基于HSV的服装色彩特征数量化方法研究

陶 晨，段亚峰，印梅芬

(1.浙江农业商贸职业学院 经济贸易系, 浙江 绍兴312000; 2.苏州大学 纺织与服装工程学院, 江苏 苏州 215021;3.绍兴文理学院 纺织服装学院, 浙江 绍兴 312000; 4.绍兴出入境检验检疫局, 浙江 绍兴 312000)

研究与技术

基于HSV的服装色彩特征数量化方法研究

陶 晨1,2，段亚峰3，印梅芬4

(1.浙江农业商贸职业学院 经济贸易系, 浙江 绍兴312000; 2.苏州大学 纺织与服装工程学院, 江苏 苏州 215021;3.绍兴文理学院 纺织服装学院, 浙江 绍兴 312000; 4.绍兴出入境检验检疫局, 浙江 绍兴 312000)

选用基于人眼视觉的HSV颜色模型作为分析的依据，提出一种识别服装色彩主色调并量化色相对比、纯度对比和明度对比的方法。在提取色相分布的基础上，根据同类色原则得到区域分布，服装主色调由最显著的区域确定。在考虑面积影响的基础上，建立了色相对比度公式用以计算和识别同类色、类似色、中差色和对比色，建立了纯度对比度和明度对比度公式分别用以量化传统的纯度对比和明度对比。结果表明，该方法能较为有效地进行服装色彩的计算。

服装色彩； 色相对比； 纯度对比； 明度对比； 数量化

用色彩来装饰自身是人类的原始本能。无论古代还是现在，色彩在服饰审美中都有着举足轻重的地位，是服装三大要素之一。近年来对服装色彩的量化和识别研究主要可分为三个方向：

一是通过图像颜色的空间变化来分析、解释色彩或图案，有代表性的包括Kang[1]通过颜色循环规律来分析织物上的图案；余平[2]在分析历年流行趋势的基础上推导出了流行色预测公式，并利用计算机对流行色进行视觉分析，以得到文字解读信息；吴志明[3]在分析某阶段春夏女装的色彩意象群区分布百分比和色相倾向分布百分比基础上，利用计算机预测未来蓝色流行程度及色调倾向性。二是通过统计学手段分析服装色彩，包括Chang[4]在计算机辅助设计系统中利用环形直方图统计颜色特征，利用边缘增长算法分割服装图案中的颜色；Choi[5]利用色彩直方图搜索并提取相同类型的服装图像；Wang[6]利用颜色匹配和特征学习的方法在消费者照片中进行服装搜索；Zheng[7]利用K均值聚类来分离图像背景，均值偏移算法来进行颜色提取。第三种研究手段是模式识别，如Wang[8]使用基于内容的图像提取方法(CBIR)建立特征代码库，然后从大量着装图像中比较、提取类似的着装；Xiang[9]利用高斯模型结合OTSU方法来逼近图像的颜色统计特征，达到分割服装图像的目的；Chen[10]使用学习型特征分类器来识别和描述服装的语义学特征。

对设计师而言，决定服装色彩特征的主要是服装的主色调、色相对比、纯度对比和明度对比。综上，本研究在前人研究成果的基础上，提出了量化服装色彩特征的方法。

1 颜色模型

本研究采用HSV颜色模型考察服装色彩特征。HSV模型是一个比较符合人类视觉的简单心理感知模型。HSV通过色相(Hue)、饱和度(Saturation)和亮度值(Value)三要素来表达颜色，符合人们的视觉习惯。HSV色相环如图1所示，色相随角度(0～360°)变化而均匀变化，0°对应的是正红色，60°对应黄色为最暖色，240°对应蓝色为最冷色。

图1 HSV色相环Fig.1 Hue cycle of HSV

RGB颜色也是常用的颜色模型，它是计算机处理颜色最便捷的方式。因此在本研究中，当需要从图像上采集颜色数据时使用RGB颜色，当需要描述色彩特征时把RGB颜色转换到HSV空间。

2 面积的影响

对比使色彩真正“动”起来，是色彩的现实状态和意义所在。色彩对比包括色相对比、彩度对比和明度对比。传统色彩学关于色彩对比的理论隐含一个前提，即两个色块的面积相等。当两个色块面积不等时，视觉上的对比效果将发生变化，如图2所示。当面积比为1︰1时对比效果最强，面积差异越大则对比效果越弱。因此，在量化色彩对比时，应将面积的影响考虑在内。

图2 面积对对比效果的影响Fig.2 The influences of area on contrast effects

3 主色调

通常认为在服装上大块使用的色彩不应超过三种，其中用量最多的色彩称为主色调。使用OTSU[11]方法对图像分离背景后，对着装人体提取RGB颜色；转换到HSV空间后，可统计得出色相分布，如图3所示。其中，横轴表示0～360°对应的色相，纵轴表示每个色相所占百分比。

不能简单以比例最高的色相作为主色调，因为周围与之接近的色相也占有一定比重，甚至比重之和超过单个占比最高的色相。因此，需要对色相环上的色相进行区域划分。根据色彩学理论，色相环上间隔15°以内的色彩为同类色[12]，因此可将色相环按15°一个区域，分割成24个区域，每个区域用位于区域中央的第8色相代表。将色相分布按区域求和，得到的区域分布中占比最高的区域即是服装色彩的主色调。可以看到，在图3(a)的区域分布中，占比最高的区域是以色相213°为代表的同类色区域，色相213°即服装色彩的主色调。

4 色相对比

根据色彩学理论，色相环上间隔15°以内的色相为同类色，60°以内为类似色，90°以内为中差色，180°以内为对比色[12]。设两色块的色相h1、h2，在着装图上对应面积百分比r1、r2，色相对比度Ch，规定：

Ch=min(|h1-h2|,360-|h1-h2|)×min(r1/r2,r2/r1)

(1)

利用式(1)计算主色调与其余各个区域之间的对比度，将得出的最大值作为相应着装图的色相对比度，并对应到传统色彩学的色相对比类型，结果如表1所示。这与人眼观察的事实相吻合。

表1 色相对比度与对比类型

图3 色相、区域分布

Fig.3 Hue and region distribution

5 纯度对比

根据色彩学纯度色标，纯度分成10个等级，1～3级为低纯度区，4～7级划为中纯度区，8～10级为高纯度区。纯度级差1～2级为弱对比，3～5级为中对比，5级以上时为强对比。由此划分出传统上的9种纯度对比基本类型，如表2所示。

设两色块纯度级s1、s2，在着装图上对应的面积百分比r1、r2，纯度对比度Cs，规定：

Cs=|s1-s2|×min(r1/r2,r2/r1)

(2)

图4为着装示例统计其纯度分布，其中，横坐标为各纯度等级，纵坐标为对应的面积比例。

表2 纯度对比基本类型

注：基调纯度即占比最高的纯度等级。

图4 纯度分布

Fig.4 Purity distribution

可以看出，对于图4(a)，占比最高的纯度等级是10，其次是9，它们对应的面积比是31 %和47 %，根据式(2)计算最大纯度对比度，并对应到色彩学纯度对比类型，结果如表3所示。

表3 纯度对比度与对比类型

6 明度对比

与纯度类似，明度也分成10个等级，1～3级为低明度区，4～7级划为中明度区，8～10级为高明度区。明度级差1～2级为弱对比，3～5级为中对比，5级以上时为强对比。由此划分出9种明度对比基本类型，如表4所示。

表4 明度对比基本类型

注：基调明度即占比最高的明度等级。

设两色块明度级v1、v2，在着装图上对应的面积百分比r1、r2，明度对比度Cv，规定：

Cv=|v1-v2|×min(r1/r2,r2/r1)

(3)

根据式(3)计算最大明度对比度，并对应到色彩学明度对比类型，结果如表5所示。

表5 明度对比度与对比类型

图5为着装示例统计其明度分布。可以看出，对于图5(a)，占比最高的明度级是3，其次是10，它们对应的面积比是34 %和26 %。

7 结 语

通过HSV色相分布提取的色相区域能够有效地反映服装的主色调，在考虑面积影响的基础上建立的色相、纯度和明度对比度公式可以较好地表征传统的色彩对比类型。本研究可为服装色彩的客观评价及流行色和流行趋势的分析提供理论基础。

序号着装图明度分布(a)(b)(c)

图5 明度分布

Fig.5 Lightness distribution

[1]KANG T J, KIM C H, OH K W. Automatic recognition of fabric weave patterns by digital image analysis[J]. Textile Research Journal,1999,69(2):77-83.

[2]余平.计算机在流行色分析预测中的应用[D].天津：天津工业大学,2004:35-43. YU Ping. The Useage of Analysis and Prediction Fashion Color with Computer[D]. Tianjin:Tianjin Polytechnic University,2004:35-43.

[3]吴志明,李熠.服装流行色的色彩意向灰色预测[J].纺织学报,2009(4):95-98. WU Zhiming, LI Yi. Clothing fashion color image scale grey forecast[J]. Journal of Textile Research,2009(4):95-98.

[4]CHANG C C, WANG L L. Color texture segmentation for clothing in a computer-aided fashion design system[J]. Image and Vision Computing,1996,14(9):685-702.

[5]CHOI Y J, KIM K J, NAM Y, et al. Retrieval of identical clothing images based on local color histograms[C]// Third International Conference on. Washington: IEEE,2008:818-823.

[6]WANG X, ZHANG T. Clothes search in consumer photos via color matching and attribute learning[C]//Proceedings of the 19th ACM International Conference on Multimedia. Orlando: ACM,2011:1353-1356.

[7]ZHENG X, LIU N. Color recognition of clothes based on k-means and mean shift[C]//Intelligent Control, Automatic Detection and High-End Equipment(ICADE), 2012 IEEE International Conference on. Washington: IEEE,2012:49-53.

[8]WANG X, ZHANG T, TRETTER D R, et al. Personal clothing retrieval on photo collections by color and attributes[J]. Multimedia,2013,15(8):2035-2045.

[9]XIANG M, XIE Y, XIANG L. Research on clothing image segmentation based on color features[J]. Progress in Textile Science & Technology,2013(1):014.

[10]CHEN H, GALLAGHER A, GIROD B. Describing Clothing by Semantic Attributes[M] //Computer Vision-ECCV 2012. Springer Berlin Heidelberg: ECCV,2012:609-623.

[11]何志勇,孙立宁,陈立国.Otsu准则下分割阈值的快速计算[J].电子学报,2013,41(2):267-272. HE Zhiyong, SUN Lining, CHEN Liguo. Fast computation of threshold based on Otus criterion[J]. Acta Electronica Sinica,2013,41(2):267-272.

[12]王蕴强.服装色彩学[M].北京:中国纺织出版社,2006:54. WANG Yunqiang. Fashion Color[M]. Beijing: China Textile & Apparel Press,2006:54.

Research on HSV Based on Quantification of Apparel Color Features

TAO Chen1,2, DUAN Yafeng3, YIN Meifen4

(1. Department of Economic and Trade, Zhejiang Agriculture and Business College, Shaoxing 312000, China; 2. College of Textile and Clothing Engineering, Soochow University, Suzhou 215021, China; 3. College of Textile and Clothing, Shaoxing University,Shaoxing 312000, China; 4. Shaoxing Entry-Exit Inspection and Quarantine Bureau, Shaoxing 312000, China)

This paper chose HSV color model based on human eye vision as analysis basis and proposed a solution to identify dominant hue of apparel color and quantify hue contrast, purity contrast and lightness contrast. Based on extracting hue distribution, areal distribution was gained according to similar color principle. The dominant hue of apparel was confirmed by the most notable region. Based on taking into account of area influence, the hue contrast formula was established to compute and identify congener colors, similar colors, middle-contrasting colors and contrasting colors, and the purity contrast formula and lightness contrast formula were also established to quantify traditional purity contrast and lightness contrast respectively. The results show that this solution can effectively compute apparel color.

apparel color; hue contrast; purity contrast; lightness contrast; quantification

doi.org/10.3969/j.issn.1001-7003.2015.06.005

2014-11-27;

2015-02-28

浙江省供销社科学研究项目基金(14SS17)

TS941.11

A

1001-7003(2015)06-0022-05 引用页码: 061105