0　引言

服装设计［1］是一项极有创意的工作，专业服装设计师有时也需要几个小时才能制作一件真实或者虚拟的服装.如果能够利用现有服装原型作为基础，通过组合或修改现有的设计来创造新的服装，可以大大减少设计的工作量，比如改变下摆或袖子长度，或者改变服装的松紧度，或者增加一些新的服装组件或者元素.传统的做法需要设计师们修改服装裁片，然后再缝合起来得到完整的服装，检查服装的形状比例以及是否合身.这些工作可以利用一些商业软件（如Lectra，Gerber等）来完成，但是要想以达到预期的服装设计效果，往往需要对服装裁片进行细致的修改，并且需要大量的时间和专业知识.因此直接进行三维服装设计成为研究的热门，文献［1-3］将款式平面图看作是服装款式的正投影，即三维服装三视图中的正视图，以三维人体模型作为基础，在人台造型点上增加一定的空隙量获得服装的造型点以达到显示三维款式效果的基本要求，Liu等［4］在其综述中对这些方法作了详细的综述.

为提高三维服装设计的方便性，研究人员提出了基于草图的三维服装设计方法，Robson等［5-6］提出了一系列基于草图的三维虚拟服装设计方法，让用户可以根据人体模型的轮廓生成服装，并实现了2D裁片和3D服装之间的可以双向交互编辑.然而大多数基于草图的方法仍然依赖于人体模特的姿势，一些特殊部位接合处和衣服的褶皱通常是很难绘制出来.针对三维服装的编辑，Umetani等［7］引入了一种风格不变的服装立体放码方式，可以处理例如服装款式混合，合身和长度调整等服装编辑操作，同时可以将服装进行自动放码以适应不同体型和比例的人，同时保留最初的服装设计结果.Li等［8］提出了采用了拉链或Coons曲面来连接部件，当连接边界有不同的长度并对其进行偏移时，这些方法会产生可见的缺陷.刘骊等［9-10］提出了一种数据驱动的三维服装建模方法，可以处理不同边界长度的缝合问题.Zhou等［11-15］提出采用计算机视觉的技术，利用普通的服装图像或者深度图像进行三维服装建模和设计方法，并提供相应的编辑修改技术.本文在前人方法框架的基础上，提出了基于草图和数据驱动的三维服装设计方法，利用服装图像提供的轮廓草图，实现服装设计，同时可以直接在三维服装曲面的基础上，进行一些草图编辑操作，然后生成新的三维服装和对应的裁片，大大加速服装设计过程并减少工作量.

1　三维服装设计方法框架

三维服装设计方法的总体框架如图1所示：包括服装模板定义、服装轮廓提取、服装模板变形优化、服装编辑修改等步骤.在服装设计过程中，首先获得现有服装分辨率较高的服装图像，并采用轮廓提取算法进行图像预处理，得到服装的初始轮廓草图信息；然后将服装轮廓草图信息与服装模板进行匹配修改，并在服装数据信息的约束下变形优化，获得与现有服装基本相似的三维服装；最后利用草图编辑三维服装，生成一系列新的服装模型.

  

图1　三维服装设计方法框架Fig.1 The framework of 3D fashion design method

1.1　服装模板定义

1.1.1　服装模板描述

模板技术广泛应用于机械、建筑、生物、计算机等领域.通过对服装结构进行分析，抽象出其基本外形结构特征和主要尺寸参数，定义为服装模板.不同类型的服装，如衬衣、短裙、T恤、裤子等常见服装款式类型，从视觉的角度看，每类服装的基本外形特征都相差不多，除了一些个别的细节（如装饰件、缝合线、口袋位置等）.以T恤为例，基本参数包括肩宽、胸围、袖长和衣长.胸围是从腋下一圈的尺寸，袖长是从肩点量到袖口下端的尺寸，肩宽是两个肩与袖缝合点之间的尺寸，衣长是后颈中心到衣服下摆之间的尺寸，如图2所示.这些参数可以为服装模板变形提供约束，也可以为生成系列服装提出数据支持.

订书器，为我们提供了把许多页纸装订在一起加以保存的可能。一般订书器都需要用订书钉，而这款无针订书器就显得与众不同了。你只需轻轻一压，文件就被钉在一起了，纸上只留下一小排美丽的波浪形装订线。它的高科技之处在于独特的按压锁扣技术。人手在向下按时，其金属齿能瞬间产生200千克的力，把局部的纸张压成波浪形，如此一来，纸张就被牢牢地固定在一起了。更加巧妙的是，只要用订书器的底部把装订线磨平，就又能把订好的纸张分开了。

在获得服装图像的轮廓信息后，利用其形状轮廓特征信息驱动服装模板的特征曲线，在满足变形约束条件的前提下，使得服装曲面发生变形，基本过程如下：

  

图2　服装参数Fig.2　The parameter of cloth

  

图3　模板基本图形元素Fig.3 Basic graphic element of the template

  

图4　服装模板特征曲线和控制点Fig.4 The characteristic curve and control point of the garment template

1.1.2　服装模板约束

为了在草图编辑和服装模板变形时，服装曲面不发生畸变，服装各部件之间的拓扑关系相对稳定，服装模板必须设定一些约束条件.约束主要是让三维服装的特征线、服装特征尺寸、服装曲面、截面环等特征元素在变形时，必须满足某些关系或具备某种条件，不能随意改变.服装模板的约束可分为几何约束、尺寸约束及特征约束，其中几何约束包括对称、共面、共线、共点等，尺寸约束是指服装基本参数约束，特征约束包括服装形状特征之间的约束关系，如随动、碰撞等，如图5所示.约束的求解主要参考文献［4］，过程比较复杂，在此不作介绍.

  

图5　模板曲面变形约束Fig.5 Template surface deformation constraint

1.2　图像预处理

1.2.1　服装图形获取

服装图像质量的好坏对服装设计的影响较大，为了体现服装的立体感和穿着效果，在研究时将服装穿在人体模特上，并保持服装模特姿势和位置不变，获取背景图和着装图各一张.虽然光线、服装颜色等环境因素变化会对图像质量有轻微的影响，但因其变化很小，一般可以忽略.为消除不同拍摄环境下获到的图像尺寸差异，需要对图像进行规范化处理，得到统一的能准确反映服装尺寸的图像，为服装模板选择提供基准数据.如图6所示.

1.3 评价标准 正常月经期子宫内膜呈线状，厚度为0.1～0.4 cm左右；增生期为0.4～0.8 cm左右；分泌晚期呈连续均匀增厚，厚度约为0.6～1.2 cm，部分患者内膜厚度可>1.2 cm，一般<1.6 cm。

  

图6　服装图像处理Fig.6 Garment image processing

1.2.2　图形预处理

Step3在约束的控制下，服装模板的特征线经过多次迭代变形，慢慢逼近服装图像的轮廓曲线，直至基本重合；

术中血管损伤时有发生，Esses等［12］报道617例传统开放椎弓根螺钉置入手术，发生血管损伤1例（0.16%）。Watanabe等［13］亦报道1例椎弓根螺钉置入损伤胸主动脉。本研究术中出现1例（0.13%）腹主动脉损伤，分析其原因，可能是在螺钉位置不佳调整螺钉方向时，导丝与螺钉同时向前旋入导致导丝突破椎体前壁损伤前方腹主动脉。

Step1建立公共坐标系.图像和服装几何模板分别处于不同的坐标系中，需要一个统一的坐标系.

服装模板网格模型可抽象为M=（V，E，F），其中V表示顶点，E表示边，F为三角形面片.在对模型尺寸进行调整时，一般采用沿长、宽、高3个方向进行等比例或者不等比例缩放的方法.设Ts是模型缩放因子矩阵，

综上所述，IRS-2蛋白阳性表达与结直肠癌远处转移有关联，而关于IRS-2蛋白与结直肠癌预后的关系还需要进一步研究来证实。

Step3比例缩放.由于两者的参照系不一致，可能会导致尺寸相差悬殊，需要进行等比例缩放.因为图形缩放相对比较容易，按照服装模特的尺寸进行缩放，达到比例基本一致.

云计算在实施后，其会存在一定的信息安全隐患问题，举例来说，在构建PaaS平台之后，其各类应用都会被统一化的部署在其平台上，一旦平台产生了故障问题，数据信息就会出现篡改以及丢失等的问题，很容易让油田所有的业务停止。这会给油田的发展带来巨大的损失，需要制定好信息安全防御体系，找出其所存在的问题，就其问题编制出和其相对应的解决方案，同时还应当构建技术管理措施，做好基础的安全防治措施。

服装轮廓决定了服装的基本外形，对后续的服装几何模板变形和最终的建模效果影响较大，因此在获得服装图像后，准确快速地从中提取出轮廓线是关键的一步.采用改进的主动轮廓提取算法［11］，将服装轮廓信息从图像中提取出来，如图7所示.

  

图7　服装图像草图Fig.7 The silhouette of garment image

1.3　草图轮廓驱动变形

服装模板［2］由定义在模特身上的三角网格曲面构成，曲面的正面和侧面轮廓边界组成形状特征线，通过调整编辑特征线上的特征点，可以灵活控制曲面的边界形状.三角网格曲面M由一系列三维网格顶点P={Pi}、三角形T={Ti}和网格边E={Ei}表示，如图3（a）所示；特征线为空间参数曲线由三维形状控制点离散线段组成，如图3（b）所示.其中Dpi为曲线方程计算得到的点，在曲面的网格边上，本文采用曲线为Ferguson曲线.完整的服装三维几何模板如图4所示.

文献报道金芪降糖片成分检测大多数为液相色谱紫外或荧光法，且目前对金芪降糖片代谢产物测定的研究也较少，本实验首次使用灵敏度高的UPLC‐MS对金芪降糖片成分及其血中移行成分进行分析，综合研究结果将对金芪降糖片的深入研究及开发提供有力支撑。

Step2将服装图像的轮廓曲线和控制服装模板的特征线进行匹配定位，定位的基准为对称中心线，从而得到各个控制点的变形量；

为消除模型尺寸的影响，需要将图像和模型放在统一的坐标系下，便于进行平移、旋转、缩放等操作.具体方法步骤：

利用图像的服装形状特征信息驱动服装模板曲面变形，首先要解决的是服装形状轮廓与造型模板轮廓控制曲线的匹配融合问题，采用基于隐式马尔可夫模型HMM（Hidden Markov Model）的Viterbi算法来求解两条轮廓线S1和S2上顶点的最优对应关系，如图8所示.

  

图8　服装草图轮廓S1与服装造型模板轮廓S2Fig.8 Image contour S1 and template outline S2

1.4　模板曲面优化

Step2坐标变换.将原来处于不同的坐标系的图形和模型，进行平移、缩放、旋转等变换之后，统一到公共坐标系中.

Step1由服装图像信息获得服装的轮廓特征信息，即服装的轮廓曲线；

 

其中Sx、Sy、Sz分别是X、Y、Z方向的缩放因子.

其中分别表示某条边缩放前后的端点位置.ϵ为扰动项，用来避免缩放时某条边的位置没有发生变化，而导致分母为0的情况.

 

要求能保持模型的主要形状特征，特别要严格满足一些重要的形状细节特征要求.

在服装造型模板曲面变形时，为了使服装整体比例协调，不至于发生畸变，特别是一些细节部位结构，所以不能对服装造型模板曲面进行均匀缩放.Wang等［4］将每条边模拟为弹簧，变形时将每条边缩放产生的弹性能量进行最小二乘化，经过优化计算后得到新的模型，同时通过添加一些约束来确定模型的位置.服装造型模板缩放时可以采用如下目标函数：

 

其中，Escale表示边的缩放，Epos表示顶点位置约束，α、β分别表示边和顶点约束的权重.Escale的计算方式如下：

 

变形后的模型

形声字是汉字特有的文字现象，是其他表音文字所不具备的，占据着现代汉字的主体地位。根据康加深(1993)的统计，在7000个现代通用汉字中，属于形声字结构的字有5631个，约占通用字总数的80.5%[1]。就母语是汉语的人而言，日常中使用频率最高的汉字有1000个，其中形声字占58.3%，这说明形声字是现代汉字的主体，留学生可以通过理清形符、声符与汉字音义三者之间的关系，来提高认字的效率。

1.5　尺寸数据驱动变形

尺寸数据驱动是通过输入新的服装尺寸实现服装的变形.通过直接改变特征环的围度尺寸实现服装曲面变化，但只能对某些特殊位置如胸部，肩部等尺寸起作用，而且可变动的范围有限.因此主要针对服装曲面的围度尺寸、高度尺寸、衣袖尺寸.

第二天一大早，我继续去找其他传承人商谈此项工作，大约走了五里路，老吴打来电话，说我偷走了他的《黑暗传》手抄本，口气坚硬，不寒而栗，像要吃人似的。

衣身曲面是服装模板中的基础曲面，是利用特征截面构建而成，而特征截面的周长就是围度尺寸.以衣身曲面变形为例，介绍尺寸数据信息驱动网格变形的方法.

设特征截面离散后采样后的点集为，则特征截面周长的计算方法为：

取同一批样品的供试品溶液、对照溶液各6份进行HPLC测定，经计算杂质总量平均为0.08%，相对标准偏差（RSD）为2.9%，具有良好的重复性。

 

为了控制尺寸数据信息驱动衣身曲面变形时的误差大小，定义特征尺寸的误差计算方法为：

 

其中，M——衣身曲面变形的目标尺寸，M1——当前尺寸，E(i)——第i个特征尺寸的变形误差，Esize——衣身曲面变形的总误差，n——特征尺寸的数据.

利用事先设定变形误差目标阈值δ，控制迭代变形的收敛和结束.

 

针对衣身尺寸的变形，图9给出了围度尺寸变形过程，图10给出了变形实例.要实现通过曲面变形达到给定的尺寸，一般要进行反复多次变形，同时还要控制变形的步长和误差范围.如果是多个尺寸目标要求同时满足的话，则需要按照一定的控制策略进行协调优化才能在一定精度条件下实现.

  

图9　数据驱动服装形状变形过程Fig.9 The process of data driven garment shape deformation

  

图10　围度尺寸变形实例（单位：cm）Fig.10 Case of deformation of circumference size（unit：cm）

2　实验结果

实验条件为CPU为AMD*24400 GHz，内存2048 M，显卡为ATI Radeon X1300，开发平台为C++语言和VS 2005.进行三维服装设计时，将服装的正面和背面图像作为输入，通过简单交互指定服装类型，系统自动进行图像缩放、轮廓提取、模板变形、曲面更新和纹理映射，得到三维虚拟服装，同时还可以在三维服装的基础，进行编辑修改，生产一系列新的三维服装，结果如图11所示.从输入图像开始，到最终完成建模得到三维服装，过程在2～3 s内完成，对于一些细小的缺陷，如定位误差，纹理变形等问题，系统还设计了拖动微调功能，进一步减少失真，提高真实感.与采用Maya软件建模的结果相比较，本方法在效率和真实感方面有一定的优势.采用本文的方法进行了服装设计，效果如图12所示.

  

图11　三维服装设计结果Fig.11 The result of 3d garment design

  

图12　三维服装设计实例Fig.12 The example of 3d garment design

3　结论

利用服装图像轮廓草图和服装数据信息实现三维服装设计，为典型款式服装的数字化重建和重新设计提供了一种可行的解决方案，与其他方法相比，有如下优势：1）本文采用的方法，仅需要提供现有服装的几张图像，不需要服装裁片，避免了对服装裁片的输入、虚拟缝合处理等操作.2）纹理信息由服装图像融合而成，可以得到真实感较好的虚拟服装，并且在一定程度上还能体现服装的着装效果.3）三维服装是以模特身材为基础生成，可以适应不同身材的模特，同时也可以根据顾客的需要进行定制设计.方法不足是需要预定义服装模板，同时对服装图像的质量有一定的要求.下一步研究要解决复杂服装图像的三维服装设计问题.

参考文献

［1］陈龙，陆国栋，李郝林，等.基于特征线的三维服装部件参数化造型［J］.计算机辅助设计与图形学学报，2009，12（8）：1098-1105.

［2］ZHANG D L，WANG J，YANG Y.Design 3D garments for scanned human bodies［J］.Journal of Mechanical Science and Tech⁃nology，2014，28（7）：2479-2487.

［3］WANG J，LU G，LI W，et al.Interactive 3D garment design with constrained contour curves and style curves［J］.Computer-Aided Design，2009，41（9）：614-625.

［4］LIU Y J，ZHANG D L，YUEN M F.A survey on CAD methods in garment design［J］.Computers in Industry，2010，61（6）：576-593.

［5］ROBSON C，MAHARIK R，SHEFFER A，et al.Context-aware garment modeling from sketches［J］.Computers&Graphics，2011，35（3）：604-613.

［6］SANJEEV M，PARAG C.Sketch-based simulated draping for indian garments［C］//The Tenth Indian Conference on Computer Vision，Graphics and Image Processing，Guwahati，India，2016.Proceedings of the Tenth Indian Conference on Computer Vi⁃sion，Graphics and Image Processing.ACM New York USA，2016：92.

［7］UMETANI N，KAUFMAN D M，IGARASHI T，et al.Sensitive couture for interactive garment modeling and editing［J］.ACM Trans.on Graphics，2011，30（4）：1-10.

［8］LI J，LU G.Modeling 3D garments by examples［J］.Computer-Aided Design，2014，49：28-41.

［9］刘骊，王若梅，罗笑南，等.数据驱动的三维服装快速建模［J］.软件学报，2016，27（10）：2574-2586.

［10］LIU L，SU Z，FU X，et al.A data-driven editing framework for automatic 3D garment modeling［J］.Multimed Tools Appl，2017，76：12597-12626.

［11］ZHOU B，CHEN X.Garment Modeling from a Single Image［J］.Computer Graphics Forum，2013（32）：85-91.

［12］CHEN XW，ZHOU B.Garment Modeling with a depth Camera［J］.ACM Trans.on Graphics，2015，34（6）：269-280.

［13］DANEREK R，DIBRA E.Deepgarment：3D garment shape estimation from a single Image［J］.Computer Graphics Forms，2017，36（2）：269-280.

［14］PONSMOLL G，PUJADES S.Clothcap：seamless 4D clothing capture and retargeting［J］.ACM Trans.on Graphics，2017，36（4）：1-15.

［15］HUANG P，YAO J，ZHAO H.Automatic realistic 3D garment generation based on two images［C］.International Conference on Virtual Reality&Visualization，2017：250-257.