模拟实际着装的织物抗皱性测试装置及方法
【专利摘要】本发明涉及一种模拟实际着装的织物抗皱性测试装置及方法。本发明装置包括关节模拟装置和盒形固定装置。本发明方法是将裁剪成规定尺寸的织物试样缝合成袖筒，穿在以上装置上，并将其对折弯曲，在加压装置上固定规定时间后，取下袖筒并拆除缝合线，并将折皱后的织物试样放置于扫描仪上扫描获取织物折皱图像，并用计算机对织物折皱图像进行一系列图像处理操作，包括：预处理、彩色图像灰度化、中值滤波，灰度增强、去噪、利用OTSU进行二值化及折皱边缘检测。最后提取织物折皱度作为表征织物抗皱能力的评价指标。本发明节省了实际着装实验需要耗费的大量人力、物力和时间。具有简单便捷、仿真效果好等优点，且具备实验可重复性好等有益效果。
【专利说明】 模拟实际着装的织物抗皱性测试装置及方法
【技术领域】
[0001]本发明属于纺织服装性能测试领域，尤其涉及一种模拟实际着装的织物抗皱性测试装置及方法。
【背景技术】
[0002]织物被揉搓挤压时发生塑性弯曲变形而形成折皱的性能，称为折皱性。织物抵抗此类折皱的能力称为抗皱性。抗皱性通常是指在外力作用下产生折痕的回复程度，又称为折皱(折痕)回复性。抗皱性直接影响织物的外观和平整度。常见的测试方法是折皱回复角法和拧绞法。前者是将织物折叠施压后测定回复角度；拧绞法是将织物上下两边旋转一周压缩，除压放置后评价折皱等级。这两种方法都存在一定的问题:前者产生的是单一形态和方向的直线状折痕；后者产生类似服装洗后拧干时引起的互相平行的斜向折痕。这两种方法产生的折皱与服装在实际穿着过程中产生的折皱有较大的差距，导致其测试结果不能真实反映织物在实际穿着过程中的折皱情况。
【发明内容】
[0003]本发明的目的在于针对以上织物抗皱性测试中存在的问题，提出一种可以模拟实际着装的织物抗皱性测试装置。众所周知，服装在实际穿着过程中，最容易产生折皱的是运动频繁的关节部位，如膝盖、肘部等往往是起皱最严重的区域。因此，本发明主要涉及一种可以模拟人体关节部位使织物产生折皱的装置。
[0004]本发明的上述技术目的是通过以下技术方案实现的:模拟实际着装的织物抗皱性测试装置，包括关节模拟装置和盒形固定装置，其中关节模拟装置又包括海绵棒、棉花团、弹性针织布。
[0005]所述的关节模拟装置由海绵棒、棉花团和弹性针织布组成。所述的海绵棒为中间是定型铁丝，外包弹性海绵材料的棒状物，数根海绵棒用细铁丝固定，以模拟人体骨骼；所述的棉花团填充在用细铁丝固定后的海绵棒外层，以模拟人体脂肪；所述的弹性针织布包裹在棉花团的外层，以模拟人体有弹性的皮肤。所述的盒形固定装置用不易变形的材料制成，且带有中空的矩形孔洞，用来对弯曲后的关节模拟装置进行固定及施压。
[0006]利用本装置进行织物抗皱性测试的方法为:将裁剪成规定尺寸的织物试样缝合成“袖筒”，穿在以上装置上，并将其对折弯曲，在加压装置上固定规定时间后，取下“袖筒”并拆除缝合线，并将折皱后的织物试样放置于扫描仪上扫描获取织物折皱图像，并用计算机对织物折皱图像进行一系列图像处理操作，包括:预处理、彩色图像灰度化、中值滤波，灰度增强、去噪、利用OTSU (最大类间方差阈值)法进行二值化及折皱边缘检测。最后提取织物折皱度作为表征织物抗皱能力的评价指标。折皱度越大的织物，做成服装实际穿着时的抗皱能力越差。
[0007]本发明的有益效果:针对现有的抗皱性测试方法不能表征织物做成服装后实际穿着过程中的折皱能力，设计一套可模拟实际着装的织物抗皱性测试装置，并通过图像处理得到反映织物抗皱性的评价指标，解决了现有的织物抗皱性测试仪器与方法均不能用来表征织物实际穿着时的折皱情况，同时也节省了实际着装实验需要耗费的大量人力、物力和时间。具有简单便捷、仿真效果好等优点，且具备实验可重复性好等有益效果。
[0008]在对织物折皱图像的处理过程中，采用了一种多尺度自适应加权形态边缘提取的算法，解决了利用微分运算进行边缘提取的算法抗噪性差的问题(如Sobel算法、Prewitt算法)，弥补了利用高斯函数对原始图像作平滑或卷积运算时存在的计算量大、运算速度慢等不足(如Log和Canny边缘提取算法)。【专利附图】
【附图说明】
[0009]图1关节模拟装置横截面结构示意图；
[0010]图2带有试样的测试装置进行固定并施压的示意图。
【具体实施方式】
[0011 ] 以下通过实施例，并结合附图，对本发明的技术方案作进一步具体说明。
[0012]实施例:模拟实际着装的织物抗皱性测试装置，包括图1的关节模拟装置和盒形固定装置，关节模拟装置又包括海绵棒1、棉花团2、弹性针织布3。所述的海绵棒I为中间是定型铁丝，外包弹性海面材料的直径约1.5厘米的棒状物，数根海绵棒用细铁丝固定，以模拟人体骨骼；所述的棉花团2填充在用细铁丝固定后的海绵棒外层，以模拟人体脂肪；所述的弹性针织布3包裹在棉花团的外层，以模拟人体有弹性的皮肤。本实施例中的关节模拟装置为长20厘米，直径16厘米。
[0013]所述的盒形固定装置5用不易变形的材料制成，且带有中空的矩形孔洞，用来对弯曲后的关节模拟装置4进行固定及施压，如图2所示。本实施例中的盒形固定装置的矩形开口为15厘米长，9厘米宽。
[0014]本发明中的织物抗皱性测试方法包括以下步骤:
[0015](I)将待测织物熨烫平整后，标上经向丝缕记号，并裁剪成规定尺寸(本实施例中试样的尺寸为经向20cm、纬向18cm的矩形)。
[0016](2)将按要求裁剪的织物试样沿长度方向对折，并以0.5厘米的缝头缝合，形成袖筒形状。
[0017](3)将袖筒里面向外翻出，使缝头位于袖筒子里侧。
[0018](4)将袖筒套在关节模拟装置上，并将带有袖筒的关节模拟装置弯曲对折，弯曲时使缝头位于外侧。
[0019](5)将弯曲后的关节模拟装置放置于盒形固定装置的开口位置，即以固定的角度和压力对套在关节模拟装置外侧的试样进行施压。
[0020](6)施压固定时间后，取下关节模拟装置，并用剪刀将袖筒的缝线拆除，然后轻轻取下试样，并轻轻铺开。
[0021](7)将铺开后的试样置于扫描仪上获取织物折皱图像，扫描时要固定且统一对折皱织物的施加压力。
[0022](8)将织物折皱图像输入计算机，并进行预处理，截取中间折皱最严重的部分，将其切割成规定尺寸。
[0023](9)对裁剪后的织物折皱图像进行图像处理，包括:彩色图像灰度化、中值滤波，灰度增强、去噪、二值化和边缘检测等。其中去噪和二值化以及边缘检测采用的具体算法为:[0024]去噪:经本发明中的抗皱性检测装置产生的织物折皱图像中斑点噪声较多，因此采用如下模型进行去噪:y(i, j)=x(i, j)*n(i, j)+n0(i, j)
[0025]其中y，x，n, n0分别为含噪声的图像，原始干净图像，乘性噪声和加性噪声。通常加性噪声的影响比乘性噪声小很多，可以忽略，因此上式可变为:logy(i, j) =1gx(i, j)+logn(i, j),然后再采用加性噪声的方法处理斑点噪声。
[0026]二值化采用OTSU (最大类间方差阈值法)法进行，其中心思想是利用图像灰度特征从图中分出前景和背景两大类。这两类的类间方差越大，则这两类差异越大(不管是前景错分为背景还是背景错分给前景都会使这两大类的差异变小)。分错的概率越小意味着这两类的类间方差值越大。在图像G(x，y)中，假设T为所求阈值，小于该值的区域为目标，大于该值的区域为背景，那么，目标区域中像素的发生概率为Q1,灰度平均值为U1,背景像素点发生概率为ω2，灰度平均值是μ 2，整幅图像总灰度平均值是μ，类间方差δ\ (0=?)(//t(t)-//)2 +ω2( μX t )-μ?。
[0027]在折皱边缘检测的过程中,传统的边缘提取算法如Sobel算法、Prewitt算法等由于引入了各种微分运算，对噪声敏感，抗噪性能差，不适合用来检测织物折皱；利用高斯函数对原始图像作平滑或卷积运算的Log和Canny边缘提取算法，又因计算量大而运算速度慢；本发明中采用一种多尺度自适应的边缘检测算法，具体步骤为:
[0028]①.取基本有限结构元B，膨胀得到多尺度结构元nB
[0029]ηβ = Β.βΦβ_~_Β (膨胀次数由图像分辨率和噪声多少而定)。
[0030]②.用运算得到的多尺度结构元nB分别提取原始图像在各个不同尺度下的边缘信息 EDn (X，y)。
[0031]③.再对所得多尺度边缘提取图像进行合成运算，得到各尺度下的边缘图像
f (X，y)。
[0032]
【权利要求】
1.模拟实际着装的织物抗皱性测试装置，包括关节模拟装置和盒形固定装置，其特征在于: 所述的关节模拟装置由海绵棒、棉花团和弹性针织布组成；所述的海绵棒为中间是定型铁丝，外包弹性海绵材料的棒状物，数根海绵棒用细铁丝固定，以模拟人体骨骼；所述的棉花团填充在用细铁丝固定后的海绵棒外层，以模拟人体脂肪；所述的弹性针织布包裹在棉花团的外层，以模拟人体有弹性的皮肤； 所述的盒形固定装置用不易变形的材料制成，且带有中空的矩形孔洞，用来对弯曲后的关节模拟装置进行固定及施压。
2.利用上述装置进行织物抗皱性测试方法，其特征在于该方法具体是: (1)将待测织物熨烫平整后，标上经向丝缕记号，并裁剪成规定尺寸； (2)将按要求裁剪的织物试样沿长度方向对折，并以0.5厘米的缝头缝合，形成袖筒形状； (3)将袖筒里面向外翻出，使缝头位于袖筒子里侧； (4)将袖筒套在关节模拟装置上，并将带有袖筒的关节模拟装置弯曲对折，弯曲时使缝头位于外侧； (5)将弯曲后的关节模拟装置放置于盒形固定装置的开口位置，即以固定的角度和压力对套在关节模拟装置外侧的试样进行施压； (6)施压固定时间后，取下关节模拟装置，并用剪刀将袖筒的缝线拆除，然后轻轻取下试样，并轻轻铺开；` (7)将铺开后的试样置于扫描仪上获取织物折皱图像，扫描时固定且统一对折皱织物的施加压力； (8)将织物折皱图像输入计算机，并进行预处理，截取中间折皱最严重的部分，将其切割成规定尺寸； (9)对裁剪后的织物折皱图像进行图像处理，包括:彩色图像灰度化、中值滤波，灰度增强、去噪、二值化和边缘检测； (10)经过上述图像处理后提取织物折皱度作为表征织物抗皱能力的评价指标，折皱度的表达式为:PGt~Gf.} η-1 其中Gi为第i，个像素点的灰度值，虿为灰度值的平均值，η为总的像素点个数；织物折皱度数值越大，表明织物抗皱能力越差，做成服装实际穿着时，织物表面越不平整。
3.根据权利要求2所述的测试方法，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分别为含噪声的图像，原始干净图像，乘性噪声和加性噪声；通常加性噪声的影响比乘性噪声小很多，可以忽略，因此上式可变为:logy(i, j) =1gx(i, j)+logn(i, j),然后再采用加性噪声的方法处理斑点噪声。
4.根据权利要求2所述的测试方法，其特征在于:所述的二值化采用最大类间方差阈值法法进行，其中心思想是利用图像灰度特征从图中分出前景和背景两大类；这两类的类间方差越大，则这两类差异越大；分错的概率越小意味着这两类的类间方差值越大；在图像G(x，y)中，假设T为所求阈值，小于该值的区域为目标，大于该值的区域为背景，那么，目标区域中像素的发生概率为Q1,灰度平均值为U1，背景像素点发生概率为ω2，灰度平均值是μ 2，整幅图像总灰度平均值是μ，类间方差4+%(/((th/d-。
5.根据权利要求2所述的测试方法，其特征在于:所述的边缘检测采用多尺度自适应的边缘检测算法，具体步骤为: ①.取基本有限结构元B，膨胀得到多尺度结构元nB η.Β =.ΒΦΒΦ.ΒΦ….Β，膨胀次数由图像分辨率和噪声多少而定； ②.用多尺度结构元nB分别提取原始图像在各个不同尺度下的边缘信息EDn(x，y)； ③.再对所得多尺度边缘提取图像进行合成运算，得到各尺度下的边缘图像f U，y)； ④.对合成的边缘图像进行二值化，得到最终的边缘图像ED(X，y)。
【文档编号】G01N21/84GK103728307SQ201410022792
【公开日】2014年4月16日 申请日期:2014年1月17日 优先权日:2014年1月17日
【发明者】刘成霞 申请人:浙江理工大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
