基于网络关系模型的畲族服饰色彩构成分析

贾 静, 曹竟文, 徐平华,b,c, 林瑞冰, 孙晓婉

(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)

畲族主要分布在中国东南地区,相对散杂,其服装和配饰独具特色。在畲族服饰研究方面,相关学者从畲族服饰变迁[1]、服饰形制[2]、服饰图案[3]、制作工艺[4]等多个维度,进行田野调查和考证研究。对于畲族服饰色彩方面的研究更注重于感性认知,多以文字描述地域间色彩差异[5]。随着色彩分析方法的不断完善,采用定量分析更利于准确描绘民族服饰区域差异[6-8]。民族服饰色彩研究中,徐平华等[9]、沈天琦等[10]、Hagtvedt H等[11]对提取出的主色基本属性进行量化分析,尚未对服饰构成形式和内在规律进行探究。

色彩网络最早被研究是Steward[12]于1981年建立的设计结构矩阵模型,设计结构矩阵模型相当于表示网络拓扑的邻接矩阵,用色彩网络表达色彩要素之间的相互关联关系;刘肖健等[13-15]在此结构上进行改进,融入“分散度”指标、“二色共线率”,创新地提出了色彩网络模型,将色彩的量化结果以较为直观、简洁的方式进行呈现,提升了色彩分析的可识别性;李愚等[16]在刘肖健的色彩网络模型基础上提出了“色彩邻接度”来表示两种色彩所包含的像素在意象源图中毗邻的关系,从而提出色彩邻接网络模型;徐明慧等[17]优化了刘肖健的色彩网络模型,并在此基础上提出了“色彩空间距离”参数,并对三个品牌服饰某一阶段用色规律进行解析。

畲族居住遍布几个地区,居住地不同,各地区服饰各具有独特色彩风格,为描述各地区服饰意象色彩之间的差异,横向比较不同地区服饰之间的色彩的分布和构成情况,本文利用图像分析技术,以网络关系模型为分析工具,选取福建、浙江、江西地区畲族服饰为样本,对其色彩进行量化分析,描绘出不同地区畲族服饰色彩的构成情况。

1 样本搜集与预处理

1.1 样本搜集

《2021中国统计年鉴》显示,畲族总人口为74.63万人,主要分布在闽、浙、赣、粤、黔、皖、湘七省80多个县(市)内,其中90%以上居住在福建、浙江、江西三个省份。为此,本实验选定福建、浙江、江西地区的代表性服装及配饰图像,解析各地区的畲族服饰色彩构成情况。

从前期田野调查搜集[18]的畲族服饰图像中,筛选了300幅有效畲族服饰图像。图像尺寸均大于600 pixel×600 pixel,分辨率高于120 dpi。每个地区筛选100幅代表性样本图像,其中服装、配饰各50幅。配饰涵盖拦腰、山哈带、头冠和斗笠等,部分样本图像如图1所示,展示了福建、浙江、江西三地部分服饰样本图像。

1.2 图像预处理

部分图像由于存在背景及光照不匀等情况,在对样本图像进行色彩提取和分析之前,需适当进行预处理。实验搜集样本背景相对复杂,着装包含人体头部与外露肢体,现有的自动抠图算法处理此类样本效果不佳。

因该步骤非本文研究侧重点,故采用Adobe Photoshop的“套索”和“选择工具”,抠取样本图像中有效服饰内容,并将背景标记为纯白色(R:255,G:255,B:255),在后期色彩聚类过程中将其滤除。依据搜集样本图像质量,光照平衡和去噪作为预处理阶段的可选操作。为了减弱部分样本图像曝光过渡,实验采用伽马光照自适应校正算法[19],优化光照效果;对噪声明显的图像采用高斯滤波[20]减弱噪声干扰。

2 色彩聚类

采用色彩聚类算法,对服饰系列图像颜色进行提取和分析。提取过程分为两步:首先逐一对单张服饰图像进行色彩聚类,再在综合色图的基础上进行二次聚类。

2.1 单幅图像聚类

为了从序列样本图像中获取意象色彩,首先需逐一对单幅图像色彩进行提取。此处采用改进的K-mean算法,其核心是不再依赖用户对每张图像取色数进行设定,采用自适应聚类中心的方式,降低强制聚类导致提色偏差的风险。从速度和便利性角度考虑,设计了二分K-均值自适应聚类算法,各阶段聚类中心如下式所示:

(1)

D(n)=max{E(n)i,j}×α

(2)

式中:D(n)为距离判定阈值。E(n)i,j为第n次判定时点(i,j)与聚类中心的色彩空间距离,α为二分系数。

算法的步骤为:

1)图像所有像素参与计算,首次二分时,聚类中心为图像R、G、B三通道均值,设置为K1。

2)按照式(2)计算距离阈值D(n),判定各像素划分区间;当距离大于阈值时,归为该类;否则,纳入剩余像素,重新计算聚类中心。

3)在满足约定迭代次数和最大聚类数的情况下,迭代上述两步骤直至收敛值最小且不再变动,完成所有二分聚类。

类似地,完成剩余地区序列样本图像的色彩聚类,从而获得各地区所有样本的色彩聚类中心。

2.2 系列图像聚类

对福建、浙江、江西三个地区的服饰样本进行批量自适应聚类操作后,逐一获得单样本色值及比例,按地区融合形成服饰色彩综合图。色彩综合图所包含的色彩数量较多,需要进行二次聚类,便于设计人员聚焦样本的主要设色分布。

单一样本的色彩聚类,采用自适应的方式,尽可能保留基础色彩表现形式,建立该类服饰场景的色库。由此形成的色彩综合图颜色过于丰富,难以清晰表述不同服饰场景之间差异,也不利于设色关系的解释。因此,对色彩综合图中呈现的色数作缩减处理,有助于进一步地横向比对不同场景之间的差异。色数缩减的方式,依据用户应用需求,算法设置中增设了聚类可选项,即自适应聚类、采用K-means聚类[9]两类形式。采用自适应聚类方式,依赖融合图色彩分布形态,二次聚类所提取的各地区颜色数不尽相同,为设计人员的取色、用色提供服务;为了便于横向比对各地区用色量及设色关系,依据文献研究和用户的经验认知,采用K-means聚类的方式,统一设置聚类中心数。此外,二次聚类由用户设置聚类数,提升了取色的自由度同时,增大K值进一步丰富了色彩设计应用的层次感,满足设计对象(服装、家纺、丝巾产品)的赋色需求。因此,为了便于比对各地区畲族色彩分布和设色关系,参考文献[1,3,5]中畲族服饰的色彩解读,常见设色涉及黑、蓝、青、红、黄、赭、绿、灰8色,实验中不同地区比色时聚类数设置为8。

3 色彩网络关系模型

3.1 模型构建流程

网络关系模型是以相对可视化的形式表达设计元素之间的相互关系[21]。服饰色彩搭配不仅包含色彩组分,还包含色彩特征及设色关系,色彩网络关系模型关联了若干色彩特征,以可视化的形式展现服饰的配色规律。在前期研究[17]的基础上,除了颜色占比、二元配对色共现率、色彩空间距离外,本文增设色彩分散度,以表征该聚类色的容差情况。模型构建的基本路径如图2所示。

图2 色彩网络关系模型构建流程

在对图像预处理和色彩聚类的基础上,本文综合四项颜色特征,构建色彩网络关系模型。模型的构建依赖色彩特征解析值,故采用环状网络的形式配置。如图3(a)所示,模型首先以颜色占比为序,采用圆斑呈现聚类色及其占比;图3(b)在图3(a)的基础上增设二元配对色共现关系,线条粗细表示共线率的大小;图3(c)进一步增设了配对色组中两色的空间距离,以数值的形式展示;图3(d)进一步增设了各色分散度,圆形斑块中的白点大小表述分散度大小,最终以可视化的形式,综合表达该地区畲族服饰色彩构成情况。

3.2 色彩特征提取

色彩聚类后,为了有效区分畲族各地区服饰设色差异,本文将服饰用色分解为四项色彩特征指标,即颜色占比、色彩空间距离、配对色共现率、色彩分散度,以构建色彩网络关系模型。

3.2.1 颜色占比

为描述聚类色在该地区服饰中的用量,统计二次聚类后各颜色的占比。聚类后,图像中的色彩信息以二维矩阵标识颜色类别,划分了各颜色的区间。统计各聚类色占总体像素数的百分比,从而获得该聚类色的占比。在构建网络关系图时,圆形斑块呈现的颜色为该提取色,大小为百分比。按照占比大小逆时针排列提取出主色。

3.2.2 色彩空间距离

为描述聚类色在空间远近分布,本文采用欧氏距离计算聚类色之间的空间距离。计算方式如下式所示:

(3)

图3(c)中两色线条上的数值即为色彩空间距离值。

3.2.3 配对色共现率

畲族服饰设色关系可以通过颜色组相互依存度展示。因此,此处解析提取色在原始图像中同时出现的比率,描绘色彩之间的高、低频搭配几率。色差计算采用3.2.2中色彩空间距离计算,获得单张样本聚类色与二次聚类提取色间距离值,并设置相应ΔE作为阈值,判定两者之间的相似度。在此基础上统计两两共现频率,如下式所示:

(4)

式中:Ci,j为二次聚类色中第i、j个提取色在序列服饰样本中的共现率,由Ci,j归一化处理后构成的共现关系矩阵C;V<ΔEi,mp,ΔEj,mq>表示在第m幅图像中,第i、j个二次聚类色是否在第m幅服饰图像中同时匹配到色差小于阈值ΔE的情形,若同时匹配,取值为1,否则为1。其中,ΔEi,mp、ΔEj,mq分别表示第i、j个二次聚类色在第m幅图像中匹配到的有效色差;p、q为第m幅图像首次聚类色序,1≤p≤Km、1≤q≤Km,Km为第m幅图像的自适应聚类数;< >为二元配对符,M为序列样本数。

当V<ΔEi,mp,ΔEj,mq>取值为1时,满足ΔEi,mp≤ΔE且ΔEj,mq≤ΔE,此时第i、j个提取色为配对色且计数一次;当V<ΔEi,mp,ΔEj,mq>取值为0时,则表示不能同时满足上述条件,此时第i、j个提取色不被计算为配对色。

设定共现率C,表示一对聚类色在系列服饰图像中同时出现的频率。当阈值为0时,即将所有提取色两两求解共现率。由于全关系矩阵不容易凸显高频配对关系,此处设置阈值∂(0～1)。若共现率C高于∂,则剔除了低频共现关系,保留高频配对组。∂值越大,则保留的色组关系越少。在模型的展示方面,通过色块间连线粗细,描述各组配对色的共现频率大小。根据用户解析需要,对阈值∂进行设置。为了展示不同阈值呈现的效果,以浙江地区配饰样本图像为例,分别取∂值为0.1、0.3、0.6、0.9,呈现效果如图4所示。∂阈值设置越小,配对色在模型中连线数越多,关系越复杂;∂阈值渐增时,配对色在模型中连线数逐步减少。以图4(d)为例,当阈值为0.9时,配对色组仅保留了4～6号色组。

图4 不同阈值下配对色共现关系示意

3.2.4 色彩分散度

为了描述提取色的容差,本文对该类色所有像素点颜色分散度进行计算。在色彩聚类过程中,标记同色序号的所有像素点所在区域RGB值转换至CIELab模式下的L、a、b值。计算方式如下式所示:

(5)

色彩网络关系模型中的每个圆形斑块中的白色圆点大小表示计算后的分散度大小。白色圆点越大,色彩分散度越大;反之,分散度越小。

4 结果与分析

通过对搜集的畲族服饰图像进行解析,本文分别从服装、配饰两大类样本对三个代表性地区畲族服饰设色情况和关系进行分析。

4.1 不同地区畲族服装色彩差异分析

本文以福建地区的畲族服装为例,在对每幅样本图像自适应聚类的基础上,二次聚类后获得聚类色。图5呈现了50幅福建地区畲族服装样本的自适应颜色聚类综合色图;为了便于横向比较不同地区色彩分布差异,实验中二次聚类K值设为8,给出十六进制色值按序排列;此外,基于综合色图,绘制聚类色在CIELab空间的分布情况(色彩空间分布图颜色以区分不同类别色)。进一步地,为了展示提取色两两共现关系,表1给出了聚类色全关系矩阵,即阈值为0时,两两共现频率。为方便观测高频共现关系,实验中共现率阈值∂统一设置为0.3。

图5 福建地区服装聚类色及其分布

表1 福建地区服装聚类色全关系矩阵

根据上述基础特征信息,本文构建色彩网络关系图。图6展示了福建、浙江、江西三地畲族服装聚类色色号、占比及各颜色的分散度。在色相表现上,三地颜色总体表现为黑、灰、黄、红色等,色相之间存在关联性。但在用色占比上,其色序存在一定的差异,表明其服装主、辅、点缀色的设色差异。从服饰设色构成角度出发,以便设计师观测主、辅、点缀色,实验划定1～3号色作为主色、4～7号色为辅色、8号色为点缀色,三地主色分别占48.15%、54.41%、48.14%;辅色占比分别为43.89%、38.07%、44.39%;点缀色占比分别为7.96%、7.51%、7.48%。由数据可知,福建、江西地区用色配比上较为接近,浙江地区主色占比略高。图6中折线点值为该色分散度,除福建地区第6号聚类色超过1.5外,其余颜色分散度表现较为均衡。进一步地,将各聚类色分散度求和,可得三地服装用色总体分散度依次为6.82、5.58、4.57,由数据看出,江西地区畲族服装用色最为稳定。

图6 畲族服装聚类色占比及分散度

为了能够以简洁有效的形式展示三地服装色彩差异,本文利用网络关系模型,呈现服装色彩整体分布和内在关系,结果如图7所示。从图7可以形象地观测出不同地区服装色彩表现、排序情况、二元配色对应关系及频率(线条粗细)、配对色空间距离(数值)及各颜色的用色稳定性(圆斑中心白点大小),即福建地区和江西地区颜色搭配关系相对简洁,浙江地区服装主辅色与点缀色高频搭配情况较多、组合用色相对丰富。按共现频次关系(线条粗细),其中福建地区3～5号色、浙江地区1～3、3～7号色、江西地区2～4、3～4、4～8色搭配频次较高。

图7 畲族服装色彩网络关系

综合来看,三地用色色相视觉呈现较为相似,但各色占比排序关系存在较大差异;主、辅、点缀色分布上,浙江地区主色用量较大,其余两地接近;用色稳定性上,江西地区色彩综合分散度最小,用色偏差相对较小;配色关系上,浙江地区配色形式最为丰富,辅助色、点缀色在服装中高频使用。

4.2 不同地区配饰用色差异分析

类似地,对三地畲族配饰用色进行解析。图8展示了福建、浙江、江西三地畲族配饰聚类色色号、占比及各颜色的分散度。在色相表现上,三地颜色总体相似,表现为黄、灰、红色等,色序差异明显。进一步地,若以1～3号色作为主色、4～7号色作辅色、8号色为点缀色,三地配饰主色分别占45.68%、46.70%、54.80%;辅色占比分别为47.72%、45.55%、37.91%;点缀色占比分别为6.91%、7.78%、7.29%。由数据可知,福建、浙江地区配饰用色配比上较为接近,江西地区主色占比略高。图8中折线点值为该色分散度,除福建地区第3号聚类色、江西地区第2、8号聚类色超过1.5外,其余颜色分散度表现较为均衡。进一步地,将各聚类色分散度求和,可得三地服装用色总体分散度依次为5.53、6.77、10.37,由数据看出,福建地区畲族配饰用色最为稳定。同样采用共现率阈值∂为0.3时,观测畲族配饰色彩网络关系。由图9可以看出,除福建地区畲族配饰第4号色、浙江地区第7号色、江西地区第7、8号色外,其余颜色均与主色存在高频配对情况。江西地区服饰配色组合关系相对丰富。按共现频次关系(线条粗细),其中福建地区2～7号色、浙江地区1～3、1～8号色、江西地区1～2、2～6色搭配频次较高。

图8 畲族配饰聚类色占比及分散度

图9 畲族配饰色彩网络关系

综合来看,三地配饰用色色相视觉近似,但色序存在差异;江西地区主色用量较大,其余两地接近;用色稳定性上,福建地区色彩综合分散度最小,用色偏差小;配色关系上,江西地区配色形式相对丰富,但主要集中在主、辅色之间高频配对。

算法基于Matlab R2020b实现,计算机配置CPU型号为AMD Ryzen 5,6核,主频3.59 GHz;RAM为8.00 GB。单张服饰样本色彩提取耗时均值为0.2 s,综合图提取主色彩总体耗时取决于样本数量;色彩网络关系模型输出耗时小于1.4 s。

5 结 论

畲族是中国南方游耕少数民族,服饰依旧保留了鲜明的民族特色。本文利用图像分析技术,对田野调查采集的服饰图像进行色彩解析,采用两次色彩聚类的方式,提取服饰系列图像聚类色。通过提取颜色占比、配对色共现率、色彩空间距离、颜色分散度等指标,构建服饰用色网络关系图,用以分析福建、浙江、江西地区畲族服饰色彩构成情况。

实验结果表明,三地服饰用色的色相视觉上较为相似,但用色占比及色序关系差异较大;浙江地区服装主色、江西地区配饰主色占比较高;配色关系上,浙江地区服装配色形式最为丰富,其余地区服装和配饰色彩配对形式较为简洁;颜色分布上,江西地区服装、福建地区服配饰色彩分散度综合值最小,一定程度上反馈了畲族服饰色彩总体用色情况和配色关系。有别于生产环节中的测色、对色等颜色计量,以及涵盖面、采集环境等诸多因素的制约,本文提取的色彩仅从整体上适度反馈畲族服饰色彩,重点表述了色彩的用色形式和配色关系,可为当代设计中畲族服饰色彩再生应用提供设色参考。

《丝绸》官网下载

中国知网下载