服饰图案的自动寻边切割算法

改进离散人工蜂群算法规划异形满版服饰图案切割路径丁斌;裘建新【摘要】服饰图案切割路径规划是服饰图案自动切割技术的关键部分之一.文中用改进的离散人工蜂群算法实现了激光切割系统对异形满版服饰图案的切割工艺路径规划优化.首先,把满版服饰图案激光切割路径规划转化为广义旅行商问题求解,证明了路径规划转化成普通TSP问题比转化成第一类广义TSP问题更为有效,并给出了路径规划中“图案始切割点”的优化选择方法.然后结合部分匹配交叉和启发式变异搜索方法的人工蜂群算法求解TSP问题,证明了与A*算法及遗传算法相比,该方法更为优越.并且该方法已应用于激光切割机切割异形满版服饰图案路径规划的生产实践,运行可靠,比未规划时的工艺路线平均提高效率33.7％.该方法提供了一种解决TSP问题的新方法,具有一定的理论意义和价值.【期刊名称】《轻工机械》【年(卷),期】2016(034)001【总页数】6页(P37-42)【关键词】服饰图案切割;人工蜂群算法;部分匹配交叉;启发式变异搜索;路径规划;激光切割【作者】丁斌;裘建新【作者单位】上海工程技术大学机械工程学院,上海201600;上海工程技术大学服装学院,上海201600【正文语种】中文【中图分类】TS941.56;TP29;TP391服饰图案与服装款式、色彩、材料同为服装的重要设计要素。

传统方法只能手工裁剪制造好的印花、刺绣等服饰图案，在大批量工业化生产中，完全不能满足生产需求。

本文将机器视觉、计算机数字图像处理与激光切割加工技术结合起来，开发了服饰图案自动切割技术及装备[1]。

利用机器视觉获取待切割服饰图案，通过计算机数字图像处理，进行服饰图案模板匹配或寻边，再把切割参数传送到执行系统实施激光切割，在此工步需要规划激光切割的路径，以求切割路径最优。

采用激光切割方法切割已经加工好的服饰图案，需要把整版的异形或同形服饰图案依次逐个切割下来。

激光头沿着计算机模板匹配或寻边得到的图案轮廓切割，每完成一个图案的切割，再移动激光头切割下一个图案，直到切割完所有图案。

216机械设计与制造Machinery Design&Manufacture第1期2021年1月一种花样机自然图案的缝制轨迹提取方法周军，廖晓波,朱建公（西南科技大学制造过程测试技术省部共建教育部重点实验室，四川绵阳621010）摘要：目前,在缝制行业加工工艺过程中，通常需要将图案的边缘作为加工的轨迹，而在实际操作过程中,都是通过手动输入或者计算机辅助设计制图后编译生成相应的加工代码，该方法存在费时费力且操作不方便的问题，因此寻找一种如何快捷获取图案边缘的方法是行业亟待解决的问题。

针对这一问题,提出了一种基于闭式解图像抠图的CRF提取模型。

此方法以抠图边缘作为基本CRF模型，建立边缘像素之间的相互联系，从而精确光滑得出图案的缝制轨迹。

实验表明，所用算法得到的自然图案目标边缘规整、无毛刺，同时提高了图案的自动生成准确度和能力。

关键词:花样机;抠图:CRF;缝制图案;边缘提取中图分类号:TH16;TP391文献标识码:A文章编号:1001-3997(2021)01-0216-05A Method for Extracting Sewing Track for Pattern-SewingMachine's Natural ImageZHOU Jun,LIAO Xiao-bo,ZHU Jian-gong(Manufacturing Process Testing Technology Key Laboratory of Ministry of Education,Southwest University of Science and Technology,Sichuan Mianyang621010,China)Abstract present,in the process of sewing industry process,often need to design as the edge of the processing of trajectory.But in the process of actual operation,manual input or cad drawing is used cfter the compiler to generate the corresponding processing code,this method is time-consuming and laborious operation is not convenient So how to find a shortcut to get design method is on the edge of the problems to be solved.To solve this problem,a CRF extraction model based on closed-farm matting image is proposed.In this method,image matting edge is used as the basic CRF model to establish the interrelation between edge pixels,so as to obtain the sewing track of the pattern accuratefy and smoothly. Experimental results show that the algorithm used in this paper can obtain a natural pattern with regular edges and no burrs,and at the same time improve the automatic generation accuracy and ability of p atterns.In this paper,CRF model of cutoutedge is established on the basis of closed-form matting graph algorithm,and a new pattern extraction method of f lower prototype is proposed,which is very beneficial to the intelligent application and development of industrial flower prototype.Key Words:Pattern-Sewing Machine；Image Matting；CRF；Stitching Pattern；Edge Extraction1引言当前缝制行业的缝制轨迹是由工程师通过游标卡尺等测量工具测量缝料的边缘尺寸,再利用CAD等绘图软件绘制出缝制轨迹,最后再利用专用的图案生成软件生成可直接供工业缝纫机使用的花样文件叫但是，有许多待缝制的图案路径并不规则，各种曲线线条错综复杂，这给绘制CAD的工程师增添了不少麻烦。

基于Grab Cut和区域生长的服装图像前景提取算法陶彬娇;陈倩;潘中良;李萍【摘要】Aiming at the problem of the interactive and complex background extraction effect of Grab Cut algorithm applied in the foreground retrieval of garment images in a garment retrieval system,a fully automated Grab Cut algorithm is proposed to adopt different methods to automatically generate the initial rectangle and then extract the foreground for single backgrounds and complex background images,depending on the background.As the algorithm still has under-segmentation and over-segmentation problems,a new fully automated Grab Cut algorithm combined with region growing algorithm is proposed.The results show that,the improved Grab Cut algorithm is superior to classical algorithms for both single background and complex background,and can not only accurately extract the foreground of clothing images,but also effectively reduce the over-segmentation within the images.%针对Grab Cut算法应用于服装检索系统中服装图像的前景提取时所存在的交互式和复杂背景提取效果差问题,首先提出了一种全自动化的Grab Cut算法,以实现自动根据背景情况,对单一背景和复杂背景图像分别采用不同的方法生成初始矩形框并进行前景提取.由于该算法仍存在欠分割或过分割现象,故将该算法与区域生长算法相结合,给出了一种结合区域生长的全自动化Grab Cut算法.实验结果表明,无论对于单一背景还是复杂背景的图像,改进算法的前景提取效果都明显优于传统算法,不仅能准确获取服装前景区域,而且对于服装内部的过分割问题也有很大的改善.【期刊名称】《华南师范大学学报（自然科学版）》【年(卷),期】2017(049)005【总页数】5页(P115-119)【关键词】前景提取;Grab Cut算法;区域生长算法;服装图像检索【作者】陶彬娇;陈倩;潘中良;李萍【作者单位】华南师范大学物理与电信工程学院,广州510006;华南师范大学物理与电信工程学院,广州510006;华南师范大学物理与电信工程学院,广州510006;华南师范大学物理与电信工程学院,广州510006【正文语种】中文【中图分类】TP391.41;TP751.1Key words： foreground extraction; Grab Cut algorithm; region growth algorithm; clothing image retrieval前景提取是图像处理和图像分析的基础. 在基于内容的服装检索系统中，无论是基于哪种特征的检索，服装图像的前景提取都是其中一个重要的步骤，前景提取效果的好坏将在很大程度上影响最终的检索效果.近年来，已有不少学者对Grab Cut算法提出了不同的改进方式,如:基于显著图的交互式Grab Cut改进算法[1]及基于感兴趣区域的Grab Cut算法[2]，这2种算法相对于传统的Grab Cut算法在处理速度和精确度上都有所提高，但是仍采用交互的方式，不适合实际应用中对批量图像进行处理；与显著性检测FT算法相结合，基于Grab Cut的自动图像分割算法[3]，该算法在背景复杂、显著性特征不明显的情况下效果不好；基于区域分割和像素级细化的服装图像前景提取算法[4]，该算法的不足之处是不适合那些姿势复杂或者没有人体姿势的服装图像；基于人类视觉模型的区域生长图像分割算法[5]，该算法在复杂背景下能提取出接近人眼视觉特性的前景，且执行效率较高，但只适用于灰度图像的分割.本文将针对服装图像的前景提取展开研究，对Grab Cut算法用于服装前景提取时所存在的问题进行改进：针对交互式问题，首先提出一种全自动化的Grab Cut算法，以实现自动根据背景情况，对单一背景和复杂背景图像分别采用不同的方法生成初始矩形框并进行前景提取；针对全自动化的Grab Cut算法仍存在欠分割或过分割现象,将该算法与区域生长算法相结合，给出了一种结合区域生长的全自动化Grab Cut算法.Grab Cut是一种交互式前景目标提取算法.所谓的交互是指用户需要勾画出一个包含整个目标对象的初始矩形框，把框外的像素设为背景，框内的像素设为不确定，经过多次迭代运算后，实现前景目标和背景的分割[6-8]. 该方法对用户提供的初始矩形框内外区域建立高斯混合模型，由此来提供初始分割的前景和背景种子点，经过一次分割之后进行高斯混合模型更新，再由此估计新的前景和背景种子点进行分割，如此迭代下去直至收敛为止.Grab Cut算法对于前景和背景颜色反差较大的图像分割效果较好[9]. 大多数网络服装图像的前景和背景颜色差异明显，因此适合采用该算法提取服装前景. 本文利用区域生长算法[10]、JSEG(Joint Systems Engineering Group)算法[11]、Grab Cut算法、K聚类算法[12]和分水岭算法[13]分别对同一张服装图像进行前景提取，对比效果(图1)显示Grab Cut算法的前景提取效果最好. 因此，本文选用Grab Cut算法.Grab Cut算法在应用时仍然存在一些问题:(1)Grab Cut算法的交互方式不适合服装图像的批量处理. 如1.1节所述，利用Grab Cut算法对每一幅图像进行前景提取时都需要人工标注初始矩形框，工作量很大，不适合服装检索系统中的批量服装处理.(2)单一背景和复杂背景下的前景提取效果存在较大差异. 本文对单一背景和复杂背景图像的前景提取效果进行了对比实验，其中Grab Cut算法均采取固定比例和位置来生成初始矩形框. 实验结果表明，对于背景单一的服装图像可以采取固定比例和位置来生成初始矩形框，提取前景的效果比较好. 而对于背景复杂，特别是服装颜色与背景颜色非常接近的情况，用上面同样的方法进行前景提取的效果就不太理想. 因此，有必要对单一背景和复杂背景的图像分别采用不同的方案进行前景提取. 针对1.2节提到的2个问题，本文对Grab Cut算法进行改进，提出了一种对简单背景和复杂背景分别处理的全自动化的Grab Cut算法.该算法的基本思想如下：首先，对服装图像的背景情况进行判断，将图像背景分为单一背景和复杂背景. 判断的依据是：比较图像4个角点的颜色特征，通常，复杂背景图像各角点颜色差异较大，而单一背景图像的各角点颜色几乎完全相同或十分接近. 本文采用以下步骤进行判断：第一步，提取图像左上、右上、左下和右下等4个角点的颜色特征；第二步，对每2个角点之间的颜色特征进行相似性度量，即：计算出4个角点两两之间的欧氏距离，共得到6个数据；第三步，统计出两点之间欧氏距离小于阈值5及小于阈值55的个数，若小于阈值5的个数大于1或者小于阈值55的个数为6，则判断该服装图像为单一背景，否则，判断为复杂背景.然后，针对单一背景和复杂背景分别采用不同的方法生成Grab Cut算法所需的初始矩形框.对于单一背景的服装图像，采用固定比例和位置来生成初始矩形框，初始矩形框的宽度(Width)为15 px、高度(Height)为15 px，矩形框的位置位于原图像的中心. 对于复杂背景的服装图像，采用区域生长算法生成初始矩形框，具体步骤如下：首先将图像均分为7×7块，分别提取4个边角与最中心小矩形的颜色直方图，计算出4个边角与中心矩形的颜色直方图之间的欧氏距离，从中选取最小的欧氏距离值作为区域生长的阈值. 然后，选取图像的中心点作为区域生长的初始种子点，向其邻域进行生长，具体为：将种子点与其八邻域点进行比较，若颜色差小于阈值则进行生长，生长点处的像素点作为服装图像的前景区域，标记为白色；反之，将不满足生长条件的点作为背景区域，标记为黑色. 当种子点生长完毕后获得X图像. 最后，将X图像的前景区域作为Grab Cut算法的初始矩形框.对于单一背景和复杂背景的服装图像，分别采用上述2种方法获取初始矩形框，其后的步骤与传统Grab Cut算法一致.第2节给出的全自动化的Grab Cut算法仍存在欠分割或过分割的现象：当服装前景与背景颜色较为接近时，往往会出现欠分割现象，不能准确地提取服装前景；当服装图像为复杂背景且服装花纹图案比较复杂时，往往会出现过分割现象，即对服装的内部区域造成过度分割，把服装的花纹和图案也当作是背景. 为改进该算法的欠分割和过分割问题，本文提出了一种结合区域生长的全自动化Grab Cut算法：该算法流程图如图2所示，主要步骤如下：(1)对服装图像进行背景情况的判断，对于单一背景的图像，采用固定比例和位置生成Grab Cut算法所需的初始矩形框；对于复杂背景的图像，采用区域生长算法生成Grab Cut算法所需的初始矩形框.(2)用Grab Cut算法初步提取前景，获得一个S图，即初步前景图，仅有黑白部分，白色为前景，黑色为背景.(3)将S图作为待处理图像，对S图采用区域生长算法提取最外层的背景X图. 具体操作为：先选取生长点，为了确保生长的正确性，本文选取了8个生长点，分别是S图的边缘4个顶点和4条边的中点，假设图像的矩阵为M(x,y)，则8个生长点分别是(0,0)、(0,y/2)、(0,y-1)、(x/2,0)、(x-1,0)、(x/2,y-1)、(x-1,y-1)、(x-1,y/2). 接着，从这些生长点往内进行区域生长，具体为：当生长点所在的像素点为白色时不进行区域生长，因为该点属于前景，若生长点所在的像素点为黑色时，则进行区域生长. 最后，当种子点生长完毕，就获得了背景X图.(4)将X图与原图进行与运算，从而获得最终的完整前景图.本文用Java语言实现了一个基于结合区域生长的全自动Grab Cut算法、传统的Grab Cut算法、区域生长算法、JSEG算法等多种算法的服装图像前景提取软件，并对服装图库中的图像进行对比实验. 实验所用的图库包括单一背景、复杂背景和人物模特等不同背景的服装图像. 从实用的角度考虑，图库中的1 000多幅服装图像都是从天猫、京东等网站下载的. 本文从图库中共选取了72幅有代表性的服装图像进行测试，其中，单一背景的31幅、复杂背景的41幅. 分别采用本文的结合区域生长的全自动化Grab Cut算法和传统Grab Cut算法进行对比实验，实验结果如下.由图3可见，对于单一背景的服装图像，如果前景颜色与背景色比较接近，用传统Grab Cut算法提取会出现欠分割现象，不能准确提取服装前景. 而采用结合区域生长的全自动化Grab Cut算法则能很好地解决这一问题，前景提取效果得到很大改善.由图4可见，对于复杂背景的服装图像，尤其是模特身上的服装，若采用传统的Grab Cut算法通常不能去除模特而准确提取出服装，如果背景较复杂，则欠分割现象比较严重. 若采用全自动化Grab Cut算法，虽然能较好地去除服装以外部分，但却产生过分割现象，尤其是花色和图案服装，服装内部花纹出现大量的过分割. 而结合区域生长的全自动化Grab Cut算法提取效果最佳，不仅能够去除模特准确获取服装区域，同时过分割现象也有很大改善.实验结果表明：结合区域生长的全自动化Grab Cut算法的前景提取效果优于传统算法的有70幅(占97.2%)，2种算法前景提取效果持平的有2幅. 由此可见结合区域生长的全自动化Grab Cut算法的优越性.结合区域生长的全自动化Grab Cut算法和传统的Grab Cut算法的运行时间见表1，其中，运行时间为分别计算2种算法对所有简单背景图像和所有复杂背景图像的运行时间总和后取平均值.由表1可见，对于简单背景的图像，改进后算法的运行时间仅仅增加了0.168%，与改进前算法的运行时间几乎相当. 但对于复杂背景的图像，改进后算法的运行时间则增加了49.5%，运行效率有较明显的下降. 这主要是由于复杂背景图像在生成初始矩形框时比较耗费时间.本文将传统的交互式Grab Cut算法应用于服装图像的前景提取，发现传统算法在提取服装前景时存在2个问题：第一，交互方式不适合服装图像的批量处理；第二，复杂背景的提取效果较差. 针对这2个问题，本文提出了一种全自动化的Grab Cut算法，能够自动根据背景情况，对单一背景和复杂背景图像分别采用不同的方法生成初始矩形框，然后进行前景提取. 全自动化Grab Cut算法仍存在欠分割或过分割现象. 针对这一问题，本文又提出了一种结合区域生长的全自动化Grab Cut算法. 实验结果表明，无论是单一背景还是复杂背景，结合区域生长的全自动化Grab Cut算法的前景提取效果都明显优于传统算法，不仅能准确获取服装前景区域，而且对于服装内部的过分割问题也有很大的改善.【相关文献】[1] KIM K S,YOON Y J,KANG M C,et al. An improved GrabCut using a saliencymap[C]//Proceedings of the 3rd IEEE Global Conference on Consumer Electronics．Washington:IEEE,2015:317-318.[2] HUA S,SHI P. GrabCut color image segmentation based on region ofinterest[C]//Proceedings of the 7th International Congress on Image and Signal Processing. Washington:IEEE,2014:392-396.[3] HE Y R,SUN Y Q. An automatic image segmentation algorithm based onGrabCut[C]//Proceedings of the 6th International Conference on Wireless,Mobile and Multi-Media． Beijing,China:IET,2015:185-190.[4] LIU Z R,WU X,ZHAO B,et al. Clothing extraction using region-based segmentation andpixel-level refinement[C]//Proceedings of the 2014 IEEE International Symposium on Multimedia. Washington:IEEE,2014:303-310.[5] 谭洪波，侯志强，刘荣．基于人类视觉模型的区域生长图像分割[J]．中国图象图形学报，2010,15(9):1352-1356．TAN H B,HOU Z Q,LIU R. Region growing image segmentation based on human visual model[J]. Journal of Image and Graphics,2010,15(9):1352-1356．[6] KIM G,SIM J. Depth guided selection of adaptive region of interest for Grabcut-Based image segmentation[C]//Proceedings of 2016 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference. Washington:IEEE,2016:1-4. [7] BOYKOV Y,ISACK H,OLSSON C,et al. Volumetric bias in segmentation and reconstruction:secrets and solutions[C]//Proceedings of the IEEE International Conference on Computer Vision． Washington:IEEE,2015:1769-1777.[8] JAYASUMANA S,HARTLEY R,SALZMANN M,et al. Kernel methods on Riemannian manifolds with Gaussian RBF kernels[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,37(12):2464-2477.[9] SANGUESA A A,JORGENSEN N K,LARSEN C A,et al. Initiating GrabCut by color difference for automatic foreground extraction of passport imagery[C]//Proceedings of the 6th International Conference on Image Processing Theory,Tools and Applications. Washington:IEEE,2016:1-6.[10] HAPP P N,BENTES C,FEITOSA R Q,et al. A cloud computing strategy for region-growing segmentation[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2016,9(12):5294-5303.[11] KANG J,WANG L,CHEN F,et al. Identifying tree crown areas in undulating eucalyptus plantations using JSEG multi-scale segmentation and unmanned aerial vehicle near-infrared imagery[J]. International Journal of Remote Sensing,2017,38(8/9/10):2296-2312.[12] TANG M,AYED I B,MARIN D,et al. Secrets of grabcut and kernel K-Means[C]//Proceedings of the 2015 IEEE International Conference on Computer Vision．Washington:IEEE,2015:1555-1563.[13] KIRUTHIKAA R. An implementation of watershed based image segmentation algorithm using fpga processor[J]. International Journal of Science andResearch,2013,2(12):399-402.。

版师应聘技能之一智能扒版剥样方法同学们好、大家好:在座的绝大多数都是学服装或者说以后准备干服装这一行的未来服装人。

在就业职场竞争激烈的现在。

学好服裝一技之长或有所特长 ,会大大提高职场成功率。

在服装设计技术类应聘打版师或打版助理考试中, 考你打版技能题目, 往往是在教学大纲中的教科书没有的作业要求。

例如:现在百分之八十以上的服装厂,都是没有服装设计师, 只有打版师。

这些服装丆老板在市场上买些较为新款的时装,经过扒版剥样的打版技术处理环节,即可生产,投入市场。

你们去应聘服装技术岗位, 常常会遇到这样扒版剥样的考题:给你一件衣服,要求在二至三个小时内, 按样衣的各个部位尺寸不变形走样熟练地打出细节到位的样版。

据我了解, 这样要求的扒版剥样技能,在高校教学大纲中的教科书中是少见的。

同学们少于练习,更谈不上熟练了,所以应聘成功率低。

在这里我想与大家分享一下:我从事服装扒版剥样的经验和心得。

希望能帮同学们提升应聘能力。

我讲的主题是:一种智能扒版剥样方法服装智能扒样剥版方法的主要特征: 设计有效的自动制图打版程序应用一种工具或计算机的辅助功能,代替操作者的部分脑力劳动。

正如美国麻省理工学院的温斯顿教授所说:人工智能就是研究如何使计算机(工具)去做过去只有人才能做的智能思维工作。

传统的打版,是由操作者应用普通的尺具或计算机,通过操作者对服装造型″形与量”的思维判断,在纸或布上应用书中公式数据计算画图,每一根线,每一个点的操作(这样太慢了,而且各细节部分尺寸不符合要求,就要太多的修正和时间), 所用的工具未能起到代替操作者的脑力劳动。

因为普通的尺具或计算机沒有智能。

或未能设计有效的自动制图程序。

在手工打版或CAD打版研究方面,我有不同程度设计自动程序的心得,和多项智能工具发明专利。

由于时间关系,下面我只讲 CAD智能扒版剥样方法及操作示范 (如有时间允许,再讲手工打版如何实现智能操作的示范)。

如下是一种实用新型的智能扒版剥样操作。

第1卷第5期2016年10月服装学报Journal of Clothing Research Vol. 1No. 5Oct. 2016基于变分水平集的服饰图案轮廓提取刘其思\徐平华M’2，周佳\宗雅倩\桑振聪1(1.南通大学纺织服装学院，江苏南通226019;2.南通大学杏林学院，江苏南通226019)摘要：图案复原、图形图案再设计中，人工提取服饰图案轮廓效率和精度较低。

利用图像处理技 术，在图像滤波基础上，对服饰图案的轮廓进行快速提取。

首先采用总变差模型对原始图案底纹进 行自动消隐，然后利用变分水平集算法对图案轮廓进行边缘检测和分割，并与目前常用的图像边 缘检测方法进行对比。

实验结果表明，基于变分水平集算法的图像分割有效地提取出服饰图案边 缘轮廓信息，相比较传统的分割方法更为准确有效。

关键词：服饰图案；水平集；总变差;边缘检测中图分类号:TS 941.26 文献标志码：A 文章编号=2096 - 1928(2016)05 -0482 -05 Contour Extraction of Costume Pattern Based on Variational Level Set Method LIU Qisi1, XU Pinghua *12, ZHOU Jia1, ZONG Yaqian1, SANG Zhencong1(1. School of Textile and Clothing,Nantong University,Nantong 226019 ,China；2 Xinglin College,Nantong University,Nantong 226019, China)Abstract ：Manual extraction of costume patterns presents inefficiency and low precision during pattern restoration and redesigning. In this paper,the pattern contour was extracted using image processing technology. Concretely,the original image was filtered using total variation model algorithm to eliminate image noise. The variation level set algorithm was then utilized to detect the garment contour. Besides,the traditional methods of image edge detection were compared in this experiment. Results showed that the traditional segmentation method was difficult to meet the requirements of complex segmentation. However,the image segmentation based on the variation level set algorithm i s simple and easy t o operate. Meanwhile i t i s accurate and stable.Key words：costume pattern,variational level set,total variation,edge detection在绣花、印花等工艺中，对服饰图案纹理的提 取主要采用人工的方式进行分割，消耗了大量的时 间和人力，增加了企业的生产成本。

基于傅里叶变换和Hough变换的商标图案倾斜校正胡仁伟;张希仁;杨立峰;林道锋;成祎珊【摘要】针织物商标图案加工过程中会产生形变,影响纺织品等级和质量.针对商标图案形变检测过程中出现倾斜现象而降低形变测量精度的问题,采用Hough变换提取商标图案频谱图的旋转角度,以实现图案的倾斜校正.应用结果表明该算法能精确提取商标图案的倾斜角度并进行倾斜校正.算法不改变图案的原始形貌,提高了运行效率.%The appearance and quality of clothing is affected by the deformation of the fabric trademark pattern during manufacturing.But the measurement accuracy of deformation of trademark pattern is decreased due to trademark pattern tilting.In this paper the method based on the Fourier and Hough transform was proposed and used to measure and correct the rotation angle of tilted trademark pattern.The application shows that the method proposed can be used to correct the tilted fabric pattern.The algorithm guarantees the original shape of the pattern and improves the efficiency.【期刊名称】《轻工机械》【年(卷),期】2018(036)001【总页数】4页(P62-65)【关键词】针织物商标图案;傅里叶变换;Hough变换;倾斜校正【作者】胡仁伟;张希仁;杨立峰;林道锋;成祎珊【作者单位】电子科技大学光电信息学院,四川成都 610054;电子科技大学光电信息学院,四川成都 610054;电子科技大学光电信息学院,四川成都 610054;昆山联滔电子有限公司,江苏昆山 215324;电子科技大学光电信息学院,四川成都 610054【正文语种】中文【中图分类】TP391.41商标是产品的身份证，具有独特的代表意义。

服饰图案的自动寻边切割算法高飞;裘建新;李健【摘要】在基于机器视觉的自动切割技术基础上,提出了对服饰图案进行自动寻边切割的算法.采用滤波、边缘检测和边缘跟踪等数字图像处理算法,以海宝图案为例进行了图像处理.有效地提取了前景与背景区分明显且轮廓连续的图案待切割目标的边缘信息,并对边缘信息进行矢量化处理,进而控制SPIN1006型激光裁剪机,实现对被切割物体的精确激光切割.【期刊名称】《上海工程技术大学学报》【年(卷),期】2013(027)002【总页数】6页(P179-184)【关键词】服饰图案;自动寻边;激光切割【作者】高飞;裘建新;李健【作者单位】上海工程技术大学服装学院,上海201620;上海工程技术大学服装学院,上海201620;上海纺织科技发展中心,上海200082【正文语种】中文【中图分类】TS941.56;TP29;TP391.71 服饰图案自动寻边切割系统服饰材料各异，形式多种多样，图案丰富多彩.目前，大量异形服饰图案的工业化生产，主要还是依靠手工裁剪来实现.因此迫切需要开发服饰图案自动切割技术及其装备，提高针对大量不同图案的裁割的生产效率及其切割质量.图1为一部分待切割的服饰图案.基于机器视觉研究进展的服饰图案自动寻边切割技术的具体实现方法是：利用工业相机或电荷耦合器件（CCD）数码相机采集图像，利用数字图像处理技术提取寻边切割参数，然后控制切割设备实现自动寻边切割［1］.图2为本试验装有机器视觉系统的激光切割设备SPIN 1006型激光裁剪机.图1 待切割服饰图案实例Fig.1 Examples for dress pattern cutting图2 服饰图案自动切割设备Fig.2 Automatic cutting equipment for dress patterns自动寻边切割硬件系统分为两大部分：寻边切割参数获取部分和执行寻边切割部分.寻边切割参数的获取主要依靠光学系统、CCD传感器、图像采集卡和计算机组成的机器视觉系统完成；寻边切割的执行系统主要由控制卡、执行部件、激光器、风冷系统等组成.其结构如图3所示.图3 自动寻边激光切割系统结构图Fig.3 Structure diagram of laser cutting system with automatic boundary detection自动寻边切割无需预先输入切割参数，而是由机器视觉自动获取工作对象的图像，然后利用数字图像处理技术检测和跟踪物体的边缘信息，并转换成矢量图形，传输给控制卡以控制执行机构，引导激光头进行切割.自动寻边切割关键技术之一，是能准确地检测到被切割物体的边缘，以便控制器精确控制激光器进行切割.2 服饰图案自动寻边切割的算法本研究以海宝图案为例旨在解决一类前景轮廓连续且明显区分于背景的含脉冲噪声干扰图案的自动寻边切割.针对待切割服饰图案的特点，利用数字图像处理技术，采用诸如滤波、边缘检测和边缘跟踪、被剪切物体定位（包括重心定位与轮廓定位）等算法对摄取的图像进行处理，从而准确获取和有效提取物体的边缘信息.然后根据工作指令要求对边缘信息进行矢量化处理，并供控制系统实现对被切割图案的精确切割.涉及的主要算法有：1）目标图像的预处理方法，即通过设计不同的数字图像滤波器，对图像进行预处理，降低图像噪声对图像边缘的影响，增强目标图像的边缘信息，提高检测跟踪算法的精确度.2）目标图像的边缘检测算法.能根据要求检测出图像的边缘信息.3）由于切割是沿某一边缘某一个点开始的，因此需要研究有效的跟踪算法，对其检测的边缘进行跟踪，为激光切割提供精确的切割轨迹信息.4）对图像的轨迹信息进行矢量化存储，驱动激光切割头按照精确的切割轨迹信息走刀.2.1 中值滤波算法图像中的噪声是指那些已经引起图像信息失真和变形的嘈杂信息，视觉成像系统得到一幅图像后，通常首先要进行滤波预处理以消除这些噪声.图4为含有脉冲噪声干扰的海宝图案.为了获得清晰的、有价值的边缘轮廓信息，在实际操作中常常要设计适当的滤波器来清除这些噪声.如何既能滤掉图像中多余的噪声，又能尽可能完整地保持原图像的细节（比如边缘信息），是选择图像滤波方式的主要衡量依据.图4 有脉冲噪声干扰的海宝图案Fig.4 Haibao pattern with impulse noise interference本试验选择采用中值滤波方法.中值滤波是一种典型的非线性低通滤波器，主要用来抑制脉冲噪声，它具有能彻底滤除尖波干扰噪声，同时又能较好地保护目标图像边缘的特点.传统的中值滤波一般采用含有奇数个点的滑动窗口，用窗口中各点灰度值的中值来替代指定点的灰度值.常用的二维中值滤波窗口有线状、方形、圆形、十字形、圆环形等，窗口尺寸一般选为3.中值计算的关键在于对滑动窗口内的像素进行排序，排序算法的选择是影响中值滤波算法的重要因素.传统的排序算法是基于冒泡排序法发展而来的.若窗口中的像素为m，则每个窗口排序需要m（m－2）／2次像素的比较操作，时间复杂度为O（m2）.为了提高中值滤波的实现速度，针对3×3中值滤波，尝试了一种快速的并行中值滤波方法.表1为3×3窗口内像素排列.表1 3×3窗口内像素排列Table 1 Arrangement in a 3×3 pixel window第0例第1例第2例第0行 P0 P1 P2第1行 P3 P4 P5第2行 P6 P7 P8首先分别计算窗口内的每一列最大值、中值和最小值，得到以下3组数据：最大值组：max0＝max［P0，P3，P6］，max1＝max［P1，P4，P7］，max2＝max［P2，P5，P8］中值组：med0＝med［P0，P3，P6］，med1＝med［P1，P4，P7］，med2＝med［P2，P5，P8］最小值组：min0＝min［P0，P3，P6］，min1＝min［P1，P4，P7］，min2＝max［P2，P5，P8］由此可以分析，最大值组中的最大值与最小值组中的最小值一定是9个元素中的最大值和最小值，不可能为中值，剩下7个；中值组中的最大值至少大于5个像素，中值组中的最小值至少小于5个像素，不可能为中值，剩下5个；最大值组中的中值至少大于5个元素，最小值组中的中值至少小于5个元素，不可能为中值，最后剩下3个要比较的元素，即最大值组中的最小值maxmin，中值组中的中值medmed，最小值组中的最大值minmax；找出这3个值中的中值，则为9个元素的中值.对图4所示的海宝图案进行4次中值滤波后，降噪效果如图5所示.图5 4次中值滤波降噪后的边缘轮廓展示效果Fig.5 Effect of edge contour after four times median filtering noise reduction图像不同区域间的边界上一般具有不连续性的灰度，即灰度的阶跃变化形成了区域的边界，所以可以寻找相邻像素颜色或灰度突变的算法，根据各个像素点的灰度不连续性进行图像景物分割［4］.而阈值分割则根据图像灰度值的差异将图像分割成背景与物体的一类重要方法.阈值分割的核心是阈值如何选取的问题.根据阈值选取的方法不同，图像分割的主要算法有直方图阈值法、迭代法和大津法［3］.本研究针对图案清晰明了、前景目标物与背景能很好区分的服饰图案，选择分析直方图阈值法.直方图阈值法其阈值主要通过分析图像的灰度直方图来进行确定［4］.一般而言，每张图片都可以生成颜色直方图（color histogram）.图6为所切割的服饰图案海宝及其颜色直方图.一幅图像若只有前景和背景两部分组成，其灰度级直方图呈现明显的双峰值，如图7（a）所示.针对此种图像，则选取双峰间的谷底处的灰度值T作为阈值对图像进行分割.明显具有双峰特性的图像是一种比较理想而少见的情况.一幅图像的灰度直方图可能会呈现多个明显峰值.但依然可取峰值间峰谷处的灰度值作为阈值，此时就有多个阈值对图像进行分割，即多峰值阈值选择.假设有3个峰值的多峰值灰度级直方图，如图7（b）所示.图6 海宝图案及其颜色直方图Fig.6 Haibao pattern and its color histogram图7 带峰值灰度级直方图Fig.7 Gray－level histogram with peaks可选两个峰谷处的灰度值T1、T2作为阈值.数学表达式为式（1）或式（2）［5］.对图6（a）所示的海宝图案采用阈值分割算法，其阈值按多峰值阈值方法选择，利用式（1）采用阈值为T1＝174，T2＝232.图8为图案海宝阈值分割后的二值图.图8 阈值分割后的海宝图案二值图Fig.8 Binary image of Haibao pattern by thresholding segmentation完成以上两步骤的算法后进行图像边缘检测.边缘检测是所有基于边界分割方法的最基本的处理步骤.诸如灰度值的突变、颜色的突变、纹理的突变等图像局部特性不连续（或突变）的结果，就形成了图像最基本的特征——边缘.边缘检测方法是利用图像一阶导数的极值或二阶导数的过零点信息来判断的.经典的边缘检测方法是构造对图像灰度阶跃变化敏感的差分算子来进行图像分割，是对原始图像中像素的某个小邻域来构造边缘检测算子.目前应用比较多的是基于微分的边缘检测算法，梯度算子是其中重要的一个检测算法.由于边缘检测发生在图像灰度值变化比较大的地方，对应连续情况就是指函数梯度较大的地方，所以研究比较好的求导算子就成为这种方法的关键［6］.属于这种微分的边缘检测方法的经典算子有Robert算子、Sobel算子、Prewitt算子、Laplacian算子、LOG算子和Canny算子等［5］.在这些常用的边缘检测的算子中，各自有其缺陷和局限性，如Laplacian算子常常会产生双边界；而其他一些算子如Sobel算子又往往会形成不闭合区域.故在实际的运用中，还需对所使用的算法进行一些改造和优化.图9为利用高斯拉普拉斯边缘算子处理的效果与组合运用高斯拉普拉斯算子和数学形态学中的腐蚀算子［7］处理效果的对比情况.2.4 边缘轮廓跟踪边缘跟踪是紧接着边缘检测之后的一个步骤，它是一种基于梯度的图像分割方法.跟踪的同时，为编制矢量走刀路径的边界像素点的坐标也被保存下来.由于经过图形分割、腐蚀等处理之后得到的是一幅二值图，因此需要研究二值图像轮廓跟踪的算法.图9 高斯拉普拉斯算子和后续组合腐蚀算子提取的边缘效果对比Fig.9 Effectscontrast of edge extraction by Gauss－Laplace operator and subsequent combination with corrosion operator本研究解决实际问题所使用的边缘跟踪算法是八邻域搜索算法［8－9］，其原理如下：假设图像中当前点（x，y）为一个边缘点，则下一边界点必定在该点（x，y）的8个邻域内.与（x，y）相邻的8个像素的位置坐标和编码如图10所示.图10 八邻域跟踪算法示意图Fig.10 Schematic diagram of eight－neighborhood tracking algorithm首先要确定八邻域搜索的起始位置：设当前点（x，y）在上一边界点的八邻域内的位置编码为n，则从当前点（x，y）的八邻域内的编码为n的位置，顺时针方向移动两个像素的位置就是八邻域搜索下一边界点的起始位置.这样从上述准则确定的起始位置开始，按逆时针方向依次检查八邻域内的像素.当第一次出现邻域内像素的灰度值与当前点的灰度值相同时，该像素点就被认为是下一个边界点，依次类推.八邻域搜索的边界跟踪算法：设图像中背景点的值为0，物体点为1，Pk为第k个边界点，k的初始值为0.1）设定感兴趣的物体区域的标签值Label.2）从左到右，自上而下对图像进行扫描.当f（x，y）＝1且g（x，y）＝Label，则该点一定是选定物体区域的起始边界点P0，并把其坐标（x，y）存入边界点序列表，预置起始边界点的位置编码n＝3.3）按上述准则确定搜索的起始位置，然后从该位置按逆时针方向依次检查当前边界点的八邻域内像素.当第一次出现像素点的标签值等于预定的标签值时，这一像素点就是所要求的新的边界点Pk（k＝k＋1），并记下它在八邻域中的位置编码值n.4）若新边界点Pk＝P0，即回到了起始点，该物体区域的边界跟踪结束.此时边界点序列中存放的就是该物体的外边界点坐标，然后转入6）.5）若新边界点Pk≠P0，则把该点坐标记入边界点序列，作为新的当前点，转到3）.6）若还需跟踪其他物体的外边界，转回到1），否则算法结束.这种算法需要对每个边界像素周围的8个点进行判断，其缺点是计算量较大.2.5 图像轮廓的提取轮廓的提取是紧随着边缘跟踪之后的一个步骤.边缘轮廓提取的算法主要利用了图像中边缘灰度变化大的特点，在边缘跟踪处理的基础上进一步检测，如果发现当前点的灰度值与其相邻的8个邻域内像素的灰度值都相同的话，可以认为该点位于区域内部，不是边界点，可以将其从原图像中去除掉；反之，则认为当前点位于图像的边缘，将其保留下来.依次遍历图像中所有的点，最终保留下来的便是图像的边缘轮廓.激光切割机作平面预定矢量控制运动的服饰图案切割场景，如图11所示.切割系统的寻边切割效果如图12所示.图11 试验设备自动切割服饰图案场景Fig.11 Scene of automatic cutting laboratory equipment for dress patterns图12 切割系统的寻边切割效果Fig.12 Tracing－edge cutting effect of cutting system3 结语本研究采用VC＋＋6.0编制软件平台，可以利用机器视觉系统直接采集待加工的服饰材料的图案信息并对其进行边缘跟踪，提取边缘轮廓，选择边界序列表最长的那组，即对应图案最外圈轮廓上的点的序列表数组，作为原始控制输入数据来生成矢量轨迹线，并把矢量坐标传给激光切割机.试验证明该算法能够实现专门针对图案清晰明了、轮廓不存在断裂，且前景目标物与背景能很好地区分开来的服饰图案的寻边切割工艺.参考文献：［1］李佳列，丁国清，颜国正，等.采用CCD的非接触测量中提高精度的一种方法［J］.光学精密工程，2002，10（3）：281－284.［2］赵云松，杨平，侯学智.采用数码相机的图像测量方法研究［J］.计算机测量与控制，2004，12（9）：810－812.［3］李了了，邓善熙，丁兴号.基于大津法的图像分块二值化算法［J］.微计算机信息，2005，21（8－3）：76－77.［3］王晓庆.基于RBF神经网络的文本自动分类的研究［D］.南昌：江西师范大学，2003.［4］Abhijit S，Rober B.神经网络模式识别及其实现［M］.徐勇，荆涛，译.北京：电子工业出版社，1999：30－32，57－114.［5］朱红高.图像边缘检测技术研究现状［J］.制造业自动化，2010，32（1）：45－47.［6］尹星云，王峻.基于改进的彩色图像形态学膨胀和腐蚀算子设计［J］.计算机工程与应用，2008，44（14）：172－174.［7］蒋爱花，邢济收.图像边缘处理技术［J］.科学技术与工程，2005，5（5）：298－300，312.［8］李云，鲍苏苏，杨璐.二值图像中物体区域的选定及外边缘跟踪技术［J］.华南师范大学学报：自然科学版，2000（3）：27－29.。

服饰刺绣图案的自动提取与色块分割王晓予;向军;潘如如;梁惠娥;高卫东【摘要】为避免人工视觉方法完成刺绣图案花纹提取过程中存在的耗时费力、主观性强等缺陷,结合传统服饰织物,采用图像分析方法实现刺绣图案的自动提取,并进行色值分析.首先采用数码相机实现刺绣织物类图案的采集;接着利用平滑滤波滤除图像中的噪声信号,并将图像从RGB颜色空间转换到Lab颜色空间;然后利用K-Means聚类分析方法对a,b分量进行聚类分析;最后根据聚类分析结果获得准确的图案及色彩信息.研究结果表明:图像处理方法可以实现刺绣图案的自动分割,这种自动化图案分割对一般刺绣图案的自动提取均能使用,这为服饰图案的审美研究提供了全新的样本整理途径.%Manual extraction of embroidered patterns with human vision is time consuming, lab-intensive and subjective. To overcome these difficulties, image analysis was adopted to complete the automatic recognition and aesthetic analysis of the embroidered patterns on the traditional consumes fabrics. Digital camera was used to realize the image acquisition of embroidered fabrics. Image smoothing was then applied to the fabric image to remove the noise information and the fabric image was converted to Lab color space from RGB color space. K-Means clustering method was adopted to realize the color clustering based on a and b components in Lab color space. The accurate pattern and color information of the embroidered fabric were obtained based on the clustering results. The research results show that the image analysis can achieve the automatic extraction of embroidered patterns and the new segmentation method can be applied to quite a number of embroideredfabric patterns, which provides a brand new way for sample collection of aesthetic research.【期刊名称】《纺织学报》【年(卷),期】2017(038)009【总页数】7页(P120-126)【关键词】传统服饰;刺绣图案;图像处理;聚类分析;色值分析【作者】王晓予;向军;潘如如;梁惠娥;高卫东【作者单位】江南大学纺织服装学院,江苏无锡 214122;郑州大学美术学院,河南郑州 450001;江南大学纺织服装学院,江苏无锡 214122;江南大学纺织服装学院,江苏无锡 214122;江南大学纺织服装学院,江苏无锡 214122;江南大学纺织服装学院,江苏无锡 214122【正文语种】中文【中图分类】TS941.1图案作为服饰的主要外在表现元素，是服饰上最为瞩目的视觉符号，不仅严密切合服装的形制与功能、起到装饰美化衣衫的作用，更直接反映出服饰所处地域、所属年代的社会、历史与文化信息。

任意图案转为切割以及寻边切割的制作方法
实践来源：AI,CDR,和PSD结合应用
先观察边缘黑色部分线条状态看是否比较清晰不模糊和其它颜色不要混杂。

可以在AI中通过转为适量模式放大观察边缘线条：
1，AI中转为适量模式的方法：新建文件—置入文件—选择此文件-从上方工具栏点击“嵌入”
—点击上方工具栏图像描摹—点击上方工具栏扩展，此时图像就会跳出适量线条。

观察此文件周围的线条看是否有问题，最好是一圈，不要出现混杂压挤交叉等。

一般如果全是黑色的图应该没有问题，如果有彩色的就可能出现适量模糊现象这样就对于雕刻和寻边切割造成一定的困难和产生瑕疵品。

这个时候就要对文件进行适当的黑色描边，直到周围矢量线条清晰为好。

2，将此边缘清晰的文件可以直接导入CDR，效果—图像描摹—剪贴画—出现适量模式，然后将适量图移到一边，将内部不需要的适量逐个删除，滞留周边适量图，移到原图上面套好位置，四点定位，就可以存文件然后打印出来，上机寻边切割就可以了。

3，将此边缘清晰的文件可以直接导入CDR，效果—图像描摹—新建与扩展，就会出现适量模式。

载入蒙泰，查看，可能会产生重复适量，将重复适量删除即可使用上机操作。