專利名稱：：基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種服裝樣片自動錄入裝置。技術(shù)背景服裝CAD技術(shù)自產(chǎn)生以來，在國際服裝業(yè)產(chǎn)生了深遠的影響，它使服裝企業(yè)提高了市場反應能力和競爭力。我國在上個世紀80年代引進、消化國外先進技術(shù)的過程中，研究開發(fā)了適合我國服裝從業(yè)人員的CAD系統(tǒng)，經(jīng)過二三十年的應用及發(fā)展，服裝企業(yè)的經(jīng)濟效益得到了顯著的提高。但是現(xiàn)有的服裝CAD系統(tǒng)在用基準服裝樣片進行放碼時，普遍采用數(shù)字化儀輸入的方法讀入樣片。數(shù)字化儀是一種圖形輸入設(shè)備，是由電磁感應板、游標和相應的電子電路組成，當使用者在電磁感應板上移動游標到指定位置，并將十字叉絲的交點對準數(shù)字化的點位時，按動的按鈕，數(shù)字化儀則將此時對應的命令符號和該點的位置坐標值排列成有序的一組信息，然后通過接口(多用串行接口)傳送到主計算機。如果用數(shù)字化儀錄入服裝樣片，需要有經(jīng)驗的制板師根據(jù)樣片邊緣逐點描繪，每次只能對一個樣片單獨進行輸入和修改，手工操作費時耗力，效率低下，并且精度不高，這些都大大制約了服裝企業(yè)生產(chǎn)效率和生產(chǎn)質(zhì)量的提高，不利于企業(yè)版房制版的自動化。目前數(shù)字化儀價格居高不下，根據(jù)幅面的大小，價格在一萬到三萬不等，其昂貴的機器價格增加了了企業(yè)生產(chǎn)成本，影響了數(shù)字化儀的普及程度。
發(fā)明內(nèi)容為了克服已有現(xiàn)有的數(shù)字化儀的操作麻煩、效率低下、精度有限、價格較高等不足，本發(fā)明提供一種操作簡單、輸入效率和精度較高的基于圖像矢量化技術(shù)的低成本服裝樣片自動錄入裝置。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，包括放置服裝樣片的平臺、用于獲取服裝樣片圖片的數(shù)字攝像機和用于處理圖像的計算機，所述平臺上安裝支架，所述數(shù)字攝像機安裝在所述支架上，所述平臺位于數(shù)字攝像機的視覺范圍內(nèi)，所述數(shù)字攝像機與計算機連接，所述計算機包括攝像機標定模塊，用于校正數(shù)字攝像機的徑向畸變，建立圖像平面上的像素坐標系和空間點的世界坐標系之間的對應關(guān)系；圖像二值化分割及去噪模塊，用于接收數(shù)字攝像機獲取的圖像，將所采集的彩色位圖轉(zhuǎn)換為二值圖，并對二值圖進行去噪；圖像輪廓提取跟蹤模塊，用于對二值圖中每一點進行判斷，如該點為黑，且它的8個相鄰點都是黑色時，將該點刪除，得到二值圖的輪廓；并從第一個邊界點開始，跟蹤圖像的輪廓，記錄邊界點坐標值，跟蹤完一條閉合曲線后刪除一條，開始下一條閉合曲線的跟蹤，直到完成所有的閉合曲線的跟蹤；輪廓特征點提取模塊，用于根據(jù)坐標序列對每條閉合曲線提取特征點，p("為[;^",:r("]，表示閉合曲線的坐標點序列，把/^"沿x方向和r方向分解成兩個獨立的序列，得到兩個離散的一維函數(shù)(、x(")和&,y(")，其中，I("為尸("在水平方向的變化，y("為p("在豎直方向的變化，特征點為對應曲線中具有局部曲率極大值的點，在兩個方向上分別尋找特征點，然后再將這兩個方向上的特征點綜合得到P(/t)上的特征點集；曲線矢量化擬合模塊，用于將每兩個特征點之間的曲線段采用樣條曲線進行遞歸擬合。作為優(yōu)選的一種方案在所述曲線矢量化擬合模塊中，采用拋物線樣條曲線作為擬合基元，通過不在同一直線上的三點《，S，尸3，定義一條拋物線樣條曲線的表達形式如下-戶(0=^+"/+"3^0^/21(1)其中，A，"2，"3為樣條曲線的參數(shù)，拋物線樣條過《，P2，S三個點，并且有-1)、拋物線段以^為起點，即當參變量^0時，曲線過^點；2)、拋物線段以g為終點，即當參變量hl時，曲線過g點；3)、當參變量^0.5時，曲線過尸2點，且其矢量等于g-《；由以上三個條件得到方程組如下<formula>formulaseeoriginaldocumentpage10</formula>(2)<formula>formulaseeoriginaldocumentpage10</formula>解得<formula>formulaseeoriginaldocumentpage10</formula>將式(13)代入式(12)得P(V)=(2/2-3,+l)/J+("-4。？2+(2f2-0戶30S"1(4)由式(14)可得，當A，戶2，g在同一條直線上日寸，艮卩2尸2=《+戶3日寸，"3=0，i^)是一個點向量，在二維平面上它包含了兩個坐標值[x(,),y(,)]，上述(14)得到不在一條直線上的三點S(W')，P2(W2，P3(W，拋物線方程；根據(jù)參變量f的取值，一一計算出位于曲線上的數(shù)據(jù)點，然后順次連線繪出圖形。進一步，在曲線擬合過程中，以當前離散曲線段的起點、中點和末點構(gòu)造一條拋物樣條曲線，對當前曲線段進行擬合并進行誤差計算，若本段擬合的誤差小于給定的閾值，則返回；否則以當前曲線段的中點將曲線分為兩部分再用同樣的方法分別進行擬合。作為優(yōu)選的另一種方案在所述圖像二值化分割及去噪模塊中，采用門限處理圖像分割算法，門限處理的數(shù)學模型如下設(shè)原圖像為/(x,力，x和y為像素點在圖像中的坐標，/(x,力和gOc,》為像素值，經(jīng)過門限為T的分割處理后的圖像為個g(x,力，g(x,力為二值圖像，則有其中，/(x，力為灰度值在0到255之間的灰度圖，g(x，力為像素值是0或者1的二值圖；門限T通過自動迭代的方法選取，選取的步驟如下1)、選擇一個T的初始估計值；2)、T分割圖像，生成兩組像素Gl由所有灰度值大于T的像素組成，而G2由所有灰度值小于T的像素組成；3)、對區(qū)域Gl和G2中的所有像素值計算平均灰度值M和^;4)、計算新的門限值5)、重復步驟(2)到(4)，直到逐次迭代所得的T值之差小于事先定義的參數(shù)7;;再用得到的T值分割圖像，得到二值圖。作為優(yōu)選的再一種方案在所述圖像輪廓提取跟蹤模塊中，輪廓跟蹤的過程為按照從左到右，從下到上的順序搜索，找到第一個最左下方的邊界點；然后，從第一個邊界點起始，定義初始的搜索方向為沿左上方；如果左上方的點是白點，則為邊界點，否則搜索方向順時針旋轉(zhuǎn)45度；這樣一直到找到第一個白點為止；然后把這個白點作為新的邊界點，在當前搜索方向的基礎(chǔ)上逆時針旋轉(zhuǎn)90度，繼續(xù)用同樣的方法搜索下一個邊界點，直到返回最初的邊界點為止；在搜索的過程中同時記錄邊界點坐標。進一步，在所述輪廓特征點提取模塊中，采用閾值q表示曲率大小，對于X方向的q值計算過程為對于離散的函數(shù)1=1(":012■■W-lX(0)x(oX(2)■■<("_1)由插值原理可以得出離散函數(shù)z-z("的二階導數(shù)為r(一+[辟-;z)—2jt("+辟+;z)](7)又因為曲線上的二階導數(shù)近似等于該點的曲率，所以，第^點的曲率cWk4「X("/z)-2辟)+辟+Z"(8)由于圖像中存在噪聲干擾，因此算法中的步長A取10，并且另《為曲率cw的整數(shù)倍，取g=xcv/j(9)由(7)和(8)得&辟-10)-2辟)+辟+10)(10)Y方向的q值計算過程與X方向相同。再進一步，在所述攝像機標定模塊中，采用OpenCV標定算法，12攝像機模型為針孔模型，像素坐標系和空間點的世界坐標系變換過程包括以下步驟1)、三維空間剛體變換將世界坐標系中的坐標值iU、,凡,；)，變換為攝像機坐標系中的坐標值《=k,尺，d如下<formula>formulaseeoriginaldocumentpage13</formula>式中，i表示一個3x3的旋轉(zhuǎn)實數(shù)矩陣，^...,為實常數(shù)；f表示一個平移向量，其中，^...,/3為實常數(shù)；2)、將坐標值《"&尺,W在針孔模型中進行規(guī)范化投影，得到歸一化的坐標值《(x,力為<formula>formulaseeoriginaldocumentpage13</formula>(12)3)、引入透鏡的畸變，畸變后的規(guī)范化坐標值用^b,川表示為<formula>formulaseeoriginaldocumentpage13</formula>(13)式中r2=x2+/;^、^表示徑向畸變系數(shù)；&、、表示切向畸變系數(shù)；將^0^&)轉(zhuǎn)化為圖像上像素坐標系上的坐標值尸>，小其中上式中，/為攝像機的有效焦距；/;和,為以像素為單位的焦距。"為(14)(15)比例因子，用來適應在計算機圖像水平方向(x方向)上取樣帶來的種種不確定因素；傘x為計算機圖像在水平方向(x方向)上相鄰兩像素之間的有效距離(mm/pixel);傘y為計算機圖像在垂直方向(y方向)上相鄰兩像素之間的有效距離(mm/pixel);"。為鏡頭光軸Z與圖像平面的交點O,在像素坐標系W軸上的坐標值；O,為在像素坐標系V軸上的坐標值。本發(fā)明的技術(shù)構(gòu)思為采用USB接口的數(shù)字攝像機錄入服裝樣片圖，并輸入到計算機做矢量化處理。整個硬件裝置由數(shù)字相機，安裝數(shù)字攝像機的可升降支架，提供照明的臺燈，放置服裝樣片的平臺，以及用以處理圖像的計算機組成，如圖1所示。整個圖像矢量化系統(tǒng)處理過程包括設(shè)想機標定，采集服裝樣片圖，圖像預處理、圖像矢量化、矢量圖文件保存。下面進一步說明本發(fā)明在實施過程中涉及到的關(guān)鍵問題(1)由于光學鏡頭會產(chǎn)生幾何畸變，并且攝像機成像平面與服裝樣片平面之間存在著傾角和轉(zhuǎn)角，因而光學鏡頭攝像機獲取的圖像存在非線性的幾何畸變，在對圖像進行后續(xù)處理之前，應消除這些畸變，本發(fā)明對最后圖像的精度要求比較高，攝像機鏡頭畸變是必須考慮的誤差因素。鏡頭畸變分為徑向畸變和切向畸變，前者對圖像形變影響較大，后者較小，?？珊雎?。攝像機標定是指建立攝像機成像幾何模型，描述空間坐標系中物體點同它在圖像平面上像點之間對應關(guān)系的過程。攝像機標定的目的就是確定幾何模型參數(shù)即攝像機參數(shù)。攝像機標定首先要選擇合適的攝像機模型，確定內(nèi)外部參數(shù)。OpenCV標定算法中的攝像機模型以針孔模型(pin-holemodel)為基礎(chǔ)，引入透鏡的徑向畸變和切向畸變，該模型相比于只引入一階徑向畸變的Tasi模型和針孔模型更加真實地反映了透鏡實際的畸變情況。在該模型中，將空間點在世界坐標系中的坐標值，變換為圖像平面上像素坐標系中坐標值的過程可分解為下述的4步變換1)、三維空間剛體變換將世界坐標系中的坐標值尺(x^凡，；)，變換為攝像機坐標系中的坐標值P￡=(xt,義,^如下<formula>formulaseeoriginaldocumentpage15</formula>式中i-水3x3的旋轉(zhuǎn)矩陣；平移向:2)、將坐標值《"x。,尺,^在針孔模型中進行規(guī)范化投影，得到歸-化的坐標值iUx，"為<formula>formulaseeoriginaldocumentpage15</formula>切向畸變系將^(^力;)轉(zhuǎn)化為圖像上像素坐標系上的坐標值&(")<formula>formulaseeoriginaldocumentpage15</formula>各參數(shù)的意義/為攝像機的有效焦距；M為比例因子，用來適應在計算機圖像(幀存)水平方向(x方向)上取樣帶來的種種不確定因素；傘x為計算機圖像在水平方向(x方向)上相鄰兩像素之間的有效距離(mm/pixel);傘y為計算機圖像在垂直方向O方向)上相鄰兩像素之間的有效距離(mm/pixel);"。為鏡頭光軸Z與圖像平面的交點0,在像素坐標系"軸上的坐標值；O,為在像素坐標系v軸上的坐標值。(2)圖像的矢量化是基于二值圖形進行的，二值圖是即像素值為0或1的圖，0代表黑色，l代表白色。數(shù)字攝像機獲取的是24位的彩色位圖，需要過圖像預處理進行圖像門限處理二值化分割并去噪。門限處理圖像分割算法由于其直觀性和易于實現(xiàn)性，在速度因素占重要地位的應用中處于中心地位。在樣片照片中，目標和背景的灰度值相差較大，因此采用單一的全局門限T就基本上能將需要的目標分離出來。門限T可以通過自動迭代的方法選取，選取的步驟如下1)、選擇一個T的初始估計值2)、T分割圖像。這樣做會生成兩組像素Gl由所有灰度值大于T的像素組成，而G2由所有灰度值小于T的像素組成。3)、對區(qū)域Gl和G2中的所有像素值計算平均灰度值M和A。4)、計算新的門限值(7)又因為曲線上的二階導數(shù)近似等于該點的曲率[5]，所以，第it點的曲率cwk|[辟-A)-2辟)+辟+/)](8)由于圖像中存在噪聲干擾，因此算法中的步長A取10，并且另g為曲率cw的整數(shù)倍，取《=|/22XCV/j(9)由(7)和(8)得&辟-10)_2辟)+辟+10)(10)中《值的計算方法與I("中一樣。(5)在特征點提取的基礎(chǔ)上，以特征點為分段點，對每兩個特征點之間的曲線段采用樣條曲線進行遞歸擬合，直到精度滿足一定條件為止。由于服裝樣片邊緣的變化多樣性，因此本課題選擇形狀比較靈活的拋物線樣條曲線作為擬合基元。通過不在同一直線上的三點《，？2，戶3，定義一條拋物線樣條曲線的表達形式如下拋物線樣條過6，P2，g三個點，并且有1)、拋物線段以《為起點。即當參變量/=0時，曲線過《點,2)、拋物線段以g為終點，即當參變量^1時，曲線過^點^3)、當參變量/=0.5時，曲線過尸2點，且其矢量等于g一《。由以上三個條件得到方程組如下"i=《q+0.5a2+0.25a3=尸2(2)解得:"2=4尸2_尸3_3《a3=2/^+2尸3—4尸2(3)將式(13)代入式(12)得P(0+2-3"1)《+(4,-4,+(2f2-0尸30S"1(4)由式(14)可得，當A，P2，g在同一條直線上時，即2尸2=《+3時，"3=0，曲線方程變成一條直線。因此在本文中的擬合基元實際上是直線和拋物線。P(O是一個點向量，在二維平面上它包含了兩個坐標值「x(,)，y(f)]。以上推導求出的算式，即為我們所要求的過不在一條直線上的三點iU^W，A(x〃J和i^X3,;^的拋物線方程。對該條拋物線進行存儲和編輯時，只需對S，《和A進行操作。無需像數(shù)字曲線那樣對每一個點都進行操作。在屏幕上顯示該條曲線時，可以根據(jù)參變量f的取值，一一計算出位于曲線上的數(shù)據(jù)點，然后順次連線繪出圖形。本發(fā)明的有益效果主要表現(xiàn)在操作簡單、輸入效率高、精度、減少成本。圖1是服裝樣片數(shù)字攝像機錄入的裝置。圖2是服裝樣片矢量化流程圖。圖3是攝像機標定板示意圖。圖4是服裝樣片二值化圖。圖5是服裝樣片輪廓圖。圖6是中心像素跟蹤的8個方向編號及偏移量圖。圖7是圖像處理系統(tǒng)的流程圖。具體實施例方式下面結(jié)合附圖對本發(fā)明作進一歩描述。參照圖1圖7，一種基于數(shù)字攝像機的服裝樣片錄入裝置，所述的錄入裝置包括數(shù)字攝像機l，安裝數(shù)字攝像機的可升降支架2，提供照明的臺燈3，放置服裝樣片的平臺4，以及用以處理圖像的計算機5組成。所述的智能圖像矢量化系統(tǒng)包括攝像機標定模塊1，圖像二值化分割及去噪模塊2，圖像輪廓提取跟蹤模塊3，輪廓特征點提取模塊4，曲線矢量化擬合模塊5。本發(fā)明實施中攝像機安裝在離平臺1.5-1.8米的之處，并根據(jù)采集圖像的大小調(diào)整高度。臺面的幅面大小為寬1米，長1.2米。兩個臺燈安裝在臺面的兩邊，用來采集是照明之用，可以根據(jù)光照的需要調(diào)整高度，如圖1所示。所述的攝像機標定模塊用于糾正光學鏡頭產(chǎn)生的徑向畸變。基于OpenCV的攝像機標定采用平面棋盤格標定模板為了提高角點提取的成功率，在標定方塊的外圍，還要求保留一個方塊寬的白色空白區(qū)域，如圖3所示。攝像機只需在不同的角度抓取幾張平面標定模板的圖片，就可以實現(xiàn)對攝像機的標定。顯然，由于采用最小二乘法，抓得圖越多，標定的結(jié)果就越精確。雖然OpenCV中自動尋找角點函數(shù)提取角點的成功率很高，但是若碰到光線被遮擋等情況，使得標定模板上的標定塊在圖像上不清晰或提取的角點數(shù)目與設(shè)定的數(shù)目不相符的狀況，就會導致角點提取失敗。所以在設(shè)計標定算法時必須要考慮角點不能被提取的情況一方面，如果角點提取成功的圖過少，則標定出來的結(jié)果就不一定能滿足精度的要求，需要重新采圖；另一方面，由于攝像機外部參數(shù)的個數(shù)與標定圖像的個數(shù)相關(guān)聯(lián)，所以在最后計算標定結(jié)果時，應將提取角點失敗的圖像舍棄，再根據(jù)剩下圖像的數(shù)目，動態(tài)地分配參數(shù)在內(nèi)存中的儲存空間。這樣就可以保證標定的精度要求。經(jīng)過標定后，攝像機就可以采集到畸變校正后的服裝樣片圖，通過USB接口，計算機得到是24位真彩色位圖，是空間和亮度上都離散化的點陣圖，而我們首先要得到的是服裝樣片的數(shù)字化邊緣曲線，因此可以通過門限處理將樣片區(qū)域分離出來，然后邊緣跟蹤得到樣片的外邊緣。門限處理圖像分割算法由于其直觀性和易于實現(xiàn)性，在速度因素占重要地位的應用中處于中心地位。在樣片照片中，目標和背景的灰度值相差較大，因此采用單一的全局門限T就基本上能將需要的目標分離出來。門限T可以通過自動迭代的方法選取，選取的步驟如下1)、選擇一個T的初始估計值2)、T分割圖像。這樣做會生成兩組像素Gl由所有灰度值大于T的像素組成，而G2由所有灰度值小于T的像素組成。3)、對區(qū)域Gl和G2中的所有像素值計算平均灰度值A(chǔ)和A。4)、計算新的門限值r=>1+〃2)(6)5)、重復步驟2)到4)，直到逐次迭代所得的T值之差小于事先定21如圖1所示，經(jīng)過門限處理后，得到樣片的二值圖，如圖4所示。所述的圖像輪廓提取跟蹤模塊用以提取服裝樣片輪廓坐標序列。由于一幅圖中要處理多個服裝樣片，因此先要先提取二值圖像的輪廓，本文通過形態(tài)學運算提取輪廓。形態(tài)學運算是針對二值圖像依據(jù)數(shù)學形態(tài)學集合論的方法發(fā)展起來的圖像處理方法。輪廓的提取相當于用一個九個點的結(jié)構(gòu)元素對原圖像進行腐蝕，使物體的邊界沿周邊減少一個像素，再用原圖像減去腐蝕圖像，就得到單個像素的連續(xù)的服裝樣片輪廓，如圖5所示。得到輪廓圖之后，再進行像素跟蹤，記錄每條曲線的邊界點坐標。由圖6可以看出，中心像素可以跟蹤的方向有8個，對每個方向制定了方向編碼及偏移量，由于圖像文件的讀取順序是從左到右，從上到下，因此選取圖像的最左上方的像素作為起始點，然后搜索起始點，當找到起始點后，把該點記錄下來，定義初始的跟蹤方向是左上方0方向，判斷該點是否為目標點，是則保存初始點并把該目標點作為跟蹤的起始開始點，逆時針旋轉(zhuǎn)90度作為新的跟蹤方向，繼續(xù)檢測該新的跟蹤方向上的點；若不是目標點則沿順時針旋轉(zhuǎn)45度，一直到找到目標點。找到目標點后，在當前跟蹤方向的基礎(chǔ)上，逆時針旋轉(zhuǎn)90度作為新的跟蹤方向，找到新邊界點后，將舊邊界保存，將新檢測到的點作為新的初始點。用同樣的方法跟蹤下一個邊界點，直到回到起始點為止。記像素跟蹤得出的曲線邊界點坐標序列為尸("=[X("J("](A=0,1,2』-1)，"為閉合曲線邊界點個數(shù)。所述的特征點提取模塊用以提取服裝樣片閉合曲線輪廓中的曲率較大的點，以免在后續(xù)的擬合中被平滑掉。邊緣提取特征點的關(guān)鍵是x(q和yot)上各點曲率的計算。由于特征點根據(jù)曲線的彎曲程度來提取，曲率絕對值越大的地方彎曲程度越大，因此，局部曲率大的點就是特征點，并不需要精確得出曲率值，只要得出某一數(shù)值能夠用來判斷曲率的大小就可以根據(jù)這個值提取特征點。設(shè)這個數(shù)值為《，在實際計算中可以取《等于近似曲率絕對值的整數(shù)倍。下面以X("為例說明《的計算。在數(shù)值分析中，對于離散的函數(shù)k012n-lXx(o)x(i)X(2)..X(n-l)由插值原理可以得出離散函數(shù)1=1("的二階導數(shù)為又因為曲線上的二階導數(shù)近似等于該點的曲率[5]，所以，第^點的曲率cWk4「辟-/z)-2辟)+辟+Zz)](8)由于圖像中存在噪聲干擾，因此算法中的步長A取10，并且另《為曲率ov的整數(shù)倍，取《=/xc討由(7)和(8)得&辟-10)-2辟)+辟+10)(10)r(Q中《值的計算方法與義(q中一樣。根據(jù)(19)計算曲線^"邊界上每個點的《值，由以上分析可知，g值大的地方曲率比較大。設(shè)定一個閾值"根據(jù)《值的大小進行判斷若在某一區(qū)間內(nèi)，對所有的點都有g(shù)^s，則該區(qū)間內(nèi)不存在特征點。這時存在兩種情況一是區(qū)間大部分點的d直都等于O，只有少量的點可認為是噪聲點，該區(qū)間對應一條存在噪聲的直線段；二是區(qū)間內(nèi)大部分點的g值不為O且小于s，該區(qū)間對應一條彎曲程度非常小的曲線(當s取2時^2，^=4^0.02近似為0)，該曲線近似于直線。兩種情況下區(qū)間內(nèi)都不設(shè)特征點。若在某一區(qū)間內(nèi)，對所有的點都有《>"則該區(qū)間對應一條變化程度較大的曲線。為更好地逼近原始曲線，設(shè)定適當?shù)臍i長，找出每個步長內(nèi)《值最大的點作為特征點。具體設(shè)計如下，其中max用來記錄當前段的最大《值，/用來記錄當前段中具有最大g值的點的序列號，T為閾值"以求I("上某一點對應的^"值并進行判斷；提取特征點。用同樣的方法可提取y(yt)上的特征點。最后，綜合I("和y("上的特征點，求^q上的特征點集，就得到所有的特征點。綜合方法如下對于x(q上的任意特征點《和nw上的任意特征點g，設(shè)其點的序列號分別為/，J'。若卩-乂|S3，則《和&對應戶("上的同一個特征點。若|/-_/|>3，則^和Py對應PW上兩個不同的特征點。所述的矢量化擬合模塊用以將曲線邊緣擬合成數(shù)學方程表示的曲線。擬合是指在曲線、曲面的設(shè)計過程中，用插值或者逼近的方法使生成的曲線、曲面達到某些設(shè)計要求，如在允許的范圍內(nèi)貼近原始點或控制點序列等。在本課題中采用的是拋物樣條插值的方法擬合原始的點序列，目的是使服裝樣片邊緣更光滑自然，便于編輯和切割。在特征點提取的基礎(chǔ)上，以特征點為分段點，對每兩個特征點之間的曲線段采用樣條曲線進行遞歸擬合，直到精度滿足一定條件為止。由于服裝樣片邊緣的變化多樣性，因此本課題選擇形狀比較靈活的拋物線樣條曲線作為擬合基元。通過不在同一直線上的三點A，P2，尸3，定義一條拋物線樣條曲線的表達形式如下i5(/),+a2"cr/0S"1(1)24拋物線樣條過S，戶2，/>3三個點，并且有1)、拋物線段以A為起點。即當參變量"0時，曲線過《點。2)、拋物線段以g為終點，即當參變量bl時，曲線過尸3點。3)、當參變量^0.5時，曲線過i^點，且其矢量等于S-S。由以上三個條件得到方程組如下<formula>formulaseeoriginaldocumentpage25</formula>將式(22)代入式(21)得<formula>formulaseeoriginaldocumentpage25</formula>(4)由式(23)可得，當A，P2，尸3在同一條直線上時，艮卩2戶2=^+尸3時，"3=0，曲線方程變成一條直線。因此在本文中的擬合基元實際上是直線和拋物線。P(/)是一個點向量，在二維平面上它包含了兩個坐標值[xW,y(0]。以上推導求出的算式，即為我們所要求的過不在一條直線上的三點iU&乂)，P2(X2，3^和i^^W的拋物線方程。對該條拋物線進行存儲和編輯時，只需對《，A和g進行操作。無需像數(shù)字曲線那樣對每一個點都進行操作。在屏幕上顯示該條曲線時，可以根據(jù)參變量/的取值，一一計算出位于曲線上的數(shù)據(jù)點，然后順次連線繪出圖形。曲線擬合算法種類繁多，雖然能滿足精度和壓縮率的要求，但是大多算法復雜，計算量太大。因此，本專利提出了一種遞歸的擬合方法對各個尖點之間的曲線段分別進行擬合。該算法思如下以當前離散曲線段的起點、中點和末點構(gòu)造一條拋物樣條曲線對當前曲線段進行擬合并進行誤差計算，若本段擬合的誤差小于給定的閉值，則返回；否則以當前曲線段的中點將曲線分為兩部分再用同樣的方法分別進行擬合。用這種方法依次擬合各尖點之間的曲線段，就能得到總的擬合結(jié)果。可以看出該算法對每段曲線只需用兩個簡單的遞歸語句就能實現(xiàn)擬合，相對于遺傳算法中各種復雜的遺傳、變異及交叉等操作，非常簡單且易于實現(xiàn)。遞歸擬合之后得到矢量圖實際上由拋物線段組成，而拋物線段可由起點、終點坐標以及拋物線的三個參數(shù)組成，因此矢量圖與光柵圖像比數(shù)據(jù)量大為減少，但是由于圖像往往要比實際樣片小很多，因此要根據(jù)樣片的大小設(shè)置放大倍數(shù)，并且由于這樣的矢量圖還不是服裝CAD軟件及切割機所能識別的軟件，所以還需要經(jīng)過及格式轉(zhuǎn)換的過程。在本發(fā)明的實例中需要將數(shù)據(jù)用HPGL語言轉(zhuǎn)化成切割機能夠識別的PLT文件，PLT文件由一系列的坐標點組成，為了減少PLT文件的長度，轉(zhuǎn)化時由拋物線段曲率的大小決定取點的疏密程度，最終輸出PLT文件能夠被切割機及服裝CAD軟件識別。權(quán)利要求1、一種基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于所述服裝樣片自動錄入裝置包括放置服裝樣片的平臺、用于獲取服裝樣片圖片的數(shù)字攝像機和用于處理圖像的計算機，所述平臺上安裝支架，所述數(shù)字攝像機安裝在所述支架上，所述平臺位于數(shù)字攝像機的視覺范圍內(nèi)，所述數(shù)字攝像機與計算機連接，所述計算機包括攝像機標定模塊，用于校正數(shù)字攝像機的徑向畸變，建立圖像平面上的素坐標系和空間點的世界坐標系之間的對應關(guān)系；圖像二值化分割及去噪模塊，用于接收數(shù)字攝像機獲取的圖像，將所采集的彩色位圖轉(zhuǎn)換為二值圖，并對二值圖進行去噪；圖像輪廓提取跟蹤模塊，用于對二值圖中每一點進行判斷，如該點為黑，且它的8個相鄰點都是黑色時，將該點刪除，得到二值圖的輪廓；并從第一個邊界點開始，跟蹤圖像的輪廓，記錄邊界點坐標值，跟蹤完一條閉合曲線后刪除一條，開始下一條閉合曲線的跟蹤，直到完成所有的閉合曲線的跟蹤；輪廓特征點提取模塊，用于根據(jù)坐標序列對每條閉合曲線提取特征點，為[X(k)，Y(k)]，表示閉合曲線的坐標點序列，把P(k)沿X方向和Y方向分解成兩個獨立的序列，得到兩個離散的一維函數(shù)(k，X(k))和(k，Y(k))，其中，X(k)為P(k)在水平方向的變化，Y(k)為P(k)在豎直方向的變化，特征點為對應曲線中具有局部曲率極大值的點，在兩個方向上分別尋找特征點，然后再將這兩個方向上的特征點綜合得到P(k)上的特征點集；曲線矢量化擬合模塊，用于將每兩個特征點之間的曲線段采用樣條曲線進行遞歸擬合。2、如權(quán)利要求1所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在所述曲線矢量化擬合模塊中，采用拋物線樣條曲線作為擬合基元，通過不在同一直線上的三點S，p2，S，定義一條拋物線樣條曲線的表達形式如下<formula>formulaseeoriginaldocumentpage3</formula>其中，a，a，"3為樣條曲線的參數(shù)，拋物線樣條過A，p2，尸3三個點，并且有1)、拋物線段以《為起點，即當參變量0時，曲線過《點；2)、拋物線段以g為終點，即當參變量hl時，曲線過g點；3)、當參變量,=0.5時，曲線過A點，且其矢量等于g-S;由以上三個條件得到方程組如下(2)<formula>formulaseeoriginaldocumentpage3</formula>解得<formula>formulaseeoriginaldocumentpage3</formula>將式(13)代入式(12)得<formula>formulaseeoriginaldocumentpage3</formula>由式(14)可得，當A，尸2，g在同一條直線上時，即2尸2=《+尸3時，"3=0，戶W是一個點向量，在二維平面上它包含了兩個坐標值[x(,),y(,)]，上述(14)得到不在一條直線上的三點S(x,，;v,;)，A^,jg和/^;;^的拋物線方程；根據(jù)參變量,的取值，一一計算出位于曲線上的數(shù)據(jù)點，然后順次連線繪出圖形。3、如權(quán)利要求2所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在曲線擬合過程中，以當前離散曲線段的起點、中點和末點構(gòu)造一條拋物樣條曲線，對當前曲線段進行擬合并進行誤差計算，若本段擬合的誤差小于給定的閾值，則返回；否則以當前曲線段的中點將曲線分為兩部分再用同樣的方法分別進行擬合。4、如權(quán)利要求1所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在所述圖像二值化分割及去噪模塊中，采用門限處理圖像分割算法，門限處理的數(shù)學模型如下設(shè)原圖像為/(x,力，X和y為像素點在圖像中的坐標，/(x,》和g(x，力為像素值，經(jīng)過門限為T的分割處理后的圖像為個g(x，力，g(x，力為二值圖像，則有其中，/(x,力為灰度值在0到2"之間的灰度圖，g(x,力為像素值是0或者1的二值圖；門限T通過自動迭代的方法選取，選取的步驟如下1)、選擇一個T的初始估計值；2)、T分割圖像，生成兩組像素Gl由所有灰度值大于T的像素組成，而G2由所有灰度值小于T的像素組成；3)、對區(qū)域Gl和G2中的所有像素值計算平均灰度值M和;4)、計算新的門限值5)、重復步驟(2)到(4)，直到逐次迭代所得的T值之差小于事先定義的參數(shù)r。；再用得到的T值分割圖像，得到二值圖。5、如權(quán)利要求2所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在所述圖像二值化分割及去噪模塊中，采用門限處理圖像分割算法，門限處理的數(shù)學模型如下設(shè)原圖像為/(x,力，X和y為像素點在圖像中的坐標，/(x,力和g(x,力為像素值，經(jīng)過門限為T的分割處理后的圖像為個g(x，力，g(x,力為二值圖像，則有其中，/(x,力為灰度值在0到255之間的灰度圖，g(x，力為像素值是0或者1的二值圖；門限T通過自動迭代的方法選取，選取的步驟如下1)、選擇一個T的初始估計值；2)、T分割圖像，生成兩組像素Gl由所有灰度值大于T的像素組成，而G2由所有灰度值小于T的像素組成；3)、對區(qū)域Gl和G2中的所有像素值計算平均灰度值M和^;4)、計算新的門限值5)、重復步驟(2)到(4)，直到逐次迭代所得的T值之差小于事先定義的參數(shù)r。；再用得到的T值分割圖像，得到二值圖。6、如權(quán)利要求1—5之一所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在所述圖像輪廓提取跟蹤模塊中，輪廓跟蹤的過程為按照從左到右，從下到上的順序搜索，找到第一個最左下方的邊界點；然后，從第一個邊界點起始，定義初始的搜索方向為沿左上方；如果左上方的點是白點，則為邊界點，否則搜索方向順時針旋轉(zhuǎn)45度；這樣一直到找到第一個白點為止；然后把這個白點作為新的邊界點，在當前搜索方向的基礎(chǔ)上逆時針旋轉(zhuǎn)90度，繼續(xù)用同樣的方法搜索下一個邊界點，直到返回最初的邊界點為止；在搜索的過程中同時記錄邊界點坐標。7、如權(quán)利要求1—5之一所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在所述輪廓特征點提取模塊中，釆用閾值q表示曲率大小，對于X方向的q值計算過程為對于離散的函數(shù)X-I(":<table>tableseeoriginaldocumentpage6</column></row><table>由插值原理可以得出離散函數(shù)X=的二階導數(shù)為<formula>formulaseeoriginaldocumentpage6</formula>(7)又因為曲線上的二階導數(shù)近似等于該點的曲率，所以，第yt點的曲率<formula>formulaseeoriginaldocumentpage6</formula>(8)由于圖像中存在噪聲干擾，因此算法中的步長A取10，并且另《為曲率cw的整數(shù)倍，取<formula>formulaseeoriginaldocumentpage6</formula>由(7)和(8)得^辟-10)-2辟)+辟+10)(10)Y方向的q值計算過程與X方向相同。8、如權(quán)利要求7所述的基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，其特征在于在所述攝像機標定模塊中，采用OpenCV標定算法，攝像機模型為針孔模型，像素坐標系和空間點的世界坐標系變換過程包括以下步驟i)、三維空間剛體變換將世界坐標系中的坐標值iU&,凡,、;)，變換為攝像機坐標系中的坐標值《=如下<formula>formulaseeoriginaldocumentpage7</formula>式中，i表示一個3x3的旋轉(zhuǎn)實數(shù)矩陣，^，...A為實常數(shù)；f表示一個平移向量，其中，/,，...^為實常數(shù)；2)、將坐標值《=^,尺,^在針孔模型中進行規(guī)范化投影，得到歸-化的坐標值A(chǔ)(x,j;)為:<formula>formulaseeoriginaldocumentpage7</formula>3)、引入透鏡的畸變，畸變后的規(guī)范化坐標值用A(x^力)表示為<formula>formulaseeoriginaldocumentpage7</formula>式中r2=x2+/;A、^表示徑向畸變系數(shù)；&、^表示切向畸變系數(shù)；將A(^力)轉(zhuǎn)化為圖像上像素坐標系上的坐標值^(^":其中<formula>formulaseeoriginaldocumentpage7</formula>上式中，/為攝像機的有效焦距；"為比例因子，用來適應在計算機圖像x方向上取樣帶來的種種不確定因素；傘x為計算機圖像在x方向上相鄰兩像素之間的有效距離；傘少為計算機圖像在y方向上相鄰兩像素之間的有效距離；"。為鏡頭光軸Z與圖像平面的交點0,在像素坐標系"軸上的坐標值；0,為在像素坐標系v軸上的坐標值。全文摘要一種基于圖像矢量化技術(shù)的服裝樣片自動錄入裝置，包括放置服裝樣片的平臺、用于獲取服裝樣片圖片的數(shù)字攝像機和用于處理圖像的計算機，所述平臺上安裝支架，所述數(shù)字攝像機安裝在所述支架上，所述平臺位于數(shù)字攝像機的視覺范圍內(nèi)，所述數(shù)字攝像機與計算機連接，對數(shù)碼相機進行標定，再通過數(shù)字攝像機對平臺上的服裝樣片進采集，將攝取的服裝樣片點陣圖輸入計算機，通過圖像預處理，圖像矢量化等算法將服裝樣片的點陣圖轉(zhuǎn)化為各種服裝CAD軟件能夠識別的矢量圖文件，便于服裝樣片后續(xù)的放碼、排料、裁割。本發(fā)明操作簡單、輸入效率高、減少成本。文檔編號G06T7/00GK101261685SQ200810059569公開日2008年9月10日申請日期2008年1月31日優(yōu)先權(quán)日2008年1月31日發(fā)明者馮遠靜,朱鑫賢,游滕,琪王,王永燦,輝董申請人:浙江工業(yè)大學;海寧戈力遠數(shù)控科技有限公司;杭州先控信息科技有限公司