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 PDFInfo
- 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
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
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。
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)
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)
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 |
-
2015
- 2015-01-06 CN CN201510005252.8A patent/CN104751446A/zh active Pending
Patent Citations (4)
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)
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)
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 |