CN114386295B - 一种基于色纺纱分色换色的织物计算机仿真方法 - Google Patents
一种基于色纺纱分色换色的织物计算机仿真方法 Download PDFInfo
- Publication number
- CN114386295B CN114386295B CN202210288298.5A CN202210288298A CN114386295B CN 114386295 B CN114386295 B CN 114386295B CN 202210288298 A CN202210288298 A CN 202210288298A CN 114386295 B CN114386295 B CN 114386295B
- Authority
- CN
- China
- Prior art keywords
- yarn
- image
- color
- coil
- computer simulation
- 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 69
- 238000005094 computer simulation Methods 0.000 title claims abstract description 36
- 238000000926 separation method Methods 0.000 title claims abstract description 32
- 239000004753 textile Substances 0.000 title claims abstract description 28
- 230000008859 change Effects 0.000 title claims abstract description 19
- 239000004744 fabric Substances 0.000 claims abstract description 62
- 239000003086 colorant Substances 0.000 claims abstract description 14
- 238000013178 mathematical model Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 206010020112 Hirsutism Diseases 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 239000000835 fiber Substances 0.000 claims description 5
- 238000009940 knitting Methods 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000009987 spinning Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 14
- 238000004088 simulation Methods 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012827 research and development Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000717 retained effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/12—Cloth
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种基于色纺纱分色换色的织物计算机仿真方法，首先对色纺纱样本进行图像采集，构建纱线样本图像数据库；将采集的纱线片段图像利用图像拼接技术获得完整的纱线图像；利用图像分割、形态学开运算和闭运算等图像处理技术进行处理，得到原始纱线图像主体部分;通过聚类方法分离颜色，选中颜色待变区域，通过直接换色法换色，整合各分色，得到换色后的纱线图像；然后利用Peirce线圈和B样条曲线构建纱线线圈模型，将真实色纺纱线纹理映射至线圈的几何模型上;最后调整线圈的串套关系，完成织物外观的模拟。本发明具有重要应用前景和价值，可以有效提高企业生产和研发效率。
Description
技术领域
本发明属于纺织工业生产应用技术领域，具体涉及一种基于色纺纱分色换色的织物计算机仿真方法。
背景技术
在纺织工业生产领域，色纺织物是由不同颜色不同质量配比的染色纤维混合形成色纺纱，然后纺制而成，由不均匀的混合异色纱线织成具有“夹花”效果的混色织物，因为其独特的颜色效果，现已在国内外非常流行，具有很强的市场前景，实现色纺纱颜色替换的织物计算机仿真对于企业与客户之间的快速沟通、生产管理至关重要，一方面，利用织物计算机仿真方法可以根据客户需要对不同产品进行快速仿真，同时，根据替换纱线颜色生成的织物可以批量获得仿真的织物效果图，相较于传统的先打样方式，企业和客户进行沟通的同时节约了大量的时间，另一方面，以创建的色纺纱分色换色的织物计算机仿真为参照，可以跳过反复试样这一步骤，缩短了整个产品的生产周期，同时节约了大量的人力物力，而且可以通过改变织物结构和替换纱线颜色两种方法，对企业产品的颜色品类和针织方式进行动态的调整，紧跟市场变化趋势的同时对产品开拓创新，保持市场的竞争力。
现阶段，国内外对于织物的计算机仿真还没有形成非常准确且成熟的理论体系，还是在不断探索和尝试发展的阶段中。国内的大部分纺织相关企业都在进行织物计算机仿真的开发工作，然而由于织物计算机仿真开发难度大，种类繁多，目前大部分企业都是以现有的计算机仿真技术为背景来研发，常见的开发方法有CAD 、3ds MAX、Unity3D，这些方法是通过设计纱线外观形成织物，虽然得到的是三维立体的模拟效果，但是缺乏织物的真实感，与真实的织物还有一定的差距，而且对于企业的织物产品生产也不能起到很好的参照作用，尤其是在颜色方面，容易出现色差较大的情况。
此外，在当下快节奏快消费时代，越来越多的人追求流行的颜色，而一个季度的流行色往往只能够持续几个月的时间，因此客户对于企业纺织面料的交货时间越短越好，这对企业的产品生产开发无疑是更加艰难，因此，开发一种色纺纱分色换色的织物计算机仿真方法可谓是迫在眉睫，可以快速高效的仿真出多种配色效果的织物面料，提高企业与客户之间的沟通效率，进而会提高企业的生产效率。
对于上述现状及问题，本发明提出的色纺纱分色换色的织物计算机仿真方法，既能满足客户与企业沟通的同时还有利于企业产品生产效率，又能有效提高企业产品的自主开发创新能力。
发明内容
本发明的目的是为了解决背景技术中所述问题，提出一种基于色纺纱分色换色的织物计算机仿真方法。
本发明的技术方案为一种基于色纺纱分色换色的织物计算机仿真方法，具体包括以下步骤：
步骤1，获得初始色纺纱线样本，并对样本进行工艺误差去除处理；
步骤2，对满足条件的纱线样本连续采集图像，得到大小合适的纱线样本图像；
步骤3，并针对获得的每个图像按照图像的采集顺序依次拼接在一起，得到一根长纱线样本图像；
步骤4，对长纱线样本图像进行图像处理操作，得到去除毛羽和噪声点的纱线主体图像；
步骤5，判断纱线主体图像条干均匀度是否符合要求，如果不符合要求，则循环执行步骤2至步骤4，如果符合要求，则保留最后一次得到的纱线主体图像；
步骤6，对纱线主体图像ISODATA聚类运算，获得纱线的颜色分色，分离个颜色的区域，同时针对目标区域的颜色进行替换，得到所需要的颜色，然后将各分色区域合并，得到颜色替换后的纱线；
步骤7，根据需要选择合适的纱线线圈模型，并建立数学模型，将颜色替换后的纱线映射到数学模型上，得到纱线的线圈结构；
步骤8，通过设置纱线线圈之间的串套方式生成织物布片，得到色纺纱颜色替换的织物计算机仿真。
需要说明的是，本发明中所述色纺纱线是指用两种或两种以上的有色纤维按照不同比例进行混合纺成的纱线，除了ISODATA聚类运算是在Lab颜色空间中执行外，其余的图像处理操作、线圈映射和线圈串套等操作均是在RGB颜色空间中进行。
需要说明的是，步骤1中，初始色纺纱线样本是指针对需要从企业生产的特定参数纱线，工艺误差去除是指由专业的纱线工人对纱线的参数或者外观根据实验需要进行剔除。
需要说明的是，步骤2中，连续采集纱线样本是利用电机匀速牵引纱线通过定时拍照相机，获得纱线的短片段图像，建立纱线样本数据库。
需要说明的是，步骤3中，为了更好的贴近真实织物的外观，对采集的短片段纱线图像进行拼接，采集的图像当中会有一部分重合，根据重合部分的特征点对纱线图像进行拼接，然后将所有的纱线图像拼接成长纱线主体图像。
需要说明的是，步骤4中，对纱线的图像处理，是通过MATLAB软件对拼接得到的纱线图像进行灰度化处理，然后利用Otsu图像阈值分割法处理，得到二值图像，利用形态学开闭运算处理图像中的毛羽和噪声等，得到了一个只剩纱线条干的纱线二值图像，条干部分像素值为1，背景部分像素值为0，二值图像与原图像进行矩阵乘法运算，原图像中与二值图像像素为1的相同位置处像素保留下来，与二值图像像素为0的位置处像素变为0成为黑色背景，从而获得了剔除毛羽和噪声的纱线主体图像，处理方法如式一所示：
其中，T为处理后的纱线主体图像，S为未处理的纱线图像，B为二值图像，z为RGB三通道。
需要说明的是，步骤5中，判断纱线条干均匀度是否符合要求的方法是，比较本次纱线条干的均匀度与前一次纱线的条干均匀度的大小，本次结果小，则将本次的结果保留并与下一次结果对比，直到这次结果稳定迭代五次之后依然最小可以视为已经稳定，获得条干均匀度较好的纱线，不需要执行步骤2至步骤4，如果本次结果大，则将本次的结果视为不符合要求，保留前一次的结果，继续执行步骤2至步骤4，并与这次的结果对比，直到满足某一次结果可以稳定执行五次，获得条干均匀度较好的纱线条干均匀度。
纱线条干均匀度计算方法如下：在步骤4中得到的长纱线主体图像中心线和上下边界信息，计算上边界ul和下边界dl与中心线cent的方差，将结果视为纱线的条干均匀度cv，计算方法如式二到式四所示：
其中，n为纱线的长度，cv1、cv2分别代表了纱线上边界和下边界到中心线的条干均匀度，同时可以看出纱线中心线是否偏离上边界或者下边界，cv为纱线的整体条干均匀度。
需要说明的是，步骤6中，ISODATA聚类的具体方法是，先将RGB颜色空间转换到Lab颜色空间中，指定一个迭代次数，迭代次数越长划分越准确，但是时间耗损大，在这里我们指定迭代次数为20次，然后，将纱线主体图像按照主要颜色定义为5个区，主色区、配色区、背景区、主色过渡区和配色过渡区，定义每个区的像素个数最少为总像素的1/50。
需要说明的是，步骤7中，由于真实的纱线线圈受到力的作用，会产生不同方向的形变，Pierce线圈是理想型线圈，不受到力的作用，不符合真实织物的仿真原则，织物仿真结果会和真实织物外观有较大的区别。NURBS曲线形态可以由控制点局部控制，而且曲线形态的形变受到多个控制点的控制。本发明采用结合Pierce线圈结构模型和B样条曲线，通过获取到的纱线线圈控制点，利用NURBSB曲线替代Pierce线圈的左右圈柱模型，模拟左右圈柱受到线圈力的作用。通过设置控制点的方向大小模拟受到力的作用，结果表明得到的线圈模型更符合真实线圈的形态，更有利于仿真真实的纱线线圈结构形态；其模型结构如下：该模型用半径为a和b的椭圆弧代替线圈的针编弧Lcd和左右沉降弧Lab、Lef，用B样条曲线模拟左右圈柱Lbc、Lde，线圈左右两边关于中轴左右对称，下一横列的针编弧与上一横列的沉降弧相切；纱线线圈数学模型如式五到式七所示；
其中(X0,Y0)为针编弧的圆心坐标，W分别为线圈的高度和宽度，h为左右圈柱的高，Xab、Yab、Xcd、Ycd、Xef、Yef分别为线圈的左沉降弧Lab段、针编弧Lcd段和右沉降弧Lef段的X坐标与Y坐标，α为每段弧线的取值范围。
用三次B样条曲线片段的数学模型为基础建立的几何图形，通过对4个新的3次B样条曲线的拼接构建了纱线的中心线走向，替换Pierce线圈模型当中的左右圈柱。三次B样条曲线的分段表达式如式八和式九所示：
其中，s的取值范围为0~1.0，F1(s)、F2(s)、F3(s)、F4(s)是4个3次B样条曲线，同时为了确保每段曲线的连接更平滑，使曲线可以通过5个选取的控制点Bi，在每个控制点的左右两端利用控制方向V新增加两个控制点，得到全新的控制点Pi，Vi为每个控制点的控制方向，Pi、Pi+1、Pi+2、Pi+3是相邻的4个控制点的坐标。
纱线映射方法是将纱线的中心线映射至线圈模型上，纱线左右两端对应映射至线圈模型的左右两端，纱线映射方法如式十所示：
其中P为线圈的图像矩阵，L为纱线的图像矩阵，X,Y为线圈函数曲线上的任一点的横纵坐标，θ为线圈函数曲线相应位置的弧度，k的值为弧线上的对应位置点左右两边的取值，m为纱线图像中心线所在的行数，n为纱线图像的列数，z为RGB三通道。将纱线图像沿中心线方向依次将两侧纱线像素点信息填充到线圈结构模型中，此时得到的纱线线圈有像素点缺失的黑点，利用最邻近插值法填充补全像素点，得到完整的纱线线圈。
需要说明的是，步骤8中，纱线线圈串套是指改变线圈之间的覆盖关系，通过改变线圈之间的覆盖关系得到不同的织物结构，如正面、反面、双反面和罗纹等织物结构，最后可以根据需要生成对应的织物结构。
本发明以色纺纱织物生产工艺为具体应用对象，在相同的环境条件与拍摄参数设定下对色纺纱样本进行图像采集，构建纱线样本图像数据库；将采集的纱线片段图像利用图像拼接技术获得完整的纱线图像；利用图像分割、形态学开运算和闭运算等图像处理技术进行处理，得到原始纱线图像主体部分; 通过聚类方法分离颜色，选中颜色待变区域，通过直接换色法换色，整合各分色，得到换色后的纱线图像；然后利用本发明的 线圈模型，将真实色纺纱线纹理映射至线圈的几何模型上; 最后调整线圈的串套关系，完成织物外观的模拟。由于本发明技术方案具有重要应用前景和价值，可以有效提高企业生产和研发效率，对本发明技术方案进行保护，将对我国相关行业竞争国际领先地位具有重要意义。
附图说明
图1为本发明实施例的流程图。
图2为本发明的部分样本图，（a）黄色搭配深蓝色；(b)蓝色搭配深蓝色；(c)黄色搭配黑色；(d)红色搭配黑色。
图3为纱线颜色分色和换色结果图，（a）纱线红色分色 （b）纱线白色分色 （c）绿色替换红色分色 （d）分色合并。
图4为线圈数学模型。
图5为纱线线圈仿真，（a）Pierce线圈模型仿真（b）本发明线圈模型仿真。
图6为织物仿真图，（a）线圈横列图 （b）平针织物（c）双反面织物（d）1+1罗纹（e）2+2罗纹 （f）密度较大平针织物（g）高密度平针织物（h）原始纱线织物仿真（i）纱线颜色替换仿真。
具体实施方式
本发明技术方案具体实施时可由本领域技术人员采用相关数据和计算机软件技术运行。结合附图，提供本发明实施例具体描述如下。
如图1所示，实施例提供了一种色纺纱织物计算机仿真方法，为纺织工业中色纺产品的研发和生产建立了一套仿真模型，可为色纺产品的来样生产与加工过程提供有效的指导。实施例则采用企业A提供的色纺纱样本，涵盖了不同配色方案的染色纤维混配所得的纱线样本，部分样本图像如图2所示。算法运算设备为超微7048GR-TR、Windows10操作系统、Intel（R）Core（TM）i5-6400 CPU、128G内存、NVIDIA Tesla M40*4运算卡；算法开发环境为MATLAB R2016a和Python 3.6。需要说明的是，本发明并不仅仅局限于上述样本和软件平台的应用支持，对于任意能实现本发明方法的相应数据和软件平台同样适用。
实施例主要包括以下步骤：
1) 获得初始色纺纱线样本，并对样本进行工艺误差去除处理。
如上所述，实施例中使用的是从企业A生产的色纺纱样本，本发明中所述色纺纱线是指用两种有色纤维按照不同比例进行混合纺成的纱线，一共十组由专业纱线生产工人生产的不同配色色纺纱样本。
2) 对满足条件的纱线样本连续采集图像，得到大小合适的纱线样本图像。
实施例中，利用电机匀速牵引纱线通过定时拍照相机连续采集纱线样本，需要在完全一样的环境条件（如环境的温湿度、光照明情况、拍摄角度和背景等）中每隔一个固定时间拍摄一次照片，获得纱线的短片段图像，图像的大小为256*256，建立纱线样本数据库。
3) 并针对获得的每个图像按照图像的采集顺序依次拼接在一起，得到一根长纱线样本图像。
实施例中，对采集的短片段纱线图像进行拼接，采集的图像当中会有一部分与前一张图像重合，根据重合部分的特征点对纱线图像进行拼接，然后将所有的纱线图像拼接成长纱线主体图像，在这个过程中，纱线图像的大小会有所改变，在整个图像拼接完成后，还需要对图像大小进行裁剪才能进行下面的操作，在实施例中，我们通常根据仿真的需要，将纱线剪切为一行行线圈相互连接所需长度，这样可以提高代码运行效率。
4) 对长纱线样本图像进行图像处理操作，得到去除毛羽和噪声点的纱线主体图像。
实施例中，按照式一所示方法，通过MATLAB软件对拼接得到的纱线图像进行灰度化处理，然后利用Otsu图像阈值分割法处理，得到二值图像，利用形态学开闭运算处理图像中的毛羽和噪声等，得到了一个只剩纱线条干的纱线二值图像，条干部分像素值为1，背景部分像素值为0，二值图像与原图像进行矩阵乘法运算，原图像中与二值图像像素为1的相同位置处像素保留下来，与二值图像像素为0的位置处像素变为0成为黑色背景，从而获得了剔除毛羽和噪声的纱线主体图像，处理方法如式一所示：
T为处理后的纱线主体图像，S为未处理的纱线图像，B为二值图像，z为RGB三通道。
5)判断纱线主体图像条干均匀度是否符合要求，如果不符合要求，则循环执行步骤2至步骤4，如果稳定，则保留最后一次得到的纱线主体图像。
判断纱线条干均匀度是否符合要求的方法是，比较本次纱线条干的均匀度与前一次纱线的条干均匀度的大小，本次结果小，则将本次的结果保留并与下一次结果对比，直到这次结果稳定迭代五次之后依然最小可以视为已经稳定，获得条干均匀度较好的纱线，不需要执行步骤2至步骤4，如果本次结果大，则将本次的结果视为不符合要求，保留前一次的结果，继续执行步骤2至步骤4，并与这次的结果对比，直到满足某一次结果可以稳定执行五次，获得条干均匀度较好的纱线条干均匀度。
纱线条干均匀度计算方法如下：在步骤4中得到的长纱线主体图像中心线和上下边界信息，计算上边界ul和下边界dl与中心线cent的方差，将结果视为纱线的条干均匀度cv，计算方法如式二到式四所示：
其中，n为纱线的长度，cv1、cv2分别代表了纱线上边界和下边界到中心线的条干均匀度，同时可以看出纱线中心线是否偏离上边界或者下边界，cv为纱线的整体条干均匀度。
实施例中，第1次计算的条干均匀度结果为968.3415，结果保留，重复执行步骤2至步骤4，第2次计算的条干均匀度结果为966.1021，第二次结果小于第一次结果，保留第二次执行的结果，重复执行步骤2至步骤4，直至满足某一次结果连续五次比较结果偏小，获得稳定的纱线样本数据。
实施例中，经过19次计算之后之后，最终得到的条干均匀度结果为964.5414，满足连续五次比较结果较小的条件，最终将这次获得的数据视为稳定的纱线样本数据。
6)对纱线主体图像ISODATA聚类运算，获得纱线的颜色分色，分离每个颜色的区域，同时针对目标区域的颜色进行替换，得到所需要的颜色，然后将各分色区域合并，得到颜色替换后的纱线。
ISODATA聚类的具体方法是，先将RGB颜色空间转换到Lab颜色空间中，指定一个迭代次数，迭代次数越长划分越准确，但是时间耗损大，在这里我们指定迭代次数为20次，然后，将纱线主体图像按照主要颜色定义为5个区，主色区、配色区、背景区、主色过渡区和配色过渡区，定义每个区的像素个数至少为总像素的1/50。
实施例中，将转换到Lab空间中的图像矩阵L、a、b三通道转换到Targ矩阵的三列中，每一列为Lab的一个通道，同时设定预期聚类中心数目为5，迭代20次，每类样本最少样本数目为m*n/50，m和n为纱线样本像素矩阵的行数和列数，设定最大方差为5，同时，聚类中心之间允许的最小距离为12，具体纱线颜色分色和换色结果如图3所示。
其中纱线颜色替换是利用计算ISODATA聚类得到的各颜色区域中心点的Lab值和该区域其余点的Lab值的差视为色差值，然后将该换色区域所有点的色差值与待换颜色的Lab值相加，得到的结果即为该区域颜色替换后的结果。
为证明本方法分割的有效性与合理性，利用本发明使用的ISODATA颜色区域分割
方法和常用的两种图像分割方法（K-means、区域生长）构建对比实验，实验中，三种方法均
在LAB颜色空间中进行计算，其中Tp表示分割出来的主色区，Tn表示分割出来的配色区，Fn
表示分割出来的配色过渡区，Fp表示分割出来的主色过渡区，
表示准确率，即正确
分割主色区占主色区和主色过渡区的比例，
表示召回率，即正确分割主色区占主
色区和配色过渡区的比例，
，即P和R加权调和平均，值越大说明分类效果越
好,本发明使用β=1。实验结果如表1所示，实验结果表明，相较于其他分割方法，本发明方法
具有更优的分割效果。
表1 三种聚类方法的准确率、召回率和F-measure
7)根据需要选择合适的纱线线圈模型，并建立数学模型，将颜色替换后的纱线映射到数学模型上，得到纱线的线圈结构。
实施例中，本发明采用结合Pierce线圈结构模型和B样条曲线，通过获取到的纱线线圈控制点，利用NURBSB曲线替代Pierce线圈的左右圈柱模型，模拟左右圈柱受到线圈力的作用。通过设置控制点的方向大小模拟受到力的作用，结果表明得到的线圈模型更符合真实线圈的形态，更有利于仿真真实的纱线线圈结构形态；其模型结构如下：该模型用半径为a和b的椭圆弧代替线圈的针编弧Lcd和左右沉降弧Lab、Lef，用B样条曲线模拟左右圈柱Lbc、Lde，线圈左右两边关于中轴左右对称，下一横列的针编弧与上一横列的沉降弧相切；纱线线圈数学模型如式五到式七所示；图4为纱线数学模型。
其中(X0,Y0)为针编弧的圆心坐标，W分别为线圈的高度和宽度，h为左右圈柱的高，Xab、Yab、Xcd、Ycd、Xef、Yef分别为线圈的左沉降弧Lab段、针编弧Lcd段和右沉降弧Lef段的X坐标与Y坐标，α为每段弧线的取值范围。
用三次B样条曲线片段的数学模型为基础建立的几何图形，通过对4个新的3次B样条曲线的拼接构建了纱线的中心线走向，替换Pierce线圈模型当中的左右圈柱。三次B样条曲线的分段表达式如式八和式九所示：
其中，s的取值范围为0~1.0，F1(s)、F2(s)、F3(s)、F4(s)是4个3次B样条曲线，同时为了确保每段曲线的连接更平滑，使曲线可以通过5个选取的控制点Bi，在每个控制点的左右两端利用控制方向V新增加两个控制点，得到全新的控制点Pi，Vi为每个控制点的控制方向，Pi、Pi+1、Pi+2、Pi+3是相邻的4个控制点的坐标。
同时选取Pierce左右圈柱的5个控制点如表2所示、5个控制点控制方向V如表3所示：
表2 控制点
表3控制点方向大小
其中，d表示线圈模型的纱线宽度，其余各参数在上式中已说明。
纱线映射方法是将纱线的中心线映射至线圈模型上，纱线左右两端对应映射至线圈模型的左右两端，纱线映射方法如式十所示：
其中P为线圈的图像矩阵，L为纱线的图像矩阵，X,Y为线圈函数曲线上的任一点的横纵坐标，θ为线圈函数曲线相应位置的弧度，k的值为弧线上的对应位置点左右两边的取值，m为纱线图像中心线所在的行数，n为纱线图像的列数，z为RGB三通道。将纱线图像沿中心线方向依次将两侧纱线像素点信息填充到线圈结构模型中，此时得到的纱线线圈有像素点缺失的黑点，利用最邻近插值法填充补全像素点，得到完整的纱线线圈。图5为由纱线线圈仿真。
8)通过设置纱线线圈之间的串套方式生成织物布片，得到色纺纱分色换色的织物计算机仿真。
实施例中，纱线线圈串套是指通过改变线圈之间的覆盖关系得到不同的织物结构，如正面、反面、双反面和罗纹等织物结构，遍历计算线圈矩阵P，如果当前位置点像素点的RGB三通道像素和为零，则视为背景色，可将纱线线圈当中对应位置点的像素填充进来，如果当前位置点像素RGB三通道和不为零，则视为非背景点，无需映射，最后可以根据需要改变线圈之间映射规律，生成相应的织物结构，图6为织物仿真图。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (9)
1.一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于，包括以下步骤：
步骤1，获得初始色纺纱线样本，并对样本进行工艺误差去除处理；
步骤2，对满足条件的纱线样本连续采集图像，得到大小合适的纱线样本图像；
步骤3，并针对获得的每个图像按照图像的采集顺序依次拼接在一起，得到一根长纱线样本图像；
步骤4，对长纱线样本图像进行图像处理操作，得到去除毛羽和噪声点的纱线主体图像；
步骤5，判断纱线主体图像条干均匀度是否符合要求，如果不符合要求，则循环执行步骤2至步骤4，如果符合条件，则保留最后一次得到的纱线主体图像；
步骤5中，判断纱线条干均匀度是否符合要求的方法是，比较本次纱线条干的均匀度与前一次纱线的条干均匀度的大小，本次结果小，则将本次的结果保留并与下一次结果对比，直到这次结果稳定迭代五次之后依然最小可以视为已经稳定，获得条干均匀度较好的纱线，不需要执行步骤2至步骤4，如果本次结果大，则将本次的结果视为不符合要求，保留前一次的结果，继续执行步骤2至步骤4，并与这次的结果对比，直到满足某一次结果可以稳定执行五次，获得条干均匀度较好的纱线条干均匀度；
纱线条干均匀度计算方法如下：在步骤4中得到的长纱线主体图像中心线和上下边界信息，计算上边界ul和下边界dl与中心线cent的方差，将结果视为纱线的条干均匀度cv，计算方法如式二到式四所示：
其中，n为纱线的长度，cv1、cv2分别代表了纱线上边界和下边界到中心线的条干均匀度，同时可以看出纱线中心线是否偏离上边界或者下边界，cv为纱线的整体条干均匀度；
步骤6，对纱线主体图像ISODATA聚类运算，获得纱线的颜色分色，分离每个颜色的区域，同时针对目标区域的颜色进行替换，得到所需要的颜色，然后将各分色区域合并，得到颜色替换后的纱线；
步骤7，根据需要选择合适的纱线线圈模型，并建立数学模型，将颜色替换后的纱线映射到数学模型上，得到纱线的线圈结构；
步骤8，通过设置纱线线圈之间的串套方式生成织物布片，得到色纺纱分色换色的织物计算机仿真。
2.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：所述色纺纱线是指用两种或两种以上的有色纤维按照不同比例进行混合纺成的纱线，其中步骤3中的图像拼接，步骤4中的图像处理操作、去除毛羽是在RGB颜色空间中进行，步骤6中的ISODATA聚类运算则是在Lab颜色空间中执行。
3.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤1中，初始色纺纱线样本是指针对需要从企业生产的特定参数纱线，工艺误差去除是指由专业的纱线工人对纱线的参数或者外观根据实验需要进行剔除。
4.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤2中，连续采集纱线样本是利用电机匀速牵引纱线通过定时拍照相机，获得纱线的短片段图像，建立纱线样本数据库。
5.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤3中，为了更好的贴近真实织物的外观，对采集的短片段纱线图像进行拼接，采集的图像当中会有一部分重合，根据重合部分的特征点对纱线图像进行拼接，然后将所有的纱线图像拼接成长纱线主体图像。
6.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤4中，对纱线的图像处理，是通过MATLAB软件对拼接得到的纱线图像进行灰度化处理，然后利用Otsu图像阈值分割法处理，得到二值图像，利用形态学开闭运算处理图像中的毛羽和噪声，得到了一个只剩纱线条干的纱线二值图像，条干部分像素值为1，背景部分像素值为0，二值图像与原图像进行矩阵乘法运算，原图像中与二值图像像素为1的相同位置处像素保留下来，与二值图像像素为0的位置处像素变为0成为黑色背景，从而获得了剔除毛羽和噪声的纱线主体图像，处理方法如式一所示：
T(：，：，z)＝B.*S(：，：，z) 式一
其中，T为处理后的纱线主体图像，S为未处理的纱线图像，B为二值图像，z为RGB三通道。
7.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤6中，ISODATA聚类的具体方法是，先将RGB颜色空间转换到Lab颜色空间中，指定一个迭代次数，然后，将纱线主体图像按照主要颜色定义为5个区，主色区、配色区、背景区、主色过渡区和配色过渡区，定义每个区的像素个数最少为总像素的1/50。
8.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤7中，采用结合Pierce线圈结构模型和B样条曲线，通过获取到的纱线线圈控制点，利用NURBSB曲线替代Pierce线圈的左右圈柱模型，模拟左右圈柱受到线圈力的作用，其模型结构如下：利用半径为a和b的椭圆弧代替线圈的针编弧Lcd和左右沉降弧Lab、Lef，用B样条曲线模拟左右圈柱Lbc、Lde，线圈左右两边关于中轴左右对称，下一横列的针编弧与上一横列的沉降弧相切；纱线线圈数学模型如式五到式七所示；
其中(X0，Y0)为针编弧的圆心坐标，W分别为线圈的高度和宽度，h为左右圈柱的高，Xab、Yab、Xcd、Ycd、Xef、Yef分别为线圈的左沉降弧Lab段、针编弧Lcd段和右沉降弧Lef段的X坐标与Y坐标，α为每段弧线的取值范围；
用三次B样条曲线片段的数学模型为基础建立的几何图形，通过对4个新的3次B样条曲线的拼接构建了纱线的中心线走向，替换Pierce线圈模型当中的左右圈柱，三次B样条曲线的分段表达式如式八和式九所示：
其中，s的取值范围为0～1.0，F1(s)、F2(s)、F3(s)、F4(s)是4个3次B样条曲线，同时为了确保每段曲线的连接更平滑，使曲线可以通过5个选取的控制点Bi，在每个控制点的左右两端利用控制方向V新增加两个控制点，得到全新的控制点Pi，Vi为每个控制点的控制方向，Pi、Pi+1、Pi+2、Pi+3是相邻的4个控制点的坐标；
纱线映射方法是将纱线的中心线映射至线圈模型上，纱线左右两端对应映射至线圈模型的左右两端，纱线映射方法如式十所示：
P(Y-k·sinθ，X-k·cosθ，Z)＝L(m-k，n，z)式十
其中P为线圈的图像矩阵，L为纱线的图像矩阵，X,Y为线圈函数曲线上的任一点的横纵坐标，θ为线圈函数曲线相应位置的弧度，k的值为弧线上的对应位置点左右两边的取值，m为纱线图像中心线所在的行数，n为纱线图像的列数，z为RGB三通道；将纱线图像沿中心线方向依次将两侧纱线像素点信息填充到线圈结构模型中，此时得到的纱线线圈有像素点缺失的黑点，利用最邻近插值法填充补全像素点，得到完整的纱线线圈。
9.根据权利要求1所述一种基于色纺纱分色换色的织物计算机仿真方法，其特征在于：步骤8中，纱线线圈串套是指改变线圈之间的覆盖关系，通过改变线圈之间的覆盖关系得到不同的织物结构，包括正面、反面、双反面和罗纹浙西织物结构，最后根据需要生成对应的织物结构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210288298.5A CN114386295B (zh) | 2022-03-23 | 2022-03-23 | 一种基于色纺纱分色换色的织物计算机仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210288298.5A CN114386295B (zh) | 2022-03-23 | 2022-03-23 | 一种基于色纺纱分色换色的织物计算机仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114386295A CN114386295A (zh) | 2022-04-22 |
| CN114386295B true CN114386295B (zh) | 2022-07-05 |
Family
ID=81204923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210288298.5A Active CN114386295B (zh) | 2022-03-23 | 2022-03-23 | 一种基于色纺纱分色换色的织物计算机仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114386295B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114529550B (zh) * | 2022-04-25 | 2022-07-01 | 启东新朋莱纺织科技有限公司 | 一种基于图像处理的纺织品色牢度检测方法及系统 |
| CN115797260B (zh) * | 2022-11-03 | 2023-07-07 | 武汉纺织大学 | 一种视觉高保真纺织面料换色方法及系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2853509C2 (de) * | 1978-12-12 | 1983-02-03 | Dr.-Ing. Rudolf Hell Gmbh, 2300 Kiel | Einrichtung zur Herstellung von Farbauszügen |
| US5680333A (en) * | 1995-09-28 | 1997-10-21 | E. I. Du Pont De Nemours And Company | Predictive simulation of heather fabric appearance |
| ES2279708B1 (es) * | 2005-11-15 | 2008-09-16 | Reyes Infografica, S.L. | Metodo de generacion y utilizacion de un probador virtual de prendas de vestir, y sistema. |
| CN102750405B (zh) * | 2012-06-05 | 2014-11-12 | 浙江理工大学 | 一种色纺夹花织物的计算机仿真方法 |
| CN109325934B (zh) * | 2018-07-16 | 2021-05-14 | 青岛大学 | 一种织物光泽度自动分析评价方法及系统 |
| CN110706294A (zh) * | 2019-09-10 | 2020-01-17 | 武汉纺织大学 | 一种色纺织物颜色差异度检测方法 |
| CN111062126B (zh) * | 2019-12-10 | 2022-04-12 | 湖北民族大学 | 基于图案实例的土家织锦设计与外观模拟方法 |
| CN112581432A (zh) * | 2020-12-08 | 2021-03-30 | 中国纺织科学研究院有限公司 | 色纺纱混配比例测量方法、装置、计算机可读存储介质及电子设备 |
| CN112907483B (zh) * | 2021-03-18 | 2022-06-14 | 武汉纺织大学 | 一种色纺织物计算机仿真方法 |
-
2022
- 2022-03-23 CN CN202210288298.5A patent/CN114386295B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114386295A (zh) | 2022-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114386295B (zh) | 一种基于色纺纱分色换色的织物计算机仿真方法 | |
| CN101859335B (zh) | 一种计算机辅助乱针绣制作方法 | |
| CN102903128B (zh) | 基于局部特征结构保持的视频图像内容编辑传播方法 | |
| US7512265B1 (en) | Merge and removal in a planar map of a raster image | |
| CN104239855B (zh) | 一种基于笔画合成的图像风格迁移合成方法 | |
| CN104063562A (zh) | 一种基于色彩聚类的乱针绣铺底绣稿生成方法 | |
| CN104966320B (zh) | 一种基于三阶Bezier曲线的伪装迷彩自动生成方法 | |
| CN110148201B (zh) | 一种超高精度的织物实时渲染方法 | |
| CN108846869A (zh) | 一种基于自然图像色彩的服装自动配色方法 | |
| CN105956995A (zh) | 一种基于实时视频本征分解的人脸外观编辑方法 | |
| CN102496166A (zh) | 基于图像处理的彩色纤维分色的方法 | |
| CN103793549A (zh) | 采用模糊聚类与随机游走的计算机辅助乱针绣制作方法 | |
| CN103473433B (zh) | 一种基于反应扩散过程的计算机辅助乱针绣制作方法 | |
| Kuo et al. | Color and pattern analysis of printed fabric by an unsupervised clustering method | |
| CN109785283A (zh) | 一种用于织物分割的纹理特征匹配方法及装置 | |
| Sun et al. | Virtual reality-based visual interaction: a framework for classification of ethnic clothing totem patterns | |
| CN111507946A (zh) | 基于相似性样本的元素数据驱动的花型图案快速生成方法 | |
| CN110838123B (zh) | 一种室内设计效果图像光照高亮区域的分割方法 | |
| CN111695293A (zh) | 一种面向纺织品类超大尺寸设计图基于调色板的全自动智能配色方法及监控方法 | |
| CN111062126A (zh) | 基于图案实例的土家织锦设计与外观模拟方法 | |
| Al Sasongko et al. | Application of Gray Scale Matrix Technique for Identification of Lombok Songket Patterns Based on Backpropagation Learning | |
| CN114155384A (zh) | 一种色纺针织物夹花效果相似性计算方法 | |
| 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 | |
| CN113516587A (zh) | 一种基于像素融合的袜子制版文件反求生成方法 | |
| Yang et al. | An Intelligent Designing Approach for Personalized Products Using Product Gene |
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 |