石懷喜 張書濤

摘? 要：探尋適合產(chǎn)品調(diào)研的圖像灰度區(qū)間，提高產(chǎn)品形態(tài)意象獲取準(zhǔn)確度。以吹風(fēng)機(jī)為研究對象，對人眼灰度敏感區(qū)間（中灰度76-180）進(jìn)行分割細(xì)化，基于眼動追蹤技術(shù)量化產(chǎn)品圖像認(rèn)知與圖像灰度的映射關(guān)系。利用相對貼近度計算獲取產(chǎn)品圖像認(rèn)知最優(yōu)灰度區(qū)間，以及合適的灰度劃分區(qū)間。研究表明，圖像灰度以步長20劃分時，灰度對產(chǎn)品意象認(rèn)知的影響較大；圖像灰度在區(qū)間146-165時，圖像信息清晰，被試意象加工順暢，大腦認(rèn)知負(fù)荷較小。這一研究可為產(chǎn)品形態(tài)意象研究中的圖像灰度處理提供理論指導(dǎo)。

關(guān)鍵詞：圖像灰度；產(chǎn)品認(rèn)知；意象決策；產(chǎn)品形態(tài)；眼動追蹤

產(chǎn)品設(shè)計從以市場為中心轉(zhuǎn)換為以用戶為中心，同時用戶通常對形態(tài)識別度高的產(chǎn)品更加青睞[1]，因此，針對新產(chǎn)品的開發(fā)設(shè)計需要充分考慮用戶的意象需求。為了準(zhǔn)確挖掘產(chǎn)品的形態(tài)意象，在產(chǎn)品形態(tài)調(diào)研過程中，通常采用對樣本直接去色的方式避免色彩、材質(zhì)等因素的影響。由于色彩明度不同，去色后的圖像灰度也存在差異。當(dāng)色彩明度較低時，去色后灰度較低；當(dāng)色彩明度較高時，去色后灰度較高。

彩色圖像轉(zhuǎn)換灰度圖像，其實(shí)質(zhì)是將三通道彩色圖像信息壓縮、提取、降噪，降維成單通道黑白圖像[2]。人類視覺對不同灰度的敏感程度不同，通常對中等灰度最為敏感。實(shí)際應(yīng)用中，將256級圖像灰度分為高、中、低三個灰度區(qū)間[3]：0-75為低灰度，76-180為中灰度，181-256為高灰度[4]。在圖像灰度處理中發(fā)現(xiàn)，在中灰度（76-180）區(qū)間內(nèi)，灰度差異會顯著影響圖像認(rèn)知的準(zhǔn)確性。

人類對外界信息的獲取與認(rèn)知，80%通過視覺輸入，再經(jīng)大腦中的多種高級功能進(jìn)行加工，因此眼動追蹤（Eye-tracking，ET）成為獲取用戶認(rèn)知信息的有效手段[5]。例如，李珍等基于心理學(xué)角度，通過測量被試的首次注視持續(xù)時間、首次注視時間、注視總次數(shù)、平均瞳孔直徑四項(xiàng)眼動指標(biāo)數(shù)據(jù)，運(yùn)用綜合賦權(quán)法對各指標(biāo)進(jìn)行加權(quán)處理，最終獲得用戶需求[6]。王新亭等利用眼動追蹤技術(shù)采集設(shè)計師閱讀任務(wù)文本、創(chuàng)作草圖時的眼動數(shù)據(jù)，發(fā)現(xiàn)設(shè)計師自身經(jīng)驗(yàn)與信息資源調(diào)用的數(shù)量、維度、回視次數(shù)和方案質(zhì)量成正比，與作業(yè)時間和評判準(zhǔn)確度成反比[7]。

為了提高產(chǎn)品意象認(rèn)知的準(zhǔn)確性，本文面向產(chǎn)品圖像認(rèn)知評價中的圖像灰度設(shè)計問題，以吹風(fēng)機(jī)圖像為刺激樣本，在中灰度區(qū)間（76-180）以10為灰度步長設(shè)計刺激樣本，采用眼動追蹤技術(shù)獲取產(chǎn)品圖像認(rèn)知過程中的被試眼動數(shù)據(jù)，分析圖像灰度與視覺認(rèn)知的映射關(guān)系，獲取產(chǎn)品圖像認(rèn)知的最優(yōu)灰度區(qū)間，為產(chǎn)品形態(tài)認(rèn)知調(diào)研過程中的圖像灰度處理提供客觀的理論支撐。

一、面向產(chǎn)品認(rèn)知的圖像灰度評價方法

本文基于人眼視覺灰度特性設(shè)計產(chǎn)品圖像灰度評價實(shí)驗(yàn)，利用眼動追蹤技術(shù)測量圖像灰度與產(chǎn)品認(rèn)知的關(guān)系，獲得產(chǎn)品評價的最優(yōu)灰度區(qū)間。產(chǎn)品圖像灰度評價流程如圖1所示，主要包括三部分內(nèi)容：1.基于人類視覺特性的產(chǎn)品圖像灰度認(rèn)知實(shí)驗(yàn)；2.產(chǎn)品圖像灰度眼動數(shù)據(jù)處理；3.最優(yōu)產(chǎn)品圖像灰度分析。

（一）產(chǎn)品圖像灰度認(rèn)知實(shí)驗(yàn)

首先，收集并篩選代表性意象詞匯和代表性樣本，利用SD問卷獲取代表性樣本意象值并對樣本分類，然后根據(jù)中灰度（76-180）以10為步長設(shè)計實(shí)驗(yàn)刺激樣本，最后以意象詞匯為啟動刺激，實(shí)驗(yàn)樣本為目標(biāo)刺激進(jìn)行產(chǎn)品圖像灰度認(rèn)知評價實(shí)驗(yàn)。實(shí)驗(yàn)過程中，被試根據(jù)播放的目標(biāo)刺激判斷其是否與對應(yīng)的啟動刺激（意象詞語）匹配。實(shí)驗(yàn)過程中，應(yīng)用ErgoLAB軟件記錄反應(yīng)時間和眼動數(shù)據(jù)。

（二）灰度評價模型構(gòu)建

為了獲取精確的生理測量數(shù)據(jù)，減少粗大誤差對實(shí)驗(yàn)結(jié)果的影響，采用拉伊達(dá)準(zhǔn)則（1）和判定公式（2）篩選并剔除粗大誤差數(shù)據(jù)[8]。

其中：為觀測值的算數(shù)平均值，σ為標(biāo)準(zhǔn)差給定參數(shù)，Rc為殘差，為觀測估計值，c為觀測次數(shù)。

令被試集合為B={b1，b2，…，bn}，圖像灰度區(qū)間集合為 ，其中n表示被試人數(shù)，h為圖像灰度區(qū)間數(shù)，δ為灰度區(qū)間步長。

1.圖像灰度用戶行為評價模型

被試（b1，b2，…，bn）依次對灰度進(jìn)行評價的反應(yīng)時間集合為：

灰度的綜合值為

每個灰度區(qū)間的綜合值為

2.圖像灰度眼動測試評價模型

通過ErgoLAB記錄的眼動數(shù)據(jù)，以不同的圖像灰度區(qū)間進(jìn)行劃分，獲得眼動指標(biāo)數(shù)據(jù)：

式中：為被試bn對樣本灰度的各項(xiàng)眼動指標(biāo)數(shù)據(jù)，E={e1，e2，…，el}為眼動指標(biāo)。

所有被試圖像灰度區(qū)間false的眼動綜合值為

每個圖像灰度區(qū)間的眼動數(shù)據(jù)綜合值為

3.圖像灰度評價綜合模型

綜合產(chǎn)品圖像灰度評價的行為數(shù)據(jù)和眼動數(shù)據(jù)，構(gòu)建圖像灰度綜合評價模型為

二、基于案例的圖像灰度評價實(shí)驗(yàn)

（一）樣本及意象篩選

通過網(wǎng)絡(luò)收集吹風(fēng)機(jī)圖片，并邀請5位專家對樣本篩選，獲得代表性樣本50個。邀請6位專家討論并篩選出20個與吹風(fēng)機(jī)形態(tài)強(qiáng)相關(guān)的意象詞語。通過網(wǎng)絡(luò)發(fā)放問卷對20個意象詞語進(jìn)行詞相似度調(diào)研，通過K-means聚類得到代表性詞語“可愛的”“時尚的”“舒適的”“簡潔的”。對代表性詞語進(jìn)行反義詞配對得到“呆板的-可愛的”“傳統(tǒng)的-時尚的”“生硬的-舒適的”“繁雜的-簡潔的”。通過網(wǎng)絡(luò)發(fā)放5級調(diào)查問卷對樣本進(jìn)行意象調(diào)研，共有40位被試參與調(diào)查，均為產(chǎn)品設(shè)計方向研究生，樣本的感性意象值見表1。

（二）實(shí)驗(yàn)材料

以10為步長分割人眼灰度敏感區(qū)間（中灰度76-180）。但在實(shí)際操作過程發(fā)現(xiàn)，樣本顏色較深時，去色后灰度可以達(dá)到70，經(jīng)專家討論，將灰度區(qū)間設(shè)置為65-185。為確保實(shí)驗(yàn)的準(zhǔn)確性，同時設(shè)置45-55和195-205作為參考灰度區(qū)間，共14個灰度區(qū)間。為了便于實(shí)驗(yàn)實(shí)施，取灰度區(qū)間中間值進(jìn)行樣本灰度處理，灰度值分別為：70、80、90、100、110、120、130、140、150、160、170、180。依據(jù)表1樣本的感性意象評價值，每對意象詞語選擇3個吹風(fēng)機(jī)樣本，共4×3=12個樣本。以意象詞語“繁雜的-簡潔的”為例，分別選擇極端繁雜的、中性的和極端簡潔的樣本各1個。應(yīng)用Solidworks軟件對12個樣本重新建模，依據(jù)12個灰度值，用Keyshot軟件渲染模型，用Photoshop軟件矯正圖像灰度，灰度誤差為±1，共有12×14=168個樣本（如圖2）。實(shí)驗(yàn)采用“啟動刺激”與“目標(biāo)刺激”范式[9]，以4對意象詞語作為啟動刺激材料，以吹風(fēng)機(jī)樣本作為目標(biāo)刺激材料。為降低被試認(rèn)知差異對實(shí)驗(yàn)準(zhǔn)確度的影響，設(shè)計意象看板[10]對被試進(jìn)行認(rèn)知引導(dǎo)，意象看板見圖3。

（三）實(shí)驗(yàn)過程

本次實(shí)驗(yàn)共招募31名設(shè)計專業(yè)的學(xué)生作為被試，其中男生16人，女生15人。被試年齡在19-28歲之間，均為右利手，身體健康，能夠清晰觀察到屏幕呈現(xiàn)的實(shí)驗(yàn)材料。實(shí)驗(yàn)前由主試向被試闡述實(shí)驗(yàn)內(nèi)容，且被試簽署實(shí)驗(yàn)知情同意書。實(shí)驗(yàn)使用ErgoLAB Design實(shí)驗(yàn)設(shè)計模塊進(jìn)行實(shí)驗(yàn)程序的編寫與實(shí)驗(yàn)流程的控制；采用Tobii Pro Fusion非接觸/移動終端眼動儀采集眼動信號，并結(jié)合ErgoLAB Eye-tracking眼動軌跡分析模塊分析眼動數(shù)據(jù)。

實(shí)驗(yàn)準(zhǔn)備階段，主試為被試講解意象看板，以降低被試認(rèn)知差異引起的實(shí)驗(yàn)誤差。被試?yán)斫鈱?shí)驗(yàn)內(nèi)容后，進(jìn)行眼動儀校準(zhǔn)，并開始實(shí)驗(yàn)。實(shí)驗(yàn)具體操作步驟如下：首先，屏幕中央呈現(xiàn)1000ms的“+”注視頁，引導(dǎo)被試注視；隨后，呈現(xiàn)啟動刺激（意象詞語）2000ms；之后，呈現(xiàn)白屏1000ms；最后，呈現(xiàn)目標(biāo)刺激（樣本圖片）。目標(biāo)刺激呈現(xiàn)時間為被試意象決策時間，被試需要完成意象判斷，1為極端不匹配、2為不匹配、3為適中、4為匹配、5為極端匹配。被試根據(jù)匹配度在鍵盤按對應(yīng)的數(shù)字，決策完成后進(jìn)入下一個試次。實(shí)驗(yàn)中每個樣本針對含義相反的2個形容詞，各觀測1次，共168×2=336個試次。為了保證實(shí)驗(yàn)準(zhǔn)確性，避免被試疲勞引發(fā)的誤差，每進(jìn)行90個試次，休息3min，實(shí)驗(yàn)預(yù)計用時53min，實(shí)驗(yàn)流程如4圖所示。

三、實(shí)驗(yàn)分析

（一）行為數(shù)據(jù)分析

為了消除個體認(rèn)知差異引起的實(shí)驗(yàn)誤差，篩除誤差較大的反應(yīng)時間。首先將數(shù)據(jù)帶入公式（1）和（2）去除粗大誤差，然后利用公式（3）（4）和（5）計算得所有圖像灰度的綜合反應(yīng)時間值，如表2所示。

（二）眼動數(shù)據(jù)分析

本文采用ErgoLAB人機(jī)環(huán)境同步測試云平臺導(dǎo)出眼動特征數(shù)據(jù)。將數(shù)據(jù)帶入公式（1）和（2）去除粗大誤差，將去除粗大誤差的數(shù)據(jù)帶入公式（6）（7）和（8），得出所有圖像灰度的綜合眼動指標(biāo)值見表3。對眼動指標(biāo)進(jìn)行相關(guān)性分析，發(fā)現(xiàn)總注視時間（相關(guān)系數(shù)為-0.22）、平均注視時間（相關(guān)系數(shù)為-0.612）、平均掃視次數(shù)（相關(guān)系數(shù)為-0.06）與圖像灰度區(qū)間呈負(fù)相關(guān)。

表3 各圖像灰度下的眼動指標(biāo)值

（三）綜合評價矩陣構(gòu)建

將被試行為數(shù)據(jù)、眼動數(shù)據(jù)和腦電數(shù)據(jù)帶入公式（9），得到反應(yīng)時間W和眼動數(shù)據(jù)Y的綜合圖像灰度評價結(jié)果：

（四）相對貼近度分析

為了對各圖像灰度區(qū)間進(jìn)行全面評價，在不同維度評價指標(biāo)下分析各個灰度區(qū)間對產(chǎn)品形態(tài)意象認(rèn)知的貢獻(xiàn)優(yōu)劣，下面在各個維度指標(biāo)下進(jìn)行相對貼近度計算和分析。具體步驟如下：

步驟1：計算各個評價指標(biāo)下的最優(yōu)值和最劣值。

其中，fi為第i個評價指標(biāo)，i=1，2，3，…，α；為第j個產(chǎn)品圖像灰度，j=1，2，3，…，β。將綜合評價結(jié)果的數(shù)據(jù)分別帶入公式（10）和公式（11）中，得各個評價指標(biāo)的最優(yōu)值和最劣值見表4。

表4 各圖像灰度在不同維度下的最優(yōu)值和最劣質(zhì)

步驟2：計算評價值到最優(yōu)值和最劣值的距離。

式中：和分別為第j個圖像灰度區(qū)間的第i個評價指標(biāo)與最優(yōu)值和最劣值的距離。將綜合數(shù)據(jù)帶入公式（12）和公式（13），可得各圖像灰度評價值到最優(yōu)值與最劣值的距離見表5、表6。

步驟3：計算各圖像灰度的相對貼近度，作為圖像灰度的評價依據(jù)。

式中：。將表6數(shù)據(jù)帶入公式（14）計算各圖像灰度評價值與最優(yōu)值的相對貼近度見圖5。

從圖5發(fā)現(xiàn)，當(dāng)灰度區(qū)間δ=10時，各圖像灰度評價值與最優(yōu)值的相對貼近度與圖像灰度之間未呈現(xiàn)出明顯關(guān)系，這可能與圖像灰度區(qū)間劃分步長取值較小有關(guān)。因此，將圖像灰度區(qū)間（65-185）的步長δ取值為20，區(qū)間45-55和195-205仍為參考灰度區(qū)間。以圖像灰度區(qū)間65-85為例，計算圖像灰度區(qū)間65-75和76-85各指標(biāo)評價值的均值，作為圖像灰度區(qū)間65-85在各指標(biāo)下的圖像灰度評價值。共計8個圖像灰度區(qū)間（h110=h45-5510，h120=h65-8520，h220=h86-10520，…，h620=h166-18520，h1410=h195-20510）。計算得出各評價值與最優(yōu)值的相對貼近度見圖6。

通過統(tǒng)計分析發(fā)現(xiàn)，將實(shí)驗(yàn)圖像灰度區(qū)間設(shè)置為20時，灰度圖像對產(chǎn)品形態(tài)認(rèn)知影響顯著。對四個評價指標(biāo)分析發(fā)現(xiàn)，四個評價指標(biāo)的灰度評價值與最優(yōu)值的相對貼近度值都在區(qū)間146-165達(dá)到最優(yōu)值，在區(qū)間146-165兩端，灰度評價值與最優(yōu)值的相對貼近度值向低灰度和高灰度呈非線性下降。圖像灰度從45到146，隨著灰度的升高，產(chǎn)品形態(tài)特征越來越清晰，視覺神經(jīng)捕捉產(chǎn)品形態(tài)特征越來越容易，大腦的認(rèn)知負(fù)荷變小，用戶產(chǎn)品形態(tài)意象認(rèn)知投入的心理資源減少；圖像灰度從165到205，隨著灰度的升高，產(chǎn)品形態(tài)特征越來越模糊，視覺神經(jīng)受到抑制，產(chǎn)品形態(tài)意象判斷需要更多的認(rèn)知資源，用戶認(rèn)知負(fù)荷變大。在區(qū)間146-165，產(chǎn)品形態(tài)特征清晰，視覺神經(jīng)處于活躍狀態(tài)，產(chǎn)品形態(tài)認(rèn)知加工順暢。

四、結(jié)語

為了準(zhǔn)確獲取用戶的產(chǎn)品形態(tài)意象偏好，去排除色彩、材質(zhì)等因素對圖像認(rèn)知影響的情況下，本文以吹風(fēng)機(jī)為研究對象，在中灰度（76-180）以10為步長設(shè)計刺激樣本，基于眼動技術(shù)探究圖像灰度與產(chǎn)品認(rèn)知評價的映射關(guān)系。通過實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)圖像灰度區(qū)間以20為步長劃分時，圖像灰度視覺認(rèn)知差異明顯，灰度對產(chǎn)品認(rèn)知評價的影響較大。圖像灰度在區(qū)間146-165時，圖像信息明晰，有利于視覺神經(jīng)獲取產(chǎn)品信息，促進(jìn)大腦對產(chǎn)品的認(rèn)知決策。本研究可為產(chǎn)品形態(tài)意象研究中的圖像灰度處理提供理論指導(dǎo)。同時，實(shí)驗(yàn)采用二維的產(chǎn)品圖像作為刺激材料，后續(xù)研究可以采用VR虛擬現(xiàn)實(shí)技術(shù)，從三維視角開展相關(guān)研究。

參考文獻(xiàn)：

[1]楊程，曾靜，陳辰，等.基于腦電探究外觀特征對產(chǎn)品識別的影響[J].同濟(jì)大學(xué)學(xué)報（自然科學(xué)版），2020（9）：1385-1394.

[2]張俊康，金正猛，馮燦.基于原始對偶方法的圖像去色算法[J].南京郵電大學(xué)學(xué)報（自然科學(xué)版），2021（4）：51-58.

[3]于天河，趙樹梅，蘭朝鳳.結(jié)合視覺特性的紅外圖像增強(qiáng)方法[J].激光與紅外，2020（1）：124-128.

[4]Chen SB，Wang HY.A fragile information hiding technique based on human visual gray sensitivity[J].Advanced Materials Research，2010（121）：1048-1051.

[5]Ilhan AE，Togay A.Pursuit of methodology for data input related to taste in design： Using eye tracking technology[J].DISPLAYS，2023（76）：102335

[6]李珍，茍秉宸，初建杰，等.一種基于眼動追蹤的產(chǎn)品用戶需求獲取方法[J].計算機(jī)工程與應(yīng)用，2015（9）：233-237.

[7]王新亭，鄧瑋丹.基于眼部追蹤技術(shù)的產(chǎn)品意象草圖認(rèn)知差異研究[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2019（2）：287-294.

[8]郭主恩，林麗，陽明慶，等.基于無意識多模態(tài)內(nèi)隱測量的產(chǎn)品意象提取模型構(gòu)建[J].計算機(jī)集成制造系統(tǒng)，2022（4）：1150-1163.

[9]鄭曉丹，岳珍珠.跨通道語義啟動對視覺注意的影響[J].心理科學(xué)，2022（6）：1329-1336.

[10]Gijsenij A，Vazirian M，Spiers P，et al.Determining key colors from a design perspective using dE-means color clustering[J].COLOR RESEARCH AND APPLICATION，2023（1）：69-87.

作者簡介：

石懷喜，蘭州理工大學(xué)設(shè)計學(xué)碩士研究生。

張書濤，蘭州理工大學(xué)設(shè)計藝術(shù)學(xué)院教授、碩士研究生導(dǎo)師。研究方向：工業(yè)設(shè)計、感性工學(xué)。