扭曲视错服装图案的Tamura纹理特征及其影响因素研究

魏文达 刘成霞

摘要： 针对扭曲视错服装外观图像缺乏客观评价方法的问题，将Tamura纹理特征用于扭曲视错服装的研究。文章首先确定106幅视错图案;从中挑选一幅，通过改变线条宽度、旋转扭曲角度和颜色参数进行二次设计，得到图案195幅，共计301幅;运用CLO 3D虚拟试衣软件模拟着装效果，并获取视错服装图像;计算出服装图像的Tamura纹理特征，邀请被试者对前106幅图案的服装图像进行主观评价。结果表明：Tamura纹理特征可用于视错服装的客观评价;视错图案的旋转扭曲角度对纹理特征的影响最大，颜色G值分量的影响次之，线条宽度影响最小。

关键词： 视错服装;视觉效果;客观评价;虚拟试衣;Tamura纹理特征

中图分类号： TS941.2

文献标志码： A

文章编号： 10017003（2021）07007706

引用页码： 071112

DOI： 10.3969/j.issn.1001-7003.2021.07.012（篇序）

Research on the Tamura texture features of distorted visual illusion clothing patternand its influencing factors

WEI Wendaa， LIU Chengxiaa，b

（a.School of Fashion Design & Engineering; b.Zhejiang Province Engineering Laboratory of Clothing Digital Technology，Zhejiang Sci-Tech University， Hangzhou 310018， China）

Abstract： Aiming at the problem of lacking objective evaluation methods for distorted illusion clothing appearance images， the Tamura texture feature was used in the research of distorted illusion clothing. First， 106 optical illusion patterns were selected; One of them was selected for a secondary design， and 195 patterns were obtained by changing the line width， rotation twist angle and color parameters. There were 301 experimental patterns in total. CLO 3D virtual fitting software was used to simulate the dressing effect， and the image of illusion clothing was obtained; then the Tamura texture characteristics of the clothing image were calculated， and the subjects were invited to subjectively evaluate the clothing images of the first 106 patterns. The results have shown that Tamura texture features can be used for the objective evaluation of distorted illusion clothing; the twist angle of the distorted illusion pattern has the greatest influence on the texture features， followed by the G value component of the color， and the line width has the least influence.

Key words： illusion clothing; visual effect; objective evaluation; virtual fitting; Tamura texture features

收稿日期： 20201229;

修回日期： 20210621

基金項目：

作者简介： 魏文达（1995），男，硕士研究生，研究方向为纺织服装检测、服装数字化图像处理。通信作者：刘成霞，教授，glorior_liu@163.com。

视错作为视觉感知的一种特殊形式，是服装设计中重要的设计元素与设计手段。其中扭曲错觉[1]是把规则的点、线、面等结构元素感知为歪曲结构的现象[2]，被广泛地运用到服装设计中，来增加服装的趣味性与艺术性[3]。时装秀场上经常能看到扭曲视错设计的身影，在简单的服装款式上设计不同的黑白条纹或无法聚焦视线的几何图案，结合人体曲线与服装分割线产生扭曲错觉，突出服装的艺术效果。合理地利用视错觉图案进行服装设计，不仅可以修饰形体，而且能与服装结构相互补充[4]。

扭曲视错图案不仅具有相应的客观图像特征，还可以带来视觉上的刺激，影响人们的心理感受。研究表明，视错图案的纹理特征能显著影响人们观看视错图案时的主观感受[5]。Tamura等[6]在1978年提出的六种纹理特征正是基于人们心理感知的客观表述，不仅可以描述图像的纹理特征信息，还可以在视觉上与人类的感官认知相结合，被广泛用于图像特征提取[7]，也常被作为特征参数用来建立相应的客观评价模型[8]。但是能否用于扭曲视错服装的评价需要进一步探讨。

目前关于视错服装的研究多针对艺术设计与造型的应用，尚缺少视错服装图像的客观评价。本文拟将Tamura纹理特征用于服装扭曲视错图案的研究;结合虚拟试衣技术与图像处理技术，探究Tamura纹理特征与服装视错图案主观评价之间的关系及其影响因素。

1 实 验

1.1 服装图像的获取

1.1.1 选取视错图案

预实验结果显示，当图像数量约在50张时，被试者问卷体验较好。本文选取106张具有明显扭曲的几何线条图案作为主观评价素材，研究视错服装图像的Tamura纹理特征与主观评价之间的关系。将图案随机分成两组，每组53张进行后续主观实验（考虑到可能会出现异常数据，多出3张作为保障）。图案形状中心分为椭圆圈、菱形、六边形、花瓣形、放射线条、六角星六大类;图案转动方向包括逆时针、顺时针;颜色以黑白线条图案为主，还包括不同色彩填充的图案。图1展示了部分实验样本。

1.1.2 二次设计扭曲视错图案

为进一步探究Tamura纹理特征的影响因素，从上述106幅图像中选取一幅较为规则的图案进行二次设计（规则的图案适合设计修改，规律更加直观），图2为挑选出的原型，此原型顺时针60°旋转扭曲后得到41#图案。

该原型为无扭曲方形图案，中心是实心菱形方块，线条为黑白宽度1︰1（黑白线条宽度各为1 cm）的斜直线。改变线条宽度、扭曲角度大小、线条颜色，可获得同款图案不同规律的扭曲视错图案。

1）获取无扭曲图案原型：保持中心菱形方块大小不变，改变黑白线条宽度比例，设计出9款无扭曲的直线图案原型，如图3所示。

2）获取相同颜色、不同款式的扭曲视错图案：利用Adobe Photoshop 2020软件中“滤镜—旋转扭曲”功能进行旋转扭曲获得扭曲视错图案。将图3中9款原型的图案中心以顺时针进行扭曲旋转（图4）。为使图案纹理具有较明显的差异，设置每次增加60°，最大扭曲角度为720°。每款设置12个角度扭曲，共获得108幅黑白颜色、不同线条宽度、不同扭曲角度的视错图案，用于研究线条宽度与扭曲角度对服装图像纹理特征的影响。表1为线条宽度1︰1的原型获得的12款不同角度扭曲视错图案。

3）获取不同颜色、相同款式的扭曲视错图案：挑选线条宽度1︰1、扭曲角度为360°的视错图案进行颜色设计。按一定规律改变原图案中白色条纹的RGB颜色模型中，红（R）、绿（G）、蓝（B）为使颜色变化较为明显，最小值设为0，然后从30开始每次增加25直到255。将R、G、B值中任意两组设置为0或255，第三组依次取值，剔除（0、0、0）（255、255、255），保证R、G、B的值都有从小到大的变化组合，最后得到87幅不同颜色填充的图案，用于研究颜色对视错服装图像纹理特征的影响。

1.2 利用虚拟试衣软件获取服装图像

虚拟试衣软件能在控制其他条件不变的情况下，单一改变视错图案参数，且能避免实际制作服装及图像获取时的人工误差。

利用CLO 3D虚拟试衣软件，将视错图案填充到实验所选服装款式上，模拟视错服装的穿着效果，获取实验样裙图像。为了确保视错图案的完整性及其良好的展示效果，选择结构简单的基础款连衣裙作为研究对象，如图5所示。连衣裙衣片上不设省道，将省量转移至侧缝，以减小服装结构对视错效果的影响。根据160/84A标准人台设计样板尺寸，衣长65 cm，胸围88 cm，腰围72 cm，臀围94 cm，裙摆104 cm。视错图案中心与图5中的方框中心重合以保证图案的最佳展示效果。

将扭曲视错图案以平铺的方式填充为服装纹理，填充时要调节大小确保图案完整填满衣片且无重复。然后调节镜头参数：类型为球形，镜头距离为-5 000，镜头竖直角度为0°，水平角度为-30°、-15°、0°、15°、30°，如图6所示。最终每条样裙截取5个水平角度不同的实验图像，这样在增大样本量的同时，还避免了对单一图像评价时产生的偶然误差。

1.3 Tamura纹理特征提取

纹理特征是一种能反映物体表面结构组织缓慢或周期性变化属性的视觉特征[9]。1978年，Tamura等[6]提出了粗糙度Fcrs、对比度Fcon、方向度Fdir、线性度Flin、规则度Freg和粗略度Frgh，分别对应人类视觉感知的六个属性。其中，前三个纹理参数的应用更为广泛[10]。

1）粗糙度：在Tamura纹理特征中最为重要，可以很好地反映图像像素灰度值变化的速度。最经典的是Ronsenfeld算法，包括以下步骤：

步骤1：计算样本图像中窗口大小为2k×2k个像素的灰度平均值。

Ak（x，y）=∑x+2k-1-1i=x-2k-1∑y+2k-1-1i=y-2k-1f（i，j）/22k（1）

式中：f（i，j）为像素（i，j）的灰度值大小。

步骤2：计算每个像素点的水平和垂直方向上对称的非重叠窗口之间的平均强度差。

水平方向：

Ek，h（x，y）=|Ak（x+2k-1，y）-Ak（x-2k-1，y）|（2）

垂直方向：

Ek，v（x，y）=|Ak（x，y+2k-1）-Ak（x，y-2k-1）|（3）

步骤3：确定邻域的最佳尺寸大小，k使E值达到最大。

Sbest（x，y）=2k（4）

Ek=Emax=max（E1，E2，…，EL）（5）

步驟4：计算样本图像最佳尺寸Sbest的平均值，将其作为粗糙度指标。

Fcrs=1m×n∑mi∑njSbest（i，j）（6）

式中：m、n分别对应图像的长与宽。

2）对比度：通过统计全幅图像灰度值分布情况来描述图像的明亮程度，是描述全局度量的指标。

Fcon=σ4α4（7）

式中：μ4为图像灰度的四阶矩，σ2为图像灰度的方差，α4=μ4/σ4。

3）方向度：是对图像像素在某方向上是否呈现直线或近似直线状态的描述，用来衡量图像是否具有明显的方向性。计算步骤如下：

步骤1：计算样本图像中像素的梯度向量，包括水平和垂直方向的梯度变化量。

|ΔG|=（|ΔH|+|ΔV|）/2，θ=tan-1（ΔV/ΔH）+π/2（8）

式中：ΔH与ΔV分别为梯度向量在水平、垂直方向上的变化量。

步骤2：构造θ的分布直方图HD。

HD（k）=Nθ（k）/∑n-1i=0Nθ（i）（9）

式中：n为方向角度的量化等级，Nθ（k）是当ΔG大于阈值，（2k-1）π/2n≤θ≤（2k+1）π/2n是像素的数量。

当图像具有明显的方向性时，直方图HD出现峰值;反之则分布平缓。

方向度计算公式为：

Fdir=∑npp∑φ∈wp（φ-φp）2·HD（φ）（10）

式中：np为直方图中峰值的数目，p为直方图的峰值，wp为该峰值包含的量化值范围，φp为最大直方图值中的量化数值。

根据上述方法，利用Matlab软件对扭曲视错服装图像进行处理，求出所有视错图案（共301幅）对应的5个水平角度的六项特征值，取其平均值作为各样本图像的Tamura纹理特征。

1.4 主观评价

为探究Tamura纹理特征与主观评价间的关系，本文提取出前106幅无规律视错服装图案的Tamura纹理特征值对其进行表征，然后邀请117名被试者对其进行主观评价，探究Tamura纹理特征与主观评价间的关系。无规律图案之间差距较大，主观评价差异更明显，且用无规律图案来探究Tamura纹理特征与主观评价间的关系更具普遍性。被试者年龄为18～30岁，男性49名、女性68名。其中73名为服装专业，44名为其他专业。将106幅图案随机分为两组，邀请同一批被试者分两次进行评价。将视觉舒适、扭动程度、体型修饰定为主观评价指标，设计李克特五级评价量表，共分为1、2、3、4、5五级，如表2所示。

表2中，“视觉舒适”为观看图像时是否有头晕目眩或赏心悦目的心理感受;“扭动程度”则是对旋转扭曲错觉程度的评价;“体型修饰”是与无图案填充的纯色服装图像对比后，是否看起来更瘦或者更胖。

2 结果与分析

2.1 主观评价分析

单因素方差分析和独立样本T检验结果表明，主观评价结果不因年龄、性别、专业不同而产生差异，结果如图7所示。

图7中，纵坐标对应评价指标的得分包括视觉舒适程度、体型修饰程度，扭动视幻程度。可以看出，扭曲视错服装的视觉舒适程度与扭动程度存在一定的对应关系。当扭动程度较低时，视觉舒适度较好，随着扭动程度的逐渐加剧，人们会由无感转为不适。接下来进一步进行相关分析，结果如表3所示。

从表3可以看出，视觉舒适度与扭动程度呈显著负相关关系，相关系数为-0.74，与散点分布规律相吻合，即视觉舒适度随着扭动程度增大而降低。

而视觉舒适程度与体型修饰程度也存在一定的正相关关系，相关系数为0.544，即人们在观看扭曲视错服装时，视觉感受越舒适，就越有显瘦的错觉。

同理，将主观评价得分与Tamura纹理特征进行相关分析，得出图像的粗糙度Fcrs与视觉舒适、体型修饰之间呈正相关，与扭动程度呈负相关。即视错服装图像的粗糙度越大时，主观感觉图像扭动程度越轻微、带来的视觉舒适度越高、越觉得该服装显瘦。这一结果表明，Tamura纹理特征确实能在一定程度上表征观看视错服装图像时人们的主观感受。

2.2 影响纹理特征的因素分析

实验中各组参数不同时数据变化规律大体相同，由于篇幅有限，本文随机选取一组变量参数的数据进行分析。

1）扭曲角度：图案颜色（黑白）、线条宽度一定（黑白线条1︰2）时，图案旋转扭曲角度与纹理特征之间的关系如图8所示。

从图8可以看出，粗糙度Fcrs、对比度Fcon、粗略度Frgh与视错图案的扭曲角度呈显著的负相关关系，而方向度Fdir、线性度Flin与扭曲角度则为正相关。当扭曲视错图案原型的颜色、线条宽度一定时，随扭曲角度的增大，其粗糙度Fcrs、对比

度Fcon、粗略度Frgh都随之减小，而方向度Fdir和线性度Flin则会增大。即图案旋转扭曲的角度越大，图像灰度值变化越缓慢、对比越不明显、整体方向性越显著。而各特征参数与旋转角度之间的线性关系也较为明显，对应的线性模型如表4所示。规则度的线性回归模型的R2为0.614，拟合效果不理想，其余五项Tamura纹理特征的拟合优度都达到0.9以上。

2）线条宽度：图案颜色（黑白）、旋转扭曲角度一定（360°）时，图案线条宽度与纹理特征之间的相关系数如表5所示。

表5显示，各参数与线条的宽度比例存在着一定的相关性，其中对比度Fcon、粗略度Frgh与黑白线条之间的相关性最显著。当图案颜色、旋转扭曲角度一定时，黑白线条宽度越大，视错图像纹理的对比度和粗略度也越小，图像的视觉效果越平滑，对比越不明显。其对应的回归模型为：

Fcon=81.242-13.394H+14.215W（R2=0.963）（11）

Frgh=96.920-12.384H+15.225W（R2=0.957）（12）

式中：H代表黑色線条宽度;W代表白色线条宽度。

对比度Fcon、粗略度Frgh的拟合优度分别为0.963、0.957，拟合效果很好。

3）图案颜色：图案线条宽度、旋转扭曲角度一定时，图案颜色与纹理特征之间的相关系数如图9所示。

图9中，各色块的颜色代表相关程度，数值表示相关系数的大小，可得出G值与图像纹理特征参数相关性最高。当图案线条宽度、旋转扭曲角度一定时，G值越大，视错服装图像的对比度、粗略度就越低，而方向度、线性度、规则度则越大。即当图案的线条宽度与扭曲角度一定时，颜色G值越大，视觉效果越平滑，对比越不明显，方向性越好，越不杂乱。颜色特征与纹理特征参数的回归模型如表6所示，其中对比度、线性度、规则度、粗略度的线性回归模型的R2都在0.85以上，拟合效果较好。

3 结 论

本文通过收集、设计扭曲视错图案，结合虚拟试衣技术获取对应的视错服装图像，為个性化服装设计提供了新的思路;对无规律的视错图案服装进行主观评价，探究Tamura纹理特征与主观评价间的关系，为视错服装评价提供了新的手段;通过分析按规律改造的视错图案服装图像，探究了扭曲视错服装图像Tamura纹理特征的影响因素。得出以下结论：

1）Tamura纹理特征能在一定程度上表征观看扭曲视错裙图像时人们的主观感受，视错服装图像的粗糙度Fcrs越大时，主观感觉图像扭动程度越轻微、带来的视觉舒适度越高、服装越显瘦。且视错裙的视觉舒适程度与图案扭动程度呈负相关、与体型修饰程度呈正相关。视错图案的扭动程度越轻微、视错服装越显瘦，给人的感觉越舒适。

2）当图案原型的颜色、线条宽度一定时，随着扭曲角度增大，视错服装图像的粗糙度Fcrs、对比度Fcon、粗略度Frgh都变小，而方向度Fdir和线性度Flin则会增大。

3）当图案原型的颜色、旋转扭曲角度一定时，黑白线条宽度越大，视错服装图像的对比度Fcon及粗略度Frgh越小，服装图像视觉效果越平滑。

4）当图案原型的线条宽度、旋转扭曲角度一定时，随着视错图像颜色的G值增大，对比度Fcon及粗略度Frgh会降低，而方向度Fdir、线性度Flin、规则度Freg则会增大。

参考文献：

[1]刘宏， 李哲媛， 许超. 视错觉现象的分类和研究进展[J]. 智能系统学报， 2011， 6（1）： 1-12.

LIU Hong， LI Zheyuan， XU Chao. The categories and research advances of visual illusions[J]. CAAI Transactions on Intelligent Systems， 2011， 6（1）： 1-12.

[2]程思. 视错觉作品中图形运动感形成的应用研究[D]. 武汉： 武汉理工大学， 2018.

CHENG Si. A Study on the Application of Graphic "Sense of Movement" in Optical Illusion Works[D]. Wuhan： Wuhan University of Technology， 2018.

[3]PIRYANKOVA I V， STEFANUCCI J K， ROMERO J， et al. Can I recognize my bodys weight？ the influence of shape and texture on the perception of self[J]. ACM Transactions on Applied Perception， 2014， 11（3）： 1-18.

[4]肖立志. 视错觉在女式职业装造型设计中的应用[J]. 纺织学报， 2014， 35（9）： 127-131.

XIAO Lizhi. Application of optical illusion in modeling design of womens business wear[J]. Journal of Textile Research， 2014， 35（9）： 127-131.

[5]王佳宁， 刘成霞. 半身裙视错图案的感官舒适度主客观评价[J]. 丝绸， 2020， 57（6）： 1-6.

WANG Jianing， LIU Chengxia. Research on subjective and objective evaluation of sensory comfort in the optical illusion pattern of skirt[J]. Journal of Silk， 2020， 57（6）： 1-6.

[6]TAMURA H， MORI S， YAMAWAKI T. Textural features corresponding to visual perception[J]. IEEE Transactions on Systems， Man， and Cybernetics， 1978， 8（6）： 460-473.

[7]IMRAN B. Content-based image retrieval based on texture and color combinations using tamura texture features and gabor texture methods[J]. American Journal of Neural Networks and Applications， 2019， 5（1）： 23.

[8]张宁， 潘如如， 高卫东. 采用图像处理的织物缝纫平整度自动评估[J]. 纺织学报， 2017， 38（4）： 145-150.

ZHANG Ning， PAN Ruru， GAO Weidong. Automatic seam-puckering evaluation using image processing[J]. Journal of Textile Research， 2017， 38（4）： 145-150.

[9]HARALICK R M. Statistical and structural approaches to texture[J]. Proceedings of the IEEE， 1979， 67（5）： 786-804.

[10]梅军， 张森林， 樊臻. 基于Tamura纹理特征的织物组织识别算法[J]. 轻工机械， 2017， 35（4）： 52-55.

MEI Jun， ZHANG Senlin， FAN Zhen. Recognition algorithm of fabric based on Tamura texture features[J]. Light Industry Machinery， 2017， 35（4）： 52-55.