一种成衣材质缺陷模拟生成方法、计算机可读介质及系统技术方案

本发明专利技术涉及一种成衣材质缺陷模拟生成方法，用于在成衣图片中模拟生成缺陷，该方法包括以下步骤：步骤S1：获取成衣图片；步骤S2：利用大津法大津算法得到成衣材质的掩模图；步骤S3：在掩模图中采集一点，以获取该点的HSV值，并以该点为中心生成一高斯分布区域分布；及步骤S4：对HSV值进行处理，以使高斯分布模拟生成缺陷对生成的高斯分布区域进行处理并模拟生成缺陷。以便于建立成衣缺陷样本，进而通过后期的深度学习模型学习本发明专利技术模拟生成的缺陷，以提高深度学习模型的学习精度，从而提高生产效率。本发明专利技术还提供一种计算机可读介质。本发明专利技术还提供一种计算机模拟系统。

【技术实现步骤摘要】
一种成衣材质缺陷模拟生成方法、计算机可读介质及系统
本专利技术涉及计算机视觉领域，尤其涉及一种成衣材质缺陷模拟生成方法、计算机可读介质及系统。
技术介绍
现今的服装工业里，成衣的质检是生产的最后一环，也是确保生产品质的重要的环节之一，这也是工业4.0自动化所要推进的主要项目。现今利用深度学习或是机器学习来训练缺陷检测模型已经是显学了，但在对于成衣质检上仍有相当大的难度，原因是因为在成衣制造工业中，良品和缺陷品的比例悬殊，成衣缺陷的样本数据集难以取得，且还需要请工人在质检的过程中将缺陷样本採图，增加工人的工作。若是能通过模拟产生缺陷样本数据，即可大量生成缺陷样本，进而提升深度学习模型的精度，提高生产的效率。
技术实现思路
为克服现有技术存在的问题，本专利技术提供一种成衣材质缺陷模拟生成方法、计算机可读介质及系统。本专利技术解决技术问题的方案是提供一种成衣材质缺陷模拟生成方法，用于在成衣图片中模拟生成缺陷，该方法包括以下步骤：步骤S1：获取成衣图片；步骤S2：利用大津算法得到成衣材质的掩模图；步骤S3：在掩模图中采集一点，以获取该点的HSV(Hue,Saturation,Value，即色调，饱和度，明度)值，并以该点为中心生成一高斯分布区域分布；及步骤S4：对HSV值进行处理，以使高斯分布模拟生成缺陷对生成的高斯分布区域进行处理并模拟生成缺陷。优选地，步骤S1获取成衣图片之后，将图片进行高斯滤波降噪处理。优选地，步骤S3在掩模图中采集一点，并生成一高斯分布中进一步包括以下步骤：步骤S31：在掩模图中的设定区域采集一点的RGB(Red，Green，Blue，即红色，绿色，蓝色)像素值；步骤S32：将该点的RGB像素值转换为HSV值；步骤S33：以该点为中心生成一高斯分布。优选地，步骤S4对生成的高斯分布进行处理并生成缺陷中进一步包括以下步骤：步骤S41：降低该点的HSV值，以获得HSV值降低值；步骤S42：利用步骤S32得到该点HSV值与HSV值降低值之间的差值，以得到处理后的HSV值；步骤S43：将处理后的HSV值转换回RGB像素值，即可将该区域模拟生成缺陷。优选地，步骤S41降低该点的HSV值为降低该点的S值、V值中的任一者或组合。优选地，采用二维高斯函数生成高斯分布，公式为：式中u为采集该点的横坐标，v为采集该点的纵坐标，σ为调变参数。优选地，步骤S31在掩模图中的设定区域采集一点的RGB像素值中，设定区域为成衣材质的部分。优选地，步骤S32将该点的RGB像素值转换为HSV值的方法为采用色相转换公式转换。本专利技术还提供一种计算机可读介质，所述计算机可读介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述的成衣材质缺陷模拟生成方法。本专利技术还提供一种计算机模拟系统，所述计算机模拟系统包括读取模块，被配置为获取成衣图片；算法模块，被配置为利用大津算法得到成衣材质的掩模图；采集模块，被配置为在掩模图中采集一点，以获取该点的HSV值，并以该点为中心生成一高斯分布区域分布；模拟模块，被配置为对HSV值进行处理，以使高斯分布模拟生成缺陷对生成的高斯分布区域进行处理并模拟生成缺陷。与现有技术相比，本专利技术的成衣材质缺陷模拟生成方法具有以下优点：1.通过大津算法得到成衣材质的掩膜图，且不同材质的成衣得到的成衣材质的掩模图不同，进而根据不同材质的成衣对应的掩膜图中采集一点，并生成高斯分布，最后对的高斯分布进行处理，以在不通的成衣材质中模拟生成缺陷，进而建立成衣材质缺陷样本，以使后期的深度学习模型学习本专利技术模拟生成的缺陷作为训练样本，以提高深度学习模型的学习精度，从而提高生产效率。2.通过高斯滤波对获取的成衣图片进行降噪处理，以消除成衣图片中的噪点干扰，使大津算法更准确的区分出成衣图片中的成衣部分和背景部分，即更准确地得到成衣材质的掩模图，进而使缺陷准确的模拟并生成在成衣部分。3.在掩模图中的成衣部分采集一点之后，通过色相转换公式将该点的RGB像素值转换为HSV值，以便于通过该点生成圆形的高斯分布，进而通过对调整HSV值，以在成衣部分的高斯分布区域中模拟生成的缺陷更加明显。4.将成衣材质缺陷模拟生成方法存储于计算机程序中，以便于计算机可读介质运行该计算机程序，以实现在不通的成衣材质中模拟生成缺陷。5.在计算机模拟系统中设置读取模块、算法模块、采集模块及模拟模块，以使计算机模拟系统实现在不通的成衣材质中模拟生成缺陷。【附图说明】图1是本专利技术第一实施例成衣材质缺陷模拟生成方法的流程示意图。图2是本专利技术第一实施例成衣材质缺陷模拟生成方法中步骤S3的流程示意图。图3是本专利技术第一实施例成衣材质缺陷模拟生成方法中步骤S4的流程示意图。图4A是本专利技术第一实施例成衣材质缺陷模拟生成方法步骤S3得到的S值分布图。图4B是本专利技术第一实施例成衣材质缺陷模拟生成方法步骤S41得到的S值分布图。图4C是本专利技术第一实施例成衣材质缺陷模拟生成方法步骤S42得到的S值分布图。图5是本专利技术第三实施例成衣材质缺陷模拟生成系统的模块示意图。附图标记说明：1、计算机模拟系统；11、读取模块；12、算法模块；13、采集模块；14、模拟模块。【具体实施方式】为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，本专利技术第一实施例提供一种成衣材质缺陷模拟生成方法，该方法包括以下步骤，步骤S1：获取成衣图片；步骤S2：利用大津算法得到成衣材质的掩模图；步骤S3：在掩模图中采集一点，以获取该点的HSV值，并以该点为中心生成一高斯分布区域分布；及步骤S4：对HSV值进行处理，以使高斯分布模拟生成缺陷对生成的高斯分布区域进行处理并模拟生成缺陷。首先，将成衣拍摄成图片并获取拍摄的成衣图片；然后，利用大津算法得到成衣材质的掩模图；进而，在掩模图中采集一点，以获取该点的HSV值，并生成一高斯分布，即以采集的点为中心，生成一正态分布；最后对HSV值进行处理，以使高斯分布模拟生成缺陷对生成的高斯分布区域进行处理并模拟生成缺陷。可以理解，大津算法即为Otsu二值化算法,即将图片中的成衣部分和背景部分(成衣以外的部分)用不同的颜色区分开，如成衣部分用黑色表示，背景部分用白色表示，进而得到成衣材质的掩模图，掩模图即为mask图。HSV值即为Hue，Saturation，Value(色调，饱和度，明度)。利用本专利技术所提供的成衣材质缺陷模拟生成方法生成的缺陷，可以模拟生成成衣材质中的破洞，不同材质或颜色的成衣得到的成衣材质的掩模图不同，进而在成衣材质上模拟生成的缺陷不同；高斯分布的形状可以为圆形、方形及不规则图形，本实施例以高斯分布为圆形加以说明。进一步地，步骤S1获取成衣图片之后，将图片进行高斯滤波降噪处理，以消除图片中的噪点干扰，使大津算法获得的掩模图效果更好。请参阅图2，步骤S3在掩模图中采集一点，并生成一高斯分布中进一步包括以下步骤：步骤S31：在掩模图中的设定区域采集一点的RGB像素值；步骤S32：将该点的RGB像素值转换为HSV值；步骤S33：以该点为中心生成一高斯分布。首先，在掩模图中的设定区域的任意位置采集一点，并获取该点的RGB像素本文档来自技高网...

【技术保护点】
1.一种成衣材质缺陷模拟生成方法，用于在成衣图片中模拟生成缺陷，其特征在于：该方法包括以下步骤：步骤S1：获取成衣图片；步骤S2：利用大津算法得到成衣材质的掩模图；步骤S3：在掩模图中采集一点，以获取该点的HSV值，并以该点为中心生成一高斯分布；及步骤S4：对HSV值进行处理，以使高斯分布模拟生成缺陷。

【技术特征摘要】
1.一种成衣材质缺陷模拟生成方法，用于在成衣图片中模拟生成缺陷，其特征在于：该方法包括以下步骤：步骤S1：获取成衣图片；步骤S2：利用大津算法得到成衣材质的掩模图；步骤S3：在掩模图中采集一点，以获取该点的HSV值，并以该点为中心生成一高斯分布；及步骤S4：对HSV值进行处理，以使高斯分布模拟生成缺陷。2.如权利要求1所述的成衣材质缺陷模拟生成方法，其特征在于：步骤S1获取成衣图片之后，将图片进行高斯滤波降噪处理。3.如权利要求1所述的成衣材质缺陷模拟生成方法，其特征在于：步骤S3在掩模图中采集一点，并生成一高斯分布中进一步包括以下步骤：步骤S31：在掩模图中的设定区域采集一点的RGB像素值；步骤S32：将该点的RGB像素值转换为HSV值；步骤S33：以该点为中心生成一高斯分布。4.如权利要求3所述的成衣材质缺陷模拟生成方法，其特征在于：步骤S4对生成的高斯分布进行处理并生成缺陷中进一步包括以下步骤：步骤S41：降低该点的HSV值，以获得HSV值降低值；步骤S42：利用步骤S32得到该点HSV值与HSV值降低值之间的差值，以得到处理后的HSV值；步骤S43：将处理后的HSV值转换回RGB像素值，即可将该区域模拟生成缺陷。5.如权利要求4所述的...

【专利技术属性】
技术研发人员：张发恩，郭勅君，艾国，
申请(专利权)人：创新奇智青岛科技有限公司，
类型：发明
国别省市：山东,37