摘要
从真实的针织织物图像中提取标准化的数字设计图案，对于纺织品的逆向工程和数字存档而言至关重要。与平滑的图形不同，针织织物由于纱线环的交织而呈现出高频纹理，这使得同色区域内的灰度值存在显著差异。现有的算法难以将这些纹理与图案边缘区分开来，从而导致颜色量化和分割失败。为在保留颜色块边缘的同时抑制纱线纹理，我们提出了一种基于贝叶斯优化的双边滤波的自适应图案提取方法。该方法的主要贡献在于提供了一个针对特定领域、以应用为导向的集成框架。具体而言：（1）通过结合基于物理原理的纹理特征（灰度共生矩阵对比度、均匀性以及拉普拉斯方差）与基于感知的边缘保持指标（Sobel算子以及结构相似性指数SSIM），构建了一个考虑针织纹理的多维度评估参数，从而能够准确区分纱线级别的纹理噪声与图案级别的颜色块边界——这是通用图像质量指标无法做到的。（2）随后，将这一特定领域的目标函数嵌入到贝叶斯优化框架中，实现在无需任何外部训练数据的情况下，针对不同的针织工艺自动进行零样本、逐图像的参数调整。K均值颜色量化方法可将连续色调映射为离散类别，从而生成符合针织要求的标准化图案。在涵盖六种针织工艺的316个样本上的实验表明，我们的方法优于传统的去噪算法以及相对总变异度RTV等先进算法，其平均SSIM值为0.83，PSNR值为26.92 dB，同时将每张图像的处理时间从15–30分钟缩短至21秒，为针织计算机辅助设计系统提供了高效的自动化解决方案。
