织物褶裥等级客观评价方法

韩燕娜

(绍兴文理学院 元培学院，浙江 绍兴 312000)

图像处理和激光扫描都是提取服装或织物特征的常用方法[1-2]，不少学者从20世纪90年代开始就用其对织物三维形态进行分析和处理，并提取特征指标[3-5]，从而对织物平整度进行客观评价[6-7]。激光扫描技术可以克服图像处理技术易受织物花色、组织结构等影响的不足[8]。

褶裥兼具功能性与美观性，常被用于服装成衣工艺以增加服装的层次感及立体感[9]。褶裥作为服装设计不可或缺的手法之一，充分地满足了生产活动中对运动的需求，极大地丰富了服装的造型[10]，目前对褶裥的评定基本采用主观评价法，本文运用激光扫描技术对织物褶裥进行客观评价。

1 实 验

1.1 褶裥放置装置

由于织物褶裥的易变形性，如果直接将其放于桌面上，其形态会受重力作用的影响，随时间的延长，褶裥具有趋于缓和的趋势。为避免这一现象，本文制作了一种简易装置，既便于控制褶裥高度，又能防止测试过程中，褶裥的变形，使得测试结果更为准确。

织物褶裥控制装置见图1，图1中a为2根垂直于桌面的支架，每根支架的底座由三块直角三角板固定，中间用细线连接，保证细线绷直且水平，细线的高度可以上下调节；b为固定在支架上的直尺，保证直尺与支架都垂直于桌面，作用是测量细线高度；c为放置在细线上的褶裥试样，将烫好的织物试样沿褶裥方向放置在细线上，自然摊开，通过控制细线高度实现对织物褶裥的控制，避免将褶裥织物直接放到桌面上，因重力的作用，随时间的延长，褶裥高度逐渐变小。

图1 织物褶裥控制装置

1.2 试样的选取

选取10种织物，织物规格见表1，采用相同的熨烫手法，控制相同的熨烫时间(2 min)、压力(用同一个熨斗，质量400 g)以及相同的静置时间(5 min)，每种织物利用上述褶裥装置，分别控制0、0.5、1.0、1.5、2.0 cm共5个高度，因此一共制作50块织物褶裥试样。制作完成后的织物试样2不同高度褶裥见图2。

表1 织物规格

图2 试样2不同高度褶裥

1.3 利用三维激光扫描仪扫描褶裥模板

利用加拿大Creaform公司生产的双目手持式扫描仪Handyscan 3DTM对AATCC-88C织物褶裥模板进行扫描。并按照文献[11]中的方法用GEOMAGIC软件对扫描得到的点云数据进行预处理。预处理之后，对模板点云提取以下特征值：

平均偏移量ε为褶裥形成偏移的均值，计算公式为：

式中：Z(i,j)为织物表面任意一点的高度；N为织物总高度点数。

粗糙度μ为织物表面各点高度的标准差，扭曲度S为扭曲度能够侧面表征织物表面的不平整程度，计算公式为：

峰度K为不平整的织物表面，凸起的地方犹如山峰，峰度用来表征织物表面的起伏程度，标准差Q为反映数据集的离散程度，方差V为表面不平整现象的明显程度，计算公式为：

1.4 褶裥试样的三维扫描与特征提取

用与1.3相同的方法，对50块放置于褶裥控制装置上的不同程度的织物褶裥进行扫描和特征提取。

1.5 试样褶裥等级的主观评价

对织物褶裥进行激光扫描之后，由5名行业专家对照AATCC-88C织物褶裥模板，对50块织物褶裥进行等级评定，经过统计分析，5名专家的主观评定结果具有较好的一致性，因此对其求平均，并四舍五入，作为主观评价的最终结果。

2 结果与讨论

2.1 模板褶裥等级与特征值之间的关系

本文共提取了5个不同模板褶裥等级的特征值，模板三维特征值提取结果如表2所示。

表2 模板三维特征值提取结果

由表2可见，除均值和峰度外，其余5个参数：平均偏移量、粗糙度、标准差、扭曲度和方差的数据随褶裥程度(等级)的增加，呈递增趋势。即模板等级越高，特征值也越大，较符合规律。因此将这5个参数作为自变量，模板褶裥等级作为因变量，进行多元线性回归分析。多元线性回归分析结果见表3，T表示对回归参数的显著性检验。

表3 多元线性回归分析结果

从表3可知，扭曲度的显著性为0.000，粗糙度的显著性也很接近0.000，可见二者与褶裥等级显著相关，虽然方差和平均偏移量的显著性没有其它三者高，但也进入了回归方程。由上表的标准化系数可以看出，褶裥等级的回归方程如下：

褶裥等级=扭曲度×0.390+平均偏移量×0.142+方差×0.405+粗糙度×1.126+1.088

经F检验，该方程具有良好的显著性，拟合系数R2为91.2%。

2.2 织物褶裥特征值的提取结果

由于篇幅所限，只列出试样1、2在5种不同高度(0、0.5、1.0、1.5、2.0 cm)下的褶裥特征值提取结果，试样1、2织物褶裥的特征值提取结果见表4。

从表4可以看出，织物褶裥的特征值提取结果表现了与褶裥模板相似的规律性，即除了均值与峰度这2个特征参数外，随褶裥程度的加深，其余参数如平均偏移量、粗糙度、标准差、扭曲度和峰度呈现递增的趋势。初步说明，用于表达模板褶裥程度的参数也同样可以用来表征织物褶裥的深浅。

2.3 织物褶裥等级的主客观评价之间的关系

织物褶裥等级的主客观评价结果见图3，其中客观评价等级为将每一块织物褶裥提取的扭曲度、平均偏移量、方差和粗糙度数值，代入2.1中模板等级的回归方程，再将计算得到的模板数值进行四舍五入取整。由于标准模板的褶裥等级最高为5级，为了与模板等级相一致，在计算过程中，将个别等级结果四舍五入后大于5的试样，直接更改为“5”。

表4 试样1、2织物褶裥的特征值提取结果

图3 织物褶裥等级的主客观评价结果

从图3可以看出，50块织物褶裥试样的主客观等级评价结果之间呈现了较好的一致性，除4块试样外，其余46块试样的主客观评级完全吻合。分析一下出现偏差的试样可以发现：4块试样均为颜色较深或者有图案花纹的试样，这些较深的颜色或花纹图案对试样的褶裥深度有一定程度的隐藏和掩盖作用，因此在主观评级时，人的肉眼观察判断的等级比实际等级低了1级。比如2号试样，主观评价等级为1级，而客观评价等级为2级，这是因为此织物为深灰色，人的肉眼很难客观评定其纵向褶裥高度。而用激光扫描仪则可以得到每个点的纵向高度，因而更为精确。

图4是主客观评价等级之间的相关关系，从相关系数R2=0.963 8可以看出，二者具有高度线性相关关系。因此，可以说用激光扫描技术对织物褶裥进行客观评定是可行的，而且较主观评定的准确性更高，且不受人为主观因素的影响。

图4 主客观评价等级之间的相关关系

3 结 论

本文用Creaform Handyscan 3DTM激光扫描仪对AATCC-88C标准模板和50块不同褶裥程度的织物试样进行扫描，获取三维点云数据，随后用GEOMAGIC软件对扫描获取到的三维点云数据进行预处理。之后提取了平均偏移量、粗糙度、标准差、扭曲度、峰度、方差等特征参数，并建立了模板等级与褶裥参数之间的回归方程，经过研究得出以下结论：

①平均偏移量、粗糙度、标准差、扭曲度和峰度这5个参数既能较好地反应模板的褶裥程度，也能对织物褶裥具有较好的表征，且随褶裥程度的增加，这5个参数均呈现递增的趋势。

②将计算得到的褶裥等级回归方程用于织物褶裥等级的客观评定具有较好的可行性，其评价结果与主观评级一致性良好，且可以克服主观评价结果易受织物颜色、图案等影响的不足。