基于聚类算法和PCCS体系的民国旗袍色彩提取及分析

2022-11-16赵崧灵章玲玲顾冰菲

丝绸 2022年11期

赵崧灵, 章玲玲, 顾冰菲,b,c

(浙江理工大学 a.服装学院; b.浙江省服装工程技术研究中心; c.丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室,杭州 310018)

民国时期东西方文化碰撞激烈,“西学东渐”使得人们对于服饰美有了不同的定义,这一时期也成为旗袍发展最为鼎盛的时代。随着近年“国潮”之风盛行,民国旗袍的经典要素常见于许多现代设计之中,让越来越多的人感受到了旗袍的魅力。色彩是服饰图案设计中非常重要的视觉要素之一,同时作为一种文化符号能够表达出相应的文化意象,反映特定时代或地区人们的集体思维和审美观念。

传统色彩提取常利用测色仪[1-3]或Photoshop[4-5]等手段对实物及照片进行手工颜色提取,但整个过程耗时耗力且带有一定的主观性。目前,越来越多的研究借助数字化手段进行色彩分析,中位切分法、八叉树颜色量化、聚类算法等常被应用于织物颜色主题的提取。陈登凯等[6]采用中位切分算法对民间布老虎色彩进行量化,同时根据色彩出现频率及共现关系确定主色、适配色,并建立色彩搭配系统;Hu等[7]采用八叉树算法提取土家织锦色彩并优化主色及色调分布,提出基于主色图的土家织锦设计方法;Zhao等[8]引入K-means聚类方法对彝族服饰的色彩规律进行分析,将相应的色彩规律转化为客观评价指标,采用层次分析法(AHP)和灰色关联度-双基准分析法(GRA-TOPSIS)两种评价方法计算色彩搭配与民族文化形象的匹配度并进行综合排序,为民族产品设计配色方案的改进提供参考。还有学者采用色彩网络映射[9]、关联规则数据挖掘[10]、模糊评价模型[11]等方法,基于一定的规则或用户喜好分析色彩搭配规律。色彩自动提取技术可以改进以往手工提取繁琐、纯主观分析存在差异性等问题,生成的结果清晰直观,可为新产品的色彩设计提供参考,使其形成独有的特色、增加市场竞争力。

在配色及色彩意象分析研究中,色彩体系可提供统一的度量标准,使色彩识别更具有规范性。目前常用的色彩体系有孟塞尔(Munsell)色彩体系、自然色彩系统(Natural Color System,NCS)、日本色研配色体系(Practical Color Co-ordinate System,PCCS)等[4],如Qi等[3]组合Munsell色相及PCCS色调的数值信息,结合历史背景量化分析了民国时期南北地区常用服饰色彩的差异;刘祎[12]则是利用NCS体系确定收集到的民国旗袍实物的色彩编号,通过NCS色彩三角发现旗袍用色的分布规律,但旗袍数量仅有46件可能导致结果存在一定的偏差。此外,还有许多针对民国旗袍色彩的研究[13-14],学者们从传世实物或月份牌、广告画中探寻配色特征,但大多都是结合纹样或款式发展对整体风格的主观概述,缺少相关色彩的量化分析,对色彩的文字描述具有一定的模糊性,无法便捷地从经典设计中获取有效的方案或灵感。

因此,本文以民国旗袍为研究对象,结合基于超像素分割的模糊C均值聚类和K-means聚类两种方法对旗袍纹样照片进行量化获得代表色彩;采用PCCS色彩体系探究代表色彩属性分布规律、色调分布及色彩调和方式,借助Apriori关联规则算法挖掘色彩搭配规则;最后对提取的色彩搭配机制进行设计试验,实现旗袍色彩设计再应用,量化及可视化的研究结果为旗袍图案的再设计应用提供方案参考。

1 色彩提取算法

Lei等[15]提出了一种改进的聚类算法,将原始图像色彩采用超像素区域内的均值进行替代,有效地减少了不同颜色的个数,在提高运算效率的同时能够获得良好的分割效果。该方法将超像素分割融入模糊C均值聚类(Superpixel-based Fast Fuzzy C-means Clustering,SFFCM)算法,主要分为超像素分割及模糊聚类两个过程,如图1所示。首先定义了一种多尺度形态梯度重建的分水岭分割算法(MMGR-WT)来生成超像素图像,通过一个像素代替超像素区域内所有像素点的方法来减少被分类对象的个数,提高图像分割的效率。在第二阶段利用分割后图像的像素数量设置参数进行模糊C均值聚类(FCM),得到最终聚类的彩色图像。通过散点图表示出对应样本图片的色彩RGB分布,可以发现超像素处理后的图片相较于输入图像色彩数量明显减少,经过聚类的进一步处理最终仅保留下了所需的主体色彩。

图1 SFFCM算法过程及色彩提取结果

在对彩色图像的处理上,SFFCM算法改进了以往模糊C均值聚类计算复杂、耗时长的缺陷,在缩短算法运行时间的同时取得了良好的图像分割效果。而在对色彩数值的处理方面,K-means算法作为经典聚类算法之一,可通过计算各样本与聚类中心的距离从而划定不同类别,相较于模糊聚类具有处理速度快、易于实现等优点。因此,本文结合SFFCM与K-means两种算法进行民国旗袍色彩提取,首先采用能够保持图案基本形状的SFFCM算法进行单张图片色彩提取,然后采用运行速度更快的K-means聚类方法进行色彩数值的二次聚类,最终获得民国旗袍整体代表色彩。

2 整体代表色提取及分析

2.1 数据集建立

民国旗袍对当今的旗袍设计具有极高的参考价值,但民国旗袍实物距今年代久远,散布于全国各地,拍摄收集难度极大且受光源不同等因素的影响会使得样本产生较大色彩偏差。《旗袍艺术》[16]上下两册中对民国时期旗袍发展变迁有着详实的描述,同时也整理了大量21世纪20—40年代旗袍实物及复原图片。为了增加色彩提取方法的实用价值和使用广泛性,本文使用微单相机(索尼α6000)作为更便利的数据采集手段。同时为避免设备、光线等对结果产生的影响,使整体色彩保持统一且便于后期校正,拍摄时使用统一的标准LED光源并采用中性灰卡进行色偏校正,导入Lightroom软件校正白平衡。最终建立了民国旗袍纹样数据集,包含414张图片,部分样本如图2所示。

图2 民国旗袍纹样数据集部分样本示例

2.2 整体代表色提取

旗袍纹样的代表色指以单幅纹样的主色作为样本提取出来的整体代表色。民国旗袍图案除中国传统的团花、吉祥纹样外,也有大量抽象几何、花卉植物等带有西方特色的装饰纹样[17],整体用色并不复杂且多为四方连续图案,纹样分布较为均匀。

针对单幅纹样主色提取,首先是最佳聚类数目的确定。以图3(a)某一旗袍纹样图案为例,经过超像素分割处理后一定程度上减少了图片的色彩数量,通过散点图表示分割后的色彩分布情况,如图3(b)所示,根据颜色种类及色彩散点图可初步估计主色分布数量为6～8种。为避免主观确定最佳聚类数目存在的误差,本文还结合轮廓系数法进行客观分析。轮廓系数是一种经典的确定最佳聚类数目方法,通过样本的族内紧凑度和族间离散度两种因素来评价聚类效果的优劣,数值越接近1表明聚类效果越好[18]。根据图3(c)中的聚类平均轮廓数值发现聚类为7时数值最高,相较于其他的聚类数目能够取得更好的分类效果。

图3 旗袍纹样色彩分布及聚类分析

为进一步比较不同数目下的聚类效果,本文以图3(a)为例,分别将聚类数目设置为6、7、8类后获得了各集群样本分布情况,如表1所示。在聚类集群的轮廓图中,轮廓的长度表示每类集群的聚类得分,厚度表示群内样本的数量[18]。可以发现聚类数目为8时存在得分低于平均轮廓系数的集群,从色卡分布中也可看出8类时基本是将占比为10.0%的色彩拆分成两种极为相近的颜色;而6类时虽然各集群的得分均高于平均轮廓系数得分,但是存在一个集群样本数量明显多于其他集群的情况,没有将颜色较好地区分开。结合轮廓系数值及聚类集群轮廓图分析可以确定该幅纹样图片最佳的主色数量为7类。相应地,对样本集中的每一张纹样图片均采用此种方法,即根据其颜色种类、色彩数值分布及聚类轮廓系数的综合比较分析来确定各自的最佳聚类数目。对414张图片分别进行聚类提取,共计得到1 725个色彩数值及每种颜色的色卡及占比,用于分析每幅图像的主色构成及特点,直观反映出画面整体色彩及不同色彩之间的比例关系。将复杂的画面转变为简单的数值,便于下一步数据的处理与分析。

表1 单幅图片色彩提取及轮廓系数示例

初次聚类得到的色彩数量仍然庞大,需进行二次聚类获得最具代表性的色彩。在HSV色彩空间中,人眼对三通道的感知程度不同,往往对色相的变化更为敏感。在国内外有关彩色图像分割[19-20]、颜色特征提取[21-22]等的研究中,许多学者为取得更好的分割提取效果会采用分通道非均匀量化的方式,将H通道划定为8份,S、V通道各分为3份,再整合各通道分量为一维特征矢量,以提高算法运行效率。因此本文对色彩数据的二次聚类数目的确定便根据HSV色彩非均匀量化模型将色相(H)聚类数目确定为8类、饱和度(S)及明度(V)定为3类。如表2所示,首先通过K-means聚类将1 725个色彩的色相值分为8个类别,最终得到的聚类中心在色环位置分别为14°、39°、86°、142°、209°、250°、300°、343°。其次分别对每一类色彩中明度及饱和度数值进行聚类,获得各色相代表的明度及饱和度。最后将各通道的聚类结果进行整合最终获得24种代表色及对应的色卡,将其按照色彩数值大小进行排序编号(分别命名为Ci,其中i=01～24)。分通道聚类的方式一定程度上降低了色彩三维空间直接聚类的复杂度与随机性,使代表色的生成更为全面。

表2 代表色提取数值及色卡

2.3 整体代表色分析

2.3.1 色彩三属性分布

对于民国旗袍纹样的整体色彩首先可以从色相、明度及饱和度色彩三属性的分布情况进行分析。为便于描述,以HSV色相环0°正红(R)为起点,间隔60°均匀划分出黄(Y)、绿(G)、青(C)、蓝(B)、洋红(M)共六个基础色系。如图4(a)所示,在色相聚类柱状-点线图中可分析得出民国旗袍色彩分布有较为明显的规律性,色彩主要集中于黄色系与红色系中,分别占总色彩数的29.33%和49.62%。绿色、青色等冷色系使用相对较少,分布均不足5%。从色相分布来看,服饰制度受西方文化的影响发生变革,在服饰用色上已无禁忌,人们在色彩选择上更加自由,同时红、黄色系色彩仍占据主要的地位。

对于色彩饱和度及明度的分析,将标尺分别等距离分为三份,划分为低[0%,33%]、中[34%,66%]、高[67%,100%]三个级别,采用分布图表示明度及饱和度的分布情况。如图4(b)所示,旗袍纹样的色彩明度集中在中高明度色彩范围内,占总数据的92.35%;饱和度整体偏低,集中分布于低饱和度和中饱和度之间,高饱和度色彩仅占总体数据的3.83%。旗袍纹样的色彩整体集中于中低饱和度、中高明度的色彩区间,色彩之间对比减弱,不似封建时期衣冠制度多采用艳丽、对比鲜明的色彩来表示民族浓郁、热烈的情感[23],明度及饱和度的分布规律使得民国旗袍整体多趋于朴素、淡雅之风。

图4 色彩三通道分布

2.3.2 PCCS色调分析

色彩明度及饱和度的差异在直观视觉感受上是色调的不同,这也会对色彩搭配产生影响。为了便于设计师实现色彩间的各种搭配,日本色彩设计研究所于1964年发表了PCCS色彩体系,其最大的特点是将色彩综合成色相与色调来构成各种不同的色调系列,将色彩的三属性尺度化并形成等距离的配置[24]。PCCS色彩体系更着重强调画面的色彩整体,已成为许多设计中参考的色彩体系。

在PCCS色彩体系中明度及饱和度被均等划分为不同级别:明度最高的白色数值设定为9.5,明度最低的黑色设为1.5,中间每间隔0.5等距离划定不同的灰度值,共计17组明度级别;饱和度中各色相纯度最高(鲜艳色调)色彩定为9 s,到同明度无色彩系被确定为9个等级,再根据不同的明度及饱和度数值将有彩色系设定为12种不同的色调系统(日本色研事业株式会社),在图5(a)中展示了色调分布及相应的色彩表现。色彩体系中的明度及饱和度与HSV空间中的S、V两通道标尺具有高度一致性,可以实现色彩体系的迁移应用,通过具体数值确定不同色调。本文将提取得到的民国旗袍色彩S、V两通道数值进行均等划分后分别与色调体系进行对应,以此确定色彩不同的色调进而计算其占比。如图5(b)所示,通过对整体的色调分析可以看出民国旗袍纹样的颜色色调相对集中地分布在五个色调。其中浅灰色调(light grayish,简称ltg)颜色分布最多,占整体色彩数量的26.55%;其次是灰色调(grayish,简称g)及轻柔色调(soft,简称sf),分别占整体色彩的19.24%和16.46%;淡色调(pale,简称p)及浅色调(light,简称lt)占比也达到了8%以上。其他色调颜色分布数量较少,尤其如强烈色调(strong,简称s)、鲜艳色调(vivid,简称v)等具有显著色彩倾向的色调,仅占总体色调1%左右。将24个代表色根据色彩数值进行色调归类,每个色相中各色彩饱和度及明度的均值由高到低依次集中于轻柔色调、浅灰色调及灰色调之中。结合以往对民国社会文化信息的研究,这一时期西方色彩体系理论逐渐影响人们的审美喜好,中性色彩系列已经成为服饰面料的主流;纺织印染技术的进步也促进了印花面料的质量的提高、色彩数量的增加。色谱的拓宽使色彩不再仅局限于传统的染料当中,色彩已“由单色而进于复色,由红绿之俗而进于淡洁之雅”,形成鲜明的时代特色[22]。

图5 PCCS色彩体系及民国旗袍色彩分布规律

3 色彩关联规则分析及应用

3.1 色彩关联规则建立

Apriori是最为经典的关联规则挖掘算法之一,最开始被应用于商品关联交易的情境。该算法通过对数据项集的搜索来计算事物共现的频率来获得支持度及置信度,从而确定数据集中的强关联规则[25]。对提取得到的24个代表色彩进行分析,首先通过划定阈值获得较强关联的色彩,据此将最小支持度设置为0.05获得较为合理的规则数量。然后去掉规则中的重复共现项,如“C03—C04”和“C04—C03”两组色彩具有相同的支持度15.94%,表示在414张民国旗袍纹样图片中有约67幅同时出现这两种色彩。同时“C03—C04”色彩搭配的置信度为52.80%,说明在C03颜色出现的前提下,有半数的概率会是C03、C04两种色彩同时搭配出现;相对应地,“C04—C03”的色彩搭配则是以C04为选择前提,两色共现的概率数值为33.85%,在规则中取置信度更高的搭配“C03—C04”视作一组共现色彩,最终得到13条双色及5条三色搭配规则。从获得的关联数据中侧面反映出民国旗袍色彩丰富、用色多样,并不固定局限于某几种颜色搭配之中。本文以C03颜色为例,列举部分支持度及置信度较高的双色及三色搭配规则,如表3所示。

表3 双色、三色搭配色彩部分样本

色彩间的搭配还会形成一种调和关系,在PCCS色彩体系中提出了同一调和、类似调和及对照调和三种方式。从色调的角度看,同一调和是同色调中不同色相进行搭配;类似调和是相邻的两个色调之间进行配比,画面具有一定的层次但并不突出;对照调和的两个色调之间距离较远,不同色彩间明度和饱和度具有一定的差异,画面整体层次更为突出。在民国旗袍的色彩关联规则中,基本上是类似“C03—C06”同种色调或是“C03—C02”相邻色调之间的搭配,色彩间明度及饱和度数值相似,在视觉上弱化对比,整体表现出端庄优雅的风格。

色彩搭配规则建立对于推荐配色具有一定的意义,通过关联算法可以挖掘出最具有代表性的色彩共现搭配,但从设计推荐的角度来看基于同一支持度阈值划分的色彩规则具有一定局限性,可根据用户偏好选定了中心色彩后根据关联置信度数值的大小来推荐配色,为设计提供更多样的方案。本文以C03、C06、C15、C21为例,列举其作为中心色彩时与置信度排名前5～7的搭配色彩,如图6所示。中心色彩位于色彩网络中心,其对应的搭配色彩在外围环状分布,色彩点面积越大表示其置信度越高。图6中,用实线连接表示中心色彩与搭配色彩之间的双色搭配关系,用虚线关联表示在中心色彩选择的前提下其余配色之间的搭配关系,如“C06—C02”形成双色搭配的同时,还可与C03或C04形成三色搭配规则。中心色彩与其关联配色之间形成不同的色彩网络,可以为再设计配色提供参考。

图6 色彩搭配网络示例

3.2 搭配规则应用

为了更直观地表示色彩间的搭配关系,本文借助Style3D虚拟试衣软件将面料图案纹样应用于旗袍款式展示之中。如图7所示,选择较为简约、符合民国旗袍常见形制的立领连身袖斜襟长款旗袍作为纹样展示的旗袍款式,整体分为大身、滚边及一字盘扣。对于面料图案的选择,植物花卉是民国旗袍中常见的纹样,并且这一时期服饰纹样在逐渐追求和强调装饰性,多成散点均匀分布,故选择一幅平面花卉图样作为待设计纹样。

图7 待设计旗袍款式及纹样

在24个旗袍纹样代表色中以前文中构建色彩网络的C03、C06、C15、C21作为中心色彩提出4个设计方案。在图案纹样的设计上,将原图案色彩填充部位拆解为花型纹样、叶型纹样及底色。首先选择一种中心色彩用以填充画面占比最大的叶型纹样,之后再按相应色彩网络中置信度数值推荐其余两种搭配色。在旗袍整体款式展示中,为保证整体的协调性,滚边及盘扣服饰配件的色彩选择与搭配用色一致。色调组合、图案及旗袍款式展示如表4所示,配色间不同色调的搭配增加了色彩层次,丰富了整体的纹样设计。4种设计方案在色彩选择及色调搭配上整体符合民国旗袍的用色规律,与传统旗袍稳重、优雅的气质相匹配。本文借助数字化技术进行民国旗袍纹样配色分析及推荐,为现代旗袍的个性化设计提供了一定的参考。

表4 旗袍纹样色彩设计方案

4 结论

本文基于聚类算法和PCCS体系对民国旗袍的纹样色彩进行分析,为旗袍的纹样色彩再设计提供一定的参考。依据不同聚类方法的特点,对单幅图像色彩的初次聚类结合轮廓系数法确定色彩提取数量,采用分割效果更好的结合超像素分割的模糊C均值聚类方法;对于色彩数值的二次分通道聚类根据HSV颜色量化模型采取效率更高的K-means聚类方法,共获得24个代表色彩。对聚类得到的色彩从属性分布和PCCS色彩体系两方面进行分析,通过Apriori数据挖掘算法分析配色关系从而建立较强关联规则,最终通过旗袍款式及图案纹样进行再设计展示。结果发现:在属性分布上,民国旗袍黄色系及红色系数量最多,主要集中于中高明度、中低饱和的分布;在色调及色彩意象方面,色调偏重于浅灰色调、灰色调及轻柔色调,色彩间对比减弱,整体表现出素雅稳重的感觉;根据置信度数值排序建立了24种中心色彩的配色规则,为用户进行色彩搭配推荐,设计方案整体可以比较好地呈现出民国旗袍的风格。但目前研究中受样本数量和提取算法的限制,其结果也具有一定的局限性。后续将深入探索建立一套从纹样色彩采集到再应用的完整设计系统,逐步实现智能配色与个性化推荐,让设计有理可寻、有据可依,从而提高效率及满意度,并通过技术提升和方法创新等手段将旗袍文化及设计元素发扬传承,使其不断焕发新的生机。同时将结合不同的提取分析方法,多角度对色彩搭配进行细化并深入分析,为新产品的设计提供更多的理论和技术支持。