湖南侗锦图案的自动提取

王艺玮 郭虹 易兵

摘要： 为探寻民族织锦文化的最优传承模式，文章将湖南侗锦图案作为一种传统的文化符号与计算机图像处理方法相融合。由于侗锦图案在人工提取过程中存在直接取样难的问题，并且提取人员容易加入个人主观意愿，为了提高图案提取效率和准确度，对侗锦采取图像分析法进行自动提取。首先使用数码相机对侗锦图案进行有效采集，接着将图像灰度化，对处理后的图像通过中值滤波算法进行噪声平滑预处理，再利用大津阈值分割算法求取双阈值，最后使用Canny算法实现侗锦图案的自动提取。研究结果表明：该方法不仅能够提取出更多完整的边缘信息，且较人工手法而言更加精确、省时省力，较其他传统算法来说更有优势。

关键词： 传统文化;侗锦图案;图像处理;大津阈值分割算法;Canny算法

中图分类号： TS941.26

文献标志码： A

文章编号： 1001-7003（2023）05-0113-07

引用页码： 051203

DOI： 10.3969/j.issn.1001-7003.2023.05.015

基金项目：

教育部人文社会科学研究项目（20YJE760001）;湖南省社会科学成果评审委员会课题项目（XSP20YBZ101）;湖南工程学院研究生科研创新项目（202127）

作者简介：

王艺玮（1997），女，硕士研究生，研究方向为服装设计与工程。通信作者：易兵，教授，bingyi2004@126.com。

湖南西部、广西北部及贵州南部三省相邻区域是侗族主要分布区域，其中，湖南通道侗族自治县是侗锦保存与传承最为完整的区域。侗锦作为侗族文化的重要组成部分，不仅可以作为衣衫装饰，还将侗族所处地貌、历史文化及民俗风情等直接展示出来。对于侗族织锦文化，不少学者都对其历史渊源、构成方式、工艺流程、文化内涵等做了详尽的研究［1-3］，但对侗锦图案进行简单的纹样变换重组仍然是侗锦创新的主要方式，关于侗锦图案提取技术的研究也较少。杨建蓉［4］通过对侗锦图腾纹样和背后的故事以及文化内涵解读分析，探索侗锦在当今社会的传承与发展新思路;陈晓玲等［5］将收集到的侗锦纹样进行提取，结合其生态背景从抽象仿生、具象仿生和色彩仿生三个层面研究图案特征的意义，并将图案通过设计转换应用于现代产品中;舒鹦姿等［6］利用数字媒体提取到合适的纹样后，经过重叠变形转换的方式得到新的图案纹样，并将其应用到服饰、文具、家居等产品形态中。

在民族文化传承与发展过程中，许多民族服饰图案都采用人工视觉法进行提取，但由于提取人员容易受到环境及生理因素的影响，存在个别差异性，且提取过程费时费力，造成提取结果准确度低，无法满足人们的需求。随着图像处理技术的不断進步，计算机工业被广泛地应用在服饰发展与生产中，这为传统服饰图案的提取提供了全新的技术途径。于是，近年来的不少学者都对二者的结合做了深入研究。刘静等［7］首先采用GrabCut算法对皮影图案进行局部的优化分割，然后将分割后的图案用Canny边缘检测算子进行准确完整的提取，最终得到了完整且清晰的皮影图案轮廓;李俞霏等［8］采用中值滤波法对明代斗牛袍进行平滑处理后，利用Calinski Harabasz指标获取最佳聚类数，最后通过K-means聚类算法实现明代织物纹样的智能提取;邢乐等［9］讨论了云肩实物图像的色彩分类，采用中值滤波的方法将被测图像进行过滤，色彩空间由RGB转化为CIE Lab后，用大津阈值分割算法分离实物与背景，然后采用Mean-Shift算法聚类分析提取了主要色彩。因此，将图像处理技术应用于侗锦图案，从设计创新的角度结合图像处理方法进行相关研究，这对于侗族织锦文化的深入探究具有积极意义，既可为侗锦这一非物质文化艺术的活态传承拓展新方向，也可以丰富服饰设计素材。

1 研究路线

经过反复考量本文将采用Canny边缘检测算子提取图像轮廓。Canny边界检测算子是一个在实际运用中十分普遍的多级边缘检测方法，对处理大数据信息、获取所需信息、去除某些不相关的噪声影响和无用信息等都具有高效率、高性能的优点。一般情形下边缘检测的目的在于利用较少的数据量得到较多关注的数据。边缘检测包含多种算法，Canny算子与其他边缘检测算子相比较而言，对图像边缘的识别准确度要高很多。Canny算法从1986年至今依旧广泛使用，原因就在于它拥有良好的信噪比、高精度的定位性能，并且对单一边缘仅有唯一响应［10］。

经典的Canny算法步骤［11］如下：1） 利用Gauss滤波器进行图像的平滑降噪;2） 利用一阶偏导的有限差分法求出图像的强度梯度;3） 用“非最大值抑制”的梯度幅度来消除边缘错检;4） 人工根据经验设置高、低阈值，并对边缘进行检测和连接。

由于经典Canny算法中经过高斯滤波器处理后的图像很难滤除椒盐噪声的干扰，高低阈值的选取需要根据反复实验后人为设定，所以本文针对侗锦图案轮廓的提取提出如下方法：1） 使用高清数码相机对传统侗锦进行采集;2） 将采集后的图像灰度化;3） 采用中值滤波算法对图像进行降噪;4） 使用大津法对图像中侗锦图案求取双阈值；5） 将双阈值代入Canny算子中提取图像轮廓。具体算法流程如图1所示。

2 实验与图像预处理

2.1 图像采集

本文选用高清数码相机，在白色背景LED光源、垂直拍摄距离2 m的条件下对彩色图像进行拍摄采集。保证光线条件统一，获得的侗锦图案图像应具有两个重要特点：1） 色彩高度保真。使用先进的图像采集设备，采集的图像图案清晰，色彩失真度小，可以很好地保留图像细节。2） 图案轮廓流畅完整，线条平滑清晰。噪点污点较少，边界光滑［12］。

2.2 图像预处理

2.2.1 图像灰度化

彩色图像转换为灰度图像称为图像灰度化，灰度图就是使彩色的R、G、B三个分量值均等。由于一张图片的色彩是由R、G、B三部分组成，各部分的颜色范围都是0～255（其中白色为0，黑色为255）。如使用彩色图像则会对后续的预处理和提取过程增加计算步骤与时长，所以将图像进行灰度化处理是整个算法步骤中不可或缺的一步。

经过灰度化处理的效果如图2所示，不难看出灰度化处理很好地保留了图片的边缘与纹理细节，并且大幅减少了图片所需储存空间，为后续的图像处理等操作做足了准备。

2.2.2 中值滤波图像平滑

侗锦是由经纱和纬纱交错而成的，这种特性会在图片中形成亮暗交错的纹理。光线、相机性能及人为拍摄水平等因素也会在图像采集过程中造成影响，并且在图像传输时由于传感器的局限性及通信系统的故障和缺陷等问题，经常受到与图像内容无关的噪声干扰，这就造成了采集到的图像中存在大量脉冲噪声。这些噪声会对后续图像图案的提取带来一定的影响，降低算法精度，直接影响处理结果，因而对噪声进行滤波处理尤为必要。中值滤波作为非线性滤波技术的标准算法，在处理图像时，不仅能够去除或者减少噪声干扰，还能很好地保留图像细节和边缘。

计算公式如下：

式中：f（x，y）表示待处理图像，g（s，t）表示经过中值滤波处理后图像，Axy表示待处理像素点（x，y）为中心的邻域值。

中值滤波平滑效率在不同窗口尺寸下也是不同的，通常为3×3、5×5、7×7、9×9区域。为了选择出效果最好的窗口尺寸，对图2（b）加入30%的椒盐噪声，分别采用3×3、5×5、7×7、9×9四种不同的窗口尺寸进行处理，测试结果如图3所示。对比可知：窗口尺寸大小与图像细节的多少呈负相关，窗口尺寸越小，细节保留就越多，但无法滤除掉所有噪声;窗口尺寸越大，图像细节越少，虽然滤除掉了绝大多数的噪声，但图像细节丢失严重。综上所述，实验将选用5×5的窗口尺寸对图像进行中值滤波处理。

2.3 图像自动提取

2.3.1 大津法求取双阈值

在边缘提取的过程中阈值的选取是关键，一个准确的阈值能够减少伪边缘还能提高信噪比，而传统方法对于高低阈值的确定往往依赖人工反复进行实验选取，存在局限性，会降低算法的精确率。所以利用大津法确定阈值来代替Canny算法中人为设定的高低阈值，将会减少漏检率。

日本学者大津提出的大津法，又叫做Otsu算法，它是一种用于阈值分割的二值化方法，该方法不考虑图像的亮度和反差，只根据图像的灰度特性将其划分为背景和前景两个区域。这种方法也称为最大类间方差法，当背景和前景图像之间的方差达到最大时，可以将其划分为黑白两种颜色。每个图像的阈值都是不一样的，而大津法则能根据图像的不同信息来选择合适的阈值。通过对图像进行灰度处理，将图像分为两个层次，最后确定出符合要求的灰度值，高于灰度值的称为背景，低于灰度值的称为前景。

假设对于图像f（x，y），T表示灰度阈值，h表示图像宽度，w表示图像高度，n1表示前景，n2表示背景，w1与w2分别表示前景和背景像素数量占总像素数量的比例，u1与u2表示前景与背景的平均灰度，表达公式如下：

遍历每一个灰度值，选取最大的g值对应的灰度阈值T，并将其设置为Canny算法的高阈值Th，根据公式Tl=Th2［13］确定低阈值Tl。操作后计算出图3（c）的高阈值Th为124，则低阈值Tl为62。高低阈值的确定提高了Canny算子的自适应性，为后续Canny算法的精确性奠定了良好的基础。

2.3.2 Canny算子提取轮廓

传统Canny算法选用高斯滤波器对图像进行平滑处理，虽然可以去除大部分噪声，但边缘模糊，会丢失部分细节信息，并且在人为选取双阈值这一步骤中，由于人为客观因素不稳定，会造成提取结果存在偏差。本文对Canny算法进行改进后，具体步骤设计如下：

1） 选取5×5窗口尺寸的中值滤波对图像进行平滑处理。

2） 计算梯度幅值和梯度方向。

在图像中，灰度值的变化强度和方向一般用梯度来表示，利用Sobel算子与图像卷积计算不同方向的梯度值Ix（x，y）、Iy（x，y）：

式中：m（x，y）为图像中任意一像素点，“*”表示卷积互相关运算。

3） 根据所求的梯度角进行非极大值抑制。

检测区域中心点与沿着其对应的梯度方向的两个像素点的取值大小，若区域中心点的值最大，则保留，否则将该点设置为0。

4） 利用大津法求取的双阈值检测连接边缘。

将所有像素点与高、低阈值相比较，若像素点小于低阈值，则该点为0，为非边缘点;若介于两者之间，则该点为边缘点;若大于高阈值，则将该点确定为强边缘点。

3 结果与分析

3.1 视觉效果比较

本文在pyCharm Community Edition 2021.3.3环境下进行实验操作，分别采用其他传统算法中的Sobel算子［14］、Roberts算子［15］、Prewitt算子［16］、LoG算子［17］及经典的Canny算子，与本文所采用的利用大津法确定Canny算子双阈值的算法进行实验对比分析。这些算法都是边缘检测中最常用的方法，Sobel算子可以用来获取图像的一阶梯度，将其划分为检测水平边缘和检测垂直边缘两类，能够有效地减少边缘模糊;Roberts算子是一种基于局部差分算子提取边缘的算子，它具有很好的边缘定位能力，但对噪声较为敏感，无法彻底清除噪声所带来的影响;Prewitt算子利用邻域内像素灰度差来进行边缘检测，对于灰度渐变的低噪声图像有较好的检测效果;LoG算子实际上是为了解决Laplacian算子对噪声极为敏感的问题，所以将高斯与Laplacian算子相结合，就成为了LoG（Laplacian of Gaussain）算子。這种算子虽在一定程度上抑制了噪声产生的影响，但其定位精度不高，易出现伪边缘。图4为侗锦中的对燕纹图像（已经过中值滤波处理）使用不同算子的提取结果。

经过图4中不同算法的结果对比，可以发现图4（b）Sobel算子提取出的边缘较粗，边缘细节丢失较为严重，对图像细节感应度不高，这是由于Sobel算子并没有将图像的主体与背景严格地区分开来，容易出现多像素宽度，所以无法提取出准确的图像轮廓;图4（c）Roberts算子虽定位精度较高，但并没有对图像进行平滑处理，导致检测出的边缘信息不完整，有明显的断裂、缺失痕迹，且在提取过程中丢失了许多细节;图4（d）LoG算子抗噪声能力较强，所以检测到的边缘细节多于图4（b）（c），线条较流畅、清晰，但一些尖锐的边缘无法检测到，可以看出轮廓边缘信息仍旧不完整;图4（e）Prewitt算子抑制噪声的原理是通过像素平均，像素平均相当于对图像进行低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子，检测结果显示图像上半部分边缘流畅，无明显缺失情况，但下半部分的纹理信息提取不全面，漏检了许多弱边缘信息;图4（f）经典Canny算子采用高斯滤波导致提取的边缘信息不完整，而阈值的人为选取也使得整幅画面中的细节丢失较为严重。

经过这些传统算法和图4（g）本文算子的比较结果可知，本文中的Canny算法以中值滤波替换掉高斯滤波使得提取的边缘包含了更多的边缘细节，使用大津法确定双阈值也能降低漏检率，提取到更精确、完整的线条。该算法具有良好的单边缘效果，线条的连续性也更好，并且有效抑制了假边缘及噪声。

为了进一步验证本文算法所提出的图案自动提取有效性，选取了其他三幅侗锦图案并对其进行轮廓自动提取，结果如图5所示。提取结果表明了该方法的有效性，能够明显改善边缘检测结果，很好地提高了定位精度及准确度，加强了边缘连续性，提高了信噪比，较准确地实现了侗锦图案的快速提取。

3.2 评价结果分析

为了综合评价本文算法的边缘检测效果，对本文提出算法的实验分割结果进行客观评价。以对燕纹为例，对比图6中采用人工视觉法绘制出的图案轮廓，使用Lawend等［18］提出的准确度（accuracy）指标进行评价，用于表示判定正确的次数与所有判定次数的比例。将本文算子与Sobel算子、Roberts算子、LoG算子、Prewitt算子及经典的Canny算子和人工视觉提取进行对比（表1），如下式所示：

式中：TP为检测正确的轮廓像素数量，TN为检测正确的非轮廓像素数量，FP为检测错误的轮廓像素数量，FN为检测错误的非轮廓像素数量。

依据表1准确度指标可以看出，本文算子的准确度均高于其他使用方法，为96.3%;人工视觉提取的准确度次之，为95.6%，但其运行时间与本文算子相比，相差甚远;经典Canny算子的运行时间虽比本文算子的运行时间短，但本文算子的准确度较高，提取性能优于经典Canny算法。相比其他算法而言，本文算法最优。

4 结 语

本文探讨了从中国少数民族侗锦图像中提取轮廓图案的方法。为了减少人为客观因素对于侗锦图案自动提取的影响，本文以侗锦纹样为研究对象，首先对侗锦纹样进行有效采集，将采集到的图像通过R、G、B三个通道进行灰度化处理，改进了Canny算法的平滑方式。选用中值滤波替代高斯滤波，阈值选取方式也由人为选取改进为智能选取，降低了客观因素对提取结果造成的影响。使用优化后的Canny算法对侗锦纹样图像进行轮廓提取，对比其他不同的自动提取算法后，验证了本文算法所提取的边缘包含更多的细节信息，线条连续性更好，且有效抑制了伪边缘的产生及噪声。通过对不同图像和不同算法的提取结果进行对比，以及准确度评价指标，证明了本文提出的数字图像处理技术与人工识别技术相比，具有良好的实际应用价值，可以有效提高中国侗锦图案智能提取的速率及精确性。

本文研究尚存在不足之处：1） 在轮廓提取方面，尽管对纹理进行了一定程度的弱化，但仍有部分伪边缘，无法完全对轮廓进行1︰1提取，还有待进一步研究。2） 在未来的研究中，应当提高对图案轮廓提取的能力，将其应用于各行各业，从而实现该技术的普及应用。

参考文献：

［1］刘宝垚. 侗锦艺术特色研究［J］. 南方农机， 2019， 50（24）： 210.

LIU Baoyao. Dong brocades art characteristic research［J］. China Southern Agricultural Machinery， 2019， 50（24）： 210.

［2］李怡丽， 陈晓玲. 侗锦几何纹样艺术特色［J］. 纺织科技进展， 2020（3）： 50-53.

LI Yili， CHEN Xiaoling. Artistic features of Dong brocade geometric patterns［J］. Progress in Textile Science & Technology， 2020（3）： 50-53.

［3］刘彦飞. 侗族织锦图案研究刍议［J］. 文物天地， 2019（9）： 78-80.

LIU Yanfei. A study on Dong brocades patterns［J］. Cultural Relics World， 2019（9）： 78-80.

［4］杨建蓉. 湖南侗家织锦的图腾纹样及文化内涵探究［J］. 美与时代（上）， 2019（9）： 10-12.

YANG Jianrong. Research on the totem patterns and cultural connotation of Dong brocade in Hunan province［J］. Designs， 2019（9）： 10-12.

［5］陈晓玲， 黄家剑， 曾琬仪. 通道侗锦的仿生设计解读及现代应用［J］. 丝绸， 2021， 58（4）： 113-119.

CHEN Xiaoling， HUANG Jiajian， ZENG Wanyi. Interpretation and modern application of bionic design of Tongdao Dong brocades［J］. Journal of Silk， 2021， 58（4）： 113-119.

［6］舒鸚姿， 卜一丹， 孙梦瑶， 等. 传统侗锦在产品设计中的创新应用研究［J］. 文化产业， 2018（18）： 1-5.

SHU Yingzi， BU Yidan， SUN Mengyao， et al. Traditional research on innovative applications in Dongjin in product design［J］. Culture Industry， 2018（18）： 1-5.

［7］刘静， 庄梅玲， 石历丽， 等. 基于纹理平滑和GrabCut的皮影图案轮廓的智能提取［J］. 丝绸， 2020， 57（11）： 20-27.

LIU Jing， ZHUANG Meiling， SHI Lili， et al. Intelligent contour extraction of shadow patterns based on texture smoothing and GrabCut［J］. Journal of Silk， 2020， 57（11）： 20-27.

［8］李俞霏， 梁惠娥. 明代织物纹样的智能提取： 以斗牛袍为例［J］. 丝绸， 2018， 55（11）： 53-58.

LI Yufei， LIANG Huie. Intelligent extraction of patterns from Ming Dynasty fabric： The case study of the bullfight robe［J］. Journal of Silk， 2018， 55（11）： 53-58.

［9］邢乐， 张杰， 梁惠娥， 等. 傳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 clolors for Chinese traditional folk Yunjian［J］. Journal of Textile Research， 2017， 38（11）： 110-115.

［10］CANNY J. A computational approach to edge detection［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， 8（6）： 679-698.

［11］宋人杰， 刘超， 王保军. 一种自适应的Canny边缘检测算法［J］. 南京邮电大学学报（自然科学版）， 2018， 38（3）： 72-76.

SONG Renjie， LIU Chao， WANG Baojun. Adaptive Canny edge detection algorithm［J］. Journal of Nanjing University of Posts and Telecommunications （Natural Science Edition）， 2018， 38（3）： 72-76.

［12］贾小军， 邓洪涛， 滕姿， 等. 应用轮廓线拟合提取蓝印花布图案基元［J］. 纺织学报， 2018， 39（8）： 150-157.

JIA Xiaojun， DENG Hongtao， TENG Zi， et al. Extract of image elements for blue calico based on contour fitting［J］. Journal of Textile Research， 2018， 39（8）： 150-157.

［13］李华强， 喻擎苍， 方玫. Canny算子中Otsu阈值分割法的运用［J］. 计算机工程与设计， 2008， 29（9）： 2297-2299.

LI Huaqiang， YU Qingcang， FANG Mei. Application of Otsu threshold method on Canny operator［J］. Computer Engineering and Design， 2008， 29（9）： 2297-2299.

［14］韩龙飞， 逯超. 基于改进Sobel算子边缘检测的实现［J］. 汽车实用技术， 2019（8）： 109-111.

HAN Longfei， LU Chao. An improved implementation of Sobel operator edge detection［J］. Automobile Applied Technology， 2019（8）： 109-111.

［15］王方超， 张旻， 宫丽美. 改进的Roberts图像边缘检测算法［J］. 探测与控制学报， 2016， 38（2）： 88-92.

WANG Fangchao， ZHANG Min， GONG Limei. Image edge detection algorithm of Roberts operator［J］. Journal of Detection & Control， 2016， 38（2）： 88-92.

［16］安建尧， 李金新， 孙双平. 基于Prewitt算子的红外图像边缘检测改进算法［J］. 杭州电子科技大学学报（自然科学版）， 2018， 38（5）： 18-23.

AN Jianyao， LI Jinxin， SUN Shuangping. Improved algorithm for infrared image edge detection based on Prewitt operator［J］. Journal of Hangzhou Dianzi University （Natural Sciences）， 2018， 38（5）： 18-23.

［17］张阳， 刘缠牢， 卢伟家， 等. 基于LoG算子的双滤波边缘检测算法［J］. 电子测量技术， 2019， 42（4）： 95-98.

ZHANG Yang， LIU Chanlao， LU Weijia， et al. Improved double filtering LoG operator edge detection［J］. Electronic Measurement Technology， 2019， 42（4）： 95-98.

［18］LAWEND H O， MUAD A M， HUSSAIN A. Robust edge detection based on canny algorithm for noisy images［J］. Journal of Theoretical and Applied Information Technology， 2017， 95（19）： 5104-5114.

Abstract： Dong brocade， as one of the most beautiful brocades in China， gathers the religious belief and art aesthetics of the Dong people， making itself a treasure of Chinas minority art civilization. Under the influence of multiple factors such as social modernization and economic integration， the Dong brocade culture is on the verge of disappearing and the protection situation is grim. With the rapid development of the digital era， the combination of Dong brocade patterns as a traditional cultural symbol and computer image processing can better adapt to the era of rapid development. Nowadays， the computer industry is widely used in the development and production of clothing， which provides a new technical approach for the extraction of traditional clothing patterns.

In the paper， the research on the pattern extraction of Dong brocade in Hunan province was focused on the field investigation of the classic works of Dong brocade， and the pattern of Dong brocade was studied from the perspective of computer graphics and image processing. The automatic recognition and extraction of the patterns of Dong brocade by using image processing methods made the Dong brocade get better development and radiate new vitality. It is difficult to sample Dong brocade patterns directly in the process of manual extraction， and it is easy for the extractors to have their own subjective will. In order to improve the efficiency and accuracy of the pattern extraction， the automatic extraction of Dong brocade was carried out by the image analysis method. Firstly， Dong brocade patterns were collected effectively by digital camera， then the images were grayed， and the processed images were pre-processed by median filtering algorithm to smooth the noise， then the Otsu threshold segmentation algorithm was used to get the double thresholds， and finally the Canny algorithm was used to achieve the automatic extraction of Dong brocade patterns. To evaluate the edge detection effect of the proposed algorithm， the experimental segmentation results of the proposed algorithm were evaluated objectively. According to the accuracy index， the accuracy of the operators used in the paper is 96.3%， higher than that of other methods. The results show that the Canny algorithm replaces the Gauss filter with the median filter， which makes the extracted edges contain more details. Using the Otsu method to determine the double threshold can also reduce the missed detection rate and extract more accurate and complete lines. The algorithm has a good single edge effect and better line continuity， and effectively suppresses the false edge and noise. Compared with other methods， digital image processing technology can not only extract more complete edge information， but also is more accurate， time-saving and labor-saving than manual methods， and has more advantages than other traditional algorithms. It has a bright application prospect and can make the intelligent extraction of Dong brocade patterns in China more efficient.

In order to solve the problem of large amount of impulse noise interference and detail information loss in traditional Canny image edge detection， the paper improves the filtering method and the selection of high and low threshold， making the edge of Dong brocade patterns extracted better. The application of Dong brocade patterns is mainly based on manual drawing， and the improved Canny edge detection operator is used to replace manual drawing， which combines the edge extraction technology with the digital protection of Dong brocade. It provides a new technical way for the living inheritance of Dong brocade. With the rapid development of computer technology in recent years， the application of computer technology in the traditional culture of ethnic minorities has become the need of the times. At the same time， it is feasible to use computer image processing technology to study the traditional brocade pattern culture， which can be analyzed from the aspects of color， pattern， dress structure， etc. Through future in-depth study of this part， other computer algorithms after further improvement can be applied to the study of traditional culture of ethnic minorities， and we can draw different conclusions from different perspectives and different research objects.

Key words： traditional culture; Dong brocade patterns; image processing; Otsu threshold segmentation algorithm; Canny algorithm