一种基于数字图案特征的扎染工艺预测方法.pdf

本发明提供一种基于数字图案特征的扎染工艺预测方法，包括如下步骤：通过扫描仪将织物扫描成彩色图像；截取上述彩色图像的中间部分；对截取的图像进行滤波；将滤波后的图像转换为灰度图,并在此图上进行分割，分为染色区域和未完全染色区域；将滤波后图像RGB值转换成HSV值，提取图像染色区域的HSV均值；计算未完全染色区域所占比例；将得到的三个HSV均值和未完全染色区域比例通过BP神经网络模型计算，得到扎染所用染缸转速与染料浓度。本发明基于数字图像处理技术，在HSV色彩空间提取特征量化扎染图案效果，有效扎染区域HSV三分量均值及未完全染色区域比例，进而构建神经网络模型用HSV色彩空间特征量，预测扎染染色浓度与转速，准确率高、预测效果好。

权利要求书
1.  一种基于数字图案特征的扎染工艺预测方法，其特征在于：包括如下步骤：
步骤一：通过扫描仪将织物扫描成彩色图像；
步骤二：截取上述彩色图像的中间部分；
步骤三：对上述截取的图像进行滤波，并将滤波后的图像转换为灰度图；
步骤四：对上述步骤得到的灰度图进行分割，分为染色区域和未完全染色区域；
步骤五：将滤波后RGB值转换成HSV，提取图像染色区域的HSV均值；
步骤六：计算未完全染色区域所占比例；
步骤七：将步骤五得到的三个HSV均值和步骤六得到的未完全染色区域比例通过BP神经网络模型计算，得到扎染所用染缸转速与染料浓度，其中BP神经网络输入单元4个，输出单元2个，代表方差试验中转速与浓度，网络隐含层数目为1，隐层单元数为10。

2.  根据权利要求1所述的一种基于数字图案特征的扎染工艺预测方法，其特征在于：所述扫描得到的图像分辨率为300dpi，所述扫描得到的图像以TIFF格式保存为RGB颜色模型。

3.  根据权利要求1所述的一种基于数字图案特征的扎染工艺预测方法，其特征在于：上述步骤三中的滤波采用中值滤波，所述中值滤波是在图像的RGB的三个通道上进行滤波的。

4.  根据权利要求1所述的一种基于数字图案特征的扎染工艺预测方法，其特征在于：上所述滤波窗口的大小为3*3。

说明书一种基于数字图案特征的扎染工艺预测方法
技术领域
本发明涉及一种纺织图像处理领域，特别涉及一种基于数字图案特征的扎染工艺预测方法。
背景技术
现代扎染是一种手工依赖程度较大，追求色晕、不规则肌理等艺术形式的特殊印染工艺。因其手工或半手工半机械的加工形态，以及其所追求色彩上的不完全渗透美的形式，现代扎染在生产工艺与管理、艺术效果的评价上，相较于常规大工业化染整，独具特殊性。
由于现代扎染工艺本质上的“柔性化”特点使企业在生产时不利于管理，存在过度依赖人工经验、管理粗放等问题；对扎染艺术效果没有定量的评价，长期以来，企业生产打样精准度不高、快速反应不强，阻碍企业的发展。
因此，将扎染效果量化，寻找出图像效果与生产工艺两者间的相互关系，显得极为重要。
发明内容
本发明所要解决的技术问题是克服现有技术中的缺陷，提供一种基于数字图案特征的扎染工艺预测方法，基于数字图像处理技术，在HSV色彩空间提取特征量化扎染图案效果、有效扎染区域HSV三分量均值及扎染未完全染色区域比例，进而构建神经网络模型用HSV色彩空间特征量，预测扎染染色浓度与转速，辅助生产决策。
为解决上述技术问题，本发明提供一种基于数字图案特征的扎染工艺预测方法，包括如下步骤：
步骤一：通过扫描仪将织物扫描成彩色图像；
步骤二：截取上述彩色图像的中间部分；
步骤三：对上述截取的图像进行滤波，并将滤波后的图像转换为灰度图；
步骤四：对上述步骤得到的灰度图进行分割，分为染色区域和未完全染色区域；
步骤五：将滤波后RGB值转换成HSV，提取图像染色区域的HSV均值；
步骤六：计算未完全染色区域所占比例；
步骤七：将步骤五得到的三个HSV均值和步骤六得到的未完全染色区域比例通过BP神经网络模型计算，得到扎染所用染缸转速与染料浓度，其中BP神经网络输入单元4个，输出单元2个，代表方差试验中转速与浓度，网络隐含层数目为1，隐层单元数为10。
作为本发明的进一步改进，扫描得到的图像分辨率为300dpi，扫描得到的图像以TIFF格式保存为RGB颜色模型。
作为本发明的进一步改进，步骤三中的滤波采用中值滤波，所述中值滤波是在图像的RGB的三个通道上进行滤波的。
作为本发明的进一步改进，上所述滤波窗口的大小为3*3。
本发明所达到的有益效果：本发明提供一种基于数字图案特征的扎染工艺预测方法，基于数字图像处理技术，在HSV色彩空间提取特征量化扎染图案效果:有效扎染区域HSV三分量均值及未完全染色区域比例，进而构建神经网络模型用HSV色彩空间特征量，预测扎染染色浓度与转速，准确率高，预测效果好，可以很好的辅助生产决策。
具体实施方式
下面结合本发明的优选实施例作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
一种基于数字图案特征的扎染工艺预测方法,包括如下步骤：
步骤一：通过扫描仪将织物扫描成彩色图像，扫描得到的图像分辨率为300dpi，以TIFF格式保存为RGB颜色模型；
步骤二：截取上述彩色图像的中间部分,该中间部分含有多个单元的图案；
步骤三：对上述截取的图像在RGB三个通道上采用大小为3*3的滤波窗口进行中值滤波；
步骤四：中值滤波后的图像转换为灰度图，采用Otsu方法，根据分割最佳阈值将灰度图分割为染色区域和未完全染色区域，分割最佳阈值的计算公式是：

设灰度图像灰度级是L，则灰度范围为[0,L-1]，当分割阈值为t时，w0为未完全染色区域比例值，u0为未完全染色区域的灰度平均值，w1为染色区域比例值，u1为染色区域的灰度平均值，u为灰度图像上所有像素的灰度平均值，上表达式值最大的t，即为分割灰度图像的最佳阈值；
步骤五：将上述步骤中分割得到的染色区域的RGB值转换成HSV值，提取染色区域的HSV均值，HSV均值公式如下：



其中，W为染色区域像素坐标，N为染色区域像素点数；
步骤六：计算未上染区域所占比例，计算公式为：
Ratio=(M-F)/M
其中，设灰度图像上的所有像素点数为M，染色区域像素点数为F；
步骤七：将步骤五得到的三个HSV均值和步骤六得到的未上染区域比例值通过BP神经网络模型计算，得到两个输出：扎染加工的转速与浓度，其中BP神经网络输入单元4个，输出单元2个，代表方差试验中转速与浓度，网络隐含层数目为1，隐层单元数为10。
对全棉针织汗布进行试验，先将针织汗布扫描成彩色图像，图像分辨率为300dpi，扫描得到的图像以TIFF格式保存为RGB颜色模型；再截取彩色图像中间的一个单元图案，共45张图；将该45张图分别在RGB三个通道上采用大小为3*3的滤波窗口进行滤波，转换成灰度图；然后对灰度图进行分割，将其分为染色区域和未完全染色区域；将滤波后RGB值转换成HSV，提取图像染色区域的HSV均值，通过步骤六中的计算公式计算未完全染色区域所占比例；将45张图中前30张作为训练样本，其三个HSV均值和未完全染色区域比例作为神经网络的输入，相应图的扎染转速与浓度作为输出，设置神经网络训练最佳误差0.001，训练代数5000，第12次训练结果显示130次达到最佳误差，每个值与其目标误差非常小，用训练样本作为测试数据，预测准确率达到100%；最后将剩余15幅图作为测试样本，使用上一步神经网络训练参数，预测其扎染浓度与速度，准确率同样达到100%。
上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。