòu)，在相同環(huán)境下采用中晶e900高清圖像掃描儀獲取織物圖像。掃描時，為避免因邊緣組織結(jié)構(gòu)不同于中心組織所引起的誤差，首先選擇試樣中心附近的區(qū)域進行預(yù)掃描，并確保待測織物圖像內(nèi)有10根左右紗線，再統(tǒng)一進行分辨率為1 200 dpi的高清掃描。

1.2 圖像預(yù)處理

掃描采集所得高清織物圖像包含了織物表面大量色彩信息，為方便后期組織特征提取，須經(jīng)過3步處理工序。第1步，采用YUV顏色空間變換法增加圖像各像素間的對比度，即將掃描的毛呢織物圖像RGB像素值轉(zhuǎn)化為Y值(Y是亮度，用以表征圖像的灰度值)，實現(xiàn)圖像彩色轉(zhuǎn)灰色，以便運算和存儲；第2步，為保證織物表面信息不被破環(huán)，須采用中值濾波去除噪點，完成對規(guī)定圖像的降噪處理；第3步，對織物圖像進行直方圖均衡化[6]，增強毛呢織物圖像的對比度，減少中值濾波處理后圖像清晰度下降問題，利于后續(xù)對織物組織特征提取和分類。

圖2為2/2斜紋毛呢織物預(yù)處理效果對比圖，其相比于原織物，經(jīng)過一系列預(yù)處理的織物圖像，在清晰度、對比度上均有顯著提升，可為毛呢織物組織特征提取與分類提供良好樣本。

圖2 2/2斜紋毛呢織物預(yù)處理效果

2 毛呢織物組織特征提取與分類

2.1 毛呢織物結(jié)構(gòu)參數(shù)的確定

為了對預(yù)處理圖像進行區(qū)域分割和特征提取，首先采用最大類間方差法(Otsu法)尋找分割閾值最優(yōu)閾值，將毛呢織物灰度圖二值化處理，確定織物圖像內(nèi)的紗線根數(shù)以及每根紗線的寬度，初步確定紗線位置。然后，對二值化后的圖像進行平滑化處理，減少織物表面絨毛對圖像處理的干擾，對紗線定位，并計算織物密度。

圖3為織物圖像處理效果圖，織物圖像中紗線和紗線間隙的分布用黑白相間的條紋表征。從圖中可獲取圖像總像素點數(shù)T(個)以及單位長度上的像素點數(shù)t(個/英寸)，即可得到圖像的實際寬度，利用圖像中黑條數(shù)量代替該寬度內(nèi)的紗線根數(shù)n(根)，則根據(jù)紗線密度p(根/(10 cm))的定義可得式(1)。

圖3 織物圖像處理效果

(1)

采用相對誤差的分析方法，分別統(tǒng)計10塊不同密度的三原素色毛呢織物與5塊常用組織毛呢織物的經(jīng)、緯向密度，對比人工測量數(shù)據(jù)與計算機測量數(shù)據(jù)之間的誤差ε見式(2)。

(2)

式中：xr為人工測量密度，根/(10cm)，x為計算機測量密度，根/(10cm)。

表1所示為對30塊樣本織物經(jīng)向、緯向密度誤差的分析。由表可知，對于三原素色組織，其經(jīng)向、緯向密度人工測量數(shù)值與計算機測量數(shù)值偏差較小，試驗的相對誤差不超過5%。

表1 素色織物經(jīng)、緯向密度誤差分析 %

2.2 毛呢織物組織特征提取

不同織物具有不同紋理特征，利用灰度共生矩陣可以有效提取灰度圖像分割區(qū)域的所有特征信息[7-8]。首先確定灰度共生矩陣統(tǒng)計的方向和計算距離，選取分割區(qū)域(K×K)中任意一點(m，n)，其灰度值為i，及沿確定方向距離該點(a，b)的點(m+a，n+b)的灰度值為j，設(shè)這2點灰度值組合為(i，j)，已知灰度值的級數(shù)為L，則(i，j)的組合方式共有L2種。然后將i、j從小到大進行排序，以他們?yōu)樽鴺?biāo)，記錄組合(i，j)出現(xiàn)的次數(shù)，構(gòu)成1個聯(lián)合灰度矩陣。最后用組合(i，j)出現(xiàn)的次數(shù)除以總次數(shù)得到歸一化后的概率Pθ,d(i,j)，獲得便于提取圖像特征的灰度共生矩陣。

本文通過分析分割區(qū)域在統(tǒng)計方向θ=0°，相隔距離d=1時的灰度共生矩陣，得到以下幾個常用的特征統(tǒng)計，用以表征該區(qū)域圖像紋理特征的相關(guān)信息：

①均值μij見式(3)：

(3)

式中：xij為灰度值為(i，j)的組合個數(shù),Pθ,d(i,j)為其出現(xiàn)的概率，L為選取分割區(qū)域的灰度級。

(4)

③相關(guān)性C1見式(5)表征圖像紋理的變化趨勢和相似程度。

(5)

式(5)中：

(6)

(7)

(8)

(9)

④對比度C2見式(10),表征圖像的清晰程度，對比度大的圖像，其紋理特征表現(xiàn)越細致。

(10)

⑤能量A見式(11),表征圖像灰度變化的均勻程度，值越小表明紋理呈無規(guī)律分布，反之，則圖像灰度變化越穩(wěn)定，紋理分布越均勻。

(11)

2.3 毛呢織物組織特征的分類

經(jīng)灰度共生矩陣提取毛呢織物組織特征信息后，可采取聚類分析法實現(xiàn)分類，區(qū)分織物的經(jīng)、緯組織點。聚類分析是一種不局限于劃分類別，依據(jù)各個樣本間的相似程度進行分組的方法。通過這種方式將相似的樣本點歸入同一類，不相似的樣本歸為其他種類。

本文采用模糊聚類算法(FCM算法)判別織物圖像中經(jīng)、緯組織點的分布，試驗中，F(xiàn)CM算法將分割區(qū)域的集合轉(zhuǎn)換為樣本點的集合，構(gòu)成樣本空間X={x1,x2,…xn}，并用y來代表樣本點的種類(y≥2且為整數(shù))。J表示樣本空間X的模糊聚類結(jié)果，見式(12)。定義聚類分析函數(shù)：

(12)

當(dāng)聚類分析函數(shù)在前后2次迭代中的誤差值小于預(yù)設(shè)精度時，F(xiàn)CM算法會根據(jù)各個樣本點對聚類中心的隸屬程度，將其劃分為經(jīng)、緯組織點兩大類，進而得到選定圖像區(qū)域內(nèi)某一紗線上組織點的變化。圖4是分別提取一平紋織物經(jīng)向、緯向第4根紗線所在區(qū)域圖像的特征值，再通過聚類分析，實現(xiàn)對規(guī)定紗線上組織點分布規(guī)律的預(yù)測。

圖4 織物原圖及其對應(yīng)組織結(jié)構(gòu)

2.4 毛呢織物組織匹配

在得到規(guī)定紗線組織點排列規(guī)律后，須進一步判斷毛呢織物的組織類型。相比于常規(guī)研究中提取織物組織循環(huán)的方法[9]，本文采用單根經(jīng)緯紗組織匹配法，其是一種模糊識別分類方法，該方法得出選定織物為某一組織的概率，而不會將其歸為某一特定組織。

在試驗中用差異數(shù)表示待測織物與參考織物對應(yīng)的經(jīng)緯紗上組織點不一致的個數(shù)，當(dāng)出現(xiàn)差異數(shù)大于2根交叉紗線上組織點總數(shù)的一半這類情況，可直接排除，縮小組織結(jié)構(gòu)范圍，對于剩下可能匹配的組織結(jié)構(gòu)，予以合適的權(quán)重，計算各自所占比例，判斷待測織物的組織結(jié)構(gòu)。

聚類分析所得組織如圖5所示，分析可知，被測織物組織與2/1斜紋組織差異數(shù)為1，與2/2斜紋組織差異數(shù)為4，設(shè)差異數(shù)為f，權(quán)重為cf,被測織物為某一組織的概率pf,計算方法見式(9)。

圖5 聚類分析所得組織

(9)

式中：cf=24-f，被測織物有約90%的概率為2/1斜紋，有近10%的概率為2/2斜紋。

采用單根經(jīng)緯紗組織匹配法，預(yù)測所選毛呢織物的組織結(jié)構(gòu)，并給出對應(yīng)組織的概率，使結(jié)果在一定程度上具有較好的參考價值。

3 毛呢織物組織結(jié)構(gòu)實例分析

3.1 分析準(zhǔn)備

經(jīng)過對毛呢織物組織特征識別方法的分析與設(shè)計，使用易語言程序?qū)⑻幚砹鞒叹幾g為軟件，系統(tǒng)主界面如圖6所示。首先選定待測毛呢織物圖像，打開圖片，獲取圖像相關(guān)信息，再處理圖片，得到織物圖像關(guān)鍵紋理特征，最后進行組織判斷，得到與被測織物組織結(jié)構(gòu)相匹配的組織類型，并在頁面中間區(qū)域顯示最大概率組織的組織圖。以織物實際經(jīng)緯向密度及織物實際組織結(jié)構(gòu)類型作為參考，分析系統(tǒng)測試值與實際值的誤差和組織結(jié)構(gòu)類型判斷正確與否。

圖6 毛呢織物組織結(jié)構(gòu)識別系統(tǒng)主界面

3.2 平紋類毛呢織物組織

平紋組織適用于春秋毛呢織物的設(shè)計。選取3種平紋類毛呢織物進行測試，試驗次數(shù)均為20，統(tǒng)計各織物的經(jīng)、緯向密度和組織類型，結(jié)果如表2所示，表中織物試樣依次為素色毛紗平紋織物、混色毛紗平紋織物和絨面混色毛紗方平織物。

由表2可知，以實測值作為參考，純毛高支薄花呢和高支賽羅菲爾的經(jīng)、緯向密度測試結(jié)果誤差較小，且組織推斷準(zhǔn)確，原因是二者織物圖像中紗線與紗線間隙的對比度較大，能更準(zhǔn)確地獲取織物規(guī)定寬度內(nèi)紗線根數(shù)，進而推算出織物經(jīng)、緯向密度。對于第3種組織，軟件計算得到經(jīng)、緯向密度測試值只有實際經(jīng)、緯向密度的一半，且推測其為平紋結(jié)構(gòu)。分析原因：①紗線上的絨毛掩蓋了織物部分紋理特征；②方平織物中相鄰2根紗線間隙很小，系統(tǒng)易將其誤判為1根，造成較大的測量誤差。

表2 平紋織物測試結(jié)果統(tǒng)計

3.3 斜紋類毛呢織物組織

斜紋組織是毛呢織物設(shè)計中高頻使用的一類組織結(jié)構(gòu)。與平紋類毛呢織物測試方法一致，選取4種斜紋類毛呢織物：2/2右斜紋素色毛呢織物、2/1右斜紋素色毛呢織物、2/2右斜紋混色紗線毛呢織物和2/2右斜紋經(jīng)緯異色絨面毛呢織物，測試結(jié)果如表3所示。

由表3可知，以實測值作為參考，所選毛呢織物的紗線密度測試結(jié)果誤差較小，此外相比平紋類的全毛絨面花呢，斜紋類全毛絨面花呢紗線結(jié)構(gòu)較為緊密，組織點周圍的絨毛分布較少，同時后者經(jīng)緯紗線異色，在進行圖像處理時會有明顯區(qū)分，更獲得較清晰的紋理特征，因此試驗得到的經(jīng)向緯向密度更準(zhǔn)確。

表3 斜紋織物測試結(jié)果統(tǒng)計

3.4 緞紋類毛呢織物組織

緞紋組織多以變化組織的形式應(yīng)用在毛呢織物設(shè)計中。與平紋類毛呢織物測試方法一致，選取2種混色加強緞紋毛呢織物進行測試，測試結(jié)果如表4所示。

由表4可知，以實測值作為參考，所選緞紋類毛呢織物的經(jīng)緯測試結(jié)果誤差較小。分析其原因：①與平紋及斜紋類組織相比，緞紋類組織點分布差異較大，在聚類分析過程中被判斷為平紋或斜紋類組織的概率不大；②緞紋類毛呢織物品種單一，組織庫基本將其包在內(nèi)，系統(tǒng)可精準(zhǔn)識別待測緞紋類毛呢織物組織類型。通過對以上所選3類毛呢織物圖像及其實驗數(shù)據(jù)的分析與統(tǒng)計可知，使用本文設(shè)計的毛呢織物組織結(jié)構(gòu)識別系統(tǒng)可以較為準(zhǔn)確地分辨出被測織物的組織類別，且測試所得經(jīng)、緯密誤差較小，該方法對于這3類常規(guī)毛呢織物組織具有良好的適用性。

表4 緞紋織物測試結(jié)果統(tǒng)計

4 結(jié) 論

本文參考棉織物圖像處理技術(shù)與方法，借助易語言軟件進行編程，對毛呢織物圖像進行預(yù)處理和組織結(jié)構(gòu)的自動識別，并選取平紋、斜紋、緞紋3類常用毛呢織物，進行驗證，效果良好。研究具體結(jié)論如下：

①設(shè)計針對毛呢織物圖像預(yù)處理的方法，可有效消除紗線絨毛造成的影響，增強圖像清晰度。

②采用Otsu法平滑化處理后的圖像，可計算織物經(jīng)、緯向密度，對于三原素色組織，其經(jīng)、緯向密度測試相對誤差不超過5%。

③以易語言為平臺對毛呢織物組織結(jié)構(gòu)進行識別，獲得的織物組織類別與織物實際組織基本一致，該方法對平紋、斜紋、緞紋類毛呢織物組織結(jié)構(gòu)的識別具有一定參考性。

與常用的MATLAB、VB和VC等編程軟件相比，易語言程序容易掌握，降低了紡織領(lǐng)域從業(yè)者在織物自動化處理上的難度。同時，在圖像預(yù)處理過程中，織物表面絨毛仍是影響組織結(jié)構(gòu)準(zhǔn)確性的重要因素，因此在未來研究中，將著力于優(yōu)化圖像處理算法，提高毛呢織物圖像處理結(jié)果的準(zhǔn)確性，并擴大對織物組織類別的識別范圍。