基于聚類算法的紡織品文物色彩提取與紋樣數字化探索

趙維一 尚玉平 康曉靜 李文瑛 信曉瑜 劉凱旋

摘要： 為準確有效地提取紡織品文物的色彩，實現紡織品文物的紋樣數字化處理，文章以新疆巴里坤出土的一組清代紡織品為例，設計了一種基于多變量模糊C均值（Multivariate Fuzzy C-mean，MFCM）聚類算法與K-means++算法相結合的紡織品紋樣復原方法。首先，獲取圖像并通過雙邊濾波與高斯濾波對圖像進行平滑降噪處理;然后采用MFCM聚類算法對平滑降噪后的圖像進行分割;接著采用K-means++算法分析聚類數量，有效提取紡織品主色，并較好保留圖像細節;最后通過計算機軟件提取文物紋樣輪廓，將提取的主色填充至紋樣輪廓，完成紡織品文物紋樣的數字化模擬。實驗結果表明，該方法可以較為準確地提取紡織品文物色彩，并且提取效果優于傳統數字化取色方法，取色效率更高，具有進一步研究應用的價值。

關鍵詞： 聚類算法;紡織品;色彩提取;數字化;巴里坤;文物保護

中圖分類號： TS941.11; TP391.41

文獻標志碼： A

文章編號： 1001-7003（2023）05-0008-11

引用頁碼： 051102

DOI： 10.3969/j.issn.1001-7003.2023.05.002

基金項目：

新疆維吾爾自治區社會科學基金項目（20BYS144）;教育部人文社會科學基金項目（22XJJA780001，22YJAZH064）;國家可移動文物保護項目（新文旅復函〔2021〕886號）

作者簡介：

趙維一（1998），女，碩士研究生，研究方向為服裝設計與紡織品文物數字化保護。通信作者：信曉瑜，副教授，xinxiaoyu00@163.com。

紡織品文物體現了特定歷史時期的技術工藝和藝術審美，是了解古代文化、禮儀和制度的重要窗口，具有珍貴的歷史價值，對其保護與研究對弘揚中華優秀傳統文化具有重要作用。然而，紡織品文物多由有機物構成，質地相對脆弱，給相關陳列展覽和科學研究帶來較大困難。隨著現代信息技術的發展，數字化技術因其極大地便利了紡織品文物的研究、展示與文化傳播，成為紡織品文物保護和科技考古領域的重要趨勢之一。紡織品文物的數字化研究主要包括紡織品文物的形制數字化復原與展示、色彩數字化提取、紋樣矢量化繪制、織物組織結構數字化復原等。在紋樣數字化模擬與展示方面，常見掃描合成圖像，如使用Quicktime VR技術虛擬全景展示紡織品文物，并通過局部拍攝展示紡織品文物紋樣細節特征［1］，國內文博單位也常以高分辨率的局部文物圖像展示其紋樣細節;除掃描拍攝展示紡織品文物外，還可以在計算機中繪制構建虛擬紡織品文物紋樣，如周博文［2］基于Web平臺，采集云錦圖像并結合二維算法與三維場景模擬技術，最后展示了云錦的三維效果;趙娜等［3］則使用AI軟件繪制明代夾襖表面的復雜妝花緞瓔珞紋飾。在織物組織結構數字化復原研究中，王亞楠［4］以傳統刺繡修復流程為基礎，使用Adobe系列軟件對馬山楚墓的部分紡織品文物刺繡進行數字化修復，對刺繡品的虛擬修復進行了實踐研究，并通過多種方法數字化模擬紡織品文物紋樣，讓文物可以線上展示，在保護文物的同時還方便了文化的傳播，并讓更多人欣賞到紡織品文物的細節。以上研究體現出數字化技術在紡織品文物保護領域具有極大的應用前景。

色彩提取是紡織品文物紋樣模擬與復原的關鍵內容，文保人員通常使用測色儀或計算機繪圖軟件提取圖像色彩［5-6］，其取色結果受取色點位置和數量影響較大，取色效率較低且具有較強主觀性，取色結果容易產生偏差。隨著計算機圖像處理技術的快速發展，利用計算機算法高效準確地提取文物色彩成為當前文化遺產數字化研究的新方向。如肖夢薇［7］以故宮建筑外檐彩畫為研究對象，結合數據提煉其配色傾向，歸納總結了研究對象的色彩基因與現狀;趙浩亦［8］使用K-means聚類算法提取了唐代壁畫中女性服飾的主要色彩。部分學者對傳統紋樣進行色彩提取，如劉肖健等［9］利用聚類算法在傳統紋樣圖庫中獲取特征色，構建色彩網絡模型，實現基于傳統紋樣色彩的產品配色方案;趙露晞［10］提取部分具有文化現象的傳統紋樣色彩，探討了具有文化現象的傳統紋樣的色彩特征及研究方法。Kuo等［11］通過增加色彩信息量提高織物紋樣分割的精度，從而使提取的色彩更為準確;邢樂等［12］通過Mean-shift算法實現了傳統服飾的主色檢測與智能提取，并討論了不同濾波窗口尺寸與Mean-shift不同帶寬下被檢測圖像的主色與實物圖像的接近程度;Zheng［13］在CIE-Lab顏色空間中結合織物結構特征與顏色區域信息，建立了基于模糊區域的分割模型，從而完成織物圖案分割和顏色提取;Kuo等［14］提出了一種印花織物的自動分色方法，在HSI模式下使用遺傳算法與FCM區域分割法進行織物色彩提取，達到快速分色的目的;Hu等［15］則用八叉樹法量化織錦色彩，在K-means聚類算法提取色彩后展開設計并模擬織錦外觀;Xing等［16］利用Mean-shift算法提取中國傳統云肩色彩并得到較為準確的實驗結果;陳登凱等［17］基于MCCQ算法得到民間布老虎的色彩特征，以歸納傳統布老虎的獨特色彩語言與文化特征等。

以上研究通過計算機算法提高了傳統織物色彩數字化提取的效率，為紡織品文物紋樣的色彩提取與數字化復原研究提供了思路。然而，由于紡織品文物表面往往存在氧化褪色、糟朽、缺損、斑點、顏色不均等病害，由此獲取的織物圖像色彩不夠準確，給紡織品文物紋樣數字化處理帶來了困難。本文試圖在前輩學人的研究基礎上探索一種優化改良的計算機色彩提取方式，為未來的研究提供參考。

1 實驗方案設計

2019年新疆巴里坤團結東路M12號墓地出土了一組保存較完整的清代服飾文物，因新疆出土的清代服飾實物較少，這組文物對研究清代染織技藝和清代中央經營西域的相關歷史具有重要意義。本文研究對象為巴里坤M12號墓出土的清代蟒袍、補服與妝花緞枕巾表面的部分紋樣圖案。

為高效準確地提取M12紡織品文物的色彩并實現文物紋樣數字化，本文提出了一種基于多變量模糊C均值（Multivariate Fuzzy C-mean，MFCM）聚類算法與K-means++聚類算法相結合的紡織品文物紋樣色彩提取方法。具體實驗方案為：首先采集文物圖像，經雙邊濾波對圖像進行平滑降噪處理，去除圖像中糟朽、缺損、斑點等帶來的噪聲，保留紋樣的輪廓;然后采用MFCM聚類算法對降噪處理后的圖像進行分割，并在RGB色彩空間中通過K-means++聚類算法對紡織品主色進行聚類和取色;最后使用CorelDRAW對紋樣造型進行矢量化提取，并用前期聚類算法提取的主色進行填充，最終完成紋樣的數字化處理，相關技術路線如圖1所示。

2 實驗過程

2.1 圖像獲取和平滑降噪處理

2.1.1 圖像采集

為準確采集紡織品文物的圖像信息，本文使用相機佳能EOS 5D Mark Ⅲ，在LED光源條件下拍攝實物圖像。由于出土紡織品文物存在一定程度的褪色和污損，需要首先對圖像進行色彩校準，之后才能進行色彩提取。本文首先采集了巴里坤出土的一套清代官服和妝花緞枕套紋樣的彩色圖像，在D50標準光源下，觀察文物實物，與文物圖像進行比對，在Photoshop中使用三個代表色（紅、藍、綠）進行色彩校準［18］，為下一步色彩提取準備好基礎的實驗素材。

2.1.2 平滑降噪算法原理

考慮到紡織品文物的殘損情況在圖像拍攝與傳輸的過程中容易產生噪點，所以需將得到的圖像進行平滑降噪處理。本文采用雙邊濾波算法［19］進行降噪平滑處理，使圖像在保留輪廓和邊緣的同時過濾噪聲。雙邊濾波算法通過像素與鄰近像素值的加權平均進行非線性平滑濾波，其原理可用下式表示：

2.1.3 平滑降噪實驗過程及結果分析

通過雙邊濾波算法對織物圖像進行處理，如圖2所示。在雙邊濾波算法中，σd與σr是關系濾波結果的重要參數，在參數調整時一般選擇較大的σd值與較小的σr。從圖2可以看出，濾波后的圖像在濾噪的同時保留了紋樣的輪廓邊界。

實驗發現，在實驗窗口大小5×5的環境下運行雙邊濾波算法，當σd=3、σr=0.2時可以得到邊緣較為清晰且的結果，如圖3所示。在σd與σr值均較小時雖然輪廓清晰，但是紋樣表面的濾噪效果與原圖對比變化不大。在σd與σr值較大時，刺繡紋樣的邊緣輪廓清晰度低，會造成紋樣中一些細節也被過濾，如圖3（d）中寶傘紋的傘頂與傘柄在σd與σr值較大時邊緣均被模糊，導致后續圖像分割困難，使紋樣在色彩提取時因缺失部分細節而造成計算誤差。

2.2 基于MFCM聚類算法的圖像分割

2.2.1 圖像分割算法原理

2.2.2 圖像分割實驗過程

對巴里坤出土的這一套清代紡織品文物中的官補、蟒袍刺繡及妝花緞枕巾局部紋樣進行計算，然后在Python中通過可視化數據得到主色色卡，結果如表1所示。

MFCM算法的重要參數指標為聚類簇數，本文以巴里坤蟒袍上的寶傘紋圖像為例，其像素總數為269 352，在不同聚類簇下經過101次迭代后，得到不同效果的分割結果，如圖4所示。實驗發現，聚類簇數c為2時選擇結果較好，原圖像中主要的糟朽與背景分割較為清晰。由于聚類簇數越大，分割紋理邊緣越粗，分割層次越多，這導致結果中圖像的細節損失越多，紋樣中損失的可用信息無法體現。

2.2.3 圖像分割實驗有效性評價

為進一步驗證MFCM聚類算法對本文紡織品文物紋樣的分割有效性，本文以人工分割為參考標準，將MFCM聚類算法分割好的紋樣與模糊C均值聚類（FCM）算法［21］及增強模糊本文均值聚類（EnFCM）算法［22］對比，結果如圖5所示。與人工分割的圖像進行對比，直接使用FCM算法分割蟒袍的寶傘紋樣，其對樣本歸類的隸屬度不是特別精確，對局部清晰度低的邊界判斷存在誤差，導致部分區域背景與刺繡紋樣沒有完全分割開，如圖5（b）所示;圖5（c）顯示使用EnFCM算法對紋樣進行分割時損失的色彩信息較多;而圖5（d）顯示MFCM算法分割效果較其他兩種方法效果更好。

此外，通過IOU評價指標［23］對比算法分割圖像與人工分割圖像重疊度，結果如表2所示。由表2可以看出，MFCM算法在與人工分割圖像的IOU值較高，其交并集比值呈現出評價結果偏高的趨勢，表明MFCM算法可以較為準確地分割出有糟朽氧化的紡織品文物紋樣，且可以在較短的時間內批量處理圖像，能剔除部分影響結果的圖像內容，提取更有效的局部分割圖像，提取結果噪聲較小，樣本隸屬度值的劃分較一般聚類算法更加靈活［24］。

2.3 基于K-means++聚類算法的主色調提取

2.3.1 主色提取的算法原理

紡織品文物的紋樣邊界多具有封閉性，且每一個封閉區域內色彩相對均勻，可使用聚類算法將紋樣中的色彩歸類，最終得到代表紋樣色彩的類值。因RGB顏色空間中距離的遠近與色彩變化存在關聯性，可直接在RGB顏色空間中使用聚類算法提取色彩。但由于K-means聚類算法在計算時隨機選擇初始聚類中心，導致收斂結果獲取速度較慢，且同時收斂于局部最優解，易造成結果誤差。基于以上問題，為更有效地得到聚類數量和織物顏色，本文使用K-means++聚類算法優化初始聚類中心的選擇，一定程度上可以避免傳統K-Means算法收斂于局部最優解的缺陷，從而提高運行速度，降低結果誤差，其步驟為：

1） 隨機選擇一個樣本作為第一個聚類中心C。

2） 計算每個樣本與當前已有聚類中心的最短距離D（x），同時計算每個樣本作為下一個聚類中心的概率，該概率可用下式表示：

3） 重復步驟2，采用同樣的方式，選出K個聚類中心。

4） 計算n-K個剩余樣本點到每個初始聚類中心的歐氏距離，計算公式為：

計算后得到該樣本與K個聚類中心中最小的距離，并將該樣本分配進此距離中心所在的類。

5） 對于每一個類，去均值后重新計算聚類中心，ci為新的聚類中心，計算公式為：

6） 將新的聚類中心與步驟3中聚類中心對比，若二者之間的距離小于閾值，認為聚類收斂;反之，重復步驟4與步驟5，至新的聚類中心與步驟3中聚類中心距離小于閾值，結束迭代。

2.3.2 主色調提取實驗

按照前述算法原理，本文使用K-means++聚類算法提取文物主色，并將提取得到的色彩按比例填充進入圖像輪廓中，可得到如表3所示的紋樣效果。

2.3.3 主色調提取實驗效果檢驗

為驗證利用本文算法提取的色彩與原文物圖像的一致性，本文以巴里坤出土的官補為例，選擇文物色彩復原中常用的軟件取色法［25］進行對比，結果如圖6所示。由圖6結果顯示，軟件取色法取色結果的整體色彩基調更加明亮，同時該方法基于人工取色，不同操作人員取色結果易造成誤差，并且取色流程復雜。

隨后，使用RGB色彩分布散點圖進一步量化兩種方法取色效果的差異，結果如圖7所示。對比圖7（a）所示文物圖像的RGB色彩散點分布圖和分別使用前述兩種取色方法取色結果的色彩散點分布圖可以發現，圖7（b）中本文聚類算法取色結果的RGB色彩散點分布圖中藍青色系在藍通道上的數值比圖7（c）中軟件取色結果的藍青色系在藍通道的數值更低，更接近圖7（a）中藍青色系在藍通道上的值;同時聚類算法取色結果中橙色系過渡至藍色系的圖像較軟件取色結果更加連貫;此外，聚類算法取色結果橙色系比重大，黃色系比重少，而軟件取色結果中橙色系色彩分布較稀疏，黃色系色彩多，在橙黃色系色彩分布上聚類算法取色結果更加接近文物圖像主色分布特征。由此可認為，本文使用優化的聚類算法取色結果在準確程度上高于軟件取色法。

從取色效率來看，計算機聚類算法明顯優于軟件逐點取色，而為了驗證K-means++與K-means兩種聚類算法的運行效果之優劣，本文將實驗對象分別代入兩種算法中計算，得到其對應的算法時長，如表4所示。

由表4可見，K-means++聚類算法運算的時長更短，速度更快。此外，本文又以M12出土官補為例，比較了兩種聚類算法得到的取色結果，并分析了其色彩RGB直方圖分布情況，如圖8、圖9所示。結果顯示，圖9（b）中K-means聚類算法提取色彩的RGB直方圖曲線凸起整體偏右，且坐標最右端仍有凸起，曲線起始點的橫坐標較大，所提取色彩的曝光率過高，與圖9（a）中文物初始圖像的RGB直方圖不符。而圖9（c）中K-means++聚類算法提取色彩的RGB直方圖曲線凸起相對居中，曲線起始點的橫坐標更接近文物初始圖像的RGB直方圖，其畫面曝光偏中間調，由此說明K-means++聚類算法的色彩提取結果更接近文物色彩特征，其準確性高于K-Means聚類算法。

2.4 紋樣色彩分析

利用聚類算法提取主色的優勢在于可直觀準確地體現出土文物的色彩特征，以本文色彩提取結果為例，首先使用HSV色相環對其色相進行分析，得到色相分布模型如圖10所示。由圖10可以看出，其色相搭配具有一定的特點，其中蟒袍與枕巾的色彩主要分布在橙色中，其次為藍青色、黃綠色、綠色、品紅色系，表明蟒袍刺繡紋樣整體呈現出暖色調的特點，并適當地使用冷色調的海水江崖紋、祥云紋及寶傘、如意等紋樣搭配點綴;補子色彩主要分布在青色系中，剩余較少分布在橙色與黃綠色系中，表明其以冷色調為主，特別是蟒袍刺繡中的祥云紋、海水江崖紋、湖石紋樣都呈現出中性偏冷的色調，色相的選擇和搭配非常精妙。

從色彩明度來看，先將其按照低明度（0～33%）、中明度（34%～66%）、高明度（67%～100%）三個尺度劃分，可以通過表5看出巴里坤出土蟒袍刺繡與枕巾紋樣的明度分布中以低明度色彩為主，部分中明度色彩作為搭配色，給人以和諧沉靜的視覺感受。表6中補子主色明度以低明度為主，其中云紋、水紋、湖石紋的明度層次呈現出過渡的特點;獸紋外輪廓、草木花卉紋樣與部分祥云紋整體明度較低。其色彩飽和度則在三個層次均有分布，且蟒袍與官補刺繡整體表現出從上至下飽和度增加的特點，在視覺上增加了色彩層次的過渡。盡管這一組紡織品文物存在氧化褪色等情況，但是依然可以看出其豐富的色彩搭配與含蓄華麗的藝術風格。

3 結 論

本文提出了一種基于多變量模糊C均值聚類（Multivariate Fuzzy C-mean，MFCM）算法與K-means++聚類算法相結合的紡織品文物紋樣色彩提取方法，并以巴里坤M12出土的一組紡織品文物為實驗對象，通過平滑降噪、圖像分割、主色調提取、紋樣數字化復原等一系列實驗，完成了紡織品文物紋樣數字化處理和色彩分析。同時，為驗證本文實驗方案的實際應用效果，本文對比了不同參數下紡織品文物紋樣數字化處理的效果，并通過多種算法實驗檢驗了使用本文算法取色的準確性及取色效率。實驗表明，本文提出的實驗方案能夠較好的提高計算機取色的準確性，并能大大提高取色效率，具有一定的應用價值。

通過計算機聚類算法對巴里坤M12墓地出土紡織品紋樣色彩進行數字化處理，可以較直觀地了解文物配色的風格特征。從本文實驗對象的取色結果可知，清代官服搭配具有明顯的時代特征。內層蟒袍作為吉服，主要選擇暖色調為主，并以精美的紋樣進行點綴，凸顯華麗富貴的儀式感。外層官服作為朝服，以石青等冷色調為主，素色為底，僅以胸背方補為裝飾，體現出朝會活動的莊重正式感。補子的刺繡色彩以冷色調居多，蟒袍等其他文物的色彩表現出暖色調至冷色調從上到下過渡的特點，色彩搭配對比鮮明，互為補充。

由于實驗條件和設備的局限，本文所設計的實驗方案還不夠完善。但實驗表明，本文的色彩提取算法可適用于多種紡織品文物數字化復原過程，這一方法既可避免對質地脆弱的紡織品文物造成二次傷害，同時又方便了未來對紡織品文物的研究學習和數字化展示工作，可為文物內涵的創新轉化積累有益經驗。這在當前文化遺產數字化保護及傳播工作中具有重要的現實意義。

參考文獻：

［1］MARTIN K， KO H. Imagining historic fashion： Digital tools for the examination of historic dress［C］//2011 Second International Conference on Culture and Computing （Culture Computing）. Japan： IEEE Computer Society， 2011： 51-56.

［2］周博文. 云錦織物數字化展示技術研究［D］. 杭州： 浙江大學， 2017.

ZHOU Bowen. Digital Display Technology of Brocade［D］. Hangzhou： Zhejiang University， 2017.

［3］趙娜， 趙芮禾. 明寧靖王夫人吳氏墓出土織金瓔珞紋云肩妝花緞夾襖實驗考古學研究［J］. 形象史學， 2022（2）： 61-78.

ZHAO Na， ZHAO Ruihe. An experimental archaeological study of the gold-embellished cloud-shouldered satin jacket excavated from the tomb of Wu， wife of King Ningjing of the Ming Dynasty［J］. Image Historical Studies， 2022（2）： 61-78.

［4］王亞楠. 馬山楚繡數字化虛擬修復技術應用研究［D］. 武漢： 武漢大學， 2019.

WANG Yanan. Research on Digital Virtual Repair Technology of Mashan Chu Embroidery［D］. Wuhan： Wuhan University， 2019.

［5］KMITA A. Decorative patterns and sets of colors inspired by folk and applied arts of Upper Silesia， a popularization of visual cultural heritage of the region［J］. Color Research and Application， 2018， 43（6）： 942-950.

［6］劉珈利， 賀榮， 田偉， 等. 色彩體系發展概述及其在傣錦設計中的實踐［J］. 絲綢， 2021， 58（9）： 117-125.

LIU Jiali， HE Rong， TIAN Wei， et al. An overview of color system development and its application in Dai brocade design［J］. Journal of Silk， 2021， 58（9）： 117-125.

［7］肖夢薇. 北京故宮古代建筑群外檐蘇式彩畫紋飾與色彩研究［D］. 北京： 北京建筑大學， 2013.

XIAO Mengwei. The Study on the Line-adorning and Color of the Imperial Buildings of Palace Museum Outside Eaves Suzhou-style Decorative Painting［D］. Beijing： Beijing University of Civil Engineering and Architecture， 2013.

［8］趙浩亦. 基于數字圖像處理技術的唐代敦煌壁畫女性服飾色彩研究［D］. 杭州： 浙江理工大學， 2020： 25-34.

ZHAO Haoyi. Research on Female Costumes Color in Tang Dunhuang Fresco Based on Digital Image Processing Technology［D］. Hangzhou： Hangzhou Zhejiang Sci-Tech University， 2020： 25-34.

［9］劉肖健， 曹愉靜， 趙露唏. 傳統紋樣的色彩網絡模型及配色設計輔助技術［J］. 計算機集成制造系統， 2016， 22（4）： 899-907.

LIU Xiaojian， CAO Yujing， ZHAO Luxi. Color networks of traditional cultural patterns and color design aiding technology［J］. Computer Integrated Manufacturing System， 2016， 22（4）： 899-907.

［10］趙露唏. 中國傳統文化色彩網絡的大數據分析技術研究［D］. 杭州： 浙江工業大學， 2016.

ZHAO Luxi. Big Data Analysis Technology of Chinese Traditional Culture Network Research［D］. Hangzhou： Zhejiang University of Technology， 2016.

［11］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.

［12］邢樂， 張杰， 梁惠娥， 等. 傳統服飾云肩實物圖像主色的智能檢測［J］. 紡織學報， 2017， 38（11）： 110-115.

XING Le， ZHANG Jie， LIANG Huie， et al. Intelligent inspection of dominant color for Chinese traditional folk Yunjian［J］. Journal of Textile Research， 2017， 38（11）： 110-115.

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

［14］KUO C F J， SHIH C Y. Printed fabric computerized automatic color separating system［J］. Textile Research Journal， 2011， 81（7）： 706-713.

［15］HU T， LI J， WANG J， et al. Research the intelligent design and simulation system of Tujia brocade［C］//IEEE International Conference on Cybernetics. Exeter： IEEE， 2017： 87-92.

［16］XING Le， ZHANG Jie， LIANG Huie， et al. Intelligent recognition of dominant colors of Chinese traditional costumes based on a mean shift clustering method［J］. The Journal of the Textile Institute， 2018， 109（10）： 1304-1314.

［17］陳登凱， 王瑤. 基于MCCQ的民間布老虎色彩特征提取及設計實踐［J］. 包裝工程， 2019， 40（24）： 45-49.

CHEN Dengkai， WANG Yao. Color feature extraction of folk cloth tigers and design practice based on MCCQ algorithm［J］. Packaging Engineering， 2019， 40（24）： 45-49.

［18］尚玉平， 歐陽盼， 刁常宇， 等. 新疆尼雅墓地出土紡織品文物的數字化信息采集： 以95MNIM8：15“五星出東方利中國”織錦護臂為例［J］. 文物， 2020（5）： 80-88.

SHANG Yuping， OUYANG Pan， DIAO Changyu， et al. Digitisation of textiles found in the Niya cemetery in Xinjiang： A case study of the Five Stars Rising in the East Benefit China armprotector （95MNIM8： 15）［J］. Cultural Relics， 2020（5）： 80-88.

［19］THAI B， DENG G， ROSS R， et al. Weighted bilateral filtering for near-edge artifacts avoidance and impulse noise suppression［C］//2016 IEEE 11th Conference on Industrial Electronics and Applications （ICIEA）. Hefei： IEEE， 2016： 663-668.

［20］PIMENTEL B A， DE S R. A multivariate fuzzy c-means method［J］. Applied Soft Computing， 2013， 13（4）： 1592-1607.

［21］DUNN J C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters［J］. Journal of Cybernetics， 1973， 3（3）： 32-57.

［22］張燕， 高鑫， 劉以， 等. 基于改進像素相關性模型的圖像分割算法［J］. 圖學學報， 2022， 43（2）： 205-213.

ZHANG Yan， GAO Xin， LIU Yi， et al. Image segmentation algorithm based on improved pixel correlation model［J］. Journal of Graphics， 2022， 43（2）： 205-213.

［23］吳志洋， 卓勇， 廖生輝. 改進的多目標回歸實時人臉檢測算法［J］. 計算機工程與應用， 2018， 54（11）： 1-7.

WU Zhiyang， ZHUO Yong， LIAO Shenghui. Improved multi-objective regressive real-time face detection algorithm［J］. Computer Engineering and Applications， 2018， 54（11）： 1-7.

［24］趙甜雨. 基于模糊理論的圖像分割算法改進與應用［D］. 煙臺： 煙臺大學， 2021.

ZHAO Tianyu. Improvement and Application of Image Segmentation Algorithm Based on Fuzzy Theory［D］. Yantai： Yantai University， 2021.

［25］張輝， 信曉瑜， 馬嘉琪， 等. 基于層次分析法的新疆尼雅出土服飾虛擬復原效果評價［J］. 毛紡科技， 2022， 50（4）： 66-72.

ZHANG Hui， XIN Xiaoyu， MA Jiaqi， et al. Evaluation of virtual restoration effect of Niya unearthed clothing in Xinjiang based on AHP［J］. Wool Textile Journal， 2022， 50（4）： 66-72.

Abstract： With the advent of digital simulation technology， there is a new solution to the problem of secondary damage caused by the display and handling of textile artifacts， which， due to their special material properties， are prone to suffer secondary damage in the course of handling for exhibition. In the process of digitally simulating the restoration of textile artifacts， the colour extraction step is very important， and this paper proposes to use computer technology to do this. The aim is to obtain accurate and efficient colors for textile artifacts without secondary damage.

In order to accurately and effectively extract the colors of textile artifacts and to digitize the patterns of textile artifacts， we， taking a group of Qing Dynasty textiles excavated in Balikun， Xinjiang as an example， designed a textile pattern recovery method based on the multivariate fuzzy C-mean （MFCM） algorithm by combining with the K-Means++ algorithm. First， images of textile artifacts were acquired and calibrated， and the acquired images were smoothed and noise-reduced with a bilateral filtering algorithm. The MFCM algorithm was then used to segment the smoothed and noise-reduced image. The aim of this step was to remove areas of the image that were abruptly colored and areas where the artifacts were missing， so that subsequent algorithms could extract the colors more accurately. In the comparison of the effectiveness of the segmentation results with the fuzzy C-mean clustering and enhanced fuzzy C-mean clustering algorithms， the results of the MFCM algorithm were found to be better， and the IOU evaluation value of the MFCM algorithm was the highest among the three algorithms， indicating that the MFCM algorithm segmented the images with more accurate elimination of discolored and damaged parts of the images， and less useful details of the images were lost. The K-Means++ clustering algorithm was then used to analyze the number of clusters and to select Buzi as the case. The above experimental results were compared and analyzed with those of the software colour extraction method and the K-Means clustering algorithm for colour extraction in terms of RGB colour scatter plot， algorithm duration and RGB histogram. The colour scatter plot of the K-Means++ clustering algorithm was found to be closer to the RGB colour scatter plot of the artifact image， and the K-Means++ clustering algorithm was found to be faster in related experiments and the RGB histogram results were closer to the RGB histogram of the artifact image. It shows that the K-Means++ clustering algorithm can effectively extract the main textile colors while well retaining image details， and its experiments are also faster. Finally， the pattern outline was extracted by computer software， and the extracted main colors were filled into the pattern outline to complete the digital simulation of the textile heritage pattern， which is also an important part of the virtual display of textile artifacts. The algorithm in this paper also visualizes the colour matching pattern of textile artifacts， and the colour matching ideas of the sample artifacts can be seen through the hue distribution model and the lightness and saturation distribution tables. The hue distribution of the Buzi is on the cooler side， while that of the python robe transitions up and down from warm to cooler tones， and the heritage motifs are moderately saturated and of low brightness， giving a solemn and sedate visual impression. This paper uses images of cultural relics physically photographed in Xinjiang as a research sample and expands on the clustering algorithm colour extraction to make the results of colour extraction of textile relics more accurate. After a comparative analysis with other algorithms， it can be seen that the method proposed in this paper achieves an optimized effect on the colour extraction of textile artifacts. The experimental results show that this research method can extract the colour of textile artifacts more accurately， and the extraction effect is better than the traditional digital colour extraction method， and the colour extraction efficiency is higher. In addition， after digitally extracting the colors of the motifs of the samples studied in this paper using computer algorithms， we can visualize the colour scheme characteristics of the group of cultural relics， which abstractly represents the colour style and cultural connotations of the motifs. The experiments designed in this paper have value for further research and application， and can provide reference for conceptual solutions for the use of garment digitization technology to display virtual cultural objects， facilitate the exhibition and dissemination of culture in the same category， and gain new experience for the digital conservation of textile objects in the future.

Key words： clustering algorithms; textiles; colour extraction; digitization; Balikun; artifacts conservation