CN105243671B - 一种服装穿着平整度的测试及评价方法 - Google Patents
一种服装穿着平整度的测试及评价方法 Download PDFInfo
- Publication number
- CN105243671B CN105243671B CN201510710539.0A CN201510710539A CN105243671B CN 105243671 B CN105243671 B CN 105243671B CN 201510710539 A CN201510710539 A CN 201510710539A CN 105243671 B CN105243671 B CN 105243671B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msup
- msub
- flatness
- image
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了服装穿着平整度的测试及评价方法。目前关于织物平整度的测试与评价方法主要是将按规定方法起皱后的被测试样与标准样照进行比较,判断得出平整度等级,不适用于服装实际穿着过程中因运动起皱而导致的不平整。本发明的具体步骤如下:面料熨烫后裁剪、缝制成试穿服装,然后熨烫平整;试穿者穿着试穿服装按规律做动作,然后采集试穿服装上的左右肘部、左右膝盖、左右大腿根部及其他折皱严重部位的图像;各采集部位的折皱图像裁剪后进行小波阈值去噪处理并提取平整度系数;计算面料制成的整套试穿服装的综合平整度系数。本发明运用计算机图像处理技术测试及评价服装穿着平整度,评价结果更客观。
Description
技术领域
本发明属于纺织服装性能测试领域,尤其涉及一种服装穿着平整度的测试及评价方法。
背景技术
目前关于织物平整度的测试与评价方法主要是将按规定方法起皱后的被测试样与标准样照进行比较,判断得出平整度等级,以此来表征织物抗折皱性能的好坏。参照的标准是GB/T13769-2009,是将经家庭洗涤与干燥处理后的织物,在标准大气下调湿,并在规定的照明下与AATCC立体耐久压烫平挺度标准样照进行目测,找出与被测试样最接近的标准样照等级,也称DP(Durable Pressing)等级。DP等级共分为六个,1级平整度最差,5级最好,介于3级和4级之间的定为3.5级。一般来说,DP大于3.5级的织物较平整,1级与2级的平整度较差。
现有方法存在的问题主要有三方面:一、主要针对织物洗后平整度的检测,不适用于服装实际穿着过程中因运动起皱而导致的不平整;二、主观评价存在着易受人为因素影响、结果不确定等缺陷;三、评价结果只有5个等级,不够精确,致使同等一级之内的织物,平整度也有很大的差异。
发明内容
本发明的目的在于针对以上织物平整度测试中存在的问题,提出一种操作简单、运用计算机图像处理技术测试及评价服装穿着平整度的方法。
本发明的上述技术目的是通过以下技术方案实现的:
本发明的具体步骤如下:
步骤1.选择不同平整度的若干待测面料,熨烫平整后,按照统一的样板、裁剪及缝纫条件,进行裁剪、缝制,制作成试穿服装,并熨烫平整使其表面平挺、没有折痕;所述的试穿服装由上装和裤子组成;步骤1由同一人员完成;
步骤2.选择一名身材、尺寸合适的试穿者,由该试穿者对制作好的试穿服装进行实际穿着,并按规律做日常生活中经常发生的动作;
步骤3.完成规定动作后,试穿者站在光线充足的室内,用调整好最佳拍摄参数的相机,分别采集试穿服装上的左右肘部、左右膝盖、左右大腿根部及其他折皱严重部位的图像;
步骤4.将各采集部位的折皱图像输入计算机,裁剪成同样的尺寸,利用图像处理软件对其进行小波阈值去噪处理;
步骤5.小波阈值去噪处理后的图像,按照如下步骤进行平整度系数Is的提取:
(1)在全幅图像中大小为2k×2k正方形区域的活动窗口内,计算每个像素点的亮度均值Ak(x,y):
其中,(x,y)用来标定所选正方形区域在全幅图像中的具体位置;g(i,j)代表所选正方形区域中(i,j)点对应的像素点亮度值;k决定了像素范围:k=0,1,…,floor(log2(max(h,w));其中,floor为取整函数,log为求对数函数,max为求最大数函数,h为所选正方形区域的像素点行数,w为所选正方形区域的像素点列数。
(2)分别计算全幅图像中每个像素在水平方向、垂直方向和斜向上互不重叠的窗口之间的亮度均值差:
对每个像素,不论方向,取Ek,h(x,y),Ek,v(x,y)和Ek,d(x,y)三者中最大的值所对应的k值按照下式来设置最佳尺寸:Sbest(i,j)=2k。
(3)计算整幅图像中最佳尺寸Sbest的平均值,进而计算该折皱图像的平整度系数Is,如下所示:
其中,m和n分别为折皱图像的长和宽。
步骤6.分别计算左右肘部、左右膝盖及左右大腿根部折皱图像的Is,并求出左右肘部的Is平均值左右膝盖的Is平均值左右大腿根部的Is平均值然后计算其他折皱严重部位折皱图像的平整度系数
步骤7.计算每种待测面料制成的整套试穿服装的综合平整度系数Is总,计算公式如下:
所述步骤2中做动作的规律为:依次下蹲5分钟、坐在与小腿等高的椅子上、伏案看书10分钟、站立5分钟,进行两次循环动作。
所述步骤4中对折皱图像的小波阈值去噪处理,具体步骤是:首先将图像进行小波分解,得到小波分解系数;然后对分解的小波分解系数进行阈值量化;最后进行小波逆变换,得到去噪后的图像。
本发明的有益效果:
本发明针对现有的织物平整度测试方法不能表征服装在实际穿着过程中的平整度情况,基于图像处理技术提出一种测试与客观评价服装穿着平整度的方法,减少了心理、环境因素等对判定结果的影响,评价结果更客观;同时主观判定会因人的长时间工作而产生视觉疲劳,计算机处理则把人从持续对比中解放出来,因而具有更高效的优点。
附图说明
图1本发明的技术路线图。
具体实施方式
以下结合附图对本发明的技术方案作进一步说明。
如图1所示,一种服装穿着平整度的测试及评价方法,具体步骤如下:
步骤1.选择平整度不同的若干待测面料,熨烫平整后,按照统一的样板、裁剪及缝纫条件,对待测面料进行裁剪、缝制,制作成试穿服装(由上装和裤子组成),并熨烫平整,使其表面平挺、没有折痕,为尽量减少人工操作带来的误差和影响,以上操作步骤均由同一名人员完成;
步骤2.选择一名身材、尺寸合适的试穿者,要求该试穿者穿上试穿服后不能太宽松,因太过宽松的服装不容易产生折皱,导致测试结果差异不明显。由该试穿者对制作好的服装进行实际穿着,并循环做日常生活中经常发生的动作:依次为下蹲5分钟、坐在与小腿等高的椅子上、伏案看书10分钟、站立5分钟,进行两次循环动作;
步骤3.完成循环动作后,试穿者站在光线充足的室内,用调整好最佳拍摄参数的相机,分别采集试穿服装上起皱严重部位的折皱图像。肘部、膝盖和大腿根部等由于处于关节部位,运动时极易产生折皱,因此分别采集左右肘部、左右膝盖及左右大腿根部的折皱图像,除这些部位外,同时采集其他折皱严重部位的图像;
步骤4.将各采集部位的折皱图像输入计算机,裁剪成同样的尺寸后,利用图像处理软件对其进行小波阈值去噪处理,具体步骤是:首先将图像进行小波分解,得到相应的小波分解系数;然后对分解的小波分解系数进行阈值量化;最后进行小波逆变换,得到去噪后的图像;
步骤5.小波阈值去噪处理后的图像,按照如下步骤进行平整度系数Is的提取:
(1)在全幅图像中大小为2k×2k正方形区域的活动窗口内,计算每个像素点的亮度均值Ak(x,y):
其中,(x,y)用来标定所选正方形区域在全幅图像中的具体位置;g(i,j)代表所选正方形区域中(i,j)点对应的像素点亮度值;k决定了像素范围:k=0,1,…,floor(log2(max(h,w));其中,floor为取整函数,log为求对数函数,max为求最大数函数,h为所选正方形区域的像素点行数,w为所选正方形区域的像素点列数。
(2)分别计算全幅图像中每个像素在水平方向、垂直方向和斜向上互不重叠的窗口之间的亮度均值差:
对每个像素,不论方向,取Ek,h(x,y),Ek,v(x,y)和Ek,d(x,y)三者中最大的值所对应的k值按照下式来设置最佳尺寸:Sbest(i,j)=2k。
(3)计算整幅图像中最佳尺寸Sbest的平均值,进而计算该折皱图像的平整度系数Is,如下所示:
其中,m和n分别为折皱图像的长和宽。
步骤6.分别计算左右肘部、左右膝盖及左右大腿根部折皱图像的Is,并求出左右肘部的Is平均值左右膝盖的Is平均值左右大腿根部的Is平均值然后计算其他折皱严重部位折皱图像的平整度系数
步骤7.计算每种待测面料制成的整套试穿服装的综合平整度系数Is总,计算公式如下:
计算所得的综合平整度系数越大,说明服装表面折皱越少,平整度越好。
综上所述仅为本发明的较佳实施例而已,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修订,均为本发明的技术范畴。
Claims (3)
1.一种服装穿着平整度的测试及评价方法,其特征在于:该方法的具体步骤如下:
步骤1.选择不同平整度的若干待测面料,熨烫平整后,按照统一的样板、裁剪及缝纫条件,进行裁剪、缝制,制作成试穿服装,并熨烫平整使表面平挺、没有折痕;所述的试穿服装由上装和裤子组成;步骤1由同一人员完成;
步骤2.选择一名身材、尺寸合适的试穿者,由该试穿者对制作好的试穿服装进行实际穿着,并按规律做日常生活中经常发生的动作;
步骤3.完成规定动作后,试穿者站在室内,用调整好拍摄参数的相机,分别采集试穿服装上的左右肘部、左右膝盖、左右大腿根部及其他折皱严重部位的图像;
步骤4.将各采集部位的折皱图像输入计算机,裁剪成同样的尺寸,利用图像处理软件对其进行小波阈值去噪处理;
步骤5.小波阈值去噪处理后的图像,按照如下步骤进行平整度系数Is的提取:
(1)在全幅图像中大小为2k×2k正方形区域的活动窗口内,计算每个像素点的亮度均值Ak(x,y):
<mrow>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mrow>
<mi>x</mi>
<mo>+</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>y</mi>
<mo>-</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mrow>
<mi>y</mi>
<mo>+</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mn>2</mn>
<mrow>
<mn>2</mn>
<mi>k</mi>
</mrow>
</msup>
</mrow>
其中,(x,y)用来标定所选正方形区域在全幅图像中的具体位置;g(i,j)代表(i,j)点对应的像素点亮度值;k决定了像素范围:k=1,…,floor(log2(max(h,w));其中,floor为取整函数,log为求对数函数,max为求最大数函数,h为全幅图像的像素点行数,w为全幅图像的像素点列数;
(2)分别计算全幅图像中每个像素在水平方向、垂直方向和斜向上互不重叠的窗口之间的亮度均值差:
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>h</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>|</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>v</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>|</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>-</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>|</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>,</mo>
<mi>y</mi>
<mo>-</mo>
<msup>
<mn>2</mn>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
对每个像素,不论方向,取Ek,h(x,y),Ek,v(x,y)和Ek,d(x,y)三者中最大的值所对应的k值按照下式来设置最佳尺寸:Sbest(i,j)=2k;
(3)计算整幅图像中最佳尺寸Sbest的平均值,进而计算该折皱图像的平整度系数Is,如下所示:
<mrow>
<msub>
<mi>I</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mfrac>
<mn>1</mn>
<mrow>
<mi>h</mi>
<mo>&times;</mo>
<mi>w</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>h</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>w</mi>
</munderover>
<msub>
<mi>S</mi>
<mrow>
<mi>b</mi>
<mi>e</mi>
<mi>s</mi>
<mi>t</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
步骤6.分别计算左右肘部、左右膝盖及左右大腿根部折皱图像的Is,并求出左右肘部的Is平均值左右膝盖的Is平均值左右大腿根部的Is平均值然后计算其他折皱严重部位折皱图像的平整度系数
步骤7.计算每种待测面料制成的整套试穿服装的综合平整度系数Is总,计算公式如下:
2.根据权利要求1所述的一种服装穿着平整度的测试及评价方法,其特征在于:所述步骤2中做动作的规律为:依次下蹲5分钟、坐在与小腿等高的椅子上、伏案看书10分钟、站立5分钟,进行两次循环动作。
3.根据权利要求1所述的一种服装穿着平整度的测试及评价方法,其特征在于:所述步骤4中对折皱图像的小波阈值去噪处理,具体步骤是:首先将图像进行小波分解,得到小波分解系数;然后对分解的小波分解系数进行阈值量化;最后进行小波逆变换,得到去噪后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510710539.0A CN105243671B (zh) | 2015-10-27 | 2015-10-27 | 一种服装穿着平整度的测试及评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510710539.0A CN105243671B (zh) | 2015-10-27 | 2015-10-27 | 一种服装穿着平整度的测试及评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105243671A CN105243671A (zh) | 2016-01-13 |
CN105243671B true CN105243671B (zh) | 2017-10-24 |
Family
ID=55041303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510710539.0A Active CN105243671B (zh) | 2015-10-27 | 2015-10-27 | 一种服装穿着平整度的测试及评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243671B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844618A (zh) * | 2016-03-17 | 2016-08-10 | 浙江理工大学 | 评价服装穿着起皱程度的图像处理及特征提取方法 |
CN107402211B (zh) * | 2017-08-03 | 2018-05-01 | 秦皇岛康博四零标志服装有限公司 | 睡袋凹陷程度测量系统 |
CN108303046A (zh) * | 2018-02-05 | 2018-07-20 | 湖南省忘不了服饰有限公司 | 一种机织物服装下摆缝制起皱平整度的检测方法 |
CN110906887B (zh) * | 2019-11-08 | 2021-03-19 | 浙江理工大学 | 一种服装缝纫平整度检测方法 |
CN113243597B (zh) * | 2021-05-18 | 2023-05-05 | 邢台职业技术学院 | 一种服装智能制作系统及其制作方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999885A (zh) * | 2012-09-25 | 2013-03-27 | 广东威创视讯科技股份有限公司 | Retinex视频增强算法亮度平均值确定方法与装置 |
CN103760162A (zh) * | 2014-01-17 | 2014-04-30 | 浙江理工大学 | 织物多方向折皱回复性测试装置及方法 |
CN104021561A (zh) * | 2014-06-17 | 2014-09-03 | 浙江理工大学 | 基于小波变换及形态学运算的织物起毛起球图像分割方法 |
-
2015
- 2015-10-27 CN CN201510710539.0A patent/CN105243671B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999885A (zh) * | 2012-09-25 | 2013-03-27 | 广东威创视讯科技股份有限公司 | Retinex视频增强算法亮度平均值确定方法与装置 |
CN103760162A (zh) * | 2014-01-17 | 2014-04-30 | 浙江理工大学 | 织物多方向折皱回复性测试装置及方法 |
CN104021561A (zh) * | 2014-06-17 | 2014-09-03 | 浙江理工大学 | 基于小波变换及形态学运算的织物起毛起球图像分割方法 |
Non-Patent Citations (4)
Title |
---|
New Method of Fabric Wrinkle Measurement Based on Image Processing;Liu Chengxia;《Fibers & Textiles in Eastern Europe 2014》;20141231;第22卷(第1期);第51-55页 * |
Novel Measurement for Multidirectional Fabric Wrinkling Using Wavelet Analysis;Chengxia Liu et al.;《Fibers and Polymers 2014》;20141231;第15卷(第6期);第1337-1342页 * |
基于图像处理的织物多方向抗皱性测试方法;刘成霞 等;《纺织学报》;20120731;第33卷(第7期);第50-54页 * |
基于小波分解系数的织物图像分类分割;韩永华 等;《纺织学报》;20121130;第33卷(第11期);第57-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105243671A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243671B (zh) | 一种服装穿着平整度的测试及评价方法 | |
Chi et al. | Body scanning of dynamic posture | |
CN105628712B (zh) | 织物勾丝分析设备和织物勾丝分析方法 | |
Liu et al. | New method of fabric wrinkle measurement based on image processing | |
CN102763923B (zh) | 一种人体下肢自动测量装置和方法 | |
CN106164911A (zh) | 映射穿戴者移动性以用于服装设计 | |
Liu | Investigation on the novel measurement for fabric wrinkle simulating actual wear | |
CN103728307A (zh) | 模拟实际着装的织物抗皱性测试装置及方法 | |
Sanad et al. | Fabric objective measurement and drape | |
CN109594319A (zh) | 一种织物经纬密度智能检测装置及方法 | |
Park et al. | A process for optimizing sewing conditions to minimize seam pucker using the Taguchi method | |
CN1971274A (zh) | 基于点模型的服装面料平整度等级评定方法 | |
CN109884062A (zh) | 一种面料保形性的评价方法 | |
CN106525846B (zh) | 一种全自动织物毛羽测试仪 | |
CN111044517A (zh) | 一种基于三维特征的织物褶皱等级的评定方法 | |
CN102726864B (zh) | 基于成衣定制的制衣数据生成方法及系统 | |
RU2495416C2 (ru) | Способ определения сминаемости текстильных полотен | |
Hill et al. | Dimensional change measurement and stain segmentation in printed fabrics | |
Fan et al. | Towards the objective evaluation of garment appearance | |
CN112330196B (zh) | 一种运动护膝防护等级评价方法 | |
CN205426911U (zh) | 织物勾丝分析设备 | |
Griffey et al. | Development of an automated process for the creation of a basic skirt block pattern from 3D body scan data | |
CN108519066B (zh) | 一种基于四侧光源图像的织物平整度的客观评定方法 | |
Roknabadi et al. | Human body measurement system in clothing using image processing | |
Varghese et al. | Fit of sari blouse: Influencing parameters and assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190517 Address after: 311100, No. 11, Xinyuan Road, Sanxin Industrial Park, Qiaosi Street, Yuhang District, Hangzhou City, Zhejiang Province, Building 2 Patentee after: Hangzhou Runxian Garment Co., Ltd. Address before: 310018 No. 2 street, Xiasha Higher Education Park, Hangzhou, Zhejiang, 928 Patentee before: Zhejiang Sci-Tech University |