色織物的顏色聚類分析方法
【專利摘要】本發(fā)明提供了一種色織物的顏色聚類分析方法，該方法首先利用不同模板尺寸的中值濾波(3×3和5×5)對色織物的原始圖像進(jìn)行濾波去噪處理，然后將色織物圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，最后借助于K均值聚類算法對色織物的顏色聚類進(jìn)行劃分，從而得到了色織物的色紗數(shù)目和種類。
【專利說明】
色織物的顏色聚類分析方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及自動識別技術(shù)領(lǐng)域，特別涉及了一種色織物的顏色聚類分析方法。
【背景技術(shù)】
[0002] 顏色聚類分析作為織物生產(chǎn)和織物分析過程中不可缺少的一個步驟，其可以被用 來進(jìn)行織物中色紗的劃分和分類。盡管數(shù)字圖像處理技術(shù)在織物圖像分析領(lǐng)域發(fā)展迅速， 但先前的許多研究人員仍然將精力集中于織物灰度圖像的分析，然而彩色圖像的視覺感知 比灰度圖像更有意義，因此開發(fā)一種色織物顏色聚類自動劃分的方法是很有必要的。通常 來說，這些顏色聚類自動劃分的方法可以被分為三類:基于模糊C均值聚類的方法，基于神 經(jīng)網(wǎng)絡(luò)的方法，基于直方圖閾值分割的方法。
[0003] 雖然顏色聚類劃分的方法眾多，但上述方法大多應(yīng)用于印花織物和單色織物的分 析，對色織物的研究較少。此外，在RGB顏色空間進(jìn)行聚類劃分，對在亮度上變化明顯的織物 圖像有較好的分類效果，而對有較為相近的亮度值，在色調(diào)值上變化明顯的織物圖像，其分 類效果不好。在HSL顏色空間進(jìn)行聚類劃分，對有較為相近的亮度值和色調(diào)值，在飽和度值 上變化明顯的織物圖像，其分類效果不佳。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種色織物的顏色聚類分析方法，通過圖像處理技術(shù)，利 用不同模板尺寸的中值濾波去除織物圖像上的噪聲，在Lab空間借助于K均值聚類算法對色 織物圖像進(jìn)行顏色聚類的劃分，從而獲得色紗的種類和數(shù)目。
[0005] 為實(shí)現(xiàn)以上目的，本發(fā)明提供了一種色織物的顏色聚類分析方法，包括以下步驟：
[0006] S1、將RGB空間下的色織物圖像分解為R、G、B三個顏色通道內(nèi)的子圖像；
[0007] S2、去除子圖像表面的噪聲；
[0008] S3、將去除噪聲后的三個子圖像重構(gòu)成一幅圖像；
[0009] S4、將去除噪聲后的子圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間；
[0010] S5、對色織物的顏色聚類進(jìn)行劃分。
[0011] 作為優(yōu)選的，步驟S2中，通過中值濾波的方式去除圖像噪聲。
[0012] 作為優(yōu)選的，中值濾波的方式采用3 X 3或5 X 5的中值濾波模板。
[0013] 作為優(yōu)選的，步驟4具體包括以下步驟：
[0014] S4.1、將圖像從RGB顏色空間轉(zhuǎn)換到XYZ顏色空間；
[0015] S4.2、根據(jù)XYZ顏色空間的織物圖像轉(zhuǎn)換為Lab顏色空間的織物圖像。
[0016]作為優(yōu)選的，步驟S4.1具體包括以下步驟：
[0017] S4 · 11、將R、G、B的值除以255，分別得到rQ、go、bQ的值；

[0023] 作為優(yōu)選的，步驟S5通過K均值聚類劃分法對色織物的顏色聚類進(jìn)行劃分。
[0024] 作為優(yōu)選的，K均值聚類劃分法包括以下步驟：
[0025] 35.1、確定分類數(shù)1^;
[0026] S5.2、從集合{x}中任意選取k個對象作為初始聚類中心:Z1 (I)，Z2(1)，…，Zk( 1);
[0027] S5.3、根據(jù)集合{x}中的元素與這些聚類中心的距離，分別將它們分配給與其最相 似的聚類；
[0028] S5.4、計(jì)算每個所獲得的新聚類的聚類中心Zj(k+1)，j = l，2，···，k，直到聚類Cj(k) 中所有元素到新的聚類中心的距離平方和達(dá)到最小值；
[0029] S5.5、若Zj(k+l) = Zj(k)，那么迭代的過程將停止，否則重復(fù)步驟S5.3和S5.4,直到 每個聚類不再發(fā)生變化為止。
[0030] 由于RGB顏色空間下的R、G、B三個顏色通道是線性相關(guān)關(guān)系，在其空間下對色織物 的顏色聚類進(jìn)行劃分會產(chǎn)生一些錯誤的分類，它僅適合在亮度分量上存在較大差異的色織 物圖像的聚類劃分，而Lab顏色空間對大多數(shù)的色織物圖像有較好的聚類劃分效果，即使色 織物圖像之間有相似的亮度和色調(diào)值，而在飽和度值上有區(qū)別的情況下，Lab顏色空間仍能 夠?qū)ι椢飯D像有較好的聚類劃分效果。
【附圖說明】
[0031] 圖1為本發(fā)明中色織物顏色聚類劃分的流程圖。
[0032]圖2為本發(fā)明中3 X 3中值濾波示意圖。
[0033]圖3為本發(fā)明中Lab顏色空間的示意圖。
【具體實(shí)施方式】
[0034]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明的各實(shí) 施方式進(jìn)行詳細(xì)的闡述。
[0035]本發(fā)明的第一種實(shí)施方式提出一種對色織物的顏色聚類進(jìn)行劃分的方法，該方法 主要包括五個部分，如圖1所示，包括以下步驟：
[0036] 1)圖像分解。將RGB空間下的色織物圖像分解為R、G、B三個顏色通道內(nèi)的子圖像；
[0037] 2)中值濾波。利用中值濾波對三個顏色通道內(nèi)的子圖像進(jìn)行處理，去除圖像表面 的噪聲；
[0038] 3)圖像重構(gòu)。將中值濾波后的三個顏色通道內(nèi)的子圖像重構(gòu)成一幅圖像；
[0039] 4)顏色空間轉(zhuǎn)換。將濾波后的圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間；
[0040] 5)聚類劃分。借助于K均值聚類算法在Lab空間內(nèi)對色織物的顏色聚類進(jìn)行劃分， 從而得到色紗的數(shù)目和種類。
[0041] 在數(shù)字圖像處理領(lǐng)域，一張彩色圖像被看做是一個三維的數(shù)字矩陣，其中每一個 像素點(diǎn)都由R(紅色）、G(綠色）、B(藍(lán)色)三個顏色值疊加而成，每個顏色值的取值范圍都為0 ~255。所以可以將圖片分解為三個分別只含R值，G值，B值的子圖像，分別被稱為紅色通道 子圖像，綠色通道子圖像，藍(lán)色通道子圖像。
[0042]將圖像分解為三個顏色通道的子圖像，是圖像處理中的基本處理方法，應(yīng)用廣泛， 在此不再敘述。
[0043]通常情況下，由于織物表面的毛羽和光照的不均勻，會造成織物圖像采集時噪聲 的出現(xiàn)，本發(fā)明采用二維中值濾波的方法去除圖像噪聲，達(dá)到增強(qiáng)圖像質(zhì)量的效果，以便提 高顏色分析的準(zhǔn)確率。
[0044]二維中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號處理技 術(shù)，其基本原理是把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)值的中值代替，讓周圍 的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。選取一個3 X 3模板尺寸的中值濾波為例， 如圖2所示，假設(shè)f(x，y)表示原始灰度圖像，g(x，y)表示中值濾波后的圖像，原始灰度圖像 中某一個像素點(diǎn)的灰度值為192,其相鄰的八個像素點(diǎn)的灰度值為0,32，64,96,128,160， 225和255，利用中值濾波進(jìn)行處理后，該像素點(diǎn)的灰度值變?yōu)?28。
[0045]中值濾波是用來去除圖片中的噪音，其所用到的濾波尺寸模板大小有3X3,5X5， 7X7,9X9等。模板尺寸越大，去除噪音的效果越好，但是相對的去噪之后的圖片清晰度也 會越低，綜合后續(xù)實(shí)驗(yàn)中所需要的圖片質(zhì)量來考慮，選取3 X 3和5 X 5兩個不同模板尺寸的 中值濾波對色織物R、G、B三個顏色通道內(nèi)的子圖像進(jìn)行處理，用三維效果圖反映兩種不同 模板尺寸的中值濾波對子圖像進(jìn)行卷積運(yùn)算后，圖像發(fā)生的變化。樣品1的色織物圖像經(jīng)過 中值濾波處理后，其表面的毛羽和細(xì)小纖維被去除，并且紗線的顏色信息得到有效的保存。 [0046]傳統(tǒng)的顏色空間是由色調(diào)，飽和度和亮度構(gòu)成，但是人們很難在RGB和HSL空間下 對顏色進(jìn)行準(zhǔn)確地識別。在本發(fā)明中，提出一種Lab顏色空間（如圖3所示），與傳統(tǒng)的顏色空 間相比，Lab顏色空間的色域更大，更接近于人類的視覺感應(yīng)，與RGB顏色空間的不均勻分布 相比，它致力于感知的均勻性。Lab空間中的L分量表示亮度，a和b分量表示顏色的對立維 度，因此，可以將L分量作為亮度區(qū)分的標(biāo)準(zhǔn)，將a和b的分量作為顏色評價的標(biāo)準(zhǔn)。
[0047]因?yàn)椴杉降纳椢飯D像是RGB圖像，故要將織物圖像從RGB顏色空間轉(zhuǎn)換到Lab 顏色空間進(jìn)行顏色聚類劃分，在此之前先要將圖像從RGB顏色空間轉(zhuǎn)換到XYZ顏色空間，其 具體的轉(zhuǎn)換過程如下：
[0048] (1)將R、G、B的值除以255，分別得到ro、go、bo的值；
像。
[0051] 在獲取了 XYZ顏色空間的織物圖像后，可將織物圖像繼續(xù)進(jìn)行轉(zhuǎn)換，最終得到Lab 顏色空間的織物圖像，其具體過程如下：
[0052] (1)假如X>0.008856,那么否貝 類似地，利用該方法對 Y和Z分量進(jìn)行處理，從而得到y(tǒng)、z;
[0053]
，得到Lab顏色空間的織物圖像。
[0054]實(shí)現(xiàn)了上述轉(zhuǎn)換過程后，織物圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，L分量的取 值分布在[0，100]范圍內(nèi)，a、b分量的取值分布在[-128，+127]范圍內(nèi)。
[0055]聚類分析是指將物理或抽象對象的集合分組為由類似的對象組成的多個類的分 析過程，而K均值聚類算法作為一個常用的硬聚類算法，可被用來進(jìn)行圖像顏色聚類的劃 分。它是典型的基于原型的目標(biāo)函數(shù)聚類方法的代表，將數(shù)據(jù)點(diǎn)到原型的歐氏距離作為優(yōu) 化的目標(biāo)函數(shù)，利用函數(shù)求極值的方法得到迭代運(yùn)算的調(diào)整規(guī)則。
[0056]本發(fā)明選取包含三種不同顏色紗線的色織物作為研究對象，利用K均值聚類的方 法將其劃分成不同的聚類，具體的步驟如下：
[0057] (1)確定分類數(shù)1^;
[0058] (2)從集合{X}中任意選取k個對象作為初始聚類中心:Z1 (I)，Z2 (1)，…，Zk( 1);
[0059] (3)在第k階迭代算法步驟內(nèi)，根據(jù)集合{x}中的元素與這些聚類中心的距離，分別 將它們分配給與其最相似的聚類，如果I |x-z」(k)| |<| |x-Zl(k)| I，那么xeCj(k)，對所有 的i = l，2,…，k，i關(guān)j都成立，其中Zj(k)是聚類Cj(k)的聚類中心；
[0060] (4)計(jì)算每個所獲得的新聚類的聚類中心。仏+1)，」=1，2，一，1^，直到聚類(^(1〇中 所有元素到新的聚類中心的距離平方和達(dá)到最小值，新的聚類中心可以表示為
其中，Nj是聚類Q(k)中元素的數(shù)目；
[0061] (5)對j = l，2,…，k而言，如果Zj(k+l) = w(k)，那么迭代的過程將停止，否則不斷 循環(huán)(3)到(4)過程，直到每個聚類不再發(fā)生變化為止。
[0062] 在Lab空間下，利用K均值聚類算法對樣品的顏色聚類進(jìn)行劃分，該方法可以將色 織物的顏色聚類進(jìn)行劃分，但是劃分出的聚類圖像中有大量孤立的噪聲點(diǎn)，因此，在聚類分 析之前，借助于一個3X3的中值濾波可以去除部分噪聲，提高色織物圖像的聚類劃分效果。 [0063]在Lab顏色空間下對樣品的色織物圖像進(jìn)行顏色劃分的效果要優(yōu)于RGB顏色空間 下色織物的顏色聚類劃分，特別當(dāng)紗線之間具有相似的亮度值、不同的色調(diào)值時，例如綠色 紗線和白色紗線，它們在RGB顏色空間下很難被分割，但是在Lab空間下具有較好的聚類劃 分效果。同時，色織物圖像經(jīng)過5 X 5模板尺寸的中值濾波處理后的顏色聚類劃分效果，比經(jīng) 過3X3模板尺寸的中值濾波處理后的顏色聚類劃分效果更好，可以去除更多的邊緣噪聲。
[0064]上述各實(shí)施方式是實(shí)現(xiàn)本發(fā)明的具體實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解， 而在實(shí)際應(yīng)用中，可以在形式上和細(xì)節(jié)上對其作各種改變，而不偏離本發(fā)明的精神和范圍。
【主權(quán)項(xiàng)】
1. 一種色織物的顏色聚類分析方法，其特征在于，包括W下步驟： 51、 將RGB空間下的色織物圖像分解為R、G、BS個顏色通道內(nèi)的子圖像； 52、 去除子圖像表面的噪聲； 53、 將去除噪聲后的Ξ個子圖像重構(gòu)成一幅圖像； 54、 將去除噪聲后的子圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間； 55、 對色織物的顏色聚類進(jìn)行劃分。2. 根據(jù)權(quán)利要求1所述的色織物的顏色聚類分析方法，其特征在于，所述步驟S2中，通 過中值濾波的方式去除圖像噪聲。3. 根據(jù)權(quán)利要求2所述的色織物的顏色聚類分析方法，其特征在于，所述中值濾波的方 式采用3 X 3或5 X 5的中值濾波模板。4. 根據(jù)權(quán)利要求1所述的色織物的顏色聚類分析方法，其特征在于，所述步驟4具體包 括W下步驟： 54.1、 將圖像從RGB顏色空間轉(zhuǎn)換到別Z顏色空間； 54.2、 根據(jù)XYZ顏色空間的織物圖像轉(zhuǎn)換為Lab顏色空間的織物圖像。5. 根據(jù)權(quán)利要求4所述的色織物的顏色聚類分析方法，其特征在于，所述步驟S4.1具體 包括W下步驟： 54.11、 將R、G、B的值除W 255，分別得到ro、go、bo的值； 54.12、 將ro、go、bo的值分別與0.04045比較，若r〇〉0.04045，則否則若 g 日〉0 . 0 4 0 4 5，則若 b 日〉0 . 0 4 0 4 5，貝IJ54.13、 通J，得到別Z顏色空間的織物圖像。6. 根據(jù)權(quán)利要求4所述的色織物的顏色聚類分析方法，其特征在于，所述步驟S4.2具體 包括W下步驟： S4 . 21、將X、Υ、Ζ分別與0 . 008856相比較，若X〉0 . 008856，則X 二 ，否則若Z〉0.008856,貝 IJ Z=滅否貝S4.22、通i3'得到Lab顏色空間的織物圖像。7. 根據(jù)權(quán)利要求1所述的色織物的顏色聚類分析方法，其特征在于，所述步驟S5通過K 均值聚類劃分法對色織物的顏色聚類進(jìn)行劃分。8. 根據(jù)權(quán)利要求7所述的色織物的顏色聚類分析方法，其特征在于，所述K均值聚類劃 分法包括w下步驟： 85.1、 確定分類數(shù)4; 55.2、 從集合{X}中任意選取k個對象作為初始聚類中屯、:Zi(1)，Z2(1)，…，Zk( 1); 55.3、 根據(jù)集合{x}中的元素與運(yùn)些聚類中屯、的距離，分別將它們分配給與其最相似的 聚類； 55.4、 計(jì)算每個所獲得的新聚類的聚類中屯、zパk+l)，j = l，2，…，k，直到聚類Cパk)中所 有元素到新的聚類中屯、的距離平方和達(dá)到最小值； 55.5、 若zパk+l)=zパk)，那么迭代的過程將停止，否則重復(fù)所述步驟S5.3和S5.4，直到 每個聚類不再發(fā)生變化為止。
【文檔編號】G06T7/40GK105844675SQ201610172666
【公開日】2016年8月10日
【申請日】2016年3月24日
【發(fā)明人】辛斌杰, 劉曉霞, 林蘭天, 吳湘濟(jì)
【申請人】上海工程技術(shù)大學(xué)