Simulation of the Colour Appearance of Weft-Knitted Fabric by Extracting and Mapping Colour Textures of Coloured Spun Yarn

• Autorzy: Cui Peng , Xue Yuan

Identyfikatory

DOI

10.5604/01.3001.0014.3795

Warianty tytułu

PL

Symulacja wyglądu koloru dzianiny rządkowej przez ekstrakcję i odwzorowanie tekstur kolorów przędzy kolorowej

• Języki publikacji: EN

Abstrakty

EN

In the present work, we propose a framework of simulating the colour appearance for weft-knitted fabric. A self-developed image capturing apparatus was used to record an image of coloured spun yarn. Pierce’s loop model was used for the colour mapping of weft-knitted fabrics. According to the algebraic-geometric relation of Pierce’s loop model, the colour information of the coloured spun yarn is mapped onto the loop. We found there exist „black spots” on the simulated needle loop and sinker loop due to the mismatch between the pixels of the yarn and the arc of the loop, which can be resolved by the interpolation fitting procedure. Moreover, changing the loop length offers a way to control the pattern of weft-knitted fabric. Finally, the brightness values at different positions of the loop were calculated in HSV color space to generate virtually realistic textures of the simulated weft-knitted fabric.

PL

W pracy zaproponowano metodę symulacji wyglądu kolorystycznego dzianiny rządkowej. Do zarejestrowania obrazu kolorowej przędzy wykorzystano samodzielnie opracowane urządzenie do przechwytywania obrazu. Do odwzorowania kolorów dzianiny został użyty model pętli Pierce’a. Zgodnie z algebraiczno-geometryczną relacją modelu pętli Pierce’a, informacja o kolorze kolorowej przędzy jest odwzorowywana na pętli. Okazało się, że na symulowanej pętli igłowej i pętli ciężarka istnieją „czarne plamy” spowodowane niedopasowaniem między pikselami przędzy a łukiem pętli, które można rozwiązać za pomocą procedury dopasowania interpolacyjnego. Co więcej, zmiana długości pętelki pozwala kontrolować wzór dzianiny wątkowej. Na koniec obliczono wartości jasności w różnych pozycjach pętli w przestrzeni kolorów HSV, aby wygenerować praktycznie realistyczne tekstury symulowanej dzianiny wątkowej.

Słowa kluczowe

EN

weft-knitted fabric; Pierce's loop model; colour mapping; coloured spun yarn

PL

dzianina rządkowa; model pętli Pierce'a; odwzorowanie kolorów; przędza kolorowa

• Wydawca: Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny
• Czasopismo: Fibres & Textiles in Eastern Europe
• Rocznik: 2020
• Tom: Vol. 28, no. 6 (144)
• Strony: 29--34
• Opis fizyczny: Bibliogr. 30 poz., rys.

Twórcy

autor

Cui Peng

• Jiangnan University, Key Laboratory of Eco-Textiles, Wuxi, 214021, Jiangsu, P.R. China
• Yuyue Home Textile Co Ltd, Binzhou, Shandong, P.R. China

autor

Xue Yuan

• Jiangnan University, Key Laboratory of Eco-Textiles, Wuxi, 214021, Jiangsu, P.R. China

Bibliografia

• 1. Samanta AK, Konar A. Dyeing of textiles with natural dyes. Natural dyes. 2011; 3:30-56.
• 2. Weiser J, Raulfs FW, Siemensmeyer K. Digital Textile Printing, NIP & Digital Fabrication Conference. Society for Imaging Science and Technology 2000; 529-532.
• 3. Cho S, Cho G, Kim C. Fabric Sound Depends on Fiber and Stitch Types in Weft Knitted Fabrics. Textile Research Journal 2009; 79(8):761-767.
• 4. Kliman HL, Pike RH. Method of Simulating by Computer the Appearance Properties of a Fabric, Google Patents, 1991.
• 5. Yang RH, Han RY, Lu YZ, Xue Y, Gao WD. Color Matching of Fiber Blends: Stearns-Noechel Model of Digital Rotor Spun Yarn. Color Research & Application 2018; 43(3):415-422.
• 6. Yang R, Xu Y, Xie C, Wang H. Kubelka-Munk Double Constant Theory of Digital Rotor Spun Color Blended Yarn. Dyes and Pigments 2019; 165: 151-156.
• 7. Bézivin J, Barbero M, Jouault F. On the Applicability Scope of Model Driven Engineering, Fourth International Workshop on Model-Based Methodologies for Pervasive and Embedded Software (MOMPES’07). IEEE 2007; p. 3-7.
• 8. Schröder K, Zinke A, Klein R. Image-Based Reverse Engineering and Visual Prototyping of Woven Cloth. IEEE Transactions on Visualization and Computer Graphics 2014; 21(2): 188-200.
• 9. Guarnera GC, Hall P, Chesnais A, Glencross M. Woven Fabric Model Creation From a Single Image. ACM Transactions on Graphics (TOG) 2017; 36(5): 165.
• 10. Matusik W. A Data-Driven Reflectance Model, Massachusetts Institute of Technology, 2003.
• 11. Dupuy J, Jakob W. An Adaptive Parameterization for Efficient Material Acquisition and Rendering, SIGGRAPH Asia 2018 Technical Papers, ACM, 2018; p. 274.
• 12. Dana KJ, Van Ginneken B, Nayar SK, Koenderink JJ. Reflectance and Texture of Real-World Surfaces. ACM Transactions on Graphics (TOG). 1999; 18(1): 1-34.
• 13. Zhao S, Jakob W, Marschner S, Bala K. Building Volumetric Appearance Models of Fabric Using Micro CT Imaging. ACM Transactions on Graphics (TOG). ACM, 2011; p. 44.
• 14. Khungurn P, Schroeder D, Zhao S, Bala K, Marschner S. Matching Real Fabrics with Micro-Appearance Models. ACM Trans. Graph. 2015; 35(1):1-1:26.
• 15. Jarabo A, Wu H, Dorsey J, Rushmeier H, Gutierrez D. Effects of Approximate Filtering on the Appearance of Bidirectional Texture Functions. IEEE Transactions on Visualization and Computer Graphics 2014; 20(6): 880-892.
• 16. Castillo C, López-Moreno J, Aliaga C. Recent Advances in Fabric Appearance Reproduction. Computers & Graphics 2019; 84:103-121.
• 17. Stump D, Fraser W. A Simplified Model of Fabric Drape Based on Ring Theory. Textile Research Journal 1996; 66(8): 506-514.
• 18. Szablewski P. Estimating Engineering Constants of Woven Textile Composite Using Geometric Model. The Journal of the Textile Institute 2014; 105(12): 1251-1258.
• 19. Jain AK. Data Clustering: 50 Years Beyond K-Means. Pattern Recognition Letters. 2010; 31(8): 651-666.
• 20. Huang LK, Wang MJJ. Image Thresholding by Minimizing the Measures of Fuzziness. Pattern Recognition 1995; 28(1): 41-51.
• 21. Dolatabadi MK, Kovař R. Geometry of Plain Weave Fabric Under Shear Deformation. Part II: 3D Model of Plain Weave Fabric before Deformation. The Journal of the Textile Institute 2009; 100(5): 381-386.
• 22. Tarfaoui M, Akesbi S. Numerical Study of the Mechanical Behaviour of Textile Structures. International Journal of Clothing Science and Technology 2001; 13(3/4): 166-175.
• 23. Zhang Z, Li BY, Liu XQ, Wang FM, Wu ZJ. Research on Texture Mapping in Weft-Knitted Fabric Simulation. Journal of Donghua University(Natural Science) 2011; 37(6): 745-749.
• 24. Pościk A, Szkudlarek J, Owczarek G. Photometric Properties of Retroreflective Materials in Dependence on their Structure and Angle of Illumination. FIBRES & TEXTILES in Eastern Europe 2019; 27, 3(135): 58-64. DOI: 10.5604/01.3001.0013.0743.
• 25. Zhongxiang H, Lei Z, Jiaxu T, Xuehong M, Xiaojun S. Evaluation of Three-Dimensional Surface Roughness Parameters Based on Digital Image Processing. The International Journal of Advanced Manufacturing Technology2009;40(3-4): 342-348.
• 26. Tang J, Miao R, Zhang Z, He D, Liu L. Decision Support of Farmland Intelligent Image Processing Based on Multi-Inference Trees. Computers and Electronics in Agriculture 2015; 117: 49-56.
• 27. Chen T, Ma KK, Chen LH. Tri-State Median Filter for Image Denoising. IEEE Transactions on Image Processing 1999; 8(12): 1834-1838.
• 28. Qian ZY, Hua GW, Cheng CZ, Tian TJ, Yun LL. Medical Images Edge Detection Based on Mathematical Morphology. 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference. IEEE 2006; p. 6492-6495.
• 29. Chen T, Wu Q, Rahmani-Torkaman R, Hughes J. A Pseudo Top-Hat Mathematical Morphological Approach to Edge Detection in Dark Regions. Pattern Recognition 2002; 35(1): 199-210.
• 30. Lu ZW, Jiang GM. Rapid Simulation and Computer Implementation of Flat Knitting Loops Based on Yarn Texture. Journal of Textile Research 2016; 37(2): 119-124.