1基于图像分析的净衣效能评定.doc

基于图像分析的 （利用扫描仪采集 AATCC 130—2000 去污等级样照，对8个等级的样照油污区域亮度值与等级关系进行回归分析，拟合得到亮度值去污等级方程。） 1. 1 样照图像亮度计算AATCC 130—2000 的标准洗涤去污等级样照如图1所 示。 图 1 AATCC 130—2000 样照 从 1 级 到 5 级， 试 样 所 沾 油 污 逐 渐减少。因样照图像为彩色，可以根据每个像素点的RGB 分量灰度值，计算出每个像素点的亮度值，公式为 I( i，j) = 0． 177R( i，j) + 0． 813G( i，j) +0． 011B( i，j) ( 1)式中: I 为1 个像素点的亮度值; R、G、B分别为图像分量的灰度值，i、j表示像素点在图像矩阵中的行列坐标。 根据式( 1) ，将扫描的彩色图像转换为亮度图像。若要计算图像中油污区域的亮度值，首先要确定油污区域的边界，将它与非油污区域分开。在亮度图像中，相同区域的亮度值是接近的，而油污区域比非油污区域暗，因此，只要找出图像中亮度值发生突变的4个边界临界值坐标，由这4个坐标即可确定1个矩形。然后由该矩形的短边作为直径，矩形中心作为圆心确定1个圆形的油污区域 。计算该圆形油污区域的亮度均值作为油污区域的亮度值。 油污区域边界的确定: 首先，计算亮度图像每行的亮度值之和，绘出行序列亮度曲线，找出曲线的最低点，即最小值Imin ，然后在 Imin 的两侧，分别找出 ( Ii为第 i 行的亮度值之和， rmin 为 亮 度 之和最小值对应的行序列号) 值为最大时的 2 个行序列号 iL 和 iR ， iL 和 iR 分别对应于油污区域上下边界所在的行序号; 油污区域所在列序列号的计算方法相同。其中，1级洗涤去污样照对应的行序列亮度曲线和列序列亮度曲线如图 2 所示。 按照油污区域边界确定方法， 寻找到油污所在矩形， 然后在矩形内按照矩形短边做内切圆， 计算内切圆中油污区域亮度值。图 1 所示 5 个等级洗涤去污样照的油污区域亮度值与去污等级如表 1 所示。从表中发现， 随着试样洗涤去污等级的增加， 油污区 域亮度值随之增大。其主要原因是样照油污颜色较织物试样深， 随着洗涤次数增加， 油污逐渐去除， 油污污染区域亮度随之增大。1. 2 样照油污区域亮度与等级方程为了消除样照与待评定试样之间的亮度值分布差异，对样照和所有待评定试样油污区域亮度值进行归一化。样照归一化的方法为: 用不同等级亮度值除以第5等级样照的亮度值。拟合去污等级油污区域亮度值方程，通过试验对方程进行检验。样照亮度归一化计算公式为Mi = Ji /J5 ( 2)式中: i 为样照等级， i = 1，2，…，5;Mi 为对应等级的归一化亮度; Ji 为各等级样照油污区域的亮度值; J5 为第5等级样照油污区域的亮度值。计算不同等级样照归 一化后的亮度，结果如表2所示。 使用最小二乘法拟合样照油污区域亮度值与等级方程。最小二乘法是一种数学优化算法。它通过最小化误差的平方和寻找数据的最佳函数匹配。由表2数据，用最小二乘法拟合出去污 等级G与油污区域亮度值Mi 之间的关系为 G = 9.887Mi －5.3134 ( 3)式中 2 个变量之间的相关系数为0.9397，表明归一化后亮度值与对应去污等级之间具有较好的线性关系，其关系曲线如图 3 所示。 由图3可看出，不仅1级以下还有很大的亮度值间距，而且在 1 级与2级、3级与4级之间，亮度值间距也较大，可以在这3个区间各增加1个等级，分别为0. 5、1. 5、 3. 5级，从而将 AATCC 130—2000标准中 5 级评级标准改为 8 级制评级标准。修改为8级制评分标准后，根据式( 3 )计算不同等级对应的归一化亮度值，结果如表3所示。 将去污等级油污区域亮度方程计算的试样洗涤后的去污等级Gs 与表3所示的8个等级值G i 作差， 即 Gs－ Gi 为最小时，Gs 与 Gi 评为同一等级，即为 i 级。 结 论为了客观评定织物洗涤后的去污等级，本文提出了基于图像分析的洗涤去污等级评定方法。根据AATCC 130—2000 样 照 上 油 污 区 域 亮 度 与 等 级 关系，构建了样照油污区域亮度与去污等级方程，通过图像处理可以实现试样洗涤去污等级快速、精确评定。试验研究还发现 AATCC 130—2000 标准的5 级制评定存在着评级点对应亮度分布不均匀，可将5 级制改为8级制评定进行完善。