CN106503345A - 一种蓝印花布纹样设计方法 - Google Patents
一种蓝印花布纹样设计方法 Download PDFInfo
- Publication number
- CN106503345A CN106503345A CN201610931819.9A CN201610931819A CN106503345A CN 106503345 A CN106503345 A CN 106503345A CN 201610931819 A CN201610931819 A CN 201610931819A CN 106503345 A CN106503345 A CN 106503345A
- Authority
- CN
- China
- Prior art keywords
- grain pattern
- model
- skeleton
- printing fabric
- indigo printing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/12—Cloth
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Treatment Of Fiber Materials (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种蓝印花布纹样设计方法。本发明使用数字图形图像技术对蓝印纹样进行元素建模、模型匹配和纹样重构,在纹样参数化基础上实现传统纹样创新设计。本发明主要技术内容包括:利用张力样条曲线建立纹样元素模型;使用轮廓跟踪算法提取图像中的纹样元素,并利用Hu矩进行模型匹配;对模型匹配后得到的参数化纹样,利用映射函数将模型参数映射到目标区间,实现不变骨骼的纹样创新设计;通过相似形系列提取纹样骨架,使用参数映射方法进行骨架再建,在新的骨架上放置纹样元素,实现变化骨骼的纹样创新设计。本发明提供的方法,可用于解决蓝印花布纹样创新设计这一瓶颈,为蓝印花布这一非物质文化遗产的传承和发展开辟新的途径。
Description
技术领域
本发明属于纺织图案设计领域,具体涉及一种蓝印花布纹样创新设计方法。
背景技术
蓝印花布是极具民间特色的传统纺织品,被认定为国家非物质文化遗产。目前蓝印花布纹样设计主要依靠少数传统手工艺人,设计产出能力有限、纹样创新困难,成为了制约我国蓝印花布传承和发展的瓶颈。尽管借助一些现代平面设计软件可以为纹样设计提供方便,但这类软件作为工具,并不能提供设计思路和方法、解决纹样设计中的核心问题。针对传统蓝印花布纹样的创新设计,目前尚缺乏切实有效的方法。
发明内容
为解决蓝印花布纹样创新这一难题,本发明提供一种蓝印花布纹样创新设计方法,该方法以现有传统蓝印花布纹样为基础,不仅可以实现纹样元素层面上的改造与创新,还可以实现纹样骨架层面上的创新,使得改造后的纹样具有丰富的可能性。
本发明通过以下技术方案来实现:首先对现有蓝印花布纹样进行分析和抽象,建立一个纹样元素模型;然后利用该模型对传统蓝印花布纹样进行匹配,实现纹样的模型化;最后通过对模型参数的映射转换,实现纹样的重构和创新。
本发明的主要技术内容包括:
蓝印花布纹样的设计方法包括如下步骤
1)纹样元素建模
利用经过四个节点的封闭的张力样条曲线建立纹样元素的一般模型,所述的四个节点包括两个活动点和两个固定点,其中固定点位于平面坐标轴上,通过所建模型的模型参数改变来表现蓝印花布的各种纹样元素;
2)模型匹配
在目标图像预处理的基础上,使用轮廓跟踪算法提取图像中的纹样元素,利用Hu矩的仿射不变性,选取与纹样元素最接近的模型实例,对选取的模型实例进行仿射变换,使之与纹样元素重合度最大,以替代纹样中的原有元素,从而完成模型匹配;
3)纹样重构
对模型匹配后得到的参数化纹样,利用用户选择的映射函数将一个或多个参数映射到目标区间,得到不变骨骼的纹样设计;
或者,通过对纹样元素进行聚类和分类,获取纹样中的相似形系列,通过相似形系列确定纹样中的骨骼点,连接所有骨骼点生成纹样骨架,使用元素模型匹配纹样骨架,通过用户选择的参数变化进行骨架再建,在新的骨架上重新采点并根据用户需要放置纹样元素,得到变化骨骼的纹样设计。
优选的,所述的两个固定节点(P3、P4)分别位于x轴和y轴上,截距分别为-1和1,所述的模型参数包括r1、r2、d1、d2、t,其中r1、r2分别为两个活动点(P1、P2)的活动半径,d1、d2分别为两个活动点(P1、P2)的偏离角,t为样条曲线的张力系数。
优选的,所述模型参数的取值范围:-5≤r1,r2≤5;-45°≤d1,d2≤45°;0≤t≤3。
优选的,所述的步骤2)具体方法为:目标图像经灰度化处理后,先通过中值滤波去除噪音,再使用OTSU算法进行阈值分割,分离出目标与背景。
在上述基础上,使用轮廓跟踪算法提取目标中的每个纹样元素,对提取的纹样元素计算Hu矩、重心位置和面积,计算纹样元素与模型实例库中每个模型实例的相似距离,即两个Hu矩的欧式距离,选取与之最接近的模型实例;对选取的模型实例进行仿射变换,先将其重心平移到纹样元素的重心处,使得二者重心坐标一致;然后计算二者面积之差,若大于零,即模型实例面积大于元素面积,则将模型形状逐步缩小,否则逐步放大,直到二者面积相等,此时的缩放率记s;最后将模型实例在0~360°上旋转,在每个角度上计算模型实例与纹样元素的重合度,取重合度最大的角度记为θ,用重合度最大时的参数化的模型实例替代纹样元素。
优选的,所述的模型实例库的构建方法是:对五个模型参数r1、r2、d1、d2、t,在其取值区间上分别均匀取样20个值,具体为:t取0.15k,r1、r2取-5+0.5k,d1、d2取-45+4.5k,其中k=0,1,2...19,每个参数有20个值,组合得205组参数值,由一组参数值确定的模型形状为一个模型实例,共有205个模型实例,这些模型实例构成一个模型实例库。
本发明利用四个节点的封闭的张力样条曲线建立纹样元素的一般模型,利用参数的变化匹配模型和获得新的纹样元素,四个节点的模型表达方式快捷简便,并具有足够的可变参数来精确匹配模型;可充分挖掘和改造现有蓝印花布纹样。本发明具备两种设计方法,其一为不变骨骼的纹样设计,即只改变纹样元素的模型参数,而不改变纹样元素整体的排列方式;其二为变骨骼的纹样设计,即改变纹样元素的模型参数和纹样元素整体的排列方式,使改造后的纹样呈现新的风格面貌,实现传统蓝印花布纹样的创新设计,为我国蓝印花布的传承和发展开辟新的途径。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是纹样元素模型示意图;
图2(a)是模型实例表达各种蓝印花布纹样元素的部分实施例(上);
图2(b)是模型实例表达各种蓝印花布纹样元素的部分实施例(下);
图3是模型匹配过程示意图;
图4是不变骨架纹样重构的一个实施例;
图5是变化骨架纹样重构的一个实施例。
具体实施方式
下面结合说明书附图对本发明做进一步说明。
在图1中,两个活动节点为P1、P2,两个固定节点为P3、P4,O点为原点或参考点。固定节点P3、P4分别位于x轴和y轴上,截距分别为-1和1。活动节点P1、P2则可在一定范围内偏离坐标轴,其具***置由活动半径(r1、r2)和偏离角(d1、d2)决定。使用张力样条曲线顺次连接P1、P2、P3、P4构成封闭形状,作为纹样元素的一般模型。该模型具有r1、r2、d1、d2、t共五个构形参数,其中t为样条曲线的张力系数。模型参数的取值范围:-5≤r1,r2≤5;-45°≤d1,d2≤45°;0≤t≤3。
在图2中,列举了一些模型实例用于表达各种典型的蓝印花布纹样元素。对五个模型参数,在其取值区间上分别均匀取样20个值,具体为:t取0.15k,r1、r2取-5+0.5k,d1、d2取-45+4.5k,其中k=0,1,2...19。每个参数有20个值,组合得205组参数值。由一组参数值确定的模型形状为一个模型实例,共有205个模型实例,这些模实例构成一个模型实例库。对每个模型实例计算其Hu矩、重心位置和面积并存储在模型实例库中,供模型匹配时使用。
在图3中,原始图像经灰度化处理后,先通过中值滤波去除噪音,再使用OTSU算法进行阈值分割,分离出目标与背景。在此基础上,使用轮廓跟踪算法提取图像中每个纹样元素(图中红色标出)。对提取的纹样元素计算Hu矩、重心位置和面积,计算纹样元素与模型实例库中每个模型实例的相似距离(两个Hu矩的欧式距离),选取与之最接近的模型实例。对选取的模型实例进行仿射变换,先将其重心平移到纹样元素的重心处,使得二者重心坐标一致;然后计算二者面积之差,若大于零(模型实例面积大于元素面积)则将模型形状逐步缩小,否则逐步放大,直到二者面积相等,此时的缩放率记s;最后将模型实例在0~360°上旋转,在每个角度上计算模型实例与纹样元素的重合度,记取重合度最大的角度θ。这样,纹样元素即被参数化的模型实例替代。按上述方法将纹样中的所有元素用模型实例替代,就完成了模型匹配。其中s、θ为模型实例的仿射参数,连同五个模型参数r1、r2、d1、d2、t,它们可在纹样重构时使用。
在图4中,通过用户选择的映射函数将一个或多个模型参数映射到目标区间,进行不变骨架的纹样重构。若映射前后的参数值分别为Z和Z',用于重构的映射函数为Z'=f(Z)。参与映射的可以是模型参数,也可以是仿射参数。图中给出了映射函数的一些例子。
在图5中,通过重建纹样的骨架,并在新的骨架上重新配置纹样元素,进行变化骨架的纹样重构。具体为:综合Hu矩和面积作为指标,通过对纹样元素进行聚类和分类,将形状相似且面积相近的元素归为一类(即一个相似形系列)。对于存在多个相似形系列的情况,由用户选择在哪个系列上重构。然后,对选取的相似形系列,将其中各个纹样元素的参考点(即各个纹样元素的O点)作为骨骼点,连接骨骼点得到纹样骨架,再将纹样骨架视为单个纹样元素,使用元素模型匹配纹样骨架,通过参数映射重建骨架。最后,根据用户提供的元素数目,在新的骨架上等距离采点,在每个点上使用元素模型放置纹样元素,完成变化骨架的纹样重构。图中给出了变化骨架纹样重构的例子。
Claims (5)
1.一种蓝印花布纹样的设计方法,其特征在于包括如下步骤
1)纹样元素建模
利用经过四个节点的封闭的张力样条曲线建立纹样元素的一般模型,所述的四个节点包括两个活动点和两个固定点,其中固定点位于平面坐标轴上,通过所建模型的模型参数改变来表现蓝印花布的各种纹样元素;
2)模型匹配
在目标图像预处理的基础上,使用轮廓跟踪算法提取图像中的纹样元素,利用Hu矩的仿射不变性,选取与纹样元素最接近的模型实例,对选取的模型实例进行仿射变换,使之与纹样元素重合度最大,以替代纹样中的原有元素,从而完成模型匹配;
3)纹样重构
对模型匹配后得到的参数化纹样,利用用户选择的映射函数将一个或多个参数映射到目标区间,得到不变骨骼的纹样设计;
或者,通过对纹样元素进行聚类和分类,获取纹样中的相似形系列,通过相似形系列确定纹样中的骨骼点,连接所有骨骼点生成纹样骨架,使用元素模型匹配纹样骨架,通过用户选择的参数变化进行骨架再建,在新的骨架上重新采点并根据用户需要放置纹样元素,得到变化骨骼的纹样设计。
2.根据权利要求1所述的蓝印花布纹样设计方法,其特征在于所述的两个固定节点(P3、P4)分别位于x轴和y轴上,截距分别为-1和1,所述的模型参数包括r1、r2、d1、d2、t,其中r1、r2分别为两个活动点(P1、P2)的活动半径,d1、d2分别为两个活动点(P1、P2)的偏离角,t为样条曲线的张力系数。
3.根据权利要求2所述的蓝印花布纹样设计方法,其特征在于所述模型参数的取值范围:-5≤r1,r2≤5;-45°≤d1,d2≤45°;0≤t≤3。
4.根据权利要求1所述的蓝印花布纹样设计方法,其特征在于所述的步骤2)具体方法为:目标图像经灰度化处理后,先通过中值滤波去除噪音,再使用OTSU算法进行阈值分割,分离出目标与背景。
在上述基础上,使用轮廓跟踪算法提取目标中的每个纹样元素,对提取的纹样元素计算Hu矩、重心位置和面积,计算纹样元素与模型实例库中每个模型实例的相似距离,即两个Hu矩的欧式距离,选取与之最接近的模型实例;对选取的模型实例进行仿射变换,先将其重心平移到纹样元素的重心处,使得二者重心坐标一致;然后计算二者面积之差,若大于零,即模型实例面积大于元素面积,则将模型形状逐步缩小,否则逐步放大,直到二者面积相等,此时的缩放率记s;最后将模型实例在0~360°上旋转,在每个角度上计算模型实例与纹样元素的重合度,取重合度最大的角度记为θ,用重合度最大时的参数化的模型实例替代纹样元素。
5.根据权利要求4所述的蓝印花布纹样设计方法,其特征在于所述的模型实例库的构建方法是:对五个模型参数r1、r2、d1、d2、t,在其取值区间上分别均匀取样20个值,具体为:t取0.15k,r1、r2取-5+0.5k,d1、d2取-45+4.5k,其中k=0,1,2...19,每个参数有20个值,组合得205组参数值,由一组参数值确定的模型形状为一个模型实例,共有205个模型实例,这些模型实例构成一个模型实例库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610931819.9A CN106503345B (zh) | 2016-10-25 | 2016-10-25 | 一种蓝印花布纹样设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610931819.9A CN106503345B (zh) | 2016-10-25 | 2016-10-25 | 一种蓝印花布纹样设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106503345A true CN106503345A (zh) | 2017-03-15 |
CN106503345B CN106503345B (zh) | 2019-02-19 |
Family
ID=58319633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610931819.9A Expired - Fee Related CN106503345B (zh) | 2016-10-25 | 2016-10-25 | 一种蓝印花布纹样设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106503345B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647456A (zh) * | 2018-05-16 | 2018-10-12 | 贵州大学 | 一种汽车风格迭代的量化设计方法 |
CN109360266A (zh) * | 2018-09-20 | 2019-02-19 | 深圳市创梦天地科技有限公司 | 一种道路建模方法、相关装置和设备 |
CN111862330A (zh) * | 2020-07-16 | 2020-10-30 | 完美世界(北京)软件科技发展有限公司 | 模型获取方法和装置、存储介质和电子装置 |
CN111862330B (zh) * | 2020-07-16 | 2024-07-02 | 完美世界(北京)软件科技发展有限公司 | 模型获取方法和装置、存储介质和电子装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010019573A (ja) * | 2008-07-08 | 2010-01-28 | Nec Electronics Corp | ナビゲーションシステム、ナビゲーション制御装置、及び、目的地検索方法 |
CN103871084A (zh) * | 2014-04-04 | 2014-06-18 | 南通农业职业技术学院 | 蓝印花布图案识别方法 |
CN103870645A (zh) * | 2014-03-12 | 2014-06-18 | 天津大学 | 带有冰纹效果的蜡染印花图案仿真方法 |
CN104778458A (zh) * | 2015-04-17 | 2015-07-15 | 浙江理工大学 | 一种基于纹理特征的纺织品花纹检索方法 |
CN105787163A (zh) * | 2015-12-31 | 2016-07-20 | 福州琪利软件有限公司 | 纺织用花型文件的生成***及生成方法 |
-
2016
- 2016-10-25 CN CN201610931819.9A patent/CN106503345B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010019573A (ja) * | 2008-07-08 | 2010-01-28 | Nec Electronics Corp | ナビゲーションシステム、ナビゲーション制御装置、及び、目的地検索方法 |
CN103870645A (zh) * | 2014-03-12 | 2014-06-18 | 天津大学 | 带有冰纹效果的蜡染印花图案仿真方法 |
CN103871084A (zh) * | 2014-04-04 | 2014-06-18 | 南通农业职业技术学院 | 蓝印花布图案识别方法 |
CN104778458A (zh) * | 2015-04-17 | 2015-07-15 | 浙江理工大学 | 一种基于纹理特征的纺织品花纹检索方法 |
CN105787163A (zh) * | 2015-12-31 | 2016-07-20 | 福州琪利软件有限公司 | 纺织用花型文件的生成***及生成方法 |
Non-Patent Citations (3)
Title |
---|
孟雅琴 等: "空间均匀有理张力样条参数曲线", 《计算机学报》 * |
徐平华 等: "基于局部特征的服饰图案检索研究", 《北京服装学院学报》 * |
陶晨 等: "织物图案连续性识别", 《纺织学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647456A (zh) * | 2018-05-16 | 2018-10-12 | 贵州大学 | 一种汽车风格迭代的量化设计方法 |
CN109360266A (zh) * | 2018-09-20 | 2019-02-19 | 深圳市创梦天地科技有限公司 | 一种道路建模方法、相关装置和设备 |
CN111862330A (zh) * | 2020-07-16 | 2020-10-30 | 完美世界(北京)软件科技发展有限公司 | 模型获取方法和装置、存储介质和电子装置 |
CN111862330B (zh) * | 2020-07-16 | 2024-07-02 | 完美世界(北京)软件科技发展有限公司 | 模型获取方法和装置、存储介质和电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106503345B (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yadan et al. | Multi-gpu training of convnets | |
Sun et al. | TIB-Net: Drone detection network with tiny iterative backbone | |
Shi et al. | Optimal measurement for quantum discord of two-qubit states | |
CN106384383A (zh) | 一种基于fast和freak特征匹配算法的rgb‑d和slam场景重建方法 | |
CN101154289A (zh) | 基于多目相机的三维人体运动跟踪的方法 | |
CN106599230A (zh) | 一种分布式数据挖掘模型评估的方法与*** | |
CN109829934A (zh) | 一种新型基于孪生卷积网络的图像跟踪算法 | |
CN110188753A (zh) | 一种基于稠密连接卷积神经网络目标跟踪算法 | |
Liu et al. | Self-supervised graph completion for incomplete multi-view clustering | |
CN102170516B (zh) | 基于模糊理论和神经网络的色彩空间转换方法 | |
CN106503345A (zh) | 一种蓝印花布纹样设计方法 | |
CN109657794A (zh) | 一种基于指令队列的分布式深度神经网络性能建模方法 | |
Zhao et al. | Joint learning of salient object detection, depth estimation and contour extraction | |
CN114419376B (zh) | 一种多模态渐进式联邦学习的图像识别方法 | |
Deb et al. | LS-Net: A convolutional neural network for leaf segmentation of rosette plants | |
Qin et al. | RGB-D grasp detection via depth guided learning with cross-modal attention | |
Wang et al. | Infrared and visible image fusion via decoupling network | |
CN110757806A (zh) | 一种面向3d打印的双类形状密铺方法及*** | |
CN110245292A (zh) | 一种基于神经网络过滤噪声特征的自然语言关系抽取方法 | |
CN105957154A (zh) | 一种数据驱动的三维模型编辑方法及*** | |
Li et al. | 3D-Yoga: a 3D yoga dataset for visual-based hierarchical sports action analysis | |
Zhang et al. | L0-regularization-based skeleton optimization from consecutive point sets of kinetic human body | |
Li et al. | Parallel-connected residual channel attention network for remote sensing image super-resolution | |
Allili et al. | Morse homology descriptor for shape characterization | |
CN107330912A (zh) | 一种基于多特征融合的稀疏表示的目标追踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190219 Termination date: 20191025 |
|
CF01 | Termination of patent right due to non-payment of annual fee |