安塞民间绘画色彩网络模型构建研究

燕耀 蒋超 雷桐 俞琳 张瑞涛

摘要： 为了更准确地探究和反映安塞民间绘画的色彩设计思维，为当下设计提供更具中国特色、民族特色的参考和启发，文章以安塞民间绘画为研究对象，开展了数字化网络模型构建工作研究。首先利用K-means聚类算法进行图像色彩聚类计算，获得色彩网络节点和节点的局部贡献度;然后，通过专家评价法构建节点贡献度效率矩阵，并将其与节点局部贡献度计算相结合，获得节点的全局贡献度，实现基础色彩网络的优化和色彩模型的构建;最终，随机抽取案例样本对所构建模型的可靠性进行了验证。所提出的新型色彩网络模型综合考虑了节点贡献度，能够实现对色彩网络节点度计算方法的优化。案例验证表明，色彩网络模型能够准确反映安塞民间绘画的色彩特征和配色设计逻辑。

关键词： 色彩设计;色彩网络模型;安塞民间绘画;K-means聚类;节点贡献度矩阵

中图分类号： TS941.2;TP393.02

文献标志码： A

文章编号： 1001-7003（2020）11-0120-06

引用页码： 111301

Abstract： In order to more accurately explore and reflect the color design thinking of Ansai folk painting， and provide the reference and enlightenment for current design with more Chinese characteristics and national characteristics， this paper takes Ansai folk painting as the object of study to investigate the construction of a digital network model. First of all， K-means clustering algorithm was used to calculate image color clustering and gain color network nodes and local contribution degree. Then， the expert evaluation method was applied to construct the contribution efficiency matrix of nodes， and it was combined with calculation of local contribution of nodes to obtain the global contribution degree of nodes and achieve basic color network optimization and color model construction. At last， case samples were chosen at random to verify reliability of the model. The new color network model which considers the contribution degree of nodes can optimize the calculation method of node degree of color network. The result of case verification shows that the color network model can accurately reflect the color characteristics and color matching design logic of Ansai folk painting.

Key words： color design; color network model; Ansai folk painting; K-means clustering; node contribution matrix

安塞民间绘画作为陕西省非物质文化遗产，具有陕北地区独特的地域文化特色，其强烈奔放的用色和配色手法能够为服装[1]、产品等设计领域提供极具特色的色彩设计灵感和依据[2]。因此，对安塞民间绘画色彩体系进行研究，把握其独特的色彩特征和配色设计逻辑，并将其色彩设计思维在现代服装和家居生活用品中进行再次利用，可以有效地赋予产品别具一格的色彩情感和文化内涵，实现产品设计创新和差异化。

综合梳理安塞民间绘画色彩的相關文献发现，现有研究方法和结论较为经验化、定性化和零星化，在科学性和系统性方面略显不足。燕耀[3]记录了安塞民间绘画配色经验口诀，如“红靠黄，亮晃晃”“红搭绿，一块玉”。吴小珍[4]则仅从设计角度对安塞民间绘画色彩及其配色规律进行了定性分析和总结。苏胜等[5]对安塞民间绘画的艺术形式从整体上进行了较为全面的综合分析，但对色彩的研究部分仅有少量提及，并未进行深入研究。

目前，计算机信息技术在色彩研究方面逐步获得应用。例如，纺织领域已有较多国内外学者利用计算机信息技术构建了多种更为高效、全面和系统的色彩分析和表征工具。而针对服装、产品等配色设计领域，仅有少数学者提出数字化色彩模型构建的研究理论与方法。如Hard等[6]在颉颃色彩理论（opponent color theory）的基础上，构建了基于自然色彩系统（natural color system，NCS）的色彩描述模型。Steward[7]为了更好地表达设计要素之间的相互关联关系，利用网络模型构建了设计结构矩阵（design structure matrix，DSM）。刘肖建等[8]针对中国传统纹样构建了色彩网络模型，并提出了色彩设计辅助技术。李愚等[9]从产品配色设计和色彩重用角度出发，提出了面向图像的色彩网络邻接模型。而在本文关注的绘画色彩研究领域，相关研究成果鲜有报道。YANG等[10]利用动态聚类技术对2 100幅绘画作品图像实现了特征色彩的快速提取。

对上述技术进行比较分析发现，色彩网络模型构建技术以色彩定义网络节点，以色彩面积定义节点度，以色彩相邻像素数或同时出现的频率定义相关度。因其综合考虑色彩、色彩主次和配色关系等多方面的因素，故该模型在面向服装、产品等设计领域进行应用时，具有更高的可操作性和实际意义。然而常规的色彩网络模型在色彩分析中过于宏观，忽略了配色设计中小型色块在局部区域中的装饰、分割、对比等作用，因此，在实际应用中往往缺乏配色设计细节。

本文以安塞地区民间绘画作为研究对象，利用色彩提取技术和像素连接关系构建安塞民间绘画色彩的基础网络模型，并进一步考虑小色块在局部区域的作用。通过效率矩阵对初始色彩模型进行节点度优化，深入探究安塞民间绘画的用色和配色逻辑，以期为相关设计提供色彩设计参考和辅助工具。

1 安塞民间绘画色彩基础网络模型构建

1.1 基于K-means聚类的网络节点构建

考虑到安塞民间绘画色彩网络模型应能全面和系统地反映出安塞地区民间绘画的色彩特色，故本文技术不应局限于对单幅作品的独立分析，而应以大量绘画作品样本作为对象进行研究。又由于安塞民间绘画均采用饱和度较高的纯色，色彩类别数量较少，为简化聚类过程，利用平面设计软件对大量样本进行拼图，将多幅图像按原始大小等比缩放集成为一整幅图像;并利用K-means聚类对集成后的图像进行整体的色彩聚类，从而实现色彩的快速提取，即网络节点的构建。

基于K-means聚类算法，在RGB色彩模式下，将绘画图像的全部像素视为色彩空间中的一个坐标点集，并对该点集坐标进行聚类;色彩提取过程中，用户需确定要提取的色彩数，并指定初始聚类中心。利用K-means聚类算法逐一计算每一像素色值和各聚类中心的距离，并根据计算结果将该像素归入最近的聚类中心。算法结束时，聚类中心即实现图像的色彩提取，可作为色彩基础网络模型的节点。

K-means聚类是一个迭代过程，聚类终止须构建判断公式。设Dmax为本次聚类中心和上次聚类中心的最大距离，[CR]′，[CG]′，[CB]′分别为本次聚类中心的RGB值;[CR]，[CG]，[CB]为上次聚类中心的RGB值;3×2552为三维色彩空间内可达到的最大距离值，用以实现两次中心绝对距离的归一化处理;[D]为分辨阈值，依据相关研究[11]，[D]=005。则聚類终止条件为Dmax<[D]。

K-means聚类中心的色彩值即为色彩基础网络模型的色彩节点，中心色彩的像素数即为色彩基础网络模型中节点的节点度。

1.2 色彩网络节点连接关系构建

安塞民间绘画色彩基础网络模型结构如图1所示。其中节点的色彩值可由聚类结果计算得到，节点度可由像素数确定。本文通过单幅画作内的色彩邻接关系来确定节点间的连接关系，可通过矢量处理软件轻易获得并计算出邻接边缘的长度，从而确定连线的粗细。

2 基于效率矩阵的安塞民间绘画色彩网络模型优化

在色彩基础网络模型中，节点度体现了色彩节点的重要程度，而部分文献将色彩节点的节点度单纯由像素数确定[6]，这种处理较片面。这是由于在色彩设计过程中，色彩的搭配关系在整体和局部上通常均遵循一定的习惯和逻辑，色彩网络节点间也存在着隐性且复杂的依赖和贡献关系。以图1中的黑色节点为例，该节点虽不具备较高的像素数，但其在整体和局部配色设计中，起到重要的装饰、分割、对比等作用，这些作用使其在色彩网络中对其他节点具有较高贡献。因此，其重要程度不能仅依靠节点像素数来直接衡量，应考虑其对其他色彩节点起到的装饰、分割、对比等作用，而进行加权。

因此，本文引入重要度贡献矩阵评价思维，将安塞民间绘画的配色习惯和逻辑这种隐性的设计思维显化为贡献度矩阵，对色彩的节点度进行加权，平衡和优化色彩的重要度和在后期对模型应用时的色彩搭配优先度，故提出一种改进的基于效率矩阵的色彩节点度优化方法。这种改进后的方法不单考虑到色彩基础网络中的节点度值，还对节点间的贡献度进行了考虑。具体来说，将由K-means聚类获得的色彩基础网络模型中的节点度称为局部节点度，通过效率矩阵优化后的节点度称为全局节点度。色彩基础网络模型中的节点对其他节点的贡献度可以通过效率矩阵计算[11]。

将全局重要度计算结果带入色彩基础网络模型，即对基础网络模型实现进一步优化。

3 安塞民间绘画色彩网络模型构建流程

模型构建流程如图2所示。为便于理解，附简要说明如下：1）对安塞民间绘画进行大量的图像采集，利用现有平面设计软件，将多幅图像合并为一个幅面，并输入图像;2）指定聚类中心数量和聚类初始位置，利用K-means对图像色彩进行聚类，从而确定网络模型节点和局部节点度;3）将图像进行矢量化处理，利用矢量软件测量色块间的邻接长度，确定连线粗细，建立节点连线，从而实现安塞民间绘画基础网络模型的构建;4）采用李克特量对色彩之间的贡献度进行评级和打分，从而获得色彩节点之间的贡献度矩阵。5）最后，将节点的贡献度矩阵和局部节点度进行综合，从而实现对基础网络模型的优化，并最终实现安塞民间绘画色彩网络模型的构建。

4 安塞民间绘画色彩网络模型构建实例

以安塞民间绘画作为研究对象，对色彩网络模型的构建方法进行实例验证与展示。本文委派4名硕士研究生对安塞民间绘画进行图像搜集，共搜集安塞民间绘画经典绘画作品134幅。由7名安塞绘画传承人和4名资深色彩设计研究人员对所搜集作品的代表性进行分析，认为搜集到的画作样本能够较为准确地反映出安塞民间绘画的色彩特征和色彩设计思维。

为保证对画作像素点色彩提取结果及两两色彩节点的邻接边缘长度的准确性，利用Photoshop软件对134幅作品按原画作尺寸以同一比例进行整体缩放和拼合，画作样本拼合结果的局部展示效果如图3所示。

4.1 安塞民间绘画色彩基础网络模型的构建

对安塞绘画实际作画过程进行研究发现，安塞绘画所使用的颜料通常为12种广告色，且多使用不经调和的纯色，技法也多为平涂。进一步对画面色彩进行直观分析发现，其色彩的最终呈现也基本符合作画规律。因此，指定色彩聚类中心数量，并在各特征颜色上随机指定初始聚类位置。利用K-means聚类方法，获得12个色彩网络节点的RGB值和色彩节点的局部节点度。为方便观察，对色彩节点的局部节点度进行归一化处理，最终结果如表1所示。

对两两色彩节点的邻接边缘长度进行像素统计，并对结果进行归一化处理，数据如表2所示。

综上，安塞民间绘画色彩基础网络模型如图4所示。

4.2 色彩基础网络模型优化过程及结果

运用节点贡献度矩阵对色彩基础网络模型进行优化：

1） 采用李克特量构建色彩节点贡献度5级评价尺度“{几乎无贡献，轻微贡献，一般贡献，较大贡献，巨大贡献}”，并对应分值“{0.2，0.4，0.6，0.8，1.0}”。选取7名安塞绘画传承人对色彩节点间的相互贡献进行逐一打分，并以单一节点的总得分作为该节点的贡献度。据此，可构建色彩节点的贡献度矩阵，归一化后的节点贡献度如表3所示。

2） 利用式（2）～（5），计算节点的全局节点度，并实现色彩基础网络模型的优化。优化后的色彩网络模型，即最终模型如图5所示。

4.3 安塞民间绘画色彩网络模型可靠性分析

为了评估安塞民间绘画色彩网络模型的可靠性，通过4幅安塞绘画作品进行验证分析。在图库中进行随机选取，获得两幅原始实验样本（图6（a）（b））和两幅新挑选样本（图6（c）（d））。对验证样本进行独立的色彩网络模型构建，并将所挑选样本的色彩网络模型和本文提出的安塞民间绘画色彩网络模型进行对比，以此验证模型对安塞民间绘画色彩的概括能力和可靠性。四幅作品的色彩网络模型如图7所示。由于单幅作品的色彩关系相对较为简单，单纯计算模型间的误差并不具有实际意义，在进行色彩模型对比分析时更应关注模型对色彩关系概括的准确性。因此，对模型进行比较发现，安塞民间绘画色彩网络模型可以完全概括样本色彩模型，即该模型对安塞绘画色彩关系特征的描述具有较好的可靠性。

5 结 论

本文以安塞民间绘画为研究对象，通过引入K-means聚类算法和专家评价法，设计了一种新型色彩网络模型的数字化构建方法，以期更准确地探究和反映安塞民间绘画的色彩设计思维，并为当下设计提供更具中国特色、民族特色的参考和启发。相关研究结论如下：

1） 本文将复杂的安塞民间绘画色彩关系在一定程度上进行简化和概括，最终得到的安塞民间绘画色彩网络模型能够较好地反映安塞民间绘画的色彩关系和特征。

2） 设计师在进行意象再现的配色设计过程中，通常由于随意性和偶然性，未能很好地达到意象再现效果。

本文得到的安塞民间绘画色彩网络模型，可从安塞民间绘画的色彩风格这一角度，为设计师提供数字化的配色设计辅助工具和更为准确的参考，从而提高其色彩设计效率。

3） 利用数字化技术对安塞民间绘画进行色彩模型研究是一种更为科学和准确的色彩研究方法。本文基于节点贡獻度矩阵，对常规色彩网络模型节点的节点度计算进行了优化，所提出的色彩网络模型构建技术可为相关色彩研究提供一定的参考。同时，为了进一步考核本文技术的可靠性和应用范围，也期望相关研究同行能够对本文技术和模型进行更为广泛的验证。

参考文献：

[1]陈伟伟， 陈雁. 基于PCCS体系的服装色彩与服装风格的色彩空间匹配分析[J]. 丝绸， 2019， 56（1）： 66-72.

CHEN Weiwei， CHEN Yan. Color space matching analysis of clothing colors and clothing styles based on PCCS color system[J]. Journal of Silk， 2019， 56（1）： 66-72.

[2]徐平华， 冒海琳， 张玉杰， 等. 民族服饰色彩构成分析方法研究[J]. 丝绸， 2019， 56（3）： 24-29.

XU Pinghua， MAO Hailin， ZHANG Yujie， et al. Study on analysis method for color composition of ethnic costumes[J]. Journal of Silk， 2019， 56（3）： 24-29.

[3]燕耀. 安塞民间绘画的色彩配比规律研究[J]. 美术文献， 2019（10）： 148-150.

YAN Yao. Research on the color matching law of Ansai folk painting[J]. Art Literature， 2019（10）： 148-150.

[4]吴小珍. 浅析安塞现代民间绘画的色彩[J]. 群文天地， 2012（17）： 181.

WU Xiaozhen. Analysis of the color of Ansai modern folk painting[J]. Qun Wen Tian Di， 2012（17）： 181.

[5]苏胜， 顾森. 陕西安塞农民画[J]. 美术， 2019（7）： 118-119.

SU Sheng， GU Sen. Shaanxi Ansai peasant paintings[J]. Art Magazine， 2019（7）： 118-119.

[6]HARD A， SIVIK L. A theory of colors in combination： a descriptive model related to the NCS color-order system[J]. Color Research and Application， 2001， 26（1）： 4-28.

[7]STEWARD D V. The design structure system： a method for managing the design of complex system[C]// Proceedings of IEEE Transaction on Engineering Management. Washington D C USA： IEEE， 1981： 152-161.

[8]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辅助技术[J]. 计算机集成制造系统， 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 Systems， 2016， 22（4）： 899-907.

[9]李愚， 刘肖健， 孙艳， 等. 产品配色设计的色彩邻接网络模型[J]. 计算机集成制造系统， 2019， 25（9）： 2355-2364.

LI Yu， LIU Xiaojian， SUN Yan， et al. Color adjacent network model for product color design[J]. Computer Integrated Manufacturing Systems， 2019， 25（9）： 2355-2364.

[10]YANG N C， CHANG Weihan， KUO C M， et al. A fast MPEG-7 dominant color extraction with new similarity measure for imae retrieval[J]. Journal of Visual Communication and Image Representation， 2008， 19（2）： 92-105.

[11]范文禮， 刘志刚. 一种基于效率矩阵的网络节点重要度评价算法[J]. 计算物理， 2013（5）： 714-719.

FAN Wenli， LIU Zhigang. An evaluation method for node importance based on efficiency matrix[J]. Chinese Journal of Computational Physics， 2013（5）： 714-719.