长沙市主城区建筑色彩基因提取与分析研究

傅倩，王暄，黄钰靖，周旭

（1.中南林业科技大学风景园林学院，湖南 长沙 410004；2.长沙学院艺术设计学院，湖南 长沙 410022）

一 引言

城市色彩是在文化、历史、社会及经济等众多因素影响下形成的一种城市形象，其面貌展现了一个地区的地域、文化及民族特征。城市可以理解为由“形”和“色”构成的空间，物质的形态及色彩共同决定了城市空间的本质。城市色彩可谓是影响城市面貌最为活跃的因素之一，是人们认识城市的最直观感受，也是最能影响人们感知城市特质的表现要素。然而，随着城市的快速发展，在经济全球化、社会多元化及城市的拆迁、规划、再建过程中受到许多外来元素影响的大背景下，城市逐渐丢失了许多传统的元素。如今城市发展进入转型期，追求打造高品质的城市空间成为趋势，旨在为城市居民提供更舒适的工作空间和生活空间，城市色彩问题成为城市规划不可忽视的一个重要议题。我国关于城市色彩的研究起步较晚，20世纪末开始才在我国受到重视，相关研究也才逐渐随之增多与深入［1-4］，对于色彩实践也已提出许多设想，但还处于探索阶段。近年来，随着大数据的蓬勃发展，针对传统色彩采集方法的缺陷，计算机方面的新数据与新技术向建成环境领域不断拓展，为以往难以定量、精细化测度的要素提供了新的可能［5-6］。该视角下通过从图片数据采集、色彩提取到最终的分析，构建了一个可视化、可量化的色彩数据模型，为城市色彩研究提供了一个较理性客观的分析路径［7］。

随着新时期我国城市建设从“新区拓展”转向“城市更新”，在城市发展上更加重视塑造人性化、高品质的建成环境，城市色彩在城市规划和城市设计领域受到前所未有的高度关注。北京、上海、天津、广州、青岛等多个城市都先后开展了城市建筑色彩方面的导控实践［8］。长沙市也于2009年制定了《长沙市城市色彩规划》（以下简称《色彩规划》）和《长沙市城市建筑色彩管理规定》，对城市建筑色彩控制和引导做出了有益的探索。但是，利用大数据进行城市色彩研究的文献相对较少，本文参考前人对街景评价的研究思路，对长沙的城市色彩进行分析。在色彩提取与分析方面，则基于计算机深度学习，对长沙市市区范围内的街景图像进行建筑外立面色彩可视化分析，把握长沙市主城区建筑色彩构成现状，并与2009年的色彩规划进行比对，评测长沙市对色彩规划的管控力度，探讨长沙市城市色彩现状、特点及城市色彩分析的优化方式。

二 研究思路及数据处理

（一）研究思路

《色彩规划》指出长沙市建筑色彩规划适用范围包括芙蓉区、天心区、岳麓区、开福区、雨花区5个行政区与望城县等城市外围区。鉴于2011年望城县已撤县设区，本研究将范围选为长沙市6个市辖行政区。本研究包括图像采集、建筑提取、主导色计算和建筑色彩导控等四个主要步骤；通过提取城市空间内街景图像，构建城市色彩量化模型，对大规模的城市街景图像进行色彩分析，对空间内的色彩进行等分取样，将城市空间的片段划分为不同的抽象空间，以此模拟人眼在城市空间片段中的色彩认知；将人眼对所有色彩片段产生的色彩认知进行叠加，进一步研究城市的色彩构成。

（二）数据来源及处理

1.数据来源

街景图像数据获取的主要步骤如下。首先，进入OpenStreetMap获取长沙市路网数据，通过ArcGIS对处理过的路网以250米为间隔进行采样点的布点，生成采样点11 600个，基于84坐标系对导出的经纬度数据进行坐标转换。在获取到每个采样点的百度地图坐标系的经纬度后，利用Python调用百度地图API获得大规模街景图像，间隔为250m，视线垂直角度统一设置为0°，即视线平视的角度。采样点的水平角度分别抓取平行于道路（前、后）和垂直于道路（左、右）的4张街景视图（图1），每个视线方向的视角为90°。经过校准和筛选，最终爬取到的街景图像有5 729张。

图1 街景图像爬取示意图

2.图像数据处理

在MATLAB中调用训练成熟的SegNet网络模型进行迁移学习，对街景图像进行语义分割，提取建筑元素，得到语义分析结果图（图2（2））。接着，对获取到的建筑元素，进行基于灰度世界算法的图像色彩校正。在规避因天气、光线等因素造成的图像色彩偏差基础上，进行相近色彩的提取并二值化，得到以建筑为白色、其他元素为黑色的建筑灰度图（图2（3））。建筑灰度图的矩阵数据由0和1构成，其中0为黑色，1为白色。然后，将处理过的图片基于MATLAB利用K-means聚类法进行图片主色调的提取，将数据为1的矩阵块填入原街景图像（图2（1））的色彩数据，即可得到建筑物提取结果图（图2（4））。将所有图片的主色调在色彩空间中进行三维可视化，观察城市色彩的构成情况。

图2 基于SegNet网络模型的图像分割

3.色彩校正及量化

为使色彩更为准确，本研究采用了Photoshop中的CameraRaw进行色彩校正。在Photoshop中以CameraRaw的方式打开图片，选取中性灰度，即RGB大致相等的灰度色彩，就可对所有图片色彩进行统一调整。色彩空间被用来量化人眼可见的色彩，常见的色彩空间有RGB、HSV等。RGB色彩空间是由红（R）、绿（G）、蓝（B）三色光混合形成的色彩，能反映出色彩的冷暖构成，常用于光栅图形的显示和进行色彩的色相分析。HSV色彩空间中H（Hue）为色调、S（saturation）为饱和度、V（value）为明度，本研究将选取这两类色彩空间进行色彩量化研究。

对建筑色彩的取色，基于K-means聚类算法进行提取。建筑色彩的RGB像素点在色彩三维空间中呈散点，利用该算法将建筑色彩进行聚集、筛选，归类为4类主色团，以团簇中间值作为建筑的主导色，则每张街景图像可选出四个色彩点作为其主导色。通过MATLAB对提取出的主色调进行色彩空间的转换，则可得到主导色对应的HSV值。

借助MATLAB和ArcGIS平台，将每张街景图像提取出的主导色置于以色彩明度（V）为X轴、色彩色调（H）为Y轴及色彩饱和度（S）为Z轴的三维空间中，观察城市色彩在HSV色彩空间中的分布情况，通过观察色彩信息在HSV三维色彩空间中的分布来解析城市色彩的色调、明度和饱和度构成及城市空间中主色调的分布情况，并解析长沙市主城区色彩主色调以及色彩构成、分布情况。

三 长沙市主城区主导色提取

城市色彩构成是指将每张街景图像提取出的主导色置于以色彩明度（V）为X轴、色彩色调（H）为Y轴及色彩饱和度（S）为Z轴的三维空间中，观察城市色彩在HSV色彩空间中的分布情况，对图片主色调的数据进行色彩数据可视化。散点聚集程度说明使用程度，聚集程度越高则该色彩在城市中的使用频率越高，就越有可能被体验者所感知，因此通常将使用频率高的色彩定义为城市的基因色彩。另一方面，色彩散点的聚集程度和分散程度反映固定的色彩模式。散点分散说明了该城市对城市色彩方面的管控力度不足，或在进行城市设计时缺少对城市内建筑色彩的考虑。

（一）H、S、V数值特征分析

HSV色彩空间主要由6个色系组成，其中色调值对应的0至30为红色系，30至90为黄色系，90至150为绿色系，150至210为青色系，210至270为蓝色系，270至330为洋红色系。通过色彩现状的色调（H）构成图（表1）可以看出，长沙市市区范围内建筑色调中红色系占60%，黄色系占5%，绿色系占1.5%，青色系占6.5%，蓝色系占24%，洋红色系占3%，即黄红色调（红色系、黄色系及洋红色系的总和）所占比重较大，比重为68%；蓝绿色调（绿色系、青色系及蓝色系的总和）占比较小，比重为32%。

表1 色调（H）构成示意图

在长沙市色彩规划中运用了蒙赛尔色系，该色系使用字母表示色彩的色调，字母前的数字表示色差，色系主要有红色系、黄色系、绿色系、蓝色系及紫色系。在规划中红色系占8%，黄色系占67%，绿色系占7.3%，蓝色系占9.6%，紫色系占8.1%。即黄红色调（红色系及黄色系的总和）占比较大，比重为75%；蓝绿色调（绿色系、蓝色系及紫色系的总和）占比较小，比重为25%。基于以上分析可知，长沙市的城市色彩以黄红色调为主要色调，与长沙市城市色彩规划中的色调构成基本相符，在色调构成上满足规划中“碧水红城”的色彩定位。

长沙市色彩的明度构成现状有以下特点：明度在0.1至0.2之间的色彩点数量占比最大，比重为31%，色彩点的数量随着色彩明度的增高而减少，说明长沙市色彩的明度均较低，低于明度0.6的色彩点占90%。在长沙市色彩规划中，明度主要集中在0.4至0.7之间（表2）。

表2 明度（V）构成

通过以上分析可以看出，从现状而言，长沙市色彩的明度均偏低，与城市色彩规划不相吻合。但该分析结果与实际存在一定偏差，偏差主要源于街景图像中的建筑存在受光面和背光面。在进行图片色彩校正的前提下，建筑背光面的明度仍然会低于受光面。因此，在色彩聚类中提取主导色会对色彩明度产生影响。另一方面，长沙市色彩饱和度构成现状的主要特点为：城市色彩的饱和度均较低，其中饱和度小于0.1的色彩点占比最大，比重为48%，饱和度越高色彩点占比越少。该分析结果与城市色彩规划要求较一致，城市以低饱和度的色彩为主，高饱和色彩作为点缀，长沙市打造了素雅的城市色彩形象。

表3 饱和度（S）构成

（二）双数值特征分析

在进行长沙市色彩的双数值特征分析时，本研究以S-H散点分布图（图3）、S-V散点分布图（图4）及V-H散点分布图（图5）为可视化载体研究和探讨长沙市的基因色彩类型及特点。基于S-H散点分布图中散点在H轴上的聚集程度，可观察到长沙市的基因色主要有四类，即H值为0.1-0.12、0.45-0.48、0.6-0.63及0.95-0.98范围内聚集的四簇色彩点，其色彩饱和度在0.1-0.7的范围之内。基于S-V散点分布图的散点分布情况可观察到，随着色彩明度的增加，色彩散点数量减少的同时色彩饱和度也逐渐降低，色彩明度主要聚集在0-0.3的范围之内。基于V-H散点分布图中散点的分散程度及聚集程度，可观察到蓝绿色系的色彩点较分散，黄红色系的色彩点较聚集，说明长沙市在进行色彩管控时对黄红色系的色彩规划管控较严格。

图3 S-H散点分布图

图4 S-V散点分布图

图5 散点V-H分布图

长沙市色彩散点在三维空间中分布较集中，呈现出较明显的以黄红色系为主的色彩特征，与长沙市城市色彩的规划定位和目标相符合，说明长沙市在近10年来对城市的整体色彩进行规划时基本落实了城市色彩规划中的内容，对城市的主要色调进行了有效的管控和统一。

四 典型空间主导色分析

（一）商业空间基因色彩分布

在商业性空间方面本文选取了主城区内具有代表性的五一商圈和梅溪湖商圈进行典型色彩分析，两个商圈内的建筑风格以现代简约为主，就整体而言基因色分布均是以蓝色系为主色调。考虑商圈内建筑外立面广泛使用玻璃幕墙，增加了蓝色系色彩点的数量。除此以外，红色系也被较多使用，多出现在广告宣传牌或店铺标识上。底层商业外立面则以色彩明度较低的黄色系为主。

（二）街道色彩分析

在道路空间方面本文选取了黄兴中路、坡子街和太平老街三条老街作为色彩分析样本，建筑风格以传统建筑为主。通过计算，黄兴中路的色彩点分布主要呈现出在纵轴（H轴）上聚集的三簇色彩散点，其阈值分别为0至0.15、0.5至0.7、0.9至1，色相值的最大跨度为0.2；横轴（V轴）的阈值为0至0.8，色彩大量集中在小于0.3的区域。黄兴中路中的色彩以低明度色彩为主、高明度色彩为辅，采用的色系有三种，分别为蓝色系、红色系和黄色系。

坡子街的色彩散点分布主要呈现为色彩点在纵轴（H轴）上聚集的两簇色彩散点，其阈值范围为0至0.2、0.5至1，色相值的最大跨度为0.5，主要呈现出蓝色系和黄色系的色调，以黄色系为主，蓝色系为辅；横轴（V轴）的阈值为0至1，其中有较多色彩点聚集的范围为0至0.4，说明坡子街中的色彩明度有高有低，色彩明度覆盖范围广。太平老街的色彩散点分布主要呈现为色彩点在纵轴（H轴）上聚集的三簇色彩散点，其阈值范围分别为：0至0.15、0.6至0.78、0.9至1，色相值的最大跨度为0.18，色系表现为以黄红色系为主，蓝色系为辅；横轴（V轴）的阈值为0至0.9，其中色彩点大量集中在0至0.3的范围内，太平老街中色彩的明度构成以低明度色彩为主，高明度色彩为辅。

表4 商业空间基因色分布情况

五 结论与建议

（一）基于数字化研究的长沙市主城区色彩空间分布特征

本研究利用街景数据和机器学习，对长沙市主城区内的建筑色彩点信息进行了可视化分析。长沙市主城区城市色彩的色调以黄红色调为主，色彩的饱和度均为低值，呈现以低饱和度色彩为主、高饱和度色彩为点缀的特点。色彩的明度整体偏低，主要聚集在0-0.3的范围之内。以《色彩规划》为依据，目前长沙市整体色调基本与规划相吻合，但色彩明度低于规划中0.7的要求，说明了城市内色彩偏暗的现状。

通过对长沙市建筑色彩的提取进行分析，长沙市内黄红色调主要运用于居住建筑、低层商业及传统型商业街区的建筑外立面中，蓝绿色调主要运用于现代型商业的高层建筑和底层商业建筑的立面中，色彩来源主要为建筑外立面的大面积玻璃幕墙反光产生的蓝绿色系的光线。同时，在研究中发现，部分案例空间中，同一空间内出现涉及多个色系色彩使用的现象，没有形成主次，导致空间内出现建筑色彩混乱的情况（图6）。

图6 现代商业区建筑街景图

由此可以看出，良好的色彩环境主要与空间中色彩的色相跨度及色彩明度相关。同一街道空间内的色系应以一种色调为主，主要色调的色相跨度范围也不宜过大，宜取同一色调组团内的颜色互为色调调和，且应尽量控制在0.2之内，保持空间内色彩的一致性。同时，应尽量控制辅助色调的空间布局，如广告牌的位置、店铺的名称标识等，降低辅助色调对空间色彩产生的影响。应保证色彩明度以高明度色彩为主，尤其是在街道宽度较小的街道空间内。高明度色彩具有空间膨胀效果，为较狭窄的街道空间营造更好的体验效果。

（二）基于数据分析平台的色彩数据分析及可视化应用探讨

人本视角下的城市建筑色彩分析与评估，一直是构建城市色彩总谱、建立城市色彩库、划定城市主导色和色彩基调等城市设计工作中的核心内容［8］。本文利用MATLAB深度学习工具箱中迁移学习的功能，进行基于SegNet语义网络的图像语义分割；利用其中的K-means算法对色彩数据进行色彩聚集和提取，并对聚集色彩进行叠加及可视化，从而得出长沙市城市建筑色彩的结构。同时，通过ArcGIS软件将色彩点的空间位置与特征进行可视化呈现，直观地反映了长沙市主城区色彩分布的情况。基于街景数据和机器学习的城市色彩评估，解决了以往建筑色彩分析拘泥于手工小样本采集，难以大范围运用的问题。但是，街景图片的拍摄受到时间、季节、光线以及街道绿植干扰等因素的影响，由此产生的光影、色偏、建筑反光灯效果均不相同，导致获取到的街景图像之间存在较大的色彩差异，在对建筑色彩进行颜色聚类提取的时候会与实际的色彩效果产生偏差。因此，在往后的研究中应发掘和引入更好的图像色彩偏差校正方法，力求减少获取的数据与实际街景之间的误差。

（三）优化建议

本研究主要对长沙市主城区的主色调及代表区域的色彩进行了提取分析，尝试将主观感受转变为科学表达，并使用统一的数字化色彩表达语汇，赋予城市色彩以地理空间属性，以探讨长沙市主城区的建筑色彩分布特征。本文没有评判建筑色彩使用的优劣，也未探究市民对于城市色彩的喜好程度。但是，伴随着品质化城市更新的不断推进，城市色彩的研究越来越被人们所重视，大众对城市的个性以及特色的要求也越来越高。因此，未来应依托计算机技术，优化评价手段，重视主客合一的思维方式，基于城市自身的文化基因特色，探讨一套更完整、更直观的色彩评价体系。这不仅能为城市色彩规划提供一个更精准的量化标准，还能因地制宜地营造出具有不同性格特点的街道空间；既使城市色彩能符合城市特色发展的需求，同时也能满足体验者的心理需求。除此之外，在未来的城市规划中，应针对建筑材料、建筑外观的色彩属性特征提出具体的控制要求，同时加强项目审批阶段的色彩监管及建筑色彩日常维护、更新管理方面的制度建设，才能使整体色彩品质能够长期维持下去，并维护良好的城市色彩形象。