MX2011013843A - Sistema optico de medicion de arrugas en textiles. - Google Patents

Abstract

Se da a conocer un sistema objetivo y un método implementado en un ordenador para evaluar la apariencia de arrugas en textiles, basado en factores obtenidos a partir de imágenes de los textiles. El sistema es capaz de evaluar textiles reales usando componentes comúnmente utilizados en sistemas subjetivos de evaluación de arrugas en textiles. Basado en este análisis, se propone un método de pre10 procesamiento de la imagen, en donde la imagen por medio de la normalización de la luminancia de la imagen, eliminando el gradiente de brillo de la imagen y por medio de la eliminación de ondulaciones en la imagen, de igual manera, en el método se propone calcular un primer descriptor de la desviación estándar de la luminancia y un segundo descriptor de la agudeza de las arrugas, y finalmente se propone comparar el valor de los descriptores obtenidos con valores de unas escalas de calibración. El sistema se puede calibrar basándose en los valores de los descriptores obtenidos con los valores de las escalas de calibración. Además, el sistema puede ajustar el peso de los descriptores por medio de un estudio de la correlación del sistema con la evaluación de evaluadores expertos. Se demuestra que el sistema objetivo y métodos propuestos son repetibles y reproducibles de acuerdo a la metodología Seis Sigma.

Description

SISTEMA OPTICO DE MEDICION DE ARRUGAS EN TEXTILES Campo de la Invención El presente invento se refiere a un sistema objetivo para evaluar de forma confiable y reproducible las arrugas en textiles, de modo que se determina el desempeño de las secadoras de textiles. Específicamente, se provee un sistema que evalúa a la apariencia de las arrugas en base a imágenes de textiles reales, usando al menos dos descriptores cuantitativos en relación a las arrugas.

Descripción del Arte Relacionado La industria de línea blanca, en especial de secadoras de textiles, demanda métodos confiables para .evaluación de arrugas en prendas de vestir, para determinar el desempeño de los nuevos diseños de secadoras en eliminar o reducir las arrugas remanentes del proceso de lavado y/o secado.

Todos los esfuerzos de ingeniería para optimizar un proceso, incluyen la adquisición de información objetiva, cuantitativa y confiable del desempeño para determinar una mejora. En años recientes, funciones innovadoras han sido incorporadas en secadoras de textiles para eliminar arrugas o minimizar su generación en textiles. La eficiencia de los nuevos diseños es usualmente evaluada por una prueba subjetiva en donde el grado de arrugas de una muestra de textiles, por ejemplo camisas, es evaluado antes y después de ser alisado por una secadora prototipo. Está información es usada como retroalimentación al proceso de la optimización del diseño de la secadora.

El grado de . arrugas de los textiles es usualmente determinado por una prueba subjetiva basada en el Método 124, ver "Appearance of fabrics after repeated home laundering", publicado por la Asociación Americana de Químicos y Colorantes Textiles (AATCC por sus siglas en ingles) . Un conjunto de seis patrones de arrugas en textiles comercializados por la AATCC son usados como referencia por evaluadores entrenados o expertos. Estos patrones son reproducciones tridimensionales de arrugas en textiles con grados nominales de 1 a 5. Usando una cabina de inspección, tal como se muestra en la figura 1, los evaluadores determinan por comparación, lado a lado, el grado de arrugas de cada textil en la muestra o conjunto de muestras por comparación contra los patrones. Es practica regular el repetir la evaluación por tres distintos evaluadores y después promediar las calificaciones. Frecuentemente, está evaluación debe ser repetida debido a la baja correlación entre los grados asignados por los evaluadores. Esto resulta en una prueba que consume tiempo y en un indicador potencialmente no confiable del desempeño del aparato.

El estudio de los métodos objetivos para evaluación de arrugas en textiles ha sido un campo de investigación científico, dadas las desventajas de la evaluación subjetiva. Los métodos objetivos basados en imágenes 2D, ver por ejemplo los artículos: (a) C. J. Choi, H. J. Kim, Y. C. Jin, and H. S. Kin, "Objective Wrinkle Evaluation System of Fabrics Based on 2D FFT", Fibers and Polymers, vol. 10, pp. 260-265, 2009, (b) T. Matsuoka, H. Kanai, H. Kimura, T. Kouso, K. Shibata, and T. Nishimatsu , "Prediction Method for Wrinkle Grade by Image Analysis," Jour. Textile Eng. , vol. 54, p . 135-141, 2008, y (c) B.K. Behera, and . Rajesh, "Measurement of fabric wrinkle using digital image processing", Indian J. of Fiber & Textile Res., vol. 33, pp. 30-36, 2008, así como los métodos objetivos basados en evaluación de topografía 3D, ha sido previamente propuesta. La información 3D de textiles, es usualmente extraído por una proyección en línea de láser, ver por ejemplo: (d) J. Han, M. Yang, and M. Matsudaira, "Analysis of Wrinkle Properties of Fabrics Using Wavelet Transform", J. Textile Eng., vol. 49, pp. 54-49, 2003, (e) J. Han, M. Yang, and M. Matsudaira, "Objective Evaluation for Wrinkle Appearance of Fabrics by Image Processing and Slit Beam Projecting Technique," J. Text. Eng. , vol. 49, pp. 1-6, 2003, (f) C. Turner, H. Sari-Sarraf, E. Hequet, N . Abidi, and S. Lee, "Preliminary validation of fabric smoothness assessment system, " J. Electron. Imaging, vol. 13, 418, 2004, (g) T.J. Kang, J.Y. Lee, "Objective Evaluation of Fabric Wrinkles and Seam Puckers Using Fractal Geometry, " Textile Res: J. , vol . 70, pp. 469-475, 2002, (h) J. Su, and B. Xu, "Fabric wrinkle evaluation using láser triangulation and neural network classifier," Opt . Eng., vol. 30, pp . 1688-1693, 1999, y (i) E. H. Kim, "Objective Evaluation of Wrinkle Recovery," Textile Res. J. , vol. 69, pp.. 860-865, 1999, o diferentes técnicas de estéreo, ver por ejemplo: (j) X.B. Yang, and X.B. Huang, "Evaluating Fabric Wrinkle Degree with a Photometric Stereo Method", Textile Res. J. , vol. 73, ??·. 451-454, 2003, (k) H. Jinlian, X. Binjie, and Y. Haojing, "Measur ng and Modeling 3D Wrinkles in Fabrics," Textile Res. J. , vol. 72, pp. 863-869, 2002, y (1) T. J. Kang, D. H. Cho, and S. M. Kim, "New Objective Evaluation of Fabric Smoothness Appearance," Textile Res. J. , vol. 71, pp. 446-543, 2001. Estos sistemas son usualmente probados usando patrones de arrugas o muestras de textiles con geometría simple, en lugar de textiles reales, por ejemplo, ropa. El uso de textiles reales, tales como ropa, es de importancia particular para la industria de lineas de blancos para hogar, ya que por ejemplo las mangas de las camisas y los pantalones pueden enredarse en las lavadoras y en las secadoras, generando asi arrugas. En la mayoría de los casos, las muestras se recuestan sobre una tabla horizontal, ver por ejemplo la publicación norteamericana No. 2002/0146153. Al recostar una prenda para su evaluación, no están sujetos al alisamiento inducido por peso en vista de gravedad y ondulaciones tipo cortina, mismas que están presentes en el sistema usado en la presente invención. Además, la percepción humana de las arrugas ya no es necesaria cuando se usa la técnica de escaneo de topografía de superficie de la presente invención, por lo que se disminuye el tiempo y costo para la evaluación. Sin embargo, el ojo humano no funciona como un "scanner", por lo que la información obtenida mediante ésta técnica dista mucho de ser representativa de la percepción humana.

En la presente invención, se propone una evaluación de la apariencia de arrugas de textiles que cumple con las condiciones de geometría y prueba actualmente usados, pero diseñado para sobreponerse a la incertidumbre asociada con la evaluación subjetiva. El sistema, mismo que es objetivo, está compuesto por una cámara, digital controlada por una computadora, y un método que procesa imágenes capturados por la cámara para asignar una calificación objetiva. El sistema objetivo opera usando una cabina de inspección estándar, textiles regulares, taléis como camisas, y ganchos de' ropa comúnmente usados. Por lo tanto, los resultados obtenidos son totalmente representativos de la práctica industrial y preservan el ambiente bajo el cual los evaluadores asignan los grados. La evaluación objetiva es llevada a cabo basada, al menos en parte, en información visual usada por evaluadores entrenados. Más aun, las muestras son . sujetadas a los efectos de la gravedad.

Breve Descripción del Invento El presente invento se refiere a un sistema objetivo para evaluar de forma confiable y reproducible las arrugas en textiles para determinar el desempeño en secadoras. El sistema es capaz de evaluar textiles reales usando una cabina de inspección, comúnmente usada para la inspección subjetiva por medio de evaluadores entrenados o expertos. La calificación obtenida por el sistema es por medio de al menos dos descriptores cuantitativos. Estos se relacionan con las características de las arrugas, tal como usualmente las apreciaría un evaluador entrenado. El sistema, de manera general, se integra por una cámara, un ordenador y un método. El sistema puede comprender un medio legible por ordenador que almacena al método.

El método que se lleva a cabo, en correlación con el sistema, es compuesto por cuatro pasos generales.

El primer paso es un paso de adquisición de imágenes, en donde las imágenes de los textiles, por ejemplo camisas, se> obtienen usando una cámara digital que está conectada a un ordenador. Se usa la misma cabina de inspección definida por el procedimiento subjetivo de arte previo para obtener calificaciones en condiciones similares a aquellas experimentadas por evaluadores expertos. Las arrugas son visibles para la cámara, asi como para el ojo humano, porque •el brillo de la tela depende de la relación entre la luminancia local (posiciones relativas de la lámpara y la cámara) y la topografía del textil.

El segundo paso es un paso de pre-proceso. Específicamente, las imágenes obtenidas por la cámara presentan cuatro características que dificultan su evaluación: (a) ruido electrónico intrínseco a la electrónica de la cámara, (b) la muestra es más brillante en la parte superior en donde regularmente se coloca la fuente de iluminación lo cual presenta un ruido multiplicativo debido al gradiente vertical, (c) presenta ondulaciones suaves que inducen un ruido aditivo y que no deben ser confundidas con arrugas y (c) la alta resolución de la cámara que capta la trama del textil, la cual no puede ser vista por el ojo humano bajo las condiciones de iluminación y distancia del observador al objeto. El pre-proceso elimina estos problemas por medio de distintos algoritmos de procesamiento: (1) el promedio en tiempo real de 8 imágenes consecutivas a una velocidad de 15 muestras por segundo como primer paso del pre-proceso obteniendo la imagen Ii (1) determinar un vector o función de luminancia promedio de todos los vectores presentes en la imagen, enseguida realizar un ajuste polinomial de 2° grado del tal vector promedio y finalmente efectuar la normalización de la luminancia por la división de la imagen entre la función de luminancia para obtener la imagen I2y (2) eliminación de la información proporcionada por ondulaciones suaves a través de superimponer la luminancia de las arrugas a la baja frecuencia de las ondulaciones y ajustar un polinomio de grado 10 a cada columna de la imagen y determinar una función aditiva de ruido, enseguida esta función se sustrae de la imagen I2 de manera que se obtiene una nueva imagen I3r. La cuarta operación del pre-proceso consiste en eliminar la información de alta frecuencia debida a la textura de la tela que la cámara es capaz de registrar, esto se debe a que el ojo humano desnudo no puede apreciar este nivel de detalle y también a que los patrones proporcionados por la AATCC no replican la trama del textil, entonces tal información debe de ser eliminada para efectuar la comparación contra los patrones. Una vez aplicado un filtro pasa bajas a la imagen I3, se obtiene una nueva imagen I4.

Las funciones de procesamiento descritas se ejecutan tanto a los patrones de la AATCC empleados para calibrar el sistema como a las imágenes obtenidas para caracterizar la prenda.

El tercer paso consiste en el cálculo de descriptores a partir de las imágenes I4. Para la calificación de las arrugas se calculan al menos dos descriptores cuantitativos diferentes en base a las imágenes de luminancia I obtenidas en el pre-procesamiento . La definición de estos descriptores proporciona un método robusto de calificación que se puede ajustar para emular la .percepción del los evaluadores expertos. El primer descriptor se basa en la profundidad y densidad de las arrugas. Se calcula como la desviación estándar de luminancia en la imagen. El segundo descriptor se basa en al agudeza o "sharpness" de las arrugas. Se calcula como el peso promedio , de las lineas encontradas por el algoritmo de detección de bordes.

El cuarto y último paso es la calificación final. La calificación final se determina en base a los dos descriptores del tercer paso y escala de calibración. Durante la calibración, se evalúan los patrones estandarizados de la AATCC para determinar la relación entre la magnitud de cada descriptor para cada patrón y asignar la calificación final. La calificación de cada prenda se determina comparando el valor de los descriptores con aquellos de las escala de calibración. El peso de cada descriptor en la calificación final se ajustó para maximizar la coincidencia con los evaluadores expertos.

Con lo anterior se obtienen varias ventajas a los métodos previamente conocidos, entre ellos: (1) no requiere de un panel de jueces; (2) reduce tiempo de evaluación de aproximadamente 1 día a aproximadamente 40 minutos, (3) correlaciona con el método actual a aproximadamente 94.8%, (4) es capaz de aprobar un indicador de repetibilidad y reproducibilidad, (5) tiene una variación de 2.78%, (6) la cámara esta controla por un ordenador, (7) el arreglo de observador, objeto y fuente de iluminación es idéntico al empleado en el método del arte previo, por lo que se conservan los ángulos y cantidad de luminancia que recibe el objeto; consecuentemente, la cámara percibe al objeto de la misma manera que lo haría el ojo humano; otros métodos basados en la digitalización de la topografía (3D) no consideran la luminancia del objeto, ni la orientación espacial con respecto al observador; (8) se identifican las características más notables que sensorialmente describen a las arrugas, siendo 30% para cantidad y altura y 70% para la agudeza; (9) emplea prendas reales de ropa para la evaluación; otros métodos usan patrones o recortes cuadrados de tela, mismos que no interactúan de la misma manera entre sí y con el resto de la carga de ropa al interior del tambor; principalmente, las mangas de las camisas son elementos importantes en el enredo de las prendas y en la generación o eliminación de arrugas; (10) el sistema de medición se adapta a la práctica industrial de uso de taburete donde la prenda se cuelga de manera vertical y la gravedad induce tensión en la prenda aplanando en cierta forma las arrugas; otros métodos usan mesas planas orientadas de manera horizontal,, donde el objeto se coloca para su medición; esto se aleja de la práctica industrial que emula un ambiente doméstico donde se espera que el usuario coloque la prenda de forma vertical para apreciar que tan arrugada está; y (11) es relativamente de sencilla implementación con equipos de bajo costo.

Asi pues, un objeto del presente invento es proveer un sistema y un método 0para evaluar de forma confiable y reproducible, las arrugas en textiles para determinar el desempeño de las secadoras.

Otro objeto del presente invento es proveer un sistema y método que no requiera de interferencia humana para la evaluación de las arrugas en textiles.

Aún otro objeto del presente invento es reducir el tiempo de evaluación de las arrugas en textiles.

Es aún otro objeto del presente invento el reducir la variación de la evaluación de las arrugas en textiles.

Otro objeto es correlacionar el sistema y método del presente invento lo máximo posible con el estándar actual en la industria, intentando reproducir los estándares actuales de la industria.

Breve Descripción de las Figuras Las características particulares y ventajas de la invención, asi como otros objetos de la invención, serán aparentes de la siguiente descripción, tomada en conjunto con las figuras acompañantes, en las cuales: La figura 1 es una vista esquemática de la cabina de inspección usada en el arte previo para la evaluación de arrugas. Una cabina similar es usada en la presente invención.

La figura la es una vista en corte transversal de la cabina de inspección de la figura 1, tomada a lo largo de las lineas A-A de dicha figura 1.

La figura 2 es una vista esquemática de la ubicación de la cámara en el sistema, la cámara se ubica en la misma posición designada para un evaluador del arte previo.

La figura 3 es una imagen en donde se muestra la cámara en el sistema.

La figura 4 es una vista frontal y trasera de un textil, en este caso una camisa, y sus regiones de evaluación, en donde se promedian tres regiones de evaluación para el frente y cuatro para la parte trasera.

La figura 5 son vistas en detalle de imágenes de seis patrones de textil arrugado hechos por la AATCC.

La figura 6 muestra una descripción geométrica de la disposición espacial del sistema, específicamente de la luminaria, la cámara y el textil. La luminancia del ejemplar depende del ángulo y de la posición y.

La figura 7 muestra una gráfica de la luminacia Ev en función de los ángulos a y T. La luminancia depende en gran parte del componente y de la superficie de la inclinación.

La figura 8 es una figura esquemática del flujo del método de la presente invención.

La figura 9 es un diagrama de flujo del método de la presente invención.

La figura 10 es una primera imagen, que es la imagen original Ii, misma que es comparada con una segunda imagen, que es una imagen pre-procesada I4. En la segunda imagen, la información de función de luminancia y ondulación suave ha sido eliminada.

La figura 11 es una gráfica del primer descriptor en función del grado de arrugas para ' los patrones de AATCC. La curva interpolada es polinomial en grado 3.

La figura 12 es una gráfica del segundo descriptor en función del grado de arrugas para los patrones de AATCC. La curva interpolada es polinomial en grado 3.

La figura 13 es una gráfica que muestra la correlación del coeficiente R2 calculado para evaluar la correlación entre el sistema objetivo y los expertos como una función de coeficientes de peso A y B. La correlación es mayor cuando domina el coeficiente B.

La figura 14 es una gráfica que muestra la correlación R2 entre el sistema objetivo y el jurado de evaluadores, que da como resultado 0.9132 cuando A=0.3 y B=0.7.

La figura 15 son gráficas de salida de un indicador de repetibilidad y reproducibilidad de Minitab®.

Descripción Detallada del Invento y Modalidad Preferida de la Invención Definiciones El término "aproximadamente" tiene una definición especifica. El término se puede definir como ±10%. Por ejemplo, si en un rango se define "de aproximadamente 1 a 2", el rango real incluye, pero no está limitado a: 0. 8 a 1. 8 , 0. 8 a 2, 0. 8 a 2.2, 1 a 1. 8 , 1 a 2, l a 2.2, 1.2 a 1. 8 , 1.2 a 2 ó 1.2 a 2.2.

El sistema para evaluación objetiva de la apariencia de arrugas en textiles del presente invento, cumple con las condiciones de geometría y de prueba del método actualmente llevado a cabo en el. arte, sin embargo, está diseñado para sobreponerse a la falta de certidumbre asociado con la evaluación subjetiva. El sistema está compuesto por una cámara digital, controlada por un ordenador, y un método almacenado en un medio legible por el ordenador y capaz de ser llevado a cabo por un procesador, en donde el método procesa las imágenes para asignar una calificación objetiva. El sistema objetivo opera usando una cabina de inspección estándar, textiles cotidianos, tales como ropa, y ganchos estándar. La evaluación objetiva es llevada a cabo basada en información visual que también es usada por evaluadores entrenados. Las muestras son sujetadas a los efectos de la gravedad, como se debe hacer para darle un efecto real al sistema objetivo.

Disposición del Sistema La cabina 2 de inspección usada por el sistema objetivo del presente invento es mostrada en las figuras 1, la, 2 y 3. Está cabina es similar a aquella del método AATCC No. 124. La cabina 2 fue originalmente concebida para llevar a cabo evaluaciones por evaluadores entrenados. La geometría de la cabina debe ser respetada en el sistema objetivo de la presente invención, para mantener cumplimiento con .los métodos anteriores. La única modificación introducida en la cabina, fue el remplazo del evaluador entrenado por la cámara 4, sin embargo, la cámara mantiene la misma ubicación que tendría el evaluador entrenado, tal como se muestra en las figuras 2 y 3. Una tabla 6 con una inclinación ligera, de aproximadamente 5o, sirve para soportar una muestra 8 colgada. La muestra 8 es iluminada por una fuente de iluminación 10, en este caso dos lámparas fluorescentes de 2.43 metros (8 pies) localizadas a una altura de aproximadamente 236 cm y a una distancia de aproximadamente 62 cm de la tabla. Las lámparas son instaladas en un reflector enamel blanco estándar sin bafle o vidrio. La tabla es pintada en negro, así como todas las superficies expuestas de la cabina. Las muestras 8 son camisas de manga larga de algodón blanco comercialmente disponibles, colgadas y desplegadas en ganchos regulares. Tanto la parte frontal cómo la parte trasera son evaluadas, tal como se observa de la figura 4. Se prefiere que al menos tres regiones en la parte frontal RFi-RF3 y al menos cuatro regiones en la parte trasera RB1-RB4 sean evaluadas. Como resultado de la geometría del textil, en el caso de, por ejemplo la camisa de la figura 4 y del gancho, ciertas ondulaciones tipo cortina están presentes. El uso de dispositivos para estirar o tensionar a los textiles no se permiten.

Para adquirir imágenes de la muestra, se utilizo una cámara tipo charge-coupled devices (CCD) . La cámara se ubico a aproximadamente 120 cm de la tabla. La línea de visión es horizontal y centrada al ejemplar. La cámara incorpora un CCD 1/3" con una resolución de 1024 por 768 pixeles. Se analizó un conjunto de textiles. En este caso ejemplar, el textil es una camisa. El conjunto de camisas son evaluadas definiendo las regiones de interés, en donde las regiones, tanto en el lado frontal como en el lado trasero son de 350 por 350 pixeles, que corresponden a un área efectiva de 15 cm por 15 cm. Tres regiones son medidas en el frente RF1-RF3 y cuatro regiones son medidas en la parte trasera RT1-RT4, tal como se muestra en la figura 4. Una inferíase IEEE-1394a es usada para comunicar la cámara con el ordenador. Por medio de un método, se controla la cámara y se controla al procesador del ordenador para procesar las imágenes en tiempo real. El tiempo de exposición es fijado a un múltiple de 1/120 para evitar la intermitencia debida a la oscilación de las lámparas fluorescentes, que son la fuente de iluminación 10. La cámara es configurada para operar con una profundidad de datos de 12 bits y respuesta linear (Gamma=l) .

Principio de Medición Cuando se observan las muestras 8 con arrugas por medio de ojos humanos, es posible identificar áreas oscuras y brillosas, tal como lo muestran las imágenes de los patrones del AATCC en la figura 5. Las áreas oscuras no son generadas por la intercepción de luz. Por lo tanto, no son estrictamente consideradas como sombras. La presencia de áreas oscuras y brillosas pueden ser explicadas por los valores locales de luminancia y su relación con la topografía del textil. La luminancia depende de la orientación relativa del vector normal a la superficie con respecto a la posición de la fuente de iluminación 10. En las superficies que presentan reflexión difusa, como en los textiles de la figura 5, la brillantez es independiente de la dirección de observación y depende, en su gran mayoría en la iluminación.

La descripción geométrica de la disposición es mostrada en la figura 6. Para simplificar el esquema,, se muestra solamente una fuente de iluminación 10. Sin embargo, el análisis puede ser extendido por la superposición de al menos dos fuentes de iluminación 10 paralelas montadas en una luminaria. En este esquema, el plano x-y es paralelo a la tabla 6 donde descansa la muestra 8. Un segmento de la superficie de la muestra en la posición (x,y) es iluminado por la fuente de iluminación 10 extendida de longitud 1. Aquí, d es un vector del punto (x,y) en la superficie de la muestra 8 a la posición ?? en la superficie de la lámpara, h es la unidad vector normal a las superficies de la muestra 8 en (x,y) , es el ángulo entre los vectores d y h, y ß es el ángulo entre h y el eje óptico de la cámara 12. De acuerdo a está geometría, la luminancia Ev medida en (x,y) depende de la intensidad de iluminación de la fuente de iluminación 10, la distancia entre la superficie y la fuente de iluminación y el ángulo a. La luminancia Ev es el resultado de la integración de las contribuciones a lo largo de toda la longitud de la fuente de iluminación 10. dEv(x,y) = dIviP,) cos(a(x,y,Pl)) ( 1 ) \ (x,y,p,)\\ En la fórmula (1), Ev es la luminancia medida en el segmento de la superficie del textil en la posición (x,y) , dlv es la intensidad luminosa de la lámpara en la posición ^.

Cuando la luz de la fuente de iluminación 10 incide en la superficie del textil, las reflexiones resultantes son casi difusas con una pequeña porción de la reflexión especular.

Dada la naturaleza de los textiles, sus características de reflecion son cercanas a aquellas de una superficie Lambertiana, y aparecen ser casi equitativamente brillantes de todas las direcciones. Por lo tanto, .la luminanciación del textil medido de la ubicación de la cámara 4 depende en su mayor parte de la luminancia Ev y el factor de luminancia p. dL se calcula de acuerdo a la siguiente fórmula (2) : dL(x,y) = dE X>y)-p . '(2) p En la fórmula (2), L es la luminancia del textil en la posición (x,y) , Ev es la luminancia medida en la ubicación (x,y) de la superficie y p es el factor de luminancia del textil en la dirección de la cámara 4. Estas ecuaciones predicen que la luminancia del textil incrementa mientras que el ángulo a decrementa. Más aún, la luminancia depende de la distancia entre la muestra 8 y la fuente de iluminación 10, resultando en una dependencia adicional de la posición y. Se encontró que la dependencia del factor p de luminancia en el ángulo ß es medible en muestras 8 de textiles, pero es lo suficientemente pequeño para aproximar p como una constante para está geometría especifica.

Considerando la disposición de las figuras 1 y 2, el valor de a es de aproximadamente 52.4° cuando es medido en el centro de una muestra 8 plana. La longitud de d calculada desde esta posición hasta el centro de la fuente de iluminación 10 es de aproximadamente 100 cm. Se midió el valor promedio de Ev como aproximadamente 211 lx para la cabina implementada en el laboratorio. Usando un fotómetro de imágenes calibrado, se midió el valor promedio de la iluminación L como aproximadamente 56.2 cd/m2 para muestras de textil de algodón blanco. Por lo tanto, el valor estimado de p es de aproximadamente 0.84.

Se prefiere que la posición relativa de las lámparas limite el valor de la inclinación de la superficie que retiene al textil a un intervalo aproximado de [-35°, 35o] para evitar sombras. Se encontró que la luminancia L depende en su mayor parte del componente de la inclinación en la dirección de y cuando se usa la cabina de inspección. Para poder ilustrar este comportamiento, se modelo el vector h como el resultado de dos rotaciones consecutivas de un vector unitario que es originalmente paralelo al eje z . La primera rotación es ejecutada alrededor del eje x por un ángulo ?. El vector resultante descansa en el plano y- z . La segunda rotación es ejecutada alrededor del eje y por un ángulo T. El vector resultante es el vector h . El valor predicho de luminancia Ev es mostrado en la figura 7 en función de los ángulos ? y T, considerando la geometría de la disposición descrita y el uso de dos lámparas en la luminaria. La dependencia de Ev sobre ? es aproximadamente lineal para el intervalo aproximado [-35°, 35o] con una inclinación promedio aproximado de 2.7% / Io. La dependencia sobre T es mucho menor, con una inclinación aproximada de -0.015% / Io. Por lo tanto, las ecuaciones (1) y (2) predicen que las arrugas horizontales serán evidentes, mientras que las arrugas verticales son difícilmente visibles cuando se usa la cabina de inspección de la figura 1. Una consecuencia importante de este hecho es que la apariencia de arruga depende de la orientación de arruga relativa. Por ejemplo, las dos arrugas del ejemplar 8 de la figura 6 serian invisibles sí el ejemplar fuese rotado 90° en el eje z. Por lo tanto, la disposición actual provee información en relación a la apariencia de arrugas, en lugar de la superficie de la topografía .

Por lo tanto, se muestra que la luminancia del ejemplar 8 descrito por las ecuaciones (1) y (2), dependen del componente y de la inclinación del ejemplar y de la posición y. El valor digital de cada pixel de la cámara es proporcional a la luminancia. Por lo tanto, el valor de escala de grises de cada pixel es aproximadamente proporcional al componente vertical de la inclinación en la superficie del ejemplar 8. Para mantener el factor de proporcionalidad como una constante para todas las medidas, un algoritmo de control de ganancia automática mantiene el valor promedio de las imágenes constantes e igual al 50% del intervalo de las escalas de grises. Se evitó el uso de algoritmos de mejoramiento de contraste, incluyendo la ecualización, ya que alterarían relación de la . escala de grises y la inclinación.

Evaluación Objetiva de la Apariencia de la Arruga La siguiente descripción es hecha, en parte, en relación a las figuras 8 y 9. Habiendo solicitado una imagen 48 de patrón, adquirido la imagen 50 de patrón, determinado 54 sí la exposición de la imagen es correcta de acuerdo a lo anteriormente mencionado, y en su caso, haber ajustado la exposición 56 de la cámara 4 como se mencionó anteriormente, se procede con el pre-proceso 60 de la imagen.

El sistema objetivo para la evaluación de arrugas está basado en el uso de dos descriptores cuantitativos de arrugas. Estos descriptores son calculados 72 de las imágenes de los patrones AATCC para establecer una escala de calibración. Para evaluar una muestra 8, estos descriptores son calculados 72 y la calificación es determinada usando la escala de calibración 80 presente en una escala predefinida. Este proceso involucra, entre otras etapas, las etapas de pre-procesamiento 60, evaluación de descriptores 80, calibración de sistema 84 y evaluación de de la muestra 94.

Pre-procesamiento 60 y filtrado de ruido Se implementaron las funciones de pre-procesamiento para minimizar la influencia de ruido y eliminar información que no está relacionada con arrugas provenientes de la luminancia de las imágenes. La figura 10 muestra una imagen típica de una muestra de textil (Ti) . Está imagen presenta ruido aditivo y multiplicativo. Inicialmente, se corrige 62 el gradiente de luminancia de la imagen, comparando dicha imagen a una imagen obtenida por los algoritmos de pre-procesamiento cuando el ruido ha sido eliminado (I4) . Se distinguen cuatro fuentes principales de ruido. La · primera fuente de ruido es intrínseco a la naturaleza electrónica de la cámara 4. La segunda fuente de ruido surge de la función de luminancia dada por la dependencia de la luminancia a la posición y de la muestra 8. Este ruido multiplicativo es observado como un gradiente de luminancia vertical, en donde la parte superior de la muestra 8 aparece más brillante que la parte inferior. La tercer fuente de ruido s relacionada con las ondulaciones suaves que están presentes cuando los textiles, tales como camisas, son mostrados usando ganchos regulares. Estas ondulaciones de tipo cortina modifican la inclinación local de la superficie, y por lo tanto se tratan como ruido aditivo. La última fuente de ruido viene de la alta resolución de las imágenes, en donde el patrón hilado o trama de los textiles es registrado. Se encontró que las funciones de pre-procesamiento 60 son de mayor importancia en términos de la conflabilidad del sistema, ya¦ que los efectos de ruido multiplicativo y aditivo en las imágenes de luminancia son comparados con la información de arrugas.

Se reduce el ruido aditivo intrínseco de la cámara 4 promediando un numero determinado de muestras consecutivas, como primera etapa del pre-procesamiento. Este proceso, permite lograr un valor efectivo de Señar a Ruido (SNR) aproximadamente igual a 57.3 dB. El promedio de imágenes es llevado a cabo en tiempo real, a una tasa de aproximadamente 15 marcos por segundo. La rutina de promedio de imágenes también incorpora la funcionalidad de control de ganancia automática. Está función asegura que el factor de proporcionalidad entre la imagen en escala de grises y la inclinación en la muestra 8 permanezcan constantes. Cuando la imagen es transferida al ordenador, es almacenada y procesada como un arreglo de puntos flotante, para minimizar los errores de cuantificación. La imagen de profundidad de 12 bits es escalada a un factor constante de 1/16 para manejarla como un intervalo de escala de- grises regular de [0,255]. Este arreglo es designado como Ii.

El segundo algoritmo de pre-procesamiento 66 fue designado para eliminar el gradiente de luminancia vertical que es una constante a lo largo del ancho de la muestra 8. Este gradiente de luminancia es tratado como ruido multiplicativo ya que depende en el factor 1/ \ d(x,y, 1) |2 de la ecuación (1) . Para extraer la función de luminancia de la imagen, se calculo el vector de columna Vmean como el promedio de todas las columnas de la imagen.

En la fórmula (3) , Vmean es el vector de columna que resulta del promedio de la imagen. El valor Vmean es dominado por la función de luminancia, ya que el promedio de información de arrugas tiende a cero. La función de luminancia es determinada ajusfando un polinomio de segundo grado al vector Vmean. El ruido multiplicativo es eliminado de la imagen dividiendo el valor de está función de luminancia. El resultado es escalado por el factor constante de 127, para preservar el promedio de luminancia del valor de la imagen.

En la fórmula (4), la matriz I? es la imagen obtenida con el filtro de' ruido multiplicativo, mientras que la matriz Ii es la imagen original; {m, n) representa la ubicación en fila y columna de la matriz; a0, ai y a2 son los coeficientes del polinomio de segundo grado de la función de luminancia. Se encontró que este filtro es robusto y provee mejores resultados que los filtros tradicionales homomorficos de pasa altas, especialmente cercano a los bordes de la imagen. La función de luminancia es similar a una función de rampa y presenta componentes de baja y alta frecuencia de una función de dientes de sierra. Por lo tanto, el filtro pasa altas usado comúnmente no es efectivo para eliminar todos los componentes de la rampa sin afectar la información de arrugas .

Un tercer algoritmo de pre-procesamiento es implementado 70 para eliminar la información de ondulaciones suaves. Las ondulaciones están presentes porque el textil, tal como una camisa, es desplegado usando un gancho convencional. Las ondulaciones en general son verticales porque están inducidas por gravedad. La información de luminancia de las arrugas es superpuesta a la información de baja frecuencia de las ondulaciones. El algoritmo de filtrado es similar al usado para filtrar ruido multiplicativo, pero modificado para filtrar ruido aditivo. Se determina la función de ruido aditivo de la imagen ajusfando un polinomio de décimo grado a cada columna. Después, el ruido aditivo es eliminado sustrayendo la función de ruido aditivo de cada columna.

En la fórmula (5), la matriz I3 es la imagen resultante del filtro de ruido aditivo, la matriz I2 son las imágenes previamente obtenidas por el filtro de ruido multiplicativo, los coeficientes br{n) son coeficientes de la función de ruido aditivo calculado para la columna n. Se determino el grado polinomial que representa la función de ruido aditivo analizando la distribución de luminancia en las imágenes de arrugas. Se encontró que el histograma de luminancia de las muestras 8 sin ondulaciones .suaves (tales como los patrones de arrugas del AATCC) son simétricas . y se asemejan a una distribución normal. Cuando las ondulaciones suaves están presentes, la distribución es asimétrica y es posible encontrar más de un máximo local. El filtrado de ruido aditivo por una función de polinomio de grado 10 resulta en imágenes con distribución simétrica y aproximadamente normal de luminancia. Este filtro elimina las ondulaciones suaves y mantiene la nitidez de las arrugas en las imágenes de ' textiles reales, tales como camisas.

El último paso del pre-procesamiento de imágenes es la eliminación de componentes de textura y alta frecuencia, derivados de los patrones de hilado del textil. Está información debe ser filtrada porque la combinación de la cámara CCD 4 y la amplificación de los lentes resultan en imágenes que incluyen detalles que no pueden ser observados por el ojo humano desde la distancia definida por el procedimiento del arte previo. Mas aún, los patrones de arrugas del AATCC no reproducen el patrón de hilado fino, de los textiles. Por lo tanto, está información debe ser eliminada antes de ser comparada. El filtrado de alta frecuencia es llevado a cabo en el dominio de frecuencia implementando un filtro Butterworth pasa bajas del tercer grado con una frecuencia de corte de aproximadamente 50. Este filtro es aplicado a la matriz I3 y la imagen resultante es almacenada como la matriz I .

Las funciones de pre-procesamiento previamente descritas son aplicadas a las imágenes de muestras 8 de textiles asi como a los patrones de arrugas usadas para calibrar el sistema. Todos los descriptores usados para caracterizar a las muestras 8 y los patrones de arrugas son calculados de la matriz I .

Definición de los Descriptores Se identificaron al menos tres características que describen las arrugas en los textiles. Estas propiedades son mutuamente independientes. Aun así, están correlacionadas en muestras 8 reales de textiles. La primera característica es el promedio de altura de las crestas-valles de las arrugas. La segunda es la densidad de la arruga, también expresada como el valor inverso de la distancia promedio entre las arrugas. La última característica es la agudeza o "sharpness" de las arrugas. Se evaluaron varios descriptores apropiados para la evaluación de arrugas, incluyendo funciones estadísticas de luminancia, características de textura de Haralkick, análisis de amplitud y frecuencia basado ' en 2D-FFT, cálculo de dimensión fractal, análisis de wavelet, y descriptores basados en detección de bordes. Se seleccionaron dos descriptores cuantitativos para evaluar las arrugas que están cercanamente relacionados a las propiedades de las arrugas como lo perciben los evaluadores: la desviación estándar de luminancia y la suma de fuerza de borde de arruga. Estos descriptores permiten lograr una correlación alta entre los grados asignados por el sistema asistido por ordenador y aquellos asignados por un jurado de evaluadores entrenados . 1) Desviación estándar de la luminancia. Como es predicho por las ecuaciones 1 y 2, la luminancia depende en la inclinación local de cada segmento de la superficie del textil. Una muestra 8 idóneamente lisa debe presentar una inclinación constante. Por lo tanto, es esperado que la luminancia de la imagen I4 del plano presente un valor casi constante y una distribución de luminancia bastante angosta. Por otro lado, una muestra 8 con arrugas presentara regiones con diferentes valores de inclinación y el histograma de luminancia presentara una distribución más amplia y una desviación estándar más alta. Se encontró que la desviación estándar de luminancia depende linearmente en el valor de altura cresta-valle promedio, asi como la densidad de las arrugas. Entonces, el primer descriptor es calculado de la imagen I4 como se muestra.

Aquí, i es el primer descriptor, la matriz I4 es la imagen obtenida después de los filtros de pre-procesamiento, M y ?· son los números o columnas o filas, respectivamente, y µ es el valor promedio de la matriz I4. En la figura 10 se muestra el valor del primer descriptor por cada patrón del AATCC. El valor de Di decrementa con el valor de grado nominal de arruga después de cada placa. La relación entre el grado de arrugas y i no es lineal; se describe mejor como una relación logarítmica. 2) Intensidad de la arruga. Las arrugas son deformaciones temporales que resultan de dobleces del textil. Estas dobleces son visibles en el borde entre los dos segmentos de la superficie de inclinación distinta, análogos a la cresta en donde dos secciones de techo inclinadas concuerdan. El borde es visible debido al contraste resultante de la diferencia de luminancia entre las superficies y el ancho de la zona de transición. La apariencia de la intensidad de la arruga está directamente relacionada con la visibilidad de los bordes. Se cuantifica la intensidad de las arrugas implementando un algoritmo basado en el filtro de Canny de detección de borde. Está implementación incluye las etapas de lisado gaussiano, detección de bordes de Sobel y no supresión de máximos. El filtro es aplicado a la imagen I4 y la imagen resultante es almacenada como la matriz S. La sumatoria de la fuerza de los bordes detectados es proporcional al contraste de las arrugas, proveyendo la información de intensidad.

Aquí, D2 es el segundo descriptor que depende de la intensidad de las arrugas, S es la imagen resultante del algoritmo de detección de bordes. La figura 12 muestra los valores de £¾ calculados de las imágenes de los patrones AATCC. Similar a i, la relación entre el grado de arrugas y D2 no es lineal; se describe mejor como una relación logarítmica .

Calibración de Sistemas Los grados asignados a las muestras 8 son determinadas por comparación a los patrones AATCC. Las muestras 8 definen una escala de grado de arrugas de 1 a 5, en donde 1 corresponde a una muestra con arrugas pesadas, y 5 a¦ una muestra lisa. Para calibrar el sistema, la imagen de cada patrón es adquirida. Las imágenes son procesadas por los filtros de pre-procesamiento anteriormente descritos y ambos descriptores son calculados para cada patrón. Para cada descriptor, se genera una función de calibración interpolada ajustando un polinomio de tercer grado, como se muestra en las figuras 10 y 11. Esto permite evaluar las muestras 8 usando una escala de grado de arrugas continuo, interpolando entre los seis valores discretos gue definen los patrones. El patrón etiquetado como SA-5 no es usada en el ajuste, ya que éste patrón es demasiado similar al patrón SA- . Por lo tanto, se definió que el grado de arrugas 5 debe ser aplicado a un ejemplar ideoneamente liso, que es difícil de obtener en un maquinas quita arrugas electrodomésticas y solo obtenido por planchado tradicional. Esto habilitó el incrementar el grado de ajuste del polinomio. Después, los descriptores 1 y 2 son establecidos como cero para este grado de arrugas. El proceso de calibración es completado después de que las funciones de interpolación Di y D2 son calculadas.

Para asignar un grado para una muestra, se cuantifican ambos descriptores. Un grado de arrugas es determinado para cada descriptor usando la función de interpolación correspondiente y un algoritmo de aproximaciones sucesivas. Ambos grados convergen al mismo valor, pero una pequeña diferencia está usualmente presente ya que los descriptores Di y D2 dependen de diferentes características de las arrugas. El grado final es calculado por el peso promediado de los grados parciales. Se determino el peso de cada grado por una evaluación de correlación entre los grados asignados por el sistema y los evaluadores del jurado.

G = A G°> + B G°i (8) A + B Aquí, Gs es el grado de arrugas final asignado a la muestra 8, GD1 'y GD2 son grados parciales calculados de Di y D2 usando las, funciones de calibración respectivas, A y B son coeficientes de peso usados para el peso promediado.

Correlación entre el sistema y el jurado de evaluadores Para determinar las constantes A y B, se llevó a cabo una prueba de correlación usando un conjunto de 18 camisas. Las camisas fueron previamente arrugadas atando nudos . Se obtuvo un conjunto con valores de grado de arrugas de 1 a 4 controlando la tensión de los nudos, procesando algunas muestras en una secadora de eje horizontal con vapor para quitar arrugas, y también usando una plancha. Tres evaluadores expertos integraron al jurado que calificó las camisas, asignando grados cuantitativos a cada una de las muestras con una resolución de 0.5 unidades. Los grados del jurado fueron promediados y comparados a esos asignados por el sistema. Se calculo el coeficiente de correlación R2 para diferentes valores de A desde 0 a l.0 y B = 1.0 - A, como se muestra en la figura 13.. Se encontró que la correlación más alta correponde cuando el descriptor 2 domina el promedio de peso, demostrando que los expertos son considerablemente más sensibles a la intensidad de la arruga que a la profundidad de la arruga. Se fijaron los coeficientes de peso como A = 0.3 y B = 0.7 para obtener una alta correlación (R2 = 0.91) y un desempeño robusto. La figura 14 muestra la correlación entre los grados asignados por el jurado y los asignados por el sistema usando los coeficientes de peso seleccionados.

Antes de la implementación en el ambiente de producción, se evaluó el desempeño del sistema usando un estudio de de repetibilidad y reproducibilidad o mejor conocido por sus siglas en Inglés como Gage R&R. Se llevo a cabo éste análisis para estimar la contribución de la variación atribuible al sistema de medición per se. Los estudios de de repetibilidad y reproducibilidad deben ser llevados a cabo sobre un rango de observaciones esperadas. Como se discute en el arte previo, el método de análisis de varianza (ANOVA) es usualmente preferido para datos continuos, en donde los operadores y partes son consideradas como factores aleatorios. El estudio de, repetibilidad y reproducibilidad fue llevado a cabo calificando dos conjuntos o lotes de 15 camisas cada uno. El primer lote fue compuesto por camisas arrugadas siguiendo un procedimiento repetible. La calificación promedio de arruga para este lote fue de aproximadamente 1.8. El segundo lote fue preparado de la misma manera, pero después fue alisado por una secadora de eje horizontal que tiene un ciclo de desarrugado por vapor. La calificación promedio del segundo lote fue de 2.5. La prueba fue repetida por dos operadores distintos. Cada operador evaluó cada lote dos veces usando el sistema objetivo. En cada medición, las camisas fueron montadas y desmontadas de los ganchos respectivos. La prueba comprendió 30 medidas por lote, por un total de 240 medidas para el estudio de repetibilidad y reproducibilidad. Se utilizo Minitab® para llevar a cabo el estudio con un nivel de riesgo a a = 0.05.

La Tabla 1 resume los resultados del estudio de repetibilidad y reproducibilidad.

Tabla 1. Resumen de repetibilidad y reproducibilidad Frecuentemente, practicantes investigan la relación entre el estudio de variación permisible y la tolerancia con respecto al estudio de repetibilidad y reproducibilidad. De acuerdo a la Ley de Pareto, 80% de la variación puede ser explicada por 20% de las variables, consideradas como las pocas vitales. Esto ha dado las bases para que la contribución del estudio de repetibilidad y reproducibilidad tanto al porcentaje de variación y como al porcentaje de tolerancia seamenor del 20% como criterio de aceptación. Por otro lado, una práctica común es aceptar .un número mayor o igual a 5 categorías en la industria de seis-sigma. Por lo tanto, con las 51 categorías distintas encontradas, el sistema es bastante capaz de discernir entre los grados de arrugas en los textiles.

La gráfica de la figura 15 ilustra como la gran parte de la variación se debe al factor parte-a-parte como se desea. La gráfica-R muestra que los operadores registraron valores para cada parte con una cantidad similar de variabilidad, donde la gráfica Xbar indica una situación fuera de control, como se espera, enfatizando el poder de discriminación del sistema objetivo fuera de los limites de especificación. En otras palabras, ios operadores son bastante capaces de distinguir distintas partes cuando se usa el sistema objetivo. Los valores promedios de todas las muestras medidas dos veces por los operadores son representados en la gráfica "por operador", e indica que ¦ tanto las medias totales y la dispersión registradas por ambos operadores son similares. El efecto de interacción de operador y lote exhibe paralelismo, reflejado en el término estadistico insignificante que ha sido removido del modelo.

Aplicación Industrial El método de calificación de arrugas esta ' basado en un análisis de luminancia de imagen e incorpora dos descriptores cuantitativos que están cercanamente relacionados con las características de arrugas como son percibidos por evaluadores: altura de cresta-valle, densidad de arruga y intensidad de la arruga. La incorporación de filtros aditivos y multiplicativos especialmente diseñados permitieron resultados altamente repetibles. El coeficiente de correlación del sistema con evaluadores expertos fue calculado como R2 = 0.91. El desempeño confiable del sistema fue demostrado por un estudio de repetibilidad y reproducibilidad de acuerdo a la metodología de Seis Sigma.

Alteraciones de la estructura descrita en la presente, podrán ser previstas por aquellos con arte en la materia. Sin embargo, debe ser entendido que la presente descripción se relaciona con las modalidades preferidas de la invención, la cual es para propósitos ilustrativos solamente, y no debe ser construido como una limitación de la invención. Todas las modificaciones que no departan del espíritu de la invención deberán ser consideradas dentro del alcance de las reivindicaciones anexas.

Claims (21)

Reivindicaciones

1. Un sistema implementado en ordenador para evaluar arrugas en al menos una sección de un textil que comprende: un medio de entrada que captura' al menos una imagen de al menos un textil; un medio de almacenamiento legible por el ordenador; un procesador capaz de llevar a cabo los siguientes pasos en el ordenador: · * pre-procesar la imagen corrigiendo ' al menos un ruido multiplicativo y un ruido aditivo en la imagen; calcular un primer descriptor y un segundo descriptor; y comparar el valor obtenido de los descriptores con valores de calibración almacenados en' el medio de almacenamiento.

2 . El sistema de la reivindicación 1, en donde el procesador es capaz de llevar a cabo el siguiente paso: ajustar el peso de los dos descriptores estudiando la correlación del sistema con una evaluación de evaluadores.

3. El sistema de la reivindicación 1, en donde el corregir un ruido multiplicativo se lleva a cabo normalizando la luminancia de la imagen eliminando el gradiente de brillo calculando el vector de columna como el promedio de todas las columnas de la imagen por medio de la fórmula (3) (3) en donde: Vmean es el vector de columna que resulta del promedio de la imagen; y (m,n) representa la ubicación en fila y columna de una matriz de la imagen; en donde la matriz de la imagen después de la corrección obtenida por: en donde la matriz Ii es la imagen original; (m, n) representa la ubicación en fila y columna en la matriz; y a0, ai y a2 son los coeficientes del polinomio de segundo grado de la función de luminancia; y en donde corregir un ruido aditivo se lleva a cabo eliminando ondulaciones en la imagen por medio de un filtro ue consiste en el ajuste de un polinomio de décimo grado a cada columna y por medio de la sustracción de la función de ruido aditivo de cada columna por medio de la fórmula (5) l3(rnn)=l2( n)-?br(n)ní+W (5) r=0 en donde la matriz I3 es la imagen resultante del filtro de ruido aditivo, la matriz ¾ son las imágenes previamente obtenidas por el filtro de ruido multiplicativo, y los coeficientes br{n) son coeficientes de la función de ruido aditivo calculado para la columna n.

4. El sistema de la reivindicación 3, en donde corregir un ruido aditivo incluye eliminar en la matriz I3 componentes de textura y alta frecuencia implementando un filtro en dominio de frecuencia tipo Butterworth pasa bajas de tercer grado con una frecuencia de corte de 50, obteniendo asi una matriz I4.

5. El sistema de la reivindicación 1, en donde el primer descriptor es un descriptor de la desviación estándar de una luminancia de la imagen, en donde el primer descriptor es calculado por en donde Di es el primer descriptor, la matriz I4 es la imagen obtenida después de pre- procesar la imagen, M y N son los números o columnas o filas, respectivamente, y µ es el valor promedio de la matriz J4; y en donde el segundo descriptor es un descriptor de la intensidad de las arrugas, en donde la intensidad de las arrugas se cuantifica utilizando un filtro de detección de borde Canny, que incluye las etapas de suavizado gaussiano, detección de bordes Sobel y supresión no-maxima, en donde el filtro de detección es aplicado a la imagen I4 y la imagen resultante es almacenada como la matriz S, en donde el segundo descriptor es calculado de acuerdo a la fórmula (7) (7) .

6. El sistema de la reivindicación 1, en donde al menos parte del sistema se encuentra en una cabina con al menos una fuente de iluminación y una tabla en donde se cuelga al textil, la tabla teniendo una inclinación, y en donde la fuente de iluminación esta a una distancia de la muestra.

7. El sistema de la reivindicación 1, en donde el procesador es capaz de llevar a cabo el siguiente paso: calibrar al sistema en base a patrones previamente establecidos, interpolando las curvas de los patrones previamente establecidos con un polinomio de al menos un segundo grado para cada descriptor.

8. El sistema de la reivindicación 7, en donde la calibración se lleva a cabo: generando una función de. calibración interpolada para cada descriptor, ajustando un polinomio del tercer grado para evaluar las imágenes usando una escala de grado de arrugas continuo, interpolando valores obtenidos con los valores de calibración almacenados en el medio de almacenamiento.

9. Un método implementado en ordenador, el ordenador teniendo al menos un procesador, para evaluar arrugas en al menos una imagen de una sección de un textil, el método comprende : pre-procesar, con el procesador, la imagen corrigiendo al menos un ruido multiplicativo y un ruido aditivo en la imagen; calcular, con el procesador, un primer descriptor y un segundo descriptor; y comparar, con el procesador, el valor obtenido de los descriptores con valores de calibración almacenados en él medio de almacenamiento.

10. El método de la reivindicación 9, en donde el método adicionalmente comprende ajustar el peso de los dos descriptores estudiando la correlación del sistema con una evaluación de evaluadores.

11. El método de la reivindicación 9, en donde el corregir un ruido multiplicativo se lleva a cabo con las siguientes etapas: normalizar la luminancia de la imagen eliminando el gradiente de brillo calculando el vector ' de columna como el promedio de todas las columnas de la imagen por medio de la fórmula (3) Vmean(m) = ^Ii(m,n) (3) en donde: Vmean es el vector de columna que resulta del promedio de la imagen; y (m,n) representa la ubicación en fila y columna de una matriz de la imagen; en donde la matriz de la imagen después de la corrección es obtenida por: (4) en donde la matriz Ti es la imagen original; (m, n) representa la ubicación en fila y columna en la matriz; y a0, ai y a2 son los coeficientes del polinomio de segundo grado de la función de luminancia; y en donde corregir un ruido aditivo se lleva a cabo por medio de las siguientes etapas: eliminar ondulaciones en la imagen por medio de un filtro de polinomio de décimo grado a cada columna y por medio de la sustracción de la función de ruido aditivo de cada columna por medio de la fórmula (5) en donde la matriz I3 es la imagen resultante del t filtro de ruido aditivo, la matriz I2 son las imágenes previamente obtenidas por el filtro de ruido multiplicativo, y los coeficientes br{n) son coeficientes de la función de ruido aditivo calculado para la columna n.

12. El método de la reivindicación 11, en donde corregir un ruido aditivo incluye la etapa de eliminar en la matriz I3 componentes de textura y alta frecuencia por medio de un filtro implementado en dominio de frecuencia tipo Butterworth pasa bajas de tercer grado con una frecuencia de corte de 50, obteniendo asi una matriz I4.

13. El método de la reivindicación 9, en donde el primer descriptor es un descriptor de la desviación estándar de una luminancia de la imagen, en donde el primer descriptor es calculado por en donde D\ es-el primer descriptor, la matriz I4 es la imagen obtenida después de pre- procesar la imagen, M y N son los números o columnas o filas, respectivamente, y µ es el valor promedio de la matriz J4; y en donde el segundo descriptor es un descriptor de la intensidad de las arrugas, en donde la intensidad de las arrugas se cuantifica utilizando un filtro de detección de borde Canny, que incluye las etapas .de suavizado gaussiano, detección. de bordes Sobel y supresión no-maxima, . en donde el filtro de detección es aplicado a la imagen I4 y la imagen resultante es almacenada como la matriz S, en donde el segundo descriptor es calculado de acuerdo a la fórmula (7) (7) .

14. El método de la reivindicación 9, en donde el procesador es capaz de llevar a cabo el siguiente paso: calibrar al sistema en base a patrones previamente establecidos, interpolando las curvas de los patrones previamente establecidos con un polinomio de al menos un segundo grado para cada descriptor, en donde la etapa de calibrar se lleva a cabo con la etapa de generar una función de calibración interpolada para cada descriptor, ajustando un polinomio del tercer grado para evaluar las imágenes usando una escala de grado de arrugas continuo, interpolando valores obtenidos con los valores de calibración almacenados en el medio de almacenamiento.

15. Un medio legible por computadora para evaluar arrugas en al menos una imagen de una sección de un textil que comprende el método de cualquiera de las reivindicaciones 9 a 14.

16. Un programa de cómputo para evaluar arrugas en al menos una imagen de una sección de un textil, en donde el programa de cómputo causa que un procesador en un ordenador lleve a cabo las siguientes operaciones: pre-procesar la imagen corrigiendo al menos un ruido multiplicativo y un ruido aditivo en la imagen; calcular un primer descriptor y un segundo descriptor; y comparar el valor obtenido de los descriptores con valores de calibración almacenados en el medio de almacenamiento.

17. El programa de cómputo de la reivindicación 16, en donde el programa causa que el procesador lleve a cabo la operación de: ajustar el peso de los dos descriptores estudiando la correlación del sistema con una evaluación de evaluadores.

18. El programa de cómputo de la reivindicación 16, en donde se corrige un ruido multiplicativo haciendo que el procesador lleve a cabo las operaciones de: normalizar la luminancia de la imagen eliminando el gradiente de brillo calculando el vector de columna como el promedio de todas las columnas de la imagen por medio de la fórmula (3) (3) en donde: mean es el vector de columna que resulta del promedio de la imagen'; y (m,n) representa la ubicación en fila y columna de una matriz de la imagen; en donde la matriz de la imagen después de la corrección es obtenida por: en donde la matriz Ti es la imagen original; {m, n) representa la ubicación en fila y. columna en la matriz; y a0, ai y a2 son los coeficientes del polinomio de segundo grado de la función de luminancia; y en donde corregir un ruido aditivo se lleva a cabo por medio de las siguientes etapas: eliminar ondulaciones en la imagen por medio de un filtro de polinomio de décimo grado a cada columna y por medio de la sustracción de la función de ruido aditivo de cada columna por medio de la fórmula (5) en donde la matriz I3 es la imagen resultante' del filtro de ruido aditivo, la matriz I2 son las imágenes previamente obtenidas por el filtro de ruido multiplicativo, y los coeficientes br(n) son coeficientes de la función de ruido aditivo calculado para la columna n. 19. El programa de cómputo de la reivindicación 16, en donde corregir un ruido aditivo incluye hacer que el procesador realice la operación de: eliminar en la matriz I3 componentes de textura y alta frecuencia por medio de un dominio de frecuencia implementando un filtro Butterworth de bajo-paso de tercer grado con una frecuencia de corte, obteniendo asi una matriz

J4.

20. El programa de cómputo de la reivindicación 16, en donde el primer descriptor es un. descriptor de la desviación estándar de una luminancia de la imagen, en donde el primer descriptor es calculado por en donde Di es el primer descriptor, la matriz I4 es la imagen obtenida después de pre- procesar la imagen, M y N son los números o columnas o filas, respectivamente, y µ es el valor promedio de la matriz X4; y ' en donde el segundo descriptor es un descriptor de la intensidad de las arrugas, en donde la intensidad de las arrugas se cuantifica utilizando un filtro de detección de borde Canny, que incluye las etapas de lisado gaussiano, detección de bordes Sobel y supresión no-maxima, en donde el filtro de detección es aplicado a la imagen I4 y la imagen resultante es almacenada como la matriz S, en donde el segundo descriptor es calculado de acuerdo a la fórmula (7)

21. El programa de cómputo de la reivindicación 16, en donde el programa de cómputo causa que el procesador realice las siguientes operaciones: calibrar al sistema en base a patrones previamente establecidos, interpolando las curvas de los patrones previamente establecidos con un polinomio de al menos un segundo grado para cada descriptor, en donde la etapa de calibrar se lleva a cabo con la etapa de generar una función de calibración interpolada para cada descriptor, ajustando un polinomio del tercer grado para evaluar las imágenes usando una escala de grado de arrugas continua, interpolando valores obtenidos con los valores de calibracion almacenados en el medio de almacenamiento . Resumen Se da a conocer un sistema objetivo y un método implementado en un ordenador para evaluar la apariencia de arrugas en textiles, basado en factores obtenidos a partir de imágenes de los textiles. El sistema es capaz de evaluar textiles reales usando componentes comúnmente utilizados en sistemas subjetivos de evaluación de arrugas en textiles. Basado en este análisis, se propone un método de pre-procesamiento de la imagen, en donde la imagen por medio de la normalización de la luminancia de la imagen, eliminando el gradiente de brillo de la imagen y por medio de la eliminación de ondulaciones en la imagen, de igual manera, en el método se propone calcular un primer descriptor de la desviación estándar de la luminancia y un segundo descriptor de la agudeza de las arrugas, y finalmente se propone comparar el valor de los descriptores obtenidos con valores de unas escalas de calibración. El sistema se puede calibrar basándose en los valores de los descriptores obtenidos con los valores de las escalas de calibración. Además, el sistema puede ajustar el peso de los descriptores por medio de un estudio de la correlación del sistema con la evaluación de evaluadores expertos. Se demuestra gue el sistema objetivo y métodos propuestos son repetibles y reproducibles de acuer a la metodología Seis Sigma.