[发明专利]一种单色紧密织物表面颜色的数字化表征方法

说明书

技术领域

本发明涉及单色紧密织物表面颜色的表征技术，更具体地说，是涉及一种单色紧密织物表面颜色的数字化表征方法。

背景技术

在全球范围内，纺织产业在从设计到生产，再到质检，这个链条的自动化智能化是迎合时代发展的大势所趋，计算机技术和信息技术发展也提供了这样的便利。织物表面质检领域是重点，这个环节到目前为止基本都是耗时，耗材的人工检测，极大制约的整个产业的升级。在织物结构的分析，织物疵点等方面进行了大量研究，取得突出成果。其主要的特点是对将织物转化为数字图像，利用数字图像技术对织物数字图像进行分析，得到相应的布面信息。在对织物表面颜色数字化表征，以及在这基础上进行色差评级的相关研究较少。

国内外学者大部分研究集中于织物数字图像纹理识别和数字图像分割，模式识别等方面。Chung-FengJeffreyKuo,Chung-YangShih等在2005年发表研究论文，文中给出了一种新的自动分析印花织物的花纹和颜色的方法。具体方法包括模糊C均值法（FCM），特定阈值聚类法（SCcriterion）。扫描仪获得数字图像后，经过均值滤波，然后利用FCM和SCcriterion对图像像素点进行聚类，从而计算出图像的纹路和颜色。Chih-YuanKao,Chung-FengJeffreyKuo等人，与2009年，利用小波变换对织物的数字图像进行滤波，采用CIELAB颜色空间表示图像的颜色特征值。然后利用灰度共生矩阵计算出图像中质地结构的特征值。自组织映射神经网络被用于颜色分割操作。RuruPan,WeidongGao等人于2011年亚牛了颜色聚类方法在色织物纹理自动识别中的应用。在实验中，她们利用模糊C均值法将织物的组织点分为两组，利用BP神经网络对织物表面图像进行识别，最后利用灰度共生矩阵提取织物的质地特点。

国内的一些研究中，刘素一、刘晶璟等开展了织物色差的研究，其主要方法是，将印花和单色织物扫描为数字图像，然后截取一定面积织物数字图像，将该面积的RGB值转化到CIELab值后，计算其DE值；对于印花织物，研究采取的方法是对选定的花纹部分进行色差计算，最终利用色差值来评定色差。2008年，黄悦等[5]在阿尔茨海默症海马区显微图像的分割算法研究中，提到了像素点分类和像素点颜色信息分析的方法。研究中，以像素点的RGB值为基础，利用模糊C均值法（FCM）对图片中的像素点进行聚类分析，从而分割图片提取有效部分，利用数学形态学将所需的部分进行除杂与边缘提取。

到目前为止，在利用数字图像处理纺织品质量检测领域的问题中，布面质量和纱线质量的研究比重比较大，表征织物颜色质量方法的探索和制定尚属空白。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种单色紧密织物表面颜色的数字化表征方法，通过计算机处理技术的数字化测色系统对于织物颜色数字化测量和表征。

为达到上述目的，本发明采用如下的技术方案：

一种单色紧密织物表面颜色的数字化表征方法，该数字化表征方法的具体步骤为：

A．对单色紧密织物表面进行数字成像，并对数字成像后的图片的颜色从RGB空间转换到HSI空间，计算整幅图片所有像素点的平均S值以及平均I值；

B．根据步骤A中的平均S值以及平均I值，对该图片进行去除空隙像素点以及去除奇异像素点处理，获得处理后的图片；

C．对于经处理后图片中的像素点的颜色信息作为布面的有效颜色信息，将这些像素点的RGB值进行平均值计算，从而得到这块织物的RGB颜色值。

所述步骤A的具体步骤为：对单色紧密织物表面进行数字成像，对图像进行初始化，将图像分别分解为R、G、B三个分量的二维向量；

将RGB三个分量进行转换运算，得到图像在HSI空间中的S分量的二维向量和I值分量的二维向量，对S、I分量进行平均值计算得到图像的平均S值以及平均I值。

所述步骤B的具体步骤为：若平均S值小于0.15且平均I值小于0.1时，则不对该图片进行处理。

所述步骤B的具体步骤为：若平均S值小于0.15且平均I值大于等于0.1时，则对图像进行去纱线空隙处理。

所述去纱线空隙处理的具体步骤为：利用Sobel算子对图像的R、G、B分量上在图像X轴方向和Y轴方向的进行卷积处理，获得一副梯度图像；