织物皱摺的自动评级方法 本发明涉及一种织物皱摺的自动评级方法，特别是一种用电脑影象对织物皱摺的自动评极方法。
对服装工业而言，织物表面的皱摺程度对其成型后服装的美观性有相当大的影响，经过水洗之后所呈现的皱摺的检测是很重要的。在纺织品检测项目中的皱摺外观评级，一般必须动用三名受过专业训练的检测人员，分别将待测试样与标准比对样板一一比对之后，由主观的评极结果平均而得到较为客观的结果。
人工比对方式有若干缺点，如：
(一)必须动用三名人力不断的抽换标准比对样板与待测试样作比对，造成人力资源的浪费。
(二)必须提供具有良好照明的评级室，浪费空间。
(三)可能因为人工的疏忽或外在环境的影响(如当时检测人员地心情、观测的远近、周围光源的明暗程度等)造成差别的失误。
本发明的目的在于提供一种影象自动评级技术，以降低检测单位硬件耗费的成本，缩短人员训练时间。
为达到上述目的，本发明采取如下措施：
本发明的织物皱摺的自动评级方法，其特征在于，包括如下步骤：
a.利用扫描器将待测样本织物的皱折扫描为显示影象；
b.经影象预处理突出显示皱折影象，即抽取特征；
c.量化影象数据；
d分析其线性度及偏离值特征；
e.利用分类差别方程式，判定织物影象的等级。
所述的方法，其特征在于，所述影象预处理是使用灰阶程度化、排序化、均值化、模糊化等影象处理技术。
所述的方法，其特征在于，所述影象数据量化是使用立体纵剖分析与偏离值分析技术和统计方法。
结合附图及实施例对本发明的具体技术特征详细说明如下：
附图说明：
图1：本发明的设备装置示意图。
图2：利用本发明的方法进行操作时的显示示意图。
图3A、3B：分别为本发明的均匀光线与曝光状态的扫描影象比较图。
图4：本发明的均值化分析结果示意图。
图5：本发明的模糊化处理结果示意图。
图6：本发明的织物纵切面分析结果示意图。
图7：本发明的差别方程式示意图。
图8：本发明的皱摺影象自动评级系统的流程图。
请先参阅图1，其为本发明的装置示意图，本发明所涉及的装置包括一扫描器1、连接于一电脑主机2，可将试样织物4的影象扫描于屏幕3上显示，由于利用扫描器1作为影象输入装置，故可有效地控制固定光源，改善使用摄影机不能控制良好环境光源的缺点。在使用前，先利用标准样本做为比对样板，将数据储存于存储器内，而测试样本以经过水洗后的单色织物为主。其样本的扫描以约15°倾斜角度进行。
有关软件的操作如图2所示，其表示如下内容：
(1)被辩织物显示区：当影象由扫描器扫描后显示于“被辩织物显示区”。
(2)图形操作区：操作“图形操作区”上的小图示，可将待测织物影象放大或缩小。
(3)比例尺：经由调整比例尺上的调整钮，可控制待测织物影象的大小。
(4)标准样本显示区：标准样本显示区可将相对应于待测织物等级的标准样本影象显示于此。
(5)被辩识物结果显示器：操作“被辩识物显示区”上的小图示，可以观察详细的量化数据。
本发明的主要工作是要将纵扫描以得的影象经由影象处理的方式将其量化，而后再依据量化的数据来做出正确客观的评级；因此，在相关理论的应用方面，主要可分为两个部分，即“影象量化”与根据“评级”的相关理论得出结果。
当从扫描器取得影象后，皱摺特微还不是非常的明显，另由于织物本身具有其独特的织品纹理，也会因此影响到量化数据的正确性，故在量化之前，必须先对影象做预处理，以凸显皱摺特征并去除不必要的杂讯(如织物的纹理)；在本发明中，以灰阶程度化(Histogram)、排序化(Posterization)、均值化(Equalization)等影象分析技术来增强皱摺的特征，以模糊化(Blurring)的技术去除织物的纹理造成的干扰，最后再以立体纵剖视(3D-Profile)的演算法来将影象量化。详细内容说明如下。
灰阶程度：表示统计整张影象中象素点灰阶值的分布情形。以灰阶值作为X轴的表示单位，以每一个灰阶值的象素点总数作为Y轴的表示单位，绘出该张影象的灰阶程度图形。一般而言，为避免在扫描时所造成的不必要曝光，都希望所用于实验的扫描影象所呈现的Histogram为较完美的波形图象，而不是布满锯齿的波峰。因为Histogram较完美的波形表示扫描过程中光源散布在样本上较为平均，但若为布满锯齿的波形，则表示样本的某一个角落已经曝光。图3表示两者的比较示意图。
其中，没有受到曝光影响的影象(图3A左上角影象所示)，由于扫描光线均匀地分布在整张影象上，故其灰阶程度化(如图3A右下角图形所示)会呈现出较为完美的波形。同时此类影象也能呈现出被扫描物真实的表面。受到曝光影响的影象(如图3B左上角影象所示)，由于扫描光线不均匀地分布在整张影象上，造成影象的某一个角落受光较为强烈，其余部分受光较为少，故其灰阶程度化(Histogram)(如图3B右下角图形所示)会呈现出锯齿状的波形。此类影象无法呈现出被扫描物真实的表面。因此此类影象由于明暗对比过于强烈，导致受曝光影响的明暗程度超过物体本身皱摺所造成的些微明暗对比。
排序化也是将影象的灰阶值从0～255均匀地等分成n个区段，每一个区段取一个灰阶值作为该区段的灰阶值。其目的是将渐进的灰阶值去除，而直接显现出强烈的对比。由于布料皱摺在灯光的照明下会呈现出亮度的渐层效果，因此利用排序化的方法可以把皱摺的部位突显出来。
均值化为灰阶程度化的后续分析工具，主要是将原来灰阶程度化中最黑的灰阶值设定成“Black”，最白的灰阶值设定成“White”，然后其余的中间值等量散布于灰阶值0～255的范围。如图4所示，图4B为灰阶程度化的示意图，图4A为灰阶程度化后又做均值化的处理结果。在本发明中均值化的主要目的是将影象表面的特征突显出来，均值化处理可以使织物的皱摺程度突显出来。
模糊化：待测样本多半是实际的布料，而布料是经过纺织而成的，所以布料的表面都会存在本身的纹路，这样，该布料表面的纹路经过扫描后会对影象分析方法产生相当的影响，如表面的亮度会呈现许多起伏不平的波峰或波谷，同时在分析其3D-Profile时该曲线的直线度也会造成相当大的影响。然而标准样本的材料是纸张，所以并不会有上述的情形发生。为解决布料表面纹路所造成的影响，本发明是运用影象处理技术中的模糊化技术，将布料表面的纹路所造成的影响减少到最低程度。下列的方程式说明了模糊化的运算情形。其中G表示该点的灰阶值。此方程式的主要目的是将影象中的每一点的灰阶值，用一个3×3的掩码(Mask)来求其均值。G=Σi=19xin]]>
图5说明经模糊化处理的结果。我们可以发现物体表面的纹路已经被模糊掉，留下的只是表面皱摺的影象而已。
3-D表面分析(Surface Analysis)是利用每一个象素(x，y，z)的数对，其中x，y表示该象素的位置，而z表示该象素的灰阶值，建构出一个三维空间的座标系统，然后将每一个象素依照座标(x，y，z)绘成3-D Surface，最后再利用三角网格来模拟布料皱摺的程度；然而运用三角网格来作为3D模型化(Modeling)的辩识特征，需耗费CPU许多时间在计算上以及在建立这些三角网格上以模拟被辩识物的表面。如此一来对于本发明将来的商品化程度有不利的影响，所以利用更简便的方法来进行待测织物表面的分析是势在必行的。
3D-分布(3D-Profile)即是用来替代上述3D模型化3D-Surface Modeling)的特征分析法则。3D分布(3D-Profile)特征分析其实就是利用被辩识物体表面的横切面，或纵切面的起伏程度作为分析的依据。也就是说，(x，y，z)的三维空间分析简化为(x，z)或是(y，z)的二度空间分析，其中z值仍然表示被辩识物体表面的亮度灰阶值，而(x，y)则为其横座标与纵座标。图6表示被辩识物体表面的3D分布(3D-Profile)纵切面分析的结果。
经过影象量化的数据只是一堆数字，必须经过整理与统计分析的过程，才能将这些量化数据归纳分类得出评级的方法及评级结果：本发明应用线性度(Linearity)原理将量化数据转化成评级的标准，并建立偏离值(variance)参数作为整个影象的统计数据，以判定函数(decision function)根据线性度(linearity)与偏离值(variance)这两个参数来作出正确的评级。详细内容说明如下：
线性度(Linearity)在图形辩织(Pattern Recognition)中一直都被广泛运用。特别是在关于被辩识物体表面有其线性特性时，如在光学文字辩识中(Optical Character Recognition：OCR)。我们都知道在文字或数字中，常常会有一些笔画为一横或是一坚，如“1”，“一”。在分辩这些数字时，线性度这个特征就可以作为辩识的依据。相当明显的横、竖笔画的线性度比较高，相反的其他笔画的线性度则比较低。而在本发明中，由于我们采用3D分布(3D-profile)的方式来分析待测识物的表面，所以线性度便可以被用来作为被辩识物表面皱摺量化的程度依据。线性度的计算公式表示如下：μx=Σi=1nxin,μy=Σi=1nyin]]>m11=Σi=1n(xi-μx)×(yi-μy)n]]>m20=Σi=1n(xi-μx)2n,m02=Σi=1n(yi-μy)2n]]>其中：Xi，Yi为某组特征值的座标。
μx，μy所有特征值的平均座标。
M11转换常数。
m20，m02分别代表特征值X座标和Y座标的变异数。
偏离值(Variance)是用来计算整个影象的变异数，使影象中象素点xi的值为该点的灰阶值，n为影象中象素点总数，因此变异数表示为：
判定函数(Decition Function)：图7中每一个座标点表示一组特征值，而f1值f2则为辩识法则方程式，因此当测试样本的特征值取得后即可代入f1与f2中，再依据其所得的正负值来判断测试样本所属的类别。下列方程式则可表示成表1的形式；
f1＝a1Var+b1L+c1
f2＝a2Var+b2L+c2
其中：a1、b1、c1、a2、b2、c2为常数。表1 f1(x1，x2…xn) + - + - f2(x1，x2…xn) + - - + 结果 II IV III Ix1，x2分别代表特征参数变异数(Var)和线性度(L)。
依据上述原理，本发明的自动评级方法的流程图如图8所示，其步骤为先由待测样本经由装置扫描以抽取特征，而后分别进行线性度特征分析与变异特征分析，再依据判别方程式分类，得以区别出各种不同评级的结果。
本发明具有如下效果：
(一)可节省人力资源，缩短人员训练时间：
根据本发明的方法，可以将原先需要使用的三名专业检测人员减至一名，此名检测人员只需花极少时间即能学会本发明的操作方法，而不必依赖长期的评级检测训练，因此可以缩短人员训练的时间与成本。
(二)节省成本与节省空间：
本发明的硬件，只需要一台电脑、一部扫描器，且装设容易；因此，可以减低设备成本与节省评级室的空间浪费。
(三)可提高评级的准确性与迅速性
利用本发明的方法对于皱摺外观的评级比起传统的人工式评级方法，更为客观，不会因人为因素而造成不客观的评级结果。