印花织物的颜色聚类分析装置及方法
【专利摘要】本发明提供了一种印花织物的颜色聚类分析装置和方法，该装置包括一套包含24种颜色的校准色块的印花织物样品夹具，利用扫描仪采集印花织物的反射光图像；之后利用安装有分析软件的计算机对印花织物的颜色进行分割，利用中值滤波对印花织物图像进行预处理后，再通过24种颜色的校准色块的信息对印花织物图像进行颜色校准，并将其图像从RGB颜色空间转换到Lab颜色空间；最终借助于自适应K均值聚类算法对颜色进行分割，得到不同颜色的花纹子图案。
【专利说明】
印花织物的颜色聚类分析装置及方法
技术领域
[0001] 本发明涉及自动识别技术领域，特别涉及了一种印花织物的颜色聚类分析装置以 及方法。
【背景技术】
[0002] 印花织物因其具有独特华丽的颜色和极其丰富的图案，从它被开发出来就深受大 众的喜爱。作为后续染料染色和打板成型前的重要步骤，颜色分割扮演着印花织物生产和 分析过程中不可缺少的角色。传统的印花织物颜色分割是通过光学显微镜来完成，不仅耗 费时间和劳动力，而且容易受到人为主观因素的影响，颜色划分的效果不够理想。近年来， 随着计算机技术的快速发展，织物纹理和性能客观评价技术的发展日新月异，其中，基于图 像分析和人工智能的方法可以用于对印花织物进行颜色聚类的划分，从而避免冗余计算。
[0003] 国内外的研究人员针对印花织物颜色分割的问题做了大量研究，一般来说可以分 为两类:基于无监督聚类的方法和基于有监督聚类的方法。前者主要利用模糊C均值聚类的 方法，在不同的颜色空间下对印花织物的颜色聚类进行划分，但是其算法的实现过程较为 复杂，鲁棒性不高；后者利用神经网络，结合遗传算法、直方图分割法或主成分分析法对印 花织物的颜色进行分割，但是该方法需要进行大量样本数据的采集和训练，耗费大量时间 和精力。
【发明内容】
[0004] 本发明的目的在于提供一种印花织物的颜色聚类分析方法，通过图像处理技术， 利用不同模板尺寸的中值滤波去除织物图像上的噪声，在Lab空间借助于K均值聚类算法对 印花织物图像进行颜色聚类的划分，从而获得色纱的种类和数目。
[0005] 为实现以上目的，本发明提供了一种印花织物的颜色聚类分析装置，包括织物夹 具；
[0006] 织物夹具的包括相互夹持的两块夹持板，夹持板的表面设有校准色块;织物夹具 的表面靠近图像采集装置的采集端，图像采集装置与图像分析装置相连接。
[0007] 作为优选的，校准色块为24色校准色块。
[0008] 作为优选的，夹持板之间通过相互匹配的磁铁吸附夹持。
[0009] 本发明还提供了一种印花织物的颜色聚类分析方法，包括以下步骤：
[0010 ] S1、将RGB空间下的印花织物图像分解为R、G、B三个颜色通道内的子图像；
[0011] S2、去除子图像表面的噪声；
[0012] S3、将去除噪声后的三个子图像重构成一幅图像；
[0013] S4、根据采集到的校准色块颜色信号校准颜色数据；
[0014] S5、将校准后的子图像从RGB颜色空间转换到Lab颜色空间；
[0015] S6、对印花织物的颜色聚类进行划分。
[0016] 作为优选的，步骤S2中，通过中值滤波的方式去除图像噪声。
[0017]作为优选的，中值滤波的方式采用13 X 13的中值滤波模板。
[0018] 作为优选的，步骤S4中，通过将R、G、B各个分量乘以一个颜色校正矩阵，获得校正 之后的图像。
[0019] 作为优洗的，颜色持TH矩阵为 [0020；
[0021]作为优选的，步骤5具体包括以下步骤：
[0022] S5.1、将图像从RGB颜色空间转换到XYZ颜色空间；
[0023] S5.2、根据XYZ颜色空间的织物图像转换为Lab颜色空间的织物图像；
[0024]其中，步骤S5.1具体包括以下步骤：
[0025] S5 · 11、将R、G、B的值除以255，分别得到ro、go、bo的值；
[0028] 步骤S5.2具体包括以下步骤：
[0031]作为优选的，步骤S6通过自适应K均值聚类划分法对印花织物的颜色聚类进行划 分；自适应K均值聚类划分法包括以下步骤：
[0032] S6.1、确定选取出集合的数量k以及每个集合内的数据数量η;
[0033] S6.2、寻找数据样本集中距离最近的两个数据对象，构成一个数据对象集合Pl，
[0034] S6.3、从集合U中剔除数据对象集合Pl;
[0035] S6.3、计算选取出的集合Pl中每一个数据对象与去除集合Pl的集合U中每一个数 据对象的距离，找出在集合U中与Pl最近的数据对象，将该数据对象加入集合Pl中；
[0036] S6.4、重复步骤S6.3，直至集合Pl中数据对象为η个；
[0037] S6.5、重复步骤S6.2至S6.4，直至得到k个数据对象集合；
[0038] S6.6、对k个数据对象集合作算数平均，得到k个初始聚类；
[0039] S6.7、从数据对象集合中η个对象作为初始聚类中心:Z1 (I)，Z2(1)，…，Zn( 1);
[0040] S6.8、根据数据对象集合中的元素与这些聚类中心的距离，分别将它们分配给与 其最相似的聚类；
[0041 ] S6.9、计算每个所获得的新聚类的聚类中心Zn(n+1)，j = 1，2，…，η，直到聚类Cj(k) 中所有元素到新的聚类中心的距离平方和达到最小值；
[0042] S6.10、若Zj(n+l)=Zj(n)，那么迭代的过程将停止，否则重复步骤S6.8和S6.9,直 到每个聚类不再发生变化为止；；
[0043] 其中，所述集合U为图像中所有像素点组成的集合。
[0044] 在本发明中，该装置包括一套包含24种颜色的校准色块的印花织物样品夹具，利 用扫描仪采集印花织物的反射光图像;之后利用安装有分析软件的计算机对印花织物的颜 色进行分割，利用中值滤波对印花织物图像进行预处理后，再通过24种颜色的校准色块的 信息对印花织物图像进行颜色校准，并将其图像从RGB颜色空间转换到Lab颜色空间；最终 借助于自适应K均值聚类算法对颜色进行分割，得到不同颜色的花纹子图案。特别是，通过 13 X 13模板尺寸的中值滤波处理后，印花织物图像表面的毛羽和细小纤维被成功去除，同 时颜色信息得到了有效的保存。
【附图说明】
[0045] 图1为本发明中印花织物的颜色聚类分析装置中的织物夹具示意图。
[0046] 图2为本发明中印花织物的颜色聚类分析方法的流程框图。
[0047]图3为本发明中3 X 3中值滤波示意图。
[0048]图4为本发明中3 X 3、13 X 13模板尺寸的中值滤波处理效果。
【具体实施方式】
[0049] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实 施方式进行详细的阐述。
[0050] 图1是印花织物的颜色聚类分析装置，它主要包括三个部分：1) 一台高分辨率的平 板式扫描仪（图像采集装置的一种），用来采集印花织物的反射光图像;2) -台装有图像分 析软件的电脑（图像分析装置的一种），用来分析和处理采集到的图像;3) -套特定的样品 夹具，不仅可以用来夹持印花织物样品，其上下夹板由四个条形磁铁连接而成;而且其表面 设有可以用来进行颜色校准的校准色块，其颜色色卡由24个不同颜色的方块组成。
[0051 ]在本实施方式中，平板式扫描仪的型号是爱普生V700PH0T0,扫描分辨率为 1200dpi。为了减少程序运行所需的时间，提高颜色分割的效率，首先要将采集得到的原始 印花织物图像分解成若干个子图像，利用自适应K均值聚类算法对印花织物子图像的颜色 进行分割，得到不同的聚类，然后利用图像重构，将不同的子图像的颜色聚类进行合并，从 而完成原始图像的颜色聚类划分。
[0052]使用时，利用该织物夹具夹住织物，仅需要将夹有织物的夹具的两面放置在扫描 仪上分别扫描，即可采集到织物的图像。
[0053]通过在织物上设置24色的校准色块，使得本发明在采集到织物的图像后，能够根 据校准色块对颜色进行校对，使采集到的织物颜色更接近真实的颜色，减小采集图像的色 差。
[0054] 本实施方式还提供了一种印花织物的颜色聚类分析方法，首先对印花织物图像进 行图像分解，得到红色、绿色和蓝色三个颜色通道内的印花织物子图像，并对三个子图像分 别进行中值滤波处理;接着将滤波后的子图像进行图像重构，得到RGB空间下滤波后的印花 织物图像，并对图像进行颜色校准和颜色空间转换，从而得到Lab颜色空间下的印花织物图 像;最后借助于自适应K均值聚类算法对印花织物图像进行颜色分割，得到不同颜色的花纹 子图案，其具体的算法执行流程图如图2所示。
[0055] 在数字图像处理领域，一张彩色图像被看做是一个三维的数字矩阵，其中每一个 像素点都由R(红色）、G(绿色）、B(蓝色)三个颜色值叠加而成，每个颜色值的取值范围都为0 ~255。所以可以将图片分解为三个分别只含R值，G值，B值的子图像，分别被称为红色通道 子图像，绿色通道子图像，蓝色通道子图像。
[0056]将图像分解为三个颜色通道的子图像，是图像处理中的基本处理方法，应用广泛， 在此不再叙述。
[0057]通常情况下，由于织物表面的毛羽和光照的不均匀，会造成织物图像采集时噪声 的出现，本发明采用二维中值滤波的方法去除图像噪声，达到增强图像质量的效果，以便提 高颜色分析的准确率。
[0058]二维中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技 术，其基本原理是把数字图像中一点的值用该点的一个邻域中各点值的中值代替，让周围 的像素值接近的真实值，从而消除孤立的噪声点。选取一个3 X 3模板尺寸的中值滤波为例， 如图3所示，假设f(x，y)表示原始灰度图像，g(x，y)表示中值滤波后的图像，原始灰度图像 中某一个像素点的灰度值为192,其相邻的八个像素点的灰度值为0,32，64,96,128,160， 225和255，利用中值滤波进行处理后，该像素点的灰度值变为128。13 X 13模板尺寸的中值 滤波亦是如此，将169个像素的灰度值求和，最终除以169,得到该像素点的灰度值。
[0059] 中值滤波是用来去除图片中的噪音，其所用到的滤波尺寸模板大小有3X3,5X5， 7X7，9X9，13X 13等。模板尺寸越大，去除噪首的效果越好，但是相对的去噪之后的图片清 晰度也会越低，在利用不同模板尺寸的中值滤波对印花织物图像进行处理过程中，发现13 X 13的模板对噪声去除和颜色信息保留效果最佳，因此，在本实施方式中选取13X13模板 处理印花织物图像的噪音，印花织物图像表面的毛羽和细小纤维被成功去除，同时颜色信 息得到了有效的保存。
[0060] 在获取了印花织物滤波后的图像后，考虑到扫描仪部分的硬件实现，其在图像采 集和传输过程中可能出现颜色失真现象，故使用颜色校正矩阵对印花织物的颜色进行校 正。对于同一批印花织物样品，其颜色校正矩阵近似相等，可将原始图像的R、G、B各个分量 乘以一个颜色校正矩阵M，从而获得校正之后的图像。具体公式如下：
[0061]
[0062]其中，R'、G'、B'是经过颜色校准之后织物图像中每个像素三个颜色通道分量的 值，R、G、B是颜色校准之前每个像素的颜色分量值，矩阵M是颜色校正矩阵。
[0063]由于颜色校准在自动白平衡之后进行的，其颜色校正矩阵需满足三个约束条件：
[0064] 1)要求图像中原先是白色或灰色点的区域，经过颜色校准后仍然是白色或灰色， 即保证矩阵每行元素之和相等，如下方公式所示。其中k为常数，其默认值为1;
[0065]
[0066] 2)颜色校正矩阵的主对角线元素接近于1，使颜色校准过程基于本通道的颜色分 量进行调节；
[0067] 3)保证非主对角线元素尽量接近0,以减小不同通道颜色之间的相互影响。推导过 程中的约束条件为-(1〈&1」〈(1，（1矣」），其中(1 = 0.5，即要求矩阵的非主对角线元素的值处在 一个约束范围之内，以减少不同通道内的串扰。
[0068]根据以上三个约束条件，推导出颜色校正矩阵为：
[0069]
[0070] 为了使色差更符合人眼视觉特性，同时避免颜色校准对于白平衡的影响，本章提 出一种基于Lab颜色空间的颜色校准方法，因其颜色是独立于设备之外的颜色模式，不会受 到硬件性能和特性的影响，故此处将RGB颜色空间转换到Lab颜色空间，因为采集到的印花 织物图像是RGB图像，故要将织物图像从RGB颜色空间转换到Lab颜色空间进行颜色聚类划 分，其具体的转换过程如下：
像。
[0074] 在获取了 XYZ颜色空间的织物图像后，可将织物图像继续进行转换，最终得到Lab 颜色空间的织物图像，其具体过程如下：
[0075] (1)假如Χ>0·008856,那
> 类似地，利用该方法对 Y和Z分量进行处理，从而得到y、ζ;
[0076] (2)通：
，得到Lab颜色空间的织物图像。
[0077]实现了上述转换过程后，织物图像从RGB颜色空间转换到Lab颜色空间，L分量的取 值分布在[0，100]范围内，a、b分量的取值分布在[-128，+127]范围内。
[0078]在K均值算法中，选择不同的初始聚类中心会产生不同的聚类结果，如果初始聚类 中心选取不当，算法的聚类结果可能会陷入局部最优解，从而得不到较好的聚类效果。在本 发明中，提出一种自适应K均值聚类算法，寻找与数据在空间分布上尽可能一致的初始聚类 中心，其初始聚类中心的选择采取以下步骤：
[0079] 1、寻找数据样本集中距离最近的两个数据对象，将它们构成一个数据对象集合 Pi，并将选取出的数据对象集合从集合U中去除；
[0080] 2、计算选取出的集合Pi中每一个数据对象与去除集合Pi后的集合U中每一个数据 对象的距离，找出在集合U中与Pi中最近的数据对象，并将它一并纳入集合Pi，然后同时从集 合U中去除，如此循环，直到Pi中的数据对象个数达到规定的η个；
[0081] 3、继续从集合U中寻找距离最近的两个数据对象，将它们构成另一个集合P2，重复 以上的步骤，直到形成k个数据对象集合；
[0082] 4、对已经形成的k个数据对象集合进行算术平均处理，从而得到k个初始聚类中 心。
[0083]在确定了初始聚类中心后，采用K均值聚类算法进行图像颜色聚类的划分。它是典 型的基于原型的目标函数聚类方法的代表，将数据点到原型的欧氏距离作为优化的目标函 数，利用函数求极值的方法得到迭代运算的调整规则。
[0084]本发明选取包含三种不同颜色纱线的印花织物作为研究对象，利用K均值聚类的 方法将其划分成不同的聚类，具体的步骤如下：
[0085] (1)从数据对象集合中任意选取k个对象作为初始聚类中心：Z1 (I)，Z2 (1)，…，Zn ⑴；
[0086] (2)在第k阶迭代算法步骤内，根据数据对象集合中的元素与这些聚类中心的距 离，分别将它们分配给与其最相似的聚类，如果I |x-Zj(n)| |<| |x-Zl(n)| I，那么XeCj(n)， 对所有的i = l，2,…，n，i矣j都成立，其中zj(n)是聚类Cj(n)的聚类中心；
[0087] (4)计算每个所获得的新聚类的聚类中心。(11+1)，」=1，2，一，11，直到聚类(^(11)中 所有元素到新的聚类中心的距离平方和达到最小值，新的聚类中心可以表示为
'"，n，其中，Nj是聚类〇)中元素的数目；
[0088] (5)对j = l，2,…，η而言，如果Zj(n+l) = Zj(n)，那么迭代的过程将停止，否则不断 循环(3)到(4)过程，直到每个聚类不再发生变化为止。
[0089] 在Lab空间下，利用K均值聚类算法对样品的颜色聚类进行划分，该方法可以将印 花织物的颜色聚类进行划分，但是划分出的聚类图像中有大量孤立的噪声点，因此，在聚类 分析之前，借助于一个3X3的中值滤波可以去除部分噪声，提高印花织物图像的聚类划分 效果。
[0090] 在Lab颜色空间下对样品的印花织物图像进行颜色划分的效果要优于RGB颜色空 间下印花织物的颜色聚类划分，特别当纱线之间具有相似的亮度值、不同的色调值时，例如 绿色纱线和白色纱线，它们在RGB颜色空间下很难被分割，但是在Lab空间下具有较好的聚 类划分效果。同时，印花织物图像经过5 X 5模板尺寸的中值滤波处理后的颜色聚类划分效 果，比经过3X3模板尺寸的中值滤波处理后的颜色聚类划分效果更好，可以去除更多的边 缘噪声。
[0091] 传统的颜色空间是由色调，饱和度和亮度构成，但是人们很难在RGB和HSL空间下 对颜色进行准确地识别。在本发明中，提出一种Lab颜色空间（如图3所示），与传统的颜色空 间相比，Lab颜色空间的色域更大，更接近于人类的视觉感应，与RGB颜色空间的不均匀分布 相比，它致力于感知的均匀性。Lab空间中的L分量表示亮度，a和b分量表示颜色的对立维 度，因此，可以将L分量作为亮度区分的标准，将a和b的分量作为颜色评价的标准。
[0092]图4是3X3、13X 13模板尺寸的中值滤波处理效果对比图，通过该图，可以看出，经 过中值滤波处理后，印花织物图像表面的毛羽和细小纤维被成功去除，同时颜色信息得到 了有效的保存。
[0093]上述各实施方式是实现本发明的具体实施例，本领域的普通技术人员可以理解， 而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
【主权项】
1. 一种印花织物的颜色聚类分析装置，其特征在于，包括织物夹具； 所述织物夹具的包括相互夹持的两块夹持板，所述夹持板的表面设有校准色块;所述 织物夹具的表面靠近图像采集装置的采集端，所述图像采集装置与图像分析装置相连接。2. 根据权利要求1所述的印花织物的颜色聚类分析装置，其特征在于，所述校准色块为 24色校准色块。3. 根据权利要求1所述的印花织物的颜色聚类分析装置，其特征在于，所述夹持板之间 通过相互匹配的磁铁吸附夹持。4. 一种印花织物的颜色聚类分析方法，其特征在于，包括W下步骤： 51、 将RGB空间下的印花织物图像分解为R、G、BS个颜色通道内的子图像； 52、 去除子图像表面的噪声； 53、 将去除噪声后的Ξ个子图像重构成一幅图像； 54、 根据采集到的校准色块颜色信号校准颜色数据； 55、 将校准后的子图像从RGB颜色空间转换到Lab颜色空间； 56、 对印花织物的颜色聚类进行划分。5. 根据权利要求4所述的印花织物的颜色聚类分析方法，其特征在于，所述步骤S2中， 通过中值滤波的方式去除图像噪声。6. 根据权利要求5所述的印花织物的颜色聚类分析方法，其特征在于，所述中值滤波的 方式采用13 X 13的中值滤波模板。7. 根据权利要求4所述的印花织物的颜色聚类分析方法，其特征在于，所述步骤S4中， 通过将R、G、B各个分量乘W -个颜色校正矩阵，获得校正之后的图像。8. 根据权利要求7所述的印花织物的颜色聚类分析方法，其特征在于，所述颜色校正矩 阵为9. 根据权利要求4所述的印花织物的颜色聚类分析方法，其特征在于，所述步骤5具体 包括W下步骤： 55.1、 将图像从RGB颜色空间转换到別Z颜色空间； 55.2、 根据XYZ颜色空间的织物图像转换为Lab颜色空间的织物图像； 其中，所述步骤S5.1具体包括W下步骤： 55.11、 将R、G、B的值除W 255，分别得到ro、go、bo的值； 55.12、 将ro、go、b日的值分别与0.04045比较，若r〇〉0.04045，奶§则旨 b 0〉0 . 0 4 0 4 5，贝IJS5.13、通j得到別Z颜色空间的织物图像； 所述步骤S5.2具体包括W下步骤： S 5 . 2 1、将 X、Y、Z 分别与 0 . 0 0 8 8 5 6 相比较，若 X〉0 . 0 0 8 8 5 6，则 X _ ，否则若 Z〉0.008856,贝 IJ 巧，否则S5.22、通过，得到Lab颜色空间的织物图像。10.根据权利要求4所述的印花织物的颜色聚类分析方法，其特征在于，所述步骤S6通 过自适应K均值聚类划分法对印花织物的颜色聚类进行划分;所述自适应K均值聚类划分法 包括W下步骤： 56.1、 确定选取出集合的数量kW及每个集合内的数据数量η; 56.2、 寻找数据样本集中距离最近的两个数据对象，构成一个数据对象集合Ρ1， 56.3、 从集合U中剔除所述数据对象集合Ρ1; 56.3、 计算选取出的集合Ρ1中每一个数据对象与去除所述集合Ρ1的集合U中每一个数 据对象的距离，找出在集合U中与Ρ1最近的数据对象，将该数据对象加入所述集合Ρ1中； 56.4、 重复所述步骤S6.3，直至所述集合Ρ1中数据对象为η个； 56.5、 重复所述步骤S6.2至S6.4，直至得到k个数据对象集合； 56.6、 对k个所述数据对象集合作算数平均，得到k个初始聚类； 56.7、 从数据对象集合中η个对象作为初始聚类中屯、:Zi (1)，Z2(1)，…，Zn( 1); 56.8、 根据数据对象集合中的元素与运些聚类中屯、的距离，分别将它们分配给与其最 相似的聚类； 86.9、 计算每个所获得的新聚类的聚类中屯、2。(11+1)^ = 1，2，-，，11，直到聚类(：^4)中所 有元素到新的聚类中屯、的距离平方和达到最小值； 56.10、 若Zj (n+1) = Zj (η)，那么迭代的过程将停止，否则重复所述步骤S6.8和S6.9，直 到每个聚类不再发生变化为止； 其中，所述集合U为图像中所有像素点组成的集合。
【文档编号】G06K9/62GK105844676SQ201610172669
【公开日】2016年8月10日
【申请日】2016年3月24日
【发明人】辛斌杰, 刘晓霞, 林兰天, 吴湘济
【申请人】上海工程技术大学