莫高窟壁画颜料多光谱数字化识别系统的研发与应用

柴勃隆 肖冬瑞 苏伯民 冯伟 于宗仁

内容摘要：多光谱摄影无损调查技术已成熟应用于对漫漶壁画内容的再现提取，调查壁画中颜料类别的使用及分布。在以往的研究中对已知的24种莫高窟壁画绘画材料做了多光谱图像获取，并经过科学筛选、验证，建立了“莫高窟壁画颜料多光谱图像色彩标准数据库”，专业人员可通过相同光谱条件下对现实壁画获取光谱图像，并与颜料多光谱图像标准数据库对比分析，可初步获悉莫高窟壁画中颜料的类别及应用分布状态。但是人眼对色彩的认知存在个体差异，导致人工比对存在主观不一致、识别难、精度低等问题，且不利于非专业人员分析研究。本研究采用多光谱摄影系统，以“颜料多光谱图像色彩标准数据库”[1]为基础，开发颜料多光谱图像数字化识别系统。目的利用软件算法对壁画多光谱图像中的目标颜料通过RGB色彩空间模型向HSV色彩空间模型数值的转换，自动查询、匹配颜料多光谱图像数据库中不同颜料HSV色彩数值的最近相似度[2]，以达到自动识别颜料类别的目标，解决人工比对中存在的不足，提高鉴别的精度和效率，从而提升分析的科学性。

关键词：多光谱；壁画颜料检测；色彩空间；色彩相似度

中图分类号：O433.4 文献标识码：A 文章编号：1000-4106（2018）03-0123-08

Abstract： Multispectral photography investigation technology has previously been used to reproduce the contents of obscure murals and to analyze the use and distribution of the pigments in these murals. As for the Mogao cave murals， a Database of the Mogao Cave Mural Pigments Multispectral Photography Image Standards has been established by a rigorous system of selection and verification from the captured multispectral images of the 24 known types of painting materials established by previous research results. Based on comparative terms， one can obtain the class and distribution status of pigments of Maogao grotto murals through analysis conducted by trained professionals comparing and analyzing the images of the murals captured under spectral conditions aligned with the pigment spectrum from the database. Individual differences in the perception of colors， however， is likely to lead to subjective inconsistencies， recognition difficulty， low precision etc.， and is not a process untrained individuals can complete to satisfaction. This study adopts the multispectral photography system to develop a multispectral digital image identification system for mural pigments based on the color data obtained from multispectral images. The process begins by selecting RGB values of the target pigment from obtained multispectral images of wall paintings and converting them to HSV color space. By automatic querying， the most numerically similar HSV color values are then matched with pigment values from the multispectral image database， thus providing a scientific identification of pigment category to a high degree of accuracy and efficiency that avoids the problems related to subjective manual comparison.

Keywords： Multispectral； mural pigment detection； color space； color similarity

1 多光譜图像在壁画保护研究中的

应用背景

多光谱摄影作为一种新型非接触无损检测技术，在对古代壁画的颜料分析和漫漶图像内容鉴别方面已经在国外得到广泛应用[3-7]。近年来国内墓葬壁画及莫高窟壁画颜料的分析中，运用多光谱摄影方法发现了许多在可见光条件下无法识别的有机颜料、无机染料和画面内容[8-13]。但通过计算机算法对光谱图像进行分析，从而达到颜料鉴别目的的相关研究报道较少，仅限于肉眼对不同光谱条件下所获取图像的对比。这种工作尽管也能发现大量壁画图像内容信息，但无法做到对各部分颜料进行准确分析和鉴别。为达到利用多光谱图像对壁画颜料类别及分布做非接触鉴别的功能，近年来以敦煌壁画为研究对象，对已知壁画中常用的24种绘画材料通过多光谱拍摄、科学筛选、现场验证，建立了“莫高窟壁画颜料多光谱图像色彩标准数据库”。以此为基础可对比相同拍摄环境下现实壁画与颜料多光谱色彩标准，达到鉴别壁画颜料的目的。

本文在莫高窟绘画材料多光谱图像色彩标准数据库研究的基础上，开发设计“莫高窟壁画绘画材料标准数据库计算机自动识别系统”。以可见光谱下标准颜料的色值和红外、紫外光谱下颜料的反射伪彩色图像色值为基准数据，分析相同拍摄条件下获得的现实壁画多光谱图像，对需要检测的范围通过软件拾色、后台计算其与绘画材料多光谱图像标准数据库中各颜料光谱图像色值之间的最近相似度交叉比较、自动匹配，达到快速鉴别古代壁画颜料种类的目的，克服以往因人眼识别色彩的差异而导致对结果的误判，提高后期分析的效率与准确性。

2 多光谱图像系统简介

多光谱图像获取系统由经改装的商业数字相机、光源、滤镜系统三部分组成。随着数码相机和CCD或COMS感光元件的进一步提升，对感应范围较广的红外线光谱具有了更宽泛的记录能力，经过改装的商业相机配砷化传感器，其敏感范围扩展到可记录300—1100nm的光谱范围。再加上高像素、高画质、高感光度，以及便捷的实时取景和LCD对焦功能，更有利于进行大面积的壁画多光谱检测。利用滤镜系统对光源辐射波长及相机入射波长组合运用；后期图像处理的辅助；伪彩色强化紫外或红外反射谱段下各检测材料的特征光谱图像信息，配合荧光图像可达到更明显的观察效果和直观的比对分析目的（表1）。

3 软件系统功能设计与实现

3.1 色彩空间模型的选取与转换

壁画颜料多光谱标准图像数字化识别的前提，是在特定色彩空间提取各绘画材料在不同光谱图像中的色彩空间数值[14]，作为实现壁画与标准图集之间计算比对的依据。目前，在计算机视觉领域存在着较多类型的颜色空间，如RGB、LAB、HSL和HSV。RGB是最常使用的计算机色彩空间，是通过红黄蓝三原色数值描述各种“光”，以特定比例来表征颜色。然而这种色彩空间并不适合对壁画颜料色彩的描述，因为壁画自身颜料层退化、病害、污染等因素，区分同类色彩变化的不同便取决于色彩亮度和饱和度差异[15]。

HSV是其中最常见的圆柱坐标表示的颜色模型[16，17]，它重新映射了RGB模型，从而能够比RGB模型更具视觉直观性。其色彩空间用圆锥表示，圆锥上角度代表色调H，S距离变化代表色彩到中心竖线的饱和度，亮度V用中心竖线表示。红色的角度为0度，依次为黄色、绿色、青色、蓝色、紫色。连续两种颜色的角度相差60度（图1）。这种色彩模型从色调、饱和度、亮度三个方面定义颜色特征，符合对壁画同类颜料褪色衰变的描述。

通过科学校准的颜料多光谱图像集，反映出不同类别颜料在不同光谱下的色彩空间，其数值可以通过计算获得。取其平均值形成一套有关颜料光谱图像标准的色彩模型的数值表，为之后数字统计计算色彩相似度[2]、建立色彩评价标准做前期的数据支持（图2、3）。

3.2 软件算法及代码实现

软件的编写基于Matlab实现壁畫颜料多光谱图像数据库数字化识别，通过计算被检测壁画颜料的三种光谱范围（可见光反射图像、红外反射伪彩图像、紫外反射伪彩图像），利用色彩欧氏距离原理，计算检测目标的多光谱图像与“颜料多光谱标准色彩数据库”中各颜料在不同光谱图像下的RGB和HSV两种色彩模型之间的近似值，阶梯式进行排序，得到最优解，即颜料最近色彩相似度[19]，从而判断壁画真实颜料类别。

3.3 软件运行流程

3.4 算法实现：

算法通过计算壁画多光谱图像色彩数据与标准数据库颜料色彩数值的欧式距离[20]进行筛选。

具体实现如下：

1）在颜料标准数据库中，针对24种颜料在不同光谱下真实色彩和伪彩的HSV值和RGB值。设数据库色彩参数为：H，S，V，R，G，B；图片中某点色彩参数为HH，SS，VV，RR，GG，BB。

2）计算现实数据和标定数据的HSV方面的欧式距离：

在三种不同的环境（可见光、红外反射、紫外反射）下，各自取D值最小的三个颜色的下标。

3）计算现实数据和标准库中九个色彩标定数据的RGB方面的欧式距离

得到D值最小的色彩值，并返回该色彩的名称。

4 软件功能描述与效果测试

4.1 模拟测试

为验证软件系统的可靠性，依据莫高窟原始壁画制作工艺，以莫高窟第257窟壁画为原型制作模拟壁画，在壁画模拟中利用已知的土红、石青、石绿、高岭土为主要绘画颜料。对已知颜料检测可验证后期通过软件识别壁画颜料的准确性。

软件界面主要有可见光图片区、红外反射伪彩色图片区、紫外反射伪彩色图片区三个数据框组成（图4）。

在界面中分别导入已拍摄的壁画可见光、红外反射伪彩色、紫外反射伪彩色图像，在检测某种颜料时，分别在三种图像中拾取相同坐标位置的目标颜色。显示结果中，“画面色彩”显示当前画面中可见光颜色色相。“识别色彩”显示经对各光谱图像相同坐标位置拾色后，再经过软件后台计算，自动挂接颜料多光谱图像数据库，并分别与不同颜料各光谱图像色彩模型数值做近似度计算，最终匹配到的相应的颜料。如果三种光谱图像中相同位置的“识别色彩”结果统一，可得出此种颜料类别（图5）。

经过测试，分别选取画面中4种不同色相颜料，软件计算得出结果与已知颜料类别相同，验证了软件对不同颜料在不同光谱图像中拾取色彩模型数值、后台自动运算匹配的准确性（表2）。

4.2 现场壁画多光谱图像识别测试

为进一步验证软件识别的可靠性，选取画面较为复杂的真实壁画进行分析。选取莫高窟第254窟北壁“尸毗王割肉贸鸽”为实验区（图6）。真实壁画区别于模拟实验的最主要特征是壁画本身遭受了自然及人为因素的损害，颜料色相变化更为复杂。

利用多光谱图像获取此区域的可见光反射图像、红外反射伪彩色图像、紫外反射伪彩色图像（图7），并将其分别导入壁画颜料识别软件系统分析得知此区域主要使用了4种矿物质颜料，1种有机染料。分别为：氯铜矿、孔雀石绿、墨、土红及有机染料靛蓝（表3）。

为了进一步验证壁画颜料多光谱数字化识别系统的准确性，利用X荧光光谱仪及近红外光谱仪对监测区域各颜料点做进一步的分析：X射线荧光光谱仪检测发现2-1号绿色区域主要含Cu和As，3-1号绿色区域主要含Cu和Pb（图8）。近红外光谱仪检测，对比现实壁画光谱曲线和颜料标准色板光谱曲线得出：2-1号检测点在400—700nm可见光谱范围反射峰、1900nm处吸附收峰、2200—2450nm近红外光谱之间特征吸收峰位置与标准色板氯铜矿相同。3-1号检测点在400—700nm可见光谱范围内反射峰、2300—2350nm之间特征吸收峰位置与标准色板石绿相同，但壁画中石绿在1500nm开始走势下滑，推断为杂质或颜料的退化和衰变引起（图9）。分析结果和软件系统识别基本一致，充分验证了通过软件色彩模型转换数字化识别颜料的准确性。

5 结 论

通过技术研发、模拟实验、现场试验证明：

1.颜料多光谱数字识别系统的研发以24种莫高窟绘画材料多光谱色彩标准数字化数据为基础，通过色彩欧氏距离换算及算法实现，初步实现了通过软件自动识别多光谱图像中单一颜料类别的目的，解决了以往靠肉眼识别分析过程中的误差，弱化了识别难度，提高了分析效率及准确性。

2.通过模拟实验及现场测试，证明了研究思路及算法的正确性。在以后的研究中，将会进一步完善和扩展颜料数据库，并提高颜料多光谱数字识别系统的易用性和可移植性，对软件操作进行进一步的优化，着重解决对壁画中重叠颜料多光谱识别的可行性研究。

参考文献：

[1]柴勃隆，苏伯民，张文元.敦煌壁画绘画材料多光谱图像标准数据库的建立和应用 （英文）[J].光谱学与光谱分析，2017（10）：64.

[2]谢君廷，王小华.一种基于 hsv空间的颜色相似度计算方法[J].杭州电子科技大学学报，2008（1）.

[3]E.R.De La Rie.Fluorescence of paint and varnish layers（part1）[J].Studies in Conservation，1982，27（1）：1-7.

[4]C.Fischer，I.Kakoulli.Multispectral and hypersp-ectral imaging technologies in conservation：Current research and potential applications[J].Studies in Conservation，2006，51（sup1）：3-16.

[5]O.S.Kamal，G.A.Ware，S.Houston.Multispectral image processing for detail reconstruction and enhancement of maya murals from la pasadita，guatema-la[J].Journal of archaeological science，1999，26（11）： 1391-1407.

[6]M.Hain，J.Bartl，V.Jacko.Multispectral analysis of cultural heritage artefacts[J].Measurement Science Review，2003，3（3）：9-12.

[7]A.Giacometti，A.Campagnolo，L.Macdonald，等.Cultural heritage destruction：Documenting parchment degradation via multispectral imaging[J].Electronic Visualisation and the Arts（EVA 2012），London，UK， 2012.

[8]柴勃隆，王小偉，汤爱玲，等.多光谱摄影在莫高窟壁画现状调查及绘画技法研究中的初步应用[J].敦煌研究，2008（6）：54-57.

[9]柴勃隆，范宇权，苏伯民，等.莫高窟 194 窟漫漶壁画多光谱成像调查与研究[J].敦煌研究，2011（6）：74-76.

[10]佐藤香子，高林弘実，柴勃隆.唐代節愍太子墓過洞に描かれた人物像壁画の彩色材料と制作技法に関する調査[J].保存科学，2009（49）：275-282，図巻頭 271p.

[11]范宇权，李燕飞，于宗仁，等.莫高窟第 285 窟南壁多光谱无损分析初步报告[J].敦煌研究，2008（5）：49-53.

[12]L.Zui-Xiong.Pigment analysis on tang dynasty mu-rals at the mogao grottes[J].Dunhuang Research，2002，4：11-18.

[13]Y.Fan，B.Chai，Z.Yu，等.Multi-spectral non-invasive investigation and studies on the mural technology in early three caves of mogao grottoes[J].Dunhuang Research，2010，6：007.

[14]李瑞娟.Rgb 到 ciexyz 色彩空间转换的研究[J].包装工程，2009，30（3）：79-81.

[15]王胜正，施朝健.基于两种色彩空间的颜色选择方法[J].计算机应用与软件，2004，21（2）：114-116.

[16]常巧红，高满屯.基于 hsv 色彩空间与数学形态学的车牌定位研究[J].图学学报，2013，34（4）：159-162.

[17]秦绪佳，王慧玲，杜轶诚，等.Hsv 色彩空间的 retinex 结构光图像增强算法[J].计算机辅助设计与图形学学报，2013，25（4）：488-493.

[18]吴藜岚.推导 rgb 色彩模型转换到 hsb 色彩模型公式[J].现代机械，2007（3）：28-29.

[19]王可，陆长德，乐万德.色彩相似性度量的研究与应用[J].计算机应用研究，2005，22（10）：168-170.

[20]宋宇辰，张玉英，孟海东.一种基于加权欧氏距离聚类方法的研究[J].计算机工程与应用，2007，43（4）： 179-180.