刘沐黎， 袁 理,2， 杨亚莉， 刘军平， 程 哲，龚 雪， 纪昌俊， 鄢煜尘

(1. 武汉纺织大学 电子与电气工程学院， 湖北 武汉 430200； 2. 武汉纺织大学 湖北省纺织新材料与先进加工技术省部共建国家重点实验室培育基地， 湖北 武汉 430200； 3. 武汉纺织大学 数学与计算机学院， 湖北 武汉 430200； 4. 武汉大学 电子信息学院， 湖北 武汉 430072)

色纺面料是由2种及以上不同色泽纤维经特定工序混和加工纺制而成，具有特殊呈色效果与色彩风格的纺织品。与传统的条染或匹染工艺相比，色纺工艺在节能减排以及环保等方面具有显著优势[1]。近年来，为满足消费者个性化与时尚化需求，通过调整染色纤维的配比以及生产工艺等，可以获得色彩层次丰富、具有朦胧立体效果与质感的色纺面料，深受消费者青睐。然而，在色纺面料的设计、开发和生产过程中，由于缺少科学的颜色分析与表征模型，企业需要依靠经验和反复试纺、目测来达到目标色。该过程不仅效率低、精度差，而且容易造成色纺面料色度学指标评测的二义性，影响商业交割。

近年来，得益于数字成像系统的普及和性能提升，数码摄像法在纺织品测色与分析领域得到了广泛应用。英国Verivide公司推出的“数慧眼”系统是该技术的典型代表[2]。同时，国内外研究机构也针对数字图像的颜色表征模型开展了广泛而深入地研究。作为图像的显著特征之一，颜色特征主要包括全局颜色特征和局部空间颜色特征。因此，如何建立全面、准确的颜色表征模型是目前该领域研究的重点和难点。向忠等[3]针对织物印花花型的多样性与复杂性，提出了一种结合花型边缘特征与颜色特征的图像检索方法，能够在HSV颜色空间中提取花纹图案的颜色直方图，并结合其边缘形状特征进行检索，该算法可准确区分同型不同色和同形异构的花型图案，平均查准率可达93.17%。冀永乐等[4]提出了一种纺织品染色质量在线检测方法，通过工业相机采集图像并进行图像降噪与增强等处理，然后利用CIE-Lab色差公式进行纺织品图像染色质量分析，该方法的检测精度达到87.5%以上。LU等[5]通过模糊C均值聚类算法对染色纤维图像在HSV颜色空间中进行特征提取，并结合距离指数函数实现染色纤维颜色种类的分析，每个像素的颜色可被相应的聚类中心关联的颜色所代替。何能斌等[6]以数码摄像法为基础，提出一种基于Lab颜色空间的彩色等差线提取新技术，即针对白光光源的彩色等差线条纹图特点，将图像从RGB颜色空间转换到Lab颜色空间，从而实现对彩色等差线条纹的精确提取。ZHU等[7]提出了一种基于CIE-Lab颜色特征的织物接缝自动检测方法，能够在CIE-Lab颜色空间中建立包括平均值、标准差和变异系数(CV值)在内的织物接缝特征参数的计算方法，相较于经典的小波检测方法，基于颜色特征空间的织物接缝检测具有更高的精度和计算效率。随着研究的深入，单一颜色空间对复杂颜色模式表征的局限性也日益凸显。由于不同的颜色空间具备不同的色彩刻画能力，并不存在一个能够全面、准确表征全部颜色模式的色彩空间[1]。为此，王民等[8]提出了基于HSV颜色空间、HIS颜色空间与YUV颜色空间的混合颜色空间分块颜色特征提取算法，并用于复杂图案的检索；相较于单一色彩空间颜色特征提取算法，该检索系统的查准率和查全率均得到明显提高。方承志等[9]针对复杂背景和高分辨率的人脸检测问题，提出了一种结合CMYK颜色空间、HSV颜色空间、YCbCr 颜色空间的肤色检测算法；该检测方法在保证检测率的同时，可大幅降低了计算复杂度和误检率。岳有军等[10]针对农业机器人在作业任务中容易受农作物阴影干扰的问题，提出了融合Lab颜色空间、YUV颜色空间和HIS颜色空间特征的阴影去除方法；该颜色特征提取方案可有效去除农作物图像阴影，且抗干扰性强。

值得注意的是，不同于单一呈色物体，色纺面料是以染色纤维作为颜色的基本载体。在成纱或织造的过程中，染色纤维会在纱线或织物的表面表现为和捻度相关的螺旋形，并且纤维间会互相堆叠与聚集，使得其呈色单元的形态与分布具有随机性[11-13]。对于色纺面料而言，颜色的局部空间分布特征与全局特征具有相同的权重与刻画能力，但在上述颜色特征模型中，无论是单一颜色还是混合颜色空间，都是在不同颜色分量中再次统计其用于表征空间分布的纹理特征，从而导致在纹理特征中颜色信息会占有较大权重，并干扰相邻像素点之间空间分布描述的独立性，进而影响整体的颜色表征能力。

本文以纺织品数码测色理论为基础，针对色纺面料特有的呈色机制与过程，建立混合色彩空间独立特征的颜色表征模型。该模型能够在混合颜色空间中对色纺面料的全局颜色特征进行提取与融合，同时也能够针对色纺织物图像的微结构模式，提取独立的纹理统计特征，并用于颜色空间分布信息的刻画。本文研究对于构建稳定、有效的色纺面料颜色表征模型具有重要的理论价值，同时也能够为实现色纺面料色度学指标的数字化与智能化检索与分析、指导色纺企业的实践生产提供有力保障。

1 混合色彩空间独立特征提取与融合

1.1 混合色彩空间的建立

不同颜色空间具有不同的颜色刻画能力，如RGB色彩空间、HSV色彩空间、XYZ色彩空间和Lab色彩空间等。其中，Lab色彩空间是与设备无关的颜色模型，也是颜色测量过程中被广泛使用的标准数据格式，并且与HSV色彩空间类似，符合人眼感知特性[14]。本文提出将Lab色彩空间中用于表示亮度的L*分量与HSV色彩空间中同样用于表示亮度信息的V分量进行融合，并作为混合色彩空间的独立亮度特征分量；同时，混合色彩空间中的色调分量与饱和度分量则分别由Lab和HSV色彩空间对应的分量融合而成。

1.2 全局颜色特征的提取

颜色矩作为一种全局特征，可简单有效地表征图像的颜色信息。本文提出针对混合色彩空间中的色调分量与饱和度分量，分别提取图像的三阶矩颜色特征。其中，一阶颜色矩特征C1的计算，如下式所示。

式中：W,H分别代表图像的宽度和高度；P(i,j)代表位置(i,j)处像素的颜色信息。

二阶颜色矩特征C2的计算，如下式所示。

三阶颜色矩特征C3的计算，如下式所示。

1.3 独立纹理统计特征的提取

对于具有朦胧立体效果与质感的色纺面料而言，其颜色空间分布信息是其颜色表征模型的重要组成部分。本文提出仅在混合色彩空间的亮度分量通道中，提取图像的局部二值模式(Local Binary Pattern，LBP)空间统计值并构成特征矢量，并用于色纺面料图像的颜色空间分布信息描述。由于该特征矢量是在独立亮度分量通道中提取，未受到色调分量与饱和度分量的干扰，具有理想的独立性。具体步骤如下。

首先，在独立的亮度分量通道中，利用LBP 算子建立织物图像的伪灰度图像；然后，以灰度共生矩阵(Gray Level Co-occurrence Matrix，GLCM)理论为基础，计算LBP伪灰度图像所有像素点与周围相邻4个方向(θ=0°，45°,90°,135°)角度且偏移距离d像素之间LBP 值共生对(i,j)出现的概率。最后，统计LBP共生矩阵的3类统计信息，并构成图像纹理统计特征描述符。分别为二阶矩(EASM)、对比度(Icontrast)与相关性(Ccorrelation)，数学表达式如下式所示。

1.4 特征融合与数学表征

图像的全局颜色特征与像素点颜色的空间分布特征是色纺织物呈色的主要特性，也是其外观色彩风格的主要刻画方面，提取的颜色矩特征与纹理特征具有理想的独立性。同时，本文采用特征级融合策略对各独立特征进行融合，并构建色纺织物颜色模型，其数学表征式为

C=w×Cmoment+(1-w)×CEIC

CEIC=EASM+Icontrast+Ccorrelation

式中：Cmoment为图像三阶矩颜色归一化特征；CEIC为独立基元归一化统计特征；w表示各独立特征的权值。

2 实验与结果

2.1 实验样本及系统参数设定

影响色纺织物呈色特性的因素很多[17]，为充分验证色纺织物颜色表征模型的有效性、普适性以及实用性，委托企业制备了2批共38份样本。其中，所有混纺纱线都采用环锭纺。样本涵盖了不同类型面料、不同质量配比、纤维长短以及纱线捻系数等差异因素。根据色纺织物织造工艺不同，可将实验样本分为2组。其中，第1组样本是由15份色纺纬平针针织物构成，每份样本由原色纤维与本白纤维根据不同配比混配而成，如表1所示。此外，该15份样本在CIE色相环上大致呈120° 角，能够覆盖较大范围的色域空间，部分样本如图1所示。

第2组样本由23份色纺机织物构成，无特殊说明情况下，每份样本均由3种染色纤维构成， 染色纤维长度为38 mm，线密度为13.5 tex，织物经纬纱线密度为20 tex，捻系数为350；组织结构为平纹，采用130号筘；下机纬密是280根/(10 cm)，每份样本的染色纤维质量配比、长短、捻系数等存在细微差别，具体配比参数见表2所示。全部样本在相对湿度为65%的环境中平衡后，通过“数慧眼”系统采集图像数据。

表1 色纺针织物实验样本质量配比参数表Tab.1 Massratio parameters of colored spinning knitted fabric sample

图1 部分色纺针织物实验样本图Fig.1 Experimental sample diagram of some colored spinning knitted fabrics

表2 色纺机织物实验样本质量配比参数表Tab.2 Massratio parameters of colored woven fabric sample

2.2 实验结果分析

根据所建立的颜色表征模型，对第1组15份色纺针织物图像提取颜色特征，结果如表3所示。其中：CDiv表示样本间全局颜色特征的归一化差异度；VDiv表示样本间局部基元特征的归一化差异度;SDiv表示2类特征融合后的归一化差异度，融合权重w=0.5。

表3 第1组色纺针织物样本测试结果Tab.3 Sample testing results of colored spinning knitted fabric of group 1

通过统计分析，可看出本文所建立的颜色表征模型能够对具有不同色相的色纺针织物颜色变化进行准确、有效的表征；在混合色彩空间中提取的独立颜色特征与样本染色纤维配比的质量差异呈现高度的一致性与相关性，其中BL-1样本的颜色特征值与对应样本的质量配比差异图，如图2所示。

图2 BL-1号样本颜色表征测评结果Fig.2 Fitting curves of evaluation results of color representation of BL-1 samples

同时，根据颜色混配理论可知，上述15份色纺针织物样本的色相角度大约为120°，在色域空间中能够覆盖范围较大，具有典型代表性。为进一步分析颜色表征模型的有效性与普适性，对第2组中具有质量配比差异的15份色纺机织物样本分为2批进行，结果如表4、5所示。

表4 第1批色纺机织物样本测试结果Tab.4 Sample testing results of colored woven fabric of first batch

其中，第1批样本主要由本白、大红以及金黄3种染色纤维构成，通过计算得出样本间配此质量差异在0.8%～4.3% 之间随机变化；第2批样本主要由本白、特黑以及宝蓝3种染色纤维构成，样本间配比质量差异在0.2%～8.0%之间规律变化。

实验结果表明，本文所建立的色纺织物颜色表征模型不仅能够对较大范围的配比变化进行有效描述，而且对于染色纤维细微调整而导致的色度学指标变化亦能准确表征，具有理想的鲁棒性与普适性。其中，部分样本颜色特征值与其对应样本的质量配比差异如图3、4所示。

表5 第2批色纺机织物样本测试结果Tab.5 Sample testing results of colored woven fabric of second batch

图3 17001号样本颜色表征测评结果Fig.3 Fitting curves of evaluation results of color representation of No.17001 samples

图4 17018号样本颜色表征测评结果Fig.4 Fitting curves of evaluation results of color representation of No.17018 samples

为进一步明析全局颜色特征与局部纹理分布特征对颜色表征模型的综合影响，对17001号样本分别建立独立颜色特征、纹理分布特征与样本质量配比差异度关系图，如图5、6所示。结果表明，所提取的2类独立特征均能够对样本配比的质量变化进行有效表征，但2类特征对配比参数变化的敏感性和稳定性存在显著差异。总体而言，提取的全局颜色特征对配比质量变化较为稳定；而独立纹理统计结构特征对配比质量变化较为敏感，更容易受到其他因素的干扰。因此，在混合色彩空间中的亮度分量通道中，提取独立的纹理统计结构特征用于颜色空间分布特性的描述，可有效提高系统的鲁棒性。

图5 17001号样本全局颜色特征测评结果Fig.5 Fitting curves of evaluation results of global color feature of No.17001 samples

图6 17001号样本局部纹理统计特征测评结果Fig.6 Fitting curves of evaluation results of local texture statistical feature of No.17001 samples

值得注意的是，在部分测试实验中，也出现了测试指标异常波动的情况。通过分析发现，在测色样本中出现了较大区域的染色纤维异常聚集情况，即因为织造工艺而引起的瑕疵。为进一步研究颜色表征模型的普适性，选取8份具有不同纤维长度的样本和4份具有不同捻系数的样本分别进行测试，结果如表6、7所示。

结果表明，在相同的染色纤维质量配比下，对于不同长度染色纤维(纤维长度分别为38与51 mm)，颜色表征模型亦能对因纤维长短差异所导致的颜色变化进行准确表征，由于纤维长短差异度一定，其特征融合差异度也维持在相对稳定范围内。同时，染色纤维的捻系数差异也与颜色表征模型特征性呈现线性相关性。

表6 不同长短纤维的色纺织物样本测试结果Tab.6 Sample testing results of colored woven fabric of fiber of different lengths

表7 不同捻系数纤维的色纺织物样本测试结果Tab.7 Sample testing results of colored woven fabric of fiber of different twist coefficients

2.3 对比实验结果分析

为综合对比分析本文方法的创新性与必要性，以第2组实验样本为对象，采用文献[1]中的算法建立对比实验模型，结果如表8、9所示。其中，DDiv表示2类特征融合后的归一化差异度。

表8 第1组样品对比实验结果Tab.8 Comparative experimental results of samples of first batch

表9 第2组样品对比实验结果Tab.9 Comparative experimental results of samples of second batch

实验结果表明，虽然对比实验中采用的混合色彩空间由RGB、HSV、Lab 3种颜色空间构成，理论上应该具备更强的颜色刻画能力，但由于所提取的纹理分布特征来自于各分量通道，会受到饱和度与色彩度分量等信息的多重干扰，所以与染色纤维配比质量差异的相关性均显著下降；而本文所建立的颜色表征模型，仅利用Lab与HSV 2种颜色空间构建混色色彩空间，并且通过独立分量通道分别建立颜色的全局与局部纹理分布特征，所提取颜色描述子在具备较强刻画能力的同时还具有理想的独立性，能够有效刻画织物颜色分布的局部微结构模式。17001号样本的对比实验结果，如图7、8所示。

图7 17001号样本对比实验结果Fig.7 Fitting curve of contrast experimental results of No.17001 samples

图8 17018号样本对比实验结果Fig.8 Fitting curves of contrast experimental results of No.17018 samples

3 结束语

色纺面料染色纤维的分布具有复杂性与多样性，很难对其呈色特性进行准确描述。本文以纺织品数码测色理论为基础，针对色纺面料特有的呈色机制与过程，建立混合色彩空间独立特征的颜色表征模型。该模型能够对Lab与HSV 2种色彩空间中具有相同属性的颜色分量进行独立融合；在此基础上，利用三阶颜色矩特征和局部二值模式的多维空间统计特征分别对色纺织物图像的全局和局部微结构模式进行描述。实验结果表明，所建立的颜色表征模型能够充分融合2种颜色空间的色彩刻画能力，所提取的全局颜色特征与局部纹理统计特征具有理想的独立性，对于色纺针织物与机织物而言，不仅能够在较大范围内对质量配比变化而导致的颜色改变进行有效表征，而且对于染色纤维长短以及捻系数差异导致的颜色改变亦能准确表达，具有理想的鲁棒性与普适性。本文研究对于构建稳定、有效的色纺面料颜色表征模型具有重要的理论价值，同时也能够为实现色纺面料色度学指标的数字化与智能化检索与分析，指导色纺企业的实践生产提供参考。

FZXB