模擬實(shí)際著裝的織物抗皺性測試裝置及方法
【專利摘要】本發(fā)明涉及一種模擬實(shí)際著裝的織物抗皺性測試裝置及方法。本發(fā)明裝置包括關(guān)節(jié)模擬裝置和盒形固定裝置。本發(fā)明方法是將裁剪成規(guī)定尺寸的織物試樣縫合成袖筒,穿在以上裝置上,并將其對折彎曲,在加壓裝置上固定規(guī)定時(shí)間后,取下袖筒并拆除縫合線,并將折皺后的織物試樣放置于掃描儀上掃描獲取織物折皺圖像,并用計(jì)算機(jī)對織物折皺圖像進(jìn)行一系列圖像處理操作,包括:預(yù)處理、彩色圖像灰度化、中值濾波,灰度增強(qiáng)、去噪、利用OTSU進(jìn)行二值化及折皺邊緣檢測。最后提取織物折皺度作為表征織物抗皺能力的評價(jià)指標(biāo)。本發(fā)明節(jié)省了實(shí)際著裝實(shí)驗(yàn)需要耗費(fèi)的大量人力、物力和時(shí)間。具有簡單便捷、仿真效果好等優(yōu)點(diǎn),且具備實(shí)驗(yàn)可重復(fù)性好等有益效果。
【專利說明】 模擬實(shí)際著裝的織物抗皺性測試裝置及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于紡織服裝性能測試領(lǐng)域,尤其涉及一種模擬實(shí)際著裝的織物抗皺性測試裝置及方法。
【背景技術(shù)】
[0002]織物被揉搓擠壓時(shí)發(fā)生塑性彎曲變形而形成折皺的性能,稱為折皺性??椢锏挚勾祟愓郯櫟哪芰ΨQ為抗皺性??拱櫺酝ǔJ侵冈谕饬ψ饔孟庐a(chǎn)生折痕的回復(fù)程度,又稱為折皺(折痕)回復(fù)性??拱櫺灾苯佑绊懣椢锏耐庥^和平整度。常見的測試方法是折皺回復(fù)角法和擰絞法。前者是將織物折疊施壓后測定回復(fù)角度;擰絞法是將織物上下兩邊旋轉(zhuǎn)一周壓縮,除壓放置后評價(jià)折皺等級。這兩種方法都存在一定的問題:前者產(chǎn)生的是單一形態(tài)和方向的直線狀折痕;后者產(chǎn)生類似服裝洗后擰干時(shí)引起的互相平行的斜向折痕。這兩種方法產(chǎn)生的折皺與服裝在實(shí)際穿著過程中產(chǎn)生的折皺有較大的差距,導(dǎo)致其測試結(jié)果不能真實(shí)反映織物在實(shí)際穿著過程中的折皺情況。
【發(fā)明內(nèi)容】
[0003]本發(fā)明的目的在于針對以上織物抗皺性測試中存在的問題,提出一種可以模擬實(shí)際著裝的織物抗皺性測試裝置。眾所周知,服裝在實(shí)際穿著過程中,最容易產(chǎn)生折皺的是運(yùn)動(dòng)頻繁的關(guān)節(jié)部位,如膝蓋、肘部等往往是起皺最嚴(yán)重的區(qū)域。因此,本發(fā)明主要涉及一種可以模擬人體關(guān)節(jié)部位使織物產(chǎn)生折皺的裝置。
[0004]本發(fā)明的上述技術(shù)目的是通過以下技術(shù)方案實(shí)現(xiàn)的:模擬實(shí)際著裝的織物抗皺性測試裝置,包括關(guān)節(jié)模擬裝置和盒形固定裝置,其中關(guān)節(jié)模擬裝置又包括海綿棒、棉花團(tuán)、彈性針織布。
[0005]所述的關(guān)節(jié)模擬裝置由海綿棒、棉花團(tuán)和彈性針織布組成。所述的海綿棒為中間是定型鐵絲,外包彈性海綿材料的棒狀物,數(shù)根海綿棒用細(xì)鐵絲固定,以模擬人體骨骼;所述的棉花團(tuán)填充在用細(xì)鐵絲固定后的海綿棒外層,以模擬人體脂肪;所述的彈性針織布包裹在棉花團(tuán)的外層,以模擬人體有彈性的皮膚。所述的盒形固定裝置用不易變形的材料制成,且?guī)в兄锌盏木匦慰锥矗脕韺澢蟮年P(guān)節(jié)模擬裝置進(jìn)行固定及施壓。
[0006]利用本裝置進(jìn)行織物抗皺性測試的方法為:將裁剪成規(guī)定尺寸的織物試樣縫合成“袖筒”,穿在以上裝置上,并將其對折彎曲,在加壓裝置上固定規(guī)定時(shí)間后,取下“袖筒”并拆除縫合線,并將折皺后的織物試樣放置于掃描儀上掃描獲取織物折皺圖像,并用計(jì)算機(jī)對織物折皺圖像進(jìn)行一系列圖像處理操作,包括:預(yù)處理、彩色圖像灰度化、中值濾波,灰度增強(qiáng)、去噪、利用OTSU (最大類間方差閾值)法進(jìn)行二值化及折皺邊緣檢測。最后提取織物折皺度作為表征織物抗皺能力的評價(jià)指標(biāo)。折皺度越大的織物,做成服裝實(shí)際穿著時(shí)的抗皺能力越差。
[0007]本發(fā)明的有益效果:針對現(xiàn)有的抗皺性測試方法不能表征織物做成服裝后實(shí)際穿著過程中的折皺能力,設(shè)計(jì)一套可模擬實(shí)際著裝的織物抗皺性測試裝置,并通過圖像處理得到反映織物抗皺性的評價(jià)指標(biāo),解決了現(xiàn)有的織物抗皺性測試儀器與方法均不能用來表征織物實(shí)際穿著時(shí)的折皺情況,同時(shí)也節(jié)省了實(shí)際著裝實(shí)驗(yàn)需要耗費(fèi)的大量人力、物力和時(shí)間。具有簡單便捷、仿真效果好等優(yōu)點(diǎn),且具備實(shí)驗(yàn)可重復(fù)性好等有益效果。
[0008]在對織物折皺圖像的處理過程中,采用了一種多尺度自適應(yīng)加權(quán)形態(tài)邊緣提取的算法,解決了利用微分運(yùn)算進(jìn)行邊緣提取的算法抗噪性差的問題(如Sobel算法、Prewitt算法),彌補(bǔ)了利用高斯函數(shù)對原始圖像作平滑或卷積運(yùn)算時(shí)存在的計(jì)算量大、運(yùn)算速度慢等不足(如Log和Canny邊緣提取算法)?!緦@綀D】
【附圖說明】
[0009]圖1關(guān)節(jié)模擬裝置橫截面結(jié)構(gòu)示意圖;
[0010]圖2帶有試樣的測試裝置進(jìn)行固定并施壓的示意圖。
【具體實(shí)施方式】
[0011 ] 以下通過實(shí)施例,并結(jié)合附圖,對本發(fā)明的技術(shù)方案作進(jìn)一步具體說明。
[0012]實(shí)施例:模擬實(shí)際著裝的織物抗皺性測試裝置,包括圖1的關(guān)節(jié)模擬裝置和盒形固定裝置,關(guān)節(jié)模擬裝置又包括海綿棒1、棉花團(tuán)2、彈性針織布3。所述的海綿棒I為中間是定型鐵絲,外包彈性海面材料的直徑約1.5厘米的棒狀物,數(shù)根海綿棒用細(xì)鐵絲固定,以模擬人體骨骼;所述的棉花團(tuán)2填充在用細(xì)鐵絲固定后的海綿棒外層,以模擬人體脂肪;所述的彈性針織布3包裹在棉花團(tuán)的外層,以模擬人體有彈性的皮膚。本實(shí)施例中的關(guān)節(jié)模擬裝置為長20厘米,直徑16厘米。
[0013]所述的盒形固定裝置5用不易變形的材料制成,且?guī)в兄锌盏木匦慰锥?,用來對彎曲后的關(guān)節(jié)模擬裝置4進(jìn)行固定及施壓,如圖2所示。本實(shí)施例中的盒形固定裝置的矩形開口為15厘米長,9厘米寬。
[0014]本發(fā)明中的織物抗皺性測試方法包括以下步驟:
[0015](I)將待測織物熨燙平整后,標(biāo)上經(jīng)向絲縷記號,并裁剪成規(guī)定尺寸(本實(shí)施例中試樣的尺寸為經(jīng)向20cm、緯向18cm的矩形)。
[0016](2)將按要求裁剪的織物試樣沿長度方向?qū)φ?,并?.5厘米的縫頭縫合,形成袖筒形狀。
[0017](3)將袖筒里面向外翻出,使縫頭位于袖筒子里側(cè)。
[0018](4)將袖筒套在關(guān)節(jié)模擬裝置上,并將帶有袖筒的關(guān)節(jié)模擬裝置彎曲對折,彎曲時(shí)使縫頭位于外側(cè)。
[0019](5)將彎曲后的關(guān)節(jié)模擬裝置放置于盒形固定裝置的開口位置,即以固定的角度和壓力對套在關(guān)節(jié)模擬裝置外側(cè)的試樣進(jìn)行施壓。
[0020](6)施壓固定時(shí)間后,取下關(guān)節(jié)模擬裝置,并用剪刀將袖筒的縫線拆除,然后輕輕取下試樣,并輕輕鋪開。
[0021](7)將鋪開后的試樣置于掃描儀上獲取織物折皺圖像,掃描時(shí)要固定且統(tǒng)一對折皺織物的施加壓力。
[0022](8)將織物折皺圖像輸入計(jì)算機(jī),并進(jìn)行預(yù)處理,截取中間折皺最嚴(yán)重的部分,將其切割成規(guī)定尺寸。
[0023](9)對裁剪后的織物折皺圖像進(jìn)行圖像處理,包括:彩色圖像灰度化、中值濾波,灰度增強(qiáng)、去噪、二值化和邊緣檢測等。其中去噪和二值化以及邊緣檢測采用的具體算法為:[0024]去噪:經(jīng)本發(fā)明中的抗皺性檢測裝置產(chǎn)生的織物折皺圖像中斑點(diǎn)噪聲較多,因此采用如下模型進(jìn)行去噪:y(i, j)=x(i, j)*n(i, j)+n0(i, j)
[0025]其中y,x,n, n0分別為含噪聲的圖像,原始干凈圖像,乘性噪聲和加性噪聲。通常加性噪聲的影響比乘性噪聲小很多,可以忽略,因此上式可變?yōu)?logy(i, j) =1gx(i, j)+logn(i, j),然后再采用加性噪聲的方法處理斑點(diǎn)噪聲。
[0026]二值化采用OTSU (最大類間方差閾值法)法進(jìn)行,其中心思想是利用圖像灰度特征從圖中分出前景和背景兩大類。這兩類的類間方差越大,則這兩類差異越大(不管是前景錯(cuò)分為背景還是背景錯(cuò)分給前景都會(huì)使這兩大類的差異變小)。分錯(cuò)的概率越小意味著這兩類的類間方差值越大。在圖像G(x,y)中,假設(shè)T為所求閾值,小于該值的區(qū)域?yàn)槟繕?biāo),大于該值的區(qū)域?yàn)楸尘?,那么,目?biāo)區(qū)域中像素的發(fā)生概率為Q1,灰度平均值為U1,背景像素點(diǎn)發(fā)生概率為ω2,灰度平均值是μ 2,整幅圖像總灰度平均值是μ,類間方差δ\ (0=?)(//t(t)-//)2 +ω2( μX t )-μ?。
[0027]在折皺邊緣檢測的過程中,傳統(tǒng)的邊緣提取算法如Sobel算法、Prewitt算法等由于引入了各種微分運(yùn)算,對噪聲敏感,抗噪性能差,不適合用來檢測織物折皺;利用高斯函數(shù)對原始圖像作平滑或卷積運(yùn)算的Log和Canny邊緣提取算法,又因計(jì)算量大而運(yùn)算速度慢;本發(fā)明中采用一種多尺度自適應(yīng)的邊緣檢測算法,具體步驟為:
[0028]①.取基本有限結(jié)構(gòu)元B,膨脹得到多尺度結(jié)構(gòu)元nB
[0029]ηβ = Β.βΦβ_~_Β (膨脹次數(shù)由圖像分辨率和噪聲多少而定)。
[0030]②.用運(yùn)算得到的多尺度結(jié)構(gòu)元nB分別提取原始圖像在各個(gè)不同尺度下的邊緣信息 EDn (X,y)。
[0031]③.再對所得多尺度邊緣提取圖像進(jìn)行合成運(yùn)算,得到各尺度下的邊緣圖像
f (X,y)。
[0032]
【權(quán)利要求】
1.模擬實(shí)際著裝的織物抗皺性測試裝置,包括關(guān)節(jié)模擬裝置和盒形固定裝置,其特征在于: 所述的關(guān)節(jié)模擬裝置由海綿棒、棉花團(tuán)和彈性針織布組成;所述的海綿棒為中間是定型鐵絲,外包彈性海綿材料的棒狀物,數(shù)根海綿棒用細(xì)鐵絲固定,以模擬人體骨骼;所述的棉花團(tuán)填充在用細(xì)鐵絲固定后的海綿棒外層,以模擬人體脂肪;所述的彈性針織布包裹在棉花團(tuán)的外層,以模擬人體有彈性的皮膚; 所述的盒形固定裝置用不易變形的材料制成,且?guī)в兄锌盏木匦慰锥?,用來對彎曲后的關(guān)節(jié)模擬裝置進(jìn)行固定及施壓。
2.利用上述裝置進(jìn)行織物抗皺性測試方法,其特征在于該方法具體是: (1)將待測織物熨燙平整后,標(biāo)上經(jīng)向絲縷記號,并裁剪成規(guī)定尺寸; (2)將按要求裁剪的織物試樣沿長度方向?qū)φ?,并?.5厘米的縫頭縫合,形成袖筒形狀; (3)將袖筒里面向外翻出,使縫頭位于袖筒子里側(cè); (4)將袖筒套在關(guān)節(jié)模擬裝置上,并將帶有袖筒的關(guān)節(jié)模擬裝置彎曲對折,彎曲時(shí)使縫頭位于外側(cè); (5)將彎曲后的關(guān)節(jié)模擬裝置放置于盒形固定裝置的開口位置,即以固定的角度和壓力對套在關(guān)節(jié)模擬裝置外側(cè)的試樣進(jìn)行施壓; (6)施壓固定時(shí)間后,取下關(guān)節(jié)模擬裝置,并用剪刀將袖筒的縫線拆除,然后輕輕取下試樣,并輕輕鋪開;` (7)將鋪開后的試樣置于掃描儀上獲取織物折皺圖像,掃描時(shí)固定且統(tǒng)一對折皺織物的施加壓力; (8)將織物折皺圖像輸入計(jì)算機(jī),并進(jìn)行預(yù)處理,截取中間折皺最嚴(yán)重的部分,將其切割成規(guī)定尺寸; (9)對裁剪后的織物折皺圖像進(jìn)行圖像處理,包括:彩色圖像灰度化、中值濾波,灰度增強(qiáng)、去噪、二值化和邊緣檢測; (10)經(jīng)過上述圖像處理后提取織物折皺度作為表征織物抗皺能力的評價(jià)指標(biāo),折皺度的表達(dá)式為:PGt~Gf.} η-1 其中Gi為第i,個(gè)像素點(diǎn)的灰度值,蠆為灰度值的平均值,η為總的像素點(diǎn)個(gè)數(shù);織物折皺度數(shù)值越大,表明織物抗皺能力越差,做成服裝實(shí)際穿著時(shí),織物表面越不平整。
3.根據(jù)權(quán)利要求2所述的測試方法,其特征在于:所述的去噪采用如下模型:y (i, j)=x(i, j)*n(i, j)+n0(i, j) 其中y,x,n, n0分別為含噪聲的圖像,原始干凈圖像,乘性噪聲和加性噪聲;通常加性噪聲的影響比乘性噪聲小很多,可以忽略,因此上式可變?yōu)?logy(i, j) =1gx(i, j)+logn(i, j),然后再采用加性噪聲的方法處理斑點(diǎn)噪聲。
4.根據(jù)權(quán)利要求2所述的測試方法,其特征在于:所述的二值化采用最大類間方差閾值法法進(jìn)行,其中心思想是利用圖像灰度特征從圖中分出前景和背景兩大類;這兩類的類間方差越大,則這兩類差異越大;分錯(cuò)的概率越小意味著這兩類的類間方差值越大;在圖像G(x,y)中,假設(shè)T為所求閾值,小于該值的區(qū)域?yàn)槟繕?biāo),大于該值的區(qū)域?yàn)楸尘?,那么,目?biāo)區(qū)域中像素的發(fā)生概率為Q1,灰度平均值為U1,背景像素點(diǎn)發(fā)生概率為ω2,灰度平均值是μ 2,整幅圖像總灰度平均值是μ,類間方差4+%(/((th/d-。
5.根據(jù)權(quán)利要求2所述的測試方法,其特征在于:所述的邊緣檢測采用多尺度自適應(yīng)的邊緣檢測算法,具體步驟為: ①.取基本有限結(jié)構(gòu)元B,膨脹得到多尺度結(jié)構(gòu)元nB η.Β =.ΒΦΒΦ.ΒΦ….Β,膨脹次數(shù)由圖像分辨率和噪聲多少而定; ②.用多尺度結(jié)構(gòu)元nB分別提取原始圖像在各個(gè)不同尺度下的邊緣信息EDn(x,y); ③.再對所得多尺度邊緣提取圖像進(jìn)行合成運(yùn)算,得到各尺度下的邊緣圖像f U,y); ④.對合成的邊緣圖像進(jìn)行二值化,得到最終的邊緣圖像ED(X,y)。
【文檔編號】G01N21/84GK103728307SQ201410022792
【公開日】2014年4月16日 申請日期:2014年1月17日 優(yōu)先權(quán)日:2014年1月17日
【發(fā)明者】劉成霞 申請人:浙江理工大學(xué)