徐明慧, 徐平華,2, 韋秋菊, 丁雪梅, 冒海琳
(1. 浙江理工大學(xué) 服裝學(xué)院, 浙江 杭州 310018; 2. 服裝設(shè)計(jì)國(guó)家級(jí)虛擬仿真實(shí)驗(yàn)教學(xué)中心(浙江理工大學(xué)), 浙江 杭州 310018; 3. 現(xiàn)代服裝設(shè)計(jì)與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室, 上海 200051;4. 江蘇依海服飾有限公司, 江蘇 南通 226007)
色彩用以表現(xiàn)服飾視覺(jué)美感、傳達(dá)設(shè)計(jì)理念、突顯產(chǎn)品風(fēng)格,是消費(fèi)者感知服飾視覺(jué)效果的重要屬性之一[1-2]。服飾品牌企業(yè),從店鋪陳列、產(chǎn)品設(shè)計(jì)、包裝、廣告等色彩應(yīng)用場(chǎng)景中,逐步構(gòu)建了具有“標(biāo)識(shí)性”的自有色彩體系[3-4]。色彩體系在消費(fèi)感知上分為2個(gè)方面:一是具有高度識(shí)別性的主體色;二是用色邏輯。主體色彩,如香奈兒的黑與白、愛(ài)馬仕的橙,是消費(fèi)者能夠與品牌建立直觀聯(lián)想的紐帶;用色邏輯或用色規(guī)律,是品牌在產(chǎn)品設(shè)計(jì)、視覺(jué)營(yíng)銷(xiāo)中對(duì)色彩的具體運(yùn)用,并與品牌定位和產(chǎn)品風(fēng)格和諧、統(tǒng)一。
張?zhí)K道等[5-7]利用語(yǔ)義解讀、藝術(shù)審美、儀器測(cè)定等方式對(duì)服飾產(chǎn)品的色彩進(jìn)行分析,其缺陷在于語(yǔ)義解讀、藝術(shù)審美僅從色彩意象角度主觀地探討用色主題、描述色彩大致分布,結(jié)果不能直接用于再設(shè)計(jì)和生產(chǎn);儀器測(cè)定如利用Datacolor、X-Rite等公司儀器進(jìn)行顏色度量,雖能正確量化產(chǎn)品局部色彩,但結(jié)果相對(duì)用色體系過(guò)于點(diǎn)狀化、微觀化。為了深入探析品牌服飾用色機(jī)制,引入了圖像分析法,并從系列圖像中提取色彩,逐步構(gòu)建分析模型。色彩網(wǎng)絡(luò)最早由Steward[8]于1981年提出,并建立了設(shè)計(jì)結(jié)構(gòu)矩陣模型,其作用與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的“鄰接矩陣”類(lèi)似。劉肖健等[9]在此結(jié)構(gòu)上優(yōu)化改進(jìn),開(kāi)發(fā)了用于輔助設(shè)計(jì)配色的CorelDraw插件,用以分析傳統(tǒng)紋樣的配色關(guān)系。李愚等[10]利用色彩鄰接網(wǎng)絡(luò)模型,重用配色關(guān)系進(jìn)行產(chǎn)品外觀設(shè)計(jì)。以上分析方法能夠用于宏觀探測(cè)品牌服飾圖像用色規(guī)律,并以可視化的方式呈現(xiàn),但在色彩的分布、多元配色關(guān)系解讀上有待提升,插件適用性相對(duì)局限。
為此,本文在現(xiàn)有模型基礎(chǔ)上,對(duì)色彩分布形式、二元配色關(guān)系進(jìn)行了研究,并設(shè)計(jì)開(kāi)發(fā)形成應(yīng)用軟件。在此基礎(chǔ)上,對(duì)3個(gè)代表性品牌女裝的某階段性用色進(jìn)行實(shí)證分析,客觀描述不同年度、時(shí)尚季下各品牌服飾主題色、色彩分布形態(tài)以及二元配色關(guān)系。
色彩網(wǎng)絡(luò)關(guān)系模型關(guān)聯(lián)了若干色彩特征,以可視化的形式展現(xiàn)品牌服飾在某一階段的用色方式和配色規(guī)律[11]。該模型可反映在一定的色彩自動(dòng)劃分規(guī)則下,主題色的色彩聚類(lèi)值、輔助色的色彩聚類(lèi)值、色彩空間距離、二元色組搭配機(jī)制等配色關(guān)鍵信息。
模型以環(huán)狀形態(tài)下圓形斑塊表示聚類(lèi)后的色彩,斑塊的大小表示該類(lèi)顏色的占比;色彩聚類(lèi)數(shù)可由用戶自定義的方式設(shè)定;顏色間有無(wú)線條表示是否為高頻配色對(duì),即是否為配對(duì)色。其中:頻次的劃分可以自定義閾值(百分比)的方式?jīng)Q定;線條上的數(shù)值表示配對(duì)色的空間歐氏距離。
輸入為測(cè)試樣品圖像,如某一品牌某一年度或季度的系列服飾圖;輸出為可視化模型及數(shù)據(jù)報(bào)告。模型的構(gòu)建步驟如圖1所示。1)預(yù)處理。對(duì)輸入圖像色彩提取之前,需要對(duì)選取的樣本圖片進(jìn)行預(yù)處理操作,如去除背景、去噪等,得到有效服飾信息。2)色彩聚類(lèi)。該步驟分為2個(gè)階段:第1階段是對(duì)系列樣本圖片的每幅圖進(jìn)行第1次色彩聚類(lèi)得到該幅圖的聚類(lèi)信息;第2階段將第1階段得到的聚類(lèi)信息再次提取歸并為系列服飾圖像主色。3)特征提取。計(jì)算并提取色彩占比、二元色組共現(xiàn)頻率、色彩空間距離。4)模型優(yōu)化。對(duì)提取的主色按照占比降序排列和呈現(xiàn);模型線條上增加配色對(duì)的色差值。經(jīng)過(guò)以上步驟,最終輸出色彩網(wǎng)絡(luò)關(guān)系模型和數(shù)據(jù)報(bào)告。
圖1 色彩網(wǎng)絡(luò)關(guān)系模型構(gòu)建流程Fig.1 Construction process of color nexus network model
在對(duì)服飾圖像進(jìn)行色彩提取和分析之前,要對(duì)搜集的圖片進(jìn)行預(yù)處理操作,以獲取有效的圖像色彩信息。
2.1.1 目標(biāo)與背景分離
服飾圖像若僅有服飾內(nèi)容,跳過(guò)此步驟;服裝圖像若場(chǎng)景復(fù)雜且含有模特頭像和外露肢體,容易與服飾信息并存計(jì)算,導(dǎo)致結(jié)果偏差,需要將目標(biāo)(服飾內(nèi)容)和背景(其他信息)分離,生成標(biāo)記色的背景,服飾內(nèi)容不變。常用的主流算法包括基于Alpha、貝葉斯、KNN訓(xùn)練的摳圖法[12],較為便利的方法可采用Adobe Photoshop的“對(duì)象選擇”功能,輔以“動(dòng)作”實(shí)現(xiàn)批量化處理。因非本模型的必須步驟,實(shí)驗(yàn)采用第2種方式快速生成無(wú)背景的服飾圖像。
2.1.2 圖像去噪
圖像去除多余背景后,需對(duì)其進(jìn)行去噪處理。去噪算法分為空間域?yàn)V波和變換域?yàn)V波2類(lèi)。其中空間域?yàn)V波包括均值濾波、高斯濾波、中值濾波,各向異性濾波等方法,實(shí)驗(yàn)中采用3×3模板進(jìn)行空間域高斯濾波,降低混入圖像中的噪聲和無(wú)用細(xì)小的細(xì)節(jié)。
當(dāng)前,色彩聚類(lèi)方法大致分為2類(lèi):系統(tǒng)聚類(lèi)和動(dòng)態(tài)聚類(lèi)[13]。系統(tǒng)聚類(lèi)一般運(yùn)用“分層聚類(lèi)”思想,由聚合的小類(lèi)逐步歸合到大類(lèi)當(dāng)中;動(dòng)態(tài)聚類(lèi)包括K均值聚類(lèi)、ISODAT聚類(lèi)、FORGY聚類(lèi)等算法。
本文在文獻(xiàn)[14]的基礎(chǔ)上,比對(duì)多種聚類(lèi)算法,從速度、聚類(lèi)有效性等角度明確采用K-均值聚類(lèi)法,并利用二次聚類(lèi)的機(jī)制實(shí)現(xiàn)系列服飾圖像的主色提取。服飾色彩聚類(lèi)流程如圖2所示。其中2次聚類(lèi)數(shù)K1、K2為自定義值,K1≥K2。
圖2 服飾圖像色彩聚類(lèi)流程Fig.2 Process of clothing image color clustering
模型輸出后,為能有效展示系列服飾的用色機(jī)制,此處提取3組較為關(guān)鍵的信息,即色彩占比、二元色組共現(xiàn)頻率、色彩空間距離。
2.3.1 色彩占比
自定義聚類(lèi)數(shù)K1、K2后,分別對(duì)各顏色聚類(lèi)值在服飾區(qū)域的占比進(jìn)行計(jì)算。聚類(lèi)后,掩膜為二維計(jì)類(lèi)矩陣,服飾區(qū)域中每個(gè)像素點(diǎn)位對(duì)應(yīng)掩膜的值為聚類(lèi)序號(hào),統(tǒng)計(jì)聚類(lèi)各序號(hào)數(shù),計(jì)算其與服飾內(nèi)容區(qū)域像素?cái)?shù)的比值,即為該色的占比。二次聚類(lèi)計(jì)算提取色占比值,可用于設(shè)置模型中圓形斑塊的面積或直徑,便于用戶直觀了解該色在系列服飾中的用色量。背景標(biāo)記色需剔除,不參與聚類(lèi)計(jì)算。
2.3.2 二元色組共現(xiàn)頻率
服飾色彩的應(yīng)用,其配色方案是較為關(guān)鍵的環(huán)節(jié),為了能夠厘清各品牌服飾的配色機(jī)制,本文在模型中展示色彩之間配色的情況。
此處二元配對(duì)色,是指系列服飾圖中2組聚類(lèi)色共同出現(xiàn)在同一幅圖中,累計(jì)求頻次后,占所有圖像的比值。若高于自定義的比率T(范圍為0~1),則默認(rèn)為該組顏色為配對(duì)色。T值越高,出現(xiàn)配對(duì)關(guān)系線條則越少;反之,則線條越多。當(dāng)T=0時(shí),模型中將連線所有共現(xiàn)過(guò)的顏色對(duì)。線條的粗細(xì)或顏色可代表該組顏色共現(xiàn)的頻率高低。
當(dāng)二元配對(duì)色共現(xiàn)關(guān)系確認(rèn)后,模型中多種顏色之間兩兩均為二元配對(duì),則表明這幾種顏色是該品牌的常用色,是構(gòu)造品牌色彩或該季度(年度)的形象色、主體色。
2.3.3 色彩空間距離
在色彩聚類(lèi)階段,采用RGB色彩模型統(tǒng)計(jì)色彩情況。此處仍利用顏色R、G、B值計(jì)算色彩空間距離。本文以2種色彩間的歐氏距離表示色間差異,計(jì)算公式為
式中:Dm,n表示環(huán)狀當(dāng)中第m個(gè)聚類(lèi)色與第n個(gè)聚類(lèi)色之間的歐氏距離值,結(jié)果作歸一化處理;Rm、Gm、Bm分別為第m個(gè)聚類(lèi)色的R、G、B色彩值;Rn、Gn、Bn為第n個(gè)聚類(lèi)色的R、G、B色彩值;色彩空間距離可讓用戶直觀地了解和判斷2.3.2小節(jié)中配對(duì)色是否為鄰近色、近似色或?qū)Ρ壬取?/p>
服飾色彩分析需要解決至少3個(gè)方面的問(wèn)題:服飾主色的應(yīng)用情況、各色用色比例和配色機(jī)制。其中配色機(jī)制上,更應(yīng)考慮到配色頻率、對(duì)比色/相似色應(yīng)用規(guī)律等內(nèi)在關(guān)聯(lián)性。為了能夠清晰可視化展示色彩之間的關(guān)聯(lián)性,本文在文獻(xiàn)[10,14]的基礎(chǔ)上,利用提取的顏色特征,對(duì)其進(jìn)行改進(jìn),以期為服裝企劃、設(shè)計(jì)提供決策輔助。
一方面,對(duì)主色的繪制順序進(jìn)行重排,按照用色的比例關(guān)系配置顏色出現(xiàn)的順序,已有方法[9]未對(duì)提取色彩進(jìn)行權(quán)重排序,而紡織服裝領(lǐng)域較為注重色彩用色量情況,故本文對(duì)提取色彩用量占比進(jìn)行規(guī)定排序,以便用戶快速抓住色彩用量信息;另一方面,定義閾值,減少配對(duì)線條,并在配對(duì)色線條上輸出色彩距離,增加已有參考模型中未有的數(shù)據(jù)信息展示功能,以便進(jìn)一步獲取二元配色間的詳細(xì)色彩關(guān)系。最終形成有序、關(guān)鍵關(guān)聯(lián)關(guān)系聯(lián)絡(luò)及關(guān)聯(lián)程度可判的色彩網(wǎng)絡(luò)關(guān)系模型,以便于更清晰地了解品牌服飾用色內(nèi)在關(guān)系。
圖3示出最終優(yōu)化形成的網(wǎng)絡(luò)關(guān)系,按序排列表示色彩用色量的遞減/增關(guān)系。連線表示在一定閾值的基礎(chǔ)上常出現(xiàn)的配對(duì)色,可見(jiàn)其中5色兩兩配對(duì)。線條越粗,表示其配色共現(xiàn)頻率越高,為高頻配色對(duì);線條越細(xì),則為低頻配色對(duì)。線上數(shù)值越大,表示2組色彩空間距離越遠(yuǎn);反之,則越近。系統(tǒng)根據(jù)需求,可以輸出所有聚類(lèi)色之間的特征報(bào)告。
圖3 色彩網(wǎng)絡(luò)關(guān)系模型優(yōu)化過(guò)程Fig.3 Color nexus network model optimization process
實(shí)證分析部分選用3個(gè)較為知名的品牌COACH、FENDI、GUCCI(以下簡(jiǎn)稱品牌C、F、G)的女裝圖像,利用該模型橫向比對(duì)3個(gè)品牌同一時(shí)段的用色情況以及單一品牌的用色演變情況。
為統(tǒng)一圖像質(zhì)量,測(cè)試圖像數(shù)據(jù)采集自VOGUE時(shí)尚網(wǎng)的圖像。橫向比對(duì)品牌用色時(shí),3個(gè)品牌均選用其2020年度的服飾圖像,春夏季和秋冬季各自篩選了50幅圖像,每個(gè)品牌共計(jì)100幅;單一品牌用色則以品牌C為例,篩選了2018—2020年度共計(jì)3年6個(gè)時(shí)尚季的300幅圖像。
本文實(shí)驗(yàn)算法部分采用MatLab編程,利用App Designer設(shè)計(jì)開(kāi)發(fā)了色彩網(wǎng)絡(luò)關(guān)系模型應(yīng)用軟件實(shí)現(xiàn)模型軟件的功能模塊,包含輸入模塊、參數(shù)設(shè)置等,實(shí)現(xiàn)系列品牌女裝圖像的自動(dòng)分析和模型輸出,如圖4所示。
圖4 色彩分析軟件界面Fig.4 Interface of color analysis software
軟件輸出部分包括色彩2次聚類(lèi)占比圖、色彩直方圖、網(wǎng)絡(luò)關(guān)系模型及分析報(bào)告。右側(cè)參數(shù)設(shè)置包括聚類(lèi)數(shù)、共現(xiàn)頻率閾值。實(shí)驗(yàn)采用K2值為8、T值為0.3。利用該軟件完成3個(gè)品牌色彩的實(shí)證分析。
3個(gè)品牌女裝在2020年度用色情況如圖5所示。
圖5 3個(gè)品牌女裝2020年度用色情況Fig.5 Color analysis of three female brand clothing in 2000. (a) Brand C; (b) Brand F; (c) Brand G
圖5中包含色彩柱狀圖和色彩網(wǎng)絡(luò)關(guān)系圖,可直觀地了解該品牌在2020年度的聚類(lèi)色,其反映的是該類(lèi)女裝的8個(gè)常用色。柱狀圖反映了色彩的占比情況;網(wǎng)絡(luò)關(guān)系圖信息最為豐富,可直觀了解色彩用量排序、配對(duì)關(guān)系和程度以及配對(duì)色的空間距離關(guān)系。
報(bào)告可輸出所有聚類(lèi)色彩R、G、B值,十六進(jìn)制值,二元高頻共現(xiàn)色組等信息。為了統(tǒng)一,選取各品牌女裝前3位顏色作為“主色”,其余5位為“輔助色”,二元共現(xiàn)色組中按序選取大于閾值的配對(duì)色。表1示出各顏色的量化值。
表1 3個(gè)品牌2020年度聚類(lèi)色量化值Tab.1 Three brands clothing color value in 2020
由圖5、表1可知,3個(gè)品牌女裝在2020年度的色彩應(yīng)用及規(guī)律不盡相同,但都體現(xiàn)著自身品牌的色彩風(fēng)格。
圖5直觀地展示了3個(gè)品牌的聚類(lèi)色,直方圖顯示了每個(gè)品牌8種顏色的占比,前3種顏色占比合計(jì)分別為53.44%、51.50%、58.00%,均超過(guò)50%。其中,品牌C中的3、4、5號(hào)色、品牌G中的3、4號(hào)色用量基本持平。色彩網(wǎng)絡(luò)關(guān)系圖能夠較為清晰地顯示各色之間的關(guān)系,當(dāng)共現(xiàn)閾值為0.3時(shí),品牌C中3~8號(hào)色之間產(chǎn)生聯(lián)絡(luò)關(guān)系,其中5、6、7號(hào)色3色高頻配對(duì),即反映了品牌C常用該組色進(jìn)行搭配,而高占比主色1、2號(hào)色沒(méi)有出現(xiàn)共現(xiàn)情況,說(shuō)明較少同時(shí)采用,但用量較大。品牌G高占比主色1~4號(hào)色高頻共現(xiàn),說(shuō)明這4種色常用且常配對(duì)使用;低占比8號(hào)色高頻配對(duì),說(shuō)明常用來(lái)點(diǎn)綴使用。而品牌F中1、2號(hào)色高占比且高頻配對(duì)使用,3、5、6、8號(hào)色低頻配對(duì)使用。
以品牌C為例,對(duì)其2018—2020年度,按照時(shí)尚季和年度變化從3個(gè)維度分析其用色演變情況。
4.2.1 同一時(shí)尚季不同年度用色變化情況
對(duì)品牌C近3年春夏和秋冬6個(gè)季生成色彩網(wǎng)絡(luò)關(guān)系模型進(jìn)行分析。分別對(duì)3年春夏、秋冬季用色進(jìn)行逐年比較,了解其在3年內(nèi)同一季用色變化情況。
圖6示出近3年春夏季的用色情況。在色彩應(yīng)用上,春夏季用色年度上出現(xiàn)不同程度的差異。2018年的用色與其品牌定義的暗黑、搖滾、叛逆相呼應(yīng);2019年品牌表現(xiàn)關(guān)鍵詞為暗黑復(fù)古、浪漫、隨性;2020年則定義為復(fù)古、生動(dòng)、樂(lè)觀,在用色上新出了土黃、暗紅等跳躍色加以搭配。總體上,2018年度和2019年度春夏季用色較為相近,2020年度有一定的跳躍,但主題上仍為較沉穩(wěn)的深色,維持了品牌的一貫風(fēng)格。在色彩共現(xiàn)關(guān)系上,2018年度和2019年度有較多的二元共現(xiàn)關(guān)系,而相比之下,2020年度二元共現(xiàn)色彩關(guān)系較少,可見(jiàn)2020年度色彩應(yīng)用更豐富。
圖6 近3年春夏季色彩網(wǎng)絡(luò)關(guān)系模型Fig.6 Spring and summer color nexus network model during three years. (a) In 2018; (b) In 2019; (c) In 2020
順應(yīng)主題差異,圖7示出近3年秋冬季色彩網(wǎng)絡(luò)關(guān)系模型??梢钥闯?,各年度秋冬季用色各不相同,但秋冬季的色彩應(yīng)用與春夏季情況類(lèi)似,2018年度與2019年度都為深沉用色,而2020年度則出現(xiàn)淺色系主色運(yùn)用,配色部分仍為較穩(wěn)重的色彩。色彩共現(xiàn)關(guān)系上,2019年度有較多共現(xiàn)配色組對(duì),而2018年度和2020年度色彩共現(xiàn)組對(duì)較少。2018年度雖與2019年度用色相近,但在二元色彩組合方面有多種搭配,故而共現(xiàn)關(guān)系較少;2020年度用色新穎豐富,未拘束于固定搭配色組,亦有較少共現(xiàn)關(guān)系。
圖7 近3年秋冬季色彩網(wǎng)絡(luò)關(guān)系模型Fig.7 Autumn and winter color nexus network model during three years. (a) In 2018; (b) In 2019; (c) In 2020
4.2.2 同一季3年綜合用色變化情況
從時(shí)尚季的維度出發(fā),了解該品牌3年綜合后的春夏季和秋冬季色彩表現(xiàn)情況,網(wǎng)絡(luò)關(guān)系模型如圖8所示。由圖可知,春夏季綜合用色和秋冬季綜合用色在主色上相似,但春夏季較之秋冬稍顯鮮亮;在二元共現(xiàn)色組方面,都有較多的共現(xiàn)組合,且在高頻組合中多為主色與輔色的搭配運(yùn)用。整體用色上,春夏季綜合用色都凸顯品牌文化經(jīng)典色彩運(yùn)用。
圖8 時(shí)尚季綜合色彩網(wǎng)絡(luò)關(guān)系模型Fig.8 Comprehensive quarterly color nexus network model. (a) Sping and summer; (b) Autumn and winter
4.2.3 不同年度用色變化情況
從年度的維度看,綜合3年的用色變化,結(jié)果如圖9所示。由圖可知:在年度用色上,2018年度和2019年度整體用色較為相似,2020年度用色多樣、活潑,但總體上,3個(gè)年度都依舊維持了品牌C的風(fēng)格;3個(gè)年度都有較多的二元色彩共現(xiàn)色組,且高頻組合較少,由此可知每年度配色設(shè)計(jì)都是多式多樣的。
圖9 年度色彩網(wǎng)絡(luò)關(guān)系模型Fig.9 Annual color nexus network model. (a) In 2018; (2)In 2019; (c)In 2020
表2示出品牌C近3年不同時(shí)尚季及其綜合分析基礎(chǔ)上的各網(wǎng)絡(luò)模型中前3位色彩量化值。在時(shí)間損耗上,測(cè)試計(jì)算機(jī)CPU為2.9 GHz,隨機(jī)存取存儲(chǔ)器RAM為8 G,實(shí)驗(yàn)樣本均小于2 000像素×3 000像素,測(cè)試耗費(fèi)總時(shí)間t≤0.3n(n為圖像數(shù))。
表2 品牌C聚類(lèi)色量化值Tab.2 Brand C color value in 2020
品牌女裝用色解析是對(duì)該品牌(系類(lèi))色彩內(nèi)在機(jī)制的解讀,利用圖像分析技術(shù)可客觀表達(dá)其用色形式和規(guī)律。通過(guò)4個(gè)關(guān)鍵步驟,生成系列品牌女裝圖像的網(wǎng)絡(luò)關(guān)系模型,可較為便利地分析主/輔色、色彩用量、配對(duì)色關(guān)系、配對(duì)色空間距離等參數(shù),以可視化的形式展示該品牌某一階段的用色規(guī)律。但由于分析結(jié)果的準(zhǔn)確性還受制于輸入樣本信息有效性、圖像中服飾可展示面、數(shù)字資源的色彩保真性、樣本量等外部用戶可控信息,本文僅從模型構(gòu)造的角度,利用適量樣本進(jìn)行示范,因此,其分析結(jié)果不能完全代表3個(gè)品牌的實(shí)際用色。此外,在多元配色、色彩配色機(jī)制等方面有待進(jìn)一步研究和論證。
FZXB