模擬實際著裝的織物抗皺性測試裝置及方法
【專利摘要】本發明涉及一種模擬實際著裝的織物抗皺性測試裝置及方法。本發明裝置包括關節模擬裝置和盒形固定裝置。本發明方法是將裁剪成規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定時間后，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，并用計算機對織物折皺圖像進行一系列圖像處理操作，包括：預處理、彩色圖像灰度化、中值濾波，灰度增強、去噪、利用OTSU進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指標。本發明節省了實際著裝實驗需要耗費的大量人力、物力和時間。具有簡單便捷、仿真效果好等優點，且具備實驗可重復性好等有益效果。
【專利說明】 模擬實際著裝的織物抗皺性測試裝置及方法
【技術領域】
[0001]本發明屬于紡織服裝性能測試領域，尤其涉及一種模擬實際著裝的織物抗皺性測試裝置及方法。
【背景技術】
[0002]織物被揉搓擠壓時發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生折痕的回復程度，又稱為折皺(折痕)回復性?？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角法和擰絞法。前者是將織物折疊施壓后測定回復角度；擰絞法是將織物上下兩邊旋轉一周壓縮，除壓放置后評價折皺等級。這兩種方法都存在一定的問題:前者產生的是單一形態和方向的直線狀折痕；后者產生類似服裝洗后擰干時引起的互相平行的斜向折痕。這兩種方法產生的折皺與服裝在實際穿著過程中產生的折皺有較大的差距，導致其測試結果不能真實反映織物在實際穿著過程中的折皺情況。
【發明內容】
[0003]本發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際著裝的織物抗皺性測試裝置。眾所周知，服裝在實際穿著過程中，最容易產生折皺的是運動頻繁的關節部位，如膝蓋、肘部等往往是起皺最嚴重的區域。因此，本發明主要涉及一種可以模擬人體關節部位使織物產生折皺的裝置。
[0004]本發明的上述技術目的是通過以下技術方案實現的:模擬實際著裝的織物抗皺性測試裝置，包括關節模擬裝置和盒形固定裝置，其中關節模擬裝置又包括海綿棒、棉花團、彈性針織布。
[0005]所述的關節模擬裝置由海綿棒、棉花團和彈性針織布組成。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，數根海綿棒用細鐵絲固定，以模擬人體骨骼；所述的棉花團填充在用細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，且帶有中空的矩形孔洞，用來對彎曲后的關節模擬裝置進行固定及施壓。
[0006]利用本裝置進行織物抗皺性測試的方法為:將裁剪成規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定時間后，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，并用計算機對織物折皺圖像進行一系列圖像處理操作，包括:預處理、彩色圖像灰度化、中值濾波，灰度增強、去噪、利用OTSU (最大類間方差閾值)法進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指標。折皺度越大的織物，做成服裝實際穿著時的抗皺能力越差。
[0007]本發明的有益效果:針對現有的抗皺性測試方法不能表征織物做成服裝后實際穿著過程中的折皺能力，設計一套可模擬實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指標，解決了現有的織物抗皺性測試儀器與方法均不能用來表征織物實際穿著時的折皺情況，同時也節省了實際著裝實驗需要耗費的大量人力、物力和時間。具有簡單便捷、仿真效果好等優點，且具備實驗可重復性好等有益效果。
[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加權形態邊緣提取的算法，解決了利用微分運算進行邊緣提取的算法抗噪性差的問題(如Sobel算法、Prewitt算法)，彌補了利用高斯函數對原始圖像作平滑或卷積運算時存在的計算量大、運算速度慢等不足(如Log和Canny邊緣提取算法)?！緦＠綀D】
【附圖說明】
[0009]圖1關節模擬裝置橫截面結構示意圖；
[0010]圖2帶有試樣的測試裝置進行固定并施壓的示意圖。
【具體實施方式】
[0011 ] 以下通過實施例，并結合附圖，對本發明的技術方案作進一步具體說明。
[0012]實施例:模擬實際著裝的織物抗皺性測試裝置，包括圖1的關節模擬裝置和盒形固定裝置，關節模擬裝置又包括海綿棒1、棉花團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，數根海綿棒用細鐵絲固定，以模擬人體骨骼；所述的棉花團2填充在用細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包裹在棉花團的外層，以模擬人體有彈性的皮膚。本實施例中的關節模擬裝置為長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，且帶有中空的矩形孔洞，用來對彎曲后的關節模擬裝置4進行固定及施壓，如圖2所示。本實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，標上經向絲縷記號，并裁剪成規定尺寸(本實施例中試樣的尺寸為經向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對折，并以0.5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。
[0018](4)將袖筒套在關節模擬裝置上，并將帶有袖筒的關節模擬裝置彎曲對折，彎曲時使縫頭位于外側。
[0019](5)將彎曲后的關節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節模擬裝置外側的試樣進行施壓。
[0020](6)施壓固定時間后，取下關節模擬裝置，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，掃描時要固定且統一對折皺織物的施加壓力。
[0022](8)將織物折皺圖像輸入計算機，并進行預處理，截取中間折皺最嚴重的部分，將其切割成規定尺寸。
[0023](9)對裁剪后的織物折皺圖像進行圖像處理，包括:彩色圖像灰度化、中值濾波，灰度增強、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:經本發明中的抗皺性檢測裝置產生的織物折皺圖像中斑點噪聲較多，因此采用如下模型進行去噪: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，因此上式可變為: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噪聲。
[0026]二值化采用OTSU (最大類間方差閾值法)法進行，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(不管是前景錯分為背景還是背景錯分給前景都會使這兩大類的差異變小)。分錯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T為所求閾值，小于該值的區域為目標，大于該值的區域為背景，那么，目標區域中像素的發生概率為Q1,灰度平均值為U1,背景像素點發生概率為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；利用高斯函數對原始圖像作平滑或卷積運算的Log和Canny邊緣提取算法，又因計算量大而運算速度慢；本發明中采用一種多尺度自適應的邊緣檢測算法，具體步驟為:
[0028]①.取基本有限結構元B，膨脹得到多尺度結構元nB
[0029]ηβ = Β.βΦβ_~_Β (膨脹次數由圖像分辨率和噪聲多少而定)。
[0030]②.用運算得到的多尺度結構元nB分別提取原始圖像在各個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行合成運算，得到各尺度下的邊緣圖像
f (X，y)。
[0032]
【權利要求】
1.模擬實際著裝的織物抗皺性測試裝置，包括關節模擬裝置和盒形固定裝置，其特征在于: 所述的關節模擬裝置由海綿棒、棉花團和彈性針織布組成；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，數根海綿棒用細鐵絲固定，以模擬人體骨骼；所述的棉花團填充在用細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，且帶有中空的矩形孔洞，用來對彎曲后的關節模擬裝置進行固定及施壓。
2.利用上述裝置進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，標上經向絲縷記號，并裁剪成規定尺寸； (2)將按要求裁剪的織物試樣沿長度方向對折，并以0.5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； (4)將袖筒套在關節模擬裝置上，并將帶有袖筒的關節模擬裝置彎曲對折，彎曲時使縫頭位于外側； (5)將彎曲后的關節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節模擬裝置外側的試樣進行施壓； (6)施壓固定時間后，取下關節模擬裝置，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，掃描時固定且統一對折皺織物的施加壓力； (8)將織物折皺圖像輸入計算機，并進行預處理，截取中間折皺最嚴重的部分，將其切割成規定尺寸； (9)對裁剪后的織物折皺圖像進行圖像處理，包括:彩色圖像灰度化、中值濾波，灰度增強、去噪、二值化和邊緣檢測； (10)經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指標，折皺度的表達式為:PGt~Gf.} η-1 其中Gi為第i，個像素點的灰度值，蠆為灰度值的平均值，η為總的像素點個數；織物折皺度數值越大，表明織物抗皺能力越差，做成服裝實際穿著時，織物表面越不平整。
3.根據權利要求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，因此上式可變為: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噪聲。
4.根據權利要求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T為所求閾值，小于該值的區域為目標，大于該值的區域為背景，那么，目標區域中像素的發生概率為Q1,灰度平均值為U1，背景像素點發生概率為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.根據權利要求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的邊緣檢測算法，具體步驟為: ①.取基本有限結構元B，膨脹得到多尺度結構元nB η.Β =.ΒΦΒΦ.ΒΦ….Β，膨脹次數由圖像分辨率和噪聲多少而定； ②.用多尺度結構元nB分別提取原始圖像在各個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行合成運算，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 優先權日:2014年1月17日
【發明者】劉成霞 申請人:浙江理工大學
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
