基于面料圖像梯度的服裝風格相似性匹配算法

吳帆 文中華

摘 ?要：針對不同服裝風格圖像的相似性匹配問題，傳統方法停留在定性分析和主觀評價階段，無法定量、客觀地判定服裝風格。為了對服裝風格相似度進行定量分析，提出了一種基于面料圖像梯度的服裝風格相似性匹配算法。該算法首先基于面料灰度圖像對圖像的梯度進行計算。然后設置閥值對圖像梯度進行過濾處理，得到屬于不同風格類型主要特征的圖像梯度。接著按X方向和Y方向進行分區對主要特征情況進行統計，獲得每個區塊的梯度波動空間頻率，并計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重得到圖像風格的整體相似度評價指標。實驗證明該算法利用面料圖像對服裝風格相似性分析識別具有一定可行性。

關鍵詞：服裝風格 ?相似性匹配 ?圖像梯度

中圖分類號：TP391 ? 文獻標識碼：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

服裝款式千變萬化，形成了許多不同的風格，表現出不同的歷史淵源、地域淵源和文化淵源。而服裝風格不僅受到服裝款型、材質、飾品的影響，而且服裝風格與面料圖像有著直接的聯系。例如，波西米亞風，印花風格十分多元化，以重復性排列的圖紋變化為主要特色;律動彩條紋風，設計師以多種條紋組合玩轉視覺效果，粗細不一、橫豎不同的彩色條紋為主，等等[1]。對于不同面料圖像風格屬性的判別，有助于設計師對服裝風格的把握，也有利于消費者能根據喜愛的面料找到相同風格屬性的服裝，這在服裝面料設計、互聯網以及電子商務行業變得越來越重要，因此利用圖像分析技術對服裝面料進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階段[2]。而圖像相似度計算方法有很多，如顏色直方圖算法[3]、哈希算法[4]、尺度不變特征轉換算法[5]等，這些方法能根據圖形的特點在一定程度上能很好地解決圖像相似度問題，但對風格相似度計算卻不適用。目前對于面料圖像所屬服裝風格相似度匹配算法研究很少。服裝風格的認知和分類是一個相對模糊和主觀的過程，對于不同服裝面料風格區別與圖像顏色變化情況、面料圖形、花紋有直接關系，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較好的途徑，因此該文基于面料圖像梯度給出一種服裝風格相似性匹配算法。

1 ?圖像梯度

圖像在計算機中以數字圖像的形式進行存儲，即圖像是離散的二維函數。在微積分中，一維函數的一階微分的基本定義為：

（1）

圖像是一個二維函數f（x，y），其微分即偏微分。因此有：

（2）

（3）

圖像是按照像素來進行離散的，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表示自然數集合。式（4）和（5）分別是圖像在（x，y）點處X方向和Y方向上的梯度，對應于服裝的橫向和豎直方向[7]。圖像的梯度可理解為δ個相鄰像素之間的差值。

2 ?基于面料圖像梯度的服裝風格相似性分析

2.1 服裝面料圖像梯度分析

服裝風格不僅僅跟顏色變化、圖形和花紋等基本物理指標有關系，而且人眼視覺系統對于圖像輪廓、邊緣、細節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]。從傳統圖像處理計算方法來看，RGB并不能反映圖像的形態特征，只是從光學的原理上進行顏色的調配。而HSI比RGB更符合人的視覺特性，HSI是由色調、飽和度、亮度3個分量來表示顏色，其中變量I反映圖像特征，變量HS是色彩的反映[9]。因此，通過結合灰度值圖像和圖像梯度處理去把握服裝面料的風格屬性，以如圖1所示波西米亞風為例，首先將面料圖像進行歸一化處理，得到相同尺寸的圖像，再轉變灰度值圖像，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，通過梯度圖像的計算，可以反映出面料圖像變化規律、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格的不同，如波西米亞風以重復性排列的橫向圖紋變化為主要特色，而律動彩條紋風，設計師則以粗細不一、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，也能細化出不同方向圖像變化規律所呈現的多種風格。接下來，根據不同風格面料圖像梯度所呈現的規律，采用相應方法進行相似度計算。

2.2 服裝風格相似性匹配算法

傳統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系數進行相似度分析的。對于服裝風格的相似度計算，卻不是傳統的計算圖像的差異性，而是判斷所呈現的特征或者給人的視覺感受是否一致。傳統計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格，得到的分析結果截然相反。該文通過結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所示的波西米亞風格。為了對圖像總體風格進行評價，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方向的像素點總數。然后對灰色圖像梯度特征進行提取或者放大，得到相應圖像的主要風格特征，并對風格相似度進行評價。詳細步驟如下：

（1）通過設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。

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

xi

（3）對每個小區塊進行特征情況的統計，計算出每個區間波動值大于閥值的次數，獲得該區塊的梯度波動空間頻率fi和fj，圖1波西米亞風格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格特征（圖形紋理、變化情況等）能一一對應，能很好地、抽象地體現出圖像的主要風格特征。

（4）為了對風格特征進行相似度匹配，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量化值反映出每行或者每列的風格特征。

（5）最后通過設置權重，將D=ωDx+（1-ω）Dy作為一個服裝風格的面料圖像相似度計算的評價指標。權重大小根據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重要高，這是因為人眼視覺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 服裝風格相似性匹配的實現流程

設Ix、Iy分別為灰色圖像在X方向和Y方向的梯度值。size1、size2設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，D為相似度計算的評價指標，ω為權重，服裝風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 ?實驗結果及分析

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

在實驗中，對以上2種風格的隨機抽取2張面料圖像（如圖4和圖5左側所示）進行風格相似度計算，通過采用該文提供的算法計算出不同風格不同面料圖像的風格評價指標。選取過濾系數K為0.5，計算出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）），最后得到的分析結果如表1所示。

從表1結果可以看出，X方向和Y方向梯度方差的比較，兩種相同風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，兩種相同風格的綜合方差D誤差為7.8%和3.3%，即相同風格之間用該算法進行評價精度相對較高。同時不同風格之間面料圖像進行比較，D的差異性高達14.1%，說明該算法能在一定程度上很好地區分開不同風格之間面料的差異?？傊?，該文提供的算法能很好地對不同風格之間面料圖像進行區分，相同風格評價值D維持在一定范圍之內，證明本文算法對不同風格服裝面料圖像的分析識別具有一定可行性。

4 ?結語

該文提出了一種基于面料圖像梯度的服裝風格相似性匹配算法，并用MATLAB工具加以實現。該算法在通過對不同服裝風格的面料圖像進行分析，獲得面料灰度圖像的梯度分布變化情況。然后為了對風格相似度進行計算，通過對圖像梯度進行模糊化處理，即設置閥值對圖像梯度進行過濾處理，得到屬于不同風格類型主要特征的圖像梯度。接著按X方向和Y方向進行分區對主要特征情況進行統計，獲得每個區塊的梯度波動空間頻率。最后計算出整個圖像空間頻率在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重得到圖像風格的整體評價指標。該算法針對面料圖像對服裝風格進行分析，能較好地計算出不同風格圖像相似度評價值。通過對波西米亞風和田園鄉村風格服裝面料進行實驗分析，證明該算法對服裝風格圖像相似度計算具有較好的精度，對不同風格服裝面料圖像的分析識別具有一定可行性。

參考文獻

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

[2] 段坤，李繼云.決策場理論在服裝風格評價上的應用[J].東華大學學報：自然科學版，2010，36（2）：175-178.

[3] 張堂輝，田捷，何余良，等.基于相似度直方圖的混合指紋匹配方法[J].計算機學報，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].大理大學學報，2017，2（12）：32-37.

[5] 林陶，黃國榮，郝順義，等.尺度不變特征轉換算法在圖像特征提取中的應用[J].計算機應用，2016，36（6）：1688-1691，1698.

[6] 楊彪，林國余，張為公.結合Lab模型與EHOG特征的攝像機離散視域人物外表匹配[J].東南大學學報：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圖像質量評價模型的方法研究[D].國防科學技術大學，2003.

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