基于網絡關系模型的品牌女裝配色解析

徐明慧， 徐平華,2， 韋秋菊， 丁雪梅， 冒海琳

(1. 浙江理工大學 服裝學院， 浙江 杭州 310018； 2. 服裝設計國家級虛擬仿真實驗教學中心(浙江理工大學)， 浙江 杭州 310018； 3. 現代服裝設計與技術教育部重點實驗室， 上海 200051；4. 江蘇依海服飾有限公司， 江蘇 南通 226007)

色彩用以表現服飾視覺美感、傳達設計理念、突顯產品風格，是消費者感知服飾視覺效果的重要屬性之一[1-2]。服飾品牌企業，從店鋪陳列、產品設計、包裝、廣告等色彩應用場景中，逐步構建了具有“標識性”的自有色彩體系[3-4]。色彩體系在消費感知上分為2個方面：一是具有高度識別性的主體色;二是用色邏輯。主體色彩，如香奈兒的黑與白、愛馬仕的橙，是消費者能夠與品牌建立直觀聯想的紐帶；用色邏輯或用色規律，是品牌在產品設計、視覺營銷中對色彩的具體運用，并與品牌定位和產品風格和諧、統一。

張蘇道等[5-7]利用語義解讀、藝術審美、儀器測定等方式對服飾產品的色彩進行分析，其缺陷在于語義解讀、藝術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，結果不能直接用于再設計和生產；儀器測定如利用Datacolor、X-Rite等公司儀器進行顏色度量，雖能正確量化產品局部色彩，但結果相對用色體系過于點狀化、微觀化。為了深入探析品牌服飾用色機制，引入了圖像分析法，并從系列圖像中提取色彩，逐步構建分析模型。色彩網絡最早由Steward[8]于1981年提出，并建立了設計結構矩陣模型，其作用與網絡拓撲結構的“鄰接矩陣”類似。劉肖健等[9]在此結構上優化改進，開發了用于輔助設計配色的CorelDraw插件，用以分析傳統紋樣的配色關系。李愚等[10]利用色彩鄰接網絡模型，重用配色關系進行產品外觀設計。以上分析方法能夠用于宏觀探測品牌服飾圖像用色規律，并以可視化的方式呈現，但在色彩的分布、多元配色關系解讀上有待提升,插件適用性相對局限。

為此，本文在現有模型基礎上，對色彩分布形式、二元配色關系進行了研究，并設計開發形成應用軟件。在此基礎上，對3個代表性品牌女裝的某階段性用色進行實證分析，客觀描述不同年度、時尚季下各品牌服飾主題色、色彩分布形態以及二元配色關系。

1 色彩網絡關系模型

色彩網絡關系模型關聯了若干色彩特征，以可視化的形式展現品牌服飾在某一階段的用色方式和配色規律[11]。該模型可反映在一定的色彩自動劃分規則下，主題色的色彩聚類值、輔助色的色彩聚類值、色彩空間距離、二元色組搭配機制等配色關鍵信息。

模型以環狀形態下圓形斑塊表示聚類后的色彩，斑塊的大小表示該類顏色的占比；色彩聚類數可由用戶自定義的方式設定；顏色間有無線條表示是否為高頻配色對，即是否為配對色。其中：頻次的劃分可以自定義閾值(百分比)的方式決定；線條上的數值表示配對色的空間歐氏距離。

輸入為測試樣品圖像，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據報告。模型的構建步驟如圖1所示。1)預處理。對輸入圖像色彩提取之前，需要對選取的樣本圖片進行預處理操作，如去除背景、去噪等，得到有效服飾信息。2)色彩聚類。該步驟分為2個階段：第1階段是對系列樣本圖片的每幅圖進行第1次色彩聚類得到該幅圖的聚類信息；第2階段將第1階段得到的聚類信息再次提取歸并為系列服飾圖像主色。3)特征提取。計算并提取色彩占比、二元色組共現頻率、色彩空間距離。4)模型優化。對提取的主色按照占比降序排列和呈現；模型線條上增加配色對的色差值。經過以上步驟，最終輸出色彩網絡關系模型和數據報告。

圖1 色彩網絡關系模型構建流程Fig.1 Construction process of color nexus network model

2 模型構建與優化

2.1 圖像預處理

在對服飾圖像進行色彩提取和分析之前，要對搜集的圖片進行預處理操作，以獲取有效的圖像色彩信息。

2.1.1 目標與背景分離

服飾圖像若僅有服飾內容，跳過此步驟；服裝圖像若場景復雜且含有模特頭像和外露肢體，容易與服飾信息并存計算，導致結果偏差，需要將目標(服飾內容)和背景(其他信息)分離，生成標記色的背景，服飾內容不變。常用的主流算法包括基于Alpha、貝葉斯、KNN訓練的摳圖法[12]，較為便利的方法可采用Adobe Photoshop的“對象選擇”功能，輔以“動作”實現批量化處理。因非本模型的必須步驟，實驗采用第2種方式快速生成無背景的服飾圖像。

2.1.2 圖像去噪

圖像去除多余背景后，需對其進行去噪處理。去噪算法分為空間域濾波和變換域濾波2類。其中空間域濾波包括均值濾波、高斯濾波、中值濾波，各向異性濾波等方法，實驗中采用3×3模板進行空間域高斯濾波，降低混入圖像中的噪聲和無用細小的細節。

2.2 色彩聚類

當前，色彩聚類方法大致分為2類：系統聚類和動態聚類[13]。系統聚類一般運用“分層聚類”思想，由聚合的小類逐步歸合到大類當中；動態聚類包括K均值聚類、ISODAT聚類、FORGY聚類等算法。

本文在文獻[14]的基礎上，比對多種聚類算法，從速度、聚類有效性等角度明確采用K-均值聚類法，并利用二次聚類的機制實現系列服飾圖像的主色提取。服飾色彩聚類流程如圖2所示。其中2次聚類數K1、K2為自定義值，K1≥K2。

圖2 服飾圖像色彩聚類流程Fig.2 Process of clothing image color clustering

2.3 特征提取

模型輸出后，為能有效展示系列服飾的用色機制，此處提取3組較為關鍵的信息，即色彩占比、二元色組共現頻率、色彩空間距離。

2.3.1 色彩占比

自定義聚類數K1、K2后，分別對各顏色聚類值在服飾區域的占比進行計算。聚類后，掩膜為二維計類矩陣，服飾區域中每個像素點位對應掩膜的值為聚類序號，統計聚類各序號數，計算其與服飾內容區域像素數的比值，即為該色的占比。二次聚類計算提取色占比值，可用于設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。背景標記色需剔除，不參與聚類計算。

2.3.2 二元色組共現頻率

服飾色彩的應用，其配色方案是較為關鍵的環節，為了能夠厘清各品牌服飾的配色機制，本文在模型中展示色彩之間配色的情況。

此處二元配對色，是指系列服飾圖中2組聚類色共同出現在同一幅圖中，累計求頻次后，占所有圖像的比值。若高于自定義的比率T(范圍為0～1)，則默認為該組顏色為配對色。T值越高，出現配對關系線條則越少；反之，則線條越多。當T=0時，模型中將連線所有共現過的顏色對。線條的粗細或顏色可代表該組顏色共現的頻率高低。

當二元配對色共現關系確認后，模型中多種顏色之間兩兩均為二元配對，則表明這幾種顏色是該品牌的常用色，是構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

在色彩聚類階段，采用RGB色彩模型統計色彩情況。此處仍利用顏色R、G、B值計算色彩空間距離。本文以2種色彩間的歐氏距離表示色間差異，計算公式為

式中：Dm,n表示環狀當中第m個聚類色與第n個聚類色之間的歐氏距離值，結果作歸一化處理；Rm、Gm、Bm分別為第m個聚類色的R、G、B色彩值；Rn、Gn、Bn為第n個聚類色的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小節中配對色是否為鄰近色、近似色或對比色等。

2.4 模型優化及輸出

服飾色彩分析需要解決至少3個方面的問題：服飾主色的應用情況、各色用色比例和配色機制。其中配色機制上，更應考慮到配色頻率、對比色/相似色應用規律等內在關聯性。為了能夠清晰可視化展示色彩之間的關聯性，本文在文獻[10,14]的基礎上，利用提取的顏色特征，對其進行改進，以期為服裝企劃、設計提供決策輔助。

一方面，對主色的繪制順序進行重排，按照用色的比例關系配置顏色出現的順序，已有方法[9]未對提取色彩進行權重排序，而紡織服裝領域較為注重色彩用色量情況，故本文對提取色彩用量占比進行規定排序，以便用戶快速抓住色彩用量信息；另一方面，定義閾值，減少配對線條，并在配對色線條上輸出色彩距離，增加已有參考模型中未有的數據信息展示功能，以便進一步獲取二元配色間的詳細色彩關系。最終形成有序、關鍵關聯關系聯絡及關聯程度可判的色彩網絡關系模型，以便于更清晰地了解品牌服飾用色內在關系。

圖3示出最終優化形成的網絡關系，按序排列表示色彩用色量的遞減/增關系。連線表示在一定閾值的基礎上常出現的配對色，可見其中5色兩兩配對。線條越粗，表示其配色共現頻率越高，為高頻配色對；線條越細，則為低頻配色對。線上數值越大，表示2組色彩空間距離越遠;反之，則越近。系統根據需求，可以輸出所有聚類色之間的特征報告。

圖3 色彩網絡關系模型優化過程Fig.3 Color nexus network model optimization process

3 實驗方案設計

3.1 服飾圖像樣本

實證分析部分選用3個較為知名的品牌COACH、FENDI、GUCCI(以下簡稱品牌C、F、G)的女裝圖像，利用該模型橫向比對3個品牌同一時段的用色情況以及單一品牌的用色演變情況。

為統一圖像質量，測試圖像數據采集自VOGUE時尚網的圖像。橫向比對品牌用色時，3個品牌均選用其2020年度的服飾圖像，春夏季和秋冬季各自篩選了50幅圖像，每個品牌共計100幅；單一品牌用色則以品牌C為例，篩選了2018—2020年度共計3年6個時尚季的300幅圖像。

3.2 算法設計與程序開發

本文實驗算法部分采用MatLab編程，利用App Designer設計開發了色彩網絡關系模型應用軟件實現模型軟件的功能模塊，包含輸入模塊、參數設置等，實現系列品牌女裝圖像的自動分析和模型輸出，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次聚類占比圖、色彩直方圖、網絡關系模型及分析報告。右側參數設置包括聚類數、共現頻率閾值。實驗采用K2值為8、T值為0.3。利用該軟件完成3個品牌色彩的實證分析。

4 結果與分析

4.1 品牌女裝用色差異分析

3個品牌女裝在2020年度用色情況如圖5所示。

圖5 3個品牌女裝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絡關系圖，可直觀地了解該品牌在2020年度的聚類色，其反映的是該類女裝的8個常用色。柱狀圖反映了色彩的占比情況；網絡關系圖信息最為豐富，可直觀了解色彩用量排序、配對關系和程度以及配對色的空間距離關系。

報告可輸出所有聚類色彩R、G、B值，十六進制值,二元高頻共現色組等信息。為了統一，選取各品牌女裝前3位顏色作為“主色”，其余5位為“輔助色”，二元共現色組中按序選取大于閾值的配對色。表1示出各顏色的量化值。

表1 3個品牌2020年度聚類色量化值Tab.1 Three brands clothing color value in 2020

由圖5、表1可知，3個品牌女裝在2020年度的色彩應用及規律不盡相同，但都體現著自身品牌的色彩風格。

圖5直觀地展示了3個品牌的聚類色，直方圖顯示了每個品牌8種顏色的占比，前3種顏色占比合計分別為53.44%、51.50%、58.00%，均超過50%。其中，品牌C中的3、4、5號色、品牌G中的3、4號色用量基本持平。色彩網絡關系圖能夠較為清晰地顯示各色之間的關系，當共現閾值為0.3時，品牌C中3～8號色之間產生聯絡關系，其中5、6、7號色3色高頻配對，即反映了品牌C常用該組色進行搭配，而高占比主色1、2號色沒有出現共現情況，說明較少同時采用，但用量較大。品牌G高占比主色1～4號色高頻共現，說明這4種色常用且常配對使用；低占比8號色高頻配對，說明常用來點綴使用。而品牌F中1、2號色高占比且高頻配對使用，3、5、6、8號色低頻配對使用。

4.2 單一品牌女裝用色演變

以品牌C為例，對其2018—2020年度，按照時尚季和年度變化從3個維度分析其用色演變情況。

4.2.1 同一時尚季不同年度用色變化情況

對品牌C近3年春夏和秋冬6個季生成色彩網絡關系模型進行分析。分別對3年春夏、秋冬季用色進行逐年比較，了解其在3年內同一季用色變化情況。

圖6示出近3年春夏季的用色情況。在色彩應用上，春夏季用色年度上出現不同程度的差異。2018年的用色與其品牌定義的暗黑、搖滾、叛逆相呼應；2019年品牌表現關鍵詞為暗黑復古、浪漫、隨性；2020年則定義為復古、生動、樂觀，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的深色，維持了品牌的一貫風格。在色彩共現關系上，2018年度和2019年度有較多的二元共現關系，而相比之下，2020年度二元共現色彩關系較少，可見2020年度色彩應用更豐富。

圖6 近3年春夏季色彩網絡關系模型Fig.6 Spring and summer color nexus network model during three years. (a) In 2018; (b) In 2019; (c) In 2020

順應主題差異，圖7示出近3年秋冬季色彩網絡關系模型。可以看出，各年度秋冬季用色各不相同，但秋冬季的色彩應用與春夏季情況類似，2018年度與2019年度都為深沉用色，而2020年度則出現淺色系主色運用，配色部分仍為較穩重的色彩。色彩共現關系上，2019年度有較多共現配色組對，而2018年度和2020年度色彩共現組對較少。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，故而共現關系較少；2020年度用色新穎豐富，未拘束于固定搭配色組，亦有較少共現關系。

圖7 近3年秋冬季色彩網絡關系模型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

從時尚季的維度出發，了解該品牌3年綜合后的春夏季和秋冬季色彩表現情況，網絡關系模型如圖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；在二元共現色組方面，都有較多的共現組合，且在高頻組合中多為主色與輔色的搭配運用。整體用色上，春夏季綜合用色都凸顯品牌文化經典色彩運用。

圖8 時尚季綜合色彩網絡關系模型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個年度都依舊維持了品牌C的風格；3個年度都有較多的二元色彩共現色組，且高頻組合較少，由此可知每年度配色設計都是多式多樣的。

圖9 年度色彩網絡關系模型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年不同時尚季及其綜合分析基礎上的各網絡模型中前3位色彩量化值。在時間損耗上，測試計算機CPU為2.9 GHz，隨機存取存儲器RAM為8 G,實驗樣本均小于2 000像素×3 000像素,測試耗費總時間t≤0.3n(n為圖像數)。

表2 品牌C聚類色量化值Tab.2 Brand C color value in 2020

5 結 論

品牌女裝用色解析是對該品牌(系類)色彩內在機制的解讀，利用圖像分析技術可客觀表達其用色形式和規律。通過4個關鍵步驟，生成系列品牌女裝圖像的網絡關系模型，可較為便利地分析主/輔色、色彩用量、配對色關系、配對色空間距離等參數，以可視化的形式展示該品牌某一階段的用色規律。但由于分析結果的準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，本文僅從模型構造的角度，利用適量樣本進行示范，因此，其分析結果不能完全代表3個品牌的實際用色。此外，在多元配色、色彩配色機制等方面有待進一步研究和論證。

FZXB