基于面料图像梯度的服装风格相似性匹配算法

吴帆 文中华

摘  要：针对不同服装风格图像的相似性匹配问题，传统方法停留在定性分析和主观评价阶段，无法定量、客观地判定服装风格。为了对服装风格相似度进行定量分析，提出了一种基于面料图像梯度的服装风格相似性匹配算法。该算法首先基于面料灰度图像对图像的梯度进行计算。然后设置阀值对图像梯度进行过滤处理，得到属于不同风格类型主要特征的图像梯度。接着按X方向和Y方向进行分区对主要特征情况进行统计，获得每个区块的梯度波动空间频率，并计算出整体图像的空间频率方差。最后选择以图像X、Y方向梯度方差的百分比为权重得到图像风格的整体相似度评价指标。实验证明该算法利用面料图像对服装风格相似性分析识别具有一定可行性。

关键词：服装风格  相似性匹配  图像梯度

中图分类号：TP391   文献标识码：A 文章编号：1672-3791（2019）12（c）-0190-05

Abstract： In view of the similarity matching of images of different clothing styles， the traditional method stays in the stage of qualitative analysis and subjective evaluation， and it is impossible to judge the clothing style quantitatively and objectively.In order to quantitatively analyze the similarity of clothing style， a matching algorithm for clothing style similarity based on the gradient of fabric image is proposed.The algorithm first calculates the gradient of the image based on the grayscale image of the fabric.Then set the threshold to filter the image gradient， and get the image gradient which belongs to the main features of different style types.Then the main features are calculated according to the X-way and Y-direction partition， the gradient fluctuation space frequency of each block is obtained， and the spatial frequency variance of the overall image is calculated.Finally， the overall similarity evaluation index of image style is obtained by weighting the percentage of image X and Y-direction gradient variance.Experiments show that the algorithm uses fabric images to analyze and identify clothing style similarity.

Key Words： Clothing style; Similarity matching; Image gradient

DOI：10.16661/j.cnki.1672-3791.2019.36.190

服裝款式千变万化，形成了许多不同的风格，表现出不同的历史渊源、地域渊源和文化渊源。而服装风格不仅受到服装款型、材质、饰品的影响，而且服装风格与面料图像有着直接的联系。例如，波西米亚风，印花风格十分多元化，以重复性排列的图纹变化为主要特色;律动彩条纹风，设计师以多种条纹组合玩转视觉效果，粗细不一、横竖不同的彩色条纹为主，等等[1]。对于不同面料图像风格属性的判别，有助于设计师对服装风格的把握，也有利于消费者能根据喜爱的面料找到相同风格属性的服装，这在服装面料设计、互联网以及电子商务行业变得越来越重要，因此利用图像分析技术对服装面料进行相似度匹配具有重要意义。长期以来，人们对服装的感性评估大多停留在定性分析和主观评价阶段[2]。而图像相似度计算方法有很多，如颜色直方图算法[3]、哈希算法[4]、尺度不变特征转换算法[5]等，这些方法能根据图形的特点在一定程度上能很好地解决图像相似度问题，但对风格相似度计算却不适用。目前对于面料图像所属服装风格相似度匹配算法研究很少。服装风格的认知和分类是一个相对模糊和主观的过程，对于不同服装面料风格区别与图像颜色变化情况、面料图形、花纹有直接关系，还由人的视觉感受所决定。而图像梯度分析方法[6]为该问题的解决提供了一个较好的途径，因此该文基于面料图像梯度给出一种服装风格相似性匹配算法。

1  图像梯度

图像在计算机中以数字图像的形式进行存储，即图像是离散的二维函数。在微积分中，一维函数的一阶微分的基本定义为：

（1）

图像是一个二维函数f（x，y），其微分即偏微分。因此有：

（2）

（3）

图像是按照像素来进行离散的，最小的ε就是1像素。因此，图像微分可表示为：

（4）

（5）

其中δ∈N，N表示自然数集合。式（4）和（5）分别是图像在（x，y）点处X方向和Y方向上的梯度，对应于服装的横向和竖直方向[7]。图像的梯度可理解为δ个相邻像素之间的差值。

2  基于面料图像梯度的服装风格相似性分析

2.1 服装面料图像梯度分析

服装风格不仅仅跟颜色变化、图形和花纹等基本物理指标有关系，而且人眼视觉系统对于图像轮廓、边缘、细节等图像高频信息敏感，尤其是位于水平和垂直方向上的信息[8]。从传统图像处理计算方法来看，RGB并不能反映图像的形态特征，只是从光学的原理上进行颜色的调配。而HSI比RGB更符合人的视觉特性，HSI是由色调、饱和度、亮度3个分量来表示颜色，其中变量I反映图像特征，变量HS是色彩的反映[9]。因此，通过结合灰度值图像和图像梯度处理去把握服装面料的风格属性，以如图1所示波西米亚风为例，首先将面料图像进行归一化处理，得到相同尺寸的图像，再转变灰度值图像，然后通过对面料图像梯度的处理得到的X方向和Y方向梯度图像Ix（x，y）和Iy（x，y），如图2所示。

从X、Y方向梯度图像中可以看出，对于面料图像来说，通过梯度图像的计算，可以反映出面料图像变化规律、图形和花纹的大致轮廓。X、Y方向的梯度变化则从不同的视角来判断服装面料风格的不同，如波西米亚风以重复性排列的横向图纹变化为主要特色，而律动彩条纹风，设计师则以粗细不一、竖直的彩色条纹为主，从图2中可以清楚地看出，在Y方向（竖直方向）上，图像梯度明显比X方向（横向方向）上的梯度更加显著。因此通过对面料图像不同方向的梯度分析，既能反映出面料图像的整体图形、花纹形态，也能细化出不同方向图像变化规律所呈现的多种风格。接下来，根据不同风格面料图像梯度所呈现的规律，采用相应方法进行相似度计算。

2.2 服装风格相似性匹配算法

传统基于灰度的图像相似度处理方法是通过两幅图像之间的距离度量，采用的是巴氏距离或者归一化相关系数进行相似度分析的。对于服装风格的相似度计算，却不是传统的计算图像的差异性，而是判断所呈现的特征或者给人的视觉感受是否一致。传统计算方法得到图像相似度很低的两张图像，可能属于同一种服装风格，得到的分析结果截然相反。该文通过结合灰度值图像和图像梯度处理方法，得到图像所具备的特征或视觉敏感信息，如图1所示的波西米亚风格。为了对图像总体风格进行评价，该文对X方向梯度值求取Y方向平均值和对Y方向梯度值求取X方向平均值，分别如式（6）和（7）所示。

（6）

（7）

其中nx和ny分别表示图像X方向和Y方向的像素点总数。然后对灰色图像梯度特征进行提取或者放大，得到相应图像的主要风格特征，并对风格相似度进行评价。详细步骤如下：

（1）通过设置梯度阀值来过滤掉干扰信息特征，X方向和Y方向阀值分别为：

（8）

（9）

其中μ（·）表示平均值，D（·）表示方差，K为过滤系数。

（2）对X方向和Y方向梯度图像的和分别分成许多连续的区间，和，其中（i-1·）ny/k<

xi

（3）对每个小区块进行特征情况的统计，计算出每个区间波动值大于阀值的次数，获得该区块的梯度波动空间频率fi和fj，图1波西米亚风格X方向和Y方向梯度波动空间频率如图3所示，从图中可以看出梯度波动空间频率情况与主要图像风格特征（图形纹理、变化情况等）能一一对应，能很好地、抽象地体现出图像的主要风格特征。

（4）为了对风格特征进行相似度匹配，对X方向和Y方向全局图像梯度波動空间频率求取空间频率方差Dx和Dy。X方向和Y方向的空间频率方差可以作为一个量化值反映出每行或者每列的风格特征。

（5）最后通过设置权重，将D=ωDx+（1-ω）Dy作为一个服装风格的面料图像相似度计算的评价指标。权重大小根据X方向和Y方向梯度值方差大小来确定。一般来说，方差大方向选择的权重要高，这是因为人眼视觉对于方差大的图像方向注意力更集中，视觉效果所受的影响也更大[10]。

2.3 服装风格相似性匹配的实现流程

设Ix、Iy分别为灰色图像在X方向和Y方向的梯度值。size1、size2设为归一化处理后图幅大小，Qx、Qy为阀值，x_frequency，y_frequency为频率矩阵，Dx和Dy为空间频率方差，K为过滤系数，D为相似度计算的评价指标，ω为权重，服装风格相似性匹配算法的Matlab程序如下：

clear all;close all;clc;

M11=imread（'波西米亚风格.jpg'）;M1=imresize（M11，[size1，size2]）;

MyFirstGrayPic1 = rgb2gray（M1）;   [Ix，Iy]=gradient（double（MyFirstGrayPic1））;

Ix_mean=mean（Ix，1）;     Iy_mean=mean（Iy，2）;

Ix_mean_std=std（Ix_mean，0，2）;   Iy_mean_std=std（Iy_mean，0，1）;

Qx=sum（Ix_mean）/size1+Ix_mean_std*K; Qy=sum（Iy_mean）/size2+Iy_mean_std*K;

j=1;

for i=10：5：（size1-10）

x_frequency（1，j）=size（find（Ix_mean（1，i：i+10）>Q1|Ix_mean（1，i：i+10）<-Q1），2）;  j=j+1;

end

Dx=std（x_frequency（1，：），0，2）

j=1;

for i=10：5：（size2-10）

y_frequency（1，j）=size（find（Iy_mean（i：i+10，1）>Q2|Iy_mean（i：i+10，1）<-Q2），1）;  j=j+1;

end

Dy=std（y_frequency（1，：），0，2）;

D=ω*Dx+（1-ω）*Dy;

3  实验结果及分析

将该文算法用于分析不同风格的服装面料，具体风格包括波西米亚风和田园乡村风多种风格。其中波西米亚风和田园乡村风格分别见图4、图5。

在实验中，对以上2种风格的随机抽取2张面料图像（如图4和图5左侧所示）进行风格相似度计算，通过采用该文提供的算法计算出不同风格不同面料图像的风格评价指标。选取过滤系数K为0.5，计算出X方向和Y方向不同的阀值，得到全局图像梯度波动空间频率如图6和图7所示。

权重ω选为图像不同方向梯度方差的百分比值，即D（meanIx）/（D（meanIx）+D（meanIy）），最后得到的分析结果如表1所示。

从表1结果可以看出，X方向和Y方向梯度方差的比较，两种相同风格图像的不同方向的方差Dx或Dy差异性相对较小，最大差异也仅为10.9%，说明相同风格面料在不同视觉方向的图像特征变化或纹理特征相似。综合来看，两种相同风格的综合方差D误差为7.8%和3.3%，即相同风格之间用该算法进行评价精度相对较高。同时不同风格之间面料图像进行比较，D的差异性高达14.1%，说明该算法能在一定程度上很好地区分开不同风格之间面料的差异。总之，该文提供的算法能很好地对不同风格之间面料图像进行区分，相同风格评价值D维持在一定范围之内，证明本文算法对不同风格服装面料图像的分析识别具有一定可行性。

4  结语

该文提出了一种基于面料图像梯度的服装风格相似性匹配算法，并用MATLAB工具加以实现。该算法在通过对不同服装风格的面料图像进行分析，获得面料灰度图像的梯度分布变化情况。然后为了对风格相似度进行计算，通过对图像梯度进行模糊化处理，即设置阀值对图像梯度进行过滤处理，得到属于不同风格类型主要特征的图像梯度。接着按X方向和Y方向进行分区对主要特征情况进行统计，获得每个区块的梯度波动空间频率。最后计算出整个图像空间频率在X方向和Y方向的方差，通过选择以图像不同方向梯度方差的百分比值为权重得到图像风格的整体评价指标。该算法针对面料图像对服装风格进行分析，能较好地计算出不同风格图像相似度评价值。通过对波西米亚风和田园乡村风格服装面料进行实验分析，证明该算法对服装风格图像相似度计算具有较好的精度，对不同风格服装面料图像的分析识别具有一定可行性。

参考文献

[1] 王安琪.基于图像内容的服装分类和推荐方法研究[D].昆明理工大学，2017.

[2] 段坤，李继云.决策场理论在服装风格评价上的应用[J].东华大学学报：自然科学版，2010，36（2）：175-178.

[3] 张堂辉，田捷，何余良，等.基于相似度直方图的混合指纹匹配方法[J].计算机学报，2005，28（10）：1728-1733.

[4] 黄嘉恒，李晓伟，陈本辉，等.基于哈希的图像相似度算法比较研究[J].大理大学学报，2017，2（12）：32-37.

[5] 林陶，黄国荣，郝顺义，等.尺度不变特征转换算法在图像特征提取中的应用[J].计算机应用，2016，36（6）：1688-1691，1698.

[6] 杨彪，林國余，张为公.结合Lab模型与EHOG特征的摄像机离散视域人物外表匹配[J].东南大学学报：英文版，2012，28（4）：422-427.

[7] YuLi Sun，JinXu Tao.Image reconstruction from few views by l0-norm optimization[J].Chinese Physics B，2014，23（7）：762-766.

[8] Ji TL，Sundareshan MK，Roehrig H.Adaptive image contrast enhancement based on human visual properties[J].IEEE Transactions on Medical Imaging，1994，13（4）：573-586.

[9] 魏崇奎.基于HVS图像质量评价模型的方法研究[D].国防科学技术大学，2003.

[10] 周正浩.分割视错觉及其在服装中的运用[J].轻纺工业与技术，2012，41（2）：35-37.