朱巧武 梁帥童 丁雪梅 裴劉軍 張紅娟 王際平

摘要：在評價織物品質(zhì)與風格時需要對織物的光澤感進行評價，基于圖像處理的織物光澤評價技術(shù)較其他評價技術(shù)具有諸多優(yōu)點，但在關(guān)鍵的織物圖像光澤特征的構(gòu)建上，仍需要進行研究。本文選用本白色真絲素縐緞織物作為淺色樣本，藍色和黑色真絲素縐緞織物作為深色樣本，粉紅色和棕色樣本驗證分析結(jié)論。通過真絲織物的光譜數(shù)據(jù)分析對光澤度主觀評價的影響因素，并建立有效的織物光澤圖像特征對織物光澤評價。本文通過對真絲織物的光譜數(shù)據(jù)分析，發(fā)現(xiàn)織物的顏色明度與主觀評分相關(guān)性很低，顏色的色相顯著影響主觀評分結(jié)果。并且織物的波長反射率在530～560 nm改變時，對織物光澤的主觀評分影響最大。以此建立的織物光澤圖像特征，表明織物表面亮點與整體表面背景亮度的對比度是基于圖像處理評價技術(shù)的關(guān)鍵之一。

關(guān)鍵詞：真絲織物；光譜特征；主觀評價；數(shù)據(jù)分析；圖像處理

中圖分類號：TS101.923

文獻標志碼：A

文章編號：10017003（2024）02005109

DOI：10.3969/j.issn.1001-7003.2024.02.006

收稿日期：20230725;

修回日期：20231216

基金項目：國家自然科學基金項目（22108169）;新疆生產(chǎn)建設(shè)兵團重點研發(fā)計劃項目（2019AA001）

作者簡介：朱巧武（1996），男，碩士研究生，研究方向為織物光澤評價。通信作者： 梁帥童，副教授，liangst@sues.edu。

織物的光澤感評價是評價織物品質(zhì)與風格的一項關(guān)鍵指標，對織物光澤機理與測試評價方法的研究具有重要的意義。織物光澤的測試方法主要分為感官測試方法和儀器測試方法，感官測試方法依賴人的主觀評價，受主觀因素的影響非常大，Gundola等開發(fā)用于織物光澤主觀測量的量表，降低了主觀因素的影響，但是感官評價依然存在過程繁瑣、效率低等問題。儀器測試方法分為對比光澤度測試方法、基于計算機視覺的圖像處理評價測試方法，以及顯微光澤計測試方法和積分球測試方法等。對比光澤度測試方法在不同角度下測量織物表面的正反射亮度與漫反射亮度的比值，問題是該方法僅測量織物部分表面的光澤度，在織物的表面光澤分布不均勻時，出現(xiàn)同一塊織物面料不同區(qū)域?qū)Ρ裙鉂啥炔钪禈O大?；谟嬎銠C視覺的圖像處理評價測試方法則沒有這個問題，可以通過攝像機拍攝織物整體進行處理分析。劉哲使用圖像處理的方法構(gòu)建五個灰度圖像的特征，綜合評價織物的外觀風格；張新建等同樣使用織物的顏色、灰度和紋理特征，建立隨機森林回歸模型。但是在許多圖像處理評價測試方法研究中，建立的模型只能針對特定的樣本集表現(xiàn)良好，泛化能力差。原因是在關(guān)鍵的織物圖像光澤特征的構(gòu)建上，如何建立織物光澤圖像的有效特征仍需進行研究。

本文選用本白色、藍色、黑色、粉紅色和棕色的真絲素縐緞織物作為樣本，基于樣本的光譜數(shù)據(jù)分析織物光澤感主觀評價的影響因素，并且基于分析結(jié)論構(gòu)建有效的織物光澤圖像特征。本文要解決的關(guān)鍵問題是如何構(gòu)建有效的圖像特征評價織物光澤，因此對于織物光澤感主觀評價的影響因素分析尤為重要。本文使用可編程標準洗衣機洗滌樣本，采用分光測色儀收集樣本的光譜數(shù)據(jù)，通過目測實驗獲得樣本的主觀評分。對收集的數(shù)據(jù)集進行探索性聚類分析，獲得數(shù)據(jù)集中數(shù)據(jù)的結(jié)構(gòu)特征。然后進行相關(guān)性分析和因子分析探究織物光澤感主觀評價的影響因素，最后基于分析結(jié)果構(gòu)建光澤圖像的特征，并評價圖像特征的可行性和可信度，預(yù)期得到有效評價織物光澤感的特征建立方法。

1 實 驗

1.1 儀器與設(shè)備

Wascator FOM71 CLS歐標縮水率洗衣機（伊萊克斯（中國）電器有限公司），Datacolor800精密臺式測色儀（德塔（蘇州）顏色科技有限公司），BZGY908A標準光源對色燈箱（元茂光電科技（武漢）有限公司），Eos Rebel T3 佳能CMOS相機（佳能（中國）有限公司），27V OSRAM CHIP LED板光源（歐司朗（中國）照明有限公司）。

1.2 樣品制備

本實驗所用樣品為真絲素縐緞織物（吳江鼎盛絲綢廠），裁剪成長寬20 cm×20 cm的大小。實驗組的淺色樣本86個，顏色為本白色；深色樣本86個，其中深藍色樣本43個和黑色樣本43個。驗證組的樣本86個，其中粉色樣本43個

和棕色樣本43個，具體規(guī)格如表1所示。

各階段實驗前后，樣本試樣均放置在溫度20 ℃±2 ℃、相對濕度65%±4%的恒溫恒濕環(huán)境下。樣本的處理選用可編程標準洗衣機，型號為Wascator FOM71CLS，基于經(jīng)驗?zāi)Ｐ碗S機產(chǎn)生磨損樣品。本文采用隨機函數(shù)生成各項洗滌參數(shù)的參數(shù)組合，要求隨機函數(shù)的隨機結(jié)果為指定范圍內(nèi)的整數(shù)，各項洗滌參數(shù)的隨機值區(qū)間如表2所示。

1.3 光譜特征數(shù)據(jù)收集

本文采用Datacolor800精密臺式測色儀，收集織物樣本的光譜特征數(shù)據(jù)，使用時室內(nèi)溫度保持在20 ℃±2 ℃內(nèi)，相對濕度保持在65% ±4%內(nèi)。測色儀測量各波段的反射率R，計算出CIE XYZ的X、Y、Z值，CIE Lab的L、a、b值，CIE LCh的L、C、h值，并且可以計算出K/S值和Inter值，描述樣本顏色的深淺。

實驗人員將樣本折疊4次，置于測色儀測量處。測量前選用30 mm孔徑的LAV板、D65國際標準光源，并使用標準顏色板校準儀器，測試方法選擇不包含鏡面反射。測量過程先測量標準樣品，然后測量洗滌后的樣品，每個樣本測量3個以上的點位，去掉極值點?？偵瞀小于0.05時，取剩余點平均值作為樣本的光譜數(shù)據(jù)，并將測量數(shù)據(jù)匯總記錄。

1.4 目測評價實驗

參考織物光澤的視覺物理量與視覺心理量的關(guān)系語義量表，如表3所示，用于評價人員對織物光澤的描述和等級劃分。儀器選用BZGY908A標準光源對色燈箱，選擇D65國際標準光源并將樣本置于光照下。評價人員共9人，視覺、色覺正常，通過初期目視評價實驗訓(xùn)練，保證所有評價人員對樣本光澤的認知一致。評價人員結(jié)合光澤語義描述和量化表，通過主觀視覺或者心理知覺對樣本的光澤強弱描述和打分。實驗過程評價人員在溫濕度適宜，且無環(huán)境光干擾的室內(nèi)進行，眼睛處于樣本上方，位置距離保持一致。評價人員在不同時間段的相同條件下根據(jù)語義量表對樣本多次打分，為了評分結(jié)果穩(wěn)定可靠，僅接受實驗樣本主觀評價打分方差小于或等于0.5的結(jié)果，并且取平均值作為主觀評價結(jié)果。

1.5 數(shù)據(jù)分析方法

聚類分析屬于無監(jiān)督算法，對于數(shù)據(jù)集的聚類分析目的是挖掘數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)關(guān)系。本文采用層次聚類的方法，層次聚類將樣本的光澤、顏色等為特征劃分后，會形成不同的樹狀結(jié)構(gòu)，有助于對分析結(jié)果的理解。該方法首先將每個觀測視為一個聚類，使用Ward法計算樣本距離，然后逐步將距離上最相近的兩個聚類合并成一個聚類。該組合過程會一直進行到所有點都位于一個聚類中，分類正確時同類樣本的離差平方和較小。此外，Ward法對離群值非常敏感，偏向于生成與觀測類別數(shù)相同的聚類。三次聚類準則（Cubic Clustering Criterion，CCC）用于評價基于距離的聚類算法，CCC值越大則表明擬合的效果越好。

本文采用皮爾遜相關(guān)系數(shù)r，取值范圍在-1～1，大于0呈正相關(guān)，小于0呈負相關(guān)。Datacolor800分光測色儀測量結(jié)果使用CIE Lab顏色空間更符合人眼視覺感官，對顏色空間中的L、a和b值與主觀評分進行相關(guān)性分析。并對收集的光譜反射率因數(shù)，進行因子分析，KMO檢驗用于比較變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)，取值范圍在0～1。當簡單相關(guān)系數(shù)遠遠大于偏相關(guān)系數(shù)時，KMO的值接近1，巴特利特球度檢驗結(jié)果顯著時，說明數(shù)據(jù)符合正態(tài)分布。因子分析的方法是用少量且不可觀測的潛在變量或因子，描述樣本的光譜反射率特征，這些因子可以被定義為光譜反射率因數(shù)的線性組合，用以解釋被觀測變量的共有變異。

2 數(shù)據(jù)分析與討論

2.1 聚類分析

分別對本白色、深藍色和黑色樣本的數(shù)據(jù)集進行聚類分析，聚類結(jié)果使用星座圖繪制，橫縱坐標表示樣本點的相對距離，樣本之間的角度和方位并無意義。深藍色樣本的聚類結(jié)果如圖1（a）所示，樣本被分為8類。圖1（b）為聚類樹圖，描述樣本間的層次結(jié)構(gòu)。由圖1（b）可見，聚類結(jié)果為8類時CCC為峰值，大小為5.19。

黑色樣本的聚類結(jié)果如圖2（a）所示，樣本被分為5類。圖2（b）為聚類樹圖，描述樣本間的層次結(jié)構(gòu)。由圖2（b）可見，聚類結(jié)果為5類時CCC為峰值，大小為3.65。

本白色樣本的聚類結(jié)果如圖3（a）所示，內(nèi)容為樣本的層次聚類結(jié)果，樣本被分為6類。圖3（b）為聚類樹圖，描述樣本間的層次結(jié)構(gòu)。由圖3（b）可見，聚類結(jié)果為6類時CCC為峰值，大小為18.01，表明此時同類成員之間光譜特征相近，色差較小，而不同類別之間光譜特征相差較大，對應(yīng)色差也較大。

分別對淺色和深色樣本的聚類結(jié)果分析，本白色樣本的聚類類別所對應(yīng)的主觀評分的分布如圖4（a）所示，類主觀評分的均值擬合線為藍色曲線，大體上主觀評分從類1到類6具有上升趨勢。將本白色樣本的光譜反射率經(jīng)過Z-Score標準化處理，得到本白色樣本的聚類均值平行圖，如圖4（b）所示，每類樣本在400～700 nm波段上Z-Score標準化處理后的光譜反射率均值，類1到類6的均值逐漸下降。類均值曲線在左端和右端的特征距離較遠，500～600 nm波段上的距離較近，顯示類別之間不同波段的均值下降程度不同。

本白色織物的聚類分析結(jié)果顯示，光譜反射率降低對應(yīng)類主觀評分上升的趨勢，表明樣本顏色的變化和主觀評分的變化存在一致性，并且不同波段的反射率變化，引起的主觀感知程度不同。深色樣本集的光譜反射率聚類均值平行圖和類別主觀得分，如圖5所示，在類別主觀得分中均按照光譜反射率聚類均值由高到低排列，與淺色樣本比較深色樣本集上的特征不明顯但相似。

2.2 顏色空間CIE Lab的相關(guān)性分析

對CIE Lab顏色空間的L、a、b值與主觀評分的相關(guān)性進行分析，結(jié)果如圖6所示。圖6中于對角線位置處為主觀評分和L、a、b的直方圖。下三角區(qū)域描述主觀評分和L、a、b之間的相關(guān)程度，著色區(qū)域的形狀在高相關(guān)性下近似為直線，反之近似于圓。上三角區(qū)域為主觀評分和L、a、b之間的相關(guān)性熱圖，右側(cè)為相關(guān)性熱圖的圖例。圖6中，主觀評分與顏色亮度L的相關(guān)性大小為0.086 4，相關(guān)程度較低。主觀評分與a的相關(guān)性大小為-0.453 9，與b的相關(guān)性大小為-0.453 7。由于a與b同屬于顏色三要素中的色相，且主觀光澤評價與a和b存在中等的相關(guān)性，因此可以表明樣本主觀評分等級與色相效應(yīng)存在中等的相關(guān)性。

將 a、b、ab的交互作用作為因素，使用一般線性模型對主觀評分進行效應(yīng)檢驗，方差分析如表4所示，p小于0.05，模型顯著。效應(yīng)檢驗結(jié)果如表5所示，a、b、ab的交互作用均顯著，表明a、b、ab的交互作用對主觀評分均具有影響，以及a、b對主觀評分的影響程度不同。

2.3 因子分析

首先檢驗數(shù)據(jù)是否滿足因子分析的前提，檢驗結(jié)果KMO 取樣適切性量0.955，大于0.500，巴特利球形度檢驗結(jié)果顯著，說明數(shù)據(jù)可以進行因子分析。使用主成分法分析樣本數(shù)據(jù)的相關(guān)性矩陣，解釋總方差如表6所示。由表6可見，因子1的方差貢獻率為44.860%，因子2的方差貢獻率為31.617%，因子3的方差貢獻率為22.261%，累計百分比為98.738%。

使用凱撒正態(tài)化最大方差法旋轉(zhuǎn)因子載荷矩陣，旋轉(zhuǎn)后的因子載荷矩陣如圖7所示。波長在570～700 nm的光譜反射率對因子1載荷較大，指標對應(yīng)于樣本在可見光下長波光譜反射率的影響。波長在400～480 nm的光譜反射率對因子2載荷較大，指標對應(yīng)于樣本在可見光下短波光譜反射率的影響。波長在530～560 nm的光譜反射率對因子3的載荷較大，指標對應(yīng)于樣本在可見光下中波光譜反射率的影響。因此在可見光范圍內(nèi)有理由稱，因子1為長波反射率因子，因子2為短波反射率因子，因子3為中波反射率因子。

用回歸法計算出每個因子的得分，并且使用每個因子所占的方差百分比，乘上每個對應(yīng)因子的因子得分，將得到的三個乘積相加為樣本總得分，如圖8所示，橫軸為三個因子得分、總得分和主觀評分。對因子得分和主觀評價進行相關(guān)性分析，如圖9所示。由圖9可見，因子1與主觀評分的相關(guān)性大小為-0.326 9，因子2與主觀評分的相關(guān)性大小為-0.249 8，因子3與主觀評分的相關(guān)性大小為-0.411 3，總得分為三個因子的線性組合，與主觀評分的相關(guān)性大小為-0.535 6。

使用一般線性模型檢驗三個因子的效應(yīng)，方差分析結(jié)果顯著，效應(yīng)檢驗表如表7所示，三個因子效應(yīng)皆顯著。在可見光范圍內(nèi)，實驗分析表明織物樣本中波長反射率的變化，人眼的感知最為敏銳，原因是人眼視覺對綠色等中波長的變化感知最為明顯。因此，因子3對主觀評價的影響程度最高，其次是因子1，影響最小的為因子2。

2.4 相關(guān)性驗證

為驗證結(jié)論的可靠性，本文將在粉紅色和棕色的樣本集中驗證實驗組得出的相關(guān)性結(jié)論。驗證組上CIE Lab顏色空間的L、a、b值與主觀評分的相關(guān)性分析，結(jié)果如表8所示。由表8可見，主觀評分與顏色亮度L的相關(guān)性大小為0.191 7，相關(guān)程度較低。主觀評分與a的相關(guān)性大小為-0.418 9，與b的相關(guān)性大小為-0.437 3，a與b與主觀光澤評價存在中等的相關(guān)性，與實驗組數(shù)據(jù)相差不大。將 a、b、ab的交互作用作為因素，使用一般線性模型對主觀評分進行效應(yīng)檢驗，方差分析如表9所示，p小于0.050，模型顯著。因此，可以表明樣本主觀評分等級與色相存在中等的相關(guān)性。

3 織物光澤圖像分析

3.1 織物光澤圖像采集

從本白色樣本中挑選出五個等級的參考樣本，樣本的光澤感隨等級下降依次降低，如圖10所示，5級為原樣，1級為光澤感最差的樣本。本文將樣本以徑向正對拍攝相機并置于一個寬度約為5 cm、高度約為3 cm的拱狀結(jié)構(gòu)上的光源箱中，光源箱長寬高均為410 mm，捕捉設(shè)備由高分辨率相機CANON Eos Rebel T3和LED光源組成。照明系統(tǒng)的設(shè)計方式是包含3個平行板光源，單個LED光源板長為350 mm，寬為40 mm，色溫5 600 K，光通量1 400 lm，固定在光源箱的特定位置，光源的光線禁止直接照射到拍攝區(qū)域，光源距離織物樣品400 mm。相機與樣本的水平面夾角為15°，拍攝樣本織物圖像的方法如圖11所示。相機的參數(shù)設(shè)置焦距為35 mm，感光度為200，快門速度為1/100 s，光圈大小為f/8.0。相機使用的色彩空間為sRGB，采集的樣本圖片像素為72 dpi，圖片的三通道像素深度均為8 bit，數(shù)據(jù)存儲格式為jpg。

3.2 圖像特征構(gòu)建

對采集的圖像進行分析，由于中波因子對主觀評價的效應(yīng)最高，因此使用下式將RGB圖像進行灰度化處理：

分辨率為m×n的圖像，預(yù)處理為灰度圖像后，每個像素點的灰度值為f（r，c）；r代表圖片中的行，取值范圍為（0，m-1）；c代表圖片中的列，取值范圍為（0，n-1）；（r，c）代表圖片中像素的坐標點。構(gòu)建織物光澤圖像的特征，分別為背景亮度等級，光澤不均勻性和亮點比例。其中灰度圖像的灰度亮度等級Xf，反映織物樣本平均亮度信息，計算如下式所示：

灰度方差δ，描述圖像明暗變化的波動程度，反映圖像灰度分布的不均勻性，計算如下式所示：

在前文的研究中，織物顏色亮度L與主觀評價相關(guān)程度極低，因此選用織物灰度圖像中的灰度極大值點作為光澤“亮點”，用亮點的數(shù)量及亮點在織物圖像中的占比描述織物的光澤感。使用下式計算膨脹灰度圖像中的灰度極大值點所在區(qū)域：

式中：⊕運算符表示膨脹，b為平坦結(jié)構(gòu)元，（s，t）為b的參數(shù)，f（r，c）與前面相同表示織物灰度圖像中的像素點灰度值，max表示為取最大值。

經(jīng)過灰度特征膨脹的圖像，灰度極大值點不會被膨脹，使用下式提取灰度極大值點：

式中：Threshold表示動態(tài)閾值的方法，［f⊕b］表示原圖像的灰度特征膨脹，offset表示偏移。

亮點提取過程如圖12所示，可以看出原樣的亮點比1級樣稀疏。

3.3 圖像特征分析

本文構(gòu)建并提取圖像的不均勻性、背景亮度等級和亮點比例特征如圖13所示，r表示相關(guān)性。其中均勻度和亮度等級計算與式（2）（3）相同，亮點比例為亮點像素面積與織物圖像面積的比例。圖13中，亮點比例最低的5級原樣光澤感最好，表明織物的光澤感并非實際亮點的簡單函數(shù)。并且隨著樣本光澤感從1級升至5級，織物的灰度不均勻性在升高，亮度等級在下降，隨之而來的是明暗對比度的升高。

因此，本文得出織物亮點與背景亮度的對比度特征是基于圖像處理技術(shù)評價織物光澤感優(yōu)劣的關(guān)鍵因素。對此使用馬赫帶效應(yīng)解釋，視覺系統(tǒng)在實際不同的灰度邊緣上，會出現(xiàn)“上沖”或者“下沖”現(xiàn)象，正是真絲織物具有亮點與背景的高對比度，才使得真絲織物具有閃亮的光澤感。

4 結(jié) 論

本文采用隨機生成的洗滌參數(shù)設(shè)置可編程標準洗衣機，處理真絲素縐緞織物。使用Datacolor800精密臺式測色儀收集樣本的光譜特征數(shù)據(jù)，通過目測評價實驗獲得主觀評價結(jié)果，分析真絲織物光澤的主觀評價結(jié)果與其光譜特征之間的聯(lián)系，并采集樣本圖像探索了織物光澤的圖像特征，有如下結(jié)論：

1）在顏色空間CIE Lab中，a、b與樣本主觀評價存在大小-0.45的相關(guān)性，而顏色亮度與主觀評價相關(guān)性低。在對a、b效應(yīng)進行一般線性模型分析時，發(fā)現(xiàn)織物顏色的變化顯著影響光澤的主觀評分等級。

2）因子分析從樣本數(shù)據(jù)中發(fā)現(xiàn)3個獨立的潛在因子，分別對應(yīng)可見光范圍內(nèi)的長、中、短波長因子。結(jié)果表明樣本光譜反射率的變化在波長530～560 nm時，對織物光澤的主觀評分影響最大，其次是570～700 nm長波因子變化，影響程度最小的是400～480 nm短波長因子的變化。原因推測是人類視覺對綠色等中波長的色光變化靈敏度最高，其次是長波和短波色光。

3）織物的光澤圖像分析，構(gòu)建了圖像的不均勻性、光澤等級和亮點比例特征。研究表明，這三個特征能較好地反映織物的亮點與背景亮度對比度特征。該方法對比使用神經(jīng)網(wǎng)絡(luò)或者其他集成學習模型具有更直觀的指標，并且區(qū)別于其他基于圖像處理的織物光澤評價技術(shù)，不需要在特定的樣本集上學習訓(xùn)練，會具有更廣泛的應(yīng)用前景。

4）本文的后續(xù)工作基于顏色與主觀評價存在的相關(guān)性，收集更多顏色種類的織物，建立完善的織物顏色光澤理論模型，從而構(gòu)建圖像的顏色特征。

參考文獻：

［1］GUNDOLA M， KISTAMAH N. Development of a fabric lustre scale［J］. University of Mauritius Research Journal， 2007（13）： 155-162.

［2］劉鵬， 馮兆行， 時培培，等. PLA/棉織物的光澤研究［J］. 浙江理工大學學報， 2010， 27（6）： 880-884.

LIU P， FENG Z H， SHI P P， et al. The study of the lustrousness of PLA/cotton fabrics［J］. Journal of Zhejiang Sci-Tech University， 2010， 27（6）： 880-884.

［3］楊建忠， 李波， 鹿璐， 等. 拉細羊毛及其混紡織物的結(jié)構(gòu)與光澤［J］. 紡織學報， 2007（2）： 17-20.

YANG J Z， LI B， LU L， et al. Luster and structure of optim fiber and its blended fabrics［J］. Journal of Textile Research， 2007（2）： 17-20.

［4］徐士欣. 織物光澤及織物光澤儀的研究［J］. 紡織學報， 1988， 9（5）： 196-199.

XU S X. Research of fabric gloss and testing meter［J］. Journal of Textile Research， 1988， 9（5）： 196-199.

［5］ANTON A， JOHSON K A， JANSSON P A. Characterization of fabric luster via image analysis［J］. Textile Research Journal， 1978，48（5）： 247-251.

［6］劉哲. 基于圖像分析的織物外觀質(zhì)量綜合評價［J］. 紡織學報， 2012， 33（11）： 61-65.

LIU Z. Comprehensive evaluation of appearance quality of fabrics based on image analysis［J］. Journal of Textile Research， 2012， 33（11）： 61-65.

［7］張建新， 黃鋼， 李消晉. 基于計算機視覺的織物光澤測試方法研究［J］. 絲綢， 2021， 58（7）： 62-68.

ZHANG J X， HUANG G， LI X J， et al. Research on measuring method of fabric luster based on computer vision［J］. Journal of Silk， 2021， 58（7）： 62-68.

［8］ZHOU R， WANG X L， YU J Y， et al. Evaluation of luster， hand feel and comfort properties of modified polyester woven fabrics［J］. Journal of Engineered Fibers and Fabrics， 2017， 12（4）： 70-77.

［9］周慧玲， 楊琴琴， 吳雄英， 等. 滾筒洗滌參數(shù)對真絲織物光澤度的影響［J］. 絲綢， 2020， 57（10）： 12-16.

ZHOU H L， YANG Q Q， WU X Y， et al. Influence of cylinder washing parameters on glossiness of silk fabric［J］. Journal of Silk， 2020， 57（10）： 12-16.

［10］楊琴琴， 丁雪梅. 家庭洗護中影響真絲織物光澤的因素討論［J］. 家電科技， 2018（9）： 43-45.

YANG Q Q， DING X M. Research on the luster of silk fabrics in home care［J］. Journal of Appliance Science & Technology， 2018（9）： 43-45.

［11］周鐳. 織物光澤的視覺物理量與視覺心理量的關(guān)系研究［J］. 山東紡織科技， 2019， 60（6）： 27-30.

ZHOU L. Relationship analysis between visual physical quantity and visual psychological quantity of fabric luster［J］. Shandong Textile Science & Technology， 2019， 60（6）： 27-30.

［12］SINAGA K P， YANG M S. Unsupervised K-means clustering algorithm［J］. IEEE Access， 2020， 8： 80716-80727.

［13］JAFARZADEGAN M， SAFI ESFAHANI F， BEHESHTI Z. Combining hierarchical clustering approaches using the PCA method［J］. Expert Systems with Applications， 2019， 137： 1-10.

［14］MILLIGAN G W. An examination of the effect of six types of error perturbation on fifteen clustering algorithms［J］. Psychometrika， 1980， 45（3）： 325-342.

［15］WARREN S， SARIE S. Cubic Clustering Criterion［M］. Cary： SAS Institute Incorporated， 1983.

［16］DURMUS D. CIELAB color space boundaries under theoretical spectra and 99 test color samples［J］. Color Research & Application， 2020， 45（5）： 796-802.

［17］KYRIAZOS T A. Applied psychometrics： Sample size and sample power considerations in factor analysis （EFA， CFA） and SEM in general［J］. Psychology， 2018， 9（8）： 2207-2230.

［18］HEINRICH J， WEISKOPF D. Continuous parallel coordinates［J］. IEEE Transactions on Visualization and Computer Graphics， 2009， 15（6）： 1531-1538.

［19］李元勇. 基于人類視覺機制的馬赫帶效應(yīng)研究［J］. 現(xiàn)代儀器， 2008， 79（6）： 45-47.

LI Y Y. Mach band effect based on the human vision mechanism［J］. Modern Instruments， 2008， 79（6）： 45-47.

Research on the luster of silk fabrics based on spectral characteristics and image processing

ZHU Qiaowu， LIANG Shuaitong， DING Xuemei， PEI Liujun， ZHANG Hongjuan， WANG Jiping

（1.School of Textiles and Fashion， Shanghai University of Engineering Science， Shanghai 201620， China;

2.Shanghai Engineering Research Center for Clean Production of Textile Chemistry， Shanghai 201620， China;

3.College of Fashion and Design， Donghua University， Shanghai 200051， China）

Abstract：China is the world’s largest producer and exporter of silk products， as well as a major consumer of silk products. Luster， as one of the main components of the visual style and appearance of silk products， is an important indicator for evaluating the appearance quality of silk fabrics. Therefore， the testing and evaluation of the luster of silk fabrics is of great significance for better style of products and enhancing the visual appearance of the fabrics. The evaluation methods for the luster of fabrics are mainly divided into subjective evaluation methods and instrumental testing methods. Subjective evaluation methods rely on human subjective perceptions with unstable consequences. The instrumental methods can only measure the luster of part surface of the fabrics. When the luster distribution of the fabrics is uneven， the test results are inaccurate. Comparison with other evaluation methods， there are many advantages on the technology of image processing. However， in most studies of luster evaluation based on image processing， the models established can only perform well for specific sample sets with poor generalization abilities. The reason is that the effective features of fabric luster images remain to be further studied in the construction of the key luster features of fabric images.

In this paper， white， blue， black， pink and brown silk crepe satin plain fabrics were selected as samples， and the samples were washed by a programmable standard washing machine. The spectral data of the samples were collected by a spectrophotometer， and the subjective scores of the samples were obtained through visual experiments. Exploratory cluster analysis was carried out on the collected data set to obtain the structural characteristics of the data set， and correlation analysis and factor analysis were carried out to explore the influencing factors of the subjective evaluation of fabric luster. The results show that in the color space CIE Lab， a and b have a correlation of -0.45 with the subjective evaluation of samples， while the correlation between color brightness and subjective evaluation is low. In the general linear model analysis of the effects of a and b， it is found that the change of fabric color significantly affects the subjective cores of fabric luster. The results of factor analysis show that the change of spectral reflectance of samples has the highest impact on the subjective score of fabric luster in the wavelength range of 530 nm to 560 nm.

On this basis， the image analysis of fabric luster was carried out in this paper， and features such as non-uniformity， luster grade and highlight ratio of the image were constructed. These three features can better reflect the contrast characteristics of the highlights and background brightness of the fabric， and it is concluded that the contrast characteristics of the highlights and background brightness of the fabric are the key factors to evaluate the luster of the fabric based on image processing technology. In the human visual system， there is a phenomenon that enhances higher gray level and reduces lower gray level when human eyes are gazing at different grayscale edges. It is the high contrast between the bright spots and the background of silk fabrics that makes silk fabrics have a shiny luster. Compared with neural network or other integrated learning models， this method has more intuitive indexes， and is different from other fabric luster evaluation technologies based on image processing. It does not require learning and training on a specific sample set， so it will have a more promising application prospect.

Key words：silk fabric; spectral characterization; subjective evaluation; data analysis; image processing