CN113516587B - 一种基于像素融合的袜子制版文件反求生成方法 - Google Patents
一种基于像素融合的袜子制版文件反求生成方法 Download PDFInfo
- Publication number
- CN113516587B CN113516587B CN202110443136.XA CN202110443136A CN113516587B CN 113516587 B CN113516587 B CN 113516587B CN 202110443136 A CN202110443136 A CN 202110443136A CN 113516587 B CN113516587 B CN 113516587B
- Authority
- CN
- China
- Prior art keywords
- sock
- platemaking
- area
- file
- leg
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 7
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 12
- 239000004744 fabric Substances 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于像素融合的袜子制版文件反求生成方法,具体按照以下步骤实施:步骤1、获取袜子正反标准图像;步骤2、利用步骤1得到的袜子正反标准图像提取袜子罗口定位坐标;步骤3、利用步骤2得到的袜子罗口定位坐标对形状特征进行描述,获得正反面矩形袜筒图像;步骤4、将提取后的袜筒正反图像基于灰度匹配的图像拼接算法自动匹配对齐,分别生成基于直袜板的袜子制版文件、基于曲袜板的袜子制版文件;基于像素融合方法将基于直、曲2种袜子制版文件合成像素完整的袜子制版文件,步骤5、选择样板袜品最贴近的袜子制版文件为最终反求生成的袜子制版文件。解决了现有技术中存在的人工打样周期长、误差大的问题。
Description
技术领域
本发明属于图像处理技术领域,涉及一种基于像素融合的袜子制版文件反求生成方法。
背景技术
袜品反求生产,是依据一个实物样板袜品的尺寸、图案、颜色和织法等相关信息,反求生成该样板袜品用于袜机生产的袜子制版文件。但目前的袜业企业,尚处于传统的人工打样阶段,主要依靠外聘打样师参考样板袜品进行逐帧绘制生成袜子制版文件,对技术人员有经验要求、劳动强度大,而且这种工作方式工作效率低、周期长、误差大,导致错失市场机遇;且人工打样生成的袜子制版文件相对于样板袜品没有进行创新,缺少市场竞争力。随着计算机科学技术的发展,图像处理技术广泛应用于产品反求生产、改型创新,图像处理技术虽然在织物图像中可有效提取颜色、轮廓等特征,但处理对象均为局部平整织物的数字图像。针对立体实物的数字化图像识别、提取、优化暂未涉及,在袜业反求领域没有较多的相关研究。
发明内容
本发明的目的是提供一种基于像素融合的袜子制版文件反求生成方法,解决了现有技术中存在的人工打样周期长、误差大的问题。
本发明所采用的技术方案是,一种基于像素融合的袜子制版文件反求生成方法,具体按照以下步骤实施:
步骤1、获取袜子正反标准图像;
步骤2、利用步骤1得到的袜子正反标准图像提取袜子罗口定位坐标;
步骤3、利用步骤2得到的袜子罗口定位坐标分别对直袜筒、曲袜筒形状特征进行描述并分割,获得正反面矩形袜筒图像;
步骤4、将提取后的袜筒正反图像基于灰度匹配的图像拼接算法自动匹配对齐、进行颜色量化后,分别生成基于直袜板的袜子制版文件、基于曲袜板的袜子制版文件,基于像素融合方法将基于直、曲2种袜子制版文件合成像素完整的袜子制版文件;
步骤5、对于步骤4中生成的3种袜子制版文件分别利用canny算子提取其轮廓线生成袜子制版轮廓图,对比分析3种袜子制版轮廓图的优劣选择与样板袜品最贴近的袜子制版文件为最终反求生成的袜子制版文件。
本发明的特点还在于:
步骤1具体为,将三维的立体袜子织物分别套在直袜板、曲袜板上并利用二维扫描仪、定位卡纸获取袜子的正反面标准图像。
步骤2具体按照以下步骤实施:
步骤2.1,通过颜色直方图对图像中的袜板区域进行颜色特征提取,获得正反标准图像中袜板分别在R、G、B分量中的数值范围[R1,R2]、[G1,G2]、[B1,B2];选择R、G、B颜色分量作为第一特征量,(R-B)、(R-G)、(B-G)色差信息作为第二特征量进行袜板区域识别,颜色特征判别公式如公式(1)、公式(2)所示:
式中,f(x,y)为分割后的二值图像;R(x,y)、G(x,y)和B(x,y)分别为袜子标准图像中的红、绿、蓝三个分量;R1、R2、G1、G2、B1和B2为第一特征量判断阈值;Thrg、Thrb和Thbg为第二特征量判断阈值;
步骤2.2,识别出袜板区域后,通过图像中的位置,利用形态学操作,得到袜板的二值化图像,罗口两端点坐标即袜板上边缘两端点坐标,通过统计所得二值化图像中的所有非零像素点,最终获得图像中罗口两端点坐标O1(x1,y),O2(x2,y)。
步骤3具体按照以下步骤实施:
步骤3.1,直袜筒的形状特征用区域面积进行描述,袜筒区域的面积S表示为袜筒宽度W乘以袜筒的长度L;罗口两端点横坐标之差(x2-x1)为袜子的宽度尺寸W即裁剪矩形的宽度尺寸;根据袜子制版文件尺寸数据可知,袜子的长宽比为固定值b,在裁剪矩形长度尺寸为(a×W)的基础上,增加“缝头余量b”,区域面积描述公式如下:
W=x2-x1 (3)
L=a×W+b (4)
S=W×L (5)
式中,W表示袜筒宽度;L表示袜筒长度;a为系数,表示袜子长宽值,取值为3.8~4.7;b表示用户可调节的缝头余量;
然后根据所选特征量对图像区域进行分割,将袜子分割为袜头区域、袜筒区域、袜跟区域;其中去除反面图像中的袜跟区域,是采用阈值分割后依据临近区域颜色均值进行填充。
步骤3.2,曲袜筒的形状特征可以区域形状进行描述,由于曲袜板形状固定不变,制作一个与曲袜板形状相同的二值化掩膜,通过图像乘法运算,结合罗口坐标,利用掩膜提取曲袜筒;
对变形前的袜筒进行第一次区域划分,使划分后的每个区域都满足单连通域,共划分为3个区域;对袜筒区域进行第二次区域划分,在第一次区域划分的基础上,结合不同位置袜子变形的稀疏密集程度,将每个单连通区域划分为由多个四边形组成的网格区域;通过网格角点与单元网格编号后,利用式(6)的中心投影变换分别将网格内单个四边形变换为小矩形,并将变形后的每个小矩形拼接为与单连通区域对应大小比例的矩形。
任意四边形到矩形的投影变换公式如下:
最后将各个单连通区域变形后的矩形图像进行拼接,生成矩形袜筒区域。
步骤4中:由于图像采集时袜板左右两侧像素的缺失,基于直袜板、曲袜板这两种方式生成的袜子制版文件均有像素缺失,需要对其二者进行像素融合,合成完整像素的袜子制版文件;利用距离加权法分配两图像中重叠位置的像素值的权重,表达式如下所示:
运用公式(7)的距离加权法对基于直袜板的袜子制版文件和基于曲袜板的袜子制版文件的重叠区域进行像素融合,利用最小方差法进行颜色量化后,合成像素完整袜子制版文件。
本发明的有益效果是:本发明一种基于像素融合的袜子制版文件反求生成方法,解决了现有技术中存在的人工打样周期长、误差大的问题。提出一种图像采集方法对立体袜子进行图像采集,将同一只袜子,分别通过直袜板与曲袜板实现了将三维立体织物转化为正反面拼接的数字图像,通过定位卡纸的设计实现了采集过程中袜子的辅助定位。图像采集设备中的直袜板、曲袜板均为固定形状,分别将袜子支撑成固定的形状,直袜板和曲袜板的形状特征不同,直袜板将区域面积作为形状特征的描述参数进行图像分割和目标提取;曲袜板将区域形状作为形状特征的描述参数进行图像分割和目标提取;实现了袜筒区域的提取;针对形状不规则曲袜板的制版文件反求,采用基于区域划分的微分曲袜筒区域校正方法,将曲袜筒进行初步区域划分后,对各区域进行网格划分,利用中心投影变换算法将各区域校正后拼接生成矩形袜筒。
附图说明
图1是本发明一种基于像素融合的袜子制版文件反求生成方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于像素融合的袜子制版文件反求生成方法,如图1所示,具体按照以下步骤实施:
步骤1、获取袜子正反标准图像;为了将立体袜品转换为二维数字图像,将三维的立体袜子织物,通过分别套在直袜板、曲袜板上利用二维扫描仪、定位卡纸获取袜子的正反面标准图像,用于后期的图像处理;图像采集设备包括扫描仪、直袜板、曲袜板、定位卡纸;
步骤1具体为,将三维的立体袜子织物分别套在直袜板、曲袜板上并利用二维扫描仪、定位卡纸获取袜子的正反面标准图像。
其中,为了完整的获得袜子上各个位置的像素,选择袜板工具将袜子图像二维化;袜板是袜子定型工艺中的赋予袜子美观、对称、平整外形的工具,袜板包括直袜板与曲袜板,若仅使用一种袜板,受袜子厚度影响,在袜子左右两侧存在像素缺失问题,本发明提出一种图像采集方法,将同一只袜子,分别套于直袜板、曲袜板上采集正反面图像,其左右缺失的像素互为补充,最终可以得到像素完整的袜子图像。
由于每次图像采集时袜板位置不固定,加大了后期的图像定位、图像分割等操作的难度。为了解决袜子在图像中的定位问题,保证每次采集时袜板的位置固定,即袜板的坐标原点相对扫描仪坐标像素点固定不变,本发明设计了袜子图像采集定位辅助设备——定位卡纸。根据直袜板、曲袜板形状,分别在卡纸上描绘裁剪线,然后对其卡纸进行裁剪,分别得到基于直袜板的卡纸、基于曲袜板的卡纸。
步骤2、利用步骤1得到的袜子正反标准图像提取袜子罗口定位坐标;袜子罗口定位,从采集到的袜子标准图像中提取袜板的颜色信息,对袜板区域进行识别;通过提取与袜子罗口重叠的袜板轮廓边缘,获取图像中罗口两端点的坐标信息,实现罗口在图像中的定位,即袜子在图像中的定位;
步骤2具体按照以下步骤实施:
步骤2.1,通过颜色直方图对图像中的袜板区域进行颜色特征提取,获得正反标准图像中袜板分别在R、G、B分量中的数值范围[R1,R2]、[G1,G2]、[B1,B2];选择R、G、B颜色分量作为第一特征量,(R-B)、(R-G)、(B-G)色差信息作为第二特征量进行袜板区域识别,颜色特征判别公式如公式(1)、公式(2)所示:
式中,f(x,y)为分割后的二值图像;R(x,y)、G(x,y)和B(x,y)分别为袜子标准图像中的红、绿、蓝三个分量;R1、R2、G1、G2、B1和B2为第一特征量判断阈值;Thrg、Thrb和Thbg为第二特征量判断阈值;
步骤2.2,识别出袜板区域后,通过图像中的位置,利用形态学操作,得到袜板的二值化图像,罗口两端点坐标即袜板上边缘两端点坐标,通过统计所得二值化图像中的所有非零像素点,最终获得图像中罗口两端点坐标O1(x1,y),O2(x2,y)。
步骤3、利用步骤2得到的袜子罗口定位坐标分别对直袜筒、曲袜筒形状特征进行描述,获得正反面矩形袜筒图像;袜筒提取,依据获取的袜子罗口坐标,分别对直袜筒、曲袜筒形状特征进行描述,将袜子分割为袜筒、袜头、袜跟,在去除袜头与袜跟后,对曲袜筒进行校正,最终获得正反面矩形袜筒区域。
步骤3具体按照以下步骤实施:
步骤3.1,直袜筒的形状特征用区域面积进行描述,袜筒区域的面积S表示为袜筒宽度W乘以袜筒的长度L;罗口两端点横坐标之差(x2-x1)为袜子的宽度尺寸W即裁剪矩形的宽度尺寸;根据袜子制版文件尺寸数据可知,袜子的长宽比为固定值b,在裁剪矩形长度尺寸为(a×W)的基础上,增加“缝头余量b”,区域面积描述公式如下:
W=x2-x1 (3)
L=a×W+b (4)
S=W×L (5)
式中,W表示袜筒宽度;L表示袜筒长度;a为系数,表示袜子长宽值,取值为3.8~4.7;b表示用户可调节的缝头余量;
然后根据所选特征量对图像区域进行分割,将袜子分割为袜头区域、袜筒区域、袜跟区域;其中去除反面图像中的袜跟区域,是采用阈值分割后依据临近区域颜色均值进行填充。
步骤3.2,曲袜筒的形状特征可以区域形状进行描述,由于曲袜板形状固定不变,制作一个与曲袜板形状相同的二值化掩膜,通过图像乘法运算,结合罗口坐标,利用掩膜提取曲袜筒;
直接提取的曲袜筒无法直接生成袜子制版文件,需要对其进行变形校正。对变形前的袜筒进行第一次区域划分,使划分后的每个区域都满足单连通域,共划分为3个区域;对袜筒区域进行第二次区域划分,在第一次区域划分的基础上,结合不同位置袜子变形的稀疏密集程度,将每个单连通区域划分为由多个四边形组成的网格区域;通过网格角点与单元网格编号后,利用式(6)的中心投影变换分别将网格内单个四边形变换为小矩形,并将变形后的每个小矩形拼接为与单连通区域对应大小比例的矩形。
任意四边形到矩形的投影变换公式如下:
最后将各个单连通区域变形后的矩形图像进行拼接,生成矩形袜筒区域。
步骤4、将提取后的袜筒正反图像基于灰度匹配的图像拼接算法自动匹配对齐,将其各区域调整为准确顺序后拼接为一张完整的袜子初步制版图像,对得到的袜子初步制版图像进行颜色量化后,分别生成基于直袜板的袜子制版文件、基于曲袜板的袜子制版文件,以上两种文件在图像采集时均存在像素缺失问题,基于像素融合方法将基于直、曲2种袜子制版文件合成像素完整的袜子制版文件;
步骤4中:由于图像采集时袜板左右两侧像素的缺失,基于直袜板、曲袜板这两种方式生成的袜子制版文件均有像素缺失,需要对其二者进行像素融合,合成完整像素的袜子制版文件;利用距离加权法分配两图像中重叠位置的像素值的权重,表达式如下所示:
运用公式(7)的距离加权法对基于直袜板的袜子制版文件和基于曲袜板的袜子制版文件的重叠区域进行像素融合,利用最小方差法进行颜色量化后,合成像素完整袜子制版文件。
步骤5、对于步骤4中生成的3种袜子制版文件分别利用canny算子提取其轮廓线生成袜子制版轮廓图,对比分析3种袜子制版轮廓图的优劣选择与样板袜品最贴近的袜子制版文件为最终反求生成的袜子制版文件。
对于步骤4中生成的3种袜子制版文件分别利用canny算子提取其轮廓线生成袜子制版轮廓图,根据轮廓分割结果,将图案加至图案基元数据库;通过客观评价方法对3中袜子制版文件进行系统评估,选择与样板袜品最贴近的袜子制版文件为最终反求生成的袜子制版文件。
其中袜子制版文件的对比分析评估方法有3个评价指标。其一,对称性,袜子制版文件中的图案设计,一般均有对称性,即左右两侧互为对称图形,通过分析生成的袜子制版文件对称度,对比图像左右两侧像素点的排列分布情况,可评估出与样板袜品最为贴近的制版文件,对于一些以不对称性打破图案设计的平衡,营造一种独特的视觉冲击感的有特色的袜子,对称性不在其评估准则中,因此对称性仅为评估准则之一;其二,区域完整性,袜品从三维转向二维的过程中,存在像素点的缺失的问题,首先根据轮廓将连通区域进行分割,若各轮廓区域均为封闭区域,且区域个数大于等于图像中的总颜色个数,则图像较为完整;同时,计算各区域的像素点个数,若各区域像素点个数之合与图像总像素点个数差值在一定范围内,则图像较为完整;其三,区域轮廓线曲率变化,以封闭区域为基础,通过判断区域边界线的曲率变化,即相邻像素点曲率变化的大小,来判别线条过渡的流畅性,若曲率突变,为曲线边角或像素缺失造成的图案线条中断。
袜子制版文件的二次设计,首先,建立图案基元数据库、颜色数据库,对反求生成的袜子制版文件利用图像矩阵的元素替换方法进行图案的添加与替换;基于区域生长法选择需要设计的区域对其颜色信息进行二次设计,丰富袜品的图案样式,满足日益变化的袜品市场需求;
其中,图案基元数据库建立的关键在于图案基元的数字化,通过制作PNG格式的图案样式,作为图案基元数据库,依据每次生成的袜子制版文件图案,不断更新图案数据库;颜色数据库的建立与袜业企业中的购置的线圈颜色相关,依据袜业企业中存在的线圈颜色,建立一个袜子制版文件颜色数据库;输出文件,将用户二次设计后的袜子制版文件进行输出,输出包含尺寸信息、图案信息、颜色信息的BMP格式的图像。
本发明一种基于像素融合的袜子制版文件反求生成方法,解决了现有技术中存在的人工打样周期长、误差大的问题。提出一种图像采集方法对立体袜子进行图像采集,将同一只袜子,分别通过直袜板与曲袜板实现了将三维立体织物转化为正反面拼接的数字图像,通过定位卡纸的设计实现了采集过程中袜子的辅助定位。图像采集设备中的直袜板、曲袜板均为固定形状,分别将袜子支撑成固定的形状,直袜板和曲袜板的形状特征不同,直袜板将区域面积作为形状特征的描述参数进行图像分割和目标提取;曲袜板将区域形状作为形状特征的描述参数进行图像分割和目标提取;实现了袜筒区域的提取;针对形状不规则曲袜板的制版文件反求,采用基于区域划分的微分曲袜筒区域校正方法,将曲袜筒进行初步区域划分后,对各区域进行网格划分,利用中心投影变换算法将各区域校正后拼接生成矩形袜筒。可去除企业打样环节,缩短袜品的生产周期;在反求生成的袜子制版文件基础上进行二次设计,丰富了袜品的图案样式,推动袜子反求生产向数字化、柔性化和智能化的方向发展。
Claims (3)
1.一种基于像素融合的袜子制版文件反求生成方法,其特征在于,具体按照以下步骤实施:
步骤1、获取袜子正反标准图像;
步骤2、利用步骤1得到的袜子正反标准图像提取袜子罗口定位坐标;
步骤3、利用步骤2得到的袜子罗口定位坐标分别对直袜筒、曲袜筒形状特征进行描述,获得正反面矩形袜筒图像;
所述步骤3具体按照以下步骤实施:
步骤3.1,直袜筒的形状特征用区域面积进行描述,袜筒区域的面积S表示为袜筒宽度W乘以袜筒的长度L;罗口两端点横坐标之差(x2-x1)为袜子的宽度尺寸W即裁剪矩形的宽度尺寸;根据袜子制版文件尺寸数据可知,袜子的长宽比为固定值b,在裁剪矩形长度尺寸为(a×W)的基础上,增加“缝头余量b”,区域面积描述公式如下:
W=x2-x1 (3)
L=a×W+b (4)
S=W×L (5)
式中,W表示袜筒宽度;L表示袜筒长度;a为系数,表示袜子长宽值,取值为3.8~4.7;b表示用户可调节的缝头余量;
然后根据所选特征量对图像区域进行分割,将袜子分割为袜头区域、袜筒区域、袜跟区域;其中去除反面图像中的袜跟区域,是采用阈值分割后依据临近区域颜色均值进行填充;
步骤3.2,曲袜筒的形状特征可以区域形状进行描述,由于曲袜板形状固定不变,制作一个与曲袜板形状相同的二值化掩膜,通过图像乘法运算,结合罗口坐标,利用掩膜提取曲袜筒;
对变形前的袜筒进行第一次区域划分,使划分后的每个区域都满足单连通域,共划分为3个区域;对袜筒区域进行第二次区域划分,在第一次区域划分的基础上,结合不同位置袜子变形的稀疏密集程度,将每个单连通区域划分为由多个四边形组成的网格区域;通过网格角点与单元网格编号后,利用式(6)的中心投影变换分别将网格内单个四边形变换为小矩形,并将变形后的每个小矩形拼接为与单连通区域对应大小比例的矩形;
任意四边形到矩形的投影变换公式如下:
最后将各个单连通区域变形后的矩形图像进行拼接,生成矩形袜筒区域;
步骤4、将提取后的袜筒正反图像基于灰度匹配的图像拼接算法自动匹配对齐、进行颜色量化后,分别生成基于直袜板的袜子制版文件、基于曲袜板的袜子制版文件,基于像素融合方法将基于直、曲2种袜子制版文件合成像素完整的袜子制版文件;
所述步骤4中:由于图像采集时袜板左右两侧像素的缺失,基于直袜板、曲袜板这两种方式生成的袜子制版文件均有像素缺失,需要对其二者进行像素融合,合成完整像素的袜子制版文件;利用距离加权法分配两图像中重叠位置的像素值的权重,表达式如下所示:
运用公式(7)的距离加权法对基于直袜板的袜子制版文件和基于曲袜板的袜子制版文件的重叠区域进行像素融合,利用最小方差法进行颜色量化后,合成像素完整袜子制版文件;
步骤5、对于步骤4中生成的3种袜子制版文件分别利用canny算子提取其轮廓线生成袜子制版轮廓图,选择与样板袜品最贴近的袜子制版文件为最终反求生成的袜子制版文件。
2.根据权利要求1所述的一种基于像素融合的袜子制版文件反求生成方法,其特征在于,所述步骤1具体为,将三维的立体袜子织物分别套在直袜板、曲袜板上并利用二维扫描仪、定位卡纸获取袜子的正反面标准图像。
3.根据权利要求1所述的一种基于像素融合的袜子制版文件反求生成方法,其特征在于,所述步骤2具体按照以下步骤实施:
步骤2.1,通过颜色直方图对图像中的袜板区域进行颜色特征提取,获得正反标准图像中袜板分别在R、G、B分量中的数值范围[R1,R2]、[G1,G2]、[B1,B2];选择R、G、B颜色分量作为第一特征量,(R-B)、(R-G)、(B-G)色差信息作为第二特征量进行袜板区域识别,颜色特征判别公式如公式(1)、公式(2)所示:
式中,f(x,y)为分割后的二值图像;R(x,y)、G(x,y)和B(x,y)分别为袜子标准图像中的红、绿、蓝三个分量;R1、R2、G1、G2、B1和B2为第一特征量判断阈值;Thrg、Thrb和Thbg为第二特征量判断阈值;
步骤2.2,识别出袜板区域后,通过图像中的位置,利用形态学操作,得到袜板的二值化图像,罗口两端点坐标即袜板上边缘两端点坐标,通过统计所得二值化图像中的所有非零像素点,最终获得图像中罗口两端点坐标O1(x1,y),O2(x2,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110443136.XA CN113516587B (zh) | 2021-04-23 | 2021-04-23 | 一种基于像素融合的袜子制版文件反求生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110443136.XA CN113516587B (zh) | 2021-04-23 | 2021-04-23 | 一种基于像素融合的袜子制版文件反求生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516587A CN113516587A (zh) | 2021-10-19 |
CN113516587B true CN113516587B (zh) | 2023-06-30 |
Family
ID=78061151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110443136.XA Active CN113516587B (zh) | 2021-04-23 | 2021-04-23 | 一种基于像素融合的袜子制版文件反求生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516587B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579934B (zh) * | 2023-04-06 | 2024-04-16 | 湖南师范大学 | 基于边缘检测的刺绣制版处理方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742036A (zh) * | 2017-10-27 | 2018-02-27 | 福建(泉州)哈工大工程技术研究院 | 一种鞋样自动排料加工系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719318B (zh) * | 2016-01-26 | 2018-07-10 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件中基于hsv的魔方颜色识别方法 |
WO2020061858A1 (zh) * | 2018-09-26 | 2020-04-02 | 深圳市大疆创新科技有限公司 | 深度图像的融合方法、装置和计算机可读存储介质 |
-
2021
- 2021-04-23 CN CN202110443136.XA patent/CN113516587B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742036A (zh) * | 2017-10-27 | 2018-02-27 | 福建(泉州)哈工大工程技术研究院 | 一种鞋样自动排料加工系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113516587A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7426302B2 (en) | System and method for digitizing a pattern | |
CN110197153B (zh) | 一种户型图中墙体自动识别方法 | |
CN108319973A (zh) | 一种树上柑橘果实检测方法 | |
CN114821114A (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
CN105740860A (zh) | 自然场景中商铺标牌汉字区域自动检测方法 | |
CN108875740A (zh) | 一种应用于激光切割机的机器视觉切割方法 | |
CN114418899B (zh) | 一种自彩印的自适应修复方法、系统及可读存储介质 | |
CN105550660A (zh) | 一种机织物组织结构种类的识别方法 | |
CN102704215A (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN113343976B (zh) | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 | |
CN113052859A (zh) | 基于自适应种子点密度聚类超像素分割方法 | |
CN105528485A (zh) | 一种从位图自动轮廓提取及路径生成的方法 | |
CN113516587B (zh) | 一种基于像素融合的袜子制版文件反求生成方法 | |
CN111783773A (zh) | 一种面向角度倾斜电线杆标识牌的矫正方法 | |
JP3814353B2 (ja) | 画像分割方法および画像分割装置 | |
CN113436206B (zh) | 一种基于聚类分割的病理组织切片扫描区域定位方法 | |
CN111290582B (zh) | 一种基于改进型直线检测的投影交互区域定位方法 | |
CN106934846B (zh) | 一种布料图像处理方法及系统 | |
CN108717699B (zh) | 一种基于连续最小割的超声波图像分割方法 | |
CN110689586B (zh) | 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡 | |
CN114511567B (zh) | 舌体与舌苔图像识别分离方法 | |
CN113887737B (zh) | 一种基于机器学习的样本集自动生成方法 | |
CN111260755B (zh) | 基于深度学习与数字图像处理的数字扎染图案生成方法 | |
CN111738934B (zh) | 基于mtcnn的红眼自动修复方法 | |
CN114155236A (zh) | 一种适用于动态测量环境的激光条纹中心线提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |