基于红外图像的织物水分动态传递性能测定方法

胡 嵩,童梦霞,张 俊,2,3,范振远,张 毅

(1.武汉纺织大学服装学院,武汉 430073; 2.湖北省数字化纺织装备重点实验室,武汉 430200; 3.湖北省服装信息化工程技术中心,武汉 430200; 4.武汉理工大学计算机与人工智能学院,武汉 430070)

织物的导湿性能是影响服装热湿舒适性的重要因素[1]。人体有感出汗时,汗水主要以液态水的形式在织物上进行传递,因此探究织物水分动态传递性能在服装产品开发中具有提高服装舒适性的重要意义[2]。目前该性能测试以水分动态管理测试法(Moisture management tester, MMT)为主,但仍存在测试步骤繁琐,稳定性不高等问题[3]。随着计算机技术的发展,图像处理技术被广泛应用于纺织品测试领域,其运用的主要方法有傅里叶转换、小波变换、图像增强与阈值分割等[4-6]。杜帅等[7]为提高织物疵点检测的准确率和检测效果采用了同态滤波、阈值分割和形态学方法对织物图片进行处理,该方法在复杂环境下依旧能有效检测出疵点图像,且准确率高。詹明樊等[8]建立了一种基于数字图像技术的织物渗透率测试方法,可更精确获取不同结构织物面内的渗透率,为织物渗透率等基础研究提供参考。

当前已有不少学者将图像处理技术运用于织物导湿性能测试中。姜晓云等[9]和詹永娟等[10]利用图像技术测定了织物各时刻的芯吸高度,其测试结果证实了图像技术应用于织物芯吸测量的可靠性。Raja等[11]采用图像分析法测试了织物的水分扩散性能,并将其与传统手工测量方法进行了对比,实验发现两者测试结果有较好的相关性,且图像法精度更高。Çelik等[12]将图像技术应用于无纺布芯吸性能测试,测得了平方毫米和平方厘米级的织物润湿面积,提高了无纺布吸湿导湿性能测定的准确性。计算机图像处理技术的运用极大提升了织物导湿性能的检测效率,减少了检测人员的主观误差,但其仍存在一些不足：a)普通CCD相机拍摄织物润湿图像难以捕捉到润湿区域前端纱线内部的毛细润湿现象,织物润湿区域边缘无法准确获取和识别,相较于真实数据测量结果偏小;b)图像采集效果受设备、织物和外界环境影响较大,容易产生噪声导致润湿区域提取困难。

针对以上问题,本文采用了红外热像仪对织物水分动态传递过程进行观测,利用织物干湿区域温度差准确识别织物的润湿区域,显著提高了水分扩散区域边缘位置的识别准确率,克服了光线、织物颜色及纹理等因素的干扰,同时还构建了一个基于红外图像的织物水分动态传递性能测定系统,可按照需求自动计算出织物在水分动态传递过程中任意时刻的润湿面积。该测定方法能为织物水分动态传递测定设备的研发提供参考,也能为织物的导湿性能研究提供技术支持。

1 测定装置

1.1 装置结构设计与测定步骤

该测定装置分为两部分,一部分为水分动态传递过程的观测系统,另一部分为水分扩散面积测定系统,如图1所示。实验测试采用的液滴法,液体量为0.04 mL的生理盐水。观测设备为FLIR ONE PRO红外热像仪(Teledyne FLIR LLC,俄勒冈,美国),观测过程可录制红外成像视频。测定系统可从观测的红外视频流提取红外图像,并进行图像处理,计算水分润湿面积,为织物性能分析提供数据。

1.立柱;2.支撑架;3.试样台;4.红外热像仪;5.底座;6.数据线;7.计算机。

实验在人工气候室标准环境中进行,温度(21±1)℃,相对湿度(65±5)%,风速小于0.2 m/s。测定过程分为4个步骤：首先将织物放置于试样台,打开红外热像仪并完成对焦;其次用精密滴管在织物上滴下一滴约为0.04 mL的测试液,滴管口距离织物垂直距离约1 cm;然后进行观测,直到织物润湿区域不再明显扩散后停止录像;最后将红外视频导入测定系统进行图像处理,计算润湿区域面积。

1.2 红外成像技术测定的优势

红外成像技术可以观测到纤维的吸湿放热现象,为织物的湿传递与热传递研究提供参考。织物中热湿传递总是同时进行,同时开展热湿传递研究有助于完善织物热湿传递理论。红外成像技术测定的优势有：

a)利用温差区分干湿区域,边界更清晰,便于准确计算润湿面积。受织物自身颜色、纤维形态结构、组织纹理和环境光照的影响,普通CCD相机拍摄的织物图像中润湿区域提取较为困难。红外图像的特点是根据织物表面温度的差异成像,织物颜色、表面纹理和环境光照不会对其产生影响,可显著提高数据的准确性。

b)利用红外图像能识别出润湿区域前端纱线的毛细润湿,准确识别水分扩散的边缘位置,水分扩散面积更精确。尤其是在水分传递的后期,润湿区域的前端边缘水分稀少,主要以纱线内纤维的微观毛细填充为主,织物润湿前端的毛细润湿区域普通CCD相机无法获取,而红外热像仪很好地克服了这一问题。

图2(a)是亚麻织物被0.01 g水润湿的图像,以等效模拟润湿区域前端的毛细润湿现象。左图是普通CCD相机拍摄的图像,右图是同一时刻拍摄的红外图像,对比发现该织物采用普通CCD相机难以拍摄出润湿图像,红外热像仪捕捉的润湿图像完整且精确。图2(b)为纯棉织物在水分传递初期的红外图像,颜色越深代表其温度越低。图2(b)中可明显看出,深色润湿区域边缘的温度明显高于周边干燥区域的温度,说明纯棉织物吸湿放热现象明显。

图2 织物润湿图像Fig.2 Fabric wetting images

2 织物水分动态传递测定系统

织物水分动态传递是水分连续扩散的过程,水分动态传递过程中任意时刻水分及织物的状态都在发生变化,准确获取水分传递与时间的关系,是研究织物水分动态传递的基础。本文开发了一个织物水分动态传递自动测定系统,可有效提升捕捉水分传递的精确度、计算数据的准确度和程序操作的简易度,更能满足实际应用需求。

2.1 测定系统处理流程

该程序基于OpenCV计算机视觉库,采用Python进行编程,以红外视频中水分动态扩散的润湿区域为研究对象,采用数字图像处理技术进行处理,系统处理流程如图3所示。系统分为5个模块,分别是提取图像模块,分割目标区域模块,图像去噪模块,图像二值化模块和润湿面积计算模块。

图3 系统处理流程Fig.3 System processing flow chart

在系统中导入视频数据后,测试人员根据测定需求设定提取图像的帧率和分割目标润湿区域的图像坐标。程序可完成逐帧提取或间隔帧数提取等多种提取方式,然后从提取的红外图像中分割包含润湿区域的截取图像并完成存储,再依次对其批量去噪和二值化处理,最终按照像素值比例换算成织物实际润湿面积值输出。

2.2 织物图像处理

2.2.1 图像提取与分割

本文设计开发了一套水分动态传递图像自动处理系统,可实现对织物中水分动态传递性能的自动监测。该系统程序可实现对织物润湿图像的逐帧提取或间隔帧数提取,以提高测定时间的准确性和采样数据的动态连续性。系统的图像分割模块可按照图像坐标对目标区域进行自动分割,其设计优势主要有：a)提升测定精确度。对润湿区域进行分割与提取,避免图像无关区域像素值对后续测量的干扰;b)提高测定效率。同一织物可同时在多个位置进行滴水实验,数据测定时只需输入目标润湿区域的坐标即可自动计算润湿面积。

2.2.2 图像去噪

图像采集时会产生不同程度噪声,对织物图像处理带来干扰,而去噪是计算机图像处理中常用的预处理过程。织物中水分扩散的边缘位置由于水分稀少和分散不匀,容易造成图像目标区域边缘模糊的现象。织物图像去噪时应注意润湿区域边缘的完整。常用的去噪处理算法有均值滤波、中值滤波、高斯滤波和双边滤波等[13]。均值滤波属于低通滤波,该方法在抑制噪声的同时,缩小了像素值之间的差距,使得图像的细节信息变得更加模糊,不利于润湿边缘的保护[14]。中值滤波是一种典型的非线性滤波,增大滤波窗口可以改善滤波效果,但也会破坏图像中的细线特征,造成目标区域边缘模糊[15]。高斯滤波是一种线性平滑滤波,通过调节高斯函数的尺度参数对图像进行平滑处理,对于抑制服从正态分布的噪声非常有效,但仍不利于边缘保护[16]。以上几种算法处理普通CCD相机拍摄图像会对边缘和细节处造成模糊,不利于润湿区域提取[17]。

双边滤波属于非线性滤波方法,该滤波器同时考虑了图像像素空域位置之间的距离和像素之间的亮度色彩差异,在达到图像降噪平滑的同时可以保留边缘的清晰效果[18],其原理见式(1)：

(1)

式中：定义(i,j)为中心坐标,(k,l)为中心点邻域S中的任意一点的坐标;g(i,j)为中心点滤波处理后的输出像素值;f(i,j)为邻域S中的(i,j)处的像素值;ω(i,j,k,l)是以(i,j)为中心点的邻域像素(k,l)的加权系数,其大小由定义域核d(i,j,k,l)和值域核r(i,j,k,l)的乘积决定,其定义见式(2)和式(3)：

(2)

(3)

式中：σd为定义域标准差,σr为值域标准差。由式(2)和式(3)相乘得到的双边滤波权重见式(4)：

ω(i,j,k,l)=d(i,j,k,l)*r(i,j,k,l)=

(4)

本文采用红外热像仪对水分动态传递进行监测,水分润湿的红外图像分别用上述4种滤波算法处理后的对比效果如图4所示。由图4可得,经4种滤波算法处理后的润湿区域差距不大,而红外图像对织物润湿区域的表征明显,且无需进行额外图像增强处理,证明了红外热像仪拍摄的润湿图像拥有更高的准确性、稳定性和抗干扰性。从局部细节可发现经过双边滤波处理的图像噪点消除效果最好,且边缘更清晰,更有利于后续二值化处理。

图4 滤波算法效果对比Fig.4 Effect comparison of filtering algorithms

2.2.3 二值化处理

图像二值化是将灰度图像通过选择适当的阈值分割成只有两种像素值的图像[19]。若将灰度值T作为阈值,则图像中灰度值低于T的像素会替换成0,其余像素则替换成1,其计算原理见式(5)[20]。

(5)

式中：f(k,l)代表像素处理前的灰度值;g(x,y)则表示二值化处理后的像素值,T为判断阈值。

二值化处理的关键是阈值的选取,本文选用的是Otsu算法,可根据图像自动选取阈值进行图像二值化处理。该方法核心思想是寻找一个阈值T将图像分成背景区域和前景区域,当两个区域的像素灰度值方差最大时,则此时T为最佳阈值[21]。

2.2.4 润湿面积计算

图像经二值化处理后,系统可自动计算并输出目标区域(润湿区域)的总像素值,并根据像素比例换算得到实际织物润湿面积,像素比例由矩形校证卡(1 cm2)拍摄计算得出。织物实际润湿面积计算公式见式(6)：

(6)

式中：S是润湿区域实际面积,cm2;C是润湿区域的像素值;S1是矩形校正卡实际面积,cm2;C1是校正尺拍摄图像的像素值。

2.3 程序操作界面

为提高系统的便利性,本文设计开发了红外成像视频处理程序,程序操作界面如图5所示,主要包含视频导入窗口、图片预览窗口、参数设定窗口和运行窗口,其中图片预览窗口为视频最后一帧图像(即水分扩散最大面积图像),结合预览窗口像素坐标可大致确定目标润湿区域,便于下一步进行图像分割提取。程序操作步骤如下：a)导入红外视频并输入织物编号;b)输入视频提取的间隔帧数以确定采样频率;c)根据图片预览窗口确定目标区域并输入大于最大润湿面积的像素坐标,同时输入双边滤波参数;d)选择存储路径,运行测试。

图5 程序用户界面Fig.5 User interface of program

3 织物润湿面积监测与性能分析

3.1 织物基本参数与准确性检验

为检验本文提出的测定方法的准确性,选取6种不同类型的织物进行实验验证,织物试样的基本参数如表1所示。验证实验分别采用系统自动计算和手工测算的方式获取6种织物的最大润湿面积,并进行对比分析。采用上述方法依次将6种织物进行水分动态传递性能测定,图像提取间隔帧数为8帧/s,分割坐标和双边滤波参数根据各织物情况设定,最终计算得到织物每秒的润湿面积数据。手工测算方法采用Adobe Photoshop CC软件中对红外图像的润湿区域进行分割并记录润湿区域总像素值,每种织物手工选取3次取平均值,并根据像素面积比换算成实际面积。

表1 织物试样参数Tab.1 Fabric specification parameters

两种方法测得织物润湿面积如表2所示。由 表2 可知,系统自动计算结果与手工测定结果误差在0.86%～1.59%。两种方法测定结果的独立样本T检验双尾显著性p=0.931≫0.05,二者无显著性差异,可知系统自动计算织物润湿面积的方法准确性较高,可用于织物的水分传递性能分析。相较于传统测定方法和其他图像测定法,本文基于红外图像的测定方法操作简便,测定效率高,抗干扰能力强,测定结果更精确。

表2 织物润湿面积测试结果对比Tab.2 Comparison of fabric wetting area test results

3.2 织物水分动态传递性能分析

织物中水分动态传递性能常用润湿面积表征,图6显示了6种织物水分动态传递时,其润湿面积在100 s内的变化趋势。从图6中织物润湿面积的连续性可以看出该测定方法能够有效地记录水分动态传递的过程,并能够清晰反映织物在任意时刻和时段的水分传递性能。6种织物润湿面积的变化都呈现出先快速上升再缓慢增加的趋势。在水分动态传递的初始阶段,液态水在织物孔隙的芯吸作用下迅速填充进入织物,此过程主要以纱线间的孔隙芯吸为主。当水分进入织物后,水分传递则主要以纱线内的孔隙及纤维的芯吸为主,随着润湿中心区域水分的减少,织物润湿面积的增速逐渐下降,直到水分基本停止扩散达到最大扩散面积。

图6 织物水分动态扩散面积Fig.6 Moisture dynamic diffusion area of fabrics

织物中水分扩散速率与服装的导湿性能密切相关,是吸湿快干面料开发的重要指标。在滴液法实验中,织物润湿面积的增长速率可表征其水分的扩散速率。图7是各织物前8 s润湿面积与时间的关系,可看出2#亚麻、4#苎麻和5#苎麻织物润湿面积的增速明显快于1#麻棉、3#亚麻和6#涤棉织物,说明该时段前3种织物的液态水扩散性能优于后面3种。织物中水分扩散的初始阶段,织物的润湿面积与时间呈明显的线性关系,其拟合关系式见表3,其中时间t的系数即润湿面积的增长速率。由表3可知,该时段6种织物水分扩散速率从大到小依次是：4#苎麻、5#苎麻、2#亚麻、6#涤棉、3#亚麻、1#麻棉,其中2#亚麻、4#苎麻和5#苎麻织物的扩散速率相近,1# 麻棉、3#亚麻和6#涤棉织物的速率相近。为探究该时段影响水分扩散速率的主要因素,本文将其同织物的基本参数进行了相关性分析,结果如表4所示。

表3 织物润湿面积与时间的拟合关系式Tab.3 Fitting formula between the wetting area and time of fabrics

表4 初期织物水分传递速率与织物基本参数的相关性分析Tab.4 Correlation analysis between the moisture transfer rate and basic parameters of fabrics at the initial stage

图7 水分传递初期织物润湿面积与时间的关系Fig.7 Relationship between the wetting area and time of fabrics at the initial stage of moisture transfer

由表4可知,织物初期的水分扩散速度与织物面密度、总紧度显著负相关,说明这二种织物参数对织物水分传递初期的速度影响较大,与现有织物水分传递理论相符。当织物面密度越大,总紧度越高时,织物纱线间与纱线内的孔隙越少,其毛细芯吸作用下降,导致织物水分动态传递初期的水分扩散速度偏小。

4 结 论

本文采用红外热像仪对织物中水分动态传递过程进行红外成像视频观测,并从视频图像中自动分割提取织物中水分润湿的红外图像。采用双边滤波降噪和图像二值化计算像素面积,并能够计算织物中水分动态传递过程中任意时刻的润湿面积。选取6种不同类型的织物试样进行验证实验,基于提案方法的自动测定结果与传统手工测定方法进行对比分析,二者误差在1.59%以内。该测定方法利用红外热像仪解决了普通CCD相机观测织物水分动态传递精度不高的问题。红外图像利用温差分割润湿区域不仅能识别出前端的毛细润湿,还可以避免织物因素和环境因素对测定的干扰,简化了图像处理步骤,提升了准确性。本文测定方法操作简便且测试精度和测试效率高,可实现图像单帧或多帧间隔采集,可动态连续地观测织物的水分传递过程。对该测定方法测量的织物水分传递数据进行分析发现,织物润湿面积增长速率的变化与织物性能密切相关,在织物水分传递初期,水分扩散速率受织物面密度和总紧度影响较大,与织物水分传递理论分析结果一致。