传统服饰云肩实物图像主色的智能检测

邢 乐， 张 杰， 梁惠娥， 李忠健， 刘姣姣

(1. 江南大学 纺织服装学院， 江苏 无锡 214122； 2. 江苏省服饰类非物质文化遗产研究基地， 江苏 无锡 214122； 3. 香港理工大学 纺织及制衣学系， 香港 九龙 999077)

传统服饰云肩实物图像主色的智能检测

邢 乐1，2， 张 杰3， 梁惠娥1，2， 李忠健1， 刘姣姣1，2

(1. 江南大学 纺织服装学院， 江苏 无锡 214122； 2. 江苏省服饰类非物质文化遗产研究基地， 江苏 无锡 214122； 3. 香港理工大学 纺织及制衣学系， 香港 九龙 999077)

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题，以传统服饰的云肩为例，借助均值漂移(Mean-shift)聚类法，提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集；对所得初始图像的R、G、B3个颜色通道进行去噪处理；再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中，利用大津法阈值原理(自适应阈值算法)分割被测图像中云肩实物与背景；最后采用Mean-shift聚类算法，将被测图像的颜色像素分割为若干有效的集群，同时从这些集群中提取云肩主要色彩。实验结果表明，该算法可较为准确地从云肩图像中提取主色，且当Mean-shift聚类算法的带宽被设定为0.05时，分类颜色结果更为准确。

云肩； 主色； 均值漂移聚类算法； CIE L*a*b*颜色模型； 颜色检测

传统服饰色彩是中华民族历史积淀而成的一种独特的艺术现象，是人类丰富的文化遗产。因近年来传统文化保护意识不断加强，传统服饰色彩研究成为热点。已有成果大都集中于探讨服饰色彩时间纵轴的历史性变化或地域横轴的族群差异，相关技术性研究仍较少。特别是对传统服饰实物图像颜色辨别大都依赖于肉眼识别比对，这种方法受到操作环境与操作者生理、心理等因素的影响，准确性难以保障。

本文借助计算机图像处理技术，以传统服饰云肩为例，基于均值漂移(Mean-shift)聚类算法提出一种服饰图像主色智能检测与提取方法，以期为不同类别的服饰图像色彩识别与分类提供指导。

1 云肩色彩构成

云肩是披挂在人体肩部兼具审美与实用功能的典型汉族民间服饰品，最早出现在隋唐五代时期石刻宗教人物形象中，为仙人佩戴或舞女乐伶表现柔美仙化的舞姿穿着[1]。宋至明清很长的历史时期内，云肩大都为宫廷和贵族妇女的礼服。清末，云肩由宫廷拓展到民间，成为汉族女性婚礼、宴会、祭祀等场合约定俗成的礼仪服饰[2]。相比其他传统民间服饰品，云肩装饰精美，色彩丰富，以此为例研究传统服饰实物图像色彩检测具有代表性。

已有研究[3]将云肩色彩归纳为3种，即主色、辅色及装饰色。一般来说，主色指云肩的主体颜色，为抛开装饰以外的面料底色。辅色即辅助用色，多指为满足服饰整体与局部造型需求，贴边、镶边、滚边等工艺需求而形成的色彩，以具有调和作用的黑、蓝、金、银等色为主，对云肩整体色彩视觉属性影响不显著；装饰用色指服装中刺绣图案、流苏等装饰物的色彩，细碎繁琐，块面比例较少。本文主要探讨对云肩主色即绣片底色的智能提取。图1示出传统服饰云肩色彩分类举例。

图1 传统服饰云肩色彩分类举例Fig.1 Example of Yunjian color classification

2 研究框架

对已有采用色彩聚类的方法从织物或服饰中分离颜色的文献进行了检索。文献[4]采用聚类算法K-means来分离多色织物信息。文献[5]通过对面料质地差异性的分析，得到品质较高的图像信息。随后，转换图像色彩空间，利用区域模糊的方法，在CIE L*a*b*颜色空间中分割图像的颜色，研究结果表明此方法适用于机织、针织面料实物图像的色彩分割。同样，在CIE L*a*b*颜色空间中，文献[6]讨论了机器绣花图像的颜色分割，采用中值滤波与双边滤波的方法平滑处理被测图像，并采用Gustafson-Kessel算法聚类分析了图像颜色，将其结果与模糊C均值聚类算法、K-means、自组织神经网络算法、K-medoids等方法进行了对比，实验结果表明该算法可在机器刺绣纹样图案中聚类出较高精度的颜色。以上文献为本文研究提供了思路，但传统服饰云肩大多数为手工制作，刺绣纹样并不规整，且辅助用色与装饰色会对主体色彩的分割造成干扰，由此可见，已有色彩分割方法对传统服饰主色的获取不够准确。由此本文提出如图2所示的检测方法与研究框架。

图2 研究方法与框架Fig.2 Research method framework

第1步，采用单反相机捕捉传统服饰云肩实物图像；第2步，借鉴已有研究成果，通过中值滤波法对获取子图像的R、G、B3个颜色通道去噪；第3步，重建滤波后的图像，同时将图像由RGB颜色空间转换至CIE L*a*b*颜色空间；第4步，对图像中云肩主体与背景进行大津阈值分割；第5步，采用Mean-shift算法对图像颜色像素进行聚类分析；最后，通过手动聚类阈值的输入，从聚类结果中提取出云肩的主要颜色。

3 实验过程

3.1云肩图像获取

云肩一般由汉族女性在婚礼上穿着，包裹女性身体，尺寸较大，因此在黑色[L，a,b]=[20,-0.8,-2.4]背景，LED光源、垂直拍摄距离3 m条件下，选用佳能EOS500D数码相机(EF50 mmf/1.4 USM镜头)，获取实物尺寸为90 cm×90 cm的云肩初始图像。图3示出获取的云肩原始JPEG图像(尺寸为1 991像素×2 010像素)。其次，基于双线性插值法[7]对获取图像进行材质影像的插补处理。被测云肩放置在相同黑色背景下，实物颜色鲜艳与背景差异较大，该方法对于实物与背景颜色划分清晰的图像处理效果较好，不仅不会对处理图像造成负面影响，而且可减少计算时间，同时输出图像是原始图像2倍运算的结果。

3.2云肩图像过滤

考古服饰以及服饰传世品会因人穿着过而带有污迹，因此若要分离色彩，需要利用中值滤波法对图像进行去噪处理。中值滤波法的主要原理是选择数码图像中任一像素点，与领域范围内周边像素点逐一比对，并以此测定该任选像素点可否表示周围色彩环境。依次比对后，与领域内灰度差较大的点取该邻域范围内的中值，由此除去孤立的噪点，从而提高图像的颜色分离精度和质量[8-9]。其要点是在定义领域内获取所选样本的平均值，那么领域范围的大小，即窗口的尺寸设定则成为影响被测图像品质的重要因素。

图3 被测云肩初始图像Fig.3 Original image of measured Yunjian

图4示出被测云肩初始图像与中值滤波后图像对比。窗口大小设置为5像素×5像素，对子图像R、G、B3个颜色通道进行中值滤波处理，不仅消除了图像中的污渍以及云肩散开的边缘线，同时保留了图像的有效颜色信息。

图4 被测云肩初始图像与滤波后图像Fig.4 Original and filtered Yunjian images.(a)Original costume sub-images in R channel; (b)Original costume sub-images in G channel; (c) Original costume sub-images in B channel; (d) Original RGB continuous image; (e)Filtered costume sub-images in R channel; (f)Filtered costume sub-images in G channel; (g)Filtered costume sub-images in B channel; (h) Filtered RGB continuous image

3.3图像色彩空间转化

RGB颜色空间由R、G、B3个分量表示，不同分量之间相关度较高，某个单独分量不能确定颜色信息[10]。人眼视觉上的色彩区别度与实物颜色感知

与CIE L*a*b*色彩空间中2点间的欧氏距离协调性与统一性较高，因此需将云肩实物图像色彩空间由非均匀线性的RGB颜色空间转为CIE L*a*b*色彩空间，以便在图像模型分割中通过高斯函数的变化度量颜色质地的变化[11]。由此，本文实验借助CIEXYZ颜色空间连接RGB颜色空间和CIE L*a*b*颜色空间，相互转化如下所示。

1)RGB颜色空间转换为CIEXYZ颜色空间：

(1)

式中：X、Y、Z为CIEXYZ颜色空间色度坐标值；r、g、b分别代表RGB颜色空间中3个颜色通道的灰度值。

2)CIEXYZ颜色空间转换到CIE L*a*b*颜色空间：

(2)

(3)

式中，Xn、Yn、Zn为RGB 3个可参考的刺激值。转换后，L、a、b的阈值分别在0～100、-128 ～+128、-128～+128范围内。

3.4云肩图像背景分离

首先通过测量，确定图像背景平均的L*a*b*颜色(背景颜色用q表示，其颜色值为(Lc,ac,bc))，然后依照其背景颜色分离出云肩实物主体图像。

首先，在CIE L*a*b*颜色空间中，通过式(4)计算出检测图像中云肩实物主体与图像背景颜色的欧氏距离：

(4)

式中：p为图像中的1个像素，其颜色值为(Li,ai,bi)。色彩由黄到蓝色的变化表示距离值d逐渐增大，云肩主体与背景的L*a*b*值反差增大，如图5(a)所示。由此可见，欧式距离d值可用作被测图像中实物与背景分割的有效依据。

其次，采用大津阈值分割算法[12-13]，以所得距离d值为基点来确定图像自动分割的阈值，分离其云肩主体物(白色像素点)与背景(黑色像素点，如图5(b)所示)。

图5 分割图像 Fig.5 Segmented image. (a) Transformation image from Euclidean distance； (b) Binary image

3.5聚类云肩色彩

Comaniciu等[14]提出的Mean-shift算法因其数据处理计算量小，流程简便，易实施，并且可保留被测图像的主要信息，已被大范围应用在如图像计算机处理等视觉领域。

假设一个循环的窗口中心点为C,核函数K(x)的带宽为h，N为采样点xi的个数(i=1, 2,…,N，xi∈Ω)，用核函数K(x)估计x点的概率密度，如式(5)所示。

(5)

核函数K(x-xi)通常由一个单值函数或高斯函数组成，其中高斯函数如式(6)所示。

(6)

式中c为对应高斯曲线的峰值。均值偏移量会指向样本点最密的方向，Mean-shift向量m(x) 随之也会移动到样本点比对点x变化最多的地方，进而形成了密度变化的梯度方向。则Mean-shift向量m(x)为

(7)

式中g(x)=-K′(x),K′(x)为核函数，因此可基于式(7)获取图像均值偏移聚类分析。在CIE L*a*b*色彩空间中，利用Mean-shift聚类算法分割云肩的不同差值像素点，随后从聚类结果中提取出云肩图像的主色。

已有研究[15]显示，聚类分割带宽h值是决定Mean-shift迭代过程的重要参数，将会影响聚类结果的质量与分割时间。在该实验中，带宽h值被暂时设置为0.05，云肩实物图像色彩聚类结果如图6颜色均值漂移聚类类别标签所示。

图6 颜色均值漂移聚类类别标签Fig.6 Mean-shift clustering category label

3.6云肩主体色彩提取

如图6所示，通过聚类分割获取多个云肩颜色分类集群，其主体色彩依照每个颜色集群中像素数量划分。手动输入预获得被测图像的主要色彩数值N,根据聚类结果中像素数量，数量多的色彩将依次被选择出来。图7示出被测云肩提取出的4种主体色彩。

图7 聚类分析结果Fig.7 Clustering result. (a) Clustering result image of measured Yunjian; (b) Dominant color 1; (c) Dominant color 2; (d) Dominant color 3

4 实验参数分析

4.1中值滤波窗口尺寸

为取得最优的图像滤波处理效果，采用3像素×3像素、5像素×5像素、7像素×7像素3种不同窗口尺寸进行中值滤波处理。测试结果显示，滤波中获得的离散像素点数量与滤波窗口尺寸呈反比例关系，随着滤波窗口数值增大而降低，聚类分割色彩集群数量也随之减少。实验设定的滤波窗口尺寸不同，结果差异性明显。综合以上实验，为保留色彩集群的数量不变，同时尽量减少在图像分割结果中离散的像素点数量，设定滤波窗口k的尺寸为5像素×5像素,对云肩的实物图像进行过滤。

4.2带宽对Mean-shift聚类效果影响

为得到最佳的色彩聚类结果，在中值滤波窗口尺寸等参数一致的条件下，选用不同带宽值h对同个云肩图像进行主色聚类分割测试，被测图像由93 200个像素点构成。首先，将被测图像的像素点数值输入Mean-shift聚类算法；其次，利用色差公式CMC(1∶c)[16]测试该实验智能方法和通过人眼视觉比对而获取的被测图像主体颜色的差异。其中，色差均值△E[17]是色差测试的一个重要单位，是指在均匀的颜色感知空间中，人眼能够识别到的色差。通过设置不同的h值，颜色的聚类数量、计算时间以及CMC(2∶1)色差(△E)均值的变化，结果如表1所示。

表1 选取不同带宽h值下计算时间和色彩值变化Tab.1 Data change of computation time and △E with different band widths

由表1可知：1)随Mean-shift聚类带宽h值的线性增加，实验计算时间逐步减少，但是，当带宽h>0.07时，被测图像聚类分割所得颜色子集数量少于3。当带宽h=0.01时，计算时间显著增加，因此，Mean-shift聚类参数带宽h值应设置0.02～0.08之间；2)3个主体色彩的色差均值△E与带宽h值首先呈正比例关系，随带宽h值线性增加而递增，后又逐步减少；3)△E与人眼识别比对获取的颜色相似性表现出反比例关系。本文实验为进一步保证取得最优值，将带宽h值分别设定为0.04、0.05、0.07来计算△E值，其结果分别为1.86、1.6、2.28。由此可知，当带宽h值为0.05时，色差△E的和值最小。

综上所述，本文实验将Mean-shift聚类的影响参数带宽h值设定为0.05，对被测云肩实物图像色彩聚类，其结果最为准确。

5 结 论

本文探讨了从我国传统服饰云肩图像中提取主色的方法。通过单镜头反光相机获取云肩实物初始图像，并分别对子图像R、G、B3个颜色通道进行中值滤波处理。其次，在CIE L*a*b*颜色空间中，利用大津阈值算法(自适应阈值算法)与图像数字处理技术，分离被测图像中云肩的实物主体与背景。第三，通过Mean-shift聚类算法对构成被测图像的所有像素点进行分类，获取不同像素点数量的集群，同时从其集群结果中提取出云肩图像的主体色彩。实验对影响中值滤波效果的窗口尺寸k以及Mean-shift算法中带宽h的大小进行了讨论。当k=5和h=0.05时，本文实验方法从云肩实物图像中提取的颜色与实物图像比对获取的颜色最接近。该实验验证了本文提出的数字图像处理技术，与人眼辨别与手工提取的方法相比，可使我国传统服饰实物图像颜色的智能提取更有效率。

FZXB

[1] 薛再年，王闪闪，崔荣荣.鲁南民间云肩及其制作技艺探究[J].纺织学报，2013,34(3):109-115.

XUE Zainian, WANG Shanshan, CUI Rongrong. Folk Yunjian in South Shandong and its workmanship[J]. Journal of Textile Research, 2013,34(3):109-115.

[2] 邢乐，梁惠娥，刘水. 民间服饰云肩中人物纹样的语义考析[J].艺术设计研究，2015,24(1): 54-60.

XING Le, LIANG Hui′e, LIU Shui. Figure patterns of folk costume-Yunjian and its significance[J].Art & Design Research, 2015,24(1): 54-60.

[3] 梁惠娥，邢乐. 中国最美云肩情思回味之文化[M].郑州:河南文艺出版社，2013：143-144.

LIANG Hui′e, XING Le. Chinese Traditional Folk Dress Adornments-Yunjian Culture Research[M]. Zhengzhou: Henan Literature & Art Publishing House, 2013：143-144.

[4] ZHANG J, XIN B J, SHEN C C， et al. Novel colour clustering method for interlaced multi-colored dyed yarn woven fabrics[J]. Fibres & Textiles in Eastern Europe, 2015,23(3): 107-114.

[5] ZHENG D. A new method for automatic separation of fabric color[J]. Textile Research Journal, 2015,85(14): 1520-1538.

[6] KUO C F J, JIAN B L, TUNG C P, et al. Automatic machine embroidery image color analysis system, part II: application of the genetic algorithm in search of a repetitive pattern image[J]. Textile Research Journal, 2012,82(11): 1099-1106.

[7] KIRKLAND E J. Advanced Computing in Electron Microscopy[M]. New York: Springer, 2010: 261-263.

[8] BROWNRIGG D. The weighted median filter[J]. Communication Association Computer Machine,1984,27(8):807-818.

[9] 赵高长，张磊，武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学，2011,32(4)：678-682.

ZHAO Gaochang, ZHANG Lei, WU Fengbo. Application of improved median filtering algorithm to image denoising[J]. Journal of Applied Optics, 2011,32(4)：678-682.

[10] 卢雨正，高卫东. 基于图像分割的拼色纺织品分色算法[J].纺织学报，2012,33(9)：55-60.

LU Yuzheng, GAO Weidong. Color separation algorithm for mixed dyed textiles based on image segmenta-tion[J].Journal of Textile Research, 2012,33(9)：55-60.

[11] PAN R R, GAO W D, LIU J H. Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm[J]. Textile Research Journal, 2010,80(12): 1222-1231.

[12] WANG Y, NAVARRO L, ZHANG Y, et al. Intracranial aneurysm phantom segmentation using a 4D lattice Boltzmann method[J]. Computing in Science & Engineering, 2017, 19(4): 56-67.

[13] 邢乐. 近代中原地区汉族服饰文化流变与其现代传播研究[D]. 无锡：江南大学，2016：63-67.

XING Le. Study on evolution and modern communication of Han Nation′s costumes in Neoteric central plains of China[D]. Wuxi: Jiangnan University, 2016:63-67.

[14] TSAI D M, LUO J Y. Mean shift-based defect detection in multicrystalline solar wafer surfaces[J]. Browse Journals & Magazines, Industrial Informatics IEEE Transactions on, 2011,7(1): 125-135.

[15] COMANICIU D, MEER P. Mean shift: a robust approach toward feature space analysis[J].IEEE Trans Pattern Anal Mach Intell, 2002,24: 603-619.

[16] HEGGIE D, WARDMAN R, LUO M. A comparison of the colour differences computed using the CIE94, CMC(1∶c) and BFD(1∶c) formulae[J]. Journal of the Society of Dyers and Colourists, 2008,112(10): 264-269.

[17] ASPLAND J R, DUNLAP K L, DAN R T. Improved methods for colour inventory management in the apparel industry[J]. International Journal of Clothing Science and Technology, 1989,4(2/3): 66-70.

IntelligentinspectionofdominantcolorsforChinesetraditionalfolkYunjian

XING Le1,2, ZHANG Jie3, LIANG Hui′e1,2, LI Zhongjian1, LIU Jiaojiao1,2

(1.CollegeofTextilesandClothing,JiangnanUniversity,Wuxi,Jiangsu214122,China; 2.JiangsuIntangibleCulturalHeritageResearchBase,Wuxi,Jiangsu214122,China; 3.InstituteofTextileandClothing,TheHongKongPolytechnicUniversity,Kowloon,HongKong999077,China)

In order to solve the problems of time-consuming and poor accuracy during the process of achievement colors from the images of traditional costumes, an effective color clustering method was developed for Chinese traditional costumes Yunjian image using Mean-shift clustering algorithm. A digital Single Lens Reflex camera was used to capture the costumes images. The sub-images in the three color channels were filtered by median filter separately. Then the filtered images were segmented based on the background color in the CIE L*a*b*color space, and the object costumes was separated from the background. Finally, the pixels of the costume image were classified into several clusters by Mean shift clustering algorithm, and the dominate colors were extracted from the classification results. The experimental results demonstrate that the proposed method can extract the dominant colors from costumes images with great accuracy especially when the bandwidth of Mean-shift clustering algorithm is set as 0.05.

Yunjian; dominant color; Mean-shift clustering algorithm; CIE L*a*b*color model; color inspection

10.13475/j.fzxb.20160900107

TS 941.1

A

2016-09-01

2017-07-24

中央高校基本科研业务费专项资金项目(JUSRP51417B)

邢乐(1987—)，女，讲师，博士。主要研究方向为服饰色彩与服装现代技术。梁惠娥，通信作者，E-mail：lianghe@jiangnan.edu.cn。