吳帆 文中華

摘 ?要：針對不同服裝風(fēng)格圖像的相似性匹配問題，傳統(tǒng)方法停留在定性分析和主觀評價(jià)階段，無法定量、客觀地判定服裝風(fēng)格。為了對服裝風(fēng)格相似度進(jìn)行定量分析，提出了一種基于面料圖像梯度的服裝風(fēng)格相似性匹配算法。該算法首先基于面料灰度圖像對圖像的梯度進(jìn)行計(jì)算。然后設(shè)置閥值對圖像梯度進(jìn)行過濾處理，得到屬于不同風(fēng)格類型主要特征的圖像梯度。接著按X方向和Y方向進(jìn)行分區(qū)對主要特征情況進(jìn)行統(tǒng)計(jì)，獲得每個(gè)區(qū)塊的梯度波動空間頻率，并計(jì)算出整體圖像的空間頻率方差。最后選擇以圖像X、Y方向梯度方差的百分比為權(quán)重得到圖像風(fēng)格的整體相似度評價(jià)指標(biāo)。實(shí)驗(yàn)證明該算法利用面料圖像對服裝風(fēng)格相似性分析識別具有一定可行性。

關(guān)鍵詞：服裝風(fēng)格 ?相似性匹配 ?圖像梯度

中圖分類號：TP391 ? 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2019）12（c）-0190-05

Abstract： In view of the similarity matching of images of different clothing styles， the traditional method stays in the stage of qualitative analysis and subjective evaluation， and it is impossible to judge the clothing style quantitatively and objectively.In order to quantitatively analyze the similarity of clothing style， a matching algorithm for clothing style similarity based on the gradient of fabric image is proposed.The algorithm first calculates the gradient of the image based on the grayscale image of the fabric.Then set the threshold to filter the image gradient， and get the image gradient which belongs to the main features of different style types.Then the main features are calculated according to the X-way and Y-direction partition， the gradient fluctuation space frequency of each block is obtained， and the spatial frequency variance of the overall image is calculated.Finally， the overall similarity evaluation index of image style is obtained by weighting the percentage of image X and Y-direction gradient variance.Experiments show that the algorithm uses fabric images to analyze and identify clothing style similarity.

Key Words： Clothing style; Similarity matching; Image gradient

DOI：10.16661/j.cnki.1672-3791.2019.36.190

服裝款式千變?nèi)f化，形成了許多不同的風(fēng)格，表現(xiàn)出不同的歷史淵源、地域淵源和文化淵源。而服裝風(fēng)格不僅受到服裝款型、材質(zhì)、飾品的影響，而且服裝風(fēng)格與面料圖像有著直接的聯(lián)系。例如，波西米亞風(fēng)，印花風(fēng)格十分多元化，以重復(fù)性排列的圖紋變化為主要特色;律動彩條紋風(fēng)，設(shè)計(jì)師以多種條紋組合玩轉(zhuǎn)視覺效果，粗細(xì)不一、橫豎不同的彩色條紋為主，等等[1]。對于不同面料圖像風(fēng)格屬性的判別，有助于設(shè)計(jì)師對服裝風(fēng)格的把握，也有利于消費(fèi)者能根據(jù)喜愛的面料找到相同風(fēng)格屬性的服裝，這在服裝面料設(shè)計(jì)、互聯(lián)網(wǎng)以及電子商務(wù)行業(yè)變得越來越重要，因此利用圖像分析技術(shù)對服裝面料進(jìn)行相似度匹配具有重要意義。長期以來，人們對服裝的感性評估大多停留在定性分析和主觀評價(jià)階段[2]。而圖像相似度計(jì)算方法有很多，如顏色直方圖算法[3]、哈希算法[4]、尺度不變特征轉(zhuǎn)換算法[5]等，這些方法能根據(jù)圖形的特點(diǎn)在一定程度上能很好地解決圖像相似度問題，但對風(fēng)格相似度計(jì)算卻不適用。目前對于面料圖像所屬服裝風(fēng)格相似度匹配算法研究很少。服裝風(fēng)格的認(rèn)知和分類是一個(gè)相對模糊和主觀的過程，對于不同服裝面料風(fēng)格區(qū)別與圖像顏色變化情況、面料圖形、花紋有直接關(guān)系，還由人的視覺感受所決定。而圖像梯度分析方法[6]為該問題的解決提供了一個(gè)較好的途徑，因此該文基于面料圖像梯度給出一種服裝風(fēng)格相似性匹配算法。

1 ?圖像梯度

圖像在計(jì)算機(jī)中以數(shù)字圖像的形式進(jìn)行存儲，即圖像是離散的二維函數(shù)。在微積分中，一維函數(shù)的一階微分的基本定義為：

（1）

圖像是一個(gè)二維函數(shù)f（x，y），其微分即偏微分。因此有：

（2）

（3）

圖像是按照像素來進(jìn)行離散的，最小的ε就是1像素。因此，圖像微分可表示為：

（4）

（5）

其中δ∈N，N表示自然數(shù)集合。式（4）和（5）分別是圖像在（x，y）點(diǎn)處X方向和Y方向上的梯度，對應(yīng)于服裝的橫向和豎直方向[7]。圖像的梯度可理解為δ個(gè)相鄰像素之間的差值。

2 ?基于面料圖像梯度的服裝風(fēng)格相似性分析

2.1 服裝面料圖像梯度分析

服裝風(fēng)格不僅僅跟顏色變化、圖形和花紋等基本物理指標(biāo)有關(guān)系，而且人眼視覺系統(tǒng)對于圖像輪廓、邊緣、細(xì)節(jié)等圖像高頻信息敏感，尤其是位于水平和垂直方向上的信息[8]。從傳統(tǒng)圖像處理計(jì)算方法來看，RGB并不能反映圖像的形態(tài)特征，只是從光學(xué)的原理上進(jìn)行顏色的調(diào)配。而HSI比RGB更符合人的視覺特性，HSI是由色調(diào)、飽和度、亮度3個(gè)分量來表示顏色，其中變量I反映圖像特征，變量HS是色彩的反映[9]。因此，通過結(jié)合灰度值圖像和圖像梯度處理去把握服裝面料的風(fēng)格屬性，以如圖1所示波西米亞風(fēng)為例，首先將面料圖像進(jìn)行歸一化處理，得到相同尺寸的圖像，再轉(zhuǎn)變灰度值圖像，然后通過對面料圖像梯度的處理得到的X方向和Y方向梯度圖像Ix（x，y）和Iy（x，y），如圖2所示。

從X、Y方向梯度圖像中可以看出，對于面料圖像來說，通過梯度圖像的計(jì)算，可以反映出面料圖像變化規(guī)律、圖形和花紋的大致輪廓。X、Y方向的梯度變化則從不同的視角來判斷服裝面料風(fēng)格的不同，如波西米亞風(fēng)以重復(fù)性排列的橫向圖紋變化為主要特色，而律動彩條紋風(fēng)，設(shè)計(jì)師則以粗細(xì)不一、豎直的彩色條紋為主，從圖2中可以清楚地看出，在Y方向（豎直方向）上，圖像梯度明顯比X方向（橫向方向）上的梯度更加顯著。因此通過對面料圖像不同方向的梯度分析，既能反映出面料圖像的整體圖形、花紋形態(tài)，也能細(xì)化出不同方向圖像變化規(guī)律所呈現(xiàn)的多種風(fēng)格。接下來，根據(jù)不同風(fēng)格面料圖像梯度所呈現(xiàn)的規(guī)律，采用相應(yīng)方法進(jìn)行相似度計(jì)算。

2.2 服裝風(fēng)格相似性匹配算法

傳統(tǒng)基于灰度的圖像相似度處理方法是通過兩幅圖像之間的距離度量，采用的是巴氏距離或者歸一化相關(guān)系數(shù)進(jìn)行相似度分析的。對于服裝風(fēng)格的相似度計(jì)算，卻不是傳統(tǒng)的計(jì)算圖像的差異性，而是判斷所呈現(xiàn)的特征或者給人的視覺感受是否一致。傳統(tǒng)計(jì)算方法得到圖像相似度很低的兩張圖像，可能屬于同一種服裝風(fēng)格，得到的分析結(jié)果截然相反。該文通過結(jié)合灰度值圖像和圖像梯度處理方法，得到圖像所具備的特征或視覺敏感信息，如圖1所示的波西米亞風(fēng)格。為了對圖像總體風(fēng)格進(jìn)行評價(jià)，該文對X方向梯度值求取Y方向平均值和對Y方向梯度值求取X方向平均值，分別如式（6）和（7）所示。

（6）

（7）

其中nx和ny分別表示圖像X方向和Y方向的像素點(diǎn)總數(shù)。然后對灰色圖像梯度特征進(jìn)行提取或者放大，得到相應(yīng)圖像的主要風(fēng)格特征，并對風(fēng)格相似度進(jìn)行評價(jià)。詳細(xì)步驟如下：

（1）通過設(shè)置梯度閥值來過濾掉干擾信息特征，X方向和Y方向閥值分別為：

（8）

（9）

其中μ（·）表示平均值，D（·）表示方差，K為過濾系數(shù)。

（2）對X方向和Y方向梯度圖像的和分別分成許多連續(xù)的區(qū)間，和，其中（i-1·）ny/k<

xi

（3）對每個(gè)小區(qū)塊進(jìn)行特征情況的統(tǒng)計(jì)，計(jì)算出每個(gè)區(qū)間波動值大于閥值的次數(shù)，獲得該區(qū)塊的梯度波動空間頻率fi和fj，圖1波西米亞風(fēng)格X方向和Y方向梯度波動空間頻率如圖3所示，從圖中可以看出梯度波動空間頻率情況與主要圖像風(fēng)格特征（圖形紋理、變化情況等）能一一對應(yīng)，能很好地、抽象地體現(xiàn)出圖像的主要風(fēng)格特征。

（4）為了對風(fēng)格特征進(jìn)行相似度匹配，對X方向和Y方向全局圖像梯度波動空間頻率求取空間頻率方差Dx和Dy。X方向和Y方向的空間頻率方差可以作為一個(gè)量化值反映出每行或者每列的風(fēng)格特征。

（5）最后通過設(shè)置權(quán)重，將D=ωDx+（1-ω）Dy作為一個(gè)服裝風(fēng)格的面料圖像相似度計(jì)算的評價(jià)指標(biāo)。權(quán)重大小根據(jù)X方向和Y方向梯度值方差大小來確定。一般來說，方差大方向選擇的權(quán)重要高，這是因?yàn)槿搜垡曈X對于方差大的圖像方向注意力更集中，視覺效果所受的影響也更大[10]。

2.3 服裝風(fēng)格相似性匹配的實(shí)現(xiàn)流程

設(shè)Ix、Iy分別為灰色圖像在X方向和Y方向的梯度值。size1、size2設(shè)為歸一化處理后圖幅大小，Qx、Qy為閥值，x_frequency，y_frequency為頻率矩陣，Dx和Dy為空間頻率方差，K為過濾系數(shù)，D為相似度計(jì)算的評價(jià)指標(biāo)，ω為權(quán)重，服裝風(fēng)格相似性匹配算法的Matlab程序如下：

clear all;close all;clc;

M11=imread（'波西米亞風(fēng)格.jpg'）;M1=imresize（M11，[size1，size2]）;

MyFirstGrayPic1 = rgb2gray（M1）; ? [Ix，Iy]=gradient（double（MyFirstGrayPic1））;

Ix_mean=mean（Ix，1）; ? ? Iy_mean=mean（Iy，2）;

Ix_mean_std=std（Ix_mean，0，2）; ? Iy_mean_std=std（Iy_mean，0，1）;

Qx=sum（Ix_mean）/size1+Ix_mean_std*K; Qy=sum（Iy_mean）/size2+Iy_mean_std*K;

j=1;

for i=10：5：（size1-10）

x_frequency（1，j）=size（find（Ix_mean（1，i：i+10）>Q1|Ix_mean（1，i：i+10）<-Q1），2）; ?j=j+1;

end

Dx=std（x_frequency（1，：），0，2）

j=1;

for i=10：5：（size2-10）

y_frequency（1，j）=size（find（Iy_mean（i：i+10，1）>Q2|Iy_mean（i：i+10，1）<-Q2），1）; ?j=j+1;

end

Dy=std（y_frequency（1，：），0，2）;

D=ω*Dx+（1-ω）*Dy;

3 ?實(shí)驗(yàn)結(jié)果及分析

將該文算法用于分析不同風(fēng)格的服裝面料，具體風(fēng)格包括波西米亞風(fēng)和田園鄉(xiāng)村風(fēng)多種風(fēng)格。其中波西米亞風(fēng)和田園鄉(xiāng)村風(fēng)格分別見圖4、圖5。

在實(shí)驗(yàn)中，對以上2種風(fēng)格的隨機(jī)抽取2張面料圖像（如圖4和圖5左側(cè)所示）進(jìn)行風(fēng)格相似度計(jì)算，通過采用該文提供的算法計(jì)算出不同風(fēng)格不同面料圖像的風(fēng)格評價(jià)指標(biāo)。選取過濾系數(shù)K為0.5，計(jì)算出X方向和Y方向不同的閥值，得到全局圖像梯度波動空間頻率如圖6和圖7所示。

權(quán)重ω選為圖像不同方向梯度方差的百分比值，即D（meanIx）/（D（meanIx）+D（meanIy）），最后得到的分析結(jié)果如表1所示。

從表1結(jié)果可以看出，X方向和Y方向梯度方差的比較，兩種相同風(fēng)格圖像的不同方向的方差Dx或Dy差異性相對較小，最大差異也僅為10.9%，說明相同風(fēng)格面料在不同視覺方向的圖像特征變化或紋理特征相似。綜合來看，兩種相同風(fēng)格的綜合方差D誤差為7.8%和3.3%，即相同風(fēng)格之間用該算法進(jìn)行評價(jià)精度相對較高。同時(shí)不同風(fēng)格之間面料圖像進(jìn)行比較，D的差異性高達(dá)14.1%，說明該算法能在一定程度上很好地區(qū)分開不同風(fēng)格之間面料的差異?？傊?，該文提供的算法能很好地對不同風(fēng)格之間面料圖像進(jìn)行區(qū)分，相同風(fēng)格評價(jià)值D維持在一定范圍之內(nèi)，證明本文算法對不同風(fēng)格服裝面料圖像的分析識別具有一定可行性。

4 ?結(jié)語

該文提出了一種基于面料圖像梯度的服裝風(fēng)格相似性匹配算法，并用MATLAB工具加以實(shí)現(xiàn)。該算法在通過對不同服裝風(fēng)格的面料圖像進(jìn)行分析，獲得面料灰度圖像的梯度分布變化情況。然后為了對風(fēng)格相似度進(jìn)行計(jì)算，通過對圖像梯度進(jìn)行模糊化處理，即設(shè)置閥值對圖像梯度進(jìn)行過濾處理，得到屬于不同風(fēng)格類型主要特征的圖像梯度。接著按X方向和Y方向進(jìn)行分區(qū)對主要特征情況進(jìn)行統(tǒng)計(jì)，獲得每個(gè)區(qū)塊的梯度波動空間頻率。最后計(jì)算出整個(gè)圖像空間頻率在X方向和Y方向的方差，通過選擇以圖像不同方向梯度方差的百分比值為權(quán)重得到圖像風(fēng)格的整體評價(jià)指標(biāo)。該算法針對面料圖像對服裝風(fēng)格進(jìn)行分析，能較好地計(jì)算出不同風(fēng)格圖像相似度評價(jià)值。通過對波西米亞風(fēng)和田園鄉(xiāng)村風(fēng)格服裝面料進(jìn)行實(shí)驗(yàn)分析，證明該算法對服裝風(fēng)格圖像相似度計(jì)算具有較好的精度，對不同風(fēng)格服裝面料圖像的分析識別具有一定可行性。

參考文獻(xiàn)

[1] 王安琪.基于圖像內(nèi)容的服裝分類和推薦方法研究[D].昆明理工大學(xué)，2017.

[2] 段坤，李繼云.決策場理論在服裝風(fēng)格評價(jià)上的應(yīng)用[J].東華大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，36（2）：175-178.

[3] 張?zhí)幂x，田捷，何余良，等.基于相似度直方圖的混合指紋匹配方法[J].計(jì)算機(jī)學(xué)報(bào)，2005，28（10）：1728-1733.

[4] 黃嘉恒，李曉偉，陳本輝，等.基于哈希的圖像相似度算法比較研究[J].大理大學(xué)學(xué)報(bào)，2017，2（12）：32-37.

[5] 林陶，黃國榮，郝順義，等.尺度不變特征轉(zhuǎn)換算法在圖像特征提取中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2016，36（6）：1688-1691，1698.

[6] 楊彪，林國余，張為公.結(jié)合Lab模型與EHOG特征的攝像機(jī)離散視域人物外表匹配[J].東南大學(xué)學(xué)報(bào)：英文版，2012，28（4）：422-427.

[7] YuLi Sun，JinXu Tao.Image reconstruction from few views by l0-norm optimization[J].Chinese Physics B，2014，23（7）：762-766.

[8] Ji TL，Sundareshan MK，Roehrig H.Adaptive image contrast enhancement based on human visual properties[J].IEEE Transactions on Medical Imaging，1994，13（4）：573-586.

[9] 魏崇奎.基于HVS圖像質(zhì)量評價(jià)模型的方法研究[D].國防科學(xué)技術(shù)大學(xué)，2003.

[10] 周正浩.分割視錯(cuò)覺及其在服裝中的運(yùn)用[J].輕紡工業(yè)與技術(shù)，2012，41（2）：35-37.