CN116893134B - 一种牛仔布耐色牢度测试方法 - Google Patents

一种牛仔布耐色牢度测试方法 Download PDF

Info

Publication number
CN116893134B
CN116893134B CN202311159641.7A CN202311159641A CN116893134B CN 116893134 B CN116893134 B CN 116893134B CN 202311159641 A CN202311159641 A CN 202311159641A CN 116893134 B CN116893134 B CN 116893134B
Authority
CN
China
Prior art keywords
fading
color
full
particles
particle
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
Application number
CN202311159641.7A
Other languages
English (en)
Other versions
CN116893134A (zh
Inventor
马汉生
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.)
Foshan Jade Textile Co ltd
Original Assignee
Foshan Jade Textile Co ltd
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 Foshan Jade Textile Co ltd filed Critical Foshan Jade Textile Co ltd
Priority to CN202311159641.7A priority Critical patent/CN116893134B/zh
Publication of CN116893134A publication Critical patent/CN116893134A/zh
Application granted granted Critical
Publication of CN116893134B publication Critical patent/CN116893134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N19/00Investigating materials by mechanical methods
    • G01N19/04Measuring adhesive force between materials, e.g. of sealing tape, of coating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/40Analysis of texture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/194Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明涉及耐色牢度测试技术领域,提出了一种牛仔布耐色牢度测试方法,包括:获取测试前后的牛仔布高光谱数据,对牛仔布高光谱数据进行预处理得到测试前的数据集与测试后的数据集;根据测试后的数据集中每个像元的反射率获取纹理凸起颗粒,并计算褪色充分度,进而获取褪色充分颗粒;统计每个褪色充分颗粒的局部褪色充分颗粒数,结合褪色充分度获取每个褪色充分颗粒的局部褪色均匀度;获取每个褪色充分颗粒的褪色平滑度,并结合局部褪色均匀度获取测试结果置信度权重;根据测试结果置信度权重获取样品像元与匹配像元,并进行光谱角匹配获得牛仔布耐色牢度的评价结果。本发明旨在解决传统耐色牢度评价方法进行评价的结果不准确的问题。

Description

一种牛仔布耐色牢度测试方法
技术领域
本发明涉及耐色牢度测试技术领域,具体涉及一种牛仔布耐色牢度测试方法。
背景技术
耐色牢度测试是牛仔布质量测试的一个常规项目,测试其在洗涤、摩擦和光照等过程中是否容易发生褪色。传统的方法是目测法评级,由受过专门训练的检测人员用肉眼观察对比经过一定手段处理的牛仔布料与原料之间的颜色差异,根据视觉来判断染料与纤维结合情况,进而对牛仔布的耐色牢度进行评级。该过程容易受到评测者的主观意识的影响和外界环境的干扰,且效率较低。
目前常采用数字图像技术对处理前后的牛仔布进行对比,根据预先设定的评级标准,给出相应的耐色牢度评级。由于牛仔布料具有特殊纹路且纹样的色彩本身深浅不一致,且受到噪声和光照等因素的影响,会导致布料画面模糊,使耐色牢度评价结果存在偏差,精度不高。
发明内容
为解决上述技术问题,本发明的目的在于提供一种牛仔布耐色牢度测试方法,以解决现有的牛仔布耐色牢度评价结果受布料纹理及环境的影响造成的评价精度不高的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种牛仔布耐色牢度测试方法,该方法包括以下步骤:
通过耐色牢度测试仪对牛仔布进行测试获取耐色牢度测试前后的牛仔布高光谱数据,对所述高光谱数据进行预处理得到测试前的数据集与测试后的数据集;
根据测试后的数据集中每个像元的反射率获取纹理凸起颗粒;根据测试后的数据集中纹理凸起颗粒个数及每个纹理凸起颗粒内部像元的反射率计算褪色充分度;根据褪色充分度获取褪色充分颗粒及褪色充分颗粒的质心点,以每个褪色充分颗粒的质心点为中心构建邻域窗口,进而统计每个褪色充分颗粒的局部褪色充分颗粒数;根据褪色充分度和局部褪色充分颗粒数获取每个褪色充分颗粒的局部褪色均匀度;获取每个褪色充分颗粒的脱色点,进而获取脱色方向;根据脱色方向上像元的反射率计算方向反射率变化梯度,进而获取每个褪色充分颗粒的褪色平滑度;获取测试后的数据集中心像元;根据褪色充分颗粒的局部褪色均匀度、褪色平滑度及褪色充分颗粒的质心点到测试后的数据集中心像元的距离获取测试结果置信度权重;
根据测试结果置信度权重获取样品像元,进而获取测试前的数据集中与样品像元对应的匹配像元;获取样品像元与匹配像元的光谱向量,进而获取耐色牢度评价因子;将耐色牢度评价因子作为牛仔布耐色牢度的评价结果。
进一步,所述根据测试后的数据集中每个像元的反射率获取纹理凸起颗粒,包括的具体方法为:
使用阈值分割方法对测试后的数据集进行阈值分割,获取最佳分割阈值,将反射率大于最佳分割阈值的像元作为前景,将反射率小于或等于最佳分割阈值的像元作为背景,得到分割后的二值数据集;
对分割后的二值数据集进行连通域提取,将每个连通域标记为纹理凸起颗粒。
进一步,所述根据测试后的数据集中纹理凸起颗粒个数及每个纹理凸起颗粒内部像元的反射率计算褪色充分度,包括的具体方法为:
统计测试后的数据集中纹理凸起颗粒个数,获取每个纹理凸起颗粒内部像元的反射率均值,将纹理凸起颗粒内部像元的反射率均值作为纹理凸起颗粒的颗粒褪色度;
将所有纹理凸起颗粒的颗粒褪色度之和与纹理凸起颗粒个数的比值作为整体褪色度;
分别将每个纹理凸起颗粒的颗粒褪色度与整体褪色度的差值作为纹理凸起颗粒的褪色充分度。
进一步,所述根据褪色充分度获取褪色充分颗粒及褪色充分颗粒的质心点,以每个褪色充分颗粒的质心点为中心构建邻域窗口,进而统计每个褪色充分颗粒的局部褪色充分颗粒数,包括的具体方法为:
将褪色充分度大于0的纹理凸起颗粒作为褪色充分颗粒;
将褪色充分颗粒的中心像元作为褪色充分颗粒的质心点;
分别以每个褪色充分颗粒的质心点为中心构建邻域窗口,将邻域窗口内褪色充分颗粒的数量作为褪色充分颗粒的局部褪色充分颗粒数。
进一步,所述根据褪色充分度和局部褪色充分颗粒数获取每个褪色充分颗粒的局部褪色均匀度,包括的具体方法为:
获取每个褪色充分颗粒邻域窗口中所有褪色充分颗粒的质心点到邻域窗口中心点的距离,将褪色充分颗粒的质心点到邻域窗口中心点的距离之和作为每个褪色充分颗粒的褪色充分密度;
获取褪色充分度与局部褪色充分颗粒数的乘积,将褪色充分度与局部褪色充分颗粒数的乘积与褪色充分密度的比值作为每个褪色充分颗粒的局部褪色均匀度。
进一步,所述获取每个褪色充分颗粒的脱色点,进而获取脱色方向,包括的具体方法为:
获取每个褪色充分颗粒中反射率最大的像元集合,将所述像元集合中距离质心点最近的像元作为脱色点;
获取每个褪色充分颗粒的脱色点到褪色充分颗粒边缘的距离,将与脱色点之间距离最大的褪色充分颗粒边缘像元作为初始方向点,将以脱色点为起点,初始方向点为终点的方向记为0,顺时针每增加90°,方向加1,进而获得方向0、1、2、3,共计四个方向,将所述四个方向作为脱色方向。
进一步,所述根据脱色方向上像元的反射率计算方向反射率变化梯度,进而获取每个褪色充分颗粒的褪色平滑度,包括的具体方法为:
分别获取每个脱色方向上的所有像元,计算每个脱色方向上所有像元的反射率变化梯度,将所有像元的反射率变化梯度均值作为每个脱色方向的方向反射率变化梯度;
将所有脱色方向的方向反射率变化梯度均值的倒数作为褪色充分颗粒的褪色平滑度。
进一步,所述根据褪色充分颗粒的局部褪色均匀度、褪色平滑度及褪色充分颗粒的质心点到测试后的数据集中心像元的距离获取测试结果置信度权重,包括的具体方法为:
将局部褪色均匀度与褪色平滑度的乘积作为褪色充分颗粒的综合褪色指标;
将褪色充分颗粒质心点到测试后的数据集中心像元的欧氏距离作为中心距离;
将综合褪色指标与中心距离的比值作为测试结果置信度,将测试结果置信度的归一化值作为测试结果置信度权重。
进一步,所述根据测试结果置信度权重获取样品像元,进而获取测试前的数据集中与样品像元对应的匹配像元,包括的具体方法为:
根据测试结果置信度权重获取权重阈值,将测试结果置信度权重大于权重阈值的褪色充分颗粒作为优选褪色充分颗粒;
根据每个优选褪色充分颗粒的反射率获取优选阈值,将优选褪色充分颗粒中反射率大于优选阈值的像元作为样品像元;
将测试前的数据集中与样品像元坐标相同的像元作为与样品像元对应的匹配像元。
进一步,所述获取样品像元与匹配像元的光谱向量,进而获取耐色牢度评价因子,包括的具体方法为:
获取每对坐标相同的样品像元与匹配像元的光谱向量,计算每对样品像元与匹配像元的光谱向量夹角,将所有样品像元与匹配像元光谱向量夹角的均值作为耐色牢度评价因子。
本发明的有益效果是:通过光谱角匹配算法对耐色牢度测试前后的牛仔布高光谱数据进行相似度计算。根据牛仔布的褪色特点,结合其数据集中的反射率大小进行区域划分,再根据纹理凸起区域的灰度梯度变化及其周围颗粒的反射率大小构建指标反应褪色的充分度和平滑度,提取褪色充分颗粒;并对每个褪色充分颗粒构建测试结果置信度权重,将权重较高的褪色充分颗粒中的反射率较大的部分像元作为样品像元;仅对样品像元及对应的匹配像元的光谱向量进行光谱角计算,进而结合测试结果置信度权重计算牛仔布的耐色牢度,减少了光谱角匹配计算的计算量,排除了未进行充分测试的像元的干扰,提高了耐色牢度评价精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种牛仔布耐色牢度测试方法流程示意图;
图2为褪色充分颗粒示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例所提供的一种牛仔布耐色牢度测试方法流程图,该方法包括以下步骤:
步骤S001、通过耐色牢度测试仪对牛仔布进行测试获取耐色牢度测试前后的牛仔布高光谱数据,并采用PCA主成分分析技术进行降维,获取降维处理后的数据集,根据牛仔布的最佳反射波段获取像元的反射率,进而获得测试前的牛仔布数据集与测试后的数据集。
从牛仔布中剪下一定尺寸的样品,使用摩擦测试仪对样品进行摩擦测试,采用旋转式摩擦法在样品表面施加一定的摩擦力,模拟日常穿着或洗涤过程中的摩擦。同样,再对牛仔布选择相应耐皂洗、耐光色牢度测试方法对样品进行测试。
在相同的光照环境,相同的位置上使用高光谱相机分别对测试前后的牛仔布样本进行成像,相机将同时记录多个波段的光谱信息,生成测试前的高光谱数据与测试后的高光谱数据。分别对测试前的高光谱数据与测试后的高光谱数据进行降维处理,具体步骤为:先使用均值滤波对高光谱数据进行去噪,再计算高光谱数据的协方差矩阵,反映不同波段之间的相关性;再通过对协方差矩阵进行特征值分解,得到特征值和对应的特征向量;进而将累计贡献率大于90%的特征值作为主成分,累计贡献率越高,说明所选择的主成分能够解释更多的数据方差;最后,将原始数据投影到所选择的主成分上,分别得到降维处理后的测试前数据与测试后数据。
分别将降维处理后的测试前数据与测试后数据中每个像元在所有波段中反射率最大的波段作为最大反射波段,将所有像元的最大反射波段的众数波段作为牛仔布的最佳反射波段,将每个像元在最佳反射波段的反射率作为每个像元的最佳反射率,为方便描述,将像元的最佳反射率记为像元的反射率。
至此,根据测试前数据中像元的反射率与测试后数据中像元的反射率获得测试前的数据集与测试后的数据集。
步骤S002、根据牛仔布的特殊纹理造成的褪色特征获取褪色充分颗粒,进而根据褪色充分颗粒邻域内像元的反射率获取局部褪色均匀度及褪色平滑度。
由于牛仔布具有的特殊纹理,在经过耐色牢度测试仪测试后牛仔布不同位置会产生不同程度的褪色,纹理凸起部位由于更容易接触到外界环境更容易发生褪色,因此在耐色牢度评价中更具备参考价值。牛仔布的纹理可以看作为条状颗粒按一定的方向进行排列。首先使用OTSU最大类间方差法对测试后的数据集进行阈值分割,获取最佳分割阈值,将反射率大于最佳分割阈值的像元作为前景,赋值为0;反射率小于最佳分割阈值的像元作为背景,赋值为1,得到分割后的二值数据集。对分割后的二值数据集进行连通域提取,将每个连通域标记为纹理凸起颗粒。
对纹理凸起颗粒,计算其区域内的所有像元的反射率均值/>。在测试仪处理过程中由于测试仪内部环境会造成部分区域处理不充分、不均匀,使局部区域褪色程度较轻且褪色不均匀的情况,进而导致耐色牢度测试结果过于乐观。因此,纹理凸起颗粒的颜色越浅越有可能位于经过充分处理的区域,对纹理凸起颗粒/>计算其褪色充分度/>
其中,为第/>个纹理凸起颗粒/>的褪色充分度;/>为纹理凸起颗粒/>内部像元的反射率均值;/>为测试后的数据集中纹理凸起颗粒个数。
纹理凸起颗粒内部像元的反射率均值越大,所有纹理凸起颗粒内部像元的反射率均值越小,说明该纹理凸起颗粒内的像元的反射率均值越大于整个数据集所有纹理凸起颗粒的平均水平,则褪色充分度越大,纹理凸起颗粒的颜色越浅,越有可能经过充分处理;纹理凸起颗粒/>内部像元的反射率均值越小,所有纹理凸起颗粒内部像元的反射率均值越大,说明该纹理凸起颗粒内的像元的反射率均值越小于整个数据集所有纹理凸起颗粒的平均水平,则褪色充分度越小,纹理凸起颗粒的颜色越大,越有可能没有经过充分处理。
>0的纹理凸起颗粒为褪色充分颗粒,以每个褪色充分颗粒的质心点/>为中心,构建50*50的邻域窗口,统计窗口内褪色充分颗粒的数量/>。牛仔布为纹理均匀的织物,经色牢度测试处理后应呈现充分处理区域的褪色程度均匀,则对于每个褪色充分颗粒来说,其周围纹理凸起颗粒的褪色程度反映了以该褪色颗粒为中心的局部区域的褪色均匀程度。其周围褪色充分颗粒的数量越多,距离该颗粒越近,说明以该颗粒为中心的局部区域褪色较为均匀,更适合作为色牢度评价的参考像元,对褪色充分颗粒/>计算其局部褪色均匀度/>:
其中,为褪色充分颗粒/>的局部褪色均匀度;/>为褪色充分颗粒/>的褪色充分度;/>为以/>为中心的邻域窗口内的褪色充分颗粒数量;/>为以/>为中心的邻域窗口内第/>个褪色充分颗粒的质心点到/>的欧氏距离。
当褪色充分度越大,邻域窗口内的褪色充分颗粒数量越多,邻域窗口内褪色充分颗粒的质心点到窗口中心点的欧氏距离越小时,说明该褪色充分颗粒的褪色程度越充分,且以该颗粒为中心的局部区域中的褪色充分颗粒数量越多,则局部褪色均匀度越大,以该颗粒为中心的局部区域的褪色程度越均匀;当褪色充分度越小,邻域窗口内的褪色充分颗粒数量越少,邻域窗口内褪色充分颗粒的质心点到窗口中心点的欧氏距离越大时,说明该褪色充分颗粒的褪色程度越低,且以该颗粒为中心的局部区域中的褪色充分颗粒数量越少,则局部褪色均匀度越小,以该颗粒为中心的局部区域的褪色程度越不均匀。
对于每个褪色充分颗粒来说,褪色程度越严重的应为受测试仪器影响程度最大的纹理最突出的顶部,向周围平滑扩散,即反射率越来越小。如图2所示,对每个褪色充分颗粒,获取每个褪色充分颗粒中反射率最大的像元集合,将集合中距离质心点最近的像元作为脱色点。获取每个褪色充分颗粒的脱色点到褪色充分颗粒边缘像元的距离,将与脱色点之间距离最大的褪色充分颗粒边缘像元作为初始方向点。将以脱色点为起点,初始方向点为终点的方向记为0,顺时针每增加90°方向加1,进而获得0、1、2、3共计四个方向,将这四个方向作为脱色方向。分别获取每个脱色方向上的所有像元,计算每个脱色方向上所有像元的反射率变化梯度,将所有像元的反射率变化梯度均值作为每个脱色方向的方向反射率变化梯度,进而获取褪色充分颗粒的褪色平滑度/>
其中,为褪色充分颗粒/>的褪色平滑度;/>为第/>脱色方向的方向反射率变化梯度;/>为求四个方向上的反射率变化梯度均值所设。
当所有脱色方向的方向反射率变化梯度均值越小,说明以脱色点为中心到边缘的反射率变化越平缓,则褪色平滑度越大,该褪色充分颗粒的褪色效果越平滑;当所有脱色方向的方向反射率变化梯度均值越大,说明以脱色点为中心到边缘的反射率变化越剧烈,则褪色平滑度越小,该褪色充分颗粒的褪色效果越不平滑。
步骤S003、根据每个褪色充分颗粒的局部褪色均匀度及褪色平滑度获取测试结果置信度权重。
由于牛仔布越靠近边缘的部分,其纹理在测试时越容易受到破坏,进而发生褪色,且牛仔布的边缘部分会出现纹理颗粒被截断现象,对测试结果产生影响。因此,越靠近中心位置的褪色充分颗粒越具备参考价值。因此,根据褪色充分颗粒的局部褪色均匀度、褪色平滑度及褪色充分颗粒质心点到测试后的数据集中心像元的距离获取褪色充分颗粒的测试结果置信度权重/>
其中,为褪色充分颗粒/>的测试结果置信度权重;/>为褪色充分颗粒/>的局部褪色均匀度;/>为褪色充分颗粒/>的褪色平滑度;/>为褪色充分颗粒/>的质心点/>到测试后的数据集中心像元/>的欧氏距离;/>为线性归一化函数。
当局部褪色均匀度越大,褪色平滑度越大,褪色充分颗粒的质心点到测试后的数据集中心像元的欧氏距离越小,说明该颗粒的褪色程度越均匀越平滑,且距离数据集中心越近,则测试结果置信度权重越大,以该颗粒作为样本评价测试结果越准确;当局部褪色均匀度越小,褪色平滑度越小,褪色充分颗粒的质心点到测试后的数据集中心像元的欧氏距离越大,说明该颗粒的褪色程度越不均匀不平滑,且距离数据集中心越远,则测试结果置信度权重越小,以该颗粒作为样本评价测试结果越不准确。
步骤S004、根据测试结果置信度权重选取样品像元与匹配像元进行光谱角匹配,进而根据光谱向量夹角反映牛仔布的耐色牢度。
由于牛仔布经过摩擦、皂洗和高温等测试仪处理后其褪色程度还受到布料表面纤维形态的变化情况的影响,例如摩擦会使牛仔布料表面纤维变得粗糙,使其数据集亮度变暗,则测试结果认为没有发生褪色或褪色程度较低,造成评价结果产生偏差。因此,需要采用光谱角匹配算法计算耐色牢度测试前后的高光谱数据中像元的光谱相似性。为防止计算量过大,以及褪色处理不充分的像元参与计算对相似性结果产生影响,本发明根据上述计算的测试后的数据集中每个褪色充分颗粒的测试结果置信度权重,筛选出/>>0.8的褪色充分颗粒记为优选褪色充分颗粒。将优选褪色充分颗粒内所有像元中反射率前20%的像元作为样品像元/>,将测试前的数据集中与样品像元坐标相同的像元作为样品像元的匹配像元/>。获取每对坐标相同的样品像元与匹配像元的光谱向量,计算样品像元/>与匹配像元/>的光谱向量夹角/>,进而获得耐色牢度评价因子/>
其中,为该牛仔布的耐色牢度评价因子;/>为测试后的数据集中的第个样品像元/>与测试前的数据集中对应的匹配像元/>的光谱向量夹角;/>为参与计算的匹配像元数量。
当样品像元与匹配像元的光谱向量夹角越大,说明光谱向量匹配程度越低,褪色程度越大,则耐色牢度评价因子越小,耐色牢度越小,越容易发生褪色;当样品像元与匹配像元的光谱向量夹角越小,说明光谱向量匹配程度越高,褪色程度越轻,则耐色牢度评价因子越大,耐色牢度越大,越不容易发生褪色。
自此,根据耐色牢度评价因子获取耐色牢度测试结果。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (1)

1.一种牛仔布耐色牢度测试方法,其特征在于,该方法包括以下步骤:
通过耐色牢度测试仪对牛仔布进行测试获取耐色牢度测试前后的牛仔布高光谱数据,对所述高光谱数据进行预处理得到测试前的数据集与测试后的数据集;
根据测试后的数据集中每个像元的反射率获取纹理凸起颗粒;根据测试后的数据集中纹理凸起颗粒个数及每个纹理凸起颗粒内部像元的反射率计算褪色充分度;根据褪色充分度获取褪色充分颗粒及褪色充分颗粒的质心点,以每个褪色充分颗粒的质心点为中心构建邻域窗口,进而统计每个褪色充分颗粒的局部褪色充分颗粒数;根据褪色充分度和局部褪色充分颗粒数获取每个褪色充分颗粒的局部褪色均匀度;获取每个褪色充分颗粒的脱色点,进而获取脱色方向;根据脱色方向上像元的反射率计算方向反射率变化梯度,进而获取每个褪色充分颗粒的褪色平滑度;获取测试后的数据集中心像元;根据褪色充分颗粒的局部褪色均匀度、褪色平滑度及褪色充分颗粒的质心点到测试后的数据集中心像元的距离获取测试结果置信度权重;
根据测试结果置信度权重获取样品像元,进而获取测试前的数据集中与样品像元对应的匹配像元;获取样品像元与匹配像元的光谱向量,进而获取耐色牢度评价因子;将耐色牢度评价因子作为牛仔布耐色牢度的评价结果;
所述根据测试后的数据集中每个像元的反射率获取纹理凸起颗粒,包括的具体方法为:
使用阈值分割方法对测试后的数据集进行阈值分割,获取最佳分割阈值,将反射率大于最佳分割阈值的像元作为前景,将反射率小于或等于最佳分割阈值的像元作为背景,得到分割后的二值数据集;
对分割后的二值数据集进行连通域提取,将每个连通域标记为纹理凸起颗粒;
所述根据测试后的数据集中纹理凸起颗粒个数及每个纹理凸起颗粒内部像元的反射率计算褪色充分度,包括的具体方法为:
统计测试后的数据集中纹理凸起颗粒个数,获取每个纹理凸起颗粒内部像元的反射率均值,将纹理凸起颗粒内部像元的反射率均值作为纹理凸起颗粒的颗粒褪色度;
将所有纹理凸起颗粒的颗粒褪色度之和与纹理凸起颗粒个数的比值作为整体褪色度;
分别将每个纹理凸起颗粒的颗粒褪色度与整体褪色度的差值作为纹理凸起颗粒的褪色充分度;
所述根据褪色充分度获取褪色充分颗粒及褪色充分颗粒的质心点,以每个褪色充分颗粒的质心点为中心构建邻域窗口,进而统计每个褪色充分颗粒的局部褪色充分颗粒数,包括的具体方法为:
将褪色充分度大于0的纹理凸起颗粒作为褪色充分颗粒;
将褪色充分颗粒的中心像元作为褪色充分颗粒的质心点;
分别以每个褪色充分颗粒的质心点为中心构建邻域窗口,将邻域窗口内褪色充分颗粒的数量作为褪色充分颗粒的局部褪色充分颗粒数;
所述根据褪色充分度和局部褪色充分颗粒数获取每个褪色充分颗粒的局部褪色均匀度,包括的具体方法为:
获取每个褪色充分颗粒邻域窗口中所有褪色充分颗粒的质心点到邻域窗口中心点的距离,将褪色充分颗粒的质心点到邻域窗口中心点的距离之和作为每个褪色充分颗粒的褪色充分密度;
获取褪色充分度与局部褪色充分颗粒数的乘积,将褪色充分度与局部褪色充分颗粒数的乘积与褪色充分密度的比值作为每个褪色充分颗粒的局部褪色均匀度;
所述获取每个褪色充分颗粒的脱色点,进而获取脱色方向,包括的具体方法为:
获取每个褪色充分颗粒中反射率最大的像元集合,将所述像元集合中距离质心点最近的像元作为脱色点;
获取每个褪色充分颗粒的脱色点到褪色充分颗粒边缘的距离,将与脱色点之间距离最大的褪色充分颗粒边缘像元作为初始方向点,将以脱色点为起点,初始方向点为终点的方向记为0,顺时针每增加90°,方向加1,进而获得方向0、1、2、3,共计四个方向,将所述四个方向作为脱色方向;
所述根据脱色方向上像元的反射率计算方向反射率变化梯度,进而获取每个褪色充分颗粒的褪色平滑度,包括的具体方法为:
分别获取每个脱色方向上的所有像元,计算每个脱色方向上所有像元的反射率变化梯度,将所有像元的反射率变化梯度均值作为每个脱色方向的方向反射率变化梯度;
将所有脱色方向的方向反射率变化梯度均值的倒数作为褪色充分颗粒的褪色平滑度;
所述根据褪色充分颗粒的局部褪色均匀度、褪色平滑度及褪色充分颗粒的质心点到测试后的数据集中心像元的距离获取测试结果置信度权重,包括的具体方法为:
将局部褪色均匀度与褪色平滑度的乘积作为褪色充分颗粒的综合褪色指标;
将褪色充分颗粒质心点到测试后的数据集中心像元的欧氏距离作为中心距离;
将综合褪色指标与中心距离的比值作为测试结果置信度,将测试结果置信度的归一化值作为测试结果置信度权重;
所述根据测试结果置信度权重获取样品像元,进而获取测试前的数据集中与样品像元对应的匹配像元,包括的具体方法为:
根据测试结果置信度权重获取权重阈值,将测试结果置信度权重大于权重阈值的褪色充分颗粒作为优选褪色充分颗粒;
根据每个优选褪色充分颗粒的反射率获取优选阈值,将优选褪色充分颗粒中反射率大于优选阈值的像元作为样品像元;
将测试前的数据集中与样品像元坐标相同的像元作为与样品像元对应的匹配像元;
所述获取样品像元与匹配像元的光谱向量,进而获取耐色牢度评价因子,包括的具体方法为:
获取每对坐标相同的样品像元与匹配像元的光谱向量,计算每对样品像元与匹配像元的光谱向量夹角,将所有样品像元与匹配像元光谱向量夹角的均值作为耐色牢度评价因子。
CN202311159641.7A 2023-09-11 2023-09-11 一种牛仔布耐色牢度测试方法 Active CN116893134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311159641.7A CN116893134B (zh) 2023-09-11 2023-09-11 一种牛仔布耐色牢度测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311159641.7A CN116893134B (zh) 2023-09-11 2023-09-11 一种牛仔布耐色牢度测试方法

Publications (2)

Publication Number Publication Date
CN116893134A CN116893134A (zh) 2023-10-17
CN116893134B true CN116893134B (zh) 2023-11-14

Family

ID=88312378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311159641.7A Active CN116893134B (zh) 2023-09-11 2023-09-11 一种牛仔布耐色牢度测试方法

Country Status (1)

Country Link
CN (1) CN116893134B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117783459B (zh) * 2024-02-28 2024-05-07 沈阳科惠生物医药科技有限公司 一种药物的溶出曲线测定方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113607661A (zh) * 2021-07-19 2021-11-05 浙江省轻工业品质量检验研究院 一种基于高光谱成像技术对皮革产品材料识别方法
CN115855809A (zh) * 2023-02-21 2023-03-28 武汉纺织大学 一种基于光谱重建的纺织品色牢度自动评级方法
CN116642827A (zh) * 2023-05-04 2023-08-25 浙江理工大学 基于高光谱成像技术的大批量织物沾色评级方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113607661A (zh) * 2021-07-19 2021-11-05 浙江省轻工业品质量检验研究院 一种基于高光谱成像技术对皮革产品材料识别方法
CN115855809A (zh) * 2023-02-21 2023-03-28 武汉纺织大学 一种基于光谱重建的纺织品色牢度自动评级方法
CN116642827A (zh) * 2023-05-04 2023-08-25 浙江理工大学 基于高光谱成像技术的大批量织物沾色评级方法及系统

Also Published As

Publication number Publication date
CN116893134A (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
US7079675B2 (en) Histological assessment
US8139850B2 (en) Constraint generation for use in image segregation
US7639874B2 (en) Methods for discriminating moving objects in motion image sequences
CN116893134B (zh) 一种牛仔布耐色牢度测试方法
US8139867B2 (en) Image segregation system architecture
Zagrouba et al. A prelimary approach for the automated recognition of malignant melanoma
EP2333720B1 (en) System and method for detection of specularity in an image
US20090161928A1 (en) System and method for unsupervised detection and gleason grading of prostate cancer whole mounts using nir fluorscence
WO2010065087A1 (en) Solver for image segregation
US20100142818A1 (en) Test bed for optimizing an image segregation
US8983183B2 (en) Spatially varying log-chromaticity normals for use in an image process
US8559714B2 (en) Post processing for improved generation of intrinsic images
Abdullah et al. A framework for crack detection of fresh poultry eggs at visible radiation
CN114882034B (zh) 基于图像处理的面料染色质量评估方法
CN115829984A (zh) 一种棉织品丝光处理缺陷识别方法
Fernández-Carrobles et al. Automatic quantification of IHC stain in breast TMA using colour analysis
CN110766657B (zh) 一种激光干扰图像质量评价方法
US8913829B2 (en) Automatic processing scale estimation for use in an image process
US8934735B2 (en) Oriented, spatio-spectral illumination constraints for use in an image progress
Bermúdez et al. Image analysis for automatic feature estimation of the Mangifera indica fruit
US20130114905A1 (en) Post processing for improved generation of intrinsic images
EP2776979B1 (en) Post processing for improved generation of intrinsic images
Kavitha et al. Classification of skin cancer segmentation using hybrid partial differential equation with fuzzy clustering based on machine learning techniques
Gandomkar et al. Determining image processing features describing the appearance of challenging mitotic figures and miscounted nonmitotic objects
US8849018B2 (en) Log-chromaticity clustering pipeline for use in an image process

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