應(yīng)用均值漂移的印花面料交互式換色方法

胡 群， 張 寧， 潘如如

(生態(tài)紡織教育部重點(diǎn)實(shí)驗(yàn)室(江南大學(xué))， 江蘇 無錫 214122)

印花面料設(shè)計(jì)師借助計(jì)算機(jī)輔助系統(tǒng)(CAD)設(shè)計(jì)花型，生產(chǎn)人員根據(jù)花型顏色分開制版進(jìn)行打樣?；ㄐ驮O(shè)計(jì)專業(yè)度要求高,分色制版耗時(shí)費(fèi)力，花型顏色變換、生產(chǎn)系列產(chǎn)品困難。通過獲取印花圖像分色來實(shí)現(xiàn)面料分色換色的方法，可模擬印花面料打樣效果，快速生成系列產(chǎn)品，為設(shè)計(jì)人員提供參考，節(jié)約時(shí)間成本。

當(dāng)前主要的圖像換色方法可分為顏色遷移法[1]和直接換色法[2]兩大類。二者最本質(zhì)的區(qū)別在于參考圖像的有無，本文側(cè)重于使用直接換色法對(duì)已有織物的顏色進(jìn)行調(diào)節(jié)?；陬伾w移的換色是通過信息匹配的方法，將參考圖像的顏色轉(zhuǎn)移到目標(biāo)圖像上。Reinhard等[1]提出了一種在lαβ顏色空間下，基于亮度匹配的顏色遷移算法。Han等[3]在前人研究的基礎(chǔ)上提出了一種基于參考顏色的顏色遷移方法，對(duì)色織物進(jìn)行實(shí)驗(yàn)可獲得自然的換色結(jié)果。以上方法沒有對(duì)參考圖像的選擇提出優(yōu)化方案，難以規(guī)避由于目標(biāo)圖像和參考圖像之間存在匹配度差異而產(chǎn)生的不良結(jié)果。直接換色法規(guī)避了參考圖像的選擇問題,通過對(duì)目標(biāo)圖像進(jìn)行區(qū)域分割的方法，提取圖像主色，調(diào)整待換色區(qū)域的顏色并建立映射關(guān)系來實(shí)現(xiàn)圖像換色。其中主要包括交互式的方法和深度學(xué)習(xí)的方法，基于交互式的方法主要通過圖像分割的方法提取調(diào)色板，通過調(diào)節(jié)調(diào)色板來實(shí)現(xiàn)換色，如結(jié)合圖像分割與區(qū)域生長法的圖像換色[4]，調(diào)色板自動(dòng)提取的換色[5-6]，考慮顯著顏色的換色[7]。直接對(duì)圖像分割的方法難以適應(yīng)顏色豐富、紋理顯著的面料換色，面料圖像的紋理會(huì)對(duì)分割結(jié)果造成影響。基于深度學(xué)習(xí)的方法，如Li等[8]結(jié)合卷積神經(jīng)網(wǎng)絡(luò)對(duì)灰度圖像進(jìn)行自動(dòng)著色，著色效果自然逼真。機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的方法依賴大規(guī)模的樣本數(shù)據(jù)，面料樣本難以收集，上述方法仍需要進(jìn)行改進(jìn)。

基于此，本文提出一種基于紋理平滑與圖像分割的交互式印花面料分色換色方法。采用相對(duì)總變差模型對(duì)面料圖像進(jìn)行平滑處理，去除面料的紋理信息，再轉(zhuǎn)換到顏色均勻的CIE1976L*a*b*色彩空間，便于后續(xù)分割。采用Mean-shift聚類算法對(duì)圖像進(jìn)行分割并提取面料的分色，建立顏色映射關(guān)系，將調(diào)節(jié)后的顏色映射到原圖像上，實(shí)現(xiàn)面料的分色換色。

1 圖像采集與預(yù)處理

1.1 圖像采集

面料的顏色信息容易受到多種因素的干擾，采用標(biāo)準(zhǔn)的采集環(huán)境能夠避免對(duì)后續(xù)的分割和換色產(chǎn)生影響。DigiEye是用于測量顏色和捕獲高質(zhì)量可重復(fù)圖像的計(jì)算機(jī)數(shù)碼相機(jī)系統(tǒng),采用該系統(tǒng)對(duì)收集的印花面料進(jìn)行圖像采集。系統(tǒng)配置尼康D7000相機(jī)和D65標(biāo)準(zhǔn)光源，分辨率為96 dpi。

1.2 圖像平滑

織物圖像是一種典型的結(jié)構(gòu)紋理圖像，織物的紋理會(huì)影響后續(xù)的圖像分割以及換色結(jié)果，故需對(duì)采集得到的圖像進(jìn)行平滑。采用相對(duì)總變差模型[9]對(duì)采集得到的面料圖像進(jìn)行平滑處理，目標(biāo)函數(shù)為

(1)

式中：i,j表示像素點(diǎn)在圖像中的位置；S(i,j)表示輸入圖像；T(i,j)表示結(jié)構(gòu)提取圖；argmin表示使其后式達(dá)到最小值時(shí)點(diǎn)(i,j)的集合；(T(i,j)-S(i,j))2確保了輸入和輸出的差異最小。式(1)后半部分基于相對(duì)總變差模型對(duì)圖像矩陣進(jìn)行了正則化處理，是從圖像中移除紋理的關(guān)鍵。其中：λ為可控參數(shù);ε為一個(gè)趨向無窮小的正數(shù)，用來確保分母不為零;Dx(i,j),Dy(i,j)為總變差，具體表達(dá)式如下：

(2)

式中：k,l表示窗口中圖像像素點(diǎn)的位置；?x和?y為2個(gè)方向的偏導(dǎo)數(shù)；g為根據(jù)空間關(guān)聯(lián)性定義的加權(quán)函數(shù)，可表示為

(3)

式中，σ為調(diào)節(jié)窗口空間尺度的參數(shù)。為從紋理信息中區(qū)分出突出的結(jié)構(gòu)，定義了窗口內(nèi)變差Lx(i,j),Ly(i,j)：

(4)

可通過調(diào)節(jié)參數(shù)λ與σ來控制圖像的平滑程度，其中參數(shù)λ控制圖像的光滑程度，參數(shù)σ控制式(3)窗口的大小。通過平滑實(shí)驗(yàn)發(fā)現(xiàn)，λ取值為0.006，σ取值為4時(shí)，平滑效果最優(yōu)。采用上述參數(shù)對(duì)圖1(a)中采集并剪裁后的印花面料圖像進(jìn)行紋理平滑，得到如圖1(b)所示的去紋理面料圖像。

圖1 印花面料及平滑圖像示例Fig.1 Examples of printed fabric image (a) and smoothed image(b)

1.3 顏色空間轉(zhuǎn)換

CIE1976L*a*b*(以下簡稱L*a*b*)顏色空間與人類視覺對(duì)顏色的感知十分接近，是一種均勻的顏色空間，不依賴采樣設(shè)備與環(huán)境，在圖像分割領(lǐng)域表現(xiàn)效果優(yōu)異。圖像從RGB轉(zhuǎn)換到L*a*b*顏色空間需先轉(zhuǎn)換到XYZ顏色空間，轉(zhuǎn)換公式如下：

(5)

式中，R、G、B與X、Y、Z分別表示RGB與XYZ顏色空間對(duì)應(yīng)的三通道顏色數(shù)值。XYZ顏色空間轉(zhuǎn)換到L*a*b*顏色空間的轉(zhuǎn)換公式如下：

(6)

(7)

式中：Xn、Yn、Zn默認(rèn)取值為95.047、100.0、108.883；L*、a*、b*表示L*a*b*顏色空間三通道的值。文獻(xiàn)[10]描述了RGB顏色空間與L*a*b*顏色空間之間的相互轉(zhuǎn)換。本文將經(jīng)平滑處理后的圖像轉(zhuǎn)換到L*a*b*顏色空間進(jìn)行聚類分割與分色換色操作，將結(jié)果從L*a*b*顏色空間轉(zhuǎn)換到RGB顏色空間輸出。

2 圖像分割與換色方法

2.1 圖像分割

圖像分割是指將圖像分成若干互不重疊的子區(qū)域，使得同一個(gè)子區(qū)域內(nèi)的特征具有一定的相似性、不同子區(qū)域間的特征有明顯的差異性。本文采用聚類的方法來實(shí)現(xiàn)面料的圖像分割。Mean-shift聚類算法是一種基于密度的統(tǒng)計(jì)迭代算法，該算法僅依靠樣本空間點(diǎn)進(jìn)行分析，收斂速度快，被廣泛應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域[11]。算法迭代步驟如下：1)以帶寬h做一個(gè)漂移窗口，計(jì)算中心點(diǎn)x0移動(dòng)到窗口內(nèi)周圍點(diǎn)xi所需要的偏移量之和，求取平均值得到平均偏移量M(x0)；2)點(diǎn)x0向平均偏移量方向漂移得到新的中心點(diǎn)x0′；3)重復(fù)上述步驟直至算法收斂。偏移均值M(x0)可表示為

(8)

式中：sh表示以x0為中心點(diǎn)，半徑為h的高維球區(qū)域；k為在sh范圍內(nèi)點(diǎn)的個(gè)數(shù)；xi是在sh范圍內(nèi)的點(diǎn)。通過式(9)可得到新的中心點(diǎn)：

x0′=M(x0)+x0

(9)

引入核函數(shù)的偏移均值m(x0)，可以將低維的不可分?jǐn)?shù)據(jù)變成高維可分?jǐn)?shù)據(jù)，具體公式如下：

(10)

式中，函數(shù)g表示對(duì)核函數(shù)的導(dǎo)數(shù)求負(fù)。

上述算法中，帶寬h是影響算法迭代結(jié)果的重要參數(shù)。通過實(shí)驗(yàn)優(yōu)選發(fā)現(xiàn)，當(dāng)h為0.11時(shí)，分割效果最好。采用上述分割算法及優(yōu)選的帶寬h對(duì)平滑后的L*a*b*顏色空間下的面料圖像進(jìn)行分割，得到如圖2所示的印花面料分色結(jié)果。

圖2 印花面料分色圖Fig.2 Separated image of printed fabric

2.2 圖像換色

圖像換色旨在通過更改圖像中的某一類或某幾類顏色來更改圖像的配色方案。在通過聚類分割的方法獲取圖像的分色后，選擇面料分色，通過交互的方式調(diào)節(jié)顏色滑塊，對(duì)該聚類中心的顏色值進(jìn)行調(diào)整得到新的顏色。建立調(diào)整后的顏色與原來顏色的映射關(guān)系,將調(diào)整后的顏色映射到對(duì)應(yīng)的分割區(qū)域，從而得到分色換色結(jié)果。

假設(shè)大小為M×N的織物圖像為IM×N×3，其中3為圖像的通道數(shù)，通過式(11)轉(zhuǎn)換函數(shù)將圖像轉(zhuǎn)換成大小為(M×N,3)的二維矩陣：

I(M×N,3)=f(IM×N×3)

(11)

式中：f為轉(zhuǎn)換函數(shù)；I(M×N,3)為一個(gè)3列的矩陣。其中L*、a*、b*三通道數(shù)值各為1列。分色換色公式為

(12)

圖3 印花面料分色換色Fig.3 Separated color replacement of printed fabric

3 結(jié)果與分析

本文采用MatLab編寫圖形用戶界面(Graphical User Interface)，實(shí)驗(yàn)在Intel 2.20 GHz處理器和12 GB RAM的筆記本電腦上進(jìn)行。

3.1 平滑對(duì)比

為證明平滑算法的有效性，對(duì)同一印花面料在帶寬h取值相同的情況下，進(jìn)行了平滑分色換色以及無平滑分色換色的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖4所示。由于紋理信息的影響，直接對(duì)圖像進(jìn)行分割，會(huì)出現(xiàn)許多分散性的細(xì)小毛刺，導(dǎo)致后續(xù)換色出現(xiàn)換色疵點(diǎn)。而經(jīng)過平滑處理后的圖像分割結(jié)果細(xì)致、完整且無分散毛刺，無換色疵點(diǎn)出現(xiàn)。對(duì)比換色結(jié)果可知，增加平滑算法后，分割結(jié)果更為完整，換色結(jié)果更為自然真實(shí)。

圖4 分色換色對(duì)比圖Fig.4 Separated color replacement comparison

3.2 參數(shù)優(yōu)選

3.2.1 平滑參數(shù)

基于相對(duì)總變差模型的圖像平滑算法中，可調(diào)參數(shù)λ與σ直接決定平滑結(jié)果，其中λ的取值范圍為0.001～0.03，σ的取值范圍為0～8。由于不同種類、不同材料的面料其紋理顯著性存在著明顯的區(qū)別，本文選取了不同的印花面料進(jìn)行平滑參數(shù)調(diào)節(jié)實(shí)驗(yàn)。圖5示出控制平滑程度的參數(shù)λ的調(diào)節(jié)情況?？梢钥闯觯S著λ值的增大，平滑后的面料圖像模糊程度加深。當(dāng)λ取值為0.01時(shí)，3種面料圖像均出現(xiàn)不同程度的模糊；而當(dāng)取值較小，如當(dāng)λ取值為0.002時(shí)，平滑處理后的圖像又會(huì)出現(xiàn)紋理去除不完全的現(xiàn)象。結(jié)合本文實(shí)驗(yàn)，λ取值為0.006時(shí)可以獲得清晰的去紋理平滑圖像。

圖5 平滑參數(shù)λ調(diào)節(jié)Fig.5 Smoothing parameter λ adjustment

參數(shù)σ決定了平滑算法的窗口空間尺度，隨著σ取值的增大，對(duì)圖像紋理的抑制效果也更好。如圖6所示，當(dāng)σ取值大于4時(shí)，算法逐漸收斂。對(duì)平滑參數(shù)進(jìn)行調(diào)試實(shí)驗(yàn)發(fā)現(xiàn)，參數(shù)σ取值為4時(shí)可得到紋理去除完全的平滑圖像。

圖6 平滑參數(shù)σ調(diào)節(jié)Fig.6 Smoothing parameter σ adjustment

3.2.2 帶寬參數(shù)

Mean-shift算法中，帶寬h決定了漂移窗口的大小，影響面料分割的細(xì)致程度。當(dāng)h取值較小時(shí)，聚類數(shù)目較多，面料分割細(xì)致，細(xì)節(jié)保留完整，但迭代時(shí)間增加；當(dāng)h取值較大時(shí)，聚類數(shù)目減少，面料分割趨向輪廓化，細(xì)節(jié)殘缺，迭代時(shí)間減少。圖7示出帶寬h的調(diào)節(jié)實(shí)例，綜合上述因素，實(shí)驗(yàn)設(shè)定帶寬h為0.11，可取得分割細(xì)致清晰的結(jié)果。

圖7 帶寬參數(shù)h調(diào)節(jié)Fig.7 Bandwidth parameter h adjustment

3.3 結(jié)果分析

為證明本文方法的有效性和可行性，基于優(yōu)選的模型參數(shù)，選取不同的印花面料進(jìn)行單分色換色以及多分色換色的實(shí)驗(yàn)，結(jié)果如圖8所示。其中圖8(a)示出僅對(duì)印花面料的一個(gè)分色進(jìn)行調(diào)節(jié)的換色實(shí)驗(yàn)結(jié)果；圖8(b)示出對(duì)面料的多個(gè)分色進(jìn)行調(diào)節(jié)的換色實(shí)驗(yàn)結(jié)果，換色結(jié)果真實(shí)。在面料設(shè)計(jì)前期可為面料花型設(shè)計(jì)者提供試色參考，也可輔助設(shè)計(jì)者快速得到系列圖像。本文的方法具有很好的魯棒性，對(duì)花型復(fù)雜、顏色變化多的印花面料進(jìn)行單色換色以及多色換色實(shí)驗(yàn)，均能得到細(xì)節(jié)紋理保留完整，顏色外觀自然真實(shí)的結(jié)果，可為面料設(shè)計(jì)工作者提供便利。

圖8 換色實(shí)驗(yàn)結(jié)果Fig.8 Color replacement test results. (a)Single separated color replacement; (b) Multiple separated colors replacement

3.4 方法對(duì)比

為了證明Mean-shift算法的優(yōu)越性，實(shí)驗(yàn)比較了顏色量化算法[12]、K均值(K-means)聚類算法[13]和Mean-shift算法的分割效果。在其他條件相同的情況下，對(duì)相同的面料圖像進(jìn)行分割，分割效果對(duì)比見圖9。

圖9 分割算法比較Fig.9 Segmentation algorithm comparison

顏色量化算法將圖像轉(zhuǎn)換到HSV顏色空間進(jìn)行量化統(tǒng)計(jì)，用量化后顏色集的平均值作為聚類中心，實(shí)現(xiàn)圖像分割。該方法依賴于量化的區(qū)間劃分，容易出現(xiàn)不同種類的顏色合并，從而導(dǎo)致聚類后的顏色與原始圖像存在較大差異，并不適用于面料圖像的分割。K-means聚類算法快速簡單，但需人為辨別聚類的簇?cái)?shù)，分割一些同類色繁多且細(xì)節(jié)明顯的面料時(shí)，難以分割邊緣細(xì)節(jié)部分。對(duì)比之下，Mean-shift算法能夠適應(yīng)不同種類的面料圖像，分割效果優(yōu)于其他分割算法，尤其是邊緣細(xì)節(jié)部分的分割效果具有可區(qū)分性。

4 結(jié) 論

本文提出了一種基于紋理平滑和Mean-shift圖像分割的印花面料分色換色方法，采用相對(duì)總變差模型去除面料的紋理，利用Mean-shift聚類算法提取圖像分色，建立待換顏色與目標(biāo)顏色之間的映射關(guān)系，實(shí)現(xiàn)分色換色。采用不同的印花面料圖像進(jìn)行實(shí)驗(yàn)，可得到結(jié)構(gòu)紋理清晰且自然的系列換色結(jié)果，驗(yàn)證了本文方法的可行性和有效性。通過對(duì)不同的分割算法進(jìn)行比較，驗(yàn)證了方法的優(yōu)越性。對(duì)于顏色繁多的面料，分割得到的顏色數(shù)量多，增加了調(diào)色的困難度，如何進(jìn)一步優(yōu)化算法解決同類色的合并問題是未來研究需要解決的問題。

FZXB