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。
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
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，所述的四个节点中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；
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；使用轮廓跟踪算法提取图像中的纹样元素，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，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，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；
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模型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，通过用户选择的模型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分别为活动点P1、P2的活动半径，d1、d2分别为活动点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≤5；-45°≤d1≤45°；-5≤r2≤5；-45°≤d2≤45°；0≤t≤3。
4.根据权利要求3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：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；
在上述基础上，使用轮廓跟踪算法提取图像中每个纹样元素，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，记取重合度最大的角度θ；
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。
一种蓝印花布纹样设计方法
技术领域
[0001] 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
[0002] 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
[0003] 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。
[0004] 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。
[0005] 本发明的主要技术内容包括：
[0006] (1)纹样元素建模
[0007] 利用经过四个节点的封闭的张力样条曲线来建立纹样元素模型。四个节点中包括两个活动点和两个固定点。固定点位于坐标轴上，活动点则可在一定范围内偏离坐标轴。固定点体现模型的保形性，活动点则体现模型形状的多样性。通过模型参数控制来表现传统蓝印花布的各种纹样元素。
[0008] (2)模型匹配
[0009] 在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(由一组模型参数值确定的模型形状)。对选取的模型实例进行仿射变换(平移、缩放、旋转)，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。
[0010] (3)纹样重构
[0011] 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；将纹样骨架视作单个纹样元素，使用元素模型匹配纹样骨架，再通过用户选择的映射函数进行骨架再建，在新的骨架上重新采点并根据用户需要配置纹样元素，得到变化骨骼的纹样设计。
[0012] 本发明可充分挖掘和改造现有蓝印花布纹样，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
[0013] 下面结合附图和实施例对本发明作进一步说明。
[0014] 图1是纹样元素模型示意图；
[0015] 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)；
[0016] 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)；
[0017] 图3是模型匹配过程示意图；
[0018] 图4是不变骨架纹样重构的一个实施例；
[0019] 图5是变化骨架纹样重构的一个实施例。
具体实施方式
[0020] 下面结合说明书附图对本发明做进一步说明。
[0021] 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，其具体位置由活动半径(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≤5；-45°≤d1≤45°；-5≤r2≤5；-45°≤d2≤45°；0≤t≤3。
[0022] 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。
[0023] 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。
[0024] 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。
[0025] 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。
