针对色彩教育的游戏化设计及效果分析

律睿慜 杨帆 陆菁 陈伟

摘 要：当前的研究普遍关注于运用游戏化来提高学习的参与度，但对于色彩教育这样的特定领域的游戏化研究还不充分，而且缺少对游戏化要素及学习效果影响因素的分析。针对这一问题，设计了一款用于训练色彩辨识能力的游戏模型。首先设计了核心玩法相同、但交互方式不同的两种玩法;然后在这两种玩法中都加入了相同的虚拟奖励;最后分别比较在有或无虚拟奖励的情况下两种玩法对训练效果的影响，以及在相同玩法下有无虚拟奖励对训练效果的影响。结果显示，玩法设计影响学习效率，而虚拟奖励显著影响参与度。

关键词：色彩辨识;CIELAB;游戏化;教育游戏

中图分类号： G434

文献标志码：A

Gamification design and effect analysis of color education

LYU Ruimin， YANG Fan， LU Jing， CHEN Wei*

School of Digital Media， Jiangnan University， Wuxi Jiangsu 214122， China

Abstract： Current research generally focuses on the application of gamification to improve the engagement of learning. However， the research on gamification in specific fields such as color education is not sufficient， and there is a lack of analysis on the gamification elements and influence factors of learning effects. For these problems， a game model for training color recognition was designed. Firstly， two different ways of playing were designed with same core gameplay but different interaction modes. Then， the same virtual reward was added in both playing ways. Finally， the effects of two playing ways on learning effect with or without virtual reward were compared， and the effect of virtual reward in the same playing way were compared. The results show that gameplay design mainly affects learning efficiency， and virtual reward mainly affects engagement.

Key words： color recognition; CIELAB; gamification; educational game

0 引言

在大学教学中，学生的参与度偏低是课堂中很容易发生的问题，缺乏有效的解决办法。文献[1]提出，游戏化是一种解决方案。目前，游戏化的解决方案越来越多地成为国外大学课堂中的探索与实践，但在国内还是一个亟需开拓的领域。

现有的游戏化研究证实了游戏化对提升参与度的正面作用。例如，张金磊等[2]利用游戏化来进行翻转课堂的尝试;开普敦大学的教授使用在线学习管理工具将计算机课程游戏化，并且还研究了如何推广到其他课程[1];葡萄牙的高级研究机构INESC-ID （Instituto de Engenharia de Sistemas e Computadores-Investigao e Desenvolvimento） 在里斯本理工大学多次进行游戏化课程实验，成功游戏化了多媒体内容制作（Multimedia Content Production， MCP）、理学硕士（Master of Science， MSc）等多个大学课程[3-5];奥克兰大学、奥塔哥大学、多伦多大学的教授们则将游戏化元素添加到了学习测试平台中，使平台获得了更多的人气[6];文献[7-10]中均介绍了游戏化应用在教育中的案例。

但是，上述研究仍存在以下问题：

1）游戏化研究大都是在原有的教学方案上增加额外的虚拟奖励，极少运用游戏设计方法去改变原有的学习方式，以致于有少数学者批评虚拟奖励并非游戏化的核心内容，认为它们并不能真正改变学习体验。文献[1]中定义的游戏化认为，它的本质上并不局限于虚拟奖励，应该包含玩法设计方面的考虑，但以往游戏化普遍忽略這方面内容。

2）在现有的严肃游戏案例中，针对色彩认知教育方面的实例还很少，而色彩认知能力又是许多学科需要培养的基础能力。

3）大多数先前的实验研究都主要关注证明游戏化或严肃游戏的正面作用，但较少指出游戏化教学的局限和负面作用[11]，更缺乏对不同游戏设计策略的效用对比分析。

针对上述三方面的问题，本文主要工作如下：1）在游戏化研究中引入玩法设计;2）针对色彩认知进行游戏设计，提出两种训练色彩辨别能力的玩法模型;3）实验对比了虚拟奖励和玩法设计的效用，并对学生的主观性进行了分析。

1 相关工作

在国内，色彩教育的启蒙一般发在幼儿园、小学阶段，文献[12]指出，受到传统教学思想的影响，小学美术学科在小学教学体系中的地位并不高，美术教学的作用也没有完全发挥出来。 到了初高中，受升学压力的影响，非艺术生往往不会有这方面的课程，这就导致了很少有学生还会记得色彩方面的知识。而艺术生一般通过参加培训班，最后考入大学。这就导致到了大学，绝大多数非艺术生在色彩认知方面是有所欠缺的。随着计算机技术的发展，诞生了越来越多艺术相关的交叉学科，比如互动媒体技术，但学习这些课程的学生却主要是工科学生，他们往往缺乏完备的色彩知识，而这些色彩知识又是学习这些课程所必不可少的。

游戏化是指在非游戏环境中使用基于游戏的元素，旨在吸引人、激励行动、增强学习和解决问题[7]。游戏化已被用于许多不同的领域，例如增强公民垃圾分类意识[13]、帮助推动教学[1-5]、促进健身和健康意识[14]、协助残疾人恢复健康[15]以及鼓励绿色驾驶[7]。学习和锻炼新技能一直是游戏化的主要应用之一，文献[16]中通过让用户玩拼图游戏来匹配目标图像，从而教授Photoshop，用户表示他们能够使用这种游戏化方法来熟悉软件并发现新技巧。

文献[17]中的GamiCAD是AutoCAD的教程系统，它鼓励用户执行画线和修剪操作，以帮助美国航空航天局（National Aeronautics and Space Administration， NASA）构建航天器。据报道，用户可以更快地完成任务，并发现使用本教程的游戏化版本可以获得更具吸引力和愉悦的體验。

文献[18]中则指明了游戏化强大的教学可能性。所以游戏化作为改善学习的方法，常常被研究。

虽然可以利用游戏化的教育方式来帮助大学生训练色彩技能，但它的设计方法仍不容忽视。文献[8，19-21]都说明了游戏设计的重要性。文献[1，4-5，9]只是单纯地在游戏中添加了分数、排行榜、徽章、成就等虚拟奖励。事实上，教育中的游戏化不仅限于添加这些虚拟奖励，还有许多研究和实践都涉及游戏玩法、故事和其他内容的设计[8，16，19]。因此，虚拟奖励和游戏玩法都是游戏设计至关重要的考虑因素。但是，以往的研究往往缺乏不同游戏化要素之间的比较，这也是本文主要研究的内容。

2 学生主观性分析

任何良好的游戏化设计都应该有三个基本属性：对于玩家，它应该具有某种特定的意义;通过提供玩法，它能够激发玩家掌握某种能力;并且它应该是自主的。对于玩家与游戏化产品之间的联系，产品必须是为特定目的而设计的，即最终目标必须是玩家希望实现的目标。

为此，在设计色彩教育游戏之前，对学生的主观数据进行了调查，即是否学生愿意接受游戏化的教育方式以及学生是否有意愿提高自己的色彩辨识能力。针对计算机动画技术这一多媒体课程，收集了所有参与实验的98个技术生的主观数据，并用0表示毫无兴趣，1表示较少兴趣，2表示一般，3表示较大兴趣，4表示很感兴趣。表1为所有参与实验学生的主观数据的平均值及其标准差。从表1可知，绝大多数学生对游戏有着较高的兴趣，对艺术的学习、对提高自己的色彩能力都有着较强烈的意愿。这说明利用游戏来教学是一个可尝试的方式。

3 游戏模型

3.1 测试模型

该测试模型（如图1所示）基于HSV（Hue， Saturation， Value）颜色模式，用于评估玩家对颜色色相的认知程度。测试的核心思想是，玩家的能力越高，他对给定颜色的主观评价就越接近于该颜色的确切值。

因此，该模型要求玩家判断给定颜色的色相值，系统会自动记录误差角度，即他的主观估值和实际色调值的角度差。在测试中，白色圆环可以理解为HSV的色相环，但它只显示3个颜色的位置，即光的三原色红绿蓝的位置，而这三原色的显示是为了让玩家判断色环的方向。屏幕中心会出现一个特定的颜色，玩家需要根据其颜色判断并点击白色圆环相应颜色的位置。模型中颜色的饱和度和亮度保持不变。

在色环中，每个角度都代表着一种颜色。本文将色相环平均分成了16个区域，即每22.5°为一个区域，屏幕中心出现的颜色为每个区域中的一个随机值，且每个区域的随机值都仅会出现一次。因此，一轮测试需要玩家判断16个颜色点在白色圆环上的相应位置。而每次判断完，玩家并不会知道自己和标准的颜色点位置偏差了多少度。因为这仅仅是个测试模型，需要保证玩家不会通过此模型来提高自己的颜色辨识能力。

3.2 技能训练模型

该模型主要设计了两种非常相似的玩法，它们的主要区别在于交互方式的不同：玩法1通过按住鼠标左或右键来控制颜色从而发射小球;玩法2通过直接点击可选择的多个小球中的某个，来确定颜色从而发射小球。

为了对比有无虚拟奖励所带来的训练效果差别，在这两种玩法中又都加入了常见的游戏元素：排行榜、成就、积分和商店，这就构成了两种新的技能训练模型，图2为两种技能训练模型的对比。

3.2.1 玩法1模型

在这个游戏玩法中，玩家被要求通过改变屏幕中心白色小球的颜色来攻击目标白色小球。通过按住鼠标左键或右键来控制中心小球的颜色变化，颜色按照HSV色环顺时针或逆时针变化。玩家可以看到屏幕中心小球逐渐变化的颜色，当松开鼠标按钮时，屏幕中心的小球会根据此时的颜色朝着该颜色的方向发射一个该颜色的小球。一个颜色代表一个方向，即需要玩家确定的是白色小球位置应该是什么颜色，接着将屏幕中心的小球变成这个颜色，然后松开鼠标。在这个技能训练模型中，同样会有3个固定的颜色——红、绿、蓝，以确定其他颜色的位置。模型中的颜色、饱和度和亮度与测试模型中的值一致。

在这个玩法中，玩家拥有10点能量值，每次发射一个小球，就会扣除1点能量值。每次击中白色小球时，它将恢复1点能量值并增加1点分数。当白色小球被击中，它将消失并且会在随机位置出现下一个白色小球，但白球的位置距离屏幕中心的位置是不变的。当能量值为零时，会提示玩家将重新开始游戏。

3.2.2 玩法2模型

在这个游戏玩法中，在屏幕底部会有9个随机颜色的小球，每个颜色的小球都代表着一个方向。玩家被要求在9个彩色小球中找到并点击唯一一个正确颜色的小球，来击中白色发光小球，即确定白色发光小球所处位置应该是什么颜色。需要注意的是，随着得分越来越高，这些彩色小球之间色相的差距会越来越小。在这个玩法中，玩家同样拥有10点能量值，每次点击发射一个小球，就会扣除1点能量值。每次击中白色小球时，它将恢复1点能量值并增加1点分数。当白色小球被击中，它将消失并且会在随机位置出现下一个白色小球，同时屏幕底部的颜色小球也会刷新。白球的位置距离屏幕中心的位置仍然是不变的。当能量值为零时，会提示用户将重新开始游戏。

3.2.3 虚拟奖励

在这两种玩法中都加入了相同的游戏元素：排行榜、成就、积分和商店;玩法的交互方式不变。每当玩家的能量为0时，玩家将根据单局的最高得分获得成就，而且这些成就会一直显示在屏幕左上方。与此同时，单局的得分将被累积转换成积分，这些积分可用于商店，而商店能够让玩家更轻松地获得分数。

商店内可购买的4个属性为：

1）能量上限：额外增加能量上限;

2）能量加成：每击中一个小球，额外回复能量;

3）得分加成：击中一个小球，额外获得得分;

4）连续得分加成：连续击中小球，再次额外增加得分。

当购买完这些能力后，玩家会更容易获得更高的单局得分，从而可以挑战更高的成就。而且在这两个游戏模型中，每个玩家都被要求参与排行榜，玩家可以实时看到排行榜的最高分、玩家姓名和最高成就。

4 實验设计

4.1 分组安排

实验对象为98名工科学生（21～22岁），其专业是数字媒体技术，男女比例约1∶ 1。首先让学生们熟悉测试模型，避免由操作失误带来的误差。接着开始测试，学生们被要求完成至少3轮测试模型的测试，3次测试可以测得48个颜色误差数据，凭借这些数据基本可以评估学生的色彩认知能力。之后，将这些学生分成了4个小组，分组并非完全随机，而是基于一个准则：让每个小组成员的初始水平尽可能接近，且每组成员的能力值都接近正态分布。4个小组的技能训练模型分配如表2所示。

4.2 实验方法

为了游戏的自主性，学生们可以自由选择玩游戏的时间，但要求最长为30min。在测试之前，清楚地向每个参与者严格说明了测试过程。每个参与者必须先至少完成3轮测试模型的能力测试，然后进入技能训练模型进行游戏;当决定放弃不玩时，再次进入测试模型，完成至少3轮测试。玩家判断的颜色数据由系统自动记录。

5 实验数据分析

5.1 色差分析

CIELAB颜色空间是由国际照明委员会（Commission Internationale de LEclairage， CIE）在1976年发布推广的均匀的颜色空间。该颜色空间使用三个坐标值，即亮度（L*）、绿红色相（a*）和蓝黄色相（b*）来数字化表达颜色。因CIELAB是均匀的色彩空间，因而任何两个颜色的差异都可用色差公式[22]来很好地表现颜色变化程度[23]。式（1）为CIE1976色差公式：

ΔE12= （L*1-L*2）2+（a*1-a*2）2+（b*1-b*2）2

（1）

在测试模型中，学生在技能训练模型中的RGB（Red， Green， Blue）数据被记录下来。计算时，需要把RGB转化成CIELAB才能计算色差值。事实上，RGB无法直接转换成CIELAB，需要先转换成CIEXYZ再转换为CIELAB。在文献[24]中指出，CIEXYZ是CIE于1931提出的色彩空间，它是基于人眼对色实验基础上建立的，也是最接近人眼视觉的空间，但该空间并非均匀色彩空间。RGB至CIELAB的计算方法及公式如下：

Rlinear=γ-1（R/255）

Glinear=γ-1（G/255）

Blinear=γ-1（R/255）

（2）

γ-1（x）=

[（x+0.055）/1.055]2.4，  x>0.04045

x/12.92， x≤0.04045

（3）

XYZ = M × RlinearGlinearBlinear

（4）

其中， M =  0.4124 0.3576 0.18050.2126 0.7152 0.07220.0193 0.1192 0.9505  。

接着通过CIEXYZ计算CIELAB：

L*=116f（Y/Yn）-16

a*=500[f（X/Xn）-f（Y/Yn）]

b*=200[f（Y/Yn）-f（Z/Zn）]

（5）

f（t）= t1/3，        t>  6 29  3

1 3   29 6  2t+ 4 29 ， t≤  6 29  3

（6）

式中，Xn、Yn、Zn为CIE标准照明体D65照射在完全漫反射体上，然后反射到观察者眼睛中的三色刺激值，Xn=95047，Yn=100.0，Zn=108.883[25]。

5.2 实验数据筛选与分析

在实验前，尽管每一位被试都认真阅读了实验指导，但仍然会发生不合规范的操作，所以在测试程序中详细记录了所有测试人员的操作过程。在后续处理中，通过鉴别操作过程的记录，识别出了存在不合规范操作的所有样本，视为无效数据。最后，经过严格的数据筛选，总共收集了57个有效样本。把学生各自所测得的所有色差值的平均值作为评估其个人能力的指标，同时还计算了每个小组所有学生的平均色差值及其标准误差。

图4为各组学生的ΔE箱体图与ΔE均值及其标准误差，从训练前后色差能力的变化可知，通过玩这个游戏，大多数学生的色彩辨识能力是有所提高的。从一、二组，三、四组的对比中，可知玩法2对学生的帮助明显要大于玩法1。第一组的学生并没有明显的能力提升，说明学生能力的提升明显受到玩法设计的影响，不合适的玩法并不能帮助学生提升能力。由于第一组和第三组的玩法相同，可推断，尽管一个不合适的游戏玩法不能很好帮助学生提升能力，但添加了合适的虚拟奖励，很可能可以改善这一情况;而从第二组与第四组的数据来看，在相对优秀的玩法中，添加了虚拟奖励能更好地提升能力。

图5为各组学生所花费时间的箱体图与均值及其标准误差，从时间角度出发，第一组和第三组为同一玩法、第二组和第四组为同一玩法，后者在前者的基础上，都添加了相同的虚拟奖励。明显可以看出，虚拟奖励的使用大大增加了大多数学生的游戏时间，即虚拟奖励的添加，很大程度上提高了学生的参与度，从而获得了更好的训练效果;但需要注意的是，虽然第三组在添加虚拟奖励的情况下有着不错的训练效果，但是在更短的时间内，且没有添加虚拟奖励的情况下，第二组同样表现出优异的训练效果，这突显出了玩法设计举足轻重的地位。

5.3 主观性数据分析

在各组学生完成自己的测试后，会被要求填写问卷，以调查每组学生对所在组技能训练模型有效性及趣味性的主观评价。0表示毫无帮助（毫无兴趣），1表示较小帮助（较小兴趣），2表示一般，3表示较大帮助（较大兴趣），4表示十分有帮助（十分有兴趣）。图6为各组学生对各自技能训练模型的主观有效性评价的箱体图与均值及其标准误差。

从主观的角度出发，由图6可知，学生们普遍认为玩法1的技能训练模型对自己的帮助较小，玩法2的技能训练模型对自己的帮助较大，这与实验数据相互印证。

从图7中可以看出，学生们主观认为这4个技能训练模型的趣味性相似。这说明了虚拟奖励的有无、玩法的不同，都不能对这个技能训练模型本身带来明显趣味性的变化。

6 结语

本文设计了一种用于颜色认知训练的游戏原型，通过实验表明，大多数学生可以通过这个色彩教育游戏来提高自己的色彩辨识能力。而通过对比实验发现了以下规律：虚拟奖励的使用往往是通过提高学生的参与度，从而带来更好的学习效果，而游戏玩法却能直接影响学生的学习效果。在合适的游戏玩法下，添加虚拟奖励有助于学生获得更好的学习效果;在不合适的游戏玩法下，添加虚拟奖励后的学习效果是差强人意的。

所以，根据实验，本文建议游戏化的研究人员应该注意游戏玩法和虚拟奖励各自带来的不同效果。例如，在教学应用中，首先要考虑各种教学内容（教材、课堂组织、教学形式）的优化设计，而不是立即考虑如何增加激励机制。在众包应用程序中，首先应该考虑如何重新设计任务以使其更有趣，而不是直接添加虚拟奖励。然而，在商业应用中，直接考虑奖励机制可能是实际的，因为先前的目标可能会显著增加对顾客的吸引力。

一些成功的教育案例也印证了本文的建议。例如CodeCombat和苹果公司的Swift Playground等编程游戏，这些游戏表明关键是让玩家真正使用编程技巧来解决问题，而奖励机制是一个额外的增强。在众包应用中，FoldIt是一个成功的例子，其成功的关键在于将折叠蛋白重新设计为一种解密游戏，奖励机制也是一种额外的增强。

参考文献

[1] ODONOVAN S， GAIN J， MARAIS P. A case study in the gamification of a university-level games development course [C]// Proceedings of the 2013 South African Institute for Computer Scientists and Information Technologists Conference. New York： ACM， 2013： 242-251.

[2] 張金磊，张宝辉.游戏化学习理念在翻转课堂教学中的应用研究[J]. 远程教育杂志，2013，31（1）：73-78. （ZHANG J L， ZHANG B H. Application of game based learning in flipped classroom [J]. Journal of Distance Education， 2013， 31（1）： 73-78.）

[3]  BARATA G， GAMA S， JORGE J， et al. Engaging engineering  students with gamification [C]// Proceedings of the 5th International Conference on Games and Virtual Worlds for Serious Applications. Washington， DC： IEEE Computer Society， 2013：1-8.

[4]  BARATA G， GAMA S， JORGE J. Improving participation and  learning with gamification [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013： 10-17.

[5] THOM J， MILLEN D， DIMICCO J. Removing gamification from an enterprise SNS [C]// Proceedings of the ACM 2012 Conference on Computer Supported Cooperative Work. New York： ACM， 2012： 1067-1070.

[6] DENNY P， MCDONALD F， EMPSON R， et al. Empirical support for a causal relationship between gamification and learning outcomes [C]// Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2018：No.311.

[7] De SOUSA BORGES S， DURELLI V H S， REIS H M， et al. A systematic mapping on gamification applied to education [C]// Proceedings of the 29th Annual ACM Symposium on Applied Computing. New York： ACM， 2014： 216-222.

[8] FITZ-WALTER Z， WYETH P， TJONDRONEGORO D， et al. Driven to drive： designing gamification for a learner logbook smartphone application [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013：42-49.

[9] GOOCH D， VASALOU A， BENTON L， et al. Using gamification to motivate students with Dyslexia [C]// Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2016： 969-980.

[10] DAVIS K， KLEIN E. Investigating high school students perceptions of digital badges in afterschool learning [C]// Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems. New York： ACM， 2015： 4043-4046.

[11] BARATA G， GAMA S， JORGE J， ET AL. Improving participation and learning with gamification [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013： 10-17.

[12] 劉利利. 小学美术教学中如何培养学生的动手能力分析[J]. 中国校外教育， 2015（11）：159-159. （LIU L L. How to cultivate students practical ability in art teaching in primary school [J]. Education for Chinese After-school， 2015（11）： 159-159.）

[13] LESSEL P， ALTMEYER M， KRüGER A. Analysis of recycling capabilities of individuals and crowds to encourage and educate people to separate their garbage playfully [C]// Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems. New York： ACM， 2015：1095-1104.

[14] ZHAO Z， ARYA A， WHITEHEAD A， et al. Keeping users engaged through feature updates： a long-term study of using wearable-based exergames [C]// Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems. New York： ACM， 2017：1053-1064.

[15]  JACOBS A， TIMMERMANS A， MICHIELSEN M， et al.  CONTRAST： gamification of arm-hand training for stroke survivors [C]// Proceedings of the CHI 2013 Extended Abstracts on Human Factors in Computing Systems， New York： ACM， 2013： 415-420.

[16] DONG T， DONTCHEVA M， JOSEPH D， et al. Discovery-based games for learning software [C]// Proceedings of the 2012 SIGCHI Conference on Human Factors in Computing Systems. New York： ACM， 2012： 2083-2086.

[17] LI W， GROSSMAN T， FITZMAURICE G. GamiCAD： a gamified tutorial system for first time AutoCAD users [C]// Proceedings of the 25th Annual ACM Symposium on User Interface Software and Technology. New York： ACM， 2012：103-112.

[18] GEE J P. What video games have to teach us about learning and literacy [J]. Computers in Entertainment （CIE） — Theoretical and Practical Computer Applications in Entertainment， 2003， 1（1）： 20.

https：//dl.acm.org/citation.cfm？id=950595&dl=ACM&coll=DL

[19] BROWNE K， ANAND C. Gamification and serious game approaches for introductory computer science tablet software [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013：50-57.

[20] BARBOSA A F S， SILVA F G M. Serious games： design and development of OxyBlood [C]// Proceedings of the 8th International Conference on Advances in Computer Entertainment Technology. New York： ACM， 2011：No.15.

[21] CHORNEY A I. Taking the game out of gamification [J]. Dalhousie Journal of Interdisciplinary Management， 2012， 8（1）：1-14.

[22] STOJMENOVIC I， SIMPLOT-RYL D， NAYAK A. Toward scalable cut vertex and link detection with applications in wireless ad hoc networks[J]. IEEE Network， 2011， 25（1）：44-48.

[23] 黄虎，程建，蒲恬.基于机器视觉的工业品色差检测系统[J].兵工自动化，2010，29（7）：78-80. （HUANG H， CHENG J， PU T. Industrial products chromatic aberration detection system based on machine vision [J]. Ordnance Industry Automation， 2010， 29（7）：78-80.）

[24] GILCHRIST A， NOBBS J. Colorimetry， theory [M]// Encyclopedia of Spectroscopy & Spectrometry. [S.l.]： Elsevier， 1999： 337-343.

[25] 楊任兵，程文播，钱庆，等.尿液试纸条的手机图像比色分析新方法的研究[J].影像科学与光化学，2018，36（4）：45-54. （YANG R B， CHENG W B， QIAN Q， et al. Novel colorimetric method for urine test strips based on smartphone image[J]. Imaging Science and Photochemistry， 2018， 36（4）： 45-54.）