纺织服装色彩搭配主客观量化及智能推荐的现状和发展趋势

文 | 王 雪 周立亚

在纺织服装设计中，色彩、肌理、手感和风格是设计师和消费者通过产品实现审美表达、理念认同和情感共通的重要因素，其中色彩尤为重要。国际流行色协会调查结果表明，合适的色彩搭配关系设计可以给产品带来10% ～ 25%的附加值。随着互联网技术的快速发展，越来越多的消费者选择线上选购商品，在线上采购模式下，服装色彩和色彩搭配的重要性尤其突出。此外，消费者在面对大量产品信息难以抉择时，可以通过有效的色彩搭配推荐，提升产品或品牌忠诚度，刺激消费。随着智能推荐算法的发展，基于搭配理论的色彩搭配智能推荐成为色彩研究领域新的研究热点。

色彩空间中的色相、明度和饱和度作为色彩属性指标，任一指标的变化均会导致色彩变化。此外，色彩搭配效果涉及到色彩心理学、色彩搭配偏好和色彩感性意象等相对主观方面，上述原因使色彩搭配的数字量化表征及其智能推荐具有相当的难度，关键技术问题突出表现在如何建立色彩数值属性和主观心理感受之间的关联以及寻找合适的智能算法模型进行数据训练和验证。本文以色彩搭配理论为基础，结合国内外相关研究领域的最新进展，以及色彩空间理论，对色彩搭配主客观量化表征、纺织服装色彩搭配智能推荐等相关研究内容进行了深入分析和讨论，总结研究进展，并进行展望。

1 纺织服装色彩搭配的客观量化表征

1.1 色彩及色彩空间

色彩是可见光、人眼和物体综合作用的产物。色彩本身并不具有任何主客观情感特点，但是由于不同个体在生理、心理等方面存在诸多差异，使其对色彩的感觉，既存在主观性，又具有一定的客观性。

色彩学中基于RGB、CIE、HSV等坐标系统所能定义的色彩范围即色彩空间，确定具体色彩的三维坐标数值，进行色彩的量化表征，并为不同色彩之间的色差分析和色彩搭配提供量化基础。其中HSV色彩空间（图 1）因为更加符合人眼对色彩的感知，可以在视觉上更好地体现色彩和亮度的区别，在色彩图像数字分析等相关研究领域中被广泛运用。

图1 HSV色彩空间

1.2 纺织服装色彩搭配关系的客观量化表征

纺织服装中的色彩搭配主要是指产品中或产品间两种或多种色彩并置时，因其性质等的不同而呈现出的色彩差别现象。色彩搭配虽存在主观感受差异，但同时也是客观存在的，目前客观的色彩测量和数字量化方法主要分为以下两种。

1.2.1 基于光谱功率分布的色彩量化法

传统的纺织服装色彩研究大多集中在色彩设计和色彩搭配等感性层面，或从设计到生产过程中的色彩质量控制等技术层面。其中，色彩的准确表征作为色彩沟通的关键环节，目前主要是通过高测试精度的分光光度计测定物体反射光谱分布（图 2），计算色彩的三刺激值，进而获得各种色彩属性值，实现具体色彩的精确量化。但是目前DataColor、DigiEye等仪器的测试范围比较局限，难以实现同时、多色、多点的色彩数值提取，进而无法快速完成多色搭配的纺织服装产品整体布局的色彩量化。此外，该类方法仅能实现对具体色彩的精确测量，并通过色差表征色彩之间的差异。但是，在需大量提取色彩信息，并进行色彩搭配关系判别等方面具有一定的局限性。

图2 分光光度计分光光路

1.2.2 基于计算机图像处理的色彩量化法

基于图像的色彩提取和数字分析技术近年来有长足的发展，如利用MATLAB程序等进行色彩数字量化表征，其在一定程度上弥补了仪器测色量化取样不足、分析不全等问题，另外也可以实现同时、多色、多点的色彩数值提取，有效提高色彩量化效率。当图像存在多个色彩搭配时，可以通过算法提取每种色彩具体的HSV值，计算色彩之间的△H、△S、△V，对比分析不同色彩属性差异，实现色彩搭配的数字量化表征。陶晨等在考虑色彩面积影响的基础上，通过服装主色调判断，建立了色相、明度和饱和度对比公式，实现了色彩量化以及搭配类型判断。李俞霏等借助HSV色彩空间，从色相、饱和度、明度三方面对蟒袍底色及纹样色彩进行量化和分析，对比了不同朝代服装的色彩特征及差异。该方法虽然可实现对同一图像整体色彩数据的收集和量化，但仍无法准确判别色彩搭配关系。另外，图像在成像的过程中受到光源、采集设备等因素的影响，与实际色彩存在一定差异，因此在进行色彩量化之前往往需要进行色差校正。相对于光谱功率分布色彩量化法，该方法在大量色彩信息提取、色彩搭配关系判别、色彩智能推荐等方面更具优势。

另外，设计师通常会在明确搭配色彩种类的基础上，结合Munsell、PCCS等色彩体系进行搭配方案合理性的主观判断、评估和调整。该过程的实现目前主要依据个人经验，具有一定的局限性，并且缺乏明确的数值化表达。另外，色彩搭配是否合理美观的判断依据，在很大程度上也会受到个人主观感受的影响，因此在进行色彩搭配设计时，除了需要考虑是否符合客观的色彩搭配形式美学要求之外，还要满足用户的主观情感需求。

2 纺织服装色彩搭配主观意象表征

人们对色彩的心理感受即色彩意象，是决定消费行为的隐形情感需求。确切了解色彩搭配产生的主观意象，将其与用户情感需求相结合，既可以有效地提高设计效率，也能在一定程度上确保设计的有效性。因此，纺织服装色彩搭配量化的表征不仅需要包括上述客观色彩属性值的提取，同时也需要强调人的主观感受。

2.1 基于主观实验的色彩意象坐标体系

虽然客观的色彩属性值提取可以较为精确地表达色彩，但是无法反映出人对色彩及色彩搭配的主观意象，而色彩主观意象对于确定用户情感需求以及购买意向有很重要的关系，因此不少学者通过构建色彩语义空间对色彩主观意象进行研究。其中比较典型的是日本色彩研究所提出的色彩意象坐标体系，该坐标以孟塞尔色彩体系为基础，将色彩意象进一步系统化、数据化，选取冷暖、软硬、纯浊 3 个心理轴向构建较为统一的色彩意象尺度标准，如图 3 所示。由于该意象尺度不受主观感受差异的影响，可以作为配色方案意象评估的有效客观标准，因此广泛应用于纺织服装、色彩设计、色彩营销等领域。

图3 色彩意象尺度示意图

而在纺织服装实际的设计生产过程中，既需考虑消费者的主观意象需求，也需进行色彩的精确沟通，因此这就需要建立纺织服装色彩搭配的客观属性值与主观意象之间的关联，在色彩意象科学表达的基础上，通过数据分析建立冷暖、软硬和纯浊 3 个心理轴向与H、S、V值的对应规律，实现主观意象与色彩量化指标的映射，并通过智能算法进行数据训练，建立基于主观意象的色彩搭配量化模型。

赵江洪等以意象坐标体系为依据，通过因子分析、色彩语义分析等方法建立了累计特征值为73.3%的产品二维色彩意象认知空间，并在此基础上构建色彩设计模型。吴志明等以CIELAB色彩空间为基础，将色彩数值与PCCS色彩体系相对应，结合单色色彩意象量表，建立清爽、现代和时髦 3 个意象群与色调的映射关系；但是该映射关系的建立仅针对单色和 3 种情感意象，没有考虑多色搭配与多种情感意象之间的联系，在实际的应用过程中具一定的局限性。

2.2 色彩意象定量分析

对于色彩意象的研究，主要是在确定设计目标之后，使用感性工学的测量方法进行市场调研，然后根据最终确定的代表性词汇和样本进行产品色彩设计定位，结合情感意象量化方法进行数据分析，建立用户主观意象与设计要素之间的联系，完成色彩意象的分析。目前定量研究用户情感意象的方法主要有语义差异分析法和联合分析法两种，其中语义差异分析法也称SD法，是研究用户对色彩主观情感意象的重要研究方法。该方法主要是结合 5 点或 7 点心理评价量表，通过主观实验获取色彩与相关色彩意象词汇之间的关联值，将用户的色彩情感需求转化为可供分析的评价数据，实现主观情感的定量分析。

王欢结合SD法，对选定的 5 个意象词汇与52组色彩实验样本进行主观实验，统计分析主观评价值获取主观评价量表，并以此量表为基础，通过色彩意象多元回归模型建立色彩属性值与主观意象之间的联系。张琳等为提高色彩设计的准确性及效率，对125个基本色彩样本进行语义差分实验，获取色彩主观意象评价值，并以此数据为基础建立色彩搭配与主观意象之间的联系，构建邓氏关联度数学模型，通过与美度评价计算方法对比，邓氏关联法对于产品色彩意象评价更加有效。

3 纺织服装色彩搭配智能推荐

随着人们消费方式的转变以及智能推荐算法的不断发展，基于色彩搭配理论的智能推荐等技术在纺织服装行业成为新的研究热点。通过大数据处理建立智能推荐网络模型，输入色彩搭配数字量化结果及主观意象主题，结合流行趋势输出符合用户情感需求的色彩搭配设计方案，实现色彩搭配的智能推荐。目前智能推荐系统中常用的算法不仅可以有效处理复杂的非结构化对象，而且部分推荐算法还可以考虑用户需求，并将其映射到产品上。但同时也存在诸多问题，如蚁群、粒子群等算法存在收敛速度过快和易陷入局部最优等问题，对解决色彩搭配的多维表征优化问题具有一定的局限性，因此在构建智能推荐模型之前，需要综合考虑实验的影响因素进行智能推荐算法筛选。

与传统的纺织服装色彩搭配推荐方法相比，国内外学者针对于色彩设计智能推荐方法做了很多相关研究。李雪瑞等基于Ostwald色彩理论和色相对比原理，利用配色衍生算法针对输入的实例配色查找色彩的同类色、邻近色、对比色和互补色等，以此产生新的色彩，并可以将其组合在一起，得到新的配色方案。该系统实现了色彩搭配方案的衍生，但未对新的配色方案进行风格意象等方面的评价，未来可以引入一定的评价算法，对新配色方案进行评价并根据评价结果更改色彩方案。赵晖以SVM分类结果作为输入数据，通过粒子群算法构建了色彩设计智能推荐系统，通过验证，该系统可在大多数情况下为用户提供符合其主观情感的色彩。赵黎等通过调查问卷的方式获取色彩意象评价数据，并将其作为评价模型输入值，利用BP神经网络构建色彩设计评价模型，并利用分层蜂群优化算法构建色彩智能推荐模型，获取评价较好的色彩搭配组合。通过问卷获取的色彩评价数据，带有一定的主观性和随机性，后续可考虑使用较客观的意象评价体系进行意象评价数据的提取。

4 总结与展望

目前具体色彩的客观测量和数字量化技术已经比较成熟，可以准确提取相关属性值，但是色彩搭配主客观量化表征的相关研究相对较少。在设计和实际生产的过程中，设计师或生产者仍主要依据自身经验进行色彩搭配和调整，缺乏客观准确的色彩搭配指导和推荐。另外，在进行纺织服装色彩设计时，首先是基于品牌形象和流行色，在色彩心理意象层面进行配色概念的梳理，之后确定配色调色盘，进行配色方案的制作和选择。但是目前该过程仍处于相对感性的层面，对色彩的选择难以解释，而且其精度有限，难以量化。

为有效解决目前存在的色彩搭配主客观量化及其智能推荐问题，通过前期大量的纺织服装色彩搭配调研以及流行趋势分析，结合色彩搭配理论及其在纺织服装中的应用，建议通过以下方式实现色彩的智能推荐。

（1）基于色相和色调两种配色方法进行色彩搭配的数字量化分析，明确色彩搭配关系。

（2）建立意象坐标体系与色彩量化值（HSV）之间的关联，具体包括结合色彩意象标准样本建立色彩意象和H、S、V值的映射关系，并基于智能算法进行数据训练，构建色彩意象判断评估模型，以把握整体的配色意象。

（3）结合流行趋势进行色彩搭配的智能推荐：在对现有的色彩搭配方案进行主客观量化表征的基础上，结合流行趋势进行色彩搭配方案的推荐，构建智能推荐模型，随之在不断的学习反馈与自适应中进行模型的改进，实现色彩搭配推荐方案的精确有效。