劉肖健，彭 程，呂蕓蕓

配色設(shè)計(jì)智能優(yōu)化的非隨機(jī)種群方法

劉肖健，彭 程，呂蕓蕓

(浙江工業(yè)大學(xué)工業(yè)設(shè)計(jì)研究院，浙江 杭州 310023)

配色設(shè)計(jì)優(yōu)化方法在形成最終方案時(shí)經(jīng)常面臨收斂困難，因?yàn)樵O(shè)計(jì)師對(duì)配色方案的評(píng)價(jià)進(jìn)入了不穩(wěn)定狀態(tài)，難以在細(xì)微差異的方案之間做出準(zhǔn)確選擇。因此優(yōu)化方法在完成大規(guī)模搜索后，最終的收斂階段一般仍需設(shè)計(jì)師手工微調(diào)完成。這一階段顯著拉低了整個(gè)優(yōu)化過程的效率。面向圖庫(kù)色彩意象再現(xiàn)的需求，針對(duì)交互式遺傳算法的收斂階段開發(fā)了基于連續(xù)插值的非隨機(jī)種群生成技術(shù)，輔助計(jì)師實(shí)現(xiàn)快速微調(diào)并輸出終稿?；谄矫嬖O(shè)計(jì)軟件開發(fā)了原型系統(tǒng)，給出了基于RGB和HSB色彩空間的2種變異操作，以及多方案融合的交叉操作3種非隨機(jī)種群生成方法，使設(shè)計(jì)師在色彩差異上有更直觀的視覺感受，更為快捷地遴選方案，提升設(shè)計(jì)師使用的交互體驗(yàn)。以電競(jìng)椅的配色優(yōu)化設(shè)計(jì)為案例進(jìn)行了應(yīng)用驗(yàn)證。

配色設(shè)計(jì)；交互式優(yōu)化；非隨機(jī)種群

在產(chǎn)品或平面設(shè)計(jì)的配色中再現(xiàn)某種給定的色彩意象是設(shè)計(jì)過程的常規(guī)需求，目前已有大量智能算法用于完成此類任務(wù)。任琦等[1]根據(jù)用戶給定的彩色圖片或圖案自動(dòng)提取其主要顏色，自動(dòng)生成與之相協(xié)調(diào)的一組顏色，并進(jìn)行智能配色；干靜等[2]提出了色彩調(diào)和算法，可根據(jù)選定色自動(dòng)地產(chǎn)生所需要個(gè)數(shù)的調(diào)和色；HU等[3]開發(fā)了交互式生成和諧配色方案技術(shù)；HSIAO等[4-5]利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)輔助設(shè)計(jì)師開發(fā)具有某文化風(fēng)格的特色文創(chuàng)產(chǎn)品，及產(chǎn)品色彩設(shè)計(jì)系統(tǒng)，通過自然著色、模糊識(shí)別、圖像評(píng)估3個(gè)模塊將描述性設(shè)計(jì)過程轉(zhuǎn)換為系統(tǒng)設(shè)計(jì)模型；蘇暢等[6]基于感性工學(xué)和主成分分析方法實(shí)現(xiàn)車身的色彩設(shè)計(jì)；WU等[7]提出了一種概率方法，從配色方案中識(shí)別定性色彩選擇的知識(shí)并輔助配色；趙黎等[8]用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建配色方案與用戶多目標(biāo)評(píng)價(jià)的映射模型，采用多目標(biāo)多蜂群優(yōu)化算法獲得配色組合；KIM和SUK[9]通過增加圖像和色彩元素之間的色調(diào)相似性來實(shí)現(xiàn)圖像和色彩元素的和諧組合。XU等[10]基于色彩網(wǎng)絡(luò)模型從圖像中復(fù)制特征色彩到產(chǎn)品中；李愚等[11]基于色彩鄰接網(wǎng)絡(luò)模型和交互式遺傳算法在汽車配色中再現(xiàn)圖像的色彩特征等。

上述智能算法多借助計(jì)算機(jī)的效率優(yōu)勢(shì)生成大量方案，并從中逐步演化出符合設(shè)計(jì)師要求的配色方案。部分算法采用了設(shè)計(jì)師交互操作的方式，利用設(shè)計(jì)師的評(píng)價(jià)信息推進(jìn)迭代和優(yōu)化過程。采用一種默認(rèn)的假設(shè)，即方案種群是隨機(jī)(包括可控隨機(jī))生成的。隨機(jī)構(gòu)建種群可以加大搜索的完備性，避免遺漏可能的優(yōu)秀個(gè)體；缺點(diǎn)是效率低，無效個(gè)體比例大。在配色設(shè)計(jì)這種嚴(yán)重依賴設(shè)計(jì)師感性評(píng)價(jià)的任務(wù)中，隨機(jī)種群在初期搜索配色方案時(shí)作用明顯，但在最終方案的微調(diào)過程中常面臨著收斂困難。設(shè)計(jì)師確定最終方案時(shí)要靠細(xì)微的感覺體驗(yàn)來比較不同方案之間的差異并進(jìn)行調(diào)整，而這種微妙的感性體驗(yàn)和決策過程一般沒有很清晰的邏輯，很難用算法精確再現(xiàn)。因此許多智能配色技術(shù)將最終環(huán)節(jié)交還給設(shè)計(jì)師手動(dòng)完成。

配色設(shè)計(jì)最終的反復(fù)調(diào)整收斂環(huán)節(jié)工作量很大，但長(zhǎng)期被算法技術(shù)忽視。訪談得知，設(shè)計(jì)師在這個(gè)過程中的行為特征是連續(xù)的微調(diào)和測(cè)試比較而不是隨機(jī)搜索。本文針對(duì)該過程的設(shè)計(jì)師輔助需求開發(fā)了非隨機(jī)種群的生成技術(shù)，以便設(shè)計(jì)師通過比較來感知配色方案之間的細(xì)微差異，以加速收斂。

1 功能架構(gòu)

配色設(shè)計(jì)是一個(gè)由軟件和設(shè)計(jì)師共同完成的過程，因此技術(shù)的功能架構(gòu)包含軟件和設(shè)計(jì)師2個(gè)主體，兩者之間的分工也是技術(shù)功能架構(gòu)設(shè)計(jì)的一部分。圖1是軟件輔助配色設(shè)計(jì)流程。

圖1 軟件輔助下的設(shè)計(jì)流程

上述流程分為編碼、搜索、收斂3個(gè)階段：

(1) 編碼階段。為配色方案的智能設(shè)計(jì)提供特征色來源，同時(shí)準(zhǔn)備配色對(duì)象，并對(duì)兩者進(jìn)行規(guī)范化編碼，將配色設(shè)計(jì)問題轉(zhuǎn)換為數(shù)學(xué)問題，即2個(gè)矩陣之間的映射；

(2) 搜索階段。采用常規(guī)智能算法，如交互式遺傳算法(interactive genetic algorithms，IGA)，得到若干接近滿意的方案；

(3) 收斂階段。在接近滿意方案的基礎(chǔ)上采用定向變異和交叉操作生成非隨機(jī)種群，供設(shè)計(jì)師比較和選擇，以促成最后的收斂。

對(duì)于編碼、搜索階段的工作，本團(tuán)隊(duì)已做了較多前期研究[10-12]，因此本文的工作主要集中在收斂階段。

2 編碼設(shè)計(jì)

色彩意象再現(xiàn)是本文工作的目標(biāo)，因此首先需要對(duì)來源于參考圖片的色彩意象以及配色對(duì)象兩者進(jìn)行編碼和形式化表達(dá)。

2.1 色彩意象編碼

色彩意象來源于同一主題的圖庫(kù)，設(shè)計(jì)師需要針對(duì)配色方案進(jìn)行2方面評(píng)價(jià)：①與源圖庫(kù)的色彩意象的吻合度；②作為一款配色方案，在色彩搭配上的共性美學(xué)特性。

利用K-Means聚類技術(shù)完成圖庫(kù)特征色提取，并以色彩共現(xiàn)網(wǎng)絡(luò)形式表達(dá)，詳見文獻(xiàn)[10]，如圖2所示。

圖2 參考圖庫(kù)及其提取色的共現(xiàn)網(wǎng)絡(luò)模型((a)圖庫(kù)；(b)色彩共現(xiàn)網(wǎng)絡(luò))

圖2(b)中的圓點(diǎn)色彩表示提取色，圓點(diǎn)的大小為提取色的占比，用戶可以通過設(shè)定K-means聚類的類別數(shù)來確定提取色的數(shù)量，即圓點(diǎn)數(shù)；圓點(diǎn)外環(huán)尺寸表示該色類別下的像素色彩在RGB空間中的分散程度，外環(huán)與圓點(diǎn)直徑差越大，色彩越分散；圓點(diǎn)之間的連線表示2色在同一幅圖中共現(xiàn)的比例超過閾值，如設(shè)定一個(gè)50%的閾值，則圖庫(kù)中超過50%的圖片中同時(shí)出現(xiàn)某2種色彩時(shí)在2色圓點(diǎn)之間建立一條連線，共現(xiàn)閾值由用戶數(shù)設(shè)定。色彩共現(xiàn)網(wǎng)絡(luò)模型在程序內(nèi)部的表達(dá)形式是一個(gè)對(duì)稱矩陣，其只表達(dá)色彩之間的連接關(guān)系，色值、占比、分散程度保存在單獨(dú)的數(shù)組中(共現(xiàn)閾值信息不保存)；軟件帶有輸出模塊，上述信息可被輸出保存在外部的Excel表格中，以矩陣形式保存，矩陣的對(duì)角線用來存放占比信息，對(duì)角線格子的背景色用于保存色彩的RGB值，其他信息在矩陣右側(cè)列出。

2.2 配色對(duì)象編碼

提取色的網(wǎng)絡(luò)模型和配色對(duì)象的結(jié)構(gòu)設(shè)計(jì)，兩者均為了對(duì)依賴設(shè)計(jì)師感性認(rèn)知與經(jīng)驗(yàn)的傳統(tǒng)的“配色設(shè)計(jì)”上工作進(jìn)行編碼，將其表達(dá)為適合程序處理的數(shù)學(xué)過程，以便各種算法工具的介入。本文的配色技術(shù)基于平面圖形方案實(shí)施，3D產(chǎn)品模型的配色可以對(duì)模型進(jìn)行分通道渲染然后合成平面方案，如圖3所示。

圖3 基于3D模型渲染合成的配色對(duì)象

配色對(duì)象也可以是基于照片處理后的分層對(duì)象，如圖4所示。

圖4 基于照片處理的配色對(duì)象((a)光效層；(b)平涂層；(c)背景合成圖；(d)色區(qū)鄰接網(wǎng)絡(luò))

配色對(duì)象從上至下分為光效、平涂和背景3個(gè)圖層，圖層之間的色彩合并模式采用“減少”模式，以形成自然的光影立體效果。程序只對(duì)平涂色彩層進(jìn)行色彩處理。

配色對(duì)象平涂層色彩關(guān)系用另一個(gè)網(wǎng)絡(luò)模型表達(dá)，如圖4(d)所示，稱為“色區(qū)鄰接網(wǎng)絡(luò)”，其中：圓點(diǎn)表達(dá)色彩及其面積占比；圓點(diǎn)外環(huán)表示該色的分散度；圓點(diǎn)之間的連線表示2色之間有毗鄰關(guān)系，連線的粗細(xì)表示色區(qū)毗鄰量的大小。

配色對(duì)象的每一種色彩對(duì)應(yīng)色彩空間中的一個(gè)點(diǎn)，因此配色對(duì)象可表達(dá)為色彩空間內(nèi)的一個(gè)點(diǎn)集，即圖2(b)和圖4(d)的網(wǎng)絡(luò)具有三維形態(tài)，圖5表達(dá)了2個(gè)網(wǎng)絡(luò)在HSB色彩空間內(nèi)的形態(tài)，以及在3個(gè)投影面上的形態(tài)，供設(shè)計(jì)師觀察比較。

圖5 2個(gè)色彩網(wǎng)絡(luò)在HSB空間的三維形態(tài)((a)提取色的共現(xiàn)網(wǎng)絡(luò)；(b)配色對(duì)象的色區(qū)鄰接網(wǎng)絡(luò))

2個(gè)網(wǎng)絡(luò)在程序內(nèi)部的表達(dá)方式均為矩陣形式。因此，面向色彩意象再現(xiàn)的配色問題即被編碼為一種從色彩共現(xiàn)網(wǎng)絡(luò)到色區(qū)鄰接網(wǎng)絡(luò)的映射機(jī)制。

3 非隨機(jī)配色方案種群的生成機(jī)制

對(duì)設(shè)計(jì)師配色設(shè)計(jì)過程的觀察和訪談結(jié)果表明，設(shè)計(jì)師在方案收斂階段通常會(huì)選擇1～2款相近的方案進(jìn)行連續(xù)調(diào)整，而不是像在搜索階段進(jìn)行選出多個(gè)備選方案。因此收斂階段的方案種群基于1～2款方案以連續(xù)變異和交叉的方式構(gòu)建。配色對(duì)象不同色區(qū)之間的洗牌換色操作也在搜索階段完成[12]，因此具體算法以插值為主。

由于一款配色方案包含多種色彩，插值機(jī)制比較復(fù)雜，即使最簡(jiǎn)單的線性插值也有多種變體。本文給出了3種非隨機(jī)種群的構(gòu)建方法。

3.1 變異操作-RGB漸變

變異操作是讓一款選定的配色方案中每個(gè)色區(qū)的色彩在其色彩空間的一定鄰域內(nèi)沿固定方向連續(xù)均勻變化，產(chǎn)生一系列新的色彩。變異操作可以在RGB，HSB等色彩空間中進(jìn)行，不同的色彩空間的操作方式略有差異。

在RGB色彩空間中，新色彩變化遵循式為

其中，0=(0r,0g,0b)為上一階段初步優(yōu)化產(chǎn)生的配色方案的RGB色彩，即RGB色彩空間中的一個(gè)坐標(biāo)點(diǎn)；1=(1r,1g,1b)為色彩變化的方向；為經(jīng)過0與12點(diǎn)的函數(shù)曲線，每一種色彩()均在這條曲線上；為曲線的參數(shù)，每一款新方案的參數(shù)的值是該方案的序列號(hào)的函數(shù)，即=()。

當(dāng)為線性函數(shù)且為的線性函數(shù)時(shí)，式(1)即變成均勻線性插值函數(shù)，即

其中，為生成的配色方案種群的規(guī)模。色彩從0向1方向變化，變化幅度為01距離的0.2倍。

對(duì)于一個(gè)有種色彩的配色方案，其變異操作得到的方案為

對(duì)于有個(gè)個(gè)體的配色方案種群，可表達(dá)為

由于是一個(gè)包含RGB等3個(gè)色彩分量的向量，所以每款配色方案實(shí)際上是一個(gè)×3的矩陣。

式(4)中每一種色彩的變化參數(shù)與方案序列號(hào)的函數(shù)關(guān)系不一定是線性的，也不一定是相同的。以線性函數(shù)為例，即色彩的取值點(diǎn)在0和1之間的連線上不一定均勻分布，有可能是減速或加速的(如按斐波那契級(jí)數(shù)規(guī)律變化)。

為了避免色彩變化的無序化，1通常是一個(gè)位于0附近的色彩。如果1距離0較遠(yuǎn)，則向量01一般指向純黑或純白色，因?yàn)樵O(shè)計(jì)師對(duì)色彩微調(diào)的需求一般是變深或變淺，但不希望變成別的顏色。

3.2 變異操作-HSB漸變

HSB空間的色彩變異與RGB類似，但也有不同之處，主要在于HSB的3個(gè)色彩分量代表的是色彩的色相、飽和度和亮度3個(gè)特征，且可以分別調(diào)整，而RGB的3個(gè)色彩分量分別調(diào)整會(huì)帶來不可控的結(jié)果。變異后的新色彩的HSB等3個(gè)分量的變化遵循式

其中，0=(0h,0s,0b)為上一階段初步優(yōu)化產(chǎn)生的配色方案的HSB色彩，即HSB色彩空間中的一個(gè)坐標(biāo)點(diǎn)；ΔC()，ΔC()和ΔC()分別為HSB的3個(gè)色彩分量的增量變化函數(shù)，其組合結(jié)果形成式(1)中的，由于實(shí)際操作中經(jīng)常需要單獨(dú)設(shè)定HSB的3個(gè)色彩分量的變化規(guī)律，因此這里表達(dá)為3個(gè)分量的參數(shù)方程；參數(shù)的值是該方案的序列號(hào)的函數(shù)=()。

當(dāng)勻速變化且為的線性函數(shù)時(shí)，上式即變成均勻線性插值函數(shù)，如H色彩分量的變化為

其中，新生成的色彩系列的值在初始值0h上下浮動(dòng)，均勻變化，變化的總范圍為。

3個(gè)色彩分量的變化函數(shù)可以是不相同的，組合出豐富的色彩變化序列。

3.3 交叉操作：方案融合

基于2個(gè)相近的方案進(jìn)行融合得到一系列新方案，是實(shí)際色彩優(yōu)化過程中被提及較多的需求。對(duì)此，本文提出了在2個(gè)方案之間進(jìn)行插值的交叉操作。

傳統(tǒng)的進(jìn)化算法的交叉操作也多是基于插值，但是由于一次只需要生成一個(gè)子代，所以多為隨機(jī)插值。本文生成漸變系列化子代的需求在傳統(tǒng)進(jìn)化算法中很少遇到，因此有關(guān)插值方法的研究鮮見于文獻(xiàn)。

2個(gè)方案的對(duì)應(yīng)色彩交叉融合操作產(chǎn)生的新色彩遵循

其中，0=(0h,0s,0b)為第一個(gè)初始配色方案的色彩(以RGB模式為例，HSB模式類似)；1=(1r,1g,1b)為第二個(gè)初始配色方案的色彩；為經(jīng)過0和12點(diǎn)的函數(shù)曲線，每一種色彩()均在這條曲線上；為曲線的參數(shù)，服從：(0)=0，(1)=1；同時(shí)每一款新方案的參數(shù)的值是該方案的序列號(hào)的函數(shù)=()。3個(gè)色彩分量的變化函數(shù)()可以是不同的，比如=(-1)/(-1)可以讓色彩從0變到1，而=1-(-1)/(-1)則是從1到0反向變化，則可以調(diào)整變化的速度為

當(dāng)=1時(shí)，勻速變化；>1時(shí)，變化速度先慢后快；0<<1時(shí)，變化速度先快后慢。

3個(gè)或4個(gè)方案之間也可以融合，用色彩坐標(biāo)點(diǎn)在色彩空間內(nèi)構(gòu)筑三角形或四邊形曲面，以一定的插值規(guī)則在曲面的參數(shù)坐標(biāo)系中進(jìn)行有序定位即可。超過4個(gè)方案的融合需求在實(shí)際的色彩方案優(yōu)化中比較少見，由于變化空間的維度較高，已不適合采用本文所提出的非隨機(jī)方法。

4 開發(fā)與應(yīng)用測(cè)試

本文以平面軟件CorelDraw為平臺(tái)開發(fā)了配色方案非隨機(jī)種群的生成技術(shù)。本文早期基于3D參數(shù)化平臺(tái)Solidworks實(shí)現(xiàn)了產(chǎn)品3D模型配色方案的批量生成和交互式遺傳算法[13]，本文選擇平面軟件開展工作的主要原因有：①平面設(shè)計(jì)的配色需求量更大；②3D產(chǎn)品以渲染圖的形式進(jìn)行配色設(shè)計(jì)也可以近似滿足要求；③基于3D模型計(jì)算色區(qū)鄰接網(wǎng)絡(luò)有一定的技術(shù)復(fù)雜性，尚未完全解決。

4.1 基于RGB漸變的非隨機(jī)種群

配色案例采用圖4所示的電競(jìng)椅，界面如圖6所示。

圖6 基于RGB漸變的種群構(gòu)建模塊

本模塊對(duì)式(2)中的=()采用了均勻線性函數(shù)，1則選擇黑白2色作為變化方向，以確保色彩不偏離源方案的色彩。按圖4格式給出配色對(duì)象并選擇配色對(duì)象，然后點(diǎn)擊“選擇配色對(duì)象”按鈕，界面顯示配色對(duì)象中可賦色區(qū)域的信息，包括色區(qū)色彩、變化選擇、變化幅度和變化方向4項(xiàng)內(nèi)容。

“色區(qū)”列給出了對(duì)象各色區(qū)的色彩，色標(biāo)排列順序與對(duì)象的color群組內(nèi)的子對(duì)象順序一致?！白兓绷械膹?fù)選框允許用戶選擇各色區(qū)的色彩是否變化，默認(rèn)全部選中，即全部變化，取消復(fù)選框則對(duì)應(yīng)的色區(qū)色彩保持不變?！胺取绷械奈谋究蚩梢暂斎?～1之間的數(shù)值，指示色彩變化幅度：0表示色彩不變，0.2表示該色的值在上下20%的區(qū)間內(nèi)變化，如果該變化幅度值為1.0，則該色在黑白2個(gè)極限之間變化(中間值仍為該色系列，只是增亮或增暗)?！鞍?>亮”列的復(fù)選框允許用戶選擇對(duì)應(yīng)色區(qū)色彩變化的方向，默認(rèn)為選中狀態(tài)，色彩從暗到亮變化，取消該復(fù)選框則色彩從亮到暗變化。

在右側(cè)行列數(shù)輸入框內(nèi)輸入生成新方案的行列數(shù)，點(diǎn)擊“生成批量方案”按鈕后生成行數(shù)×列數(shù)款新方案，如圖7所示。

圖7 基于RGB漸變生成的配色方案種群

新方案序列中，指定色區(qū)的色彩按給定的方向逐漸變化(變亮或變暗)，方案排列有序展示了色彩差異變化，供用戶比較評(píng)價(jià)。圖7中，配色對(duì)象的3個(gè)色區(qū)都發(fā)生了變化。如果希望對(duì)其中某款方案做進(jìn)一步調(diào)整，可以選中該方案然后重復(fù)實(shí)施上述過程，如圖8所示。

圖8 第二代種群

圖8以第一代種群左下角的方案為源方案生成。3個(gè)色彩的變化幅度均為0.5，有2種色彩是從暗到亮變化，一種是從亮到暗變化。這種進(jìn)化方式的隨機(jī)性因素體現(xiàn)在設(shè)計(jì)師的交互選擇中。

4.2 基于HSB漸變的非隨機(jī)種群

基于HSB漸變模塊的界面內(nèi)容與RGB模塊略有不同，如圖9所示。

圖9 基于HSB漸變的種群構(gòu)建模塊

本模塊對(duì)式(6)的參數(shù)=()采用均勻線性變化函數(shù)，色相、飽和度、亮度3個(gè)色彩分量值分別變化。界面下部的色區(qū)信息在點(diǎn)擊“選擇配色對(duì)象”按鈕后出現(xiàn)?！吧唷绷邪?類信息：該色的Hue值、變化幅度和變化復(fù)選框。復(fù)選框選中則表示該色的色相發(fā)生變化，否則保持原值?！帮柡投取绷邪ǎ涸撋柡投鹊淖兓群妥兓瘡?fù)選框2類信息?！傲炼取绷幸舶ㄅc飽和度相同的2類信息。3個(gè)色彩分量的變化幅度同RGB模塊。

生成的方案種群如圖10所示。

圖10 基于HSB漸變生成的配色方案種群

圖11為固定了源方案中面積最大的色區(qū)，只允許另外2個(gè)色區(qū)色彩發(fā)生變化，且第一色的色相不發(fā)生變化。

圖11 只有2色變化的種群((a)界面設(shè)置；(b)方案種群)

4.3 基于方案融合的非隨機(jī)種群

方案融合模塊的界面如圖12所示。

本模塊對(duì)式(7)的參數(shù)=()采用均勻線性變化函數(shù)，融合方式可在RGB或HSB2種色彩空間進(jìn)行。界面下部的色區(qū)信息在點(diǎn)擊“選擇配色對(duì)象”按鈕后出現(xiàn)。

色區(qū)信息包括2項(xiàng)內(nèi)容：2個(gè)方案的色區(qū)色彩、RGB或HSB3個(gè)色彩分量的變化方向。“變化”列復(fù)選框允許用戶選擇各色區(qū)的色彩是否變化，默認(rèn)全部選中，即全部變化，取消復(fù)選框則對(duì)應(yīng)的色區(qū)的RGB或HSB色彩分量均保持不變?！胺桨窤”、“方案B”列出了2個(gè)配色方案的色區(qū)色彩，色標(biāo)排列順序與對(duì)象的color群組內(nèi)的子對(duì)象順序一致?！癛+”，“G+”和“B+”列：分別對(duì)應(yīng)色區(qū)的RGB3種色彩的變化順序：“+”即從A方案變到B方案，否則從B方案變到A方案。如果右側(cè)的“色彩模式”選項(xiàng)選中的是HSB模式，則出現(xiàn)的是“H+”，“S+”和“B+”。

圖12 方案融合界面

圖13為RGB和HSB 2種模式下的方案融合種群(左下和右上有2個(gè)原始方案)。

圖13 方案融合種群((a)RGB模式下的方案融合種群；(b)HSB模式下的方案融合種群)

由圖13可以看到，在RGB和HSB 2種色彩模式下融合2個(gè)源方案生成的配色方案種群的差別還是很大的，雖然首尾2個(gè)源方案都一樣，但說明融合方式中蘊(yùn)含著豐富的可能性。上述2個(gè)種群均是基于線性插值產(chǎn)生的，如采用其他形式的插值函數(shù)，將會(huì)提供更多樣化的尋優(yōu)空間，同時(shí)又兼顧了設(shè)計(jì)師的感性評(píng)價(jià)習(xí)慣。單就配色優(yōu)化設(shè)計(jì)的收斂階段而言，這是一種比隨機(jī)種群更有優(yōu)勢(shì)的種群配置方法。

5 結(jié) 論

本文面向產(chǎn)品配色優(yōu)化收斂階段提出了非隨機(jī)配色方案種群的概念，并基于平面設(shè)計(jì)平臺(tái)開發(fā)了工具模塊。應(yīng)用測(cè)試表明，收斂微調(diào)階段的方案規(guī)律性變化對(duì)設(shè)計(jì)師的比較色彩方案的細(xì)微感性差異及做出選擇非常有價(jià)值。

由于配色方案包含多種色彩，每種色彩包含3個(gè)色彩分量，每個(gè)色彩分量的變化方式又有多種函數(shù)形式可以選擇，所以非隨機(jī)種群的構(gòu)造方式是豐富的，因此面臨著與隨機(jī)種群相同的尋優(yōu)問題。某種程度上，基于非隨機(jī)種群的交互式尋優(yōu)比隨機(jī)種群更困難——因?yàn)榧纫疹櫾O(shè)計(jì)師對(duì)“方案對(duì)比差異”更敏感的知覺特征，又要兼顧對(duì)解空間搜索的完備性。這種來自于一線設(shè)計(jì)前沿的實(shí)際需求目前尚未得到智能算法界的足夠重視。

在色彩變化的函數(shù)形式上，本文采用了單一的線性函數(shù)，其實(shí)還有大量的非線性插值方式可選。但是如果讓設(shè)計(jì)師進(jìn)行選擇(如CorelDraw提供了20多種兩色融合的運(yùn)算方式)，則會(huì)造成一定的困惑，因?yàn)樵O(shè)計(jì)師無法直觀感受這些函數(shù)的效果。如何讓算法根據(jù)設(shè)計(jì)師的指示自動(dòng)配置色彩變化函數(shù)是本文進(jìn)一步的研究?jī)?nèi)容。如此，種群生成過程中的隨機(jī)性將不再體現(xiàn)在表現(xiàn)型上，而是體現(xiàn)在表現(xiàn)型變化規(guī)律的參數(shù)上，比如用一條連續(xù)的曲線貫穿解空間的主要區(qū)域，并且根據(jù)所經(jīng)區(qū)域的適應(yīng)度高低在曲線上采用不均等的參數(shù)取樣分布。這是交互式進(jìn)化算法兼顧人機(jī)2個(gè)主體優(yōu)勢(shì)的一種可行策略。

[1] 任琦, 徐迎慶, 莊越挺, 等. 面向辦公應(yīng)用的自動(dòng)配色方案創(chuàng)作與應(yīng)用系統(tǒng)[J]. 軟件學(xué)報(bào), 2005, 16(5): 691-699.

REN Q, XU Y Q, ZHUANG Y T, et al. AutoColor: an automatic color scheme generating and authoring system[J]. Journal of Software, 2005, 16(5): 691-699 (in Chinese).

[2] 干靜, 游宇, 殷國(guó)富, 等. 面向工程機(jī)械個(gè)性化定制的色彩調(diào)和算法研究[J]. 四川大學(xué)學(xué)報(bào): 工程科學(xué)版, 2007, 39(6): 163-167.

GAN J, YOU Y, YIN G F, et al. A color harmony algorithm for individuation customization system of construction machinery[J]. Journal of Sichuan University: Engineering Science Edition, 2007, 39(6): 163-167 (in Chinese).

[3] HU G S, PAN Z G, ZHANG M M, et al. An interactive method for generating harmonious color schemes[J]. Color Research & Application, 2014, 39(1): 70-78.

[4] HSIAO S W, YANG M H, LEE C H. An aesthetic measurement method for matching colours in product design[J]. Color Research & Application, 2017, 42(5): 664-683.

[5] HSIAO S W, YANG M H. A methodology for predicting the color trend to get a three-colored combination[J]. Color Research & Application, 2017, 42(1): 102-114.

[6] 蘇暢, 付黎明, 魏君, 等. 基于感性工學(xué)和主成分分析的車身色彩設(shè)計(jì)[J]. 吉林大學(xué)學(xué)報(bào): 工學(xué)版, 2016, 46(5): 1414-1419.

SU C, FU L M, WEI J, et al. Design method in exterior color based Kansei engineering and principal component analysis[J]. Journal of Jilin University: Engineering and Technology Edition, 2016, 46(5): 1414-1419 (in Chinese).

[7] WU M G, CHEN T S, LV G, et al. Identification and formalization of knowledge for coloring qualitative geospatial data[J]. Color Research & Application, 2018, 43(2): 198-208.

[8] 趙黎, 楊連賀, 黃新. 基于多目標(biāo)蜂群優(yōu)化算法的計(jì)算機(jī)輔助配色[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2018, 24(2): 381-389.

ZHAO L, YANG L H, HUANG X. Hierarchical multi-hive bee colony algorithm for computer aided color design[J]. Computer Integrated Manufacturing Systems, 2018, 24(2): 381-389 (in Chinese).

[9] KIM E, SUK H. Zmage color adjustment for harmony with a target color[J]. Color Research & Application, 2018, 43(1): 75-88.

[10] XU B Q, LIU X J, LU C F, et al. Transferring the color imagery from an image: a color network model for assisting color combination[J]. Color Research & Application, 2019, 44(2): 205-220.

[11] 李愚, 劉肖健, 孫艷, 等. 產(chǎn)品配色設(shè)計(jì)的色彩鄰接網(wǎng)絡(luò)模型[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2019, 25(9): 2355-2364.

LI Y, LIU X J, SUN Y, et al. Color adjacent network model for product color design[J]. Computer Integrated Manufacturing Systems, 2019, 25(9): 2355-2364 (in Chinese).

[12] 朱昱寧, 徐博群, 劉肖健. 基于交互式遺傳算法的參考圖像輔助配色設(shè)計(jì)[J]. 包裝工程, 2020, 41(2): 181-188.

ZHU Y N, XU B Q, LIU X J. Reference image aided color matching design based on interactive genetic algorithm[J]. Packaging Engineering, 2020, 41(2): 181-188 (in Chinese).

[13] 劉肖健, 李桂琴, 孫守遷. 基于交互式遺傳算法的產(chǎn)品配色設(shè)計(jì)[J]. 機(jī)械工程學(xué)報(bào), 2009, 45(10): 222-227.

LIU X J, LI G Q, SUN S Q. Color mapping design from image to 3D product model[J]. Journal of Mechanical Engineering, 2009, 45(10): 222-227 (in Chinese).

Non-random population method for intelligent optimization of color matching design

LIU Xiao-jian, PENG Cheng, LV Yun-yun

(Industrial Design Institute, Zhejiang University of Technology, Hangzhou Zhejiang 310023, China)

The optimization method of color matching design often faces convergence difficulties during the formation of the final scheme, because the designer’s evaluation usually enters an unstable state, which makes it difficult to accurately choose among the slightly different schemes. Thus, after the optimization method has completed the large-scale search, the final convergence stage generally still needs the designer to do the manual fine-tuning, which significantly lowers the efficiency of the whole optimization process. A non-random population generation technique based on continuous interpolation was developed for the convergence stage of interactive genetic algorithm to meet the demand of color image reproduction, which can assist designers to realize rapid fine-tuning and output the final design. A prototype system was developed based on graphic design software, in which two kinds of variation operations based on RGB and HSB color spaces and a multi-scheme fusion of crossover operation were given as three kinds of non-random population generation methods. It enabled designers to have a more intuitive visual perception on the color difference, to select schemes more quickly, and to improve the interactive experience of designers as users. The application is verified by the case of color matching design of e-sports chairs.

color matching design; interactive optimization; non-random population

TP 391

10.11996/JG.j.2095-302X.2021061035

A

2095-302X(2021)06-1035-08

2021-03-22；

2021-05-20

國(guó)家社科基金藝術(shù)學(xué)重大項(xiàng)目(20ZD09)

劉肖健(1972–)，男，山東青島人，教授，博士。主要研究方向?yàn)橛?jì)算機(jī)輔助工業(yè)設(shè)計(jì)。E-mail：crazylxj@126.com

22 March，2021；

20 May，2021

National Social Science Fund of Art, China (20ZD09)

LIU Xiao-jian (1972–), male, professor, Ph.D. His main research interest covers computer aided industrial design. E-mail：crazylxj@126.com