皮肤与纺织品之间的相互作用是关系到服装舒适性的重要因素,面料表面的粗糙度是消费者们选择购买服装时非常看重的因素[1]。织物的截面微观结构反映了其组织结构、表面粗糙度、针织密度等,与摩擦特性密切相关[2]。目前织物粗糙度的评估方法主要有主观评价法和客观评价法两种。主观评价法是依靠感觉器官获得感觉效果并对织物做出风格语言评价[3];客观评价法是通过测定织物物理机械特性值得到织物特性和粗糙度等级,主要方法有KES⁃F测试系统、微摩擦传感器测试仪和圆盘表面粗糙性测试法[4]。陈贵翠等利用旋转法测试系统从力学角度对织物表面粗糙度进行了分析,引入了经纬向粗糙度平均值来评价织物粗糙度,但该方法更适合于表面纹理清晰、紧密坚挺的机织物[5]。潘登等利用织物表面形貌曲线,统计波动高度下的纹理间距,采用傅里叶方法提取频域内谐波特征,结果表明,织物的粗糙度差异取决于表面纹理变化波动曲线的波峰间距及谐波的最高峰高度[6]。SUL I H等观察了非织造布在重复磨损下的表面摩擦性能变化,利用三维非接触相机采集表面数据,计算分形尺寸以评价表面粗糙度[7]。陈东辉提取随机分布特征的粗糙表面数字特征,利用均值和方差等描述粗糙表面,但具有相同均值和方差的表面仍会在轮廓上存在较大差异[8]。HU Y J等利用精纺毛织物力学指标,结合心理规律进行回归分析,得出织物粗糙度与织物厚度及压缩线性度有关[9]。左召光利用数据处理方法表征织物表面粗糙度,经小波分析得到高频段信号,再利用功率谱估计处理信号得到粗糙度信号[10]。虽然学者们对于织物表面粗糙度测定方法进行了不同探索,但是大多都是从织物表面纹理曲线出发,沿用硬质物体表面不平整性的表征方法,织物粗糙度判定效率仍然有待提高。本研究从织物微观截面角度测试织物表面粗糙度,提出一种利用织物截面轮廓曲线每个循环中波深度与宽度比值的平均值作为织物表面粗糙度测定方法,直观地得到织物表面粗糙度,为织物摩擦性测试、织物工艺效果、服用性能以及外观监测评价提供参考新依据。1 试验设计1.1 试验样本为了客观衡量不同织物粗糙度的差异性,选取3种不同织物成分的6种织物作为本研究试验织物,试样大小均为200 mm×200 mm,所选用试验织物参数见表1。.T001表1试验织物参数试样编号织物成分及比例组织结构纵密/(列·cm-1)横密/(行·cm-1)单位面积质量/(g·m-2)厚度/mm1#涤/棉 85/15纬平针组织26481010.372#涤/棉 85/15网眼组织20391620.463#纯涤纶纬平针组织21321670.454#纯涤纶网眼组织15291710.375#锦纶/涤纶/氨纶 45/41/14纬平针组织18281550.456#锦纶/涤纶/氨纶 45/41/14网眼组织15321590.571.2 仪器与设备OLYMPUS CX31型显微镜、Panasonic彩色闭路监控摄像机、火棉胶、刀片。1.3 试验方法试验环境温度(20±2)℃,相对湿度(65±2)%,试样在试验前进行24 h以上的调温调湿。本试验首先对织物横截面进行提取,用少量火棉胶滴在织物试样上,缓慢移动试样使胶液充分渗入。等到胶液凝固干燥后,用刀片切割下织物截面。将试样截面放在OLYMPUS CX31型显微镜中,连接Panasonic彩色闭路监控摄像机进行拍摄,获得6种织物的截面照片,见图1。.F001图16种织物的截面照片1.4 主观评价试验试验采取分档评价法,以十分制对织物表面粗糙度进行分档评分(0分~10分),10分表示最光滑,0分表示最粗糙。在室内环境温度(20±2)℃、相对湿度(65±2)%的实验室内进行主观评价试验,选择年龄为20岁~30岁的40位在校生,采用手指触摸织物表面感受其粗糙度,对织物的粗糙度进行评分,最后取平均值,得到试验织物的粗糙度评定值。2 数据与分析2.1 灰度化处理由于物体颜色会因环境光照等因素改变发生变化,使其提供的关键信息受到干扰,因此通常需要首先将显微镜拍摄的织物截面照片进行灰度化处理。在Matlab R2018a中选择函数rgb2gray进行图片灰度化处理,该函数对R、G、B分量进行加权平均,见公式(1),通过消除图像色调和饱和度信息,同时保留亮度。rgb2gray=0.298R+0.587 0G            +0.114 0B (1)2.2 去噪处理图像在采集过程中易受噪声的干扰,严重影响识别的精度和速度,因此在轮廓提取前需要进行降噪,消除非目标边缘并突出目标。图像的去噪方式主要有中值滤波法、小波变换等。小波变换集合了数学与信息处理,可以有效去除噪声,在图像处理方面有着广泛应用,能对图像细节进行精细去噪[11]。研究表明:将中值滤波和小波变换结合,可以更有效对二维图像去噪,优于仅使用其中一种方法[12]。为了保持图像的边缘细节,且不影响图像所包含的边缘信息,在对织物横截面图像去噪平滑的过程中,本研究使用Matlab软件,采用中值滤波和小波变换两者结合的方法去噪。其中中值滤波采用函数medfilt2,小波变换采用函数ddencmp。2.3 轮廓提取本试验选取Canny算子图像边缘检测算法对去噪后的织物截面轮廓进行提取。Canny算子是一种派生于高斯模型的算法模型,能够抑制虚假边缘,把边缘点误认为非边缘点的概率低,并且定位精度高[13]。同时提取的边缘相比其他算子最完整且边缘连续性佳。Canny算子属于先平滑后求导方法,通过与图像卷积滤波后寻找图像梯度局部最大值确定图像边缘。在Matlab软件中分别对Canny算子进行运算。以1#织物为例,通过Canny算子对织物截面轮廓提取的结果见图2。.F002图2Canny算子对1#织物轮廓提取结果2.4 曲线拟合曲线拟合是将多个离散数据用平滑曲线进行拟合,拟合曲线会尽可能接近及尽可能多地连接各个离散数据点[14]。在由Canny算子获得的图像轮廓中选取有效部分,见图3。在Matlab中将轮廓离散化,获取所有有效部分图像的各个像素点坐标数据,见图4。.F003图36种织物的有效部分曲线.F004图41#织物Canny算子轮廓提取散点图根据轮廓曲线特点,使用Matlab R2018a 中curving fitting tool工具箱对各个像素点坐标进行曲线拟合,选取非线性拟合方式,由于轮廓曲线具有循环周期性的特点,且轮廓曲线数据点存在一个自变量对应多个值,本研究选择傅里叶逼近方式进行织物截面轮廓曲线拟合,采用基于周期函数及傅里叶级数展开原理的傅里叶逼近,见公式(2)。        F(x)=a0+∑i=1naicos (w∙i∙t)+∑i=1nbisin (w∙i∙t) (2)式中:F(x)为拟合曲线,a0与w为常数,ai与bi为各级系数,(i=1,2,3,4,5,6),n为展开级数。从公式(2)可以看出,随着级数n增加,拟合曲线结果更平滑,但也增加了计算次数,因此在接下来对织物截面轮廓拟合过程中,级数选择需权衡平滑效果与计算效率。首先确定最优傅里叶级数,然后在删除轮廓离散数据的极端值和异常值后进行曲线拟合,获得曲线各个傅里叶参数。6种织物的傅里叶模型系数见表2,模型拟合效果见表3。从表3中看出R2都接近1,表明可以将傅里叶逼近所拟合曲线近似看作6种织物截面拟合曲线。.T002表26种织物的傅里叶模型系数织物编号a0a1b1a2b2a3b3a4b4w1#43.950.9151.9002.543 04.335 0-0.385 3-1.011 00.027 802#81.67-6.117-1.6595.684 02.808 01.536 0-0.942 3-0.501 6-0.539 70.019 473#152.90-1.152-1.3267.174 04.530 0-1.131 0-1.933 00.013 814#463.70-24.940-27.5900.008 905#137.403.620-10.3500.371 92.077 00.025 326#91.481.673-7.5861.233 00.738 5-0.207 10.148 70.031 88.T003表36种织物的傅里叶模型的拟合效果织物编号拟合类型残差平方和SSER2调整R21#Fourier36.829 5×1030.726 30.725 12#Fourier41.624 3×1040.849 80.849 33#Fourier33.816 5×1040.795 70.795 34#Fourier13.017 7×1050.923 20.923 25#Fourier21.783 3×1050.875 20.874 86#Fourier38.002 0×1030.799 40.800 2将6种织物的傅里叶逼近模型中的各项系数输入到Matlab R2018a中进行曲线计算与作图,以1#织物为例,获得的曲线拟合结果见图5。.F005图51#织物傅里叶逼近拟合后的轮廓曲线2.5 织物粗糙度评估粗糙度是人感官系统对外刺激的反应,人们穿着衣服是感官感觉而获知织物的性能,是鉴定织物风格的基础,也是衡量客观指标的标准。粗糙度影响了皮肤所受的摩擦力大小,织物表面越粗糙,即织物表面起伏越大,则织物与皮肤往复运动时产生的摩擦力也越大。本研究用织物截面外形轮廓曲线表征表面粗糙度,见图6。基中,D值为轮廓曲线变化高度,W值为基准宽度,反映截面粗糙度数值变化,利用曲线每个循环中的波深度与宽度比值的均值计算,即织物粗糙度估计公式,见式(3)。.F006图6截面曲线基准宽度与高度示意图R=1n∑i=1nDW (3)式中:R为织物粗糙度,D为波深度,W为波宽度,n为每个循环中波个数。织物粗糙度值越大,表明织物手感越差,反之亦然。在Matlab R2018a中量取计算织物截面曲线循环中宽度和深度,并计算粗糙度值,6种织物的粗糙度结果见表4。.T004表46种织物粗糙度数值织物编号宽度/像素深度/像素粗糙度1#3950.1282#68100.1473#3440.1184#3850.1315#6580.1236#6790.1343 粗糙度的验证表1所列举的6块试样的主观评价粗糙度均值见图7。6块试样的粗糙度具有明显差异,显示评价者能正确辨别织物粗糙度大小,试验结果有助于验证傅里叶曲线拟合法对其表面粗糙度估计方法。.F007图7试样粗糙度评定值结合织物粗糙度数值与主观评价结果,织物粗糙度数值与各织物主观评价结果排序相同,其中2#织物的表面粗糙度最高,3#织物的表面粗糙度最小。从结果中得到,相同织物成分下,网眼组织织物的粗糙度要高于纬平针组织织物;相同织物组织结构下,涤纶含量高,织物粗糙度小。4 结论通过利用Canny算子进行截面轮廓提取,采用傅里叶曲线拟合法得到截面织物截面轮廓曲线,将截面曲线中每个循环中波深度与宽度比值均值作为织物表面粗糙度估计值,对比主观评价试验得到的6种织物粗糙度,得到下述结论。(1)织物截面轮廓拟合曲线能够很好地评定织物表面粗糙度。(2)织物表面越粗糙,纹路越清晰,则周期性越明显,截面拟合出的曲线中波峰高度越高,反之波峰越低。(3)相同织物成分下,纬平针组织结构织物比网眼组织织物的粗糙度小。本研究方法目前仅针对判断织物的粗糙度水平,今后还可增加不同织物类别,进一步优化计算织物粗糙度方法。

使用Chrome浏览器效果最佳,继续浏览,你可能不会看到最佳的展示效果,

确定继续浏览么?

复制成功,请在其他浏览器进行阅读