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M1-USB迷|专注于互联网分享

2024年4月3日发(作者：合思慧)

研究与技术

丝绸

JOURNALOFSILK

———以新疆巴里坤M12出土清代纺织品纹样为例

基于聚类算法的纺织品文物色彩提取与纹样数字化探索

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms

AcasestudyofthepatternsoftheQingDynastytextilesunearthedfromBalikunM12 Xinjiang

赵维一

,尚玉平

,康晓静

,李文瑛

,信晓瑜

,刘凯旋

3.西安工程大学服装与艺术设计学院,西安710048)

(1.新疆大学纺织与服装学院,乌鲁木齐830017;2.维吾尔自治区文物考古研究所,乌鲁木齐830011;

摘要: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(MultivariateFuzzyC-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。

关键词:聚类算法;纺织品;色彩提取;数字化;巴里坤;文物保护

中图分类号:TS941.11;TP391.41　　　　文献标志码:A　　　　文章编号:1001

引用页码:051102

7003(2

DOI:10.3969/.1001-7003.2023.05.002

　　纺织品文物体现了特定历史时期的技术工艺和艺术审

美,是了解古代文化、礼仪和制度的重要窗口,具有珍贵的历

史价值,对其保护与研究对弘扬中华优秀传统文化具有重要

作用。然而,纺织品文物多由有机物构成,质地相对脆弱,给

相关陈列展览和科学研究带来较大困难。随着现代信息技术

的发展,数字化技术因其极大地便利了纺织品文物的研究、展

示与文化传播,成为纺织品文物保护和科技考古领域的重要

趋势之一。纺织品文物的数字化研究主要包括纺织品文物的

形制数字化复原与展示、色彩数字化提取、纹样矢量化绘制、

织物组织结构数字化复原等。在纹样数字化模拟与展示方

面,常见扫描合成图像,如使用QuicktimeVR技术虚拟全景

展示纺织品文物,并通过局部拍摄展示纺织品文物纹样细节

特征

[1]

,国内文博单位也常以高分辨率的局部文物图像展示

其纹样细节;除扫描拍摄展示纺织品文物外,还可以在计算机

中绘制构建虚拟纺织品文物纹样,如周博文

[2]

基于Web平

台,采集云锦图像并结合二维算法与三维场景模拟技术,最后

展示了云锦的三维效果;赵娜等

[3]

则使用AI软件绘制明代夹

袄表面的复杂妆花缎璎珞纹饰。在织物组织结构数字化复原

研究中,王亚楠

[4]

以传统刺绣修复流程为基础,使用Adobe系

列软件对马山楚墓的部分纺织品文物刺绣进行数字化修复,

对刺绣品的虚拟修复进行了实践研究,并通过多种方法数字

化模拟纺织品文物纹样,让文物可以线上展示,在保护文物的

同时还方便了文化的传播,并让更多人欣赏到纺织品文物的

细节。以上研究体现出数字化技术在纺织品文物保护领域具

有极大的应用前景。

收稿日期:20220922;修回日期:20230331

色彩提取是纺织品文物纹样模拟与复原的关键内容,文

保人员通常使用测色仪或计算机绘图软件提取图像色彩

[5-6]

其取色结果受取色点位置和数量影响较大,取色效率较低且

具有较强主观性,取色结果容易产生偏差。随着计算机图像

处理技术的快速发展,利用计算机算法高效准确地提取文物

色彩成为当前文化遗产数字化研究的新方向。如肖梦薇

[7]

以

故宫建筑外檐彩画为研究对象,结合数据提炼其配色倾向,归

基金项目:新疆维吾尔自治区社会科学基金项目(20BYS144);教育

部人文社会科学基金项目(22XJJA780001,22YJAZH064);国家可移

动文物保护项目(新文旅复函〔2021〕886号)

作者简介:赵维一(1998),女,硕士研究生,研究方向为服装设计与

纺织品文物数字化保护。通信作者:信晓瑜,副教授,xinxiaoyu00@

。

第60卷　第5期

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

纳总结了研究对象的色彩基因与现状;赵浩亦

[8]

使用

K-means聚类算法提取了唐代壁画中女性服饰的主要色彩。

部分学者对传统纹样进行色彩提取,如刘肖健等

[9]

利用聚类

算法在传统纹样图库中获取特征色,构建色彩网络模型,实现

基于传统纹样色彩的产品配色方案;赵露晞

[10]

提取部分具有

文化现象的传统纹样色彩,探讨了具有文化现象的传统纹样

的色彩特征及研究方法。Kuo等

[11]

通过增加色彩信息量提

高织物纹样分割的精度,从而使提取的色彩更为准确;邢乐

等

[12]

通过Mean-shift算法实现了传统服饰的主色检测与智能

提取,并讨论了不同滤波窗口尺寸与Mean-shift不同带宽下

被检测图像的主色与实物图像的接近程度;Zheng

[13]

糟朽、缺损、斑点、颜色不均等病害,由此获取的织物图像色彩

不够准确,给纺织品文物纹样数字化处理带来了困难。本文

试图在前辈学人的研究基础上探索一种优化改良的计算机色

彩提取方式,为未来的研究提供参考。

1　实验方案设计

2019年新疆巴里坤团结东路M12号墓地出土了一组

保存较完整的清代服饰文物,因新疆出土的清代服饰实物

较少,这组文物对研究清代染织技艺和清代中央经营西域

的相关历史具有重要意义。本文研究对象为巴里坤M12

号墓出土的清代蟒袍、补服与妆花缎枕巾表面的部分纹样

图案。

为高效准确地提取M12纺织品文物的色彩并实现文物

纹样数字化,本文提出了一种基于多变量模糊C均值(Mult-

ivariateFuzzyC-mean,MFCM)聚类算法与K-means++聚

类算法相结合的纺织品文物纹样色彩提取方法。具体实验

方案为:首先采集文物图像,经双边滤波对图像进行平滑降

噪处理,去除图像中糟朽、缺损、斑点等带来的噪声,保留纹

样的轮廓;然后采用MFCM聚类算法对降噪处理后的图像

进行分割,并在RGB色彩空间中通过K-means++聚类算

法对纺织品主色进行聚类和取色;最后使用CorelDRAW对

纹样造型进行矢量化提取,并用前期聚类算法提取的主色进

行填充,最终完成纹样的数字化处理,相关技术路线如图1

所示。

在CIE-

Lab颜色空间中结合织物结构特征与颜色区域信息,建立了

基于模糊区域的分割模型,从而完成织物图案分割和颜色提

取;Kuo等

[14]

提出了一种印花织物的自动分色方法,在HSI

模式下使用遗传算法与FCM区域分割法进行织物色彩提取,

达到快速分色的目的;Hu等

[15]

则用八叉树法量化织锦色彩,

在K-means聚类算法提取色彩后展开设计并模拟织锦外观;

Xing等

[16]

利用Mean-shift算法提取中国传统云肩色彩并得

到较为准确的实验结果;陈登凯等

[17]

基于MCCQ算法得到

民间布老虎的色彩特征,以归纳传统布老虎的独特色彩语言

与文化特征等。

以上研究通过计算机算法提高了传统织物色彩数字化提

取的效率,为纺织品文物纹样的色彩提取与数字化复原研究

提供了思路。然而,由于纺织品文物表面往往存在氧化褪色、

图1　技术路线

2　实验过程

Fig.1　Technicalroutes

2.1.2　平滑降噪算法原理

考虑到纺织品文物的残损情况在图像拍摄与传输的过程

中容易产生噪点,所以需将得到的图像进行平滑降噪处理。

本文采用双边滤波算法

[19]

进行降噪平滑处理,使图像在保留

轮廓和边缘的同时过滤噪声。双边滤波算法通过像素与邻近

像素值的加权平均进行非线性平滑滤波,其原理可用下式

表示:

BF[I]

2.1　图像获取和平滑降噪处理

2.1.1　图像采集

为准确采集纺织品文物的图像信息,本文使用相机佳能

EOS5DMarkⅢ,在LED光源条件下拍摄实物图像。由于出

土纺织品文物存在一定程度的褪色和污损,需要首先对图像

进行色彩校准,之后才能进行色彩提取。本文首先采集了巴

里坤出土的一套清代官服和妆花缎枕套纹样的彩色图像,在

D50标准光源下,观察文物实物,与文物图像进行比对,在

Photoshop中使用三个代表色(红、蓝、绿)进行色彩校准

[18]

为下一步色彩提取准备好基础的实验素材。

∑

q∈S

(

p-q

(|I

-I

|)I

(1)

式中:BF[I]

为像素p经双边滤波后的结果图像,S为以像素

p为中心的邻域,G

(

p-q

)为空间权重,G

(|I

-I

|)为

像素权重,I

为输入图像中像素p的颜色值,I

为输出图像中

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

像素q的颜色值,σ

与σ

分别为空间距离的权值参数与像素

值距离的权值参数。

权值k

可用下式计算:

2.2　基于MFCM聚类算法的图像分割

2.2.1　图像分割算法原理

为保证后期聚类算法的准确性不受到文物糟朽、破损等

因素的影响,本文使用MFCM算法

[20]

对实验对象进行分割,

选择出纹样色彩的典型局部,以方便后期的色彩数字化提取。

MFCM算法是对模糊C均值聚类算法的改进,其在不同维度

为样本赋予不同的隶属度,增加样本信息。在使用MFCM算

法分割图像时,可以将图像视为该图像所有像素点的集合,每

个像素作为图像的样本。不妨设像素点总数为n,分类数为

c,对于每个像素还需扩展其分量数量与聚类中心,设样本

=(x

,…,x

)

∈R

,对应聚类中心为C

=(C

,…,C

)

∈

,其中d为像素分量,x

、C

分别为x

与C

的k维分量,隶

属度u

ijk

表示第j个像素k维度分量对第i类的隶属度,由此得

出目标函数为:

2.1.3　平滑降噪实验过程及结果分析

通过双边滤波算法对织物图像进行处理,如图2所示。

在双边滤波算法中,σ

与σ

是关系滤波结果的重要参数,

在参数调整时一般选择较大的σ

值与较小的σ

。从图2可

以看出,滤波后的图像在滤噪的同时保留了纹样的轮廓

边界。

∑

q∈S

(

p-q

(|I

-I

|)(2)

图2　滤噪后图像效果

Fig.2　Imageeffectafterthenoiseremoval

式中:

-C

为第j个样本到第i个中心的第k维分量的距

离;α为参数且α>1。

约束条件为:

∑∑∑

cnd

i=1j=1k=1

ijk

-C

(3)

实验发现,在实验窗口大小5×5的环境下运行双边滤波

算法,当σ

=3、σ

=0.2时可以得到边缘较为清晰且的结果,

如图3所示。在σ

与σ

值均较小时虽然轮廓清晰,但是纹

样表面的滤噪效果与原图对比变化不大。在σ

与σ

值较大

时,刺绣纹样的边缘轮廓清晰度低,会造成纹样中一些细节也

被过滤,如图3(d)中宝伞纹的伞顶与伞柄在σ

与σ

值较大

时边缘均被模糊,导致后续图像分割困难,使纹样在色彩提取

时因缺失部分细节而造成计算误差。

通过拉格朗日乘子法结合函数J计算聚类中心与新的隶

属度函数:

∑∑

i=1k=1

ijk

=1;j=1,2,3,…,n

(4)

∑

j=1

s=1

ijk

∑

isk

;i=1,2,3,…,c;k=1,2,3,…,d

(5)

;j=1,2,3,…,n

(6)

ijk

∑∑

(

h=1s=1

ijk

sjh

)

(α-1)

完成以上步骤后对各个像素的分量隶属度求和,

得到:

重复迭代隶属度,当样本x

和聚类中心C

的隶属度与上

一次迭代样本x

和聚类中心C

的隶属度的最大差值不变且

接近于误差阈值,认为达到最优解,结束迭代,输出分割图像

结果。

2.2.2　图像分割实验过程

图3　原图和不同参数下降噪平滑效果对比

Fig.3　Comparisonofnoisereductionandsmoothingeffects

betweenoriginalimageanddifferentparameters

∑

k=1

ijk

(7)

对巴里坤出土的这一套清代纺织品文物中的官补、蟒袍

刺绣及妆花缎枕巾局部纹样进行计算,然后在Python中通过

可视化数据得到主色色卡,结果如表1所示。

第60卷　第5期

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

表1　纹样色彩提取

Tab.1　Patterncolorextraction

纹样文物图像平滑降噪图像MFCM分割后图像比例色卡K值

宝伞纹(蟒袍)5

蝙蝠祥云纹(蟒袍)6

海水江崖纹(蟒袍)5

如意纹(蟒袍)3

双鱼纹(蟒袍)8

祥云纹(蟒袍)6

菊花蝙蝠纹(枕巾)4

官补11

　　MFCM算法的重要参数指标为聚类簇数,本文以巴里

坤蟒袍上的宝伞纹图像为例,其像素总数为269352,在不

同聚类簇下经过101次迭代后,得到不同效果的分割结

果,如图4所示。实验发现,聚类簇数c为2时选择结果较

好,原图像中主要的糟朽与背景分割较为清晰。由于聚类

簇数越大,分割纹理边缘越粗,分割层次越多,这导致结果

中图像的细节损失越多,纹样中损失的可用信息无法

体现。

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

有糟朽氧化的纺织品文物纹样,且可以在较短的时间内批量

处理图像,能剔除部分影响结果的图像内容,提取更有效的局

部分割图像,提取结果噪声较小,样本隶属度值的划分较一般

聚类算法更加灵活

[24]

。

表2　不同算法的IOU评价值

Tab.2　IOUevaluationvaluesfordifferentalgorithms

算法名称

FCM算法

EnFCM算法

MFCM算法

IOU值

0.852

0.893

0.921

2.3　基于K-means++聚类算法的主色调提取

2.3.1　主色提取的算法原理

图4　不同聚类簇数分割结果

Fig.4　Segmentationresultswithdifferentnumbersofclusters

纺织品文物的纹样边界多具有封闭性,且每一个封闭区域

内色彩相对均匀,可使用聚类算法将纹样中的色彩归类,最终

得到代表纹样色彩的类值。因RGB颜色空间中距离的远近与

色彩变化存在关联性,可直接在RGB颜色空间中使用聚类算

法提取色彩。但由于K-means聚类算法在计算时随机选择初

始聚类中心,导致收敛结果获取速度较慢,且同时收敛于局部

最优解,易造成结果误差。基于以上问题,为更有效地得到聚

类数量和织物颜色,本文使用K-means++聚类算法优化初始聚

类中心的选择,一定程度上可以避免传统K-Means算法收敛于局

部最优解的缺陷,从而提高运行速度,降低结果误差,其步骤为:

1)随机选择一个样本作为第一个聚类中心C。

2)计算每个样本与当前已有聚类中心的最短距离D

2.2.3　图像分割实验有效性评价

为进一步验证MFCM聚类算法对本文纺织品文物纹样

的分割有效性,本文以人工分割为参考标准,将MFCM聚类

算法分割好的纹样与模糊C均值聚类(FCM)算法

[21]

及增强

模糊本文均值聚类(EnFCM)算法

[22]

对比,结果如图5所示。

与人工分割的图像进行对比,直接使用FCM算法分割蟒袍的

宝伞纹样,其对样本归类的隶属度不是特别精确,对局部清晰

度低的边界判断存在误差,导致部分区域背景与刺绣纹样没

有完全分割开,如图5(b)所示;图5(c)显示使用EnFCM算

法对纹样进行分割时损失的色彩信息较多;而图5(d)显示

MFCM算法分割效果较其他两种方法效果更好。

(x),同时计算每个样本作为下一个聚类中心的概率,该概率

可用下式表示:

3)重复步骤2,采用同样的方式,选出K个聚类中心。

距离,计算公式为:

∑

x∈x

D(x)

(8)

4)计算n-K个剩余样本点到每个初始聚类中心的欧氏

d(x

式中:x

表示数据点,g

表示聚类中心,j表示维度。

计算后得到该样本与K个聚类中心中最小的距离,并将

该样本分配进此距离中心所在的类。

的聚类中心,计算公式为:

5)对于每一个类,去均值后重新计算聚类中心,c

为新

∑

j=1

-g

)

(9)

图5　不同分割方法对比

间的距离小于阈值,认为聚类收敛;反之,重复步骤4与步骤5,

至新的聚类中心与步骤3中聚类中心距离小于阈值,结束迭代。

2.3.2　主色调提取实验

按照前述算法原理,本文使用K-means++聚类算法提

6)将新的聚类中心与步骤3中聚类中心对比,若二者之

∑

x∈C

(10)

此外,通过IOU评价指标

[23]

对比算法分割图像与人工分

割图像重叠度,结果如表2所示。由表2可以看出,MFCM算

法在与人工分割图像的IOU值较高,其交并集比值呈现出评

价结果偏高的趋势,表明MFCM算法可以较为准确地分割出

Fig.5　Comparisonofdifferentsegmentationmethods

取文物主色,并将提取得到的色彩按比例填充进入图像轮廓

中,可得到如表3所示的纹样效果。

第60卷　第5期

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

表3　纹样轮廓填充效果

Tab.3　Patterncontourfillingeffect

纹样文物图像主色调提取结果纹样色彩数字化复原图

宝伞纹(蟒袍)

蝙蝠祥云纹(蟒袍)

海水江崖纹(蟒袍)

如意纹(蟒袍)

双鱼纹(蟒袍)

祥云纹(蟒袍)

菊花蝙蝠纹(枕巾)

官补

2.3.3　主色调提取实验效果检验

为验证利用本文算法提取的色彩与原文物图像的一致

性,本文以巴里坤出土的官补为例,选择文物色彩复原中常用

的软件取色法

[25]

进行对比,结果如图6所示。由图6结果显

示,软件取色法取色结果的整体色彩基调更加明亮,同时该方

法基于人工取色,不同操作人员取色结果易造成误差,并且取

色流程复杂。

随后,使用RGB色彩分布散点图进一步量化两种方法取

色效果的差异,结果如图7所示。对比图7(a)所示文物图像

的RGB色彩散点分布图和分别使用前述两种取色方法取色

结果的色彩散点分布图可以发现,图7(b)中本文聚类算法取

色结果的RGB色彩散点分布图中蓝青色系在蓝通道上的数

值比图7(c)中软件取色结果的蓝青色系在蓝通道的数值更

低,更接近图7(a)中蓝青色系在蓝通道上的值;同时聚类算

法取色结果中橙色系过渡至蓝色系的图像较软件取色结果更

加连贯;此外,聚类算法取色结果橙色系比重大,黄色系比重

少,而软件取色结果中橙色系色彩分布较稀疏,黄色系色彩

多,在橙黄色系色彩分布上聚类算法取色结果更加接近文物

图像主色分布特征。由此可认为,本文使用优化的聚类算法

取色结果在准确程度上高于软件取色法。

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

图6　交互式调和法取色步骤及数字化填充效果

Fig.6　Interactiveblendingmethodforpickingupcolorsanddigitalfillingeffects

图7　补子RGB色彩散点分布图对比

Fig.7　ComparisonofRGBcolorscatterplotsofBuzi(Mandarinsquare)

　　从取色效率来看,计算机聚类算法明显优于软件逐点取

色,而为了验证K-means++与K-means两种聚类算法的运

行效果之优劣,本文将实验对象分别代入两种算法中计算,得

到其对应的算法时长,如表4所示。

表4　K-means与K-means++算法时长对比

Tab.4　DurationcomparisonofK-meansandK-means++algorithms

计算图像K-means算法时长/s

　9.31

K-means++算法时长/s

3.72

　　由表4可见,K-means++聚类算法运算的时长更短,速

度更快。此外,本文又以M12出土官补为例,比较了两种聚

类算法得到的取色结果,并分析了其色彩RGB直方图分布情

况,如图8、图9所示。结果显示,图9(b)中K-means聚类算

法提取色彩的RGB直方图曲线凸起整体偏右,且坐标最右端

仍有凸起,曲线起始点的横坐标较大,所提取色彩的曝光率过

高,与图9(a)中文物初始图像的RGB直方图不符。而图9

(c)中K-means++聚类算法提取色彩的RGB直方图曲线凸

起相对居中,曲线起始点的横坐标更接近文物初始图像的

RGB直方图,其画面曝光偏中间调,由此说明K-means++聚

类算法的色彩提取结果更接近文物色彩特征,其准确性高于

　1.65

10.78

　9.75

4.08

5.19

1.43

K-Means聚类算法。

　9.583.21

图8　两种算法下补子色彩提取结果

10.11

11.12

3.77

1.34

Fig.8　Buzicolourextractionresultsforbothalgorithms

2.4　纹样色彩分析

利用聚类算法提取主色的优势在于可直观准确地体现出

土文物的色彩特征,以本文色彩提取结果为例,首先使用HSV

14.825.01

色相环对其色相进行分析,得到色相分布模型如图10所示。

由图10可以看出,其色相搭配具有一定的特点,其中蟒袍与

第60卷　第5期

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

图9　补子与提取色彩RGB直方图

Fig.9　BuziandextractedcolourRGBhistograms

枕巾的色彩主要分布在橙色中,其次为蓝青色、黄绿色、绿色、

品红色系,表明蟒袍刺绣纹样整体呈现出暖色调的特点,并适

当地使用冷色调的海水江崖纹、祥云纹及宝伞、如意等纹样搭

配点缀;补子色彩主要分布在青色系中,剩余较少分布在橙色

与黄绿色系中,表明其以冷色调为主,特别是蟒袍刺绣中的祥

云纹、海水江崖纹、湖石纹样都呈现出中性偏冷的色调,色相

的选择和搭配非常精妙。

从色彩明度来看,先将其按照低明度(0~33%)、中明度

(34%~66%)、高明度(67%~100%)三个尺度划分,可以

通过表5看出巴里坤出土蟒袍刺绣与枕巾纹样的明度分布

中以低明度色彩为主,部分中明度色彩作为搭配色,给人以

和谐沉静的视觉感受。表6中补子主色明度以低明度为主,

其中云纹、水纹、湖石纹的明度层次呈现出过渡的特点;兽纹

外轮廓、草木花卉纹样与部分祥云纹整体明度较低。其色

彩饱和度则在三个层次均有分布,且蟒袍与官补刺绣整体

表现出从上至下饱和度增加的特点,在视觉上增加了色彩

层次的过渡。尽管这一组纺织品文物存在氧化褪色等情

图10　色相色环分布模型

Fig.10　Hueringdistributionmodel

况,但是依然可以看出其丰富的色彩搭配与含蓄华丽的艺

术风格。

表5　蟒袍与枕巾纹样HSV数据采集

Tab.5　HSVdatacollectionofpatternsofthepythonrobeandpillowcase

数据采集对象HSV数值

黄绿色系:H(78°)、S(15%)、V(49%);H(74°)、S(12%)、V(53%)

青色系:H(40°)、S(1%)、V(38%)

蓝青色系:H(200°)、S(66%)、V(33%);H(207°)、S(70%)、V(25%);H(199°)、S(27%)、V(30%);H(192°)、

S(32%)、V(28%);H(194°)、S(20%)、V(40%);H(200°)、S(37%)、V(40%)

橙色系:H(29°)、S(13%)、V(86%);H(40°)、S(55%)、V(68%);H(41°)、S(20%)、V(62%);H(32°)、S(6%)、

V(62%);H(40°)、S(16%)、V(81%);H(35°)、S(63%)、V(59%);H(45°)、S(8%)、V(83%);H(48°)、

S(13%)、V(60%);H(42°)、S(15%)、V(67%);H(40°)、S(31%)、V(57%);H(49°)、S(50%)、V(51%);

H(38°)、S(34%)、V(67%);H(34°)、S(31%)、V(76%);H(31°)、S(38%)、V(67%);H(45°)、S(14%)、

V(60%);H(46°)、S(25%)、V(58%);H(42°)、S(5%)、V(45%);H(35°)、S(47%)、V(56%);H(35°)、

S(41%)、V(79%);H(30°)、S(48%)、V(67%);H(31°)、S(47%)、V(44%)

红色系:H(17°)、S(40%)、V(37%);H(21°)、S(32%)、V(40%);H(27°)、S(33%)、V(58%);H(30°)、S(3%)、

V(82%);H(23°)、S(26%)、V(50%);H(17°)、S(37%)、V(47%)

蟒袍与枕巾纹样

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

表6　补子刺绣纹样HSV数据采集

Tab.6　HSVdatacollectionoftheembroiderypatternsofBuzi

数据采集对象HSV数值

橙色系:H(29°)、S(45%)、V(67%);H(33°)、S(25%)、V(87%);H(36°)、S(18%)、V(82%)

黄绿色系:H(65°)、S(7%)、V(79%);H(75°)、S(11%)、V(68%)

青绿色系:H(153°)、S(10%)、V(52%)

青色系:H(178°)、S(5%)、V(74%);H(173°)、S(14%)、V(61%);H(186°)、S(7%)、V(69%)

蓝青色系:H(198°)、S(21%)、V(64%);H(221°)、S(28%)、V(34%)

examinationofhistoricdress[C]//2011SecondInternational

ConferenceonCultureandComputing(CultureComputing).Japan:

IEEEComputerSociety,2011:51-56.

[2]周博文.云锦织物数字化展示技术研究[D].杭州:浙江大学,

2017.

lDisplayTechnologyofBrocade[D].

补子刺绣纹样

3　结　论

本文提出了一种基于多变量模糊C均值聚类(Multivariate

FuzzyC-mean,MFCM)算法与K-means++聚类算法相结合

的纺织品文物纹样色彩提取方法,并以巴里坤M12出土的一

组纺织品文物为实验对象,通过平滑降噪、图像分割、主色调

提取、纹样数字化复原等一系列实验,完成了纺织品文物纹样

数字化处理和色彩分析。同时,为验证本文实验方案的实际

应用效果,本文对比了不同参数下纺织品文物纹样数字化处

理的效果,并通过多种算法实验检验了使用本文算法取色的

准确性及取色效率。实验表明,本文提出的实验方案能够较

好的提高计算机取色的准确性,并能大大提高取色效率,具有

一定的应用价值。

通过计算机聚类算法对巴里坤M12墓地出土纺织品纹

样色彩进行数字化处理,可以较直观地了解文物配色的风格

特征。从本文实验对象的取色结果可知,清代官服搭配具有

明显的时代特征。内层蟒袍作为吉服,主要选择暖色调为主,

并以精美的纹样进行点缀,凸显华丽富贵的仪式感。外层官

服作为朝服,以石青等冷色调为主,素色为底,仅以胸背方补

为装饰,体现出朝会活动的庄重正式感。补子的刺绣色彩以

冷色调居多,蟒袍等其他文物的色彩表现出暖色调至冷色调

从上到下过渡的特点,色彩搭配对比鲜明,互为补充。

由于实验条件和设备的局限,本文所设计的实验方案还

不够完善。但实验表明,本文的色彩提取算法可适用于多种

纺织品文物数字化复原过程,这一方法既可避免对质地脆弱

的纺织品文物造成二次伤害,同时又方便了未来对纺织品文

物的研究学习和数字化展示工作,可为文物内涵的创新转化

积累有益经验。这在当前文化遗产数字化保护及传播工作中

具有重要的现实意义。

Hangzhou:ZhejiangUniversity,2017.

[3]赵娜,赵芮禾.明宁靖王夫人吴氏墓出土织金璎珞纹云肩妆花缎

夹袄实验考古学研究[J].形象史学,2022(2):61-78.

ZHAONa,rimentalarchaeologicalstudyof

thegold-embellishedcloud-shoulderedsatinjacketexcavatedfromthe

tombofWu,wifeofKingNingjingoftheMingDynasty[J].Image

HistoricalStudies,2022(2):61-78.

[4]王亚楠.马山楚绣数字化虚拟修复技术应用研究[D].武汉:武

汉大学,2019.

chonDigitalVirtualRepairTechnologyof

MashanChuEmbroidery[D].Wuhan:WuhanUniversity,2019.

[5]tivepatternsandsetsofcolorsinspiredbyfolkand

heritageoftheregion[J].ColorResearchandApplication,2018,43

[6]刘珈利,贺荣,田伟,等.色彩体系发展概述及其在傣锦设计中

的实践[J].丝绸,2021,58(9):117-125.

LIUJiali,HERong,TIANWei,viewofcolorsystem

developmentanditsapplicationinDaibrocadedesign[J].Journalof

Silk,2021,58(9):117-125.

[7]肖梦薇.北京故宫古代建筑群外檐苏式彩画纹饰与色彩研究

[D].北京:北京建筑大学,2013.

dyontheLine-adorningandColorofthe

ImperialBuildingsofPalaceMuseumOutsideEavesSuzhou-style

DecorativePainting[D].Beijing:BeijingUniversityofCivil

(6):942-950.

appliedartsofUpperSilesia,apopularizationofvisualcultural

EngineeringandArchitecture,2013.

[8]赵浩亦.基于数字图像处理技术的唐代敦煌壁画女性服饰色彩研

究[D].杭州:浙江理工大学,2020:25-34.

chonFemaleCostumes’ColorinTang

《丝绸》官网下载

参考文献:

中国知网下载

DunhuangFrescoBasedonDigitalImageProcessingTechnology

25-34.

[D].Hangzhou:HangzhouZhejiangSci-TechUniversity,2020:

[1]MARTINK,inghistoricfashion:Digitaltoolsforthe

[9]刘肖健,曹愉静,赵露唏.传统纹样的色彩网络模型及配色设计

第60卷　第5期

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

辅助技术[J].计算机集成制造系统,2016,22(4):899-907.

LIUXiaojian,CAOYujing,etworksof

[18]尚玉平,欧阳盼,刁常宇,等.新疆尼雅墓地出土纺织品文物的

数字化信息采集:以95MNIM8:15“五星出东方利中国”织锦护

臂为例[J].文物,2020(5):80-88.

SHANGYuping,OUYANGPan,DIAOChangyu,sation

oftextilesfoundintheNiyacemeteryinXinjiang:Acasestudyof

theFiveStarsRisingintheEastBenefitChinaarmprotector

(95MNIM8:15)[J].CulturalRelics,2020(5):80-88.

traditionalculturalpatternsandcolordesignaidingtechnology[J].

ComputerIntegratedManufacturingSystem,2016,22(4):899-

907.

[10]赵露唏.中国传统文化色彩网络的大数据分析技术研究[D].杭

州:浙江工业大学,2016.

aAnalysisTechnologyofChineseTraditional

CultureNetworkResearch[D].Hangzhou:ZhejiangUniversityof

Technology,2016.

[11]KUOCFJ,JIANBL,TUNGCP,ticmachine

embroideryimagecoloranalysissystem,partⅡ:Applicationofthe

geneticalgorithminsearchofarepetitivepatternimage[J].Textile

ResearchJournal,2012,82(11):1099-1106.

[12]邢乐,张杰,梁惠娥,等.传统服饰云肩实物图像主色的智能检

测[J].纺织学报,2017,38(11):110-115.

XINGLe,ZHANGJie,LIANGHui’e,igentinspection

ofdominantcolorforChinesetraditionalfolkYunjian[J].Journal

ofTextileResearch,2017,38(11):110-115.

[13]thodforautomaticseparationoffabriccolor

[14]KUOCFJ,dfabriccomputerizedautomatic

colorseparatingsystem[J].TextileResearchJournal,2011,81

(7):706-713.

[J].TextileResearchJournal,2015,85(14):1520-1538.

[19]THAIB,DENGG,ROSSR,edbilateralfilteringfor

near-edgeartifactsavoidanceandimpulsenoisesuppression[C]//

IEEE11

ConferenceonIndustrialElectronics

2016

and

Applications(ICIEA).Hefei:IEEE,2016:663-668.

[20]PIMENTELBA,variatefuzzyc-meansmethod

[21]relativeoftheISODATAprocessanditsusein

detectingcompactwell-separatedclusters[J].Journal

Cybernetics,1973,3(3):32-57.

[22]张燕,高鑫,刘以,等.基于改进像素相关性模型的图像分割算

法[J].图学学报,2022,43(2):205-213.

ZHANGYan,GAOXin,LIUYi,egmentation

algorithmbasedonimprovedpixelcorrelationmodel[J].Journalof

Graphics,2022,43(2):205-213.

[23]吴志洋,卓勇,廖生辉.改进的多目标回归实时人脸检测算法

[J].计算机工程与应用,2018,54(11):1-7.

objectiveregressivereal-timeface

WUZhiyang,ZHUOYong,edmulti-

detectionalgorithm[J].

[J].AppliedSoftComputing,2013,13(4):1592-1607.

[15]HUT,LIJ,WANGJ,chtheintelligentdesignand

:IEEE,2017:87-92.

[16]XINGLe,ZHANGJie,LIANGHui’e,etal.

simulationsystemofTujiabrocade[C]//IEEEInternationalComputerEngineeringandApplications,2018,54(11):1-7.

[24]赵甜雨.基于模糊理论的图像分割算法改进与应用[D].烟台:

烟台大学,2021.

ementandApplicationofImagerecognitionofdominantcolorsofChinesetraditionalcostumesbased

Intelligent

onameanshiftclusteringmethod[J].TheJournaloftheTextile

Institute,2018,109(10):1304-1314.

[17]陈登凯,王瑶.基于MCCQ的民间布老虎色彩特征提取及设计

实践[J].包装工程,2019,40(24):45-49.

CHENDengkai,eatureextractionoffolkcloth

tigersanddesignpracticebasedonMCCQalgorithm[J].Packaging

Engineering,2019,40(24):45-49.

SegmentationAlgorithmBasedonFuzzyTheory[D].Yantai:

YantaiUniversity,2021.

[25]张辉,信晓瑜,马嘉琪,等.基于层次分析法的新疆尼雅出土服

饰虚拟复原效果评价[J].毛纺科技,2022,50(4):66-72.

ZHANGHui,XINXiaoyu,MAJiaqi,tionofvirtual

restorationeffectofNiyaunearthedclothinginXinjiangbasedon

AHP[J].WoolTextileJournal,2022,50(4):66-72.

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms

AcasestudyofthepatternsoftheQingDynastytextilesunearthedfromBalikunM12 Xinjiang

ZHAOWeiyi

SHANGYuping

KANGXiaojing

LIWenying

XINXiaoyu

LIUKaixuan

eofTextilesandClothing XinjiangUniversity Urumqi830017 China ngInstituteofCulturalRelicsandArchaeology

Urumqi830011 China l&ArtDesignCollege Xi

2024年4月3日发(作者：合思慧)

研究与技术

丝绸

JOURNALOFSILK

———以新疆巴里坤M12出土清代纺织品纹样为例

基于聚类算法的纺织品文物色彩提取与纹样数字化探索

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms

AcasestudyofthepatternsoftheQingDynastytextilesunearthedfromBalikunM12 Xinjiang

赵维一

,尚玉平

,康晓静

,李文瑛

,信晓瑜

,刘凯旋

3.西安工程大学服装与艺术设计学院,西安710048)

(1.新疆大学纺织与服装学院,乌鲁木齐830017;2.维吾尔自治区文物考古研究所,乌鲁木齐830011;

摘要: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(MultivariateFuzzyC-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。

关键词:聚类算法;纺织品;色彩提取;数字化;巴里坤;文物保护

中图分类号:TS941.11;TP391.41　　　　文献标志码:A　　　　文章编号:1001

引用页码:051102

7003(2

DOI:10.3969/.1001-7003.2023.05.002

　　纺织品文物体现了特定历史时期的技术工艺和艺术审

美,是了解古代文化、礼仪和制度的重要窗口,具有珍贵的历

史价值,对其保护与研究对弘扬中华优秀传统文化具有重要

作用。然而,纺织品文物多由有机物构成,质地相对脆弱,给

相关陈列展览和科学研究带来较大困难。随着现代信息技术

的发展,数字化技术因其极大地便利了纺织品文物的研究、展

示与文化传播,成为纺织品文物保护和科技考古领域的重要

趋势之一。纺织品文物的数字化研究主要包括纺织品文物的

形制数字化复原与展示、色彩数字化提取、纹样矢量化绘制、

织物组织结构数字化复原等。在纹样数字化模拟与展示方

面,常见扫描合成图像,如使用QuicktimeVR技术虚拟全景

展示纺织品文物,并通过局部拍摄展示纺织品文物纹样细节

特征

[1]

,国内文博单位也常以高分辨率的局部文物图像展示

其纹样细节;除扫描拍摄展示纺织品文物外,还可以在计算机

中绘制构建虚拟纺织品文物纹样,如周博文

[2]

基于Web平

台,采集云锦图像并结合二维算法与三维场景模拟技术,最后

展示了云锦的三维效果;赵娜等

[3]

则使用AI软件绘制明代夹

袄表面的复杂妆花缎璎珞纹饰。在织物组织结构数字化复原

研究中,王亚楠

[4]

以传统刺绣修复流程为基础,使用Adobe系

列软件对马山楚墓的部分纺织品文物刺绣进行数字化修复,

对刺绣品的虚拟修复进行了实践研究,并通过多种方法数字

化模拟纺织品文物纹样,让文物可以线上展示,在保护文物的

同时还方便了文化的传播,并让更多人欣赏到纺织品文物的

细节。以上研究体现出数字化技术在纺织品文物保护领域具

有极大的应用前景。

收稿日期:20220922;修回日期:20230331

色彩提取是纺织品文物纹样模拟与复原的关键内容,文

保人员通常使用测色仪或计算机绘图软件提取图像色彩

[5-6]

其取色结果受取色点位置和数量影响较大,取色效率较低且

具有较强主观性,取色结果容易产生偏差。随着计算机图像

处理技术的快速发展,利用计算机算法高效准确地提取文物

色彩成为当前文化遗产数字化研究的新方向。如肖梦薇

[7]

以

故宫建筑外檐彩画为研究对象,结合数据提炼其配色倾向,归

基金项目:新疆维吾尔自治区社会科学基金项目(20BYS144);教育

部人文社会科学基金项目(22XJJA780001,22YJAZH064);国家可移

动文物保护项目(新文旅复函〔2021〕886号)

作者简介:赵维一(1998),女,硕士研究生,研究方向为服装设计与

纺织品文物数字化保护。通信作者:信晓瑜,副教授,xinxiaoyu00@

。

第60卷　第5期

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

纳总结了研究对象的色彩基因与现状;赵浩亦

[8]

使用

K-means聚类算法提取了唐代壁画中女性服饰的主要色彩。

部分学者对传统纹样进行色彩提取,如刘肖健等

[9]

利用聚类

算法在传统纹样图库中获取特征色,构建色彩网络模型,实现

基于传统纹样色彩的产品配色方案;赵露晞

[10]

提取部分具有

文化现象的传统纹样色彩,探讨了具有文化现象的传统纹样

的色彩特征及研究方法。Kuo等

[11]

通过增加色彩信息量提

高织物纹样分割的精度,从而使提取的色彩更为准确;邢乐

等

[12]

通过Mean-shift算法实现了传统服饰的主色检测与智能

提取,并讨论了不同滤波窗口尺寸与Mean-shift不同带宽下

被检测图像的主色与实物图像的接近程度;Zheng

[13]

糟朽、缺损、斑点、颜色不均等病害,由此获取的织物图像色彩

不够准确,给纺织品文物纹样数字化处理带来了困难。本文

试图在前辈学人的研究基础上探索一种优化改良的计算机色

彩提取方式,为未来的研究提供参考。

1　实验方案设计

2019年新疆巴里坤团结东路M12号墓地出土了一组

保存较完整的清代服饰文物,因新疆出土的清代服饰实物

较少,这组文物对研究清代染织技艺和清代中央经营西域

的相关历史具有重要意义。本文研究对象为巴里坤M12

号墓出土的清代蟒袍、补服与妆花缎枕巾表面的部分纹样

图案。

为高效准确地提取M12纺织品文物的色彩并实现文物

纹样数字化,本文提出了一种基于多变量模糊C均值(Mult-

ivariateFuzzyC-mean,MFCM)聚类算法与K-means++聚

类算法相结合的纺织品文物纹样色彩提取方法。具体实验

方案为:首先采集文物图像,经双边滤波对图像进行平滑降

噪处理,去除图像中糟朽、缺损、斑点等带来的噪声,保留纹

样的轮廓;然后采用MFCM聚类算法对降噪处理后的图像

进行分割,并在RGB色彩空间中通过K-means++聚类算

法对纺织品主色进行聚类和取色;最后使用CorelDRAW对

纹样造型进行矢量化提取,并用前期聚类算法提取的主色进

行填充,最终完成纹样的数字化处理,相关技术路线如图1

所示。

在CIE-

Lab颜色空间中结合织物结构特征与颜色区域信息,建立了

基于模糊区域的分割模型,从而完成织物图案分割和颜色提

取;Kuo等

[14]

提出了一种印花织物的自动分色方法,在HSI

模式下使用遗传算法与FCM区域分割法进行织物色彩提取,

达到快速分色的目的;Hu等

[15]

则用八叉树法量化织锦色彩,

在K-means聚类算法提取色彩后展开设计并模拟织锦外观;

Xing等

[16]

利用Mean-shift算法提取中国传统云肩色彩并得

到较为准确的实验结果;陈登凯等

[17]

基于MCCQ算法得到

民间布老虎的色彩特征,以归纳传统布老虎的独特色彩语言

与文化特征等。

以上研究通过计算机算法提高了传统织物色彩数字化提

取的效率,为纺织品文物纹样的色彩提取与数字化复原研究

提供了思路。然而,由于纺织品文物表面往往存在氧化褪色、

图1　技术路线

2　实验过程

Fig.1　Technicalroutes

2.1.2　平滑降噪算法原理

考虑到纺织品文物的残损情况在图像拍摄与传输的过程

中容易产生噪点,所以需将得到的图像进行平滑降噪处理。

本文采用双边滤波算法

[19]

进行降噪平滑处理,使图像在保留

轮廓和边缘的同时过滤噪声。双边滤波算法通过像素与邻近

像素值的加权平均进行非线性平滑滤波,其原理可用下式

表示:

BF[I]

2.1　图像获取和平滑降噪处理

2.1.1　图像采集

为准确采集纺织品文物的图像信息,本文使用相机佳能

EOS5DMarkⅢ,在LED光源条件下拍摄实物图像。由于出

土纺织品文物存在一定程度的褪色和污损,需要首先对图像

进行色彩校准,之后才能进行色彩提取。本文首先采集了巴

里坤出土的一套清代官服和妆花缎枕套纹样的彩色图像,在

D50标准光源下,观察文物实物,与文物图像进行比对,在

Photoshop中使用三个代表色(红、蓝、绿)进行色彩校准

[18]

为下一步色彩提取准备好基础的实验素材。

∑

q∈S

(

p-q

(|I

-I

|)I

(1)

式中:BF[I]

为像素p经双边滤波后的结果图像,S为以像素

p为中心的邻域,G

(

p-q

)为空间权重,G

(|I

-I

|)为

像素权重,I

为输入图像中像素p的颜色值,I

为输出图像中

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

像素q的颜色值,σ

与σ

分别为空间距离的权值参数与像素

值距离的权值参数。

权值k

可用下式计算:

2.2　基于MFCM聚类算法的图像分割

2.2.1　图像分割算法原理

为保证后期聚类算法的准确性不受到文物糟朽、破损等

因素的影响,本文使用MFCM算法

[20]

对实验对象进行分割,

选择出纹样色彩的典型局部,以方便后期的色彩数字化提取。

MFCM算法是对模糊C均值聚类算法的改进,其在不同维度

为样本赋予不同的隶属度,增加样本信息。在使用MFCM算

法分割图像时,可以将图像视为该图像所有像素点的集合,每

个像素作为图像的样本。不妨设像素点总数为n,分类数为

c,对于每个像素还需扩展其分量数量与聚类中心,设样本

=(x

,…,x

)

∈R

,对应聚类中心为C

=(C

,…,C

)

∈

,其中d为像素分量,x

、C

分别为x

与C

的k维分量,隶

属度u

ijk

表示第j个像素k维度分量对第i类的隶属度,由此得

出目标函数为:

2.1.3　平滑降噪实验过程及结果分析

通过双边滤波算法对织物图像进行处理,如图2所示。

在双边滤波算法中,σ

与σ

是关系滤波结果的重要参数,

在参数调整时一般选择较大的σ

值与较小的σ

。从图2可

以看出,滤波后的图像在滤噪的同时保留了纹样的轮廓

边界。

∑

q∈S

(

p-q

(|I

-I

|)(2)

图2　滤噪后图像效果

Fig.2　Imageeffectafterthenoiseremoval

式中:

-C

为第j个样本到第i个中心的第k维分量的距

离;α为参数且α>1。

约束条件为:

∑∑∑

cnd

i=1j=1k=1

ijk

-C

(3)

实验发现,在实验窗口大小5×5的环境下运行双边滤波

算法,当σ

=3、σ

=0.2时可以得到边缘较为清晰且的结果,

如图3所示。在σ

与σ

值均较小时虽然轮廓清晰,但是纹

样表面的滤噪效果与原图对比变化不大。在σ

与σ

值较大

时,刺绣纹样的边缘轮廓清晰度低,会造成纹样中一些细节也

被过滤,如图3(d)中宝伞纹的伞顶与伞柄在σ

与σ

值较大

时边缘均被模糊,导致后续图像分割困难,使纹样在色彩提取

时因缺失部分细节而造成计算误差。

通过拉格朗日乘子法结合函数J计算聚类中心与新的隶

属度函数:

∑∑

i=1k=1

ijk

=1;j=1,2,3,…,n

(4)

∑

j=1

s=1

ijk

∑

isk

;i=1,2,3,…,c;k=1,2,3,…,d

(5)

;j=1,2,3,…,n

(6)

ijk

∑∑

(

h=1s=1

ijk

sjh

)

(α-1)

完成以上步骤后对各个像素的分量隶属度求和,

得到:

重复迭代隶属度,当样本x

和聚类中心C

的隶属度与上

一次迭代样本x

和聚类中心C

的隶属度的最大差值不变且

接近于误差阈值,认为达到最优解,结束迭代,输出分割图像

结果。

2.2.2　图像分割实验过程

图3　原图和不同参数下降噪平滑效果对比

Fig.3　Comparisonofnoisereductionandsmoothingeffects

betweenoriginalimageanddifferentparameters

∑

k=1

ijk

(7)

对巴里坤出土的这一套清代纺织品文物中的官补、蟒袍

刺绣及妆花缎枕巾局部纹样进行计算,然后在Python中通过

可视化数据得到主色色卡,结果如表1所示。

第60卷　第5期

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

表1　纹样色彩提取

Tab.1　Patterncolorextraction

纹样文物图像平滑降噪图像MFCM分割后图像比例色卡K值

宝伞纹(蟒袍)5

蝙蝠祥云纹(蟒袍)6

海水江崖纹(蟒袍)5

如意纹(蟒袍)3

双鱼纹(蟒袍)8

祥云纹(蟒袍)6

菊花蝙蝠纹(枕巾)4

官补11

　　MFCM算法的重要参数指标为聚类簇数,本文以巴里

坤蟒袍上的宝伞纹图像为例,其像素总数为269352,在不

同聚类簇下经过101次迭代后,得到不同效果的分割结

果,如图4所示。实验发现,聚类簇数c为2时选择结果较

好,原图像中主要的糟朽与背景分割较为清晰。由于聚类

簇数越大,分割纹理边缘越粗,分割层次越多,这导致结果

中图像的细节损失越多,纹样中损失的可用信息无法

体现。

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

有糟朽氧化的纺织品文物纹样,且可以在较短的时间内批量

处理图像,能剔除部分影响结果的图像内容,提取更有效的局

部分割图像,提取结果噪声较小,样本隶属度值的划分较一般

聚类算法更加灵活

[24]

。

表2　不同算法的IOU评价值

Tab.2　IOUevaluationvaluesfordifferentalgorithms

算法名称

FCM算法

EnFCM算法

MFCM算法

IOU值

0.852

0.893

0.921

2.3　基于K-means++聚类算法的主色调提取

2.3.1　主色提取的算法原理

图4　不同聚类簇数分割结果

Fig.4　Segmentationresultswithdifferentnumbersofclusters

纺织品文物的纹样边界多具有封闭性,且每一个封闭区域

内色彩相对均匀,可使用聚类算法将纹样中的色彩归类,最终

得到代表纹样色彩的类值。因RGB颜色空间中距离的远近与

色彩变化存在关联性,可直接在RGB颜色空间中使用聚类算

法提取色彩。但由于K-means聚类算法在计算时随机选择初

始聚类中心,导致收敛结果获取速度较慢,且同时收敛于局部

最优解,易造成结果误差。基于以上问题,为更有效地得到聚

类数量和织物颜色,本文使用K-means++聚类算法优化初始聚

类中心的选择,一定程度上可以避免传统K-Means算法收敛于局

部最优解的缺陷,从而提高运行速度,降低结果误差,其步骤为:

1)随机选择一个样本作为第一个聚类中心C。

2)计算每个样本与当前已有聚类中心的最短距离D

2.2.3　图像分割实验有效性评价

为进一步验证MFCM聚类算法对本文纺织品文物纹样

的分割有效性,本文以人工分割为参考标准,将MFCM聚类

算法分割好的纹样与模糊C均值聚类(FCM)算法

[21]

及增强

模糊本文均值聚类(EnFCM)算法

[22]

对比,结果如图5所示。

与人工分割的图像进行对比,直接使用FCM算法分割蟒袍的

宝伞纹样,其对样本归类的隶属度不是特别精确,对局部清晰

度低的边界判断存在误差,导致部分区域背景与刺绣纹样没

有完全分割开,如图5(b)所示;图5(c)显示使用EnFCM算

法对纹样进行分割时损失的色彩信息较多;而图5(d)显示

MFCM算法分割效果较其他两种方法效果更好。

(x),同时计算每个样本作为下一个聚类中心的概率,该概率

可用下式表示:

3)重复步骤2,采用同样的方式,选出K个聚类中心。

距离,计算公式为:

∑

x∈x

D(x)

(8)

4)计算n-K个剩余样本点到每个初始聚类中心的欧氏

d(x

式中:x

表示数据点,g

表示聚类中心,j表示维度。

计算后得到该样本与K个聚类中心中最小的距离,并将

该样本分配进此距离中心所在的类。

的聚类中心,计算公式为:

5)对于每一个类,去均值后重新计算聚类中心,c

为新

∑

j=1

-g

)

(9)

图5　不同分割方法对比

间的距离小于阈值,认为聚类收敛;反之,重复步骤4与步骤5,

至新的聚类中心与步骤3中聚类中心距离小于阈值,结束迭代。

2.3.2　主色调提取实验

按照前述算法原理,本文使用K-means++聚类算法提

6)将新的聚类中心与步骤3中聚类中心对比,若二者之

∑

x∈C

(10)

此外,通过IOU评价指标

[23]

对比算法分割图像与人工分

割图像重叠度,结果如表2所示。由表2可以看出,MFCM算

法在与人工分割图像的IOU值较高,其交并集比值呈现出评

价结果偏高的趋势,表明MFCM算法可以较为准确地分割出

Fig.5　Comparisonofdifferentsegmentationmethods

取文物主色,并将提取得到的色彩按比例填充进入图像轮廓

中,可得到如表3所示的纹样效果。

第60卷　第5期

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

表3　纹样轮廓填充效果

Tab.3　Patterncontourfillingeffect

纹样文物图像主色调提取结果纹样色彩数字化复原图

宝伞纹(蟒袍)

蝙蝠祥云纹(蟒袍)

海水江崖纹(蟒袍)

如意纹(蟒袍)

双鱼纹(蟒袍)

祥云纹(蟒袍)

菊花蝙蝠纹(枕巾)

官补

2.3.3　主色调提取实验效果检验

为验证利用本文算法提取的色彩与原文物图像的一致

性,本文以巴里坤出土的官补为例,选择文物色彩复原中常用

的软件取色法

[25]

进行对比,结果如图6所示。由图6结果显

示,软件取色法取色结果的整体色彩基调更加明亮,同时该方

法基于人工取色,不同操作人员取色结果易造成误差,并且取

色流程复杂。

随后,使用RGB色彩分布散点图进一步量化两种方法取

色效果的差异,结果如图7所示。对比图7(a)所示文物图像

的RGB色彩散点分布图和分别使用前述两种取色方法取色

结果的色彩散点分布图可以发现,图7(b)中本文聚类算法取

色结果的RGB色彩散点分布图中蓝青色系在蓝通道上的数

值比图7(c)中软件取色结果的蓝青色系在蓝通道的数值更

低,更接近图7(a)中蓝青色系在蓝通道上的值;同时聚类算

法取色结果中橙色系过渡至蓝色系的图像较软件取色结果更

加连贯;此外,聚类算法取色结果橙色系比重大,黄色系比重

少,而软件取色结果中橙色系色彩分布较稀疏,黄色系色彩

多,在橙黄色系色彩分布上聚类算法取色结果更加接近文物

图像主色分布特征。由此可认为,本文使用优化的聚类算法

取色结果在准确程度上高于软件取色法。

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

图6　交互式调和法取色步骤及数字化填充效果

Fig.6　Interactiveblendingmethodforpickingupcolorsanddigitalfillingeffects

图7　补子RGB色彩散点分布图对比

Fig.7　ComparisonofRGBcolorscatterplotsofBuzi(Mandarinsquare)

　　从取色效率来看,计算机聚类算法明显优于软件逐点取

色,而为了验证K-means++与K-means两种聚类算法的运

行效果之优劣,本文将实验对象分别代入两种算法中计算,得

到其对应的算法时长,如表4所示。

表4　K-means与K-means++算法时长对比

Tab.4　DurationcomparisonofK-meansandK-means++algorithms

计算图像K-means算法时长/s

　9.31

K-means++算法时长/s

3.72

　　由表4可见,K-means++聚类算法运算的时长更短,速

度更快。此外,本文又以M12出土官补为例,比较了两种聚

类算法得到的取色结果,并分析了其色彩RGB直方图分布情

况,如图8、图9所示。结果显示,图9(b)中K-means聚类算

法提取色彩的RGB直方图曲线凸起整体偏右,且坐标最右端

仍有凸起,曲线起始点的横坐标较大,所提取色彩的曝光率过

高,与图9(a)中文物初始图像的RGB直方图不符。而图9

(c)中K-means++聚类算法提取色彩的RGB直方图曲线凸

起相对居中,曲线起始点的横坐标更接近文物初始图像的

RGB直方图,其画面曝光偏中间调,由此说明K-means++聚

类算法的色彩提取结果更接近文物色彩特征,其准确性高于

　1.65

10.78

　9.75

4.08

5.19

1.43

K-Means聚类算法。

　9.583.21

图8　两种算法下补子色彩提取结果

10.11

11.12

3.77

1.34

Fig.8　Buzicolourextractionresultsforbothalgorithms

2.4　纹样色彩分析

利用聚类算法提取主色的优势在于可直观准确地体现出

土文物的色彩特征,以本文色彩提取结果为例,首先使用HSV

14.825.01

色相环对其色相进行分析,得到色相分布模型如图10所示。

由图10可以看出,其色相搭配具有一定的特点,其中蟒袍与

第60卷　第5期

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

图9　补子与提取色彩RGB直方图

Fig.9　BuziandextractedcolourRGBhistograms

枕巾的色彩主要分布在橙色中,其次为蓝青色、黄绿色、绿色、

品红色系,表明蟒袍刺绣纹样整体呈现出暖色调的特点,并适

当地使用冷色调的海水江崖纹、祥云纹及宝伞、如意等纹样搭

配点缀;补子色彩主要分布在青色系中,剩余较少分布在橙色

与黄绿色系中,表明其以冷色调为主,特别是蟒袍刺绣中的祥

云纹、海水江崖纹、湖石纹样都呈现出中性偏冷的色调,色相

的选择和搭配非常精妙。

从色彩明度来看,先将其按照低明度(0~33%)、中明度

(34%~66%)、高明度(67%~100%)三个尺度划分,可以

通过表5看出巴里坤出土蟒袍刺绣与枕巾纹样的明度分布

中以低明度色彩为主,部分中明度色彩作为搭配色,给人以

和谐沉静的视觉感受。表6中补子主色明度以低明度为主,

其中云纹、水纹、湖石纹的明度层次呈现出过渡的特点;兽纹

外轮廓、草木花卉纹样与部分祥云纹整体明度较低。其色

彩饱和度则在三个层次均有分布,且蟒袍与官补刺绣整体

表现出从上至下饱和度增加的特点,在视觉上增加了色彩

层次的过渡。尽管这一组纺织品文物存在氧化褪色等情

图10　色相色环分布模型

Fig.10　Hueringdistributionmodel

况,但是依然可以看出其丰富的色彩搭配与含蓄华丽的艺

术风格。

表5　蟒袍与枕巾纹样HSV数据采集

Tab.5　HSVdatacollectionofpatternsofthepythonrobeandpillowcase

数据采集对象HSV数值

黄绿色系:H(78°)、S(15%)、V(49%);H(74°)、S(12%)、V(53%)

青色系:H(40°)、S(1%)、V(38%)

蓝青色系:H(200°)、S(66%)、V(33%);H(207°)、S(70%)、V(25%);H(199°)、S(27%)、V(30%);H(192°)、

S(32%)、V(28%);H(194°)、S(20%)、V(40%);H(200°)、S(37%)、V(40%)

橙色系:H(29°)、S(13%)、V(86%);H(40°)、S(55%)、V(68%);H(41°)、S(20%)、V(62%);H(32°)、S(6%)、

V(62%);H(40°)、S(16%)、V(81%);H(35°)、S(63%)、V(59%);H(45°)、S(8%)、V(83%);H(48°)、

S(13%)、V(60%);H(42°)、S(15%)、V(67%);H(40°)、S(31%)、V(57%);H(49°)、S(50%)、V(51%);

H(38°)、S(34%)、V(67%);H(34°)、S(31%)、V(76%);H(31°)、S(38%)、V(67%);H(45°)、S(14%)、

V(60%);H(46°)、S(25%)、V(58%);H(42°)、S(5%)、V(45%);H(35°)、S(47%)、V(56%);H(35°)、

S(41%)、V(79%);H(30°)、S(48%)、V(67%);H(31°)、S(47%)、V(44%)

红色系:H(17°)、S(40%)、V(37%);H(21°)、S(32%)、V(40%);H(27°)、S(33%)、V(58%);H(30°)、S(3%)、

V(82%);H(23°)、S(26%)、V(50%);H(17°)、S(37%)、V(47%)

蟒袍与枕巾纹样

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

表6　补子刺绣纹样HSV数据采集

Tab.6　HSVdatacollectionoftheembroiderypatternsofBuzi

数据采集对象HSV数值

橙色系:H(29°)、S(45%)、V(67%);H(33°)、S(25%)、V(87%);H(36°)、S(18%)、V(82%)

黄绿色系:H(65°)、S(7%)、V(79%);H(75°)、S(11%)、V(68%)

青绿色系:H(153°)、S(10%)、V(52%)

青色系:H(178°)、S(5%)、V(74%);H(173°)、S(14%)、V(61%);H(186°)、S(7%)、V(69%)

蓝青色系:H(198°)、S(21%)、V(64%);H(221°)、S(28%)、V(34%)

examinationofhistoricdress[C]//2011SecondInternational

ConferenceonCultureandComputing(CultureComputing).Japan:

IEEEComputerSociety,2011:51-56.

[2]周博文.云锦织物数字化展示技术研究[D].杭州:浙江大学,

2017.

lDisplayTechnologyofBrocade[D].

补子刺绣纹样

3　结　论

本文提出了一种基于多变量模糊C均值聚类(Multivariate

FuzzyC-mean,MFCM)算法与K-means++聚类算法相结合

的纺织品文物纹样色彩提取方法,并以巴里坤M12出土的一

组纺织品文物为实验对象,通过平滑降噪、图像分割、主色调

提取、纹样数字化复原等一系列实验,完成了纺织品文物纹样

数字化处理和色彩分析。同时,为验证本文实验方案的实际

应用效果,本文对比了不同参数下纺织品文物纹样数字化处

理的效果,并通过多种算法实验检验了使用本文算法取色的

准确性及取色效率。实验表明,本文提出的实验方案能够较

好的提高计算机取色的准确性,并能大大提高取色效率,具有

一定的应用价值。

通过计算机聚类算法对巴里坤M12墓地出土纺织品纹

样色彩进行数字化处理,可以较直观地了解文物配色的风格

特征。从本文实验对象的取色结果可知,清代官服搭配具有

明显的时代特征。内层蟒袍作为吉服,主要选择暖色调为主,

并以精美的纹样进行点缀,凸显华丽富贵的仪式感。外层官

服作为朝服,以石青等冷色调为主,素色为底,仅以胸背方补

为装饰,体现出朝会活动的庄重正式感。补子的刺绣色彩以

冷色调居多,蟒袍等其他文物的色彩表现出暖色调至冷色调

从上到下过渡的特点,色彩搭配对比鲜明,互为补充。

由于实验条件和设备的局限,本文所设计的实验方案还

不够完善。但实验表明,本文的色彩提取算法可适用于多种

纺织品文物数字化复原过程,这一方法既可避免对质地脆弱

的纺织品文物造成二次伤害,同时又方便了未来对纺织品文

物的研究学习和数字化展示工作,可为文物内涵的创新转化

积累有益经验。这在当前文化遗产数字化保护及传播工作中

具有重要的现实意义。

Hangzhou:ZhejiangUniversity,2017.

[3]赵娜,赵芮禾.明宁靖王夫人吴氏墓出土织金璎珞纹云肩妆花缎

夹袄实验考古学研究[J].形象史学,2022(2):61-78.

ZHAONa,rimentalarchaeologicalstudyof

thegold-embellishedcloud-shoulderedsatinjacketexcavatedfromthe

tombofWu,wifeofKingNingjingoftheMingDynasty[J].Image

HistoricalStudies,2022(2):61-78.

[4]王亚楠.马山楚绣数字化虚拟修复技术应用研究[D].武汉:武

汉大学,2019.

chonDigitalVirtualRepairTechnologyof

MashanChuEmbroidery[D].Wuhan:WuhanUniversity,2019.

[5]tivepatternsandsetsofcolorsinspiredbyfolkand

heritageoftheregion[J].ColorResearchandApplication,2018,43

[6]刘珈利,贺荣,田伟,等.色彩体系发展概述及其在傣锦设计中

的实践[J].丝绸,2021,58(9):117-125.

LIUJiali,HERong,TIANWei,viewofcolorsystem

developmentanditsapplicationinDaibrocadedesign[J].Journalof

Silk,2021,58(9):117-125.

[7]肖梦薇.北京故宫古代建筑群外檐苏式彩画纹饰与色彩研究

[D].北京:北京建筑大学,2013.

dyontheLine-adorningandColorofthe

ImperialBuildingsofPalaceMuseumOutsideEavesSuzhou-style

DecorativePainting[D].Beijing:BeijingUniversityofCivil

(6):942-950.

appliedartsofUpperSilesia,apopularizationofvisualcultural

EngineeringandArchitecture,2013.

[8]赵浩亦.基于数字图像处理技术的唐代敦煌壁画女性服饰色彩研

究[D].杭州:浙江理工大学,2020:25-34.

chonFemaleCostumes’ColorinTang

《丝绸》官网下载

参考文献:

中国知网下载

DunhuangFrescoBasedonDigitalImageProcessingTechnology

25-34.

[D].Hangzhou:HangzhouZhejiangSci-TechUniversity,2020:

[1]MARTINK,inghistoricfashion:Digitaltoolsforthe

[9]刘肖健,曹愉静,赵露唏.传统纹样的色彩网络模型及配色设计

第60卷　第5期

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

辅助技术[J].计算机集成制造系统,2016,22(4):899-907.

LIUXiaojian,CAOYujing,etworksof

[18]尚玉平,欧阳盼,刁常宇,等.新疆尼雅墓地出土纺织品文物的

数字化信息采集:以95MNIM8:15“五星出东方利中国”织锦护

臂为例[J].文物,2020(5):80-88.

SHANGYuping,OUYANGPan,DIAOChangyu,sation

oftextilesfoundintheNiyacemeteryinXinjiang:Acasestudyof

theFiveStarsRisingintheEastBenefitChinaarmprotector

(95MNIM8:15)[J].CulturalRelics,2020(5):80-88.

traditionalculturalpatternsandcolordesignaidingtechnology[J].

ComputerIntegratedManufacturingSystem,2016,22(4):899-

907.

[10]赵露唏.中国传统文化色彩网络的大数据分析技术研究[D].杭

州:浙江工业大学,2016.

aAnalysisTechnologyofChineseTraditional

CultureNetworkResearch[D].Hangzhou:ZhejiangUniversityof

Technology,2016.

[11]KUOCFJ,JIANBL,TUNGCP,ticmachine

embroideryimagecoloranalysissystem,partⅡ:Applicationofthe

geneticalgorithminsearchofarepetitivepatternimage[J].Textile

ResearchJournal,2012,82(11):1099-1106.

[12]邢乐,张杰,梁惠娥,等.传统服饰云肩实物图像主色的智能检

测[J].纺织学报,2017,38(11):110-115.

XINGLe,ZHANGJie,LIANGHui’e,igentinspection

ofdominantcolorforChinesetraditionalfolkYunjian[J].Journal

ofTextileResearch,2017,38(11):110-115.

[13]thodforautomaticseparationoffabriccolor

[14]KUOCFJ,dfabriccomputerizedautomatic

colorseparatingsystem[J].TextileResearchJournal,2011,81

(7):706-713.

[J].TextileResearchJournal,2015,85(14):1520-1538.

[19]THAIB,DENGG,ROSSR,edbilateralfilteringfor

near-edgeartifactsavoidanceandimpulsenoisesuppression[C]//

IEEE11

ConferenceonIndustrialElectronics

2016

and

Applications(ICIEA).Hefei:IEEE,2016:663-668.

[20]PIMENTELBA,variatefuzzyc-meansmethod

[21]relativeoftheISODATAprocessanditsusein

detectingcompactwell-separatedclusters[J].Journal

Cybernetics,1973,3(3):32-57.

[22]张燕,高鑫,刘以,等.基于改进像素相关性模型的图像分割算

法[J].图学学报,2022,43(2):205-213.

ZHANGYan,GAOXin,LIUYi,egmentation

algorithmbasedonimprovedpixelcorrelationmodel[J].Journalof

Graphics,2022,43(2):205-213.

[23]吴志洋,卓勇,廖生辉.改进的多目标回归实时人脸检测算法

[J].计算机工程与应用,2018,54(11):1-7.

objectiveregressivereal-timeface

WUZhiyang,ZHUOYong,edmulti-

detectionalgorithm[J].

[J].AppliedSoftComputing,2013,13(4):1592-1607.

[15]HUT,LIJ,WANGJ,chtheintelligentdesignand

:IEEE,2017:87-92.

[16]XINGLe,ZHANGJie,LIANGHui’e,etal.

simulationsystemofTujiabrocade[C]//IEEEInternationalComputerEngineeringandApplications,2018,54(11):1-7.

[24]赵甜雨.基于模糊理论的图像分割算法改进与应用[D].烟台:

烟台大学,2021.

ementandApplicationofImagerecognitionofdominantcolorsofChinesetraditionalcostumesbased

Intelligent

onameanshiftclusteringmethod[J].TheJournaloftheTextile

Institute,2018,109(10):1304-1314.

[17]陈登凯,王瑶.基于MCCQ的民间布老虎色彩特征提取及设计

实践[J].包装工程,2019,40(24):45-49.

CHENDengkai,eatureextractionoffolkcloth

tigersanddesignpracticebasedonMCCQalgorithm[J].Packaging

Engineering,2019,40(24):45-49.

SegmentationAlgorithmBasedonFuzzyTheory[D].Yantai:

YantaiUniversity,2021.

[25]张辉,信晓瑜,马嘉琪,等.基于层次分析法的新疆尼雅出土服

饰虚拟复原效果评价[J].毛纺科技,2022,50(4):66-72.

ZHANGHui,XINXiaoyu,MAJiaqi,tionofvirtual

restorationeffectofNiyaunearthedclothinginXinjiangbasedon

AHP[J].WoolTextileJournal,2022,50(4):66-72.

Vol.60　No.5

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms…

Exploringcolourextractionandpatterndigitizationoftextileartifactsbasedonclusteringalgorithms

AcasestudyofthepatternsoftheQingDynastytextilesunearthedfromBalikunM12 Xinjiang

ZHAOWeiyi

SHANGYuping

KANGXiaojing

LIWenying

XINXiaoyu

LIUKaixuan

eofTextilesandClothing XinjiangUniversity Urumqi830017 China ngInstituteofCulturalRelicsandArchaeology

Urumqi830011 China l&ArtDesignCollege Xi

USB迷 | 专注于互联网分享

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M1

与本文相关的文章

评论列表 (0)