基于网络关系模型的品牌女装配色解析

针对当前服饰用色规律及其内在机制解析模糊的问题,提出了利用图像处理技术构建服饰配色关系及其内在联系的网络关系模型。对服饰系列图像色彩进行初始聚类及二次聚类,提取主色及其用色比例关系;提取色彩占比、二元色组共现频率、色彩空间距离等指标构建主色网络关系模型;对选取的3个代表性品牌女装的500幅图像,利用所开发的色彩解析软件,从主色分布、配色关系、配色机制方面进行了比对和分析,以可视化形式呈现品牌女装年度、时尚季用色规律。实验结果表明,3个女装品牌主色、空间距离和共现规律不尽相同,前3种颜色累计占比均超出50%,单幅样本耗时小于0.3 s;该方法能够以客观、可视化的方式表征服饰用色机制,用以辅助服装企划和设计决策。     

基于色彩聚类的皮影服饰纹样分割

为实现皮影服饰图案的自动提取,以唐山皮影头茬图像为例,分析了皮影服饰的色彩构成及图案特点,探讨了一种基于色彩聚类的皮影图案识别方法。通过相对总变差模型对皮影图像进行了噪声平滑处理;将处理后的数字图像由RGB颜色空间转换至CIE L~*a~*b~*颜色空间,提取空间中的a、b两个色彩分量;利用K-means聚类算法对皮影图像色彩进行聚类分析,最终实现皮影色彩纹样的最佳分割。结果表明,笔者设计的算法可有效实现对于皮影这类色相分明、细节丰富且主色统一的彩色图像的分割。     

基于聚类算法的纺织品文物色彩提取与纹样数字化探索——以新疆巴里坤M12出土清代纺织品纹样为例

为准确有效地提取纺织品文物的色彩，实现纺织品文物的纹样数字化处理，文章以新疆巴里坤出土的一组清代纺织品为例，设计了一种基于多变量模糊C均值(Multivariate Fuzzy C-mean, MFCM)聚类算法与K-means++算法相结合的纺织品纹样复原方法。首先，获取图像并通过双边滤波与高斯滤波对图像进行平滑降噪处理；然后采用MFCM聚类算法对平滑降噪后的图像进行分割；接着采用K-means++算法分析聚类数量，有效提取纺织品主色，并较好保留图像细节；最后通过计算机软件提取文物纹样轮廓，将提取的主色填充至纹样轮廓，完成纺织品文物纹样的数字化模拟。实验结果表明，该方法可以较为准确地提取纺织品文物色彩，并且提取效果优于传统数字化取色方法，取色效率更高，具有进一步研究应用的价值。     

基于聚类算法和色彩网络的蝴蝶色彩分析及应用

蝴蝶蕴含着独特的自然美,是设计师重要的设计灵感来源。为厘清蝴蝶色彩及其搭配规律,更好地进行蝴蝶色彩重用,基于聚类算法和色彩网络对蝴蝶色彩进行分析和应用研究。首先,利用K-means聚类算法对单只蝴蝶8种不同角度的图像进行2次色彩聚类和主色提取,构建110只蝴蝶的6色标准色卡。其次,对蝴蝶标准色卡再次聚类,结合蝴蝶色彩实际搭配关系,构建了包含20个网络节点的蝴蝶色彩网络模型,并通过4个蝴蝶样本对色彩网络模型的可靠性进行验证。最后,以丝巾纹样配色设计作为应用案例,验证标准色卡和色彩网络模型作为配色辅助工具的可操作性和应用价值。案例表明,蝴蝶标准色卡和色彩网络模型可以为设计师在色彩设计过程中提供有效的辅助和支持。     

传统服饰云肩实物图像主色的智能检测

为解决获取传统服饰实物图像色彩耗时且缺乏准确性问题,以传统服饰的云肩为例,借助均值漂移（Mean-shift）聚类法,提出了一种检测传统服饰实物图像颜色的方法。运用单反数码相机进行实物图像采集;对所得初始图像的R、G、B3个颜色通道进行去噪处理;再将图像RGB颜色空间的特征向量转换至CIE L*a*b*颜色空间中,利用大津法阈值原理（自适应阈值算法）分割被测图像中云肩实物与背景;最后采用Mean-shift聚类算法,将被测图像的颜色像素分割为若干有效的集群,同时从这些集群中提取云肩主要色彩。实验结果表明,该算法可较为准确地从云肩图像中提取主色,且当Mean-shift聚类算法的带宽被设定为0.05时,分类颜色结果更为准确。     

基于NCS体系下宜家家居空间色彩设计趋势研究

目前家居空间色彩的研究多依托于具体设计实践探讨某类型空间的色彩方案，或通过感官实验探索空间色彩对生理或心理的影响，尚未有学者厘清家居空间中色彩设计发展的过程。本研究旨在系统地总结近60年宜家家居空间的色彩设计趋势及策略，以《宜家家居指南》中的家居空间图片为对象，收集20世纪60年代至21世纪20年代的图像数据作为基础，使用K-means聚类算法提取色彩后进行自然色彩体系（NCS）定位，对不同年代的色彩聚类情况进行可视化分析。通过客观的色彩数据对比色相、黑度、彩度，明晰宜家家居空间色彩的发展历程，展现出色彩趋势与历史背景、生活方式之间的关系，并总结其空间配色特点。本研究亦可为其他类型空间的色彩研究提供参考思路。     

民族织锦的主色提取方法

传统民族织锦色彩丰富,其独特的色彩搭配是设计师重要的设计灵感来源。为找到适合民族织锦的主色提取方法,使用不同方法提取民族织锦主色并进行分析。首先采用优化K-means算法、基于HLS色彩空间的色彩分层及使用Photoshop软件对民族织锦进行主色提取,构建8色或10色的主色卡,用提取的主色重构织锦图片;其次,对民族织锦主色卡从CIELAB、RGB色彩空间的角度对比分析;最后建立壮、黎、土家族织锦相应的主色卡。研究结果表明:Photoshop软件更适合用于民族织锦的主色提取;壮、黎、土家族在色彩的搭配使用上存在着一定的地域共性,均与我国传统的“五行正色”有关;Photoshop软件主色提取法可为设计师在色彩提取过程中提供参考与借鉴。     

基于多源数据与K-means聚类的地域特征关联纸质包装色彩应用研究

以哈尔滨中央大街景区为研究对象，采用OSM开源地图平台、百度API平台配合ArcGIS10.6平台、Python平台获取数据，通过Matlab平台下DeepLabV3+模型对获得的街道图像进行语义分割，通过K-means聚类算法以HSB色彩空间为模型基准，绘制色彩散点聚类模型、色彩连续性模拟模型与片段色彩聚类模型对中央大街景区进行可视化分析，并提出地域特征关联纸质包装设计的色彩应用建议。多源数据结合K-means聚类法可以在短时间内相对快速、精准、科学完成纸质包装色彩提取与应用策略制订，其结果能够体现地域文脉特色，提升地域特色包装辨识度，有助于实现地域特征关联纸质包装色彩方案优选，为纸质包装色彩应用提供参考。     

基于京剧脸谱意象色彩的服饰纹样自动配色

为提升服饰纹样色彩配色效能,利用自适应颜色聚类及自动配色机制,实现基于意象场景的服饰纹样自动配色。以京剧脸谱为范例,搜集了三类角色共计150幅脸谱图像作为源图,采用分割、降噪等操作获取脸谱主体内容;利用二分K-均值聚类算法,对单一样本进行逐一自适应色彩提取,在此基础上进行二次聚类获得各角色脸谱提取色色值、占比及共现比率等特征参数;最后设计融合颜色聚类数、共现比率及目标区域特征要素的动态配色机制,开发色彩解析和纹样自动配色软件。实验结果表明,配色控制参数、源图类型、纹样形态等因素影响选色顺序及最终配色效果,实现基于意象场景的纹样色彩自动迁移,为当代服饰纹样色彩设计提供决策参考。     

民族服饰意象色彩智能迁移设计研究

文章以5个典型民族服饰为实证研究对象,利用图像分析技术,自适应提取序列场景意象色彩,融合多维特征构建色彩网络关系模型;结合待配色对象形态特征,以和谐论为指导,实现基于意象色彩的纹样自动配色。试验部分在解析民族服饰设色形态的基础上,以色序、同类、对比及综合配色法则,自动生成了多类型纹样的风格迁移赋色。该方法的实施提升了设计决策效能,为当代时尚创意与智慧设计提供了参考解决方案。     

明代织物纹样的智能提取——以斗牛袍为例

为解决人工提取明代织物纹样色彩存在难度大、准确性差、直接采样难的问题,文章以明代赐服斗牛袍为例,探讨一种新的纹样提取手段。首先,利用高分辨率数码相机采集斗牛袍织物纹样;然后将RGB颜色空间的数字图像转换至CIELab颜色空间,用中值滤波法对彩色图像进行平滑处理;再用K-means聚类算法对图像中的色彩进行聚类,以实现不同色彩纹样的分割;最后利用CalinskiHarabasz指标对聚类有效性进行判断,获取最佳聚类数。实验结果表明,此方法可以实现纹样色彩的聚类分割与智能提取,为研究珍贵古代织物纹样提供有效途径。     

Research of multi-K-means-ELM Dong brocade color matching model based on user demand imagery北大核心CSCD

社会的快速发展为少数民族文化的发展创造了崭新的环境。当前对研究对象的配色方案中,大多是对色彩本身进行研究而鲜有结合人的主观意象,为挖掘意象词与服饰配色之间的隐含关系,建立用户需求意象与服饰色彩构成及占比之间的映射模型,提出了一种基于用户需求意象的多重K-means-ELM侗锦配色方案。首先,通过对侗族织锦色彩样本的提取,运用语意差异法(SD法)获得用户的认知数据源。结合聚类分析对侗族织锦图像进行分类和色彩提取。其次,基于色彩提取结果采用K-means对相似色彩构成的图像进行多重聚类划分得到具有相似色彩构成及占比的图像集合。最后,以侗族织锦色彩样本、色彩比例关系和HSV空间数值等信息与用户意象建立映射关系,采用极限学习机(Extreme learning machine,ELM)对多重划分得到的聚类图像样本单独建模,构建用户需求意象的多重K-means-ELM侗锦配色模型进行侗族服饰的配色研究。经过算例分析,将配色模型运用到以“星河”为主题的现代插画设计实际创作中进行验证,得出了该模型的可行性与科学性,所提出的配色方法提高了建模精度、降低了配色难度,从而细化意象—色彩之间的映射关系。     

畲族传统服装设色关联规则分析

为清晰阐释畲族传统服装设色分布及其关联规则，文章利用图像分析技术解析意象色彩配色关系。以散居于浙、赣、闽三地畲族为例，对田野调查采集的150幅典型传统服装图像进行色彩解析。通过利用自适应聚类机制提取意象色彩，分别构建三地服装色彩谱系；设计基于向量集的Apriori算法，解析畲族服装意象色之间的多元配色关系。实验结果表明，浙、赣、闽三地畲族服装用色集中于黑、红、蓝等八色，主色较为接近；最小支持度优选0.2时，能够有效区分三地服装多元配色差异。其中浙江地区二元配对色组、江西地区三元配对色组表色相对丰富。改进后的算法配色规则输出平均耗时0.032 s,能够快速解析畲族服装设色关联规则，为类似传统服装色彩分析和再生设计提供方法参考。     

基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究

介绍一种基于HSI颜色空间的改进型FCM聚类算法,并将此算法运用于牛肉眼肌切面图像中筋膜区域的分割。该方法根据牛肉眼肌切面图像像素分布的特点,将H分量和I分量作为聚类分割算法的特征向量,改进了FCM聚类算法初始聚类中心的选取方法以及距离度量公式。结果表明:所提出的算法在保证FCM算法本身收敛速度快的同时,也提高了图像区域分割的精度和准确性,对噪声具有较强的抑制能力。     

民族服饰色彩构成研究——评《色彩构成》

正中华民族有着数千年的悠久历史和文化积淀,其中,民族服饰色彩凭借其独特的地域、民俗以及文化特征,在世界范围内占据着十分重要的地位,同时也是中华民族源远流长艺术文化中不可或缺的一部分。随着在历史长河中的不断积淀,民族服饰色彩形成了各具特色的色彩体系,并成为丰富生活、凸显民族特色的有力载体。对民族服饰色彩的构成进行探索研究,并推进对民族服饰色彩的开发应用,这对领略民族服饰色彩在历史中的底蕴、明确民族服饰色彩在世界色彩强林中的地     

春夏女装流行色的层次聚类分类方法

采用层次聚类分析方法对春夏女装流行色进行分类,按照流行色预案间的色差距离对女装流行色进行量化分类。以2007至2015年国际流行色协会发布的春夏女装流行色预案为数据样本,采用层次聚类的聚合算法对流行色预案进行分类,之后依照色彩类别出现频次,将所得类别分为继承类色彩类别和创新性色彩类别,研究色差阈值与聚类结果的关系。实验结果显示,在色差阈值为10.40时,春夏流行色预案可形成12个继承类色彩类别,且继承类色彩所占比例达到38.8%,形成的继承类色彩类别及各类别色彩分布体现了春夏女装流行色分布的特点。     

基于FCM算法的套印误差检测

为了降低四色重叠影响导致的图像色彩分割困难,提高印刷品套印误差检测的精度,提出了一种基于FCM聚类算法的套印误差检测方式。首先,将采集的印刷品套印标识符图像进行灰度化处理、高斯滤波降噪处理以及CMYK色彩空间转换并分离出四种色彩通道的图片;然后,分别对四种色彩通道图片进行FCM算法聚类;最后,对聚类后的图片进行固定阈值分割,并对分割的图片依次做图像差运算,分别提取出四个通道中C、M、Y、K四种颜色的部分,进行误差分析。对比显示测量误差均≤0.2mm,符合国家对一般印刷品套印精度检测误差不高于0.2mm的要求;该算法与应用广泛的传统大津法对比,测量误差更小,精度更高,提升了套印误差检测水平。     

基于蜂鸟羽毛的色彩提取及应用

鸟类羽毛色彩进化了上万年,形成了一套天然美感的搭配法则,能够为设计师提供设计灵感。为探寻其中的配色规律并加以利用,文章基于蜂鸟羽毛的色彩进行了一系列的仿生色彩提取研究。首先针对K-MEANS聚类算法,对比分析了色相模式与灰度模式两种不同的初始聚类中心的设置方法,并在此基础上提出了一种经过优化的初始聚类中心的设置方法;然后使用优化过后的K-MEANS聚类算法,对10种蜂鸟共200张羽毛色彩照片进行羽毛色彩的主色系提取。通过三次聚类计算,探讨分析蜂鸟羽毛色彩的配色规律,制得相应的占比配色色卡,为设计师在以蜂鸟羽毛色彩为灵感来源的配色方案上提供了一定的理论依据。     

连南排瑶服饰色彩心理效应的创新研究

为探寻民族服饰色彩的配色模式,文章提出色彩心理学与民族服饰色彩文化融合的研究观点,解析广东连南排瑶服饰配色作为设计对象的心理情感,探索相应的配色方案。运用文献研究、实地考察与对比分析法研究色彩心理效应与排瑶服饰配色的情感寓意的理论依据。通过提取排瑶服饰色彩,引入色彩对人的心理效应,分析排瑶服饰配色的形成原因。最后将排瑶服饰色彩与色彩心理效应相结合,利用语义差分法对色彩评价进行量化分析,设计出具有心理暗示功能的配色方案并进行实践应用,从色彩心理学角度提供关于民族服饰色彩创新设计的参考。     

基于多尺度卷积的裤子腘窝平整度客观评价

针对目前缺乏实际着装起皱的客观评价方法,文章选取35块机织试样,根据中间体型绘制合体裤装样板并缝制,模拟日常活动中裤子腘窝处的起皱过程,获取折皱图像并进行主观评价,制作图像标签。利用SURF提取图像特征并对不同等级的图像两两组合进行K-means聚类,校正图像标签。设计一种基于多尺度卷积的着装平整度客观评价模型,利用多尺度卷积操作对输入的折皱图像进行不同范围的特征提取并进行特征融合,输出着装平整度的等级预测结果。研究结果表明:该模型的预测准确率达92.69%,优于CNN、BP方法的分类效果。