基于颜色空间聚类算法的围度标记点优化设计

宋仙丽 夏建磊

DOI：10.19850/j.cnki.2096-4706.2021.08.027

摘  要：图像匹配是人体测量系统实现围度测量的关键。图像匹配的基础和前提是围度标记点的精准识别，标记点的识别效果受颜色、形状等因素的影响。在图像匹配过程中，可以通过提高彩色标记点的识别效率来提高图像匹配准确性。文章设计多种不同颜色和不同形状的标记点，利用基于HSV模型的颜色空间聚类算法对标记点进行各颜色的分类和坐标的聚类。经实验验证，设计的黄品青圆形的标记点类型的识别效果较好。

关键词：标记点识别;颜色空间聚类算法;HSV模型;图像匹配

中图分类号：TP391.4    文献标识码：A    文章编号：2096-4706（2021）08-0095-05

Optimization Design of Girth Marker Point Based on Color Space Clustering Algorithm

SONG Xianli，XIA Jianlei

（School of Electronic and Information，Zhongyuan University of Technology，Zhengzhou  450007，China）

Abstract：Image matching is the key for human body measurement system to realize girth measurement. The basis and premise of image matching is the accurate identification of girth marker point. The identification effect of marker point is affected by color，shape and other factors. In the process of image matching，the accuracy of image matching can be improved by improving the identification efficiency of color marker point. In this paper，a variety of marker points with different colors and shapes are designed，and the color space clustering algorithm based on HSV model is used to carry out color classification and coordinate clustering on the marker points. It is verified by experiment that the recognition effect of the designed yellow-magenta-cyan circle mark point type is better.

Keywords：marker point identification;color space clustering algorithm;HSV model;image matching

0  引  言

随着数字技术的出现，个性化服装定制已成为当代消费者新的追求^[1]，而服装设计也正朝着数字化、智能化的方向快速发展^[2]。准确的人体尺寸是服装定制的先决条件^[3]。人体测量技術从开始的人工接触式测量发展到现在的非接触式测量^[4]。非接触式测量又分为主动式和被动式两种。主动式设备往往价格昂贵、体型庞大且有辐射^[5]。被动式测量利用普通相机采集人体彩色图像，之后对人体图像进行一系列图像处理，获得被测者的尺寸信息。基于多视点立体图像的人体围度测量系统^[6]在测量围度时，其定制的紧身衣测量部位镶嵌着一些循环使用的彩色标记点，图像匹配是该系统实现围度测量的关键。图像匹配的基础和前提是标记点的精准识别^[7]，标记点的识别效果又受颜色、形状等因素的影响。为了提高标记点的识别效率，需要对标记点的颜色、形状进行优化。

1  标记点设计

在标记点颜色优化设计中，先固定标记点的形状、大小、间距等其他干扰因素，通过实验挑选出识别效果较好的标记点颜色组合。常用的颜色空间有RGB模型、YCbCr模型、HSV模型等。而最常用于颜色识别的是HSV模型，它由三个参数构成：色度（H）、饱和度（S）、亮度（V）。对彩色标记点进行匹配时，标记点的颜色差异越大，标记点越容易被识别和匹配。在HSV颜色空间中，各类颜色的差异越大，对应的色调（H）值范围差别则越大，而所占的颜色空间分散程度也越大。颜料三基色黄色、品红色、青色（黄品青）及光学三原色红色、绿色、蓝色（红绿蓝）两种颜色组合对应的HSV范围如表1所示，在HSV空间中的散点图如图1所示。在HSV空间中，黄品青与红绿蓝两种颜色组合的分散程度较大，由此本文选用了黄品青与红绿蓝来做标记点的颜色优化实验。

同理在标记点形状优化设计中，先固定标记点的颜色、大小、间距等其他干扰因素，然后对设计的圆形、方形、雪花形等形状进行实验验证，挑选出识别效果较好的标记点形状。

在制作标记点时，首先利用HSV颜色空间与YCbCr颜色空间的转换关系，将挑选的颜色的对应参数在YCbCr颜色空间里进行转换再打印，以减小彩色打印时标记点颜色本身带来的误差。

2  图像采集

为了排除人体摆动、呼吸等对实验结果造成影响，标记点优化实验的实验目标设为一个规则的圆桶。本文使用两个POINT GREY GS3-U3-28S4C-C型号的工业摄像头搭建双目立体视觉系统，如图2所示。

相机拍摄距离为80 cm。使用低畸变百万像素镜头，SONY ICX687传感器，焦距6 mm，有效像素为1 928×1 448，总像素2.8 million pixel。同时还配置Intel（R） Core（TM） i7-10750H型号的中央处理器（CPU）、16 GB内存和NVIDIA GeForce RTX 2060型号独立显卡的笔记本电脑。电脑通过使用两个USB接口對双目相机进行控制、采集及存储镶嵌着标记点的圆桶图像。

3  实验与分析

3.1  标记点颜色优化

图3是圆形黄品青标记点的实验素材示例。

标记点的形状设为圆形，直径为5 mm，间距为1 cm。黄品青与红绿蓝两种颜色组合的三个不同颜色的标记点分别依次排列，循环九次，一共有27个标记点。利用Photoshop软件提取到镶嵌着圆形黄品青与圆形红绿蓝标记点的左、右视图的感兴趣区域。

利用基于HSV模型的颜色空间聚类算法^[8]，在HSV颜色空间内对镶嵌着圆形黄品青标记点的左、右视图的感兴趣区域进行各颜色的分类和标记点的聚类。首先根据表1，将分割图像中的标记点分为Y、M、C三种不同的颜色类别，分割图像中的像素构成一个数据集Z={z₁，z₂，…，z_i}，i=1，2，…，n，n=1 928×1 448。分割图像由RGB颜色空间转换为HSV颜色空间。假如V_i大于46则根据其色度值H_i分量对像素进行分类，并向该像素添加表示颜色类别的第四分量Ai;假如亮度值V_i大于46且11i

4  结  论

为了提高标记点的识别效果，本文设计了几种不同颜色和不同形状的彩色标记点。利用基于HSV模型的颜色空间聚类算法，对各种彩色标记点进行识别验证，实验证明了黄品青圆形标记点的识别效果较好。在图像匹配过程中，通过提高标记点的识别效率，可以获得准确的匹配点对位置信息，提高图像匹配准确性，进而减小在非接触人体测量中的人体尺寸测量误差。

参考文献：

[1] ZHANG J，LIU K，DONG M，et al. An intelligent garment recommendation system based on fuzzy techniques [J].The Journal of The Textile Institute，2020，111（9），1324-1330.

[2] SU G，HU X R，PENG T，et al. Research and Comparison of Smoothing Algorithms for Geometric Solid Figures [C]//2017 2nd International Conference on Communications，I.nformation Management and Network Security （CIMNS2017）.Beijing：DEStech Publications，2017：6.

[3] 贾俊瑛.基于图像的人体尺寸测量方法研究 [D].上海：上海师范大学，2020.

[4] 尹汪.基于图像的人体尺寸获取 [D].武汉：武汉纺织大学，2018.

[5] WEISS A，HIRSHBERG D，BLACK M J. Home 3D body scans from noisy image and range data [C]//2011 IEEE International Conference on Computer Vision （ICCV 2011）.Barcelona：IEEE，2011：1951-1958.

[6] YANG L，HUANG Q，SONG X，et al. Girth Measurement Based on Multi-View Stereo Images for Garment Design [J].IEEE Access，2020，8：160338-160354.

[7] 马永立.基于标记点的图像点匹配方法研究 [D].西安：西安科技大学，2011.

[8] 黄倩倩.面向服装设计的多视点人体参数测量 [D].郑州：中原工学院，2020.

作者简介：宋仙丽（1993—），女，汉族，河南周口人，碩士研究生在读，研究方向：图像处理、计算机视觉;夏建磊（1984—），男，汉族，河南漯河人，讲师，硕士，研究方向：计算机视觉。

收稿日期：2021-03-09

基金项目：河南省高校重点科研项目（19A51 0005、21A510016、21A520052）;校内重大项目成果培育计划（K2020ZDPY02）