基于聚类算法的纺织品文物色彩提取与纹样数字化探索

赵维一 尚玉平 康晓静 李文瑛 信晓瑜 刘凯旋

摘要： 为准确有效地提取纺织品文物的色彩，实现纺织品文物的纹样数字化处理，文章以新疆巴里坤出土的一组清代纺织品为例，设计了一种基于多变量模糊C均值（Multivariate Fuzzy C-mean，MFCM）聚类算法与K-means++算法相结合的纺织品纹样复原方法。首先，获取图像并通过双边滤波与高斯滤波对图像进行平滑降噪处理;然后采用MFCM聚类算法对平滑降噪后的图像进行分割;接着采用K-means++算法分析聚类数量，有效提取纺织品主色，并较好保留图像细节;最后通过计算机软件提取文物纹样轮廓，将提取的主色填充至纹样轮廓，完成纺织品文物纹样的数字化模拟。实验结果表明，该方法可以较为准确地提取纺织品文物色彩，并且提取效果优于传统数字化取色方法，取色效率更高，具有进一步研究应用的价值。

关键词： 聚类算法;纺织品;色彩提取;数字化;巴里坤;文物保护

中图分类号： TS941.11; TP391.41

文献标志码： A

文章编号： 1001-7003（2023）05-0008-11

引用页码： 051102

DOI： 10.3969/j.issn.1001-7003.2023.05.002

基金項目：

新疆维吾尔自治区社会科学基金项目（20BYS144）;教育部人文社会科学基金项目（22XJJA780001，22YJAZH064）;国家可移动文物保护项目（新文旅复函〔2021〕886号）

作者简介：

赵维一（1998），女，硕士研究生，研究方向为服装设计与纺织品文物数字化保护。通信作者：信晓瑜，副教授，xinxiaoyu00@163.com。

纺织品文物体现了特定历史时期的技术工艺和艺术审美，是了解古代文化、礼仪和制度的重要窗口，具有珍贵的历史价值，对其保护与研究对弘扬中华优秀传统文化具有重要作用。然而，纺织品文物多由有机物构成，质地相对脆弱，给相关陈列展览和科学研究带来较大困难。随着现代信息技术的发展，数字化技术因其极大地便利了纺织品文物的研究、展示与文化传播，成为纺织品文物保护和科技考古领域的重要趋势之一。纺织品文物的数字化研究主要包括纺织品文物的形制数字化复原与展示、色彩数字化提取、纹样矢量化绘制、织物组织结构数字化复原等。在纹样数字化模拟与展示方面，常见扫描合成图像，如使用Quicktime VR技术虚拟全景展示纺织品文物，并通过局部拍摄展示纺织品文物纹样细节特征［1］，国内文博单位也常以高分辨率的局部文物图像展示其纹样细节;除扫描拍摄展示纺织品文物外，还可以在计算机中绘制构建虚拟纺织品文物纹样，如周博文［2］基于Web平台，采集云锦图像并结合二维算法与三维场景模拟技术，最后展示了云锦的三维效果;赵娜等［3］则使用AI软件绘制明代夹袄表面的复杂妆花缎璎珞纹饰。在织物组织结构数字化复原研究中，王亚楠［4］以传统刺绣修复流程为基础，使用Adobe系列软件对马山楚墓的部分纺织品文物刺绣进行数字化修复，对刺绣品的虚拟修复进行了实践研究，并通过多种方法数字化模拟纺织品文物纹样，让文物可以线上展示，在保护文物的同时还方便了文化的传播，并让更多人欣赏到纺织品文物的细节。以上研究体现出数字化技术在纺织品文物保护领域具有极大的应用前景。

色彩提取是纺织品文物纹样模拟与复原的关键内容，文保人员通常使用测色仪或计算机绘图软件提取图像色彩［5-6］，其取色结果受取色点位置和数量影响较大，取色效率较低且具有较强主观性，取色结果容易产生偏差。随着计算机图像处理技术的快速发展，利用计算机算法高效准确地提取文物色彩成为当前文化遗产数字化研究的新方向。如肖梦薇［7］以故宫建筑外檐彩画为研究对象，结合数据提炼其配色倾向，归纳总结了研究对象的色彩基因与现状;赵浩亦［8］使用K-means聚类算法提取了唐代壁画中女性服饰的主要色彩。部分学者对传统纹样进行色彩提取，如刘肖健等［9］利用聚类算法在传统纹样图库中获取特征色，构建色彩网络模型，实现基于传统纹样色彩的产品配色方案;赵露晞［10］提取部分具有文化现象的传统纹样色彩，探讨了具有文化现象的传统纹样的色彩特征及研究方法。Kuo等［11］通过增加色彩信息量提高织物纹样分割的精度，从而使提取的色彩更为准确;邢乐等［12］通过Mean-shift算法实现了传统服饰的主色检测与智能提取，并讨论了不同滤波窗口尺寸与Mean-shift不同带宽下被检测图像的主色与实物图像的接近程度;Zheng［13］在CIE-Lab颜色空间中结合织物结构特征与颜色区域信息，建立了基于模糊区域的分割模型，从而完成织物图案分割和颜色提取;Kuo等［14］提出了一种印花织物的自动分色方法，在HSI模式下使用遗传算法与FCM区域分割法进行织物色彩提取，达到快速分色的目的;Hu等［15］则用八叉树法量化织锦色彩，在K-means聚类算法提取色彩后展开设计并模拟织锦外观;Xing等［16］利用Mean-shift算法提取中国传统云肩色彩并得到较为准确的实验结果;陈登凯等［17］基于MCCQ算法得到民间布老虎的色彩特征，以归纳传统布老虎的独特色彩语言与文化特征等。

以上研究通过计算机算法提高了传统织物色彩数字化提取的效率，为纺织品文物纹样的色彩提取与数字化复原研究提供了思路。然而，由于纺织品文物表面往往存在氧化褪色、糟朽、缺损、斑点、颜色不均等病害，由此获取的织物图像色彩不够准确，给纺织品文物纹样数字化处理带来了困难。本文试图在前辈学人的研究基础上探索一种优化改良的计算机色彩提取方式，为未来的研究提供参考。

1 实验方案设计

2019年新疆巴里坤团结东路M12号墓地出土了一组保存较完整的清代服饰文物，因新疆出土的清代服饰实物较少，这组文物对研究清代染织技艺和清代中央经营西域的相关历史具有重要意义。本文研究对象为巴里坤M12号墓出土的清代蟒袍、补服与妆花缎枕巾表面的部分纹样图案。

为高效准确地提取M12纺织品文物的色彩并实现文物纹样数字化，本文提出了一种基于多变量模糊C均值（Multivariate Fuzzy C-mean，MFCM）聚类算法与K-means++聚类算法相结合的纺织品文物纹样色彩提取方法。具体实验方案为：首先采集文物图像，经双边滤波对图像进行平滑降噪处理，去除图像中糟朽、缺损、斑点等带来的噪声，保留纹样的轮廓;然后采用MFCM聚类算法对降噪处理后的图像进行分割，并在RGB色彩空间中通过K-means++聚类算法对纺织品主色进行聚类和取色;最后使用CorelDRAW对纹样造型进行矢量化提取，并用前期聚类算法提取的主色进行填充，最终完成纹样的数字化处理，相关技术路线如图1所示。

2 实验过程

2.1 图像获取和平滑降噪处理

2.1.1 图像采集

为准确采集纺织品文物的图像信息，本文使用相机佳能EOS 5D Mark Ⅲ，在LED光源条件下拍摄实物图像。由于出土纺织品文物存在一定程度的褪色和污损，需要首先对图像进行色彩校准，之后才能进行色彩提取。本文首先采集了巴里坤出土的一套清代官服和妆花缎枕套纹样的彩色图像，在D50标准光源下，观察文物实物，与文物图像进行比对，在Photoshop中使用三个代表色（红、蓝、绿）进行色彩校准［18］，为下一步色彩提取准备好基础的实验素材。

2.1.2 平滑降噪算法原理

考虑到纺织品文物的残损情况在图像拍摄与传输的过程中容易产生噪点，所以需将得到的图像进行平滑降噪处理。本文采用双边滤波算法［19］进行降噪平滑处理，使图像在保留轮廓和边缘的同时过滤噪声。双边滤波算法通过像素与邻近像素值的加权平均进行非线性平滑滤波，其原理可用下式表示：

2.1.3 平滑降噪实验过程及结果分析

通过双边滤波算法对织物图像进行处理，如图2所示。在双边滤波算法中，σd与σr是关系滤波结果的重要参数，在参数调整时一般选择较大的σd值与较小的σr。从图2可以看出，滤波后的图像在滤噪的同时保留了纹样的轮廓边界。

实验发现，在实验窗口大小5×5的环境下运行双边滤波算法，当σd=3、σr=0.2时可以得到边缘较为清晰且的结果，如图3所示。在σd与σr值均较小时虽然轮廓清晰，但是纹样表面的滤噪效果与原图对比变化不大。在σd与σr值较大时，刺绣纹样的边缘轮廓清晰度低，会造成纹样中一些细节也被过滤，如图3（d）中宝伞纹的伞顶与伞柄在σd与σr值较大时边缘均被模糊，导致后续图像分割困难，使纹样在色彩提取时因缺失部分细节而造成计算误差。

2.2 基于MFCM聚类算法的图像分割

2.2.1 图像分割算法原理

2.2.2 图像分割实验过程

对巴里坤出土的这一套清代纺织品文物中的官补、蟒袍刺绣及妆花缎枕巾局部纹样进行计算，然后在Python中通过可视化数据得到主色色卡，结果如表1所示。

MFCM算法的重要参数指标为聚类簇数，本文以巴里坤蟒袍上的宝伞纹图像为例，其像素总数为269 352，在不同聚类簇下经过101次迭代后，得到不同效果的分割结果，如图4所示。实验发现，聚类簇数c为2时选择结果较好，原图像中主要的糟朽与背景分割较为清晰。由于聚类簇数越大，分割纹理边缘越粗，分割层次越多，这导致结果中图像的细节损失越多，纹样中损失的可用信息无法体现。

2.2.3 图像分割实验有效性评价

为进一步验证MFCM聚类算法对本文纺织品文物纹样的分割有效性，本文以人工分割为参考标准，将MFCM聚类算法分割好的纹样与模糊C均值聚类（FCM）算法［21］及增強模糊本文均值聚类（EnFCM）算法［22］对比，结果如图5所示。与人工分割的图像进行对比，直接使用FCM算法分割蟒袍的宝伞纹样，其对样本归类的隶属度不是特别精确，对局部清晰度低的边界判断存在误差，导致部分区域背景与刺绣纹样没有完全分割开，如图5（b）所示;图5（c）显示使用EnFCM算法对纹样进行分割时损失的色彩信息较多;而图5（d）显示MFCM算法分割效果较其他两种方法效果更好。

此外，通过IOU评价指标［23］对比算法分割图像与人工分割图像重叠度，结果如表2所示。由表2可以看出，MFCM算法在与人工分割图像的IOU值较高，其交并集比值呈现出评价结果偏高的趋势，表明MFCM算法可以较为准确地分割出有糟朽氧化的纺织品文物纹样，且可以在较短的时间内批量处理图像，能剔除部分影响结果的图像内容，提取更有效的局部分割图像，提取结果噪声较小，样本隶属度值的划分较一般聚类算法更加灵活［24］。

2.3 基于K-means++聚类算法的主色调提取

2.3.1 主色提取的算法原理

纺织品文物的纹样边界多具有封闭性，且每一个封闭区域内色彩相对均匀，可使用聚类算法将纹样中的色彩归类，最终得到代表纹样色彩的类值。因RGB颜色空间中距离的远近与色彩变化存在关联性，可直接在RGB颜色空间中使用聚类算法提取色彩。但由于K-means聚类算法在计算时随机选择初始聚类中心，导致收敛结果获取速度较慢，且同时收敛于局部最优解，易造成结果误差。基于以上问题，为更有效地得到聚类数量和织物颜色，本文使用K-means++聚类算法优化初始聚类中心的选择，一定程度上可以避免传统K-Means算法收敛于局部最优解的缺陷，从而提高运行速度，降低结果误差，其步骤为：

1） 随机选择一个样本作为第一个聚类中心C。

2） 计算每个样本与当前已有聚类中心的最短距离D（x），同时计算每个样本作为下一个聚类中心的概率，该概率可用下式表示：

3） 重复步骤2，采用同样的方式，选出K个聚类中心。

4） 计算n-K个剩余样本点到每个初始聚类中心的欧氏距离，计算公式为：

计算后得到该样本与K个聚类中心中最小的距离，并将该样本分配进此距离中心所在的类。

5） 对于每一个类，去均值后重新计算聚类中心，ci为新的聚类中心，计算公式为：

6） 将新的聚类中心与步骤3中聚类中心对比，若二者之间的距离小于阈值，认为聚类收敛;反之，重复步骤4与步骤5，至新的聚类中心与步骤3中聚类中心距离小于阈值，结束迭代。

2.3.2 主色调提取实验

按照前述算法原理，本文使用K-means++聚类算法提取文物主色，并将提取得到的色彩按比例填充进入图像轮廓中，可得到如表3所示的纹样效果。

2.3.3 主色调提取实验效果检验

为验证利用本文算法提取的色彩与原文物图像的一致性，本文以巴里坤出土的官补为例，选择文物色彩复原中常用的软件取色法［25］进行对比，结果如图6所示。由图6结果显示，软件取色法取色结果的整体色彩基调更加明亮，同时该方法基于人工取色，不同操作人员取色结果易造成误差，并且取色流程复杂。

随后，使用RGB色彩分布散点图进一步量化两种方法取色效果的差异，结果如图7所示。对比图7（a）所示文物图像的RGB色彩散点分布图和分别使用前述两种取色方法取色结果的色彩散点分布图可以发现，图7（b）中本文聚类算法取色结果的RGB色彩散点分布图中蓝青色系在蓝通道上的数值比图7（c）中软件取色结果的蓝青色系在蓝通道的数值更低，更接近图7（a）中蓝青色系在蓝通道上的值;同时聚类算法取色结果中橙色系过渡至蓝色系的图像较软件取色结果更加连贯;此外，聚类算法取色结果橙色系比重大，黄色系比重少，而软件取色结果中橙色系色彩分布较稀疏，黄色系色彩多，在橙黄色系色彩分布上聚类算法取色结果更加接近文物图像主色分布特征。由此可认为，本文使用优化的聚类算法取色结果在准确程度上高于软件取色法。

从取色效率来看，计算机聚类算法明显优于软件逐点取色，而为了验证K-means++与K-means两种聚类算法的运行效果之优劣，本文将实验对象分别代入两种算法中计算，得到其对应的算法时长，如表4所示。

由表4可见，K-means++聚类算法运算的时长更短，速度更快。此外，本文又以M12出土官补为例，比较了两种聚类算法得到的取色结果，并分析了其色彩RGB直方图分布情况，如图8、图9所示。结果显示，图9（b）中K-means聚类算法提取色彩的RGB直方图曲线凸起整体偏右，且坐标最右端仍有凸起，曲线起始点的横坐标较大，所提取色彩的曝光率过高，与图9（a）中文物初始图像的RGB直方图不符。而图9（c）中K-means++聚类算法提取色彩的RGB直方图曲线凸起相对居中，曲线起始点的横坐标更接近文物初始图像的RGB直方图，其画面曝光偏中间调，由此说明K-means++聚类算法的色彩提取结果更接近文物色彩特征，其准确性高于K-Means聚类算法。

2.4 纹样色彩分析

利用聚类算法提取主色的优势在于可直观准确地体现出土文物的色彩特征，以本文色彩提取结果为例，首先使用HSV色相环对其色相进行分析，得到色相分布模型如图10所示。由图10可以看出，其色相搭配具有一定的特点，其中蟒袍与枕巾的色彩主要分布在橙色中，其次为蓝青色、黄绿色、绿色、品红色系，表明蟒袍刺绣纹样整体呈现出暖色调的特点，并适当地使用冷色调的海水江崖纹、祥云纹及宝伞、如意等纹样搭配点缀;补子色彩主要分布在青色系中，剩余较少分布在橙色与黄绿色系中，表明其以冷色调为主，特别是蟒袍刺绣中的祥云纹、海水江崖纹、湖石纹样都呈现出中性偏冷的色调，色相的选择和搭配非常精妙。

从色彩明度来看，先将其按照低明度（0～33%）、中明度（34%～66%）、高明度（67%～100%）三個尺度划分，可以通过表5看出巴里坤出土蟒袍刺绣与枕巾纹样的明度分布中以低明度色彩为主，部分中明度色彩作为搭配色，给人以和谐沉静的视觉感受。表6中补子主色明度以低明度为主，其中云纹、水纹、湖石纹的明度层次呈现出过渡的特点;兽纹外轮廓、草木花卉纹样与部分祥云纹整体明度较低。其色彩饱和度则在三个层次均有分布，且蟒袍与官补刺绣整体表现出从上至下饱和度增加的特点，在视觉上增加了色彩层次的过渡。尽管这一组纺织品文物存在氧化褪色等情况，但是依然可以看出其丰富的色彩搭配与含蓄华丽的艺术风格。

3 结 论

本文提出了一种基于多变量模糊C均值聚类（Multivariate Fuzzy C-mean，MFCM）算法与K-means++聚类算法相结合的纺织品文物纹样色彩提取方法，并以巴里坤M12出土的一组纺织品文物为实验对象，通过平滑降噪、图像分割、主色调提取、纹样数字化复原等一系列实验，完成了纺织品文物纹样数字化处理和色彩分析。同时，为验证本文实验方案的实际应用效果，本文对比了不同参数下纺织品文物纹样数字化处理的效果，并通过多种算法实验检验了使用本文算法取色的准确性及取色效率。实验表明，本文提出的实验方案能够较好的提高计算机取色的准确性，并能大大提高取色效率，具有一定的应用价值。

通过计算机聚类算法对巴里坤M12墓地出土纺织品纹样色彩进行数字化处理，可以较直观地了解文物配色的风格特征。从本文实验对象的取色结果可知，清代官服搭配具有明显的时代特征。内层蟒袍作为吉服，主要选择暖色调为主，并以精美的纹样进行点缀，凸显华丽富贵的仪式感。外层官服作为朝服，以石青等冷色调为主，素色为底，仅以胸背方补为装饰，体现出朝会活动的庄重正式感。补子的刺绣色彩以冷色调居多，蟒袍等其他文物的色彩表现出暖色调至冷色调从上到下过渡的特点，色彩搭配对比鲜明，互为补充。

由于实验条件和设备的局限，本文所设计的实验方案还不够完善。但实验表明，本文的色彩提取算法可适用于多种纺织品文物数字化复原过程，这一方法既可避免对质地脆弱的纺织品文物造成二次伤害，同时又方便了未来对纺织品文物的研究学习和数字化展示工作，可为文物内涵的创新转化积累有益经验。这在当前文化遗产数字化保护及传播工作中具有重要的现实意义。

參考文献：

［1］MARTIN K， KO H. Imagining historic fashion： Digital tools for the examination of historic dress［C］//2011 Second International Conference on Culture and Computing （Culture Computing）. Japan： IEEE Computer Society， 2011： 51-56.

［2］周博文. 云锦织物数字化展示技术研究［D］. 杭州： 浙江大学， 2017.

ZHOU Bowen. Digital Display Technology of Brocade［D］. Hangzhou： Zhejiang University， 2017.

［3］赵娜， 赵芮禾. 明宁靖王夫人吴氏墓出土织金璎珞纹云肩妆花缎夹袄实验考古学研究［J］. 形象史学， 2022（2）： 61-78.

ZHAO Na， ZHAO Ruihe. An experimental archaeological study of the gold-embellished cloud-shouldered satin jacket excavated from the tomb of Wu， wife of King Ningjing of the Ming Dynasty［J］. Image Historical Studies， 2022（2）： 61-78.

［4］王亚楠. 马山楚绣数字化虚拟修复技术应用研究［D］. 武汉： 武汉大学， 2019.

WANG Yanan. Research on Digital Virtual Repair Technology of Mashan Chu Embroidery［D］. Wuhan： Wuhan University， 2019.

［5］KMITA A. Decorative patterns and sets of colors inspired by folk and applied arts of Upper Silesia， a popularization of visual cultural heritage of the region［J］. Color Research and Application， 2018， 43（6）： 942-950.

［6］刘珈利， 贺荣， 田伟， 等. 色彩体系发展概述及其在傣锦设计中的实践［J］. 丝绸， 2021， 58（9）： 117-125.

LIU Jiali， HE Rong， TIAN Wei， et al. An overview of color system development and its application in Dai brocade design［J］. Journal of Silk， 2021， 58（9）： 117-125.

［7］肖梦薇. 北京故宫古代建筑群外檐苏式彩画纹饰与色彩研究［D］. 北京： 北京建筑大学， 2013.

XIAO Mengwei. The Study on the Line-adorning and Color of the Imperial Buildings of Palace Museum Outside Eaves Suzhou-style Decorative Painting［D］. Beijing： Beijing University of Civil Engineering and Architecture， 2013.

［8］赵浩亦. 基于数字图像处理技术的唐代敦煌壁画女性服饰色彩研究［D］. 杭州： 浙江理工大学， 2020： 25-34.

ZHAO Haoyi. Research on Female Costumes Color in Tang Dunhuang Fresco Based on Digital Image Processing Technology［D］. Hangzhou： Hangzhou Zhejiang Sci-Tech University， 2020： 25-34.

［9］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 System， 2016， 22（4）： 899-907.

［10］赵露唏. 中国传统文化色彩网络的大数据分析技术研究［D］. 杭州： 浙江工业大学， 2016.

ZHAO Luxi. Big Data Analysis Technology of Chinese Traditional Culture Network Research［D］. Hangzhou： Zhejiang University of Technology， 2016.

［11］KUO C F J， JIAN B L， TUNG C P， et al. Automatic machine embroidery image color analysis system， part Ⅱ： Application of the genetic algorithm in search of a repetitive pattern image［J］. Textile Research Journal， 2012， 82（11）： 1099-1106.

［12］邢樂， 张杰， 梁惠娥， 等. 传统服饰云肩实物图像主色的智能检测［J］. 纺织学报， 2017， 38（11）： 110-115.

XING Le， ZHANG Jie， LIANG Huie， et al. Intelligent inspection of dominant color for Chinese traditional folk Yunjian［J］. Journal of Textile Research， 2017， 38（11）： 110-115.

［13］ZHENG D J. A new method for automatic separation of fabric color［J］. Textile Research Journal， 2015， 85（14）： 1520-1538.

［14］KUO C F J， SHIH C Y. Printed fabric computerized automatic color separating system［J］. Textile Research Journal， 2011， 81（7）： 706-713.

［15］HU T， LI J， WANG J， et al. Research the intelligent design and simulation system of Tujia brocade［C］//IEEE International Conference on Cybernetics. Exeter： IEEE， 2017： 87-92.

［16］XING Le， ZHANG Jie， LIANG Huie， et al. Intelligent recognition of dominant colors of Chinese traditional costumes based on a mean shift clustering method［J］. The Journal of the Textile Institute， 2018， 109（10）： 1304-1314.

［17］陈登凯， 王瑶. 基于MCCQ的民间布老虎色彩特征提取及设计实践［J］. 包装工程， 2019， 40（24）： 45-49.

CHEN Dengkai， WANG Yao. Color feature extraction of folk cloth tigers and design practice based on MCCQ algorithm［J］. Packaging Engineering， 2019， 40（24）： 45-49.

［18］尚玉平， 欧阳盼， 刁常宇， 等. 新疆尼雅墓地出土纺织品文物的数字化信息采集： 以95MNIM8：15“五星出东方利中国”织锦护臂为例［J］. 文物， 2020（5）： 80-88.

SHANG Yuping， OUYANG Pan， DIAO Changyu， et al. Digitisation of textiles found in the Niya cemetery in Xinjiang： A case study of the Five Stars Rising in the East Benefit China armprotector （95MNIM8： 15）［J］. Cultural Relics， 2020（5）： 80-88.

［19］THAI B， DENG G， ROSS R， et al. Weighted bilateral filtering for near-edge artifacts avoidance and impulse noise suppression［C］//2016 IEEE 11th Conference on Industrial Electronics and Applications （ICIEA）. Hefei： IEEE， 2016： 663-668.

［20］PIMENTEL B A， DE S R. A multivariate fuzzy c-means method［J］. Applied Soft Computing， 2013， 13（4）： 1592-1607.

［21］DUNN J C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters［J］. Journal of Cybernetics， 1973， 3（3）： 32-57.

［22］张燕， 高鑫， 刘以， 等. 基于改进像素相关性模型的图像分割算法［J］. 图学学报， 2022， 43（2）： 205-213.

ZHANG Yan， GAO Xin， LIU Yi， et al. Image segmentation algorithm based on improved pixel correlation model［J］. Journal of Graphics， 2022， 43（2）： 205-213.

［23］吴志洋， 卓勇， 廖生辉. 改进的多目标回归实时人脸检测算法［J］. 计算机工程与应用， 2018， 54（11）： 1-7.

WU Zhiyang， ZHUO Yong， LIAO Shenghui. Improved multi-objective regressive real-time face detection algorithm［J］. Computer Engineering and Applications， 2018， 54（11）： 1-7.

［24］趙甜雨. 基于模糊理论的图像分割算法改进与应用［D］. 烟台： 烟台大学， 2021.

ZHAO Tianyu. Improvement and Application of Image Segmentation Algorithm Based on Fuzzy Theory［D］. Yantai： Yantai University， 2021.

［25］张辉， 信晓瑜， 马嘉琪， 等. 基于层次分析法的新疆尼雅出土服饰虚拟复原效果评价［J］. 毛纺科技， 2022， 50（4）： 66-72.

ZHANG Hui， XIN Xiaoyu， MA Jiaqi， et al. Evaluation of virtual restoration effect of Niya unearthed clothing in Xinjiang based on AHP［J］. Wool Textile Journal， 2022， 50（4）： 66-72.

Abstract： With the advent of digital simulation technology， there is a new solution to the problem of secondary damage caused by the display and handling of textile artifacts， which， due to their special material properties， are prone to suffer secondary damage in the course of handling for exhibition. In the process of digitally simulating the restoration of textile artifacts， the colour extraction step is very important， and this paper proposes to use computer technology to do this. The aim is to obtain accurate and efficient colors for textile artifacts without secondary damage.

In order to accurately and effectively extract the colors of textile artifacts and to digitize the patterns of textile artifacts， we， taking a group of Qing Dynasty textiles excavated in Balikun， Xinjiang as an example， designed a textile pattern recovery method based on the multivariate fuzzy C-mean （MFCM） algorithm by combining with the K-Means++ algorithm. First， images of textile artifacts were acquired and calibrated， and the acquired images were smoothed and noise-reduced with a bilateral filtering algorithm. The MFCM algorithm was then used to segment the smoothed and noise-reduced image. The aim of this step was to remove areas of the image that were abruptly colored and areas where the artifacts were missing， so that subsequent algorithms could extract the colors more accurately. In the comparison of the effectiveness of the segmentation results with the fuzzy C-mean clustering and enhanced fuzzy C-mean clustering algorithms， the results of the MFCM algorithm were found to be better， and the IOU evaluation value of the MFCM algorithm was the highest among the three algorithms， indicating that the MFCM algorithm segmented the images with more accurate elimination of discolored and damaged parts of the images， and less useful details of the images were lost. The K-Means++ clustering algorithm was then used to analyze the number of clusters and to select Buzi as the case. The above experimental results were compared and analyzed with those of the software colour extraction method and the K-Means clustering algorithm for colour extraction in terms of RGB colour scatter plot， algorithm duration and RGB histogram. The colour scatter plot of the K-Means++ clustering algorithm was found to be closer to the RGB colour scatter plot of the artifact image， and the K-Means++ clustering algorithm was found to be faster in related experiments and the RGB histogram results were closer to the RGB histogram of the artifact image. It shows that the K-Means++ clustering algorithm can effectively extract the main textile colors while well retaining image details， and its experiments are also faster. Finally， the pattern outline was extracted by computer software， and the extracted main colors were filled into the pattern outline to complete the digital simulation of the textile heritage pattern， which is also an important part of the virtual display of textile artifacts. The algorithm in this paper also visualizes the colour matching pattern of textile artifacts， and the colour matching ideas of the sample artifacts can be seen through the hue distribution model and the lightness and saturation distribution tables. The hue distribution of the Buzi is on the cooler side， while that of the python robe transitions up and down from warm to cooler tones， and the heritage motifs are moderately saturated and of low brightness， giving a solemn and sedate visual impression. This paper uses images of cultural relics physically photographed in Xinjiang as a research sample and expands on the clustering algorithm colour extraction to make the results of colour extraction of textile relics more accurate. After a comparative analysis with other algorithms， it can be seen that the method proposed in this paper achieves an optimized effect on the colour extraction of textile artifacts. The experimental results show that this research method can extract the colour of textile artifacts more accurately， and the extraction effect is better than the traditional digital colour extraction method， and the colour extraction efficiency is higher. In addition， after digitally extracting the colors of the motifs of the samples studied in this paper using computer algorithms， we can visualize the colour scheme characteristics of the group of cultural relics， which abstractly represents the colour style and cultural connotations of the motifs. The experiments designed in this paper have value for further research and application， and can provide reference for conceptual solutions for the use of garment digitization technology to display virtual cultural objects， facilitate the exhibition and dissemination of culture in the same category， and gain new experience for the digital conservation of textile objects in the future.

Key words： clustering algorithms; textiles; colour extraction; digitization; Balikun; artifacts conservation