CN104751446A - 一种基于数字图案特征的扎染工艺预测方法 - Google Patents

一种基于数字图案特征的扎染工艺预测方法 Download PDF

Info

Publication number
CN104751446A
CN104751446A CN201510005252.8A CN201510005252A CN104751446A CN 104751446 A CN104751446 A CN 104751446A CN 201510005252 A CN201510005252 A CN 201510005252A CN 104751446 A CN104751446 A CN 104751446A
Authority
CN
China
Prior art keywords
image
hsv
dyeing
tie
digital pattern
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510005252.8A
Other languages
English (en)
Inventor
刘素琼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinling Institute of Technology
Original Assignee
Jinling Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jinling Institute of Technology filed Critical Jinling Institute of Technology
Priority to CN201510005252.8A priority Critical patent/CN104751446A/zh
Publication of CN104751446A publication Critical patent/CN104751446A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Spectrometry And Color Measurement (AREA)

Abstract

本发明提供一种基于数字图案特征的扎染工艺预测方法，包括如下步骤：通过扫描仪将织物扫描成彩色图像；截取上述彩色图像的中间部分；对截取的图像进行滤波；将滤波后的图像转换为灰度图,并在此图上进行分割，分为染色区域和未完全染色区域；将滤波后图像RGB值转换成HSV值，提取图像染色区域的HSV均值；计算未完全染色区域所占比例；将得到的三个HSV均值和未完全染色区域比例通过BP神经网络模型计算，得到扎染所用染缸转速与染料浓度。本发明基于数字图像处理技术，在HSV色彩空间提取特征量化扎染图案效果，有效扎染区域HSV三分量均值及未完全染色区域比例，进而构建神经网络模型用HSV色彩空间特征量，预测扎染染色浓度与转速，准确率高、预测效果好。

Description

一种基于数字图案特征的扎染工艺预测方法
技术领域
本发明涉及一种纺织图像处理领域，特别涉及一种基于数字图案特征的扎染工艺预测方法。
背景技术
现代扎染是一种手工依赖程度较大，追求色晕、不规则肌理等艺术形式的特殊印染工艺。因其手工或半手工半机械的加工形态，以及其所追求色彩上的不完全渗透美的形式，现代扎染在生产工艺与管理、艺术效果的评价上，相较于常规大工业化染整，独具特殊性。
由于现代扎染工艺本质上的“柔性化”特点使企业在生产时不利于管理，存在过度依赖人工经验、管理粗放等问题；对扎染艺术效果没有定量的评价，长期以来，企业生产打样精准度不高、快速反应不强，阻碍企业的发展。
因此，将扎染效果量化，寻找出图像效果与生产工艺两者间的相互关系，显得极为重要。
发明内容
本发明所要解决的技术问题是克服现有技术中的缺陷，提供一种基于数字图案特征的扎染工艺预测方法，基于数字图像处理技术，在HSV色彩空间提取特征量化扎染图案效果、有效扎染区域HSV三分量均值及扎染未完全染色区域比例，进而构建神经网络模型用HSV色彩空间特征量，预测扎染染色浓度与转速，辅助生产决策。
为解决上述技术问题，本发明提供一种基于数字图案特征的扎染工艺预测方法，包括如下步骤：
步骤一：通过扫描仪将织物扫描成彩色图像；
步骤二：截取上述彩色图像的中间部分；
步骤三：对上述截取的图像进行滤波，并将滤波后的图像转换为灰度图；
步骤四：对上述步骤得到的灰度图进行分割，分为染色区域和未完全染色区域；
步骤五：将滤波后RGB值转换成HSV，提取图像染色区域的HSV均值；
步骤六：计算未完全染色区域所占比例；
步骤七：将步骤五得到的三个HSV均值和步骤六得到的未完全染色区域比例通过BP神经网络模型计算，得到扎染所用染缸转速与染料浓度，其中BP神经网络输入单元4个，输出单元2个，代表方差试验中转速与浓度，网络隐含层数目为1，隐层单元数为10。
作为本发明的进一步改进，扫描得到的图像分辨率为300dpi，扫描得到的图像以TIFF格式保存为RGB颜色模型。
作为本发明的进一步改进，步骤三中的滤波采用中值滤波，所述中值滤波是在图像的RGB的三个通道上进行滤波的。
作为本发明的进一步改进，上所述滤波窗口的大小为3*3。
本发明所达到的有益效果：本发明提供一种基于数字图案特征的扎染工艺预测方法，基于数字图像处理技术，在HSV色彩空间提取特征量化扎染图案效果:有效扎染区域HSV三分量均值及未完全染色区域比例，进而构建神经网络模型用HSV色彩空间特征量，预测扎染染色浓度与转速，准确率高，预测效果好，可以很好的辅助生产决策。
具体实施方式
下面结合本发明的优选实施例作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
一种基于数字图案特征的扎染工艺预测方法,包括如下步骤：
步骤一：通过扫描仪将织物扫描成彩色图像，扫描得到的图像分辨率为300dpi，以TIFF格式保存为RGB颜色模型；
步骤二：截取上述彩色图像的中间部分,该中间部分含有多个单元的图案；
步骤三：对上述截取的图像在RGB三个通道上采用大小为3*3的滤波窗口进行中值滤波；
步骤四：中值滤波后的图像转换为灰度图，采用Otsu方法，根据分割最佳阈值将灰度图分割为染色区域和未完全染色区域，分割最佳阈值的计算公式是：
设灰度图像灰度级是L，则灰度范围为[0,L-1]，当分割阈值为t时，w0为未完全染色区域比例值，u0为未完全染色区域的灰度平均值，w1为染色区域比例值，u1为染色区域的灰度平均值，u为灰度图像上所有像素的灰度平均值，上表达式值最大的t，即为分割灰度图像的最佳阈值；
步骤五：将上述步骤中分割得到的染色区域的RGB值转换成HSV值，提取染色区域的HSV均值，HSV均值公式如下：
其中，W为染色区域像素坐标，N为染色区域像素点数；
步骤六：计算未上染区域所占比例，计算公式为：
Ratio=(M-F)/M
其中，设灰度图像上的所有像素点数为M，染色区域像素点数为F；
步骤七：将步骤五得到的三个HSV均值和步骤六得到的未上染区域比例值通过BP神经网络模型计算，得到两个输出：扎染加工的转速与浓度，其中BP神经网络输入单元4个，输出单元2个，代表方差试验中转速与浓度，网络隐含层数目为1，隐层单元数为10。
对全棉针织汗布进行试验，先将针织汗布扫描成彩色图像，图像分辨率为300dpi，扫描得到的图像以TIFF格式保存为RGB颜色模型；再截取彩色图像中间的一个单元图案，共45张图；将该45张图分别在RGB三个通道上采用大小为3*3的滤波窗口进行滤波，转换成灰度图；然后对灰度图进行分割，将其分为染色区域和未完全染色区域；将滤波后RGB值转换成HSV，提取图像染色区域的HSV均值，通过步骤六中的计算公式计算未完全染色区域所占比例；将45张图中前30张作为训练样本，其三个HSV均值和未完全染色区域比例作为神经网络的输入，相应图的扎染转速与浓度作为输出，设置神经网络训练最佳误差0.001，训练代数5000，第12次训练结果显示130次达到最佳误差，每个值与其目标误差非常小，用训练样本作为测试数据，预测准确率达到100%；最后将剩余15幅图作为测试样本，使用上一步神经网络训练参数，预测其扎染浓度与速度，准确率同样达到100%。
上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (4)

1.一种基于数字图案特征的扎染工艺预测方法，其特征在于：包括如下步骤：
步骤一：通过扫描仪将织物扫描成彩色图像；
步骤二：截取上述彩色图像的中间部分；
步骤三：对上述截取的图像进行滤波，并将滤波后的图像转换为灰度图；
步骤四：对上述步骤得到的灰度图进行分割，分为染色区域和未完全染色区域；
步骤五：将滤波后RGB值转换成HSV，提取图像染色区域的HSV均值；
步骤六：计算未完全染色区域所占比例；
步骤七：将步骤五得到的三个HSV均值和步骤六得到的未完全染色区域比例通过BP神经网络模型计算，得到扎染所用染缸转速与染料浓度，其中BP神经网络输入单元4个，输出单元2个，代表方差试验中转速与浓度，网络隐含层数目为1，隐层单元数为10。
2.根据权利要求1所述的一种基于数字图案特征的扎染工艺预测方法，其特征在于：所述扫描得到的图像分辨率为300dpi，所述扫描得到的图像以TIFF格式保存为RGB颜色模型。
3.根据权利要求1所述的一种基于数字图案特征的扎染工艺预测方法，其特征在于：上述步骤三中的滤波采用中值滤波，所述中值滤波是在图像的RGB的三个通道上进行滤波的。
4.根据权利要求1所述的一种基于数字图案特征的扎染工艺预测方法，其特征在于：上所述滤波窗口的大小为3*3。
CN201510005252.8A 2015-01-06 2015-01-06 一种基于数字图案特征的扎染工艺预测方法 Pending CN104751446A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510005252.8A CN104751446A (zh) 2015-01-06 2015-01-06 一种基于数字图案特征的扎染工艺预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510005252.8A CN104751446A (zh) 2015-01-06 2015-01-06 一种基于数字图案特征的扎染工艺预测方法

Publications (1)

Publication Number Publication Date
CN104751446A true CN104751446A (zh) 2015-07-01

Family

ID=53591065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510005252.8A Pending CN104751446A (zh) 2015-01-06 2015-01-06 一种基于数字图案特征的扎染工艺预测方法

Country Status (1)

Country Link
CN (1) CN104751446A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CZ306919B6 (cs) * 2015-12-18 2017-09-13 Vysoké Učení Technické V Brně Způsob kontroly barvy oděvu a/nebo pokrývky hlavy osoby
CN108635859A (zh) * 2018-05-04 2018-10-12 网易（杭州）网络有限公司 用于图像染色的方法及装置、存储介质、电子设备
CN109811493A (zh) * 2019-02-01 2019-05-28 东华大学 一种多组分染料染色过程自动给液方法
CN110670389A (zh) * 2019-09-27 2020-01-10 滨州职业学院 一种活用数码印花技术的扎染工艺
CN110853052A (zh) * 2019-10-25 2020-02-28 湖北民族大学 一种基于深度学习的土家织锦图案图元的分割方法
CN111260755A (zh) * 2020-01-19 2020-06-09 金陵科技学院 基于深度学习与数字图像处理的数字扎染图案生成方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060050957A1 (en) * 2004-08-31 2006-03-09 Stmicroelectronics S.R.L. Method of generating a mask image of membership of single pixels to certain chromaticity classes and of adaptive improvement of a color image
EP1532583B1 (de) * 2002-08-29 2007-03-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum extrahieren von texturmerkmalen aus einem mehrkanaligen bild
CN102930249A (zh) * 2012-10-23 2013-02-13 四川农业大学 基于颜色和模型的农田害虫识别和计数方法
CN102980659A (zh) * 2012-11-07 2013-03-20 上海工程技术大学 一种单色紧密织物表面颜色的数字化表征方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1532583B1 (de) * 2002-08-29 2007-03-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum extrahieren von texturmerkmalen aus einem mehrkanaligen bild
US20060050957A1 (en) * 2004-08-31 2006-03-09 Stmicroelectronics S.R.L. Method of generating a mask image of membership of single pixels to certain chromaticity classes and of adaptive improvement of a color image
CN102930249A (zh) * 2012-10-23 2013-02-13 四川农业大学 基于颜色和模型的农田害虫识别和计数方法
CN102980659A (zh) * 2012-11-07 2013-03-20 上海工程技术大学 一种单色紧密织物表面颜色的数字化表征方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SUQIONG LIU 等: "Regression Analysis on Tie-dye Technique and Pattern Feature", 《JOURNAL OF FIBER BIOENGINEERING AND INFORMATICS》 *
王秀娟 等: "彩色印染图象的新的分组分段色分解技术", 《计算机应用研究》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CZ306919B6 (cs) * 2015-12-18 2017-09-13 Vysoké Učení Technické V Brně Způsob kontroly barvy oděvu a/nebo pokrývky hlavy osoby
CN108635859A (zh) * 2018-05-04 2018-10-12 网易（杭州）网络有限公司 用于图像染色的方法及装置、存储介质、电子设备
CN109811493A (zh) * 2019-02-01 2019-05-28 东华大学 一种多组分染料染色过程自动给液方法
CN110670389A (zh) * 2019-09-27 2020-01-10 滨州职业学院 一种活用数码印花技术的扎染工艺
CN110853052A (zh) * 2019-10-25 2020-02-28 湖北民族大学 一种基于深度学习的土家织锦图案图元的分割方法
CN111260755A (zh) * 2020-01-19 2020-06-09 金陵科技学院 基于深度学习与数字图像处理的数字扎染图案生成方法

Similar Documents

Publication Publication Date Title
CN104751446A (zh) 一种基于数字图案特征的扎染工艺预测方法
CN106096610B (zh) 一种基于支持向量机的文档图像二值化方法
CN109558806B (zh) 高分遥感图像变化的检测方法
CN102629322B (zh) 一种基于边界点笔画形状的字符特征提取方法及应用
CN105374015A (zh) 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法
CN110687121B (zh) 一种陶瓦智能在线检测与自动分级方法和系统
CN109211918B (zh) 一种基于纬纱走向的织物弓纬检测方法
CN111127360B (zh) 一种基于自动编码器的灰度图像迁移学习方法
CN112070717B (zh) 基于图像处理的输电线路覆冰厚度检测方法
CN108711160B (zh) 一种基于hsi增强性模型的目标分割方法
CN107730508A (zh) 彩色文本图像多通道二值化处理方法
CN103971367B (zh) 水文资料图像分割方法
CN116012316A (zh) 一种钻井岩芯滚筒扫描图片的裂缝识别方法
CN111429462A (zh) 一种基于边缘检测和数学形态学的车牌定位方法
CN107886549B (zh) 一种基于编织纹理细节增强的织物纹样色彩转移方法
CN110334581B (zh) 一种多源遥感影像变化检测方法
Lin et al. License plate location method based on edge detection and mathematical morphology
CN111462084B (zh) 基于随机森林的图像矢量化印刷出血点预测系统和方法
CN110807747B (zh) 一种基于前景蒙版的文档图像降噪方法
CN111815542A (zh) 一种树木年轮图像髓心定位、年轮测量方法
CN106815580A (zh) 一种车牌定位方法
CN107239761A (zh) 基于骨架角点检测的果树拉枝效果评价方法
CN109493361B (zh) 一种火灾烟雾图像分割方法
CN103871084B (zh) 蓝印花布图案识别方法
CN113610940B (zh) 基于海洋矢量文件和影像通道阈值的临海区域匀色方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150701