服飾刺繡圖案的自動提取與色塊分割

王曉予， 向 軍， 潘如如， 梁惠娥， 高衛(wèi)東

(1. 江南大學 紡織服裝學院， 江蘇 無錫 214122； 2. 鄭州大學 美術(shù)學院， 河南 鄭州 450001)

服飾刺繡圖案的自動提取與色塊分割

王曉予1,2， 向 軍1， 潘如如1， 梁惠娥1， 高衛(wèi)東1

(1. 江南大學 紡織服裝學院， 江蘇 無錫 214122； 2. 鄭州大學 美術(shù)學院， 河南 鄭州 450001)

為避免人工視覺方法完成刺繡圖案花紋提取過程中存在的耗時費力、主觀性強等缺陷，結(jié)合傳統(tǒng)服飾織物，采用圖像分析方法實現(xiàn)刺繡圖案的自動提取，并進行色值分析。首先采用數(shù)碼相機實現(xiàn)刺繡織物類圖案的采集；接著利用平滑濾波濾除圖像中的噪聲信號，并將圖像從RGB顏色空間轉(zhuǎn)換到Lab顏色空間；然后利用K-Means聚類分析方法對a，b分量進行聚類分析；最后根據(jù)聚類分析結(jié)果獲得準確的圖案及色彩信息。研究結(jié)果表明：圖像處理方法可以實現(xiàn)刺繡圖案的自動分割，這種自動化圖案分割對一般刺繡圖案的自動提取均能使用，這為服飾圖案的審美研究提供了全新的樣本整理途徑。

傳統(tǒng)服飾； 刺繡圖案； 圖像處理； 聚類分析； 色值分析

圖案作為服飾的主要外在表現(xiàn)元素，是服飾上最為矚目的視覺符號，不僅嚴密切合服裝的形制與功能、起到裝飾美化衣衫的作用，更直接反映出服飾所處地域、所屬年代的社會、歷史與文化信息。對服飾圖案的研究是社會學、歷史學、宗教學、考古學、藝術(shù)學、人類學、民俗學研究的重要輔助手段。

紡織品服裝的核心功能在于人類的使用，而圖案的基礎(chǔ)功能是使人們獲得裝飾的美感，享受視覺的美感。從本質(zhì)上講，圖案作為一種造型藝術(shù)，是運用一定的物質(zhì)、材料和手段創(chuàng)造的可視靜態(tài)空間形象的藝術(shù)[1]。服飾圖案受材料局限而表現(xiàn)手法比較單一，特別是在沒有縫紉機、繡花機的農(nóng)耕時代，傳統(tǒng)服飾圖案的制作都要靠手工完成，印染、刺繡、黏貼、訂綴是傳統(tǒng)服飾圖案的主要工藝手法，其中刺繡使用頻率最高，是傳統(tǒng)女紅最重要的表現(xiàn)手段[2]。

刺繡圖案的布局與構(gòu)思處理，對刺繡作品的藝術(shù)表達與意境效果具有直接作用[3]。而圖案審美研究的前提就是要獲得有效的研究樣本，即圖案形象的辨析與色彩識別。圖案的色彩設(shè)計對刻畫主題起到很大作用，不僅能夠使觀察者對手工藝人所要表達的主題理解更深化，而且從主題本身形象來說也更加具體，令人印象深刻[4]。目前對于圖案色彩的判斷一般采用人工視覺分析方法完成，但這種方法需要在繪圖紙上進行逐點描繪，且從色彩生理學角度來看，個體對色彩的識別敏感度存在差異，對色彩的感受也是不同的，由此帶來的直接后果就是不同的研究人員對于同一幅圖案中同一色值的認定很難完全一致。由于沒有嚴格的科學分析與數(shù)據(jù)支撐，這種因人而異產(chǎn)生的認知差異很難消除，服飾圖案以及色彩的色值分歧問題也無法得到根本解決。

為了克服人工視覺方法的缺陷，本文結(jié)合傳統(tǒng)服飾織物，提出采用圖像處理方法對刺繡圖案進行色彩分析，實現(xiàn)傳統(tǒng)服飾中刺繡圖案的自動提取，為服飾圖案的審美研究提供了新的樣本整理途徑。

1 圖像采集

為完成刺繡圖案的自動提取，首先用數(shù)碼相機完成所選擇刺繡織物圖像的采集。本文實驗中所使用的數(shù)碼相機為佳能G10，這款相機擁有1 470萬有效像素的高分辨率和DIGIC4的影像處理器，能最大程度保證被拍攝主體的顏色、質(zhì)感和細節(jié)。

為避免不同色溫的人造光源對圖像造成的偏色影響研究準確性，對織物實樣進行信息采集時均選擇戶外自然光線充分的背光處拍攝。圖1示出該條件下采集并進行區(qū)域裁剪后得到的刺繡圖像實例。

圖1 刺繡圖像實例Fig.1 Image of embroidered sample

2 刺繡圖案自動提取

在完成刺繡圖像的采集與裁剪后，利用圖2所示的流程完成刺繡圖案的自動提取。

圖2 刺繡圖案自動提取流程Fig.2 Automatic extraction procedure of embroidered pattern

2.1圖像平滑

實驗中首先利用圖像平滑方法對刺繡圖像進行預處理，以濾除圖像中的噪聲信號。本文采用的鄰域平均法是一種局部空間域的圖像平滑算法。這種方法的基本原理是: 用鄰域類若干像素的平均值代替圖像中的每個像素點。對于N×N大小的圖像f(x,y)，經(jīng)過平滑處理后得到圖像g(x,y)。其中g(shù)(x,y)由下式[5]決定：

(1)

式中：x,y=0,1,2，…,N-1；S為點(x,y)的鄰域中點的坐標集合，但其中不包括(x,y)點；M為集合內(nèi)坐標點的總數(shù)。

上面公式說明，對含有噪聲的原始圖像f(x,y)的每個像素點去1個鄰域S，計算S中所有像素灰度級的平均值，作為空間域平均處理后圖像g(x,y)的像素值。平滑后圖像g(x,y)中每個像素的灰度值均由包含在(x,y)預定鄰域中的f(x,y)的幾個像素的灰度值的平均值來決定。鄰域平均法可用卷積運算方式來描述，把平均化處理看作是一個作用于M×N圖像上的低通濾波器，該濾波器的脈沖響應(yīng)為m×n陣列H(r,s)。圖像g(x,y)可用如下離散卷積表示：

(2)

式中：k=(m-1)/2,l=(n-1)/2，根據(jù)所選鄰域大小來決定模板的大小，鄰域取得過大，會使灰度突變的邊緣圖像變得模糊起來；H(r,s)為加權(quán)函數(shù)。在設(shè)計濾波器時，給H(r,s)賦予不同的值就可得到不同的平滑效果和銳化效果。

通過比較發(fā)現(xiàn)，在本文實驗條件下，濾波器選擇的鄰域大小為8像素×8像素時，可獲得較好的噪聲濾除效果。圖3示出利用圖像平滑后的刺繡織物圖像，與圖1中的圖像相比，平滑后圖像在后續(xù)圖案分割中不需要的織物細節(jié)紋理結(jié)構(gòu)基本被平滑掉，且圖案的輪廓變得比較清晰。

圖3 圖像平滑后的刺繡織物圖像Fig.3 Smoothed embroidered fabric image

2.2顏色空間轉(zhuǎn)換

在計算機顯示器中圖像使用的為RGB顏色空間，但在圖像處理中一般需要均勻的顏色空間來準確表達圖像的顏色特征。CIEL*a*b*1976(以下簡稱Lab)是目前使用較多的一種均勻色彩空間，同時也是一種與設(shè)備無關(guān)的色彩空間。

考慮到刺繡圖案更多的是由不同的繡線構(gòu)成，實驗中將刺繡圖像由RGB顏色空間轉(zhuǎn)換為Lab顏色空間。轉(zhuǎn)換公式[6]分2步完成：

1)RGB轉(zhuǎn)XYZ

設(shè)r,g,b為RGB顏色空間下的紅、綠、藍3個通道分量，取值范圍均為[0,255],轉(zhuǎn)換公式為

(3)

其中

(4)

(5)

2)XYZ轉(zhuǎn)Lab

(6)

(7)

Xn,Yn,Zn一般默認為95.047、100.0、108.833。

圖4 顏色空間轉(zhuǎn)換后的圖像Fig.4 Images after color space conversion.(a) Component a； (b) Component b

圖4示出轉(zhuǎn)換到Lab顏色空間以后的a分量通道和b分量通道對應(yīng)的灰度圖像?？煽闯?，在a通道中綠色分量區(qū)分度更大，而在b分量中黃色和藍色的區(qū)分度更大，利用a，b分量的聯(lián)合作用可實現(xiàn)刺繡圖案更準確的顏色分析和圖案分割。

2.3K-Means聚類分割

K-means算法是很典型的基于距離的聚類算法，也是一種簡單實用的無監(jiān)督學習算法，采用距離作為相似性的評價指標，即認為2個對象的距離越近，其相似度就越大。該算法認為簇是由距離靠近的對象組成的，因此將得到緊湊且獨立的簇作為最終目標。主要用于已知類數(shù)k的數(shù)據(jù)聚類和分析，基本步驟[7-8]如下：

1)初始化：k個初始類聚類中心點的選取對聚類結(jié)果具有較大的影響，因為在該算法第1步中是隨機的選取任意k個對象作為初始聚類的中心，初始地代表1個簇。

2)將樣本集中的樣本按照最小距離原則分配到最鄰聚類，并使目標函數(shù)值最小?？擅枋鰹?/p>

‖xi-pj‖2

(8)

3)使用每個聚類中的樣本均值作為新的聚類中心，表示為

(9)

4)重復2)、3)直到聚類中心不在發(fā)生變化。

(10)

該算法在每次迭代中對數(shù)據(jù)集中剩余的每個對象，根據(jù)其與各簇中心的距離將每個對象重新賦給最近的簇。當考察完所有數(shù)據(jù)對象后，一次迭代運算完成，計算出新的聚類中心。當V值不再發(fā)生變化，說明算法已經(jīng)收斂。

根據(jù)圖1所示圖案中顏色的種類，將聚類數(shù)目k的值設(shè)定為5。聚類結(jié)果如圖5所示。

圖5 K-Means聚類分析結(jié)果Fig.5 K-Means clustering results

3 結(jié)果與討論

圖6示出圖1所示刺繡圖像在RGB顏色空間中進行聚類后分割的結(jié)果?？煽闯?，分割結(jié)果不太理想，刺繡織物中底色(紅色)被分為2類，結(jié)合圖1中原圖可知這主要是由于2個區(qū)域顏色的亮度存在很大差異造成的。而Lab空間是均勻的顏色空間，在聚類時摒棄L分量，就是為了消除亮度對分割結(jié)果的影響。

圖6 RGB空間聚類分析結(jié)果Fig.6 Result of cluster analysis in RGB color space

將圖像按K-Means聚類結(jié)果分割成若干區(qū)域，如圖7所示?？煽闯?，刺繡圖案上的色塊被完全分割出來，分割區(qū)域的個數(shù)主要由構(gòu)成圖案的色塊數(shù)量決定，在此幅圖像中聚類區(qū)域數(shù)為5。將分割出來的各個區(qū)域提取出來，對圖案的色彩構(gòu)成研究有很大幫助。圖7中2組圖像示出圖案中各個區(qū)域邊緣的提取結(jié)果，邊緣提取是采用的Canny邊緣檢測算子[9-10]，Canny分割的判別閾值采用默認自動選擇閾值[11]。

圖8(a)、(b)示出信息采集得到的另外2幅實物圖像，第1幅為風帽飄帶上的刺繡圖案，第2幅為荷包上的刺繡圖案。圖8(c)、(d)示出聚類分割的結(jié)果，根據(jù)圖中顏色種類圖，圖8(a)風帽飄帶圖案聚類區(qū)域數(shù)為k=7，而圖8(b)荷包圖案的聚類區(qū)域數(shù)k=6。樣品2分割結(jié)果分區(qū)域結(jié)果及邊緣提取結(jié)果如圖8(b)所示。

圖7 聚類分割和區(qū)域邊緣提取結(jié)果Fig.7 Clustering segmentation and edge segmentation results. (a) Light-red region; (b) Magenta region; (c) Light-green region; (d) Yellow region; (e) Blue region; (f) Edge of light-red region; (g) Edge of magenta region; (h) Edge of light-green region; (i) Edge of yellow region; (j) Edge of blue region

圖8 刺繡原圖及分割結(jié)果Fig.8 Original embroidered images and segmentation results.(a) Original images of sample l; (b) Original tmages of sample 2; (c) Segmentation results of sample 1; (d) Segmentaiton results of sample 2

本文涉及的3幅刺繡圖案上的色塊被完全分割出來，分割區(qū)域的個數(shù)主要由構(gòu)成圖案的色塊數(shù)量決定。通過技術(shù)手段將各色塊分割提取出來，有助于對圖案色彩構(gòu)成的研究。不僅可由此計算出不同顏色在畫面中所占比例及其不同美感的體驗，還可通過改變色值將原有圖案進行顏色置換，得到完全不同的配色效果。色彩研究者可通過對同一圖案不同套色的對比分析得到色彩情緒與色彩心理的研究結(jié)果，而這些研究結(jié)果也將為圖案設(shè)計師的理想配色提供重要依據(jù)。

從圖8(a)、(c)針對1幅風帽飄帶部分的刺繡圖案做的色彩分割計算結(jié)果可清晰地看出，圖案中的色彩使用、各色相分布以及相互間位置關(guān)系。制作者使用了色相環(huán)上跨度360度的紅、黃、藍全色相色彩，卻沒有給觀者帶來雜亂煩躁視覺刺激。原因也能從聚類結(jié)果分類顯示圖上看出，從圖中可直觀感受到圖案制作者除了紅、黃、藍3色外，并沒有使用更多的間色，而是有意將同一色相的色彩使用豐富化，特別是紅色系與藍色系，通過搭配不同明度與純度的同類色，使整幅圖案的顏色呈現(xiàn)出既統(tǒng)一又富于變化的審美效果。

圖9 手工描邊結(jié)果Fig.9 Results of handcraft contours. (a) Example of figure 1； (b) Example of sample 1； (c) Example of sample 2

圖9示出3幅刺繡織物圖像手工描邊的結(jié)果。對比圖5和圖9可看出，手工對刺繡織物圖像進行描邊的結(jié)果結(jié)合了描邊人員的主觀意見，整個邊緣比較平滑，但也丟失了很多刺繡織物原本的一些細節(jié)，而聚類分割結(jié)果不僅可對刺繡織物圖像中不同顏色進行分類，且能夠精確提取刺繡織物的細節(jié)。

為驗證本文算法的準確性，圖10示出另外2個樣品的分割結(jié)果。實驗證明本文提出的采用圖像分析方法實現(xiàn)刺繡圖案的自動提取與色塊分割方法對刺繡服飾圖案的適應(yīng)性較強，這也為刺繡圖案的審美研究提供了一個全新的樣本整理途徑[12]。

研究表明，除了繡線相混以及織物污損造成的色相識別障礙以外，影響區(qū)域分割結(jié)果的主要因素還有服飾織物本身的性狀。在獲取織物的原始圖片時，織物表面的褶皺會嚴重影響分割結(jié)果，因為褶皺引起的邊緣變形以及反射折射會使獲取的圖案、圖像上的顏色以及邊緣形狀和實物有較大差異，此外，由于刺繡圖案在制作時就不會按照印刷圖案的精度實施，客觀上允許一定的模糊性存在；因此，由于織物不平整造成的圖案邊界及些許色差并不會對圖案的色彩以及審美研究造成實質(zhì)性影響。通過工學手段得到的圖案色彩信息顯然較人眼識別更為標準。

4 結(jié) 語

服飾圖案是最具地域文化代表性的形象記載，作為客觀存在有其不變的物理屬性；而研究者作為擁有主觀意識的個體，對任何一個客觀存在物的判斷不可避免要受到主觀因素的影響。實事求是地講，在任何領(lǐng)域，研究者的主觀性都很難控制；如果不能對客觀存在的研究主體給予信息評價上的規(guī)范，所謂的研究結(jié)論就會更加不準確，所以基于準確數(shù)據(jù)的研究結(jié)論相對來說才更有價值。

看似一樣的刺繡圖案通常是出自不同的創(chuàng)造者，因此，無論圖案造型、配色還是絲線材料都不可能完全一樣，但由于源于相同的民俗文化與社會背景，源于相同的使用心理，同一主題圖案的外在表征會高度相似。只有在尊重科學研究數(shù)據(jù)，尊重民俗的前提下，才能更好地理解傳統(tǒng)服飾中每幅圖案的美感，才能更深刻的感受其文化內(nèi)涵。傳統(tǒng)服飾圖案折射出的含蓄委婉、簡約篤實、樂觀向上的價值取向和審美追求值得傳承和弘揚。

FZXB

[1] 萊辛.拉奧孔[M].朱光潛，譯.北京：人民文學出版社，1979: 81-83. LESSING. The Laocoon and His Sons[M]. ZHU Guangqian,Translating. Beijing: People′s Literature Publishing House,1979: 81-83.

[2] 崔榮榮，牛犁. 明代以來漢族民間服飾變革與社會變遷[M].武漢：武漢紡織大學出版社，2016：207. CUI Rongrong, NIU Li. Since the Ming Dynasty Han Folk Dress Changes and Social Changes[M]. Wuhan: Wuhan Textile University Press, 2016:207.

[3] 李卓一，魏藝佳，張毅.無錫精微繡藝術(shù)的衍生品設(shè)計與發(fā)展[J].服裝學報，2016,1(5)：505-510. Li Zhuoyi, WEI Yijia, ZHANG Yi. Derivatives design and development trend of Wuxi subtle embroidery art[J]. Journal of Clothing Research, 2016, 1(5):505-510.

[4] 馬云，李寧，楊梅姿.陜南枕頂繡技藝圖案裝飾藝術(shù)研究[J]. 紡織學報，2016,37(1): 64-69. MA Yun, LI Ning, YANG Meizi, Graphics performance skills research of pillows embroidery in South of Shaanxi[J]. Journal of Textile Research, 2016,37(1):64-69.

[5] 葉敏, 周文暉, 顧偉康. 基于FPGA的實時圖像濾波及邊緣檢測方法[J]. 傳感技術(shù)學報, 2007, 20(3):623-627. YE Min, ZHOU Wenhui, GU Weikang.Real-time image filtering and edge detection method based on FPGA[J]. Journal of Sensing Technology, 2007, 20(3): 623-627.

[6] 任洪娥, 白杰云. Lab顏色空間中基于動態(tài)聚類的顏色分級[J]. 計算機工程, 2013, 39(6):231-235. REN Honge, BAI Jieyun. Based on dynamic clustering color in Lab color space classification[J]. Computer Engineering, 2013, 39 (6): 231-235.

[7] 韓海梅, 姚礪, 萬燕. 基于K-means和GVF Snake模型的纖維圖像分割[J]. 東華大學學報(自然科學版), 2011, 37(1):66-71. HAN Haimei, YAO Li, WAN Yan. Based on the K-means and GVF Snake model of fiber image segmentation[J]. Journal of Donghua Univer-sity (Natural Science Edition), 2011, 37 (1): 66- 71.

[8] LUO L, SHAO S J, SHEN HL, et al. An unsupervised method for dominant color region segmentation in yarn-dyed fabrics[J]. Coloration Technology, 2013(129):389-397.

[9] 萬永菁, 萬光逵. 圖像分割算法在花型自動識別中的應(yīng)用[J]. 紡織學報, 2007, 28(5):63-65. WAN Yongjing,WAN Guangkui. Image segmentation algorithm in the application of automatic pattern recognition[J]. Journal of Textile Research, 2007, 28(5): 63-65.

[10] 管聲啟, 師紅宇, 趙霆. 應(yīng)用目標稀少特征的織物疵點圖像分割[J]. 紡織學報, 2015, 36(11):45-50. GUAN Shengqi, SHI Hongyu, ZHAO Ting. Application target rare characteristics of fabric defect image segmentation[J]. Journal of Textile Research, 2015, 36(11): 45-50.

[11] 葉齊祥, 高文, 王偉強,等. 一種融合顏色和空間信息的彩色圖像分割算法[J]. 軟件學報,2004,15(4):522- 530. YE Qixiang, GAO Wen, WANG Weiqiang, et al. A color image segmentation algorithm using color and spatial information [J]. Journal of Software, 2004,15(4): 522-530.

[12] 盧新燕，童友軍.大岞惠安女服飾刺繡紋樣及其寓意[J]. 紡織學報，2015，36(8): 121-126. LU Xinyan, TONG Youjun. Embroidery patterns of Hui′an female clothing in Dazuo village and its inter-pretation[J]. Journal of Textile Research, 2015，36(8):121-126.

Automaticextractiononembroideredpatternsoftraditionalcostumes

WANG Xiaoyu1,2, XIANG Jun1, PAN Ruru1, LIANG Hui′e, GAO Weidong1

(1.CollegeofTextilesandClothing,JiangnanUniversity,Wuxi,Jiangsu214122,China;2.SchoolofFineArts,ZhengzhouUniversity,Zhengzhou,Henan450001,China)

Manual extraction of embroidered patterns with human vision is time consuming, lab-intensive and subjective. To overcome these difficulties, image analysis was adopted to complete the automatic recognition and aesthetic analysis of the embroidered patterns on the traditional consumes fabrics. Digital camera was used to realize the image acquisition of embroidered fabrics. Image smoothing was then applied to the fabric image to remove the noise information and the fabric image was converted to Lab color space from RGB color space. K-Means clustering method was adopted to realize the color clustering based onaandbcomponents in Lab color space. The accurate pattern and color information of the embroidered fabric were obtained based on the clustering results. The research results show that the image analysis can achieve the automatic extraction of embroidered patterns and the new segmentation method can be applied to quite a number of embroidered fabric patterns, which provides a brand new way for sample collection of aesthetic research.

traditional construme; embroidered pattern; image analysis; clustering analysis; color value analysis

TS 941.1

：A

2016-08-23

：2017-05-09

國家社科基金藝術(shù)學重點項目(15AG004)

王曉予(1969—)，女，教授，博士。主要研究方向為服飾文化。高衛(wèi)東，通信作者，E-mail：gaowd3@163.com。

10.13475/j.fzxb.20160805007