基于紅外圖像的織物水分動態傳遞性能測定方法

胡 嵩,童夢霞,張 俊,2,3,范振遠,張 毅

(1.武漢紡織大學服裝學院,武漢 430073; 2.湖北省數字化紡織裝備重點實驗室,武漢 430200; 3.湖北省服裝信息化工程技術中心,武漢 430200; 4.武漢理工大學計算機與人工智能學院,武漢 430070)

織物的導濕性能是影響服裝熱濕舒適性的重要因素[1]。人體有感出汗時,汗水主要以液態水的形式在織物上進行傳遞,因此探究織物水分動態傳遞性能在服裝產品開發中具有提高服裝舒適性的重要意義[2]。目前該性能測試以水分動態管理測試法(Moisture management tester, MMT)為主,但仍存在測試步驟繁瑣,穩定性不高等問題[3]。隨著計算機技術的發展,圖像處理技術被廣泛應用于紡織品測試領域,其運用的主要方法有傅里葉轉換、小波變換、圖像增強與閾值分割等[4-6]。杜帥等[7]為提高織物疵點檢測的準確率和檢測效果采用了同態濾波、閾值分割和形態學方法對織物圖片進行處理,該方法在復雜環境下依舊能有效檢測出疵點圖像,且準確率高。詹明樊等[8]建立了一種基于數字圖像技術的織物滲透率測試方法,可更精確獲取不同結構織物面內的滲透率,為織物滲透率等基礎研究提供參考。

當前已有不少學者將圖像處理技術運用于織物導濕性能測試中。姜曉云等[9]和詹永娟等[10]利用圖像技術測定了織物各時刻的芯吸高度,其測試結果證實了圖像技術應用于織物芯吸測量的可靠性。Raja等[11]采用圖像分析法測試了織物的水分擴散性能,并將其與傳統手工測量方法進行了對比,實驗發現兩者測試結果有較好的相關性,且圖像法精度更高。?elik等[12]將圖像技術應用于無紡布芯吸性能測試,測得了平方毫米和平方厘米級的織物潤濕面積,提高了無紡布吸濕導濕性能測定的準確性。計算機圖像處理技術的運用極大提升了織物導濕性能的檢測效率,減少了檢測人員的主觀誤差,但其仍存在一些不足：a)普通CCD相機拍攝織物潤濕圖像難以捕捉到潤濕區域前端紗線內部的毛細潤濕現象,織物潤濕區域邊緣無法準確獲取和識別,相較于真實數據測量結果偏小;b)圖像采集效果受設備、織物和外界環境影響較大,容易產生噪聲導致潤濕區域提取困難。

針對以上問題,本文采用了紅外熱像儀對織物水分動態傳遞過程進行觀測,利用織物干濕區域溫度差準確識別織物的潤濕區域,顯著提高了水分擴散區域邊緣位置的識別準確率,克服了光線、織物顏色及紋理等因素的干擾,同時還構建了一個基于紅外圖像的織物水分動態傳遞性能測定系統,可按照需求自動計算出織物在水分動態傳遞過程中任意時刻的潤濕面積。該測定方法能為織物水分動態傳遞測定設備的研發提供參考,也能為織物的導濕性能研究提供技術支持。

1 測定裝置

1.1 裝置結構設計與測定步驟

該測定裝置分為兩部分,一部分為水分動態傳遞過程的觀測系統,另一部分為水分擴散面積測定系統,如圖1所示。實驗測試采用的液滴法,液體量為0.04 mL的生理鹽水。觀測設備為FLIR ONE PRO紅外熱像儀(Teledyne FLIR LLC,俄勒岡,美國),觀測過程可錄制紅外成像視頻。測定系統可從觀測的紅外視頻流提取紅外圖像,并進行圖像處理,計算水分潤濕面積,為織物性能分析提供數據。

1.立柱;2.支撐架;3.試樣臺;4.紅外熱像儀;5.底座;6.數據線;7.計算機。

實驗在人工氣候室標準環境中進行,溫度(21±1)℃,相對濕度(65±5)%,風速小于0.2 m/s。測定過程分為4個步驟：首先將織物放置于試樣臺,打開紅外熱像儀并完成對焦;其次用精密滴管在織物上滴下一滴約為0.04 mL的測試液,滴管口距離織物垂直距離約1 cm;然后進行觀測,直到織物潤濕區域不再明顯擴散后停止錄像;最后將紅外視頻導入測定系統進行圖像處理,計算潤濕區域面積。

1.2 紅外成像技術測定的優勢

紅外成像技術可以觀測到纖維的吸濕放熱現象,為織物的濕傳遞與熱傳遞研究提供參考?？椢镏袩釢駛鬟f總是同時進行,同時開展熱濕傳遞研究有助于完善織物熱濕傳遞理論。紅外成像技術測定的優勢有：

a)利用溫差區分干濕區域,邊界更清晰,便于準確計算潤濕面積。受織物自身顏色、纖維形態結構、組織紋理和環境光照的影響,普通CCD相機拍攝的織物圖像中潤濕區域提取較為困難。紅外圖像的特點是根據織物表面溫度的差異成像,織物顏色、表面紋理和環境光照不會對其產生影響,可顯著提高數據的準確性。

b)利用紅外圖像能識別出潤濕區域前端紗線的毛細潤濕,準確識別水分擴散的邊緣位置,水分擴散面積更精確。尤其是在水分傳遞的后期,潤濕區域的前端邊緣水分稀少,主要以紗線內纖維的微觀毛細填充為主,織物潤濕前端的毛細潤濕區域普通CCD相機無法獲取,而紅外熱像儀很好地克服了這一問題。

圖2(a)是亞麻織物被0.01 g水潤濕的圖像,以等效模擬潤濕區域前端的毛細潤濕現象。左圖是普通CCD相機拍攝的圖像,右圖是同一時刻拍攝的紅外圖像,對比發現該織物采用普通CCD相機難以拍攝出潤濕圖像,紅外熱像儀捕捉的潤濕圖像完整且精確。圖2(b)為純棉織物在水分傳遞初期的紅外圖像,顏色越深代表其溫度越低。圖2(b)中可明顯看出,深色潤濕區域邊緣的溫度明顯高于周邊干燥區域的溫度,說明純棉織物吸濕放熱現象明顯。

圖2 織物潤濕圖像Fig.2 Fabric wetting images

2 織物水分動態傳遞測定系統

織物水分動態傳遞是水分連續擴散的過程,水分動態傳遞過程中任意時刻水分及織物的狀態都在發生變化,準確獲取水分傳遞與時間的關系,是研究織物水分動態傳遞的基礎。本文開發了一個織物水分動態傳遞自動測定系統,可有效提升捕捉水分傳遞的精確度、計算數據的準確度和程序操作的簡易度,更能滿足實際應用需求。

2.1 測定系統處理流程

該程序基于OpenCV計算機視覺庫,采用Python進行編程,以紅外視頻中水分動態擴散的潤濕區域為研究對象,采用數字圖像處理技術進行處理,系統處理流程如圖3所示。系統分為5個模塊,分別是提取圖像模塊,分割目標區域模塊,圖像去噪模塊,圖像二值化模塊和潤濕面積計算模塊。

圖3 系統處理流程Fig.3 System processing flow chart

在系統中導入視頻數據后,測試人員根據測定需求設定提取圖像的幀率和分割目標潤濕區域的圖像坐標。程序可完成逐幀提取或間隔幀數提取等多種提取方式,然后從提取的紅外圖像中分割包含潤濕區域的截取圖像并完成存儲,再依次對其批量去噪和二值化處理,最終按照像素值比例換算成織物實際潤濕面積值輸出。

2.2 織物圖像處理

2.2.1 圖像提取與分割

本文設計開發了一套水分動態傳遞圖像自動處理系統,可實現對織物中水分動態傳遞性能的自動監測。該系統程序可實現對織物潤濕圖像的逐幀提取或間隔幀數提取,以提高測定時間的準確性和采樣數據的動態連續性。系統的圖像分割模塊可按照圖像坐標對目標區域進行自動分割,其設計優勢主要有：a)提升測定精確度。對潤濕區域進行分割與提取,避免圖像無關區域像素值對后續測量的干擾;b)提高測定效率。同一織物可同時在多個位置進行滴水實驗,數據測定時只需輸入目標潤濕區域的坐標即可自動計算潤濕面積。

2.2.2 圖像去噪

圖像采集時會產生不同程度噪聲,對織物圖像處理帶來干擾,而去噪是計算機圖像處理中常用的預處理過程?？椢镏兴謹U散的邊緣位置由于水分稀少和分散不勻,容易造成圖像目標區域邊緣模糊的現象?？椢飯D像去噪時應注意潤濕區域邊緣的完整。常用的去噪處理算法有均值濾波、中值濾波、高斯濾波和雙邊濾波等[13]。均值濾波屬于低通濾波,該方法在抑制噪聲的同時,縮小了像素值之間的差距,使得圖像的細節信息變得更加模糊,不利于潤濕邊緣的保護[14]。中值濾波是一種典型的非線性濾波,增大濾波窗口可以改善濾波效果,但也會破壞圖像中的細線特征,造成目標區域邊緣模糊[15]。高斯濾波是一種線性平滑濾波,通過調節高斯函數的尺度參數對圖像進行平滑處理,對于抑制服從正態分布的噪聲非常有效,但仍不利于邊緣保護[16]。以上幾種算法處理普通CCD相機拍攝圖像會對邊緣和細節處造成模糊,不利于潤濕區域提取[17]。

雙邊濾波屬于非線性濾波方法,該濾波器同時考慮了圖像像素空域位置之間的距離和像素之間的亮度色彩差異,在達到圖像降噪平滑的同時可以保留邊緣的清晰效果[18],其原理見式(1)：

(1)

式中：定義(i,j)為中心坐標,(k,l)為中心點鄰域S中的任意一點的坐標;g(i,j)為中心點濾波處理后的輸出像素值;f(i,j)為鄰域S中的(i,j)處的像素值;ω(i,j,k,l)是以(i,j)為中心點的鄰域像素(k,l)的加權系數,其大小由定義域核d(i,j,k,l)和值域核r(i,j,k,l)的乘積決定,其定義見式(2)和式(3)：

(2)

(3)

式中：σd為定義域標準差,σr為值域標準差。由式(2)和式(3)相乘得到的雙邊濾波權重見式(4)：

ω(i,j,k,l)=d(i,j,k,l)*r(i,j,k,l)=

(4)

本文采用紅外熱像儀對水分動態傳遞進行監測,水分潤濕的紅外圖像分別用上述4種濾波算法處理后的對比效果如圖4所示。由圖4可得,經4種濾波算法處理后的潤濕區域差距不大,而紅外圖像對織物潤濕區域的表征明顯,且無需進行額外圖像增強處理,證明了紅外熱像儀拍攝的潤濕圖像擁有更高的準確性、穩定性和抗干擾性。從局部細節可發現經過雙邊濾波處理的圖像噪點消除效果最好,且邊緣更清晰,更有利于后續二值化處理。

圖4 濾波算法效果對比Fig.4 Effect comparison of filtering algorithms

2.2.3 二值化處理

圖像二值化是將灰度圖像通過選擇適當的閾值分割成只有兩種像素值的圖像[19]。若將灰度值T作為閾值,則圖像中灰度值低于T的像素會替換成0,其余像素則替換成1,其計算原理見式(5)[20]。

(5)

式中：f(k,l)代表像素處理前的灰度值;g(x,y)則表示二值化處理后的像素值,T為判斷閾值。

二值化處理的關鍵是閾值的選取,本文選用的是Otsu算法,可根據圖像自動選取閾值進行圖像二值化處理。該方法核心思想是尋找一個閾值T將圖像分成背景區域和前景區域,當兩個區域的像素灰度值方差最大時,則此時T為最佳閾值[21]。

2.2.4 潤濕面積計算

圖像經二值化處理后,系統可自動計算并輸出目標區域(潤濕區域)的總像素值,并根據像素比例換算得到實際織物潤濕面積,像素比例由矩形校證卡(1 cm2)拍攝計算得出?？椢飳嶋H潤濕面積計算公式見式(6)：

(6)

式中：S是潤濕區域實際面積,cm2;C是潤濕區域的像素值;S1是矩形校正卡實際面積,cm2;C1是校正尺拍攝圖像的像素值。

2.3 程序操作界面

為提高系統的便利性,本文設計開發了紅外成像視頻處理程序,程序操作界面如圖5所示,主要包含視頻導入窗口、圖片預覽窗口、參數設定窗口和運行窗口,其中圖片預覽窗口為視頻最后一幀圖像(即水分擴散最大面積圖像),結合預覽窗口像素坐標可大致確定目標潤濕區域,便于下一步進行圖像分割提取。程序操作步驟如下：a)導入紅外視頻并輸入織物編號;b)輸入視頻提取的間隔幀數以確定采樣頻率;c)根據圖片預覽窗口確定目標區域并輸入大于最大潤濕面積的像素坐標,同時輸入雙邊濾波參數;d)選擇存儲路徑,運行測試。

圖5 程序用戶界面Fig.5 User interface of program

3 織物潤濕面積監測與性能分析

3.1 織物基本參數與準確性檢驗

為檢驗本文提出的測定方法的準確性,選取6種不同類型的織物進行實驗驗證,織物試樣的基本參數如表1所示。驗證實驗分別采用系統自動計算和手工測算的方式獲取6種織物的最大潤濕面積,并進行對比分析。采用上述方法依次將6種織物進行水分動態傳遞性能測定,圖像提取間隔幀數為8幀/s,分割坐標和雙邊濾波參數根據各織物情況設定,最終計算得到織物每秒的潤濕面積數據。手工測算方法采用Adobe Photoshop CC軟件中對紅外圖像的潤濕區域進行分割并記錄潤濕區域總像素值,每種織物手工選取3次取平均值,并根據像素面積比換算成實際面積。

表1 織物試樣參數Tab.1 Fabric specification parameters

兩種方法測得織物潤濕面積如表2所示。由 表2 可知,系統自動計算結果與手工測定結果誤差在0.86%～1.59%。兩種方法測定結果的獨立樣本T檢驗雙尾顯著性p=0.931?0.05,二者無顯著性差異,可知系統自動計算織物潤濕面積的方法準確性較高,可用于織物的水分傳遞性能分析。相較于傳統測定方法和其他圖像測定法,本文基于紅外圖像的測定方法操作簡便,測定效率高,抗干擾能力強,測定結果更精確。

表2 織物潤濕面積測試結果對比Tab.2 Comparison of fabric wetting area test results

3.2 織物水分動態傳遞性能分析

織物中水分動態傳遞性能常用潤濕面積表征,圖6顯示了6種織物水分動態傳遞時,其潤濕面積在100 s內的變化趨勢。從圖6中織物潤濕面積的連續性可以看出該測定方法能夠有效地記錄水分動態傳遞的過程,并能夠清晰反映織物在任意時刻和時段的水分傳遞性能。6種織物潤濕面積的變化都呈現出先快速上升再緩慢增加的趨勢。在水分動態傳遞的初始階段,液態水在織物孔隙的芯吸作用下迅速填充進入織物,此過程主要以紗線間的孔隙芯吸為主。當水分進入織物后,水分傳遞則主要以紗線內的孔隙及纖維的芯吸為主,隨著潤濕中心區域水分的減少,織物潤濕面積的增速逐漸下降,直到水分基本停止擴散達到最大擴散面積。

圖6 織物水分動態擴散面積Fig.6 Moisture dynamic diffusion area of fabrics

織物中水分擴散速率與服裝的導濕性能密切相關,是吸濕快干面料開發的重要指標。在滴液法實驗中,織物潤濕面積的增長速率可表征其水分的擴散速率。圖7是各織物前8 s潤濕面積與時間的關系,可看出2#亞麻、4#苧麻和5#苧麻織物潤濕面積的增速明顯快于1#麻棉、3#亞麻和6#滌棉織物,說明該時段前3種織物的液態水擴散性能優于后面3種?？椢镏兴謹U散的初始階段,織物的潤濕面積與時間呈明顯的線性關系,其擬合關系式見表3,其中時間t的系數即潤濕面積的增長速率。由表3可知,該時段6種織物水分擴散速率從大到小依次是：4#苧麻、5#苧麻、2#亞麻、6#滌棉、3#亞麻、1#麻棉,其中2#亞麻、4#苧麻和5#苧麻織物的擴散速率相近,1# 麻棉、3#亞麻和6#滌棉織物的速率相近。為探究該時段影響水分擴散速率的主要因素,本文將其同織物的基本參數進行了相關性分析,結果如表4所示。

表3 織物潤濕面積與時間的擬合關系式Tab.3 Fitting formula between the wetting area and time of fabrics

表4 初期織物水分傳遞速率與織物基本參數的相關性分析Tab.4 Correlation analysis between the moisture transfer rate and basic parameters of fabrics at the initial stage

圖7 水分傳遞初期織物潤濕面積與時間的關系Fig.7 Relationship between the wetting area and time of fabrics at the initial stage of moisture transfer

由表4可知,織物初期的水分擴散速度與織物面密度、總緊度顯著負相關,說明這二種織物參數對織物水分傳遞初期的速度影響較大,與現有織物水分傳遞理論相符。當織物面密度越大,總緊度越高時,織物紗線間與紗線內的孔隙越少,其毛細芯吸作用下降,導致織物水分動態傳遞初期的水分擴散速度偏小。

4 結 論

本文采用紅外熱像儀對織物中水分動態傳遞過程進行紅外成像視頻觀測,并從視頻圖像中自動分割提取織物中水分潤濕的紅外圖像。采用雙邊濾波降噪和圖像二值化計算像素面積,并能夠計算織物中水分動態傳遞過程中任意時刻的潤濕面積。選取6種不同類型的織物試樣進行驗證實驗,基于提案方法的自動測定結果與傳統手工測定方法進行對比分析,二者誤差在1.59%以內。該測定方法利用紅外熱像儀解決了普通CCD相機觀測織物水分動態傳遞精度不高的問題。紅外圖像利用溫差分割潤濕區域不僅能識別出前端的毛細潤濕,還可以避免織物因素和環境因素對測定的干擾,簡化了圖像處理步驟,提升了準確性。本文測定方法操作簡便且測試精度和測試效率高,可實現圖像單幀或多幀間隔采集,可動態連續地觀測織物的水分傳遞過程。對該測定方法測量的織物水分傳遞數據進行分析發現,織物潤濕面積增長速率的變化與織物性能密切相關,在織物水分傳遞初期,水分擴散速率受織物面密度和總緊度影響較大,與織物水分傳遞理論分析結果一致。