GENERATING THE PREDICTED IMAGE OF DENIMS USING PRODUCTION PARAMETERS AND IMAGE PROCESSING TECHNIQUES
Abstract
In this study, an image model has been developed aiming to predict and generate the appearance of denim fabric based on its production parameters without actual production. The prediction model has been created by considering the parameters that affect the final appearance of denim fabric in its production. After examining over 100 fabrics, the selected production parameters include warp yarn count, weft yarn count, weave type, weave direction, and raw weft density. The proposed model utilizes these parameters to generate realistic images of denim fabric, providing manufacturers and designers with the opportunity to visualize the predicted appearance of fabrics with specific visual characteristics before production.To better understand the relationship between production parameters and the final appearance of denim fabric, examinations have been conducted on both microscopic and regular images of the products. As a result of these examinations, it has been observed that the length of each visible weft yarn in the microscopic images representing the fabric's inner surface is equal to the weave type number of the adjacent warp yarn. Based on this information, pixel values have been determined for fabric images to create the woven texture of the fabric. However, an algorithm developed solely based on this information would overlook the entropy present in the actual weaving process. Therefore, mathematical studies have also been conducted to obtain natural images in order to enhance realism.
Examinations have been performed on regular fabric images obtained from a scanner using the Python OpenCV library. Image cleaning and conversion to black and white have been applied, and the dark and light pixels in the fabrics have been detected and counted. Through these analyses, it has been determined how much the weft yarns are influenced by the color of the warp yarns during weaving. In artificial images, the light-colored pixels belonging to weft yarns have been darkened to create a realistic denim appearance.To prevent user errors, an interface has been created using Python libraries. This interface prevents erroneous data entry and allows the algorithm to run in the background and generate the predicted fabric image after the user completes the data entry. Tests have been conducted on known fabric types to evaluate the model, and successful results have been obtained by comparing the original images with the artificial images generated by the algorithm. In this study, the fabric images predicted using a mathematical model were compared with the originals in terms of average pixel value, number of dark pixels and number of light pixels, and it was found that there was a similarity of over 90%..
Project Number
5200006
References
- 1. Paul, R., "Denim: manufacture, finishing and applications", Pages 1-3., Elsevier, 2015
- 2. Raina, M. A., Gloy, Y. S., & Gries, T., "Weaving technologies for manufacturing denim", Pages 159-187., Woodhead Publishing, 2015..
- 3. Kadi, N., & Karnoub, A., "The effect of warp and weft variables on fabric’s shrinkage ratio", J Text Sci Eng, Vol. 5, Issue 1000191, 2015.
- 4. Chavan, R. B., "Indigo dye and reduction techniques", Pages 37-67., Woodhead Publishing, 2015.
- 5. Kurban, N. S., & Babaarslan, O., "Süper streç denim kumaşların özelliklerine dair literatür incelemesi", Tekstil ve Mühendis, Cilt 26, Sayı 113, Sayfa 104-115, 2019
- 6. Paul, R., "Denim and jeans: an overview", Pages 1-11, Elsevier, 2015.
- 7. Raina, M. A., Gloy, Y. S., & Gries, T., "Weaving technologies for manufacturing denim" Pages 159-187., Woodhead Publishing, 2015
- 8. Meng, S., Pan, R., Gao, W., Zhou, J., Wang, J., & He, W., "A multi-task and multi-scale convolutional neural network for automatic recognition of woven fabric pattern", Journal of Intelligent Manufacturing, Vol. 32, Issue 4, Pages 1147-1161, 2021.
- 9. Petrou, M. M., & Petrou, C., "Image processing: the fundamentals", John Wiley & Sons, 2010.
- 10. Baggio, D. L., "Mastering OpenCV with practical computer vision projects", Packt Publishing Ltd, 2012.
- 11. Sharath, D. M., Rohan, M. G., Kumar, S. A., & Prathap, C., "Disease Detection in Pomegranate using Image Processing", Pages 994-999., IEEE, 2020. 12. Beyeler, M., "OpenCV with Python blueprints", Packt Publishing Ltd, 2015.
- 13. Zhao, B., Meng, L., Yin, W., & Sigal, L., "Image generation from layout", 8584-8593., 2019.
- 14. Yildiz, K., Şenyürek, V. Y., Yildiz, Z., & Özen, M. S., "A new approach to the determination of warp-weft densities in textile fabrics by using an image processing technique", Journal of Engineered Fibers and Fabrics, Vol. 9, Issue 1, Pages 155892501400900101, 2014.
- 15. Babaarslan, O., Sarioğlu, E., Çelik, H. İ., & Avci, M. A., "Denim fabrics woven with dual core-spun
DENİM KUMAŞLARIN GÖRÜNTÜ TAHMİNLEMESİNDE ÜRETİM PARAMETRELERİ VE GÖRÜNTÜ İŞLEME TEKNİKLERİNİN KULLANILMASI
Abstract
Bu çalışmada, denim kumaşın üretim parametrelerine göre görüntüsünü üretim gerçekleştirilmeden tahmin ederek oluşturmayı amaçlayan bir görüntü model geliştirilmiştir. Tahmin modeli, denim kumaşların üretiminde nihai görünümü etkileyen parametrelerin dikkate alınmasıyla oluşturulmuştur. 100’den fazla kumaşın incelenmesi sonrası seçilen üretim parametreleri, çözgü ipi numarası, atkı ipi numarası, örgü tipi, örgü yönü ve ham atkı sıklığıdır. Önerilen model, bu parametreleri kullanarak gerçekçi denim kumaş görüntüleri oluşturarak üreticilere ve tasarımcılara, spesifik görsel karakterlere sahip kumaşların üretim öncesi tahmini görüntüsünü görme imkânı sağlamaktadır. Üretim parametreleri ve denim kumaşların nihai görüntüsü arasındaki ilişkinin daha iyi anlaşılabilmesi için, ürünlerin mikroskobik ve normal görüntüleri üzerinde incelemeler yapılmıştır. Bu incelemeler sonucunda, kumaşın iç yüzeyini gösteren mikroskobik görüntülerde her sıradaki görünen atkı ipliğinin uzunluğunun, yanında bulunan çözgü ipliğinin uzunluğunun örgü tipi numarası kadar olduğu gözlenmiştir. Bu bilgiler ışığında, kumaş görüntüsü için piksel değerleri belirlenerek kumaşın dokuma görüntüsü oluşturulmuştur. Ancak sadece bu bilgileri kullanarak geliştirilen algoritma, gerçek dokuma işleminde bulunan entropiyi göz ardı edeceğinden, gerçekçiliği artırmak amacıyla doğal görüntüler elde etmek için de matematiksel çalışmalar yapılmıştır. Python OpenCV kütüphanesi kullanılarak tarayıcıdan elde edilen normal kumaş görüntüleri üzerinde incelemeler yapılmıştır. Görüntü temizleme ve siyah-beyaz görüntü elde etme işlemleri uygulanmış ve bu siyah-beyaz görüntülerden kumaşlardaki koyu ve açık pikseller tespit edilerek saydırılmıştır. Bu analizler sayesinde atkı ipliklerinin dokuma esnasında çözgü ipliklerinin renginden ne kadar etkilendiği belirlenmiştir. Yapay görüntülerde atkı ipliklerine ait açık renkli pikseller koyulaştırılarak gerçekçi bir denim görüntüsü oluşturulmuştur. Son kullanıcı hatalarının önüne geçilebilmesi için Python kütüphaneleri kullanılarak bir arayüz oluşturulmuştur. Bu arayüz, hatalı veri girişinin önüne geçerek kullanıcının veri girişini tamamladıktan sonra algoritmanın arka planda çalışıp tahmini kumaş görüntüsünü oluşturmasını sağlar. Modelin denenmesi amacıyla bilinen kumaş türleri üzerinde testler yapılmış ve orijinal görüntü ile algoritma tarafından oluşturulan yapay görüntü karşılaştırılarak başarılı sonuçlar elde edilmiştir. Yapılan çalışmada, matematiksel bir model kullanılarak tahmin edilen kumaş görselleri orijinalleri ile ortalama piksel değeri, koyu renkli piksel sayıları ve açık renkli piksel sayıları bakımından kıyaslanmış ve %90’ın üzerinde bir benzerlik olduğu tespit edilmiştir.
Keywords
Supporting Institution
TÜBİTAK
Project Number
5200006
Thanks
Bu çalışma, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu tarafından, Orta Anadolu Ticaret ve Sanayi İşletmesi T.A.Ş. ve Erciyes Üniversitesi iş birliğiyle TÜBİTAK:TEYDEB-1505, 5200006 kodlu proje kapsamında desteklenmiştir.
References
- 1. Paul, R., "Denim: manufacture, finishing and applications", Pages 1-3., Elsevier, 2015
- 2. Raina, M. A., Gloy, Y. S., & Gries, T., "Weaving technologies for manufacturing denim", Pages 159-187., Woodhead Publishing, 2015..
- 3. Kadi, N., & Karnoub, A., "The effect of warp and weft variables on fabric’s shrinkage ratio", J Text Sci Eng, Vol. 5, Issue 1000191, 2015.
- 4. Chavan, R. B., "Indigo dye and reduction techniques", Pages 37-67., Woodhead Publishing, 2015.
- 5. Kurban, N. S., & Babaarslan, O., "Süper streç denim kumaşların özelliklerine dair literatür incelemesi", Tekstil ve Mühendis, Cilt 26, Sayı 113, Sayfa 104-115, 2019
- 6. Paul, R., "Denim and jeans: an overview", Pages 1-11, Elsevier, 2015.
- 7. Raina, M. A., Gloy, Y. S., & Gries, T., "Weaving technologies for manufacturing denim" Pages 159-187., Woodhead Publishing, 2015
- 8. Meng, S., Pan, R., Gao, W., Zhou, J., Wang, J., & He, W., "A multi-task and multi-scale convolutional neural network for automatic recognition of woven fabric pattern", Journal of Intelligent Manufacturing, Vol. 32, Issue 4, Pages 1147-1161, 2021.
- 9. Petrou, M. M., & Petrou, C., "Image processing: the fundamentals", John Wiley & Sons, 2010.
- 10. Baggio, D. L., "Mastering OpenCV with practical computer vision projects", Packt Publishing Ltd, 2012.
- 11. Sharath, D. M., Rohan, M. G., Kumar, S. A., & Prathap, C., "Disease Detection in Pomegranate using Image Processing", Pages 994-999., IEEE, 2020. 12. Beyeler, M., "OpenCV with Python blueprints", Packt Publishing Ltd, 2015.
- 13. Zhao, B., Meng, L., Yin, W., & Sigal, L., "Image generation from layout", 8584-8593., 2019.
- 14. Yildiz, K., Şenyürek, V. Y., Yildiz, Z., & Özen, M. S., "A new approach to the determination of warp-weft densities in textile fabrics by using an image processing technique", Journal of Engineered Fibers and Fabrics, Vol. 9, Issue 1, Pages 155892501400900101, 2014.
- 15. Babaarslan, O., Sarioğlu, E., Çelik, H. İ., & Avci, M. A., "Denim fabrics woven with dual core-spun
Details
| Primary Language | Turkish |
|---|---|
| Subjects | Software Engineering (Other) |
| Journal Section | Research Article |
| Authors | |
| Project Number | 5200006 |
| Early Pub Date | April 26, 2024 |
| Publication Date | April 30, 2024 |
| Submission Date | August 4, 2023 |
| Published in Issue | Year 2024 Volume: 8 Issue: 1 |
Cite
International Journal of 3D Printing Technologies and Digital Industry is lisenced under Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı