印花織物的顏色聚類分析裝置及方法
【專利摘要】本發明提供了一種印花織物的顏色聚類分析裝置和方法，該裝置包括一套包含24種顏色的校準色塊的印花織物樣品夾具，利用掃描儀采集印花織物的反射光圖像；之后利用安裝有分析軟件的計算機對印花織物的顏色進行分割，利用中值濾波對印花織物圖像進行預處理后，再通過24種顏色的校準色塊的信息對印花織物圖像進行顏色校準，并將其圖像從RGB顏色空間轉換到Lab顏色空間；最終借助于自適應K均值聚類算法對顏色進行分割，得到不同顏色的花紋子圖案。
【專利說明】
印花織物的顏色聚類分析裝置及方法
技術領域
[0001] 本發明涉及自動識別技術領域，特別涉及了一種印花織物的顏色聚類分析裝置以 及方法。
【背景技術】
[0002] 印花織物因其具有獨特華麗的顏色和極其豐富的圖案，從它被開發出來就深受大 眾的喜愛。作為后續染料染色和打板成型前的重要步驟，顏色分割扮演著印花織物生產和 分析過程中不可缺少的角色。傳統的印花織物顏色分割是通過光學顯微鏡來完成，不僅耗 費時間和勞動力，而且容易受到人為主觀因素的影響，顏色劃分的效果不夠理想。近年來， 隨著計算機技術的快速發展，織物紋理和性能客觀評價技術的發展日新月異，其中，基于圖 像分析和人工智能的方法可以用于對印花織物進行顏色聚類的劃分，從而避免冗余計算。
[0003] 國內外的研究人員針對印花織物顏色分割的問題做了大量研究，一般來說可以分 為兩類:基于無監督聚類的方法和基于有監督聚類的方法。前者主要利用模糊C均值聚類的 方法，在不同的顏色空間下對印花織物的顏色聚類進行劃分，但是其算法的實現過程較為 復雜，魯棒性不高；后者利用神經網絡，結合遺傳算法、直方圖分割法或主成分分析法對印 花織物的顏色進行分割，但是該方法需要進行大量樣本數據的采集和訓練，耗費大量時間 和精力。
【發明內容】
[0004] 本發明的目的在于提供一種印花織物的顏色聚類分析方法，通過圖像處理技術， 利用不同模板尺寸的中值濾波去除織物圖像上的噪聲，在Lab空間借助于K均值聚類算法對 印花織物圖像進行顏色聚類的劃分，從而獲得色紗的種類和數目。
[0005] 為實現以上目的，本發明提供了一種印花織物的顏色聚類分析裝置，包括織物夾 具；
[0006] 織物夾具的包括相互夾持的兩塊夾持板，夾持板的表面設有校準色塊;織物夾具 的表面靠近圖像采集裝置的采集端，圖像采集裝置與圖像分析裝置相連接。
[0007] 作為優選的，校準色塊為24色校準色塊。
[0008] 作為優選的，夾持板之間通過相互匹配的磁鐵吸附夾持。
[0009] 本發明還提供了一種印花織物的顏色聚類分析方法，包括以下步驟：
[0010 ] S1、將RGB空間下的印花織物圖像分解為R、G、B三個顏色通道內的子圖像；
[0011] S2、去除子圖像表面的噪聲；
[0012] S3、將去除噪聲后的三個子圖像重構成一幅圖像；
[0013] S4、根據采集到的校準色塊顏色信號校準顏色數據；
[0014] S5、將校準后的子圖像從RGB顏色空間轉換到Lab顏色空間；
[0015] S6、對印花織物的顏色聚類進行劃分。
[0016] 作為優選的，步驟S2中，通過中值濾波的方式去除圖像噪聲。
[0017]作為優選的，中值濾波的方式采用13 X 13的中值濾波模板。
[0018] 作為優選的，步驟S4中，通過將R、G、B各個分量乘以一個顏色校正矩陣，獲得校正 之后的圖像。
[0019] 作為優洗的，顏色持TH矩陣為 [0020；
[0021]作為優選的，步驟5具體包括以下步驟：
[0022] S5.1、將圖像從RGB顏色空間轉換到XYZ顏色空間；
[0023] S5.2、根據XYZ顏色空間的織物圖像轉換為Lab顏色空間的織物圖像；
[0024]其中，步驟S5.1具體包括以下步驟：
[0025] S5 · 11、將R、G、B的值除以255，分別得到ro、go、bo的值；
[0028] 步驟S5.2具體包括以下步驟：
[0031]作為優選的，步驟S6通過自適應K均值聚類劃分法對印花織物的顏色聚類進行劃 分；自適應K均值聚類劃分法包括以下步驟：
[0032] S6.1、確定選取出集合的數量k以及每個集合內的數據數量η;
[0033] S6.2、尋找數據樣本集中距離最近的兩個數據對象，構成一個數據對象集合Pl，
[0034] S6.3、從集合U中剔除數據對象集合Pl;
[0035] S6.3、計算選取出的集合Pl中每一個數據對象與去除集合Pl的集合U中每一個數 據對象的距離，找出在集合U中與Pl最近的數據對象，將該數據對象加入集合Pl中；
[0036] S6.4、重復步驟S6.3，直至集合Pl中數據對象為η個；
[0037] S6.5、重復步驟S6.2至S6.4，直至得到k個數據對象集合；
[0038] S6.6、對k個數據對象集合作算數平均，得到k個初始聚類；
[0039] S6.7、從數據對象集合中η個對象作為初始聚類中心:Z1 (I)，Z2(1)，…，Zn( 1);
[0040] S6.8、根據數據對象集合中的元素與這些聚類中心的距離，分別將它們分配給與 其最相似的聚類；
[0041 ] S6.9、計算每個所獲得的新聚類的聚類中心Zn(n+1)，j = 1，2，…，η，直到聚類Cj(k) 中所有元素到新的聚類中心的距離平方和達到最小值；
[0042] S6.10、若Zj(n+l)=Zj(n)，那么迭代的過程將停止，否則重復步驟S6.8和S6.9,直 到每個聚類不再發生變化為止；；
[0043] 其中，所述集合U為圖像中所有像素點組成的集合。
[0044] 在本發明中，該裝置包括一套包含24種顏色的校準色塊的印花織物樣品夾具，利 用掃描儀采集印花織物的反射光圖像;之后利用安裝有分析軟件的計算機對印花織物的顏 色進行分割，利用中值濾波對印花織物圖像進行預處理后，再通過24種顏色的校準色塊的 信息對印花織物圖像進行顏色校準，并將其圖像從RGB顏色空間轉換到Lab顏色空間；最終 借助于自適應K均值聚類算法對顏色進行分割，得到不同顏色的花紋子圖案。特別是，通過 13 X 13模板尺寸的中值濾波處理后，印花織物圖像表面的毛羽和細小纖維被成功去除，同 時顏色信息得到了有效的保存。
【附圖說明】
[0045] 圖1為本發明中印花織物的顏色聚類分析裝置中的織物夾具示意圖。
[0046] 圖2為本發明中印花織物的顏色聚類分析方法的流程框圖。
[0047]圖3為本發明中3 X 3中值濾波示意圖。
[0048]圖4為本發明中3 X 3、13 X 13模板尺寸的中值濾波處理效果。
【具體實施方式】
[0049] 為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明的各實 施方式進行詳細的闡述。
[0050] 圖1是印花織物的顏色聚類分析裝置，它主要包括三個部分：1) 一臺高分辨率的平 板式掃描儀（圖像采集裝置的一種），用來采集印花織物的反射光圖像;2) -臺裝有圖像分 析軟件的電腦（圖像分析裝置的一種），用來分析和處理采集到的圖像;3) -套特定的樣品 夾具，不僅可以用來夾持印花織物樣品，其上下夾板由四個條形磁鐵連接而成;而且其表面 設有可以用來進行顏色校準的校準色塊，其顏色色卡由24個不同顏色的方塊組成。
[0051 ]在本實施方式中，平板式掃描儀的型號是愛普生V700PH0T0,掃描分辨率為 1200dpi。為了減少程序運行所需的時間，提高顏色分割的效率，首先要將采集得到的原始 印花織物圖像分解成若干個子圖像，利用自適應K均值聚類算法對印花織物子圖像的顏色 進行分割，得到不同的聚類，然后利用圖像重構，將不同的子圖像的顏色聚類進行合并，從 而完成原始圖像的顏色聚類劃分。
[0052]使用時，利用該織物夾具夾住織物，僅需要將夾有織物的夾具的兩面放置在掃描 儀上分別掃描，即可采集到織物的圖像。
[0053]通過在織物上設置24色的校準色塊，使得本發明在采集到織物的圖像后，能夠根 據校準色塊對顏色進行校對，使采集到的織物顏色更接近真實的顏色，減小采集圖像的色 差。
[0054] 本實施方式還提供了一種印花織物的顏色聚類分析方法，首先對印花織物圖像進 行圖像分解，得到紅色、綠色和藍色三個顏色通道內的印花織物子圖像，并對三個子圖像分 別進行中值濾波處理;接著將濾波后的子圖像進行圖像重構，得到RGB空間下濾波后的印花 織物圖像，并對圖像進行顏色校準和顏色空間轉換，從而得到Lab顏色空間下的印花織物圖 像;最后借助于自適應K均值聚類算法對印花織物圖像進行顏色分割，得到不同顏色的花紋 子圖案，其具體的算法執行流程圖如圖2所示。
[0055] 在數字圖像處理領域，一張彩色圖像被看做是一個三維的數字矩陣，其中每一個 像素點都由R(紅色）、G(綠色）、B(藍色)三個顏色值疊加而成，每個顏色值的取值范圍都為0 ~255。所以可以將圖片分解為三個分別只含R值，G值，B值的子圖像，分別被稱為紅色通道 子圖像，綠色通道子圖像，藍色通道子圖像。
[0056]將圖像分解為三個顏色通道的子圖像，是圖像處理中的基本處理方法，應用廣泛， 在此不再敘述。
[0057]通常情況下，由于織物表面的毛羽和光照的不均勻，會造成織物圖像采集時噪聲 的出現，本發明采用二維中值濾波的方法去除圖像噪聲，達到增強圖像質量的效果，以便提 高顏色分析的準確率。
[0058]二維中值濾波是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技 術，其基本原理是把數字圖像中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍 的像素值接近的真實值，從而消除孤立的噪聲點。選取一個3 X 3模板尺寸的中值濾波為例， 如圖3所示，假設f(x，y)表示原始灰度圖像，g(x，y)表示中值濾波后的圖像，原始灰度圖像 中某一個像素點的灰度值為192,其相鄰的八個像素點的灰度值為0,32，64,96,128,160， 225和255，利用中值濾波進行處理后，該像素點的灰度值變為128。13 X 13模板尺寸的中值 濾波亦是如此，將169個像素的灰度值求和，最終除以169,得到該像素點的灰度值。
[0059] 中值濾波是用來去除圖片中的噪音，其所用到的濾波尺寸模板大小有3X3,5X5， 7X7，9X9，13X 13等。模板尺寸越大，去除噪首的效果越好，但是相對的去噪之后的圖片清 晰度也會越低，在利用不同模板尺寸的中值濾波對印花織物圖像進行處理過程中，發現13 X 13的模板對噪聲去除和顏色信息保留效果最佳，因此，在本實施方式中選取13X13模板 處理印花織物圖像的噪音，印花織物圖像表面的毛羽和細小纖維被成功去除，同時顏色信 息得到了有效的保存。
[0060] 在獲取了印花織物濾波后的圖像后，考慮到掃描儀部分的硬件實現，其在圖像采 集和傳輸過程中可能出現顏色失真現象，故使用顏色校正矩陣對印花織物的顏色進行校 正。對于同一批印花織物樣品，其顏色校正矩陣近似相等，可將原始圖像的R、G、B各個分量 乘以一個顏色校正矩陣M，從而獲得校正之后的圖像。具體公式如下：
[0061]
[0062]其中，R'、G'、B'是經過顏色校準之后織物圖像中每個像素三個顏色通道分量的 值，R、G、B是顏色校準之前每個像素的顏色分量值，矩陣M是顏色校正矩陣。
[0063]由于顏色校準在自動白平衡之后進行的，其顏色校正矩陣需滿足三個約束條件：
[0064] 1)要求圖像中原先是白色或灰色點的區域，經過顏色校準后仍然是白色或灰色， 即保證矩陣每行元素之和相等，如下方公式所示。其中k為常數，其默認值為1;
[0065]
[0066] 2)顏色校正矩陣的主對角線元素接近于1，使顏色校準過程基于本通道的顏色分 量進行調節；
[0067] 3)保證非主對角線元素盡量接近0,以減小不同通道顏色之間的相互影響。推導過 程中的約束條件為-(1〈&1」〈(1，（1矣」），其中(1 = 0.5，即要求矩陣的非主對角線元素的值處在 一個約束范圍之內，以減少不同通道內的串擾。
[0068]根據以上三個約束條件，推導出顏色校正矩陣為：
[0069]
[0070] 為了使色差更符合人眼視覺特性，同時避免顏色校準對于白平衡的影響，本章提 出一種基于Lab顏色空間的顏色校準方法，因其顏色是獨立于設備之外的顏色模式，不會受 到硬件性能和特性的影響，故此處將RGB顏色空間轉換到Lab顏色空間，因為采集到的印花 織物圖像是RGB圖像，故要將織物圖像從RGB顏色空間轉換到Lab顏色空間進行顏色聚類劃 分，其具體的轉換過程如下：
像。
[0074] 在獲取了 XYZ顏色空間的織物圖像后，可將織物圖像繼續進行轉換，最終得到Lab 顏色空間的織物圖像，其具體過程如下：
[0075] (1)假如Χ>0·008856,那
> 類似地，利用該方法對 Y和Z分量進行處理，從而得到y、ζ;
[0076] (2)通：
，得到Lab顏色空間的織物圖像。
[0077]實現了上述轉換過程后，織物圖像從RGB顏色空間轉換到Lab顏色空間，L分量的取 值分布在[0，100]范圍內，a、b分量的取值分布在[-128，+127]范圍內。
[0078]在K均值算法中，選擇不同的初始聚類中心會產生不同的聚類結果，如果初始聚類 中心選取不當，算法的聚類結果可能會陷入局部最優解，從而得不到較好的聚類效果。在本 發明中，提出一種自適應K均值聚類算法，尋找與數據在空間分布上盡可能一致的初始聚類 中心，其初始聚類中心的選擇采取以下步驟：
[0079] 1、尋找數據樣本集中距離最近的兩個數據對象，將它們構成一個數據對象集合 Pi，并將選取出的數據對象集合從集合U中去除；
[0080] 2、計算選取出的集合Pi中每一個數據對象與去除集合Pi后的集合U中每一個數據 對象的距離，找出在集合U中與Pi中最近的數據對象，并將它一并納入集合Pi，然后同時從集 合U中去除，如此循環，直到Pi中的數據對象個數達到規定的η個；
[0081] 3、繼續從集合U中尋找距離最近的兩個數據對象，將它們構成另一個集合P2，重復 以上的步驟，直到形成k個數據對象集合；
[0082] 4、對已經形成的k個數據對象集合進行算術平均處理，從而得到k個初始聚類中 心。
[0083]在確定了初始聚類中心后，采用K均值聚類算法進行圖像顏色聚類的劃分。它是典 型的基于原型的目標函數聚類方法的代表，將數據點到原型的歐氏距離作為優化的目標函 數，利用函數求極值的方法得到迭代運算的調整規則。
[0084]本發明選取包含三種不同顏色紗線的印花織物作為研究對象，利用K均值聚類的 方法將其劃分成不同的聚類，具體的步驟如下：
[0085] (1)從數據對象集合中任意選取k個對象作為初始聚類中心：Z1 (I)，Z2 (1)，…，Zn ⑴；
[0086] (2)在第k階迭代算法步驟內，根據數據對象集合中的元素與這些聚類中心的距 離，分別將它們分配給與其最相似的聚類，如果I |x-Zj(n)| |<| |x-Zl(n)| I，那么XeCj(n)， 對所有的i = l，2,…，n，i矣j都成立，其中zj(n)是聚類Cj(n)的聚類中心；
[0087] (4)計算每個所獲得的新聚類的聚類中心。(11+1)，」=1，2，一，11，直到聚類(^(11)中 所有元素到新的聚類中心的距離平方和達到最小值，新的聚類中心可以表示為
'"，n，其中，Nj是聚類〇)中元素的數目；
[0088] (5)對j = l，2,…，η而言，如果Zj(n+l) = Zj(n)，那么迭代的過程將停止，否則不斷 循環(3)到(4)過程，直到每個聚類不再發生變化為止。
[0089] 在Lab空間下，利用K均值聚類算法對樣品的顏色聚類進行劃分，該方法可以將印 花織物的顏色聚類進行劃分，但是劃分出的聚類圖像中有大量孤立的噪聲點，因此，在聚類 分析之前，借助于一個3X3的中值濾波可以去除部分噪聲，提高印花織物圖像的聚類劃分 效果。
[0090] 在Lab顏色空間下對樣品的印花織物圖像進行顏色劃分的效果要優于RGB顏色空 間下印花織物的顏色聚類劃分，特別當紗線之間具有相似的亮度值、不同的色調值時，例如 綠色紗線和白色紗線，它們在RGB顏色空間下很難被分割，但是在Lab空間下具有較好的聚 類劃分效果。同時，印花織物圖像經過5 X 5模板尺寸的中值濾波處理后的顏色聚類劃分效 果，比經過3X3模板尺寸的中值濾波處理后的顏色聚類劃分效果更好，可以去除更多的邊 緣噪聲。
[0091] 傳統的顏色空間是由色調，飽和度和亮度構成，但是人們很難在RGB和HSL空間下 對顏色進行準確地識別。在本發明中，提出一種Lab顏色空間（如圖3所示），與傳統的顏色空 間相比，Lab顏色空間的色域更大，更接近于人類的視覺感應，與RGB顏色空間的不均勻分布 相比，它致力于感知的均勻性。Lab空間中的L分量表示亮度，a和b分量表示顏色的對立維 度，因此，可以將L分量作為亮度區分的標準，將a和b的分量作為顏色評價的標準。
[0092]圖4是3X3、13X 13模板尺寸的中值濾波處理效果對比圖，通過該圖，可以看出，經 過中值濾波處理后，印花織物圖像表面的毛羽和細小纖維被成功去除，同時顏色信息得到 了有效的保存。
[0093]上述各實施方式是實現本發明的具體實施例，本領域的普通技術人員可以理解， 而在實際應用中，可以在形式上和細節上對其作各種改變，而不偏離本發明的精神和范圍。
【主權項】
1. 一種印花織物的顏色聚類分析裝置，其特征在于，包括織物夾具； 所述織物夾具的包括相互夾持的兩塊夾持板，所述夾持板的表面設有校準色塊;所述 織物夾具的表面靠近圖像采集裝置的采集端，所述圖像采集裝置與圖像分析裝置相連接。2. 根據權利要求1所述的印花織物的顏色聚類分析裝置，其特征在于，所述校準色塊為 24色校準色塊。3. 根據權利要求1所述的印花織物的顏色聚類分析裝置，其特征在于，所述夾持板之間 通過相互匹配的磁鐵吸附夾持。4. 一種印花織物的顏色聚類分析方法，其特征在于，包括W下步驟： 51、 將RGB空間下的印花織物圖像分解為R、G、BS個顏色通道內的子圖像； 52、 去除子圖像表面的噪聲； 53、 將去除噪聲后的Ξ個子圖像重構成一幅圖像； 54、 根據采集到的校準色塊顏色信號校準顏色數據； 55、 將校準后的子圖像從RGB顏色空間轉換到Lab顏色空間； 56、 對印花織物的顏色聚類進行劃分。5. 根據權利要求4所述的印花織物的顏色聚類分析方法，其特征在于，所述步驟S2中， 通過中值濾波的方式去除圖像噪聲。6. 根據權利要求5所述的印花織物的顏色聚類分析方法，其特征在于，所述中值濾波的 方式采用13 X 13的中值濾波模板。7. 根據權利要求4所述的印花織物的顏色聚類分析方法，其特征在于，所述步驟S4中， 通過將R、G、B各個分量乘W -個顏色校正矩陣，獲得校正之后的圖像。8. 根據權利要求7所述的印花織物的顏色聚類分析方法，其特征在于，所述顏色校正矩 陣為9. 根據權利要求4所述的印花織物的顏色聚類分析方法，其特征在于，所述步驟5具體 包括W下步驟： 55.1、 將圖像從RGB顏色空間轉換到別Z顏色空間； 55.2、 根據XYZ顏色空間的織物圖像轉換為Lab顏色空間的織物圖像； 其中，所述步驟S5.1具體包括W下步驟： 55.11、 將R、G、B的值除W 255，分別得到ro、go、bo的值； 55.12、 將ro、go、b日的值分別與0.04045比較，若r〇〉0.04045，奶§則旨 b 0〉0 . 0 4 0 4 5，貝IJS5.13、通j得到別Z顏色空間的織物圖像； 所述步驟S5.2具體包括W下步驟： S 5 . 2 1、將 X、Y、Z 分別與 0 . 0 0 8 8 5 6 相比較，若 X〉0 . 0 0 8 8 5 6，則 X _ ，否則若 Z〉0.008856,貝 IJ 巧，否則S5.22、通過，得到Lab顏色空間的織物圖像。10.根據權利要求4所述的印花織物的顏色聚類分析方法，其特征在于，所述步驟S6通 過自適應K均值聚類劃分法對印花織物的顏色聚類進行劃分;所述自適應K均值聚類劃分法 包括W下步驟： 56.1、 確定選取出集合的數量kW及每個集合內的數據數量η; 56.2、 尋找數據樣本集中距離最近的兩個數據對象，構成一個數據對象集合Ρ1， 56.3、 從集合U中剔除所述數據對象集合Ρ1; 56.3、 計算選取出的集合Ρ1中每一個數據對象與去除所述集合Ρ1的集合U中每一個數 據對象的距離，找出在集合U中與Ρ1最近的數據對象，將該數據對象加入所述集合Ρ1中； 56.4、 重復所述步驟S6.3，直至所述集合Ρ1中數據對象為η個； 56.5、 重復所述步驟S6.2至S6.4，直至得到k個數據對象集合； 56.6、 對k個所述數據對象集合作算數平均，得到k個初始聚類； 56.7、 從數據對象集合中η個對象作為初始聚類中屯、:Zi (1)，Z2(1)，…，Zn( 1); 56.8、 根據數據對象集合中的元素與運些聚類中屯、的距離，分別將它們分配給與其最 相似的聚類； 86.9、 計算每個所獲得的新聚類的聚類中屯、2。(11+1)^ = 1，2，-，，11，直到聚類(：^4)中所 有元素到新的聚類中屯、的距離平方和達到最小值； 56.10、 若Zj (n+1) = Zj (η)，那么迭代的過程將停止，否則重復所述步驟S6.8和S6.9，直 到每個聚類不再發生變化為止； 其中，所述集合U為圖像中所有像素點組成的集合。
【文檔編號】G06K9/62GK105844676SQ201610172669
【公開日】2016年8月10日
【申請日】2016年3月24日
【發明人】辛斌杰, 劉曉霞, 林蘭天, 吳湘濟
【申請人】上海工程技術大學