丁 莉,楊 琴,姜 鵬

(中國(guó)國(guó)家博物館,北京 100006)

0 引 言

自1980年以來(lái),人們開(kāi)始利用反射光譜成像技術(shù)獲取地面遙感數(shù)據(jù)[1]。隨后,該技術(shù)日漸成熟并擴(kuò)展到其他領(lǐng)域,例如工業(yè)質(zhì)量控制、農(nóng)業(yè)食品、制藥,以及文化遺產(chǎn)領(lǐng)域。早期,人們應(yīng)用一維反射光譜識(shí)別文化遺產(chǎn)上的材質(zhì)信息[2-8],自2000年以來(lái),二維的反射光譜的成像技術(shù)(高光譜技術(shù))開(kāi)始應(yīng)用于各類(lèi)平面文物,例如油畫(huà)、壁畫(huà)、書(shū)稿等[9-14]。中國(guó)古代書(shū)畫(huà)文物材質(zhì)脆弱,在大多數(shù)情況下無(wú)法進(jìn)行取樣分析,而光譜成像技術(shù)為古代書(shū)畫(huà)的無(wú)損科學(xué)數(shù)據(jù)采集提供了可能,對(duì)中國(guó)古代書(shū)畫(huà)的價(jià)值認(rèn)知和保護(hù)具有重要作用。本工作以文獻(xiàn)調(diào)研為基礎(chǔ),簡(jiǎn)要介紹了高光譜成像的原理及技術(shù)特點(diǎn),對(duì)高光譜技術(shù)在中國(guó)古代書(shū)畫(huà)研究的實(shí)踐進(jìn)行總結(jié),梳理了國(guó)內(nèi)外研究者利用高光譜技術(shù)在書(shū)畫(huà)、檔案及相關(guān)彩繪文物的增強(qiáng)顯示、物質(zhì)識(shí)別、虛擬修復(fù)方面的應(yīng)用案例,以期為相關(guān)研究者提供參考借鑒。

1 高光譜成像的原理和技術(shù)特點(diǎn)

高光譜通常是指在波長(zhǎng)范圍內(nèi)光譜分辨率小于10 nm的光譜信息。高光譜成像技術(shù)在獲得目標(biāo)空間信息的同時(shí),為每個(gè)像元提供幾十甚至上百個(gè)光譜信息。該技術(shù)具有以下4個(gè)特點(diǎn):

1) 無(wú)損測(cè)量。采用反射光譜模式,無(wú)需接觸待測(cè)物,對(duì)待測(cè)物不產(chǎn)生物理?yè)p害。

2) 光譜范圍廣。人的眼睛可以感知的電磁波波長(zhǎng)一般在0.40～0.76 μm,這一部分在電磁波譜中被稱(chēng)作可見(jiàn)光。高光譜技術(shù)可將光譜范圍拓展至紫外(<0.40 μm)和熱紅外區(qū)域(0.76～1 000 μm),拓展了人眼無(wú)法感知的區(qū)域。

3) 光譜分辨率高。高光譜傳感器能獲得可見(jiàn)光、近紅外、短波紅外、熱紅外波段多而窄的連續(xù)光譜,波段數(shù)可達(dá)數(shù)百個(gè),例如把400～1 000 nm分為300個(gè)通道。因此,通過(guò)高光譜技術(shù)獲取到的是一個(gè)接近于連續(xù)的光譜信息。光譜信息能夠反映物質(zhì)成分內(nèi)部的物理結(jié)構(gòu)和化學(xué)成分的差異。

4) 圖譜合一。高光譜成像技術(shù)將光譜信息和空間位置相結(jié)合,在掃描區(qū)域內(nèi),可獲得任一個(gè)空間位置的光譜反射率,獲得文物表面的光譜差異性分布。

這里需強(qiáng)調(diào)的是,在高光譜應(yīng)用于文物成像之前,人們多用多光譜攝影技術(shù)獲得可見(jiàn)光以外的成像信息,例如紅外攝影、紫外熒光攝影。多光譜采集的數(shù)據(jù)波段較少,其信息量遠(yuǎn)小于高光譜。

2 國(guó)內(nèi)主要研究團(tuán)隊(duì)與案例

中國(guó)古代書(shū)畫(huà)的可見(jiàn)-近紅外光譜成像研究主要集中于中國(guó)(表1)[15-41],國(guó)外學(xué)者更多將該技術(shù)應(yīng)用于油畫(huà)、壁畫(huà)、書(shū)稿中。在我國(guó),光譜成像在彩繪文物中的應(yīng)用始于21世紀(jì)初,柴勃隆等率先引入多光譜攝影技術(shù),應(yīng)用于敦煌壁畫(huà)的內(nèi)容調(diào)查監(jiān)測(cè)。臺(tái)北故宮博物院與東京文化財(cái)研究所合作,對(duì)其重要館藏進(jìn)行了光學(xué)檢測(cè),利用紅外線透射反射攝影與熒光攝影技術(shù),對(duì)畫(huà)作技法進(jìn)行了分析。隨后,多家博物館引入高光譜技術(shù),并積極與高校、研究所開(kāi)展合作。故宮博物院、首都博物館、四川博物院、上海博物館、遼寧省博物館已將書(shū)畫(huà)的高光譜掃描作為日常檢測(cè)工作。高校與科研院所則投入更多研究力量于中國(guó)書(shū)畫(huà)的高光譜數(shù)據(jù)采集平臺(tái)創(chuàng)新和數(shù)據(jù)處理方法開(kāi)發(fā)。故宮博物院與中國(guó)科學(xué)院遙感與數(shù)字地球研究所聯(lián)合開(kāi)發(fā)了中國(guó)書(shū)畫(huà)的大型高光譜掃描平臺(tái),面積為2 m×2 m,掃描過(guò)程中文物在平臺(tái)上保持靜止?fàn)顟B(tài),光源和探測(cè)器移動(dòng),提高了掃描效率和文物的安全性[24]。北京建筑大學(xué)侯妙樂(lè)團(tuán)隊(duì)則在傳統(tǒng)書(shū)畫(huà)虛擬修復(fù)、增強(qiáng)顯示等方面,開(kāi)發(fā)了不同的數(shù)據(jù)處理算法和流程。雖然高光譜技術(shù)已開(kāi)始應(yīng)用于中國(guó)書(shū)畫(huà)的檢測(cè),但現(xiàn)階段大多還只應(yīng)用于年代較近的書(shū)畫(huà)作品(表1),而對(duì)于珍貴的高古書(shū)畫(huà)作品的應(yīng)用還較少。中國(guó)書(shū)畫(huà)作品多為紙本、絹本,屬于脆弱、易受損的有機(jī)質(zhì)文物,而高光譜儀在使用時(shí),需配合專(zhuān)用的光源,倘若數(shù)據(jù)采集時(shí)間過(guò)長(zhǎng),可能會(huì)導(dǎo)致書(shū)畫(huà)表面溫度升高、書(shū)畫(huà)中的光敏顏料褪色等風(fēng)險(xiǎn)。因此,在進(jìn)行高光譜書(shū)畫(huà)信息采集時(shí),文物科技分析工作者尚保持較為謹(jǐn)慎的態(tài)度,例如DOOLEY團(tuán)隊(duì)在采集油畫(huà)數(shù)據(jù)時(shí),采用熱成像儀對(duì)顏料面板進(jìn)行實(shí)時(shí)監(jiān)測(cè),并保持顏料面板平均升溫在2℃以?xún)?nèi),以確保符合保護(hù)要求[42]。

表1 中國(guó)古代書(shū)畫(huà)及相關(guān)彩繪文物高光譜成像國(guó)內(nèi)研究團(tuán)隊(duì)

中國(guó)國(guó)家博物館于2020年開(kāi)展宋元書(shū)畫(huà)光學(xué)檢測(cè)項(xiàng)目,在對(duì)光譜采集條件進(jìn)行了嚴(yán)格的安全性評(píng)估的前提下,采集了館藏十余件宋元書(shū)畫(huà)作品的高光譜數(shù)據(jù)[43-44]。古書(shū)畫(huà)作品具有流傳時(shí)間長(zhǎng)、藝術(shù)價(jià)值高、流傳經(jīng)歷豐富和歷代修復(fù)次數(shù)多等特點(diǎn),所蘊(yùn)含的信息十分豐富。這批珍貴文物的高光譜影像將為更多學(xué)者提供研究參考,也為書(shū)畫(huà)的展覽展示提供更多學(xué)術(shù)性素材。

3 高光譜數(shù)據(jù)的應(yīng)用

筆者根據(jù)近年來(lái)國(guó)內(nèi)外報(bào)道的最新進(jìn)展,將高光譜數(shù)據(jù)在中國(guó)書(shū)畫(huà)分析中的應(yīng)用分為以下幾類(lèi):1)視覺(jué)增強(qiáng);2)物質(zhì)識(shí)別;3)虛擬修復(fù)。本文將著重探討不同應(yīng)用方向所采用的常用基本數(shù)據(jù)處理算法,列舉經(jīng)典案例,以供相關(guān)研究人員參考。

3.1 視覺(jué)增強(qiáng)

中國(guó)書(shū)畫(huà)在流傳和保存過(guò)程中,可能受到物理摩擦、生物侵蝕、化學(xué)降解等作用,出現(xiàn)畫(huà)面破損、印章模糊甚至表面滋生霉斑等情況——這些病害都會(huì)導(dǎo)致書(shū)畫(huà)內(nèi)容的缺失。運(yùn)用高光譜成像技術(shù),可提取出隱藏的畫(huà)面底稿、模糊的印章與文字等信息,增強(qiáng)畫(huà)面的可讀性,其中最常用的方法有直接特征光譜提取、波段運(yùn)算、主成分分析(PCA)、最小噪聲分離(MNF)、密度分割等[10,14,23,27-28,30-31,33-36,38-40,45-53],例如:武望婷等[28]利用MNF第二波段,提取出了畫(huà)面中的人物線稿信息(圖1);鞏夢(mèng)婷等[33]利用MNF與波段運(yùn)算構(gòu)建特征指數(shù),提取出了畫(huà)面中的模糊印章(圖2);Wu等[45]分析了墨跡在近紅外的特征反射,利用棺木高光譜圖像中的1 196 nm波段圖像,讓肉眼無(wú)法識(shí)別的文字,清晰地顯示出(圖3)。此外,在有針對(duì)性地提取隱藏信息時(shí),對(duì)目標(biāo)物質(zhì)的特征譜的判斷是十分重要的:以炭黑為主要成分的墨跡信息在近紅外區(qū)域有較強(qiáng)吸收,因此提取墨跡信息時(shí)可考慮近紅外波段;朱砂在835 nm具有較高反射率,則在構(gòu)建特征指數(shù)時(shí),可運(yùn)用該波段。

圖1 MNF變換提取書(shū)畫(huà)中的模糊線稿[28]

圖2 指數(shù)構(gòu)建提取書(shū)畫(huà)中的模糊印章[33]

圖3 直接特征光譜提取棺木上的文字[45]

主成分分析和最小噪聲分離是建立在各光譜波段間的重新組合和優(yōu)化基礎(chǔ)上的特征提取,能夠降低數(shù)據(jù)維度、降低噪聲、增加物質(zhì)類(lèi)別的可分性。其中PCA是一種線性變換,能將原始多波段的數(shù)據(jù)進(jìn)行線性變換,得到相同維度的主成分。各主成分分量彼此之間互不相關(guān),第一主成分包含著原始影像數(shù)據(jù)中最大的信息量,第二主成分其次,以此類(lèi)推。在分析時(shí),一般保留包含原始影像信息90%變異量的主成分即可。最小噪聲分離變換是對(duì)主成分變換的一種改進(jìn)方法,本質(zhì)上是兩次層疊的主成分變換:第一次變換用于分離和重新調(diào)節(jié)數(shù)據(jù)中的噪聲;第二步是對(duì)噪聲白化數(shù)據(jù)的標(biāo)準(zhǔn)主成分變換。最小噪聲分離不但能判定圖像數(shù)據(jù)內(nèi)在的維數(shù),而且能夠進(jìn)一步剔除數(shù)據(jù)中的噪聲。

通過(guò)文獻(xiàn)總結(jié),MNF在多數(shù)類(lèi)型的書(shū)畫(huà)信息提取中都能取得良好的效果,因此也是在無(wú)目標(biāo)提取物時(shí)值得推薦的一種方法。此外,對(duì)病害信息的增強(qiáng)顯示,還可用于書(shū)畫(huà)的病害評(píng)估,例如:Goltz等[51]采用污漬的端元波譜及密度分割,呈現(xiàn)1763年猶太祈禱書(shū)(哈加達(dá))第三頁(yè)上的污漬,并統(tǒng)計(jì)了污漬在文稿中的比例(圖4);Lin等[54]采用MNF對(duì)高光譜數(shù)據(jù)進(jìn)行降維,利用BP神經(jīng)網(wǎng)絡(luò)的監(jiān)督分類(lèi)算法提取壁畫(huà)中的不同病害(脫落、煙熏、泥漬)(圖5);孫美君等[18]采用偏最小二乘回歸(PLSR)、PCA+支持向量機(jī)(SVM)和PCA+人工神經(jīng)網(wǎng)絡(luò)(ANN)等降維及監(jiān)督分類(lèi)算法,建立起甲病害的風(fēng)險(xiǎn)評(píng)估模型(圖6)。然而,高光譜技術(shù)用于中國(guó)書(shū)畫(huà)的病害評(píng)估還鮮有報(bào)道。

圖4 1763年猶太祈禱書(shū)(哈加達(dá))第三頁(yè)上的污漬[49]

圖5 北京延慶某寺廟壁畫(huà)局部[52]

圖6 敦煌莫高窟第126窟壁畫(huà)[18]

3.2 物質(zhì)識(shí)別

中國(guó)傳統(tǒng)書(shū)畫(huà)所采用的基材為紙、絹,紙的主要成分為纖維素,絹的主要成分為蛋白質(zhì)。書(shū)寫(xiě)和繪畫(huà)所采用的物質(zhì)主要為墨和書(shū)畫(huà)顏料,墨的主要成分為石墨和膠,書(shū)畫(huà)顏料則可分為天然礦物和天然有機(jī)質(zhì)顏料,近現(xiàn)代書(shū)畫(huà)還可能采用人工合成的顏料。

目前,常用高光譜技術(shù)的波長(zhǎng)范圍為400～2 500 nm,在這個(gè)區(qū)間內(nèi),書(shū)畫(huà)中的各類(lèi)材質(zhì)具有其特征的反射光譜。纖維素、蛋白質(zhì)、有機(jī)質(zhì)膠、顏料中的含氫基團(tuán)—X—H(X=C、N、O、S)的振動(dòng)倍頻及合頻在近紅外區(qū)域有較強(qiáng)的吸收,其中蛋白質(zhì)的特征吸收不僅反映了其以氨基酸為單體的物質(zhì)信息,同時(shí)還可以反映蛋白質(zhì)的二級(jí)結(jié)構(gòu)信息,這為區(qū)分蛋白質(zhì)的種類(lèi)提供可能[55-57]。天然礦物顏料的電子躍遷在反射光譜可見(jiàn)區(qū)域中呈現(xiàn)特征吸收帶,例如群青(Na8-10Al6Si6O24S2-4)中的電荷轉(zhuǎn)移、朱砂(HgS)中的導(dǎo)帶躍遷、石青[(CuCO3)2·Cu(OH)2]中的配體場(chǎng)躍遷等。在近紅外區(qū)域,有些礦物顏料還含羥基和碳酸鹽,這些官能團(tuán)特征的振動(dòng)倍頻及合頻,也可用于識(shí)別顏料種類(lèi),例如鉛白[(PbCO3)2·Pb(OH)2]、石膏(CaSO4·2H2O)。有機(jī)顏料在可見(jiàn)光區(qū)域內(nèi)含有自身的電子躍遷特性,例如蒽醌類(lèi)色素(茜草)具有來(lái)自n-π*和π-π*吸收特征。

針對(duì)天然礦物,人們已經(jīng)建立多個(gè)經(jīng)認(rèn)證的光譜數(shù)據(jù)庫(kù),例如美國(guó)地質(zhì)調(diào)查局(USGS-MIN)、噴氣推進(jìn)實(shí)驗(yàn)室(Jet Propulsion Laboratory,JPL)、約翰霍普金斯大學(xué)(Johns Hopkins University,JHU)、國(guó)際地質(zhì)對(duì)比計(jì)劃項(xiàng)目(IGCP-264)建立了天然礦物反射光譜數(shù)據(jù)庫(kù)[58-59]。在文化遺產(chǎn)領(lǐng)域,也有多個(gè)研究機(jī)構(gòu)建立了顏料光譜數(shù)據(jù)庫(kù),例如:Antonino Cosentino[60]建立了54種歷史上常用的顏料反射光譜數(shù)據(jù),波長(zhǎng)范圍在360～1 000 nm,該數(shù)據(jù)庫(kù)免費(fèi)公開(kāi)使用;都靈維納利亞皇宮保護(hù)和修復(fù)中心建立了古代和現(xiàn)代繪畫(huà)材料的FORS數(shù)據(jù)庫(kù),包含173種不同的顏料或染料[61];佛羅倫薩硬石工廠(Opificio delle Pietre Dure)修復(fù)實(shí)驗(yàn)室與意大利國(guó)家研究委員會(huì)應(yīng)用物理研究所“Nello Carrara”應(yīng)用光譜實(shí)驗(yàn)室合作建立的FORS繪畫(huà)顏料數(shù)據(jù)庫(kù)(270～1 700 nm)[62]。相較于國(guó)外油畫(huà)的顏料和粘接劑的多樣性,中國(guó)傳統(tǒng)書(shū)畫(huà)顏料的種類(lèi)相對(duì)比較固定(表2);特別的是,不同顆粒度的礦物顏料在中國(guó)書(shū)畫(huà)顏料的調(diào)制方面十分常見(jiàn)。雖然礦物顏料的顆粒度在使用中影響了顏色的明度,但對(duì)其反射光譜特征無(wú)明顯影響[63-64]。

表2 中國(guó)書(shū)畫(huà)傳統(tǒng)顏料

中國(guó)國(guó)家博物館、故宮博物院、中國(guó)文化遺產(chǎn)研究院、四川博物院、北京建筑大學(xué)等研究機(jī)構(gòu)也建立了中國(guó)傳統(tǒng)顏料的反射光譜數(shù)據(jù)庫(kù)(400～2 500 nm)。通過(guò)光譜數(shù)據(jù)庫(kù)可進(jìn)行光譜/一階導(dǎo)數(shù)譜直接比對(duì),還可以采用多種算法進(jìn)行匹配,例如光譜角填圖(SAM)、光譜特征擬合(SFF)、二進(jìn)制編碼(BE)、光譜相關(guān)系數(shù)匹配算法(SCM)、光譜信息散度算法(SID)等。Liu等[53]利用光譜吸收指數(shù)(SAI)和SAM構(gòu)建了光譜分段識(shí)別方法(SSI),選取礦物離子的特征吸收波段(350～550 nm、600～900 nm、700～1 120 nm)及配位離子的吸收波段(1 400～1 600 nm、2 300～2 400 nm)進(jìn)行匹配,與傳統(tǒng)方法相比,提高了匹配準(zhǔn)確度。

在實(shí)際書(shū)畫(huà)作品中,書(shū)畫(huà)家們往往會(huì)采用混合顏料進(jìn)行調(diào)色,因此對(duì)混合顏料的解析在實(shí)際的應(yīng)用中十分重要。高光譜解混的過(guò)程就是將一個(gè)混合像元(包含多種顏料)分解為端元(單一顏料)和計(jì)算相對(duì)應(yīng)豐度的問(wèn)題,高光譜解混分為線性解混和非線性解混。呂書(shū)強(qiáng)等[65]提出基于眾數(shù)的比值導(dǎo)數(shù)光譜法進(jìn)行光譜線性解混。尹琴麗等[66]采用一種基于非負(fù)矩陣分解(NMF)的混合顏料線性解混算法。李廣華[24]等采用完全約束最小二乘法(FCLS)進(jìn)行光譜線性解混,得到了石青、石綠、鉛白、朱砂等顏料在清代《羅漢肖像畫(huà)》中的半定量分布信息(圖7)。Rohani等[67]在識(shí)別混合顏料的端元波譜后,利用Kubelka-Munk模型進(jìn)行非線性?xún)?yōu)化,估計(jì)各個(gè)顏料成分的濃度值。

(a)真彩色圖像;(b)～(e)礦物顏料半定量分布圖

但是,高光譜在用于書(shū)畫(huà)的顏料識(shí)別過(guò)程中仍有兩個(gè)問(wèn)題:1)有機(jī)質(zhì)的顏料組分識(shí)別困難——由于有機(jī)質(zhì)顏料在中國(guó)畫(huà)中屬于水色,在畫(huà)作上的沉積十分輕薄,例如罩色,因此其可見(jiàn)光區(qū)域的吸收特征往往不明顯;2)基底干擾——當(dāng)顏料層很薄時(shí),在近紅外區(qū)域顯示出基底層的光譜信息,將導(dǎo)致顏料的光譜不可讀。這與壁畫(huà)、油畫(huà)等帶有厚重顏料層的彩繪不同,也是近紅外區(qū)域在用于中國(guó)書(shū)畫(huà)上的顏料識(shí)別時(shí)遇到的難題。

美國(guó)國(guó)家美術(shù)館研究部Delaney等[68]利用近紅外光譜成像技術(shù)對(duì)16世紀(jì)的掛毯TriumphofChrist中的絲、羊毛纖維的分布進(jìn)行了成像分析(圖8)。根據(jù)此項(xiàng)工作,筆者認(rèn)為近紅外區(qū)域的紙、絹的特征光譜不僅利于書(shū)畫(huà)基材的鑒定,還可以應(yīng)用于檢測(cè)傳統(tǒng)書(shū)畫(huà)中由修補(bǔ)、老化、霉變導(dǎo)致的基材變化。目前為止,利用纖維在近紅外區(qū)域的吸收特征差異進(jìn)行材質(zhì)差異性成像的工作在中國(guó)書(shū)畫(huà)方面還未有報(bào)道。

圖8 16世紀(jì)的掛毯Triumph of Christ[68]

3.3 虛擬修復(fù)

傳統(tǒng)書(shū)畫(huà)修復(fù)需通過(guò)揭除舊裱、清洗畫(huà)芯、揭托紙、全色、過(guò)礬鎮(zhèn)墻等步驟,修復(fù)工序復(fù)雜、難度大。對(duì)于十分脆弱的書(shū)畫(huà),傳統(tǒng)修復(fù)技術(shù)難以達(dá)到預(yù)期效果(比如特殊病害的除去),且可能會(huì)導(dǎo)致書(shū)畫(huà)不可逆的損害。基于高光譜數(shù)據(jù)的虛擬修復(fù)技術(shù),可通過(guò)圖像的處理實(shí)現(xiàn)書(shū)畫(huà)的虛擬修復(fù),與傳統(tǒng)基于RGB顏色系統(tǒng)圖像的修復(fù)技術(shù)相比,高光譜技術(shù)提供了非可見(jiàn)區(qū)域波段信號(hào)用于校正待修復(fù)區(qū)域。侯妙樂(lè)課題組開(kāi)發(fā)了若干虛擬修復(fù)的處理方法(圖9):1)基于高光譜影像分類(lèi)線性回歸的古畫(huà)油漬虛擬修復(fù)方法,該方法主要針對(duì)污潰區(qū)域真彩色波段像素值進(jìn)行處理,首先建立受污潰影響較小的波段與真彩色波段像素值的線性回歸方程,再利用該回歸方程去校正污漬區(qū)域的真彩色波段像素值,從而實(shí)現(xiàn)污漬之下的顏料在真彩色波段的顯示[69];2)利用MNF提取出污漬的主成分,并選擇不包含污漬的主成分進(jìn)行逆MNF變換,得到去除污漬的圖像[70];3)基于Patchmatch色彩約束下泊松圖像編輯方法,利用高光譜中污漬不敏感波段作為特征波段,將特征波段圖像與原RGB圖像進(jìn)行泊松融合,同時(shí)加以Patchmatch色彩約束,還原污漬區(qū)域的輪廓和顏色[71]。Han等[41]采取近紅外波段1 451 nm作為秦始皇陵出土的2號(hào)秦銅車(chē)彩繪圖案輪廓提取的特征波段,并對(duì)色彩完整部分進(jìn)行顏料的匹配,最終還原出夔龍圖紋(圖10)。相較于增強(qiáng)顯示和物質(zhì)識(shí)別,虛擬修復(fù)需使用更加復(fù)雜的圖像處理算法,高光譜數(shù)據(jù)提供了比RGB圖像更豐富的波段信息,為虛擬修復(fù)提供數(shù)據(jù)支持。

圖9 《芭蕉仙鶴圖》局部虛擬修復(fù)的效果圖[69-70]

圖10 秦銅車(chē)彩繪夔龍紋[41]

3.4 基于高光譜數(shù)據(jù)的中國(guó)書(shū)畫(huà)分析流程

表3總結(jié)了近年來(lái)高光譜技術(shù)在中國(guó)書(shū)畫(huà)及其他類(lèi)型彩繪文物中應(yīng)用的研究論文。筆者從中提煉出了針對(duì)物質(zhì)識(shí)別、視覺(jué)增強(qiáng)及虛擬修復(fù)為目的數(shù)據(jù)基本流程(圖11),該流程可為初學(xué)者提供參考,適合于博物館從業(yè)人員的入門(mén)學(xué)習(xí)和實(shí)踐。

表3 高光譜技術(shù)在中國(guó)書(shū)畫(huà)及其他類(lèi)型彩繪文物數(shù)據(jù)處理方法總結(jié)

4 結(jié) 論

高光譜技術(shù)具有無(wú)損檢測(cè)、光譜范圍廣、光譜分辨率高、圖譜合一等特點(diǎn),可在中國(guó)書(shū)畫(huà)的成像分析中得到豐富的信息。該技術(shù)在國(guó)內(nèi)多家博物館已得到實(shí)踐和應(yīng)用,高校及相關(guān)科研機(jī)構(gòu)也已陸續(xù)開(kāi)展各類(lèi)數(shù)據(jù)處理算法和流程的開(kāi)發(fā):1)在增強(qiáng)顯示方面,已開(kāi)發(fā)了針對(duì)中國(guó)書(shū)畫(huà)線稿、印章等信息的提取方法,然而針對(duì)書(shū)畫(huà)的物理病害(例如缺失、殘損、褶皺、斷裂等),仍需發(fā)展其提取和定量統(tǒng)計(jì)的方法;2)在物質(zhì)識(shí)別方面,顏料的分析已相對(duì)成熟,并且也有若干光譜庫(kù)作為參考,但是由于書(shū)畫(huà)纖維基底在近紅外區(qū)域的光譜干擾,對(duì)于有機(jī)顏料或顏料層較薄的情況,仍需其他手段(例如拉曼光譜分析、元素分析、色譜-質(zhì)譜分析等)相結(jié)合;另一方面,近紅外區(qū)域紙、絹的特征光譜則有望用于書(shū)畫(huà)基材的鑒定,以及有關(guān)老化程度、生物病害的研究;3)在虛擬修復(fù)方面,基于高光譜數(shù)據(jù)的虛擬修復(fù)技術(shù)與傳統(tǒng)的基于RGB圖像的修復(fù)技術(shù)相比,提供了非可見(jiàn)區(qū)域波段信號(hào)用于校正待修復(fù)區(qū)域,在未來(lái)研究中需要試驗(yàn)和嘗試更多的處理方法。

最后,高光譜作為一種大幅面的成像技術(shù),仍需進(jìn)一步將其成像的分析結(jié)果普及,實(shí)現(xiàn)應(yīng)用閉環(huán),例如:將視覺(jué)增強(qiáng)信息與書(shū)畫(huà)價(jià)值研究相結(jié)合,以期解決更多書(shū)畫(huà)研究的難題;將視覺(jué)增強(qiáng)、物質(zhì)識(shí)別及虛擬修復(fù)的科技分析結(jié)果與展覽相結(jié)合,為觀眾鑒賞古書(shū)畫(huà)提供新的視角和學(xué)術(shù)內(nèi)涵。