柴勃隆 肖冬瑞 蘇伯民 馮偉 于宗仁

內(nèi)容摘要：多光譜攝影無損調(diào)查技術已成熟應用于對漫漶壁畫內(nèi)容的再現(xiàn)提取，調(diào)查壁畫中顏料類別的使用及分布。在以往的研究中對已知的24種莫高窟壁畫繪畫材料做了多光譜圖像獲取，并經(jīng)過科學篩選、驗證，建立了“莫高窟壁畫顏料多光譜圖像色彩標準數(shù)據(jù)庫”，專業(yè)人員可通過相同光譜條件下對現(xiàn)實壁畫獲取光譜圖像，并與顏料多光譜圖像標準數(shù)據(jù)庫對比分析，可初步獲悉莫高窟壁畫中顏料的類別及應用分布狀態(tài)。但是人眼對色彩的認知存在個體差異，導致人工比對存在主觀不一致、識別難、精度低等問題，且不利于非專業(yè)人員分析研究。本研究采用多光譜攝影系統(tǒng)，以“顏料多光譜圖像色彩標準數(shù)據(jù)庫”[1]為基礎，開發(fā)顏料多光譜圖像數(shù)字化識別系統(tǒng)。目的利用軟件算法對壁畫多光譜圖像中的目標顏料通過RGB色彩空間模型向HSV色彩空間模型數(shù)值的轉(zhuǎn)換，自動查詢、匹配顏料多光譜圖像數(shù)據(jù)庫中不同顏料HSV色彩數(shù)值的最近相似度[2]，以達到自動識別顏料類別的目標，解決人工比對中存在的不足，提高鑒別的精度和效率，從而提升分析的科學性。

關鍵詞：多光譜；壁畫顏料檢測；色彩空間；色彩相似度

中圖分類號：O433.4 文獻標識碼：A 文章編號：1000-4106（2018）03-0123-08

Abstract： Multispectral photography investigation technology has previously been used to reproduce the contents of obscure murals and to analyze the use and distribution of the pigments in these murals. As for the Mogao cave murals， a Database of the Mogao Cave Mural Pigments Multispectral Photography Image Standards has been established by a rigorous system of selection and verification from the captured multispectral images of the 24 known types of painting materials established by previous research results. Based on comparative terms， one can obtain the class and distribution status of pigments of Maogao grotto murals through analysis conducted by trained professionals comparing and analyzing the images of the murals captured under spectral conditions aligned with the pigment spectrum from the database. Individual differences in the perception of colors， however， is likely to lead to subjective inconsistencies， recognition difficulty， low precision etc.， and is not a process untrained individuals can complete to satisfaction. This study adopts the multispectral photography system to develop a multispectral digital image identification system for mural pigments based on the color data obtained from multispectral images. The process begins by selecting RGB values of the target pigment from obtained multispectral images of wall paintings and converting them to HSV color space. By automatic querying， the most numerically similar HSV color values are then matched with pigment values from the multispectral image database， thus providing a scientific identification of pigment category to a high degree of accuracy and efficiency that avoids the problems related to subjective manual comparison.

Keywords： Multispectral； mural pigment detection； color space； color similarity

1 多光譜圖像在壁畫保護研究中的

應用背景

多光譜攝影作為一種新型非接觸無損檢測技術，在對古代壁畫的顏料分析和漫漶圖像內(nèi)容鑒別方面已經(jīng)在國外得到廣泛應用[3-7]。近年來國內(nèi)墓葬壁畫及莫高窟壁畫顏料的分析中，運用多光譜攝影方法發(fā)現(xiàn)了許多在可見光條件下無法識別的有機顏料、無機染料和畫面內(nèi)容[8-13]。但通過計算機算法對光譜圖像進行分析，從而達到顏料鑒別目的的相關研究報道較少，僅限于肉眼對不同光譜條件下所獲取圖像的對比。這種工作盡管也能發(fā)現(xiàn)大量壁畫圖像內(nèi)容信息，但無法做到對各部分顏料進行準確分析和鑒別。為達到利用多光譜圖像對壁畫顏料類別及分布做非接觸鑒別的功能，近年來以敦煌壁畫為研究對象，對已知壁畫中常用的24種繪畫材料通過多光譜拍攝、科學篩選、現(xiàn)場驗證，建立了“莫高窟壁畫顏料多光譜圖像色彩標準數(shù)據(jù)庫”。以此為基礎可對比相同拍攝環(huán)境下現(xiàn)實壁畫與顏料多光譜色彩標準，達到鑒別壁畫顏料的目的。

本文在莫高窟繪畫材料多光譜圖像色彩標準數(shù)據(jù)庫研究的基礎上，開發(fā)設計“莫高窟壁畫繪畫材料標準數(shù)據(jù)庫計算機自動識別系統(tǒng)”。以可見光譜下標準顏料的色值和紅外、紫外光譜下顏料的反射偽彩色圖像色值為基準數(shù)據(jù)，分析相同拍攝條件下獲得的現(xiàn)實壁畫多光譜圖像，對需要檢測的范圍通過軟件拾色、后臺計算其與繪畫材料多光譜圖像標準數(shù)據(jù)庫中各顏料光譜圖像色值之間的最近相似度交叉比較、自動匹配，達到快速鑒別古代壁畫顏料種類的目的，克服以往因人眼識別色彩的差異而導致對結果的誤判，提高后期分析的效率與準確性。

2 多光譜圖像系統(tǒng)簡介

多光譜圖像獲取系統(tǒng)由經(jīng)改裝的商業(yè)數(shù)字相機、光源、濾鏡系統(tǒng)三部分組成。隨著數(shù)碼相機和CCD或COMS感光元件的進一步提升，對感應范圍較廣的紅外線光譜具有了更寬泛的記錄能力，經(jīng)過改裝的商業(yè)相機配砷化傳感器，其敏感范圍擴展到可記錄300—1100nm的光譜范圍。再加上高像素、高畫質(zhì)、高感光度，以及便捷的實時取景和LCD對焦功能，更有利于進行大面積的壁畫多光譜檢測。利用濾鏡系統(tǒng)對光源輻射波長及相機入射波長組合運用；后期圖像處理的輔助；偽彩色強化紫外或紅外反射譜段下各檢測材料的特征光譜圖像信息，配合熒光圖像可達到更明顯的觀察效果和直觀的比對分析目的（表1）。

3 軟件系統(tǒng)功能設計與實現(xiàn)

3.1 色彩空間模型的選取與轉(zhuǎn)換

壁畫顏料多光譜標準圖像數(shù)字化識別的前提，是在特定色彩空間提取各繪畫材料在不同光譜圖像中的色彩空間數(shù)值[14]，作為實現(xiàn)壁畫與標準圖集之間計算比對的依據(jù)。目前，在計算機視覺領域存在著較多類型的顏色空間，如RGB、LAB、HSL和HSV。RGB是最常使用的計算機色彩空間，是通過紅黃藍三原色數(shù)值描述各種“光”，以特定比例來表征顏色。然而這種色彩空間并不適合對壁畫顏料色彩的描述，因為壁畫自身顏料層退化、病害、污染等因素，區(qū)分同類色彩變化的不同便取決于色彩亮度和飽和度差異[15]。

HSV是其中最常見的圓柱坐標表示的顏色模型[16，17]，它重新映射了RGB模型，從而能夠比RGB模型更具視覺直觀性。其色彩空間用圓錐表示，圓錐上角度代表色調(diào)H，S距離變化代表色彩到中心豎線的飽和度，亮度V用中心豎線表示。紅色的角度為0度，依次為黃色、綠色、青色、藍色、紫色。連續(xù)兩種顏色的角度相差60度（圖1）。這種色彩模型從色調(diào)、飽和度、亮度三個方面定義顏色特征，符合對壁畫同類顏料褪色衰變的描述。

通過科學校準的顏料多光譜圖像集，反映出不同類別顏料在不同光譜下的色彩空間，其數(shù)值可以通過計算獲得。取其平均值形成一套有關顏料光譜圖像標準的色彩模型的數(shù)值表，為之后數(shù)字統(tǒng)計計算色彩相似度[2]、建立色彩評價標準做前期的數(shù)據(jù)支持（圖2、3）。

3.2 軟件算法及代碼實現(xiàn)

軟件的編寫基于Matlab實現(xiàn)壁畫顏料多光譜圖像數(shù)據(jù)庫數(shù)字化識別，通過計算被檢測壁畫顏料的三種光譜范圍（可見光反射圖像、紅外反射偽彩圖像、紫外反射偽彩圖像），利用色彩歐氏距離原理，計算檢測目標的多光譜圖像與“顏料多光譜標準色彩數(shù)據(jù)庫”中各顏料在不同光譜圖像下的RGB和HSV兩種色彩模型之間的近似值，階梯式進行排序，得到最優(yōu)解，即顏料最近色彩相似度[19]，從而判斷壁畫真實顏料類別。

3.3 軟件運行流程

3.4 算法實現(xiàn)：

算法通過計算壁畫多光譜圖像色彩數(shù)據(jù)與標準數(shù)據(jù)庫顏料色彩數(shù)值的歐式距離[20]進行篩選。

具體實現(xiàn)如下：

1）在顏料標準數(shù)據(jù)庫中，針對24種顏料在不同光譜下真實色彩和偽彩的HSV值和RGB值。設數(shù)據(jù)庫色彩參數(shù)為：H，S，V，R，G，B；圖片中某點色彩參數(shù)為HH，SS，VV，RR，GG，BB。

2）計算現(xiàn)實數(shù)據(jù)和標定數(shù)據(jù)的HSV方面的歐式距離：

在三種不同的環(huán)境（可見光、紅外反射、紫外反射）下，各自取D值最小的三個顏色的下標。

3）計算現(xiàn)實數(shù)據(jù)和標準庫中九個色彩標定數(shù)據(jù)的RGB方面的歐式距離

得到D值最小的色彩值，并返回該色彩的名稱。

4 軟件功能描述與效果測試

4.1 模擬測試

為驗證軟件系統(tǒng)的可靠性，依據(jù)莫高窟原始壁畫制作工藝，以莫高窟第257窟壁畫為原型制作模擬壁畫，在壁畫模擬中利用已知的土紅、石青、石綠、高嶺土為主要繪畫顏料。對已知顏料檢測可驗證后期通過軟件識別壁畫顏料的準確性。

軟件界面主要有可見光圖片區(qū)、紅外反射偽彩色圖片區(qū)、紫外反射偽彩色圖片區(qū)三個數(shù)據(jù)框組成（圖4）。

在界面中分別導入已拍攝的壁畫可見光、紅外反射偽彩色、紫外反射偽彩色圖像，在檢測某種顏料時，分別在三種圖像中拾取相同坐標位置的目標顏色。顯示結果中，“畫面色彩”顯示當前畫面中可見光顏色色相。“識別色彩”顯示經(jīng)對各光譜圖像相同坐標位置拾色后，再經(jīng)過軟件后臺計算，自動掛接顏料多光譜圖像數(shù)據(jù)庫，并分別與不同顏料各光譜圖像色彩模型數(shù)值做近似度計算，最終匹配到的相應的顏料。如果三種光譜圖像中相同位置的“識別色彩”結果統(tǒng)一，可得出此種顏料類別（圖5）。

經(jīng)過測試，分別選取畫面中4種不同色相顏料，軟件計算得出結果與已知顏料類別相同，驗證了軟件對不同顏料在不同光譜圖像中拾取色彩模型數(shù)值、后臺自動運算匹配的準確性（表2）。

4.2 現(xiàn)場壁畫多光譜圖像識別測試

為進一步驗證軟件識別的可靠性，選取畫面較為復雜的真實壁畫進行分析。選取莫高窟第254窟北壁“尸毗王割肉貿(mào)鴿”為實驗區(qū)（圖6）。真實壁畫區(qū)別于模擬實驗的最主要特征是壁畫本身遭受了自然及人為因素的損害，顏料色相變化更為復雜。

利用多光譜圖像獲取此區(qū)域的可見光反射圖像、紅外反射偽彩色圖像、紫外反射偽彩色圖像（圖7），并將其分別導入壁畫顏料識別軟件系統(tǒng)分析得知此區(qū)域主要使用了4種礦物質(zhì)顏料，1種有機染料。分別為：氯銅礦、孔雀石綠、墨、土紅及有機染料靛藍（表3）。

為了進一步驗證壁畫顏料多光譜數(shù)字化識別系統(tǒng)的準確性，利用X熒光光譜儀及近紅外光譜儀對監(jiān)測區(qū)域各顏料點做進一步的分析：X射線熒光光譜儀檢測發(fā)現(xiàn)2-1號綠色區(qū)域主要含Cu和As，3-1號綠色區(qū)域主要含Cu和Pb（圖8）。近紅外光譜儀檢測，對比現(xiàn)實壁畫光譜曲線和顏料標準色板光譜曲線得出：2-1號檢測點在400—700nm可見光譜范圍反射峰、1900nm處吸附收峰、2200—2450nm近紅外光譜之間特征吸收峰位置與標準色板氯銅礦相同。3-1號檢測點在400—700nm可見光譜范圍內(nèi)反射峰、2300—2350nm之間特征吸收峰位置與標準色板石綠相同，但壁畫中石綠在1500nm開始走勢下滑，推斷為雜質(zhì)或顏料的退化和衰變引起（圖9）。分析結果和軟件系統(tǒng)識別基本一致，充分驗證了通過軟件色彩模型轉(zhuǎn)換數(shù)字化識別顏料的準確性。

5 結 論

通過技術研發(fā)、模擬實驗、現(xiàn)場試驗證明：

1.顏料多光譜數(shù)字識別系統(tǒng)的研發(fā)以24種莫高窟繪畫材料多光譜色彩標準數(shù)字化數(shù)據(jù)為基礎，通過色彩歐氏距離換算及算法實現(xiàn)，初步實現(xiàn)了通過軟件自動識別多光譜圖像中單一顏料類別的目的，解決了以往靠肉眼識別分析過程中的誤差，弱化了識別難度，提高了分析效率及準確性。

2.通過模擬實驗及現(xiàn)場測試，證明了研究思路及算法的正確性。在以后的研究中，將會進一步完善和擴展顏料數(shù)據(jù)庫，并提高顏料多光譜數(shù)字識別系統(tǒng)的易用性和可移植性，對軟件操作進行進一步的優(yōu)化，著重解決對壁畫中重疊顏料多光譜識別的可行性研究。

參考文獻：

[1]柴勃隆，蘇伯民，張文元.敦煌壁畫繪畫材料多光譜圖像標準數(shù)據(jù)庫的建立和應用 （英文）[J].光譜學與光譜分析，2017（10）：64.

[2]謝君廷，王小華.一種基于 hsv空間的顏色相似度計算方法[J].杭州電子科技大學學報，2008（1）.

[3]E.R.De La Rie.Fluorescence of paint and varnish layers（part1）[J].Studies in Conservation，1982，27（1）：1-7.

[4]C.Fischer，I.Kakoulli.Multispectral and hypersp-ectral imaging technologies in conservation：Current research and potential applications[J].Studies in Conservation，2006，51（sup1）：3-16.

[5]O.S.Kamal，G.A.Ware，S.Houston.Multispectral image processing for detail reconstruction and enhancement of maya murals from la pasadita，guatema-la[J].Journal of archaeological science，1999，26（11）： 1391-1407.

[6]M.Hain，J.Bartl，V.Jacko.Multispectral analysis of cultural heritage artefacts[J].Measurement Science Review，2003，3（3）：9-12.

[7]A.Giacometti，A.Campagnolo，L.Macdonald，等.Cultural heritage destruction：Documenting parchment degradation via multispectral imaging[J].Electronic Visualisation and the Arts（EVA 2012），London，UK， 2012.

[8]柴勃隆，王小偉，湯愛玲，等.多光譜攝影在莫高窟壁畫現(xiàn)狀調(diào)查及繪畫技法研究中的初步應用[J].敦煌研究，2008（6）：54-57.

[9]柴勃隆，范宇權，蘇伯民，等.莫高窟 194 窟漫漶壁畫多光譜成像調(diào)查與研究[J].敦煌研究，2011（6）：74-76.

[10]佐藤香子，高林弘実，柴勃隆.唐代節(jié)愍太子墓過洞に描かれた人物像壁畫の彩色材料と制作技法に関する調(diào)査[J].保存科學，2009（49）：275-282，図巻頭 271p.

[11]范宇權，李燕飛，于宗仁，等.莫高窟第 285 窟南壁多光譜無損分析初步報告[J].敦煌研究，2008（5）：49-53.

[12]L.Zui-Xiong.Pigment analysis on tang dynasty mu-rals at the mogao grottes[J].Dunhuang Research，2002，4：11-18.

[13]Y.Fan，B.Chai，Z.Yu，等.Multi-spectral non-invasive investigation and studies on the mural technology in early three caves of mogao grottoes[J].Dunhuang Research，2010，6：007.

[14]李瑞娟.Rgb 到 ciexyz 色彩空間轉(zhuǎn)換的研究[J].包裝工程，2009，30（3）：79-81.

[15]王勝正，施朝健.基于兩種色彩空間的顏色選擇方法[J].計算機應用與軟件，2004，21（2）：114-116.

[16]常巧紅，高滿屯.基于 hsv 色彩空間與數(shù)學形態(tài)學的車牌定位研究[J].圖學學報，2013，34（4）：159-162.

[17]秦緒佳，王慧玲，杜軼誠，等.Hsv 色彩空間的 retinex 結構光圖像增強算法[J].計算機輔助設計與圖形學學報，2013，25（4）：488-493.

[18]吳藜嵐.推導 rgb 色彩模型轉(zhuǎn)換到 hsb 色彩模型公式[J].現(xiàn)代機械，2007（3）：28-29.

[19]王可，陸長德，樂萬德.色彩相似性度量的研究與應用[J].計算機應用研究，2005，22（10）：168-170.

[20]宋宇辰，張玉英，孟海東.一種基于加權歐氏距離聚類方法的研究[J].計算機工程與應用，2007，43（4）： 179-180.