王上暉 李雪梅 金肖克 田偉 祝成炎

摘要：

為探尋地貌圖的色彩規(guī)律，并運用在提花織物設(shè)計中，本文利用改進(jìn)的K-means聚類算法進(jìn)行圖像色彩特征提取;同時對地貌圖組成因素進(jìn)行分析，并在此基礎(chǔ)之上，比較分析同種地貌圖色彩特征及不同種地貌圖色彩特征，總結(jié)地貌圖色彩搭配規(guī)律;最后將仿地貌色彩與提花織物設(shè)計相結(jié)合，研究并制定了不同類型地貌色彩特征的設(shè)計方案。本文側(cè)重點不僅在色彩提取方面提供參考，還涉及將色彩仿生設(shè)計巧妙地融于設(shè)計中，賦予傳統(tǒng)提花紋樣設(shè)計更高的美學(xué)價值及美的感觀。

關(guān)鍵詞：

地貌圖;色彩仿生設(shè)計;色彩提取;色彩分析;色彩特征及搭配;紋樣色彩搭配設(shè)計

中圖分類號： TS105.3

文獻(xiàn)標(biāo)志碼： A

文章編號： 10017003（2022）02010110

引用頁碼： 021202

DOI： 10.3969/j.issn.1001-7003.2022.02.013（篇序）

收稿日期： 20210519;

修回日期： 20211217

基金項目： 國家繭絲綢發(fā)展基金資助項目（浙經(jīng)信消費〔2021〕133號）

作者簡介： 王上暉（1994），女，碩士研究生，研究方向為紡織新產(chǎn)品研究與開發(fā)。通信作者：祝成炎，教授，cyzhu@zstu.edu.cn。

色彩仿生設(shè)計[1]的出現(xiàn)給人們生活注入了新活力，自然界作為色彩仿生設(shè)計的創(chuàng)作源泉，可以滿足人們個性與情感需求。其中，地貌作為自然界中主要組成部分，其色彩特征符合人類對美的向往。色彩作為時尚元素，利用地貌圖的色彩搭配可以使紋樣的色彩更加多元化，并且賦予其不同的時尚定義。

每個人對圖像都各有不同的側(cè)重點，但從視覺效果看，最明顯的感觀非顏色莫屬，顏色是所有圖像中最直接且重要的特征。在色彩提取方面，學(xué)者們因聚類算法有良好的可操作性，且在生活和生產(chǎn)上的需要，所以利用該方法對圖片進(jìn)行色彩上的提取[2-3]。Swain等[4]最早提出基于全局顏色直方圖的檢索算法，之后李麗麗[5]對主色提取圖像檢索算法進(jìn)行相關(guān)補(bǔ)充，主要從RGB顏色空間轉(zhuǎn)換為具備良好視覺的HSV顏色空間進(jìn)行主色提取，得到相對應(yīng)的主色集。趙燕偉[6]探究了將原圖像中多種顏色依據(jù)人的視角感觀合并成較少種類顏色，從而利用這些較少的顏色再次合成新的圖像，即量化圖像，使新圖像與原圖像的差別誤差減到最小，最終實現(xiàn)對色彩特征的提取。

本文以自然界的地貌作為色彩仿生對象，對地貌色彩特征進(jìn)行綜合性分析研究;與此同時，采用K-means聚類算法應(yīng)用于地貌圖色彩特征提取，并做出相應(yīng)的色卡，可以更準(zhǔn)確地定性且定量分析色彩上的問題。最終，將地貌圖提取出的色彩運用到織物紋樣設(shè)計中，讓地貌色彩更加接近人們生活，起到一種裝飾作用。

1 地貌類型分類及色彩提取方法

根據(jù)地貌形態(tài)判別出不同地貌圖的類型，對地貌圖進(jìn)行分類整理，本文先從介紹色彩提取的方法開始，之后引出K-means聚類算法，并運用到地貌圖色彩提取上。

1.1 地貌類型

地貌形態(tài)表現(xiàn)出地貌幾何特征，具有空間分布差異，因此研究和應(yīng)用中常利用地貌形態(tài)劃分為不同的地貌形態(tài)類型[7-8]。依據(jù)地貌形態(tài)，可分為七大類型的地貌：冰川地貌[9]、丹霞地貌[10]、黃土地貌[11]、河流地貌[12]、海岸地貌[13]、喀斯特地貌[14]、荒漠地貌[15]。

1.2 K-means聚類算法

K-means聚類算法屬于劃分聚類法的一部分，因其對集中色彩的速度快、搜索相類似顏色的能力強(qiáng)，所以被大多數(shù)人應(yīng)用。K-means聚類算法主要是先創(chuàng)建K個（即創(chuàng)建的劃分個數(shù)）劃分，之后通過一個循環(huán)定位技術(shù)將一個劃分移到另一個劃分，使得最終可以改善劃分質(zhì)量[16-17]。

地貌圖中地貌自身的色彩較為同色，但其他不同的事物，例如藍(lán)天白云、其他動植物的色彩則較為豐富，易于在圖片中形成點綴。為提取地貌圖的色彩，初始聚類中心設(shè)置是固定的。在此基礎(chǔ)上，對地貌圖中的色彩提取9種顏色，考慮到初

始聚類中心的問題，因此選擇聚類10種顏色。在利用圖像分割軟件下，每一張地貌圖都會得到不同色彩的比例，除去初始點，剩下的9種顏色計算相對應(yīng)的比例，經(jīng)過多次聚類分析，為達(dá)到最理想的效果，需要經(jīng)過23次計算才可以初見成果。

2 地貌圖色彩特征分析

本文首先分析地貌圖中組成因素的色彩特征及其對地貌圖的影響，然后通過同種類型地貌圖和不同類型地貌

圖的色彩提取，得出顏色比例及其RGB值、Lab值，并進(jìn)行分析。

2.1 地貌圖組成因素分析

存儲在計算機(jī)中的地貌圖，因不同類型的地貌反映出的色彩不盡相同，故在一張地貌圖片中，一般由作為主體的地貌、天空、植被或動物等一些事物所組成。根據(jù)地貌圖的空間分布，天空占據(jù)圖片的0～50%，而不同的地貌圖中天空的占據(jù)比例有所不同，如圖1、圖2及圖3所示。

以上三幅圖的天空相同點在于三者都含有云彩，而不同點是云彩分布比例不相同，從中可以很明顯地看出云彩對天空色彩有一定的影響。圖1中云的面積較大，呈螺旋狀，使得天空的顏色中含有相對比例的白色，白色占據(jù)比例為30%～40%;而圖2中天空的云呈柳絮狀，整個天空顏色總體為藍(lán)色，但因云的影響，白色比例為20%～30%;圖3中的塊狀云占據(jù)比例相對較少，比例為15%～25%。通過三幅圖的天空比較可以得出，白色占據(jù)比例大小隨著云占據(jù)天空的面積多少而發(fā)生變化。

從圖4可以看出，天空對整幅地貌圖有很大的影響。無天空的地貌圖中，大致呈現(xiàn)的顏色較為統(tǒng)一，在顏色上沒有很大的差異;相比較下，有天空的地貌圖會有不同的色系出現(xiàn)。出現(xiàn)天空的地貌圖，色彩更為豐富，使得地貌圖更加生動形象地展現(xiàn)在人們的眼前。

在地貌圖中，不止只有天空會對地貌圖色彩上有影響，還有植被、動物等（圖5）也對地貌圖色彩有影響，它們在色彩特征提取方面的影響主要體現(xiàn)在：

1） 植被的顏色隨著不同的季節(jié)進(jìn)行改變，在春夏季多為綠色，在秋冬季多為黃綠色或棕色。植被有時占據(jù)圖片的百分比大致為0～30%，在地貌圖中，如若含有大量的植被，植被的顏色比例在地貌圖中占比較高，植被會對整幅地貌圖的

主色調(diào)產(chǎn)生影響;如若植被在地貌圖中占比不大，那植被的顏色在地貌圖中則形成點綴。

2） 地貌圖中的其他事物主要還是看事物在整幅圖中的所占比例。動物及一些事物的顏色在地貌圖中占據(jù)的百分比大致為0～10%，大多是占比較少，對地貌圖主色調(diào)影響不大，只是起到點綴作用。

2.2 同種類型地貌圖色彩特征分析

對地貌圖進(jìn)行色彩上的提取，本文采用的是課題組開發(fā)的分色軟件——彩色圖像分割軟件V1.0。操作設(shè)計流程如下：先打開圖像分割色彩提取軟件（圖6（a）），導(dǎo)入選取的地貌圖，之后分色數(shù)設(shè)為10色（初始點顏色已選定紅色，即得9種顏色比例的數(shù)據(jù)），如圖6（b）所示，最后提取出來的顏色RGB值會顯示在界面上。

本文以黃土地貌為例（圖7），通過圖像分割色彩提取軟件得出的聚類結(jié)果，主要針對圖片的顏色分布比例及其RGB值做出相關(guān)分析，如表1、表2所示。

從黃土地貌圖1和圖2數(shù)據(jù)可知，表1中比重達(dá)到264%的第3塊色塊和表2中比重達(dá)到25.9%的第2塊色塊分別是兩幅黃土地貌圖中比重最高的色塊，而相對表1中占比為4.07%的第1色塊和表2中占比為2.98%的第4色塊占比最少，其他色塊的比例相差不大，都較為均勻。表1中第3色塊的RGB值為219、140、86，可以看出主色偏向紅色;表2中第2塊色塊的RGB值為49、94、141，主色偏向藍(lán)色。

兩幅圖同為黃土地貌圖，從表1中第6、7、8、9色塊與表2中第6、7、8、9色塊相比較，兩幅圖片的四塊色塊的RGB值較為接近，而這四塊色塊顯示的是地貌本身的色彩，即相同點為兩幅圖本身地貌的色彩較為相近。兩幅圖雖都帶有天空，但兩者的天空所占的比例有所不同，表1中第1、2塊色塊表示的是天空的色彩比例，比例為4.07%和8.33%;表2中第1、2塊色塊的色彩比例是10.8%和25.9%。從天空的色彩比例值可以看出，為達(dá)到不一樣的效果，同種地貌本身的色彩不太會變化，改變圖片的因素應(yīng)與其他事物有關(guān)。

2.3 不同種類型地貌圖色彩特征分析

冰川地貌圖和喀斯特地貌圖（圖8）相差甚大，故本文以這兩種不同類型地貌圖為例進(jìn)行具體分析，如表3、表4所示。

選用不同地貌圖來分析色彩，冰川地貌色塊（表3）中第7塊色塊比重占據(jù)較多，達(dá)到18.6%;喀斯特地貌色塊（表4）第7塊色塊比重為15.8%是圖中占據(jù)最多比例的色塊。而冰川地貌圖中第6塊色塊和喀斯特地貌圖中第8塊占比在兩幅圖中最少，其比例分別為5.94%和6.35%。從表3可以看出冰川地貌圖的顏色分布較為均衡，多數(shù)以灰色及少數(shù)的藍(lán)色加以點綴;從表4中第3塊色塊到第9塊色塊可以看出，RGB值都沒有較大的變化，從而說明選取的喀斯特地貌圖是以綠色系為主色調(diào)。

對不同類型的地貌圖作對比，可以看出不同類型的地貌圖色系大為不同。通過上述分析，可以看出冰川地貌主色系以灰色系為主，而喀斯特地貌主色系以綠色系為主。兩幅圖中色彩上的不同與很多因素有關(guān)，比如光照強(qiáng)度、天氣狀況、地貌分布及地理位置不同等影響，而兩幅圖中最大的相同點則都是強(qiáng)調(diào)地貌的主色調(diào)，特征較為清晰，色彩分布較均勻。

在得出相應(yīng)的RGB值之后，為進(jìn)一步分析顏色上的不同，本文采用Lab值來探究。Lab值可以通過RGB值轉(zhuǎn)換，一般RGB值（取值范圍在0～255）會先轉(zhuǎn)換為XYZ值，隨后轉(zhuǎn)換成Lab值。具體轉(zhuǎn)換公式如下：

1） RGB值轉(zhuǎn)換為XYZ值：

XYZ=0.412 453 0.357 580 0.180 4230.212 671 0.715 160 0.072 1690.019 334 0.119 193 0.950 227RGB（1）

2）XYZ值轉(zhuǎn)換為Lab值：

L=116fYYn-16a=500fXXn-fYYnb=200fYYn-fZZn（2）

式中：Xn=95.047，Yn=100.000，Zn=108.883。

根據(jù)式（2）轉(zhuǎn)換成的Lab值，本文繪制散點圖，如圖9、圖10所示。

從圖9可以看出，兩幅圖中的離散點都集中地位于第一象限，即表明都為正值，位于第三象限的點都較少。散點離原點的距離（即L值）都比較遠(yuǎn)，表明明度值都比較高。從圖9還可以得出，同種類型地貌圖中顏色差值都不會太大，兩幅圖分布規(guī)律也相同，并不會受到其他因素影響而改變地貌圖本身存在的色彩規(guī)律。

從圖10可以看出，冰川地貌圖的離散點都位于第三象限，喀斯特地貌圖的離散點都位于第二象限，且各個離散點的距離都較為接近，表明各個顏色給人感觀并無太大的差距。從圖10還可以得出，不同類型的地貌圖其自身的顏色并沒有跳躍的顏色存在，都較為相近，這樣可以保證地貌圖片的整體效果感好，有一定的層次感。

3 仿地貌色彩特征的紋樣設(shè)計

本文通過仿地貌圖色彩特征的成衣設(shè)計案例來補(bǔ)充說明地貌圖的色彩搭配理論，并歸納出地貌圖的色彩搭配規(guī)律，最終給出相應(yīng)的色彩搭配方案。

3.1 地貌圖色彩搭配理論案例

為了給人類創(chuàng)造更好的生活環(huán)境，設(shè)計師們[18]欲將大自然美好的色彩和形態(tài)進(jìn)行創(chuàng)造性的設(shè)計（圖11）。與此同時，由于人類對色彩的敏感度和對現(xiàn)代提花織物的需求，當(dāng)今的提花織物不僅在于實用，更多的是在實用的基礎(chǔ)上增添美感。因此，設(shè)計師們把自然事物通過色彩仿生設(shè)計運用到提花織物中，既滿足人們對現(xiàn)代紡織品的個性與情感需求，又為自身生活注入了新鮮活力。

3.2 地貌圖色彩搭配規(guī)律

在與潘通紡織網(wǎng)[19]進(jìn)行對比時發(fā)現(xiàn)，色彩搭配規(guī)律大部分是由淺到深，即由外輪廓的淺到內(nèi)部的深。通過上述對地貌圖的分析，總結(jié)了七大類型地貌圖色彩主要是白、灰、棕、黃、藍(lán)、綠、紅進(jìn)行搭配，并歸納出以下五大特點：

1） 相近色彩的配色：例如在冰川地貌中的白色和淺灰色，兩者的明度及飽和度十分相近;丹霞地貌中咖啡色到紅棕色的過渡，這樣的顏色搭配也十分常見;黃土地貌圖中的深棕色與淺棕色的搭配也較為得當(dāng)，喀斯特地貌中的色彩主要是淺灰色與深灰色融合，這些都說明在地貌圖中相近色彩的配色是尤為重要。

2） 個體色彩的配色：地貌圖色彩基本都是偏暗色且明度較低的色系，而為使地貌圖色彩飽和度更高，一般在出現(xiàn)地貌的同時，會有其他事物來增加地貌圖的色彩。

3） 整體色彩的配色：地貌圖中地貌的主色系基本是由黑、白、灰及深紅色為主的色系組合而成，每種顏色由淺到深，色彩分布均勻，搭配自然。

4） 同一類型的地貌圖的配色差異：同一類型的地貌圖的配色差異主要在于不同事物的搭配。例如黃土地貌，在陰沉的天氣下地貌的顏色偏暗，飽和度低，明度值下降，天空的色彩則是以灰黑色為主;若在日照強(qiáng)度高且飽和度高的情況下，黃土地貌呈亮黃色，明亮度高。

5） 不同類型的地貌圖的配色差異：比較不同類型地貌圖，可發(fā)現(xiàn)不同類型的地貌圖色彩會受天氣和事物的影響，相對的顏色差別較大，在視覺效果上完全不同，還與不同的地貌呈現(xiàn)的紋理不同，所展示的顏色差異也會較大。

3.3 地貌圖色彩特征搭配方案

典型的纏枝花圖案（圖12）是植物花草以柔和的半切圓或半波狀線形成，一般會在中間點綴花朵，花朵相對較大;枝莖上填上葉子，枝葉較為細(xì)長，相對花朵而言葉片較小，這樣的構(gòu)成使得圖案層次分明。本文利用地貌色彩特征與纏枝花

紋樣相結(jié)合，目的在于結(jié)合現(xiàn)代色彩元素、實用性、功能性、形式性和對稱性等基本設(shè)計法則，展現(xiàn)出現(xiàn)代人合理利用文化特征元素的水平。

卷草紋紋樣圖大多先是取忍冬、蘭花、石斛等花草（表5），花草造型多為曲卷圓潤，經(jīng)處理后作“S”形波狀曲線排列構(gòu)成連續(xù)圖案。卷草紋紋樣是集多種花草植物特征于一身，經(jīng)夸張變形而創(chuàng)造出來的一種意象性裝飾樣式。它以旋繞盤曲的花枝葉蔓為主體，現(xiàn)如今已經(jīng)成為中國裝飾中較普遍而有特色的紋樣。

對比表5中的三種經(jīng)處理后的紋樣圖，以忍冬為原型的紋樣圖作為卷草紋紋樣代表性強(qiáng)，可以更好地突出地貌色彩漸變的特征，也符合紋樣設(shè)計要求，最終可達(dá)到對地貌色彩仿生設(shè)計，故本文選此（圖13）作為素材圖。

在紋樣圖選取之后的設(shè)計過程中，色彩搭配是重點環(huán)節(jié)。本文設(shè)計提花織物的色彩搭配，結(jié)合地貌圖色彩規(guī)律，采用2種紋樣4種配色方案，再對比這4種不同色彩搭配的方案得出地貌色彩特征的效果，如表6、表7所示。

分析表6、表7的4種方案，可以得出：

喀斯特地貌圖主要色系為綠色系?？λ固氐孛苍瓐D中黃綠色占主要部分，因拍攝角度問題，黃綠色土地占據(jù)圖片面積較大。黃綠色的主體，起到突出喀斯特地貌圖的特點;而各個小山丘的顏色為深綠色，是整幅圖中第二個色彩主體。從黃綠色過渡到深綠色，使得小山丘給人一種朦朧感，因此把深綠色放在設(shè)計圖的最中間;相對而言，天空呈現(xiàn)的白色面積較小，可以利用天空的白色在設(shè)計圖中作背景色，起到強(qiáng)調(diào)主體的作用;而因太陽光的問題，出現(xiàn)灰綠色或橄欖綠色，相近色的搭配是整幅圖的連接，使得圖片更加美觀，有層次交錯之感。

冰川地貌圖做配色處理可以看出，冰川地貌中基本都是冷色調(diào)，以白、藍(lán)、灰為主。深灰色是地貌主體的顏色，把其安排在最中間的位置突出花型;冰川主要由灰色和白色相結(jié)合，為了使地貌圖色彩更好地呈現(xiàn)，在分色過程中提高了白色和灰色的比例，還有藍(lán)色與灰色的相結(jié)合，使得地貌圖中的一些互補(bǔ)色進(jìn)行調(diào)和。

荒漠地貌圖色彩較為相近，并沒有較大的區(qū)別。為提花織物的色彩更加協(xié)調(diào)，因此將荒漠地貌圖色彩總體上亮度稍加提高，色彩總體明度值提高，存在的色相較少，最后通過明度與飽和度的變化來體現(xiàn)地貌圖明暗之間的變化。

丹霞地貌圖中選取的圖片是七彩丹霞地貌，是一種特殊的丹霞地貌，其色彩較多，色彩明度高，且飽和度好。七彩丹霞地貌十分壯觀，顏色的搭配也十分和諧，結(jié)合藍(lán)色與紫色之間的互補(bǔ)性呈現(xiàn)在提花織物中，顯得更加俏皮可愛，給人以靈動感。

4 結(jié) 語

本文主要是針對地貌圖色彩進(jìn)行一系列分析，從地貌圖組成因素到整體色彩特征進(jìn)行歸納總結(jié)。

1） 地貌圖的組成不止是地貌本身，還有天空、植被、動物等，這些都是地貌圖構(gòu)成的因素，因有這些因素的存在，使得地貌圖中的色彩并不單一，可以更加生動形象，色彩飽滿。

2） 對比同種類型的地貌圖與不同類型的地貌圖可以看出，RGB值、Lab值都能夠準(zhǔn)確表達(dá)相對應(yīng)的顏色，使得獲得的顏色值較為精準(zhǔn)。

3） 分析地貌圖色彩分布規(guī)律可得出，大多數(shù)地貌圖則是以黑、白、灰三種顏色之間與其他色系之間的搭配。在主體是地貌的前提下，結(jié)合其他事物的色調(diào)是色彩搭配的準(zhǔn)則。一般情況下，明度較高、飽和度也高的暖色調(diào)所占比例不多。

4） 本文使用的地貌圖是在計算機(jī)存儲下的，大都是隨著攝影師拍攝角度不同而變化，如何把地貌圖中的顏色填入紋樣中實現(xiàn)色彩仿生是關(guān)鍵。從紋樣圖本身來看，同色系的搭配十分恰當(dāng)，這樣可以營造出和諧的畫面感。

《絲綢》官網(wǎng)下載

中國知網(wǎng)下載

參考文獻(xiàn)：

[1]柳文海. 論現(xiàn)代服飾中的仿生設(shè)計[J]. 戲劇之家， 2019（31）： 97-98.

LIU Wenhai. On bionic design in modern clothing[J]. Theatre House， 2019（31）： 97-98.

[2]許麗利. 聚類分析的算法及應(yīng)用[D]. 吉林： 吉林大學(xué)， 2010.

XU Lili. Algorithm and Application of Cluster Analysis[D]. Jilin： Jilin University， 2010.

[3]YENIPAZARLI A， VAKHARIA ASOO J. Green， greener or brown： Choosing the right color of the product[J]. Annals of Operations Research， 2017， 250（2）： 537-567.

[4]SWAIN， MICHAEL J， BALLARD， et al. Color indexing[J]. International Journal of Computer Vision， 1991， 7（1）： 11-32.

[5]李麗麗， 孫勁光. 基于主色提取和主色集擴(kuò)充的圖像檢索算法[J]. 計算機(jī)應(yīng)用與軟件， 2012， 29（1）： 152-154.

LI Lili， SUN Jingguang. Image retrieval algorithm based on main color extraction and main color setexpansion[J]. Computer Applications and Software， 2012， 29（1）： 152-154.

[6]趙燕偉， 王萬良. 基于聚類分析的色彩量化新算法及其應(yīng)用[J]. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報， 2000， 12（5）： 340-343.

ZHAO Yanwei， WANG Wanliang. New color quantization algorithm based on cluster analysis and its application[J]. Journal of Computer-Aided Design and Computer Graphics， 2000， 12（5）： 340-343.

[7]胡友峰. 自然美的理論譜系及其問題[J]. 山東社會科學(xué)， 2019（9）： 43-51.

HU Youfeng. The theoretical pedigree of natural beauty and its problems[J]. Shandong Social Science， 2019（9）： 43-51.

[8]申元村， 程維明. 生態(tài)地貌學(xué)研究體系及其功能提升探討[J]. 地理研究， 2019， 38（2）： 348-356.

SHEN Yuancun， CHENG Weiming. Research system and function promotion of ecological geomorphology[J]. Geographical Research， 2019， 38（2）： 348-356.

[9]趙井東， 王杰， 沈永平， 等. 西秦嶺迭山西北部冰川地貌分布及其特征[J]. 冰川凍土， 2013， 35（4）： 841-847.

ZHAO Jingdong， WANG Jie， SHEN Yongping， et al. Distribution and features of glacial landforms in the northwest of Dieshan， Western Qinling Mountains[J]. Glacial Frozen Soil， 2013， 35（4）： 841-847.

[10]歐陽杰， 朱誠， 彭華. 丹霞地貌的國內(nèi)外研究對比[J]. 地理科學(xué)， 2011， 31（8）： 996-1000.

OUYANG Jie， ZHU Cheng， PENG Hua. A contrast introduction to danxia landforms from a word-wild references for similar landforms[J]. Geographical Science， 2011， 31（8）： 996-1000.

[11]張磊， 湯國安， 李發(fā)源， 等. 黃土地貌溝沿線研究綜述[J]. 地理與地理信息科學(xué)， 2012， 28（6）： 44-48.

ZHANG Lei， TANG Guo’an， LI Fayuan， et al. A review of research along the loess plateau[J]. Geography and Geographic Information Science， 2012， 28（6）： 44-48.

[12]王俊祎. 河流地貌指數(shù)和湖泊沉積對大青山山前斷裂活動性的相應(yīng)[D]. 北京： 應(yīng)急管理部國家自然災(zāi)害防治研究院， 2021.

WANG Junyi. Correspondence of River Geomorphology Index and Lake Sediment to Fault Activity in Daqingshan Piedmont[D]. Beijing： National Academy of Natural Disaster Prevention and Control， Ministry of Emergency Management， 2021.

[13]高抒. 從海岸地貌學(xué)看河海劃界的可操作性[J]. 海洋學(xué)研究， 2009， 27（1）： 23-27.

GAO Shu. Maneuverability of river-sea delimitation from coastal geomorphology[J]. Oceanographic Research， 2009， 27（1）： 23-27.

[14]ARANTZA A， MARTIN A， ENEKO I. Karst landscape evolution in the littoral area of the Bay of Biscay （North Iberian Peninsula）[J]. Quaternary International， 2015（364）： 217-230.

[15]宋懷龍. 晚中新世末期重大環(huán)境群發(fā)事件的影響與評估： 古地中海干涸與世界荒漠及人科動物的形成[J]. 海洋地質(zhì)與第四紀(jì)地質(zhì)， 2013， 33（2）： 51-62.

SONG Huailong. Impacts and assessments of major environmental mass events in the Late Miocene： The drying of the ancient Mediterranean and the formation of world deserts and humans[J]. Marine Geology and Quaternary Geology， 2013， 33（2）： 51-62.

[16]WANG Hui， ZHOU Chengdong， LI Leixiao. Design and application of a text clustering algorithm based on parallelized K-means clustering[J]. Revue d’Intelligence Artificielle， 2020， 33（6）： 453-460.

[17]雷小鋒， 謝昆青， 林帆， 等. 一種基于K-means局部最優(yōu)性的高效聚類算法[J]. 軟件學(xué)報， 2008， 19（7）： 1683-1692.

LEI Xiaofeng， XIE Kunqing， LIN Fan， et al. An efficient clustering algorithm based onlocal optimality of K-means[J]. Journal of Software， 2008， 19（7）： 1683-1692.

[18]世界頂級的時裝設(shè)計， 原來是從大自然中“抄襲”[EB/OL]. [2016-05-04][2021-05-08]. https：//www.sohu.com/a/73322911_252366.

The world’s top fashion design was originally "plagiarized" from nature[EB/OL]. [2016-05-04][2021-05-08]. https：//www.sohu.com/a/73322911_252366.

[19]潘通紡織網(wǎng)[DB/OL]. [2021-01-01][2021-05-08]. http：//www.pantonemall.cn/pantone/index.htm.

Pantone Textile[DB/OL]. [2021-01-01][2021-05-08]. http：//www.pantonemall.cn/pantone/index.htm.

Abstract：

All kinds of beauty in nature are embodied by color， which is the language of nature and the portrayal of the charm of nature. In nature， landform as one of the basic elements belongs to things in nature， with different causes and types. In a certain area， other physical geographic elements， such as vegetation， hydrology， climate， soil， animals， etc.， have direct or indirect influence on the morphology and distribution of the landform.

Nowadays， bionic products， bionic decorations and clothing have satisfied human curiosity about nature， promote human beings to continuously explore the unknown nature， bravely reflect the image characteristics of real things， and demonstrate vivid vitality and individual charm in the process of innovation. In recent years， with the large-scale application of multimedia， the color bionics has always been ignored and traditional image processing methods can no longer meet the needs of the market due to their large workload， low efficiency， and artificial subjective color selection. Therefore， it is very necessary to use improved image processing software for color extraction and apply color bionic design to jacquard fabric design.

In order to explore the color law of the geomorphic map and apply to the design of jacquard fabric pattern， this paper uses the improved K-means clustering algorithm for the extraction of image color features; at the same time， the composition factors of the geomorphic map are analyzed， and a more typical loess landform is selected as the research object of the same type of landform map， the karst landform and glacial landform are selected as the research objects of different types of landform map. On this basis， RGB value and Lab value are analyzed for the same type of landform map and the color features of different types of landform map; the imitated landform map color features of garment design cases are used to supplement the color matching theory of the landform map， and the color matching rules of the landform map are summarized; finally， the imitated landform color and the jacquard fabric design are combined， and the design schemes of different types of landform color features are studied and formulated.

For the first time， the article uses the landforms of nature as color bionic objects， which is a highlight， and this article comprehensively analyzes its color features and explores the methods of landform color bionic design; the colors obtained from K-means clustering are combined with Photoshop image software to make a color chart of the colors of the landform map， so as to analyze the color problems qualitatively and quantitatively in a more accurate manner. Through the above research， it is found that the composition of the landform map is not only the landform itself. The sky， vegetation， animals， etc.， are all the factors that constitute the landform map. Because of the existence of these factors， the colors of the landform map can be more vivid and varied; comparing the same type of landform map with different types of landform maps， it can be seen that the RGB value and Lab value can accurately express corresponding colors， making the color value obtained more accurate; through the analysis of the landform map color distribution law， it can be concluded that most landform maps are the matchings between the three colors of black， white， and gray with other color systems. On the premise that the main body is the landform， the color combination with other things is the criterion for color matching. Under normal circumstances， the proportion of warm colors with higher brightness and higher saturation is not large; the landform maps used in this article are stored in a computer， most of which vary with the photographer’s shooting angles. How to fill the colors in the landform maps into patterns to achieve color bionics is the key point of this article. From the perspective of the pattern itself， the matching of the same color system is very appropriate， which can create a harmonious picture.

With the development of society， different groups of people have different requirements for textiles， so the development of innovative jacquard fabrics is a social development trend. Integrating the design of jacquard fabric pattern and the color bionic design can enrich the whole of the jacquard fabric. The article not only provides a reference for color extraction， but also involves the ingenious integration of color bionic design into the design， and endows traditional jacquard pattern design with higher aesthetic value and aesthetic perception.

Key words：

landform map; color bionic design; color extraction; color analysis; color characteristics and matching; pattern color matching design