一种织物编织样式自动分析系统及方法

摘要

本发明公开了一种织物编织样式自动分析系统，该系统包括计算机图像处理装置和2个成像装置，所述的2个成像装置位于所述织物平面的两侧，获取所述织物的双面图像，通过计算机图像处理装置的处理分析，得到织物的编织样式。2个成像装置的镜头位于所述织物的两侧，以织物平面为中间对称面，方向相对。成像装置镜头采用CCD镜头，且性能规格完全一致。织物由样品夹具固定，样品夹具由透明的双表面板和固定架组成，其中，双面板的一边由一个铰链结合在一起，可打开和合上，被检测织物样本平整地放入其中的合适位置，样品夹具的上面还有两对定位片，通过移动定位片，可实现检测区域定位。本发明可以实时生成完整的织物编织样式模型。

说明书

技术领域

本发明属于纺织品技术领域，特别涉及一种织物编织样式自动分析系统及方法。

背景技术

织布是通过经纱和纬纱根据一些预定义的结构即编织模式交错编织起来的，编织模式可以通过二维(平面)编织图表示。编织模式是织物生成中织物设计中每个织造部分的编织的基本结构信息和质量控制。不过，编织样式在这个工作流程中并不总是可见的，而且在最终的买家和客户的手中是完全看不见的。基于织物产品逆向工程的考虑，有必要对编织样式进行分析，并以编织物为原型建立一个快速反应的系统。目前这项工作仍然是基于手工和一些的简单工具来完成，工作费时，繁琐，而又艰巨，其质量也难以控制。

目前计算机辅助织物组织设计技术已较为成熟，但对织物样本的组织分析和分类建模方法仍处于探索阶段。运用实时成像和计算机图像处理技术，从织物图像中提取特征参数来自动识别织物组织节点，已成为新的研究热点和难点。国内外已有许多学者提出了一些有效的算法。从图像处理方法角度看，一种是直接在图像的空域中采用灰度分析、边缘增强、阈值化、直方图均衡化、滤波等手段，以判断节点类型。如Kang等人利用织物的透射光图像对纱线间隙作灰度分析来定位纱线位置，得到经纬纱的细度和密度；通过反射光图像中经纬交织点呈现的椭圆状突起的长短径之比确定组织点类型。另一种方法是通过快速傅里叶变换、二维谱分析、小波变换等，把图像从空域转换至频域后再进行计算、分析。传统的织物结构分析方法由于仅采用织物的单面图像视野信息，往往会导致获取的图像信息不足，尤其是当织物具有较复杂的样式时，难以对编织样式进行准确分析。

发明内容

本发明的目的是提供一种织物编织样式自动分析系统及方法，以解决现有技术中采用单成像装置无法对织物编织样式进行准确分析的问题。

本发明的技术方案是，一种织物编织样式自动分析系统，该系统包括计算机图像处理装置和2个成像装置，所述的2个成像装置位于所述织物平面的两侧，获取所述织物的双面图像，通过计算机图像处理装置的处理分析，得到织物的编织样式。

所述的2个成像装置的镜头位于所述织物的两侧，以织物平面为中间对称面，方向相对。

所述的成像装置镜头采用CCD镜头，且性能规格完全一致。

所述织物由样品夹具固定，样品夹具由透明的双表面板和固定架组成，其中，一边由一个铰链结合在一起，可打开和合上，被检测织物样本平整地放入其中的合适位置，样品夹具的上面还有两对定位片，通过移动定位片，可实现检测区域定位。

一种织物编织样式自动分析方法，其特征在于，包括以下步骤：

A1，采用2个成像装置对织物正、反面对应的区域进行图像获取，通过计算机图像处理装置对获取的织物双面图像进行包括利用夹具的定位对获取图像的双面进行定位、配准、去除噪声处理和剪切处理的预处理。

A2，利用图像经、纬方向上的亮度特征信息，对织物图像进行网格自动划分，通过分析所划分的网格图像在正、反两方面对应位置的颜色信息，确定纱线的交替位置，从而确定节点位置，分离出织物的结构基元；

A3，采用自动扫描方式对网格的基元进行颜色集合划分，再决定代表颜色集合信息，使基元分配最合理的颜色；

A4，对织物基本循环单元的基元进行分析，并对基元进行颜色和结构信息编码，并建立一个包含节点类型和颜色等信息的基元存储结构信息文件，用于重构织物样式结构模型；

A5，建立织物的编制样式存储结构信息文件存入数据库，供对织物的质量进行评价。

基元的颜色的确定采用颜色聚类的方法实现，包括，

对采集的织物图像用特征颜色表示，对分析图像的基元图像区域就可用一特征适量来描述，

C_f＝[S(x₁)，S(x₂)，...S(x_k)]^T

其中，S(x_i)表示特征集中，第i个特征色在该图像区中所占的像素的个数，C_f表示的矢量就可反映它们之间存在的差异；

定义纹理相似度

$>\Psi =1-\frac{2}{\pi }\arccos \left[\frac{C_{\mathrm{fm}}\times C_{\mathrm{fn}}}{\left|\right|C_{\mathrm{fm}}\left|\right|\left|\right|C_{\mathrm{fn}}\left|\right|}\right]$>

其值越大，则两区域的颜色特性越相似，根据织物颜色特点，选取尺寸为经纬纱基本单元的1.5～2倍的图像矩阵窗口，计算窗口内的彩色特征矢量，作为织物的样本特征，采用扫描的方法对图像中的每个像素，计算其在设定的一定大小的领域窗内的特征矢量及与样本特征的相似性测度，得到一幅关于相似性测度的新图像，根据图像的相似度，用阈值的方法得到一个较完整的大致的基元目标区域，并分配其特征颜色。

实现基元定位的方法是，利用相关和亮度特征信息，对织物图像进行网格自动划分是利用投影算法，把其灰度值映射成两个独立的一维波形，

$>G_k\left(j\right)=\underset{i}{\Sigma }{G}_k(i,j)$>

$>G_k\left(i\right)=\underset{j}{\Sigma }{G}_k(i,j)$>

式中G_k(j)为第k帧图像第j列的灰度值，G_k(i，j)是第k帧图像上(i，j)位置处的像素灰度值，而G_k(i)为第k帧图像第i行的灰度值，利用投影曲线波峰谷特性实现网格的初步划分后，再利用相关和亮度信息等对划分进行调整，实现精确网格化。

织物样式模型的基元采用多域结构表示，其结构包括状态域、颜色域、交织点结构域信息。

进一步的，对图像网格化的过程中，纬纱位置参数确定过程包括下列步骤：

B1，首先从纬纱初步网格化的排列参数分析的结果出发，建立纬纱单元图像；

B2，对纬纱单元图像进行相关系数分析，找出纬纱循环数；

B3，由同相位纬纱单元，建立同类纬纱单元图像；

B4，求出同类纬纱单元图像的经向亮度，通过经向亮度信号分析以区分经组织点区域与纬组织点区域；

设随机变量X、Y的数学期望与方差都存在，则X和Y的相关系数R为：

$>R=\frac{E\left\{\right[X-E\left(x\right)]·[Y-E\left(Y\right)\left]\right\}}{\sqrt{D\left(X\right)}·\sqrt{D\left(Y\right)}}$>

式中：E(X)为X的数学期望，E(Y)为Y的数学期望，D(X)为X的方差，D(Y)为Y的方差，R表示X、Y之间的线性相关性，即当变量X增大时，变量Y有按线性增大(R＞0)或线性减小(R＜0)的趋势，对于变量X(n)，其自相关函数为R(T)：

R(τ)＝E[X(n)·X(n+τ)]

借助于纬纱排列参数分析所分割出的纬纱单元图像，并在纬纱单元图像上建立坐标系，x轴平行于纬纱，y轴平行于经纱，任一像素点的坐标为(x，y)，亮度值为f(x，y)，则经向亮度(各列像素点亮度的均值)为：

$>L\left(x\right)=\frac{1}{N}\underset{y=0}{\overset{N-1}{\Sigma }}F(x,y)$>

按照纬纱单元在织物中的顺序编号分别为1、2、3、4、5、6…，对这些纬纱单元图像两两求相关系数，在对任两个纬纱单元图像作经向亮度相关分析时，若相关系数大于0.5，则表明这两根纬纱有着完全相同的交织规律，通过对第1、2…根纬纱与后续纬纱相关系数的连续运算分析和判别，得到纬纱循环数，进而得出同相位纬纱单元，

纬纱单元图像分成经组织点区域和纬组织点区域后，通过分析组织点区域的变动可确定经纱排列参数，对一个纬纱组织循环中每一个纬纱所在的同类纬纱单元图像进行信号处理，得到经向亮度方波信号，根据方波信号得出纬组织点区域。

进一步的，参照纬纱位置参数确定过程确定经纱位置参数，进而对织物图像进行网格化得到初步的织物编织样式。

本发明采用织物的双面图像信息有助于增加织物图像的信息量。单面图像其实只包含经纱和纬纱之间一半的交织状态信息，纱线部分完整的几何形状无法从单一面观察的到，只有织物双面视野可以得到完整的交织信息。

本发明提出一种CCD成像系统，并利用双CCD系统，实现同时对织物的正面图像和对应的反面镜面图像进行采集和分析处理。首先同时采集织物的正、反两面图像信息，通过分析织物经纬方向上的亮度信息特点和两面节点的颜色信息，确定纱线的交替位置，对样本图像进行基元分离和颜色编码。利用基元的本身属性特征参数和其排列方式实现样式对基本循环单元的组织点类型进行分析，并用纱线的邻近信息对其进行矫正处理得到精确的结果。最终建立一个同时包含组织点类型和颜色信息的织物分析模型。

本发明可以实时生成完整的织物编织样式模型，能够有效地表述织物的编织样式和编织质量，有助于对织物机构参数自动分析，并实现编织模式的逆向结构重构，为建立织物编织样式建立数据库系统和评价系统奠定基础。

附图说明

图1本发明实施例中双CCD成像系统示意图。

图2本发明实施例中织物外观图像数字化流程示意图。

图3本发明实施例中织物图像的网格化示意图。

图4本发明实施例中织物正反双面图像的颜色编码表。

图5本发明实施例中织物结构编码表。

图6本发明实施例中织物样式模型图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明硬件设备包括CCD成像阵面、计算机图像处理系统。其特征在于所述的双CCD成像系统对织物进行双面成像，如图1所示。其中1.CCD，2.定位片，3.夹具，4.检测样品。

所述的CCD成像阵面与计算机图像处理系统相连，用于采集织物的双面图像；所述的计算机图像处理系统用于对采集到的图像进行分析处理，最终对织物的编织样式进行数学建模。其装置包括以下功能：CCD成像阵面：能够稳定的获取织物正反两面图像，并实时传送到计算机图像处理系统中进行处理。

获取织物的双面图像的方法如下：(1)选定样本的检测区，并采用定位片定位。即采用定位片对样本的检测区域进行定位；(2)通过机器视觉的自动获取样本的双面图像；(3)通过图像处理，消除由于正反成像过程中由于位置的不同所引起的畸变，以便进行镜像图像基元的排列严格对应，并根据定位标志，截取所研究的图像区域；(4)为了对图像的分析正确，采用边缘修剪技术，消除图像的边界信息对织物图像分析的影响。采用双面取样图像分析和相互校正，有利于纱线定位的准确性，增强基元的识别和定位精度。其系统分析流程，如图2所示。

与传统的织物结构分析方法只考虑了织物的单面视野不同，采用双面采样分析，可以克服在一个单面图像中由于信息不足，实现对编织样式进行准确分析，特别是有利于准确分析和定位复杂样式织物基元的信息特征。单面图像实际上只包含经纱和纬纱之间一半的交织状态信息，纱线编织的完整信息难于从单一织物面观察获取；采用织物对应区域的双面图像信息可以为分析的织物的交织状态信息进行验证和错误校正。

由于织物图像的颜色是非常丰富，为了实现图像基元的分离与定位，需要将图像进行网格化。图像网格化的基础是利用织物表面图像纱线的颜色和强度信息，但由于图像表面的颜色信息非常丰富，需要采用颜色聚类的算法，将其归集为与组成纱线种类相同的颜色数。实际上，和色彩校正与色彩搭配不同，我们并不需要提取一个实际的反射光谱来保证颜色聚集的一致性。通常用原始的RGB值来表征颜色。本发明直接利用图像经、纬方向上的亮度特征信息，对织物图像进行网格自动划分。

对织物图像进行网格自动划分是利用投影算法，把其灰度值映射成两个独立的一维波形，其公式为：

$>G_k\left(j\right)=\underset{i}{\Sigma }{G}_k(i,j)$>

$>G_k\left(i\right)=\underset{j}{\Sigma }{G}_k(i,j)$>

式中G_k(j)为第k帧图像第j列的灰度值。G_k(i，j)是第k帧图像上(i，j)位置处的像素灰度值。而G_k(i)为第k帧图像第i行的灰度值。利用投影曲线波峰谷特性实现网格的初步划分后。

在对图像网格化的过程中，为了实现网格精准分割，织物图像上经、纬纱线位置的精确定位是织物组织识别的前提。纬纱位置参数确定过程可以分为下列步骤：

1)首先从纬纱初步网格化的排列参数分析的结果出发，建立纬纱单元图像；

2)对纬纱单元图像进行相关系数分析，找出纬纱循环数；

3)由同相位纬纱单元，建立同类纬纱单元图像；

4)求出同类纬纱单元图像的经向亮度，通过经向亮度信号分析以区分经组织点区域与纬组织点区域；

设随机变量X、Y的数学期望与方差都存在，则X和Y的相关系数R为：

$>R=\frac{E\left\{\right[X-E\left(x\right)]·[Y-E\left(Y\right)\left]\right\}}{\sqrt{D\left(X\right)}·\sqrt{D\left(Y\right)}}$>

式中：E(X)为X的数学期望，E(Y)为Y的数学期望，D(X)为X的方差，D(Y)为Y的方差。

R表示X、Y之间的线性相关性，即当变量X增大时，变量Y有按线性增大(R＞0)或线性减小(R＜0)的趋势。对于变量X(n)，其自相关函数为R(T)：

R(τ)＝E[X(n)·X(n+τ)]

借助于纬纱排列参数分析所分割出的纬纱单元图像，并在纬纱单元图像上建立坐标系，x轴平行于纬纱，y轴平行于经纱，任一像素点的坐标为(x，y)，亮度值为f(x，y)，则经向亮度(各列像素点亮度的均值)为：

$>L\left(x\right)=\frac{1}{N}\underset{y=0}{\overset{N-1}{\Sigma }}F(x,y)$>

按照纬纱单元在织物中的顺序编号分别为1、2、3、4、5、6…，对这些纬纱单元图像两两求相关系数。在对任两个纬纱单元图像作经向亮度相关分析时，若相关系数大于0.5，则表明这两根纬纱有着完全相同的交织规律，通过对第1、2…根纬纱与后续纬纱相关系数的连续运算分析和判别，就可以得到纬纱循环数，进而可得出同相位纬纱单元。

纬纱单元图像分成经组织点区域和纬组织点区域后，通过分析组织点区域的变动可确定经纱排列参数。首先对一个纬纱组织循环中每一个纬纱所在的同类纬纱单元图像进行信号处理，得到经向亮度方波信号，根据方波信号得出纬组织点区域。同理可确定经纱位置参数。进而对织物图像进行网格化可以得到初步的织物编织样式。如图3所示。

基元颜色排列方式是织物编织样式的一项重要特征，但在织物中，由于纱线的编织方式不同，构成了基元的颜色分布也不同，通过颜色聚类的方法，有助于实现基元的分离。本文提出颜色特征集的方法，确定基元的颜色。颜色特征集包含颜色的多少，对应着编织样品纱线颜色种类的多少。

要确定织物表面基元的特征颜色集合，我们采用两个原则，首先是最大频数的原则，其次是颜色的相容原则。最大频数的原则保证了颜色集中的N个特征色代表了编织样品图像中的纱线颜色的分布，而颜色的相容性原则要求各特征色在彩色空间中具有相对均匀的分布。可采用相容球体空间的颜色模型，即每一种特征色拥有一个半径为R的球体空间，图像中颜色在此空间内全部归并为该特征色，且各特征色彼此间距大于R。显然，相容的范围越大，即R越大，则特征色的数量就越少，我们可以用实验的方法和根据研究的样本织物来选定R的值。由R的值就可以根据算法来具体的确定特征颜色集合。当图像用特征颜色表示后，对某一图像区域就可用一特征适量来描述。

C_f＝[S(x₁)，S(x₂)，...S(x_k)]^T

其中：S(x_i)表示特征集中，第I个特征色在该图像区中所占的像素的个数。C_f表示的矢量就可反映它们之间存在的差异。所以可以定义一个纹理相似度，即：

$>\Psi =1-\frac{2}{\pi }\arccos \left[\frac{C_{\mathrm{fm}}\times C_{\mathrm{fn}}}{\left|\right|C_{\mathrm{fm}}\left|\right|\left|\right|C_{\mathrm{fn}}\left|\right|}\right]$>

其值越大，则两区域的颜色特性越相似。根据织物颜色特点，选取一定大小的矩形窗口，计算窗口内的彩色特征矢量，作为织物的样本特征，接着对图像中的每个像素，计算其在一定大小的领域窗内的特征矢量及与样本特征的相似性测度，这样得到一幅关于相似性测度的新图像。显然，根据图像的相似度，用阈值的方法可以得到一个较完整的大致的基元目标区域。

根据基元颜色，实际上已经实现了织物图像基元的初步分割。图4显示了织物正反双面图像的颜色编码表。但是，这种初分割还难于满足其基元的分割要求。考虑到纱线绒毛的影响，不同的研究样品，基元的大小和形状都不相同的，而布织物表面基元图像的颜色、形状和排列方式等，就构成了织物的编织样式。织物图像划分出的基元一般应该是较规则的矩形状，但由于图像噪声的影响，分离出的基元往往达到理想的效果。

为了精确地分割出基元，先采用基于区域边界的链码表示，来提取基元图像的形态特征信息.这种链码表示既有利于形态特征的计算，也有利于节省存储空间。用链码实现对图像进行边缘跟踪，可以得到如周长、面积、宽度等一系列的结核细胞的几何形状特征。然后我们根据初步划分出基元的排列方式，用统计的方法对基元实现栅格分割。

基元是构成编织样式的基本单位。基元图是一个二维图，它排列方式和属性是构成织物编织模式。实际上，由基元图的列和行分别对应于织物的经纱和纬纱。划分基元栅格，其数目等于沿经纱或纬纱方向的织物单元数量。从织物颜色信息图中我们可以通过对织物的颜色信息进行二进制编码，可得到组织点类型。在理想的情况，边缘的强度有两个状态：0和1。交织点按四个边强度的不同组合可分成8个类型。在这里，无论是经纱还是纬纱的交织点，都可进一步划分为四个子类型。然而在实际情况下，边缘的强度并不是绝对的1或0，而是相对的高或低。交织点的分类是一个典型的K型划分问题，它有四个输入数据和八个输出状态。

实际上，仅织物模型所包含的编织样式信息难于表述真实的织物的类别。每种织物样品还具有单独的属性，如纱线的实际几何形状和颜色信息等。具有相同的编织样式，但其属性不同的样品，仍会得到不同的分类结果。在织物分类过程中，有必要将这些基元的单独的属性融入到织物分类模型中。例如，基元分类算法可以融入每个基元本身的属性参数信息。为了在织物样品和分类模型之间建立一个完整的映射关系，我们采用编码形式将基元图集合扩大到一个具有详细细节和完整结构可重复的织物单元模型。其中织物的分类模型采用一张编码表来表示，其中每一个字节表示一个基元信息。其结构如图5所示。

在基元图的基础上，提出织物分类模型，要能同时描述编织样式和织物的个别属性。以基元为基本研究单位2D网格结构方式，能完美描述织物的分类模型，其中，基元的排列方式描述织物的编织样式，而基元本身的参数可描述其个别属性。由于编织布匹的纱线具有有限的颜色种类，本发明提出类似位图文件结构方式，在信息结构表示方式中，我们分配了4比特，一共表示16种颜色。每一个分类模型不仅有一张分类编码表，还需要另附一调色板的数据结构。根据结构表中的颜色信息码和调色板信息，就可决定基元的颜色。

纱线的形状信息取决于相关基元的几何信息。通过对基元栅格化，其栅格的长、宽信息可用来代表不同纱线的形状，从而获取基元的形状信息。

另外，织物同一位置，正反面基元是不相同的，但是，由于织物编织的规律性，利用其同一位置双面基元的双面信息，可实现织物编织样式的模型验证和校正。

获取织物双面图像的颜色信息，通过对颜色信息进行编码获取织物的颜色样式，对颜色信息进行二次编码获取织物的交织点类型，利用颜色信息得到的交织点类型对织物初步编织样式进行纠错和完善，最终得到精确的编织样式，该编织样式包含了织物准确的颜色样式和交织点类型，并以此对织物的结构进行建模，得到简单、直观、明确的织物结构样式。并通过建模和数据库操作，实现高精度织物模型的输出，进而可以反推织物真实的编织样式，对特定种类的织物可以进行快速的检查和评价。如图6为建立的织物样式模型。

在实施过程中，采用下列器材：

(1)CCD成像系统，CCD型号为HV1303UM，主要参数：分辨率为1280*1024的CMOS CCD，；光学尺寸为1/1.8″；最高130万像素；最高的水平分辨率为1280；数模转换精度为10bit；45dB的高信噪比(AGC OFF)；可开/关的自动增益控制(AGC)，数字增益倍数是：*2、*1、*0.5、*0.25；对于550nm的光源，其灵敏度为：2.1V/Lux-s；可自动跟踪(ATW)/手动设定的黑白电平衡校正方式；可接受24V AC及12V DC两种电源供应。

(2)计算机系统联想启天M7300：CPU，Intel酷睿i3 550，双核心/四线程，频率3.2GHz二级缓存2×256KB，三级缓存4MB；主板芯片组Intel H57，主板内存容量为2GB；内存类型为DDR31333；硬盘容量5006B，转速7200转，SATAII；显卡类型为独显AMD Radeon HD4350，显存容量512MB，显示器尺寸为17英寸。

系统对织物的分析过程如下：将被检测织物装入夹具，并根据事先设定的成像模式，获取到织物的正反面双面图像。对图像进行仿射变换矫正后，对实验图像进行剪切、中值滤波等预处理后，通过对图像进行灰度投影，初步实现图像网格化，在采用颜色信息和距离信息对网格进行调整，实现网格划分的精准化，最后获取织物的最小结构单元-基元。用颜色聚类的方法提取织物基元的颜色信息，再对基元边缘信息进行分析，得到织物的交织点类型。利用扫描方式对基元进行颜色和交织点类编码得到包含交织点类型和颜色信息等特征的织物结构模型，将模型数据信息导入数据库中，供对织物的编织质量和性能进行分析和评价。