任艷博, 蔣 超, 王教慶, 俞 琳,2, 王園園
(1. 西安工程大學(xué) 服裝與藝術(shù)設(shè)計學(xué)院, 陜西 西安 710048; 2. 西北工業(yè)大學(xué) 現(xiàn)代設(shè)計與集成制造技術(shù)教育部重點實驗室, 陜西 西安 710072)
色彩是產(chǎn)品與消費者之間產(chǎn)生情感共鳴最直接的因素,產(chǎn)品色彩設(shè)計是滿足消費者情感和審美需求最重要的手段之一[1]。大自然造就了絢麗斑斕的蝴蝶色彩,蘊含著獨特的自然美法則,可以為滿足差異化的消費需求提供豐富的創(chuàng)意靈感和設(shè)計啟發(fā)[2]。然而,若想較好地實現(xiàn)蝴蝶色彩的設(shè)計重用,首先需對蝴蝶色彩進行科學(xué)合理的提取,并建立色譜、色卡和色彩模型[3]等有效的設(shè)計輔助工具。
早期的色彩提取研究主要依靠人工方法[4-5],具有極強的主觀性。隨著計算機技術(shù)的不斷發(fā)展和學(xué)科間的交叉融合,在設(shè)計學(xué)和藝術(shù)學(xué)領(lǐng)域,已有部分學(xué)者基于智能算法提出了更為科學(xué)和高效的色彩提取方法。如張旻爽等[6]利用優(yōu)化后的K-means聚類算法實現(xiàn)了對蜂鳥羽毛的仿生色彩提取,并依據(jù)各顏色的色彩占比制得相應(yīng)的配色色卡;劉肖健等[7]采用基礎(chǔ)的K-means聚類方法,對傳統(tǒng)紋樣色彩進行研究與分析,并基于CorelDRAW平臺進行色彩提取和推薦模塊的二次開發(fā),進而實現(xiàn)了具有傳統(tǒng)文化意象的產(chǎn)品配色方案的自動生成;陳登凱等[8]通過中值切割顏色量化算法,對民間布老虎進行了色彩特征分析,形成了可視化的配色圖譜;王艷敏[9]對農(nóng)民畫色彩特征進行分析和研究,通過獲取主要顏色的風(fēng)格意象及色彩關(guān)系網(wǎng)絡(luò),構(gòu)建了較為全面的農(nóng)民畫色彩數(shù)據(jù)庫,并提出了基于農(nóng)民畫色彩特征的農(nóng)產(chǎn)品包裝色彩設(shè)計方法;趙葉峰等[10]將圖像色相直方圖與色彩和諧模式進行相互匹配,實現(xiàn)了油畫作品主題色的提取,并以此揭示了油畫作品的主要色彩結(jié)構(gòu);Cyr等[11]使用調(diào)研、訪談和眼動實驗等綜合手段對具有文化表征和內(nèi)涵的色彩設(shè)計案例進行大量研究,最終面向網(wǎng)頁配色設(shè)計提出了諸多具有價值的建議;O′Donovan等[12]針對網(wǎng)絡(luò)用戶的配色方案偏好,利用大數(shù)據(jù)和統(tǒng)計回歸方法進行了色彩的可適性分析,并生成了相應(yīng)的主題色方案。
蝴蝶色彩數(shù)量多、布局多變、漸變豐富,具有極高的復(fù)雜性?,F(xiàn)有研究成果雖為蝴蝶色彩提取提供了一定的研究思路和基礎(chǔ),但由于缺乏對蝴蝶色彩的針對性分析,還不能完全實現(xiàn)對蝴蝶色彩準(zhǔn)確和全面的提取??紤]到K-means聚類算法的有效性在色彩提取領(lǐng)域已得到廣泛驗證,本文將對蝴蝶色彩進行深入分析,以其色彩特征為研究基礎(chǔ),利用K-means聚類算法進行主色系提取,并進一步分析和研究蝴蝶色彩的搭配規(guī)律,最終得到相應(yīng)的標(biāo)準(zhǔn)色卡和色彩網(wǎng)絡(luò)模型,以期為產(chǎn)品配色設(shè)計提供一定的參考。
由于K-means聚類算法在色彩提取方面具有極強的可操作性[13-14],因此本文將采用K-means聚類算法對采集到的蝴蝶高清圖像進行主色提取,并通過分析主色間的搭配關(guān)系,探索蝴蝶色彩規(guī)律。具體算法步驟如下。
1)確定需提取的色彩數(shù)量k,并在蝴蝶高清圖像中選擇初始聚類中心。
2)運用K-means聚類算法逐一計算其他像素色值與各聚類中心色值的歐氏距離,以RGB圖像色彩顯示模式為例,歐氏距離D的計算公式為
D=[([CR]′-[CR])2+([CG]′-[CG])2+
式中:設(shè)D為本次聚類中心和上次聚類中心的最大距離,[CR]′、[CG]′、[CB]′分別為本次聚類中心的R、G、B值;[CR]、[CG]、[CB]為其他像素的R、G、B值。
3)計算新的聚類中心,即計算該聚類中所有數(shù)據(jù)的RGB值的均值,迭代直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。其中一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù),其公式為
式中:λ為該聚類內(nèi)所有數(shù)據(jù)對象的算術(shù)平均值,即新的聚類中心;M為該聚類中數(shù)據(jù)對象的個數(shù);xi為該聚類中的數(shù)據(jù)對象;V為該聚類中的某個數(shù)據(jù)對象的維度,當(dāng)收斂效果達到前后2次迭代計算所得數(shù)值相差小于1時,聚類結(jié)束。
對色彩進行K-means聚類時,選擇合適的初始聚類中心是至關(guān)重要的。確定初始聚類中心的方式一般為2種[15]:1)以色彩灰度模式進行區(qū)分與選??;2)以色相模式進行區(qū)分與選取。以色彩灰度模式進行圖像色彩聚類和主色提取,適用于色相較少色彩漸變豐富的圖像類型。由于蝴蝶色彩色相較多且布局多變,應(yīng)采用以色相模式進行區(qū)分和選取的方法對蝴蝶圖像進行色彩聚類和主色提取。
此外,為使聚類提取出的色彩能夠更好地還原圖像本身,在選擇初始聚類中心時,應(yīng)遵循“各聚類本身盡可能緊湊,而各聚類之間盡可能分開”的原則[16]。先在圖像中隨機選取一個像素點作為第1個初始聚類中心,然后計算剩下的像素點與第1個初始聚類中心的歐式距離,擁有最大距離的像素為第2個初始聚類中心,將距離第1個、第2個聚類中心均是最大距離的像素作為第3個初始聚類中心,從而類推得到全部數(shù)量的初始聚類中心。
蝴蝶色彩分析主要包含對蝴蝶標(biāo)準(zhǔn)色卡的構(gòu)建和蝴蝶色彩網(wǎng)絡(luò)模型的構(gòu)建。本文以110只蝴蝶作為研究對象和實例,對提出的色彩提取方法進行驗證。為了盡可能地降低蝴蝶圖像采集過程中造成的色彩偏差,每只蝴蝶選取8幅不同角度的高清圖像,以確保更加準(zhǔn)確和全面的色彩提取。
由于紡織產(chǎn)品套色數(shù)量一般小于或等于6,因此,蝴蝶主色的提取數(shù)量宜為6。又考慮到圖像背景對蝴蝶色彩提取會造成影響,故首先對采集到的圖像進行預(yù)處理,即,將圖像背景替換成與蝴蝶自身色彩具有較大差異的顏色(本文采用的背景色為R:40,G:240,B:68),如圖1所示。在色彩提取過程中,對背景色進行單獨聚類,并在實驗結(jié)果中對該數(shù)據(jù)進行剔除。綜合考慮蝴蝶主色提取數(shù)量和背景色2個方面的因素,本文最終選定初始聚類中心的數(shù)量為7。
圖1 玉帶鳳蝴蝶圖像預(yù)處理前后對比Fig.1 Comparison of effect before (a) and after (b) image preprocessing of Papilio polytes
以單幅玉帶鳳蝴蝶圖像為例,經(jīng)多次迭代聚類計算,在第43次聚類計算時,能得到較好的聚類效果,因此,此后每次都進行43輪次的聚類計算。除去圖片背景色聚類數(shù)據(jù)后的單幅玉帶鳳蝴蝶主色提取結(jié)果及主色占比展示如圖2所示。
圖2 單幅玉帶鳳蝴蝶圖像主色提取結(jié)果及主色占比Fig.2 Main colors extraction result and proportion of single Papilio polytes image
在單幅玉帶鳳蝴蝶圖像K-means聚類完成后,將剩余的7幅其他角度的圖像依次進行聚類,最終得到8幅主色提取結(jié)果及占比圖(共計48個色彩),并建立玉帶鳳蝴蝶48色色彩庫,如圖3所示。 對圖3玉帶鳳蝴蝶48色色彩庫進行二次聚類,并選定6個初始聚類中心。經(jīng)計算,迭代聚類輪次在11輪時,能夠得到新的聚類結(jié)果。將本次聚類結(jié)果按照占比做成色卡,該色卡即為玉帶鳳蝴蝶標(biāo)準(zhǔn)色卡,如圖4所示。據(jù)此方法,可得到剩余109只蝴蝶的標(biāo)準(zhǔn)色卡,部分蝴蝶標(biāo)準(zhǔn)色卡如圖5所示。
圖3 玉帶鳳蝴蝶色彩庫(48色)Fig.3 Papilio polytes color datebase (48 colors)
圖5 部分蝴蝶標(biāo)準(zhǔn)色卡Fig.5 Standard color card for some butterflies
標(biāo)準(zhǔn)色卡主要描述蝴蝶的主要顏色及其占比關(guān)系。為了更好地探究蝴蝶色彩的搭配規(guī)律,本文還將構(gòu)建蝴蝶色彩網(wǎng)絡(luò)模型。模型構(gòu)建的主要工作包括網(wǎng)絡(luò)節(jié)點的構(gòu)建和節(jié)點連線的建立。
2.2.1 蝴蝶色彩網(wǎng)絡(luò)模型節(jié)點構(gòu)建
基于前2次聚類得到的每只蝴蝶的6色標(biāo)準(zhǔn)色卡,將110只蝴蝶的標(biāo)準(zhǔn)色卡(共660個色彩)進行再次聚類。前期分析發(fā)現(xiàn),蝴蝶主要色彩數(shù)量為10,包括黑、黃、白、紅、藍、綠、棕、粉、灰、橙。然而,考慮到蝴蝶色彩存在的復(fù)雜漸變和豐富過渡,為了更全面地概括蝴蝶的主要色彩特征,按照主要色彩數(shù)量的2倍來設(shè)定本次聚類的初始聚類中心數(shù)量,為20。此外,在實際聚類時,當(dāng)?shù)螖?shù)大于或等于9時,聚類結(jié)果的視覺差別度不顯著,故最終確定聚類迭代次數(shù)為9。得到20個色彩以及相應(yīng)的色彩占比,如表1所示。將20個色彩按照其占比繪制成相應(yīng)大小的圓(圓的直徑與色彩占比正相關(guān)),這20個圓即為蝴蝶色彩網(wǎng)絡(luò)模型的節(jié)點。
表1 色彩節(jié)點RGB值及其歸一化后的占比Tab.1 RGB value and normalized proportion of color node
2.2.2 蝴蝶色彩網(wǎng)絡(luò)模型節(jié)點連線的建立
網(wǎng)絡(luò)節(jié)點之間構(gòu)建連線的依據(jù)為:在某一蝴蝶上,色彩產(chǎn)生過真實的搭配關(guān)系。將第2次聚類得到的660個顏色,依照色系歸納進第3次聚類得到的20色內(nèi),在產(chǎn)生過搭配關(guān)系的2圓之間建立連線。
綜上,由此得到蝴蝶色彩網(wǎng)絡(luò)模型如圖6所示。
圖6 蝴蝶色彩網(wǎng)絡(luò)模型Fig.6 Butterfly color network model
通過4幅蝴蝶圖像樣本對所提出的蝴蝶色彩網(wǎng)絡(luò)模型進行可靠性驗證。在現(xiàn)有的110幅圖庫中隨機選取2幅蝴蝶圖像,另外挑選2幅圖庫之外的蝴蝶圖像,組成4幅蝴蝶圖像樣本,如圖7所示。
圖7 4個蝴蝶圖像樣本Fig.7 4 butterfly images.
驗證的主要目標(biāo)包含2個方面內(nèi)容:1)蝴蝶色彩網(wǎng)絡(luò)模型是否概括出蝴蝶全部的主要色彩,即是否能在蝴蝶色彩網(wǎng)絡(luò)模型(圖6)中找出與驗證樣本相同或相似的色彩網(wǎng)絡(luò)節(jié)點;2)蝴蝶色彩網(wǎng)絡(luò)模型是否概括出蝴蝶色彩之間的搭配關(guān)系,即考察蝴蝶色彩網(wǎng)絡(luò)模型(圖6)中節(jié)點連線是否覆蓋驗證樣本的色彩搭配關(guān)系。
將4幅蝴蝶圖像樣本與圖6進行比較發(fā)現(xiàn),驗證樣本的色彩均能在蝴蝶色彩網(wǎng)絡(luò)模型中找到極為相似的色彩節(jié)點。此外,由于單幅蝴蝶圖像的色彩數(shù)量較少,因此,在進行驗證時,更加注重本文提出的色彩網(wǎng)絡(luò)模型對蝴蝶色彩搭配關(guān)系概括的全面性和準(zhǔn)確性。比較發(fā)現(xiàn),圖6可完全概括4個驗證樣本的色彩關(guān)系,即圖6中的色彩節(jié)點連線完全覆蓋驗證樣本的色彩搭配關(guān)系。為了更直觀地展示驗證結(jié)果,將圖樣樣本的驗證結(jié)果整理如圖8所示。綜上,本文所提出的蝴蝶色彩網(wǎng)絡(luò)模型具有較好的可靠性。
蝴蝶標(biāo)準(zhǔn)色卡和色彩網(wǎng)絡(luò)模型能夠為設(shè)計師提供豐富的靈感來源?;诒疚奶岢龅暮麡?biāo)準(zhǔn)色卡和色彩網(wǎng)絡(luò)模型對某款絲巾紋樣進行色彩設(shè)計,以驗證二者在設(shè)計應(yīng)用中的可行性和價值。
作為實例驗證的絲巾紋樣線稿及色彩分析如圖9所示。其中,具有相同標(biāo)號的區(qū)域填充相同的色彩。組織7名設(shè)計專業(yè)學(xué)生,利用蝴蝶標(biāo)準(zhǔn)色卡和蝴蝶色彩網(wǎng)絡(luò)模型,并結(jié)合自身的設(shè)計經(jīng)驗對絲巾紋樣進行快速的色彩設(shè)計,共得出97個設(shè)計結(jié)果,摘選出32個設(shè)計結(jié)果展示如圖10所示。其中色彩設(shè)計D1~D16的主要依據(jù)來自于蝴蝶色彩標(biāo)準(zhǔn)色卡,色彩設(shè)計D17~D32的主要依據(jù)來自于蝴蝶色彩網(wǎng)絡(luò)模型。
圖9 絲巾紋樣線稿及色彩分析Fig.9 Silk scarf pattern line draft (a) and color analysis (b)
圖10 部分設(shè)計方案Fig.10 Partial design schemes
經(jīng)由5名資深色彩研究人員和專業(yè)設(shè)計師從主題性和審美性2個方面對97個設(shè)計結(jié)果進行分析和評價,采用五級李克特量對評價等級進行量化,“極差、較差、普通、較好、極好”,分別對應(yīng)分值“1、2、3、4、5”。利用評價問卷進行設(shè)計方案評分。
由評分結(jié)果可知,所有方案在主題性方面的平均分為4.775,可看出設(shè)計方案可較好地體現(xiàn)出蝴蝶色彩的主要特征。在審美性方面,97個方案的平均分為4.812,可看出,所提出的蝴蝶色彩網(wǎng)絡(luò)模型和標(biāo)準(zhǔn)色卡具有較好的設(shè)計應(yīng)用價值,可有效輔助設(shè)計師提升設(shè)計效率和質(zhì)量。此外,在97個設(shè)計結(jié)果中,其中D20得分最高,分?jǐn)?shù)為4.900,最終選定D20為該款絲巾的最終色彩設(shè)計方案,如圖11所示。
圖11 D20絲巾紋樣配色設(shè)計方案Fig.11 Silk scarf pattern color design D20
本文通過K-means聚類算法對110只蝴蝶色彩進行主色提取,提出并構(gòu)建了包含20個色彩網(wǎng)絡(luò)節(jié)點的蝴蝶色彩網(wǎng)絡(luò)模型,實現(xiàn)了對蝴蝶色彩及其配色規(guī)律的深入分析。由模型可靠性驗證可知,所提出的蝴蝶色彩網(wǎng)絡(luò)模型可以較為準(zhǔn)確地描述蝴蝶色彩特征和關(guān)系。設(shè)計實例表明,蝴蝶色彩網(wǎng)絡(luò)模型具有較好的可操作性和應(yīng)用效果,能夠為設(shè)計師在進行蝴蝶色彩設(shè)計重用時提供有效的工具支持。
由于蝴蝶種類多達14 000多種,在未來研究中將搜集更多蝴蝶樣本,不斷對色彩網(wǎng)絡(luò)模型進行數(shù)據(jù)補充和及時更新,以此實現(xiàn)對蝴蝶色彩更為準(zhǔn)確和全面的概括。