傳統服飾云肩實物圖像主色的智能檢測

邢 樂， 張 杰， 梁惠娥， 李忠健， 劉姣姣

(1. 江南大學 紡織服裝學院， 江蘇 無錫 214122； 2. 江蘇省服飾類非物質文化遺產研究基地， 江蘇 無錫 214122； 3. 香港理工大學 紡織及制衣學系， 香港 九龍 999077)

傳統服飾云肩實物圖像主色的智能檢測

邢 樂1，2， 張 杰3， 梁惠娥1，2， 李忠健1， 劉姣姣1，2

(1. 江南大學 紡織服裝學院， 江蘇 無錫 214122； 2. 江蘇省服飾類非物質文化遺產研究基地， 江蘇 無錫 214122； 3. 香港理工大學 紡織及制衣學系， 香港 九龍 999077)

為解決獲取傳統服飾實物圖像色彩耗時且缺乏準確性問題，以傳統服飾的云肩為例，借助均值漂移(Mean-shift)聚類法，提出了一種檢測傳統服飾實物圖像顏色的方法。運用單反數碼相機進行實物圖像采集；對所得初始圖像的R、G、B3個顏色通道進行去噪處理；再將圖像RGB顏色空間的特征向量轉換至CIE L*a*b*顏色空間中，利用大津法閾值原理(自適應閾值算法)分割被測圖像中云肩實物與背景；最后采用Mean-shift聚類算法，將被測圖像的顏色像素分割為若干有效的集群，同時從這些集群中提取云肩主要色彩。實驗結果表明，該算法可較為準確地從云肩圖像中提取主色，且當Mean-shift聚類算法的帶寬被設定為0.05時，分類顏色結果更為準確。

云肩； 主色； 均值漂移聚類算法； CIE L*a*b*顏色模型； 顏色檢測

傳統服飾色彩是中華民族歷史積淀而成的一種獨特的藝術現象，是人類豐富的文化遺產。因近年來傳統文化保護意識不斷加強，傳統服飾色彩研究成為熱點。已有成果大都集中于探討服飾色彩時間縱軸的歷史性變化或地域橫軸的族群差異，相關技術性研究仍較少。特別是對傳統服飾實物圖像顏色辨別大都依賴于肉眼識別比對，這種方法受到操作環境與操作者生理、心理等因素的影響，準確性難以保障。

本文借助計算機圖像處理技術，以傳統服飾云肩為例，基于均值漂移(Mean-shift)聚類算法提出一種服飾圖像主色智能檢測與提取方法，以期為不同類別的服飾圖像色彩識別與分類提供指導。

1 云肩色彩構成

云肩是披掛在人體肩部兼具審美與實用功能的典型漢族民間服飾品，最早出現在隋唐五代時期石刻宗教人物形象中，為仙人佩戴或舞女樂伶表現柔美仙化的舞姿穿著[1]。宋至明清很長的歷史時期內，云肩大都為宮廷和貴族婦女的禮服。清末，云肩由宮廷拓展到民間，成為漢族女性婚禮、宴會、祭祀等場合約定俗成的禮儀服飾[2]。相比其他傳統民間服飾品，云肩裝飾精美，色彩豐富，以此為例研究傳統服飾實物圖像色彩檢測具有代表性。

已有研究[3]將云肩色彩歸納為3種，即主色、輔色及裝飾色。一般來說，主色指云肩的主體顏色，為拋開裝飾以外的面料底色。輔色即輔助用色，多指為滿足服飾整體與局部造型需求，貼邊、鑲邊、滾邊等工藝需求而形成的色彩，以具有調和作用的黑、藍、金、銀等色為主，對云肩整體色彩視覺屬性影響不顯著；裝飾用色指服裝中刺繡圖案、流蘇等裝飾物的色彩，細碎繁瑣，塊面比例較少。本文主要探討對云肩主色即繡片底色的智能提取。圖1示出傳統服飾云肩色彩分類舉例。

圖1 傳統服飾云肩色彩分類舉例Fig.1 Example of Yunjian color classification

2 研究框架

對已有采用色彩聚類的方法從織物或服飾中分離顏色的文獻進行了檢索。文獻[4]采用聚類算法K-means來分離多色織物信息。文獻[5]通過對面料質地差異性的分析，得到品質較高的圖像信息。隨后，轉換圖像色彩空間，利用區域模糊的方法，在CIE L*a*b*顏色空間中分割圖像的顏色，研究結果表明此方法適用于機織、針織面料實物圖像的色彩分割。同樣，在CIE L*a*b*顏色空間中，文獻[6]討論了機器繡花圖像的顏色分割，采用中值濾波與雙邊濾波的方法平滑處理被測圖像，并采用Gustafson-Kessel算法聚類分析了圖像顏色，將其結果與模糊C均值聚類算法、K-means、自組織神經網絡算法、K-medoids等方法進行了對比，實驗結果表明該算法可在機器刺繡紋樣圖案中聚類出較高精度的顏色。以上文獻為本文研究提供了思路，但傳統服飾云肩大多數為手工制作，刺繡紋樣并不規整，且輔助用色與裝飾色會對主體色彩的分割造成干擾，由此可見，已有色彩分割方法對傳統服飾主色的獲取不夠準確。由此本文提出如圖2所示的檢測方法與研究框架。

圖2 研究方法與框架Fig.2 Research method framework

第1步，采用單反相機捕捉傳統服飾云肩實物圖像；第2步，借鑒已有研究成果，通過中值濾波法對獲取子圖像的R、G、B3個顏色通道去噪；第3步，重建濾波后的圖像，同時將圖像由RGB顏色空間轉換至CIE L*a*b*顏色空間；第4步，對圖像中云肩主體與背景進行大津閾值分割；第5步，采用Mean-shift算法對圖像顏色像素進行聚類分析；最后，通過手動聚類閾值的輸入，從聚類結果中提取出云肩的主要顏色。

3 實驗過程

3.1云肩圖像獲取

云肩一般由漢族女性在婚禮上穿著，包裹女性身體，尺寸較大，因此在黑色[L，a,b]=[20,-0.8,-2.4]背景，LED光源、垂直拍攝距離3 m條件下，選用佳能EOS500D數碼相機(EF50 mmf/1.4 USM鏡頭)，獲取實物尺寸為90 cm×90 cm的云肩初始圖像。圖3示出獲取的云肩原始JPEG圖像(尺寸為1 991像素×2 010像素)。其次，基于雙線性插值法[7]對獲取圖像進行材質影像的插補處理。被測云肩放置在相同黑色背景下，實物顏色鮮艷與背景差異較大，該方法對于實物與背景顏色劃分清晰的圖像處理效果較好，不僅不會對處理圖像造成負面影響，而且可減少計算時間，同時輸出圖像是原始圖像2倍運算的結果。

3.2云肩圖像過濾

考古服飾以及服飾傳世品會因人穿著過而帶有污跡，因此若要分離色彩，需要利用中值濾波法對圖像進行去噪處理。中值濾波法的主要原理是選擇數碼圖像中任一像素點，與領域范圍內周邊像素點逐一比對，并以此測定該任選像素點可否表示周圍色彩環境。依次比對后，與領域內灰度差較大的點取該鄰域范圍內的中值，由此除去孤立的噪點，從而提高圖像的顏色分離精度和質量[8-9]。其要點是在定義領域內獲取所選樣本的平均值，那么領域范圍的大小，即窗口的尺寸設定則成為影響被測圖像品質的重要因素。

圖3 被測云肩初始圖像Fig.3 Original image of measured Yunjian

圖4示出被測云肩初始圖像與中值濾波后圖像對比。窗口大小設置為5像素×5像素，對子圖像R、G、B3個顏色通道進行中值濾波處理，不僅消除了圖像中的污漬以及云肩散開的邊緣線，同時保留了圖像的有效顏色信息。

圖4 被測云肩初始圖像與濾波后圖像Fig.4 Original and filtered Yunjian images.(a)Original costume sub-images in R channel; (b)Original costume sub-images in G channel; (c) Original costume sub-images in B channel; (d) Original RGB continuous image; (e)Filtered costume sub-images in R channel; (f)Filtered costume sub-images in G channel; (g)Filtered costume sub-images in B channel; (h) Filtered RGB continuous image

3.3圖像色彩空間轉化

RGB顏色空間由R、G、B3個分量表示，不同分量之間相關度較高，某個單獨分量不能確定顏色信息[10]。人眼視覺上的色彩區別度與實物顏色感知

與CIE L*a*b*色彩空間中2點間的歐氏距離協調性與統一性較高，因此需將云肩實物圖像色彩空間由非均勻線性的RGB顏色空間轉為CIE L*a*b*色彩空間，以便在圖像模型分割中通過高斯函數的變化度量顏色質地的變化[11]。由此，本文實驗借助CIEXYZ顏色空間連接RGB顏色空間和CIE L*a*b*顏色空間，相互轉化如下所示。

1)RGB顏色空間轉換為CIEXYZ顏色空間：

(1)

式中：X、Y、Z為CIEXYZ顏色空間色度坐標值；r、g、b分別代表RGB顏色空間中3個顏色通道的灰度值。

2)CIEXYZ顏色空間轉換到CIE L*a*b*顏色空間：

(2)

(3)

式中，Xn、Yn、Zn為RGB 3個可參考的刺激值。轉換后，L、a、b的閾值分別在0～100、-128 ～+128、-128～+128范圍內。

3.4云肩圖像背景分離

首先通過測量，確定圖像背景平均的L*a*b*顏色(背景顏色用q表示，其顏色值為(Lc,ac,bc))，然后依照其背景顏色分離出云肩實物主體圖像。

首先，在CIE L*a*b*顏色空間中，通過式(4)計算出檢測圖像中云肩實物主體與圖像背景顏色的歐氏距離：

(4)

式中：p為圖像中的1個像素，其顏色值為(Li,ai,bi)。色彩由黃到藍色的變化表示距離值d逐漸增大，云肩主體與背景的L*a*b*值反差增大，如圖5(a)所示。由此可見，歐式距離d值可用作被測圖像中實物與背景分割的有效依據。

其次，采用大津閾值分割算法[12-13]，以所得距離d值為基點來確定圖像自動分割的閾值，分離其云肩主體物(白色像素點)與背景(黑色像素點，如圖5(b)所示)。

圖5 分割圖像 Fig.5 Segmented image. (a) Transformation image from Euclidean distance； (b) Binary image

3.5聚類云肩色彩

Comaniciu等[14]提出的Mean-shift算法因其數據處理計算量小，流程簡便，易實施，并且可保留被測圖像的主要信息，已被大范圍應用在如圖像計算機處理等視覺領域。

假設一個循環的窗口中心點為C,核函數K(x)的帶寬為h，N為采樣點xi的個數(i=1, 2,…,N，xi∈Ω)，用核函數K(x)估計x點的概率密度，如式(5)所示。

(5)

核函數K(x-xi)通常由一個單值函數或高斯函數組成，其中高斯函數如式(6)所示。

(6)

式中c為對應高斯曲線的峰值。均值偏移量會指向樣本點最密的方向，Mean-shift向量m(x) 隨之也會移動到樣本點比對點x變化最多的地方，進而形成了密度變化的梯度方向。則Mean-shift向量m(x)為

(7)

式中g(x)=-K′(x),K′(x)為核函數，因此可基于式(7)獲取圖像均值偏移聚類分析。在CIE L*a*b*色彩空間中，利用Mean-shift聚類算法分割云肩的不同差值像素點，隨后從聚類結果中提取出云肩圖像的主色。

已有研究[15]顯示，聚類分割帶寬h值是決定Mean-shift迭代過程的重要參數，將會影響聚類結果的質量與分割時間。在該實驗中，帶寬h值被暫時設置為0.05，云肩實物圖像色彩聚類結果如圖6顏色均值漂移聚類類別標簽所示。

圖6 顏色均值漂移聚類類別標簽Fig.6 Mean-shift clustering category label

3.6云肩主體色彩提取

如圖6所示，通過聚類分割獲取多個云肩顏色分類集群，其主體色彩依照每個顏色集群中像素數量劃分。手動輸入預獲得被測圖像的主要色彩數值N,根據聚類結果中像素數量，數量多的色彩將依次被選擇出來。圖7示出被測云肩提取出的4種主體色彩。

圖7 聚類分析結果Fig.7 Clustering result. (a) Clustering result image of measured Yunjian; (b) Dominant color 1; (c) Dominant color 2; (d) Dominant color 3

4 實驗參數分析

4.1中值濾波窗口尺寸

為取得最優的圖像濾波處理效果，采用3像素×3像素、5像素×5像素、7像素×7像素3種不同窗口尺寸進行中值濾波處理。測試結果顯示，濾波中獲得的離散像素點數量與濾波窗口尺寸呈反比例關系，隨著濾波窗口數值增大而降低，聚類分割色彩集群數量也隨之減少。實驗設定的濾波窗口尺寸不同，結果差異性明顯。綜合以上實驗，為保留色彩集群的數量不變，同時盡量減少在圖像分割結果中離散的像素點數量，設定濾波窗口k的尺寸為5像素×5像素,對云肩的實物圖像進行過濾。

4.2帶寬對Mean-shift聚類效果影響

為得到最佳的色彩聚類結果，在中值濾波窗口尺寸等參數一致的條件下，選用不同帶寬值h對同個云肩圖像進行主色聚類分割測試，被測圖像由93 200個像素點構成。首先，將被測圖像的像素點數值輸入Mean-shift聚類算法；其次，利用色差公式CMC(1∶c)[16]測試該實驗智能方法和通過人眼視覺比對而獲取的被測圖像主體顏色的差異。其中，色差均值△E[17]是色差測試的一個重要單位，是指在均勻的顏色感知空間中，人眼能夠識別到的色差。通過設置不同的h值，顏色的聚類數量、計算時間以及CMC(2∶1)色差(△E)均值的變化，結果如表1所示。

表1 選取不同帶寬h值下計算時間和色彩值變化Tab.1 Data change of computation time and △E with different band widths

由表1可知：1)隨Mean-shift聚類帶寬h值的線性增加，實驗計算時間逐步減少，但是，當帶寬h>0.07時，被測圖像聚類分割所得顏色子集數量少于3。當帶寬h=0.01時，計算時間顯著增加，因此，Mean-shift聚類參數帶寬h值應設置0.02～0.08之間；2)3個主體色彩的色差均值△E與帶寬h值首先呈正比例關系，隨帶寬h值線性增加而遞增，后又逐步減少；3)△E與人眼識別比對獲取的顏色相似性表現出反比例關系。本文實驗為進一步保證取得最優值，將帶寬h值分別設定為0.04、0.05、0.07來計算△E值，其結果分別為1.86、1.6、2.28。由此可知，當帶寬h值為0.05時，色差△E的和值最小。

綜上所述，本文實驗將Mean-shift聚類的影響參數帶寬h值設定為0.05，對被測云肩實物圖像色彩聚類，其結果最為準確。

5 結 論

本文探討了從我國傳統服飾云肩圖像中提取主色的方法。通過單鏡頭反光相機獲取云肩實物初始圖像，并分別對子圖像R、G、B3個顏色通道進行中值濾波處理。其次，在CIE L*a*b*顏色空間中，利用大津閾值算法(自適應閾值算法)與圖像數字處理技術，分離被測圖像中云肩的實物主體與背景。第三，通過Mean-shift聚類算法對構成被測圖像的所有像素點進行分類，獲取不同像素點數量的集群，同時從其集群結果中提取出云肩圖像的主體色彩。實驗對影響中值濾波效果的窗口尺寸k以及Mean-shift算法中帶寬h的大小進行了討論。當k=5和h=0.05時，本文實驗方法從云肩實物圖像中提取的顏色與實物圖像比對獲取的顏色最接近。該實驗驗證了本文提出的數字圖像處理技術，與人眼辨別與手工提取的方法相比，可使我國傳統服飾實物圖像顏色的智能提取更有效率。

FZXB

[1] 薛再年，王閃閃，崔榮榮.魯南民間云肩及其制作技藝探究[J].紡織學報，2013,34(3):109-115.

XUE Zainian, WANG Shanshan, CUI Rongrong. Folk Yunjian in South Shandong and its workmanship[J]. Journal of Textile Research, 2013,34(3):109-115.

[2] 邢樂，梁惠娥，劉水. 民間服飾云肩中人物紋樣的語義考析[J].藝術設計研究，2015,24(1): 54-60.

XING Le, LIANG Hui′e, LIU Shui. Figure patterns of folk costume-Yunjian and its significance[J].Art & Design Research, 2015,24(1): 54-60.

[3] 梁惠娥，邢樂. 中國最美云肩情思回味之文化[M].鄭州:河南文藝出版社，2013：143-144.

LIANG Hui′e, XING Le. Chinese Traditional Folk Dress Adornments-Yunjian Culture Research[M]. Zhengzhou: Henan Literature & Art Publishing House, 2013：143-144.

[4] ZHANG J, XIN B J, SHEN C C， et al. Novel colour clustering method for interlaced multi-colored dyed yarn woven fabrics[J]. Fibres & Textiles in Eastern Europe, 2015,23(3): 107-114.

[5] ZHENG D. A new method for automatic separation of fabric color[J]. Textile Research Journal, 2015,85(14): 1520-1538.

[6] KUO C F J, JIAN B L, TUNG C P, et al. Automatic machine embroidery image color analysis system, part II: application of the genetic algorithm in search of a repetitive pattern image[J]. Textile Research Journal, 2012,82(11): 1099-1106.

[7] KIRKLAND E J. Advanced Computing in Electron Microscopy[M]. New York: Springer, 2010: 261-263.

[8] BROWNRIGG D. The weighted median filter[J]. Communication Association Computer Machine,1984,27(8):807-818.

[9] 趙高長，張磊，武風波.改進的中值濾波算法在圖像去噪中的應用[J].應用光學，2011,32(4)：678-682.

ZHAO Gaochang, ZHANG Lei, WU Fengbo. Application of improved median filtering algorithm to image denoising[J]. Journal of Applied Optics, 2011,32(4)：678-682.

[10] 盧雨正，高衛東. 基于圖像分割的拼色紡織品分色算法[J].紡織學報，2012,33(9)：55-60.

LU Yuzheng, GAO Weidong. Color separation algorithm for mixed dyed textiles based on image segmenta-tion[J].Journal of Textile Research, 2012,33(9)：55-60.

[11] PAN R R, GAO W D, LIU J H. Automatic detection of the layout of color yarns for yarn-dyed fabric via a FCM algorithm[J]. Textile Research Journal, 2010,80(12): 1222-1231.

[12] WANG Y, NAVARRO L, ZHANG Y, et al. Intracranial aneurysm phantom segmentation using a 4D lattice Boltzmann method[J]. Computing in Science & Engineering, 2017, 19(4): 56-67.

[13] 邢樂. 近代中原地區漢族服飾文化流變與其現代傳播研究[D]. 無錫：江南大學，2016：63-67.

XING Le. Study on evolution and modern communication of Han Nation′s costumes in Neoteric central plains of China[D]. Wuxi: Jiangnan University, 2016:63-67.

[14] TSAI D M, LUO J Y. Mean shift-based defect detection in multicrystalline solar wafer surfaces[J]. Browse Journals & Magazines, Industrial Informatics IEEE Transactions on, 2011,7(1): 125-135.

[15] COMANICIU D, MEER P. Mean shift: a robust approach toward feature space analysis[J].IEEE Trans Pattern Anal Mach Intell, 2002,24: 603-619.

[16] HEGGIE D, WARDMAN R, LUO M. A comparison of the colour differences computed using the CIE94, CMC(1∶c) and BFD(1∶c) formulae[J]. Journal of the Society of Dyers and Colourists, 2008,112(10): 264-269.

[17] ASPLAND J R, DUNLAP K L, DAN R T. Improved methods for colour inventory management in the apparel industry[J]. International Journal of Clothing Science and Technology, 1989,4(2/3): 66-70.

IntelligentinspectionofdominantcolorsforChinesetraditionalfolkYunjian

XING Le1,2, ZHANG Jie3, LIANG Hui′e1,2, LI Zhongjian1, LIU Jiaojiao1,2

(1.CollegeofTextilesandClothing,JiangnanUniversity,Wuxi,Jiangsu214122,China; 2.JiangsuIntangibleCulturalHeritageResearchBase,Wuxi,Jiangsu214122,China; 3.InstituteofTextileandClothing,TheHongKongPolytechnicUniversity,Kowloon,HongKong999077,China)

In order to solve the problems of time-consuming and poor accuracy during the process of achievement colors from the images of traditional costumes, an effective color clustering method was developed for Chinese traditional costumes Yunjian image using Mean-shift clustering algorithm. A digital Single Lens Reflex camera was used to capture the costumes images. The sub-images in the three color channels were filtered by median filter separately. Then the filtered images were segmented based on the background color in the CIE L*a*b*color space, and the object costumes was separated from the background. Finally, the pixels of the costume image were classified into several clusters by Mean shift clustering algorithm, and the dominate colors were extracted from the classification results. The experimental results demonstrate that the proposed method can extract the dominant colors from costumes images with great accuracy especially when the bandwidth of Mean-shift clustering algorithm is set as 0.05.

Yunjian; dominant color; Mean-shift clustering algorithm; CIE L*a*b*color model; color inspection

10.13475/j.fzxb.20160900107

TS 941.1

A

2016-09-01

2017-07-24

中央高校基本科研業務費專項資金項目(JUSRP51417B)

邢樂(1987—)，女，講師，博士。主要研究方向為服飾色彩與服裝現代技術。梁惠娥，通信作者，E-mail：lianghe@jiangnan.edu.cn。