【研究】贵州苗族服饰色彩意象认知的KCQ-KE模型构建
摘要
为了找到契合用户心理诉求的苗族服饰色彩,将之更好地应用于现代设计,文章提出了贵州苗族服饰色彩意象认知模型构建方法。首先,通过语意差异法(SD法)获得用户对于苗族服饰的认知数据源,结合多元尺度分析及聚类分析等方法降维提炼实验数据,量化表达对苗族服饰色彩的意象认知;其次,基于K均值色彩量化算法,在HSL色彩空间下构建色彩样本的分群,获得代表性样本集;最后,依据数量化I类分析方法建立“色彩—意象”的联立关系,构建基于色彩的K均值聚类算法和感性工学结合的KCQ-KE模型。通过模型将用户对苗族服饰的色彩感性意象认知转换为设计要素,并以苗族围腰图片为认知实验样本,建立苗族服饰色彩的KCQ-KE模型,同时以“四季”为题材的服装设计验证了该模型的可行性。
作者: 吴艳华, 林 丽
作者简介: 吴艳华(1995-),女,硕士研究生,研究方向为产品创新设计研究。
(贵州大学 机械工程学院,贵阳)
关键词: 感性工学;色彩量化;苗族服饰;意象认知;色彩聚类
苗族是一个历史悠久、有深厚传统文化和鲜明特色的古老民族,在民族服饰用色上形成了一套自己的独特系统。服饰色彩不仅承载着这个民族的文化历史内涵,也是向人们传达文化的载体。周梦[1]认为苗族的生活习性、历史文化、宗教信仰等是其在服饰上的色彩选取、运用原则的重要来源。金蕾等[2]从民俗和宗教两个角度解析黎族服饰色彩内涵,认为其民族服饰色彩具有其民族文化的象征功能,承载着该民族生活、文化及信仰的演变和传承过程。高星[3]从地理学角度探索了民族服饰色彩的形成和演变过程,试图找出蕴含在地理环境中的地域文化色彩因素,并以此指导当代服饰设计。此外,也有其他学者从经济、文化两方面,对民族服饰色彩的构成机制和色彩的内涵价值进行解析[4-5]。
在色彩的研究中,色彩量化问题是使原始图像中的复杂颜色依据偏重需要并结合人的视觉效果归类到较少种类颜色的过程。其中K均值聚类算法是一种原理简单、易于实现、量化效果较好的聚类算法[6],它将图像中所有色彩进行相似性压缩、替代,然后重新映射到各个集群中,获得K类最优选择,从而达到减少图像中颜色冗余信息的作用,也避免因人工提取而丢失过多色彩信息。服饰色彩量化研究中,陶晨等[7]基于人眼视觉的HSV色彩模型进行服饰色彩主色的识别与量化,并证实该方法的有效性。徐平华等[8]利用K均值聚类法研究了民族服饰的色彩构成,获得一种客观、可靠的民族服饰色彩测量方法。
在感性意象研究方面,感性工学(KE)是一门感性与工学相结合的技术,通过定量分析感性意象并运用到设计中去[9],它为设计师有效剖析用户色彩偏好提供了科学的理论依据和方法。在产品配色方法研究中,张宗登等[10]基于色彩心理学和感性工学理论,从用户的色彩意象出发建立一套具有普遍适应性的工程产品配色方法。同时,在服饰色彩研究中,王艳等[11]基于感性工学提出了服饰色彩搭配系统的基本思路,探讨色彩理论在服装设计中的感性化应用方法。在李春鹤等[12]对服饰色彩风格评价研究中,引入感性工学理论及方法获取用户的感性意象与颜色的物理性能之间的对应关系。可见,从色彩感性意象中获取配色方案,会让设计更为贴近用户感性需求[13]。
通过民族色彩研究及色彩感性研究两个方面的梳理可知,针对苗族服饰色彩的研究较少从用户心理诉求的角度出发,而色彩感性的研究缺乏对色彩HSL空间的量化,造成主观性较强的问题。此外,在针对服饰色彩的量化及意象研究中,尚无基于具体服饰色彩量化基础上对代表性样本筛选的考虑。为此,本文以感性工学理论为基础,结合图像分析技术,构建一种基于色彩HSL空间量化的KCQ-KE模型,为设计师在进行少数民族相关产品设计时的色彩选择提供帮助和指导。
研究方法
为了更好地定位用户的色彩意象,运用SD法收集意象词汇,使用多元尺度分析和系统聚类法构建代表意象词集;基于K均值聚类算法获得样本图片色彩比例和主色提取,综合使用系统聚类建立代表性样本空间;通过回归分析法获得色彩群对应的意象特征,建立苗族服饰色彩与感性意象关系模型。具体研究流程分为五个部分(图1):1)样本图片收集与样本初步筛选;2)意象词相似度分析及代表性意象集建立;3)基于KCQ的样本主色调提取及代表样本集建立;4)分别分析样本及意象词的聚类关系;5)要素类目分析、KCQ-KE模型的构建及验证。
图1 KCQ-KE模型建立流程
Fig.1 Establishment process of the KCQ-KE model
1.1 意象词收集与筛选
在进行产品设计过程中,产品色彩方案是否成功,关键在于色彩的设计、搭配方案引发的意象情感是否符合用户意象情感期望。本文通过对苗族服饰色彩意象研究,试图把握用户的心理需求和内心喜好,用于指导和辅助设计师设计出更符合用户需求的产品。
1.1.1 意象词汇收集与筛选
由于互联网用户与苗族人民之间文化背景存在一定程度上的差异,易导致线上与线下收集的意象词汇差异较大,因此同时采用线上与线下两种方式获取意象词汇,来降低文化差异导致的意象词汇差异,增强意象词汇的代表性。
线上提取是通过对相关杂志、期刊、书籍、网络视频、购物网站及过往同领域研究内容等进行查阅;同时配合网络问卷对部分用户进行调查,向用户展示苗族服饰图片,随后要求被试者基于自身过往经历、经验对苗族服饰制品的色彩进行意象描述。
线下收集是到苗族刺绣厂、苗族服饰制品店铺,对部分普通用户及当地绣娘、绣工进行访谈来收集意象语义词。
1.1.2 意象词初步筛选及分群
第一步:意象词初步筛选。使用网络问卷软件制作问卷,被试者结合自身实际经历,勾选认为最符合对苗族服饰色彩描述的意象词,也可自行补充形容词。
筛选条件:1)心理学统计中通常将发生概率小于5%的事件定义为小概率事件[14],小概率词汇通常带有一定的特定个人偏向。故而,通过被试者在整体词汇中选择有限个数的代表性词汇,分析被试者对所有词汇的勾选频率,从而将被勾选频率小于或等于5%的词汇从整体词汇中筛选掉,排除不常用意象词。2)将意象词被勾选的次数进行统计,选取勾选次数大于1/4(25.0%)的意象词进行后续实验。初步筛选获得n个符合条件的词语。
第二步:意象词汇分群。实验过程中要求被试者根据上述所提供的n个词汇,结合自身实际生活的经验,将其中意思相近的词汇分到同一组,每组所分得的词汇个数不限。对n×n 的相似矩阵进行二维至六维的多元尺度法展开分析,使用多元尺度分析法是为了将各个意象词的数据尽可能保留原始数据的完整性并且转换为多维空间分布,从而使数据更加清晰、直观。最后,采用系统聚类分析法将初步筛选获得的n个词汇进行聚类并分析选出各个群组中最具代表的词汇,以此得到合适数量的代表性意象词。
1.2 苗族样本色彩分析及加工
为了降低人工图像色彩提取过程中因研究者主观因素造成的误差,本文采用图像分析法进行苗族服饰色彩的提取和色值分析。实验分为样本群筛选和样本加工两部分。
1.2.1 服饰样本群筛选
收集贵州省各地苗族服饰中“围裙”的图片。为了降低被试者的视觉疲劳且有效保证Matlab色彩分析结果的可靠性,应选择适当的实验样本数并保证样本图片的清晰度。最后由两位专家小组成员(专业苗族服饰研究者和绣娘)补充、交流挑选出具有代表性样本。
1.2.2 样本加工
完成服饰样本的图像采集和尺寸大小的裁剪工作后,根据图2所示的流程,通过Matlab编程实现服饰样本。实验步骤有:1)样本色彩比例图生成;2)主色调冷暖分析;3)基于KCQ的样本色彩提取分析;4)基于HSL色彩空间的主色调转换;5)样本分群。
图2 基于KCQ的代表性样本筛选流程
Fig.2 Screening process of the representative samples based on KCQ
第一步:编写代码后运行获得色彩比例图。第二步:根据比例图将冷、暖色调占比数值累加,对样本整体色调进行判断。第三步:本部分中运用的K均值聚类色彩量化算法(KCQ)是一种较为常用的动态迭代型算法。在以往研究中发现[15],基于K均值聚类的色彩量化方法比传统色彩聚类量化方法在量化效果和执行时间上更具有效性。其中色彩提取过程中,需要输入拟提取色彩的样本源图片、色彩数和初始聚类中心三种数据。第四步:将RGB模式的色彩图像转换到HSL色彩空间来提高色彩参数的提取与分析效果,这样更加有利于服饰色彩的计算与分析。其中色彩空间即为可用数值描述的各类数学模型,常见的如RGB、CMYK等面向硬件设备的彩色模型,以及HSV、HSL等面向视觉感知的彩色模型[16]。HSL即色相、饱和度、明度三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一。此外,色相参数与饱和度、明度参数相分离,能够避免样本图像的环境光对图像色彩参数提取的影响。RGB色彩空间转换HSL色彩空间公式为[17]:
(1)
(2)
(3)
式中:r、g、b分别是一个颜色的红、绿和蓝参数,取0～255的整数;max表示r、g、b中的最大值,min为最小值。H、S、L是颜色在HSL色彩空间中的三个参数值,H∈[0,360)是角度的色相角,S、L∈[0,1]是饱和度和亮度。
第五步:经过第三步的色调判定后,在各个主色调中选择主要色彩进行色彩空间转换,随后运用系统聚类分析进行分群。
1.3 色彩影响要素实验分析
根据HSL色彩空间系统并结合苗族服饰色彩特点,将HSL三种参数要素转化成三个项目、六个类目,每一个类目定义如表1所示。
表1 HSL色彩要素类目
Tab.1 Category of HSL color elements
1.4 意象认知模型的建立
为了了解每组感性意象和色彩组成要素之间的数量关系,本文运用数量化I类分析方式得到各感性意象与色彩组成要素之间的类目得分,从中建立色彩组成要素与感性意象语意的关联方程。
代表性样本经过数量化I类分析,并依据样本色彩组成要素与感性意象的类目得分,得到样本色彩要素与感性意象的映射关系。“色彩—意象”联立方程可表示为:
(4)
式中:Yi为样本色彩的第i个感性意象语意的得分;v为色彩项目的数量;j为色彩项目中的类目数量;ainm为第i个感性意象第n个色彩项目中第m个类目的得分;Xnm为该样本在第n个色彩项目中第m项的得分(0或者1),且
其中,类目分值大小说明该项目解释感性意象的高低程度,类目得分既有正值又有负值,正值代表正向的意象,而负值代表对应的负向意象。
1.5 结论解析
通过本次评价模型,可以实现从色彩到意象正向和逆向的推理。基于本文研究结果正、逆向推理过程如下:
正向推理:设计师给定服饰色彩图,分析其意象特征,判断设计方案是否满足用户需求或设计目标。具体做法是首先通过Matlab分析获得色彩值并进行色彩空间转值;其次根据颜色的色彩组成要素整理出该样本在色彩各项目得分ainm;最后通过式(4)求解得出该样本的各个感性意象得分,得分最高者最有可能是反映该样本整体色彩的感性意象。
逆向推理:给定用户预期感性意象需求,分析其意象特征,推导出符合该意象特征的服饰色彩配色。具体做法是首先对给出的特定意象特征进行归类,将其通过近义词等方式转换为已知第Y类感性意象词组中的第k个意象词;其次构建不等式Yk>yn(k≠n),求解获得若干组Xnm的取值,即得出该意象特征的服饰色彩应具有的特征。
实例应用
2.1 分 析
本文以贵州省苗族服饰色彩设计为例,对本模型进行阐述,其中本文的被试者职业、年龄分布如表2所示。
表2 被试者构成说明
Tab.2 Description about subject composition
意象词收集通过线上、线下组合方式获得与本文研究较为相关的98个意象词。随后对40名被者试进行问卷调查,依据初步筛选原则获得30个符合条件的词语,结果如表3所示。
表3 感性意象词汇初步筛选结果
Tab.3 Preliminary screening results of perceptual image words
在意象词分群实验中,被试群体由32名贵州大学的在校学生组成,其中18名服装设计专业学生,14名工业设计专业学生,且被试者均有购买或参与设计苗族服饰制品经历。将意象词大致分为6～10个群,运用李克特量表制作问卷,被试者对30个意象词进行两两相似度评分,统计平均分值列出30×30的相似矩阵。基于系统分析法得到聚类树状示意(图3),综合考虑得出:30个意象词分成5群。基于多元尺度法对相似矩阵展开二维至六维的数据分析,其中SPSS输出本实验数据Stress=0.070 12,RSQ=0.959 00,拟合度为优。根据欧式距离模型取各组群中心点最近者为该群代表,最终选定的5个代表性感性意象语汇,分别为大方的、传统的、个性的、质朴的、繁复的,结果如表4所示。
表4 感性意象词汇分群结果
Tab.4 Grouping results of perceptual image words
图3 感性意象词系统分析聚类树状示意
Fig.3 Dendrogram of clustering analysis of the perceptual image word system
在样本加工及代表性样本选定过程中,收集贵州省各地苗族“围裙”的服饰图片65张。专家小组补充、交流挑选出具有代表性样本25张,如图4所示。
对代表性样本进行处理,具体步骤如下:
第一,使用Matlab编程实现单个样本图片的RGB色彩比例识别,例如图5为样本1的色彩比例图,以此类推获得25个样本的色彩比例图。
第二,利用Matlab完成色彩空间转换与色彩比例分析。其中本次实验取值k=16,获取16种主要色彩进行冷、暖色比例计算(表5)。
图4 实验样本及编号
Fig.4 Experimental samples and their serial numbers
图5 样本1的色彩比例
Fig.5 Color proportion of sample 1
表5 样本冷、暖色调提取比例
Tab.5 Extraction ratio of cold and warm tones from the samples
第三,色彩空间转换。单个样本16种颜色中各取比例最高的两种进行色彩空间的转换,即RGB色彩空间转换至HSL色彩空间,结果如表6所示。
表6 RGB色彩空间转换结果
Tab.6 Conversion results of RGB color space
第四,主要代表性样本选择。根据第三步所得数据,运用SPSS数理统计软件中的系统聚类分析进行分群,并依据聚类分析树状示意(图6)分为7组,如表7所示。
表7 样本主要代表选择
Tab.7 Selection of main representatives of samples
为了客观进行最后的意象评价实验,根据上述色彩影响要素分析所得项目和类目数量,本阶段至少需要选取2×4=8个样本,随机从7组分类中选取15个样本作为本阶段实验样本。进行色彩要素分析得出结果如表8所示,即为15个样本的色彩要素编码表。表8中数据“1”代表该样本具有该项目中该类目的属性,数据“0”代表该样本无项目中该类目的属性,从而人对样本的定性描述转化成为可以被处理的定量描述。
图6 样本聚类分析树状示意
Fig.6 Dendrogram of clustering analysis of samples
表8 色彩要素编码
Tab.8 Coding of color elements
35名被试者对15个样本五个感性意象语意打分,整理计算评分均值得到各样本的感性意象评估值(表9)。
表9 样本颜色的感性意象评估值
Tab.9 Perceptual image evaluation values of sample colors
15个代表性样本经过数量化Ⅰ类分析,得到样本色彩组成要素与感性意象的类目得分,组成样本色彩要素与感性意象语意关联表,如表10所示。
表10 不同感性意象语意的各个色彩组成要素的类目得分和相关系数
Tab.10 Category score and correlation coefficient of various color components with different perceptual image meanings
注:5个模型的Durbin-Watson值分别为2.605、1.871、2.210、1.849、2.231,均D≈2,具有统计学意义,且决定系数RSQ均大于0.7,表示数理化I类分析的可信度是可被采纳。
综上得出5个感性意象词与样本色彩组成要素之间的联立方程,如下:
y1=-0.005×x11+1.313×x21+1.167×x31+3.210
y1=0.311×x12-0.855×x12-1.024×x32+3.210
y2=-0.904×x11-0.500×x21-0.160×x31+2.82
y2=0.936×x12-1.240×x22-0.671×x32+2.821
y3=0.175×x11+0.356×x21-0.690×x31+2.917
y3=0.611×x12-0.458×x22+1.113×x32+2.917
y4=-0.052×x11+0.112×x21-0.470×x31+3.092
y4=0.682×x12+0.613×x22+0.957×x32+3.092
y5=-0.627×x11+0.315×x21+0.978×x31+2.379
y5=0.794×x12-0.468×x22-0.429×x32+2.379
对实验结果表11进行解析,例如对“大方的”(y1)意象贡献率最高的色彩要素为亮度(范围值为2.191),色调贡献率最低(范围值为0.316),由此得出“大方的”意象得分最高的组合为暖色调(0.311)+高饱和度(1.313)+高亮度(1.167)。并分析出对色彩意象的影响程度为:亮度>饱和度>色调。
2.2 基于模型的设计实践
为了验证该模型对设计的辅助有效性,基于KCQ-KE模型展开服装设计。设计流程如下:
第一步意象词归类。本次设计以四季为主题,风格意象定位为“传统的、别致的、丰富的”,即Y1、Y2、Y3。
第二步设计分析。首先,分析本次设计主题特征并定义主题含义,即“春——百花齐放”“夏——绿树成荫”“秋——秋风萧瑟”“冬——凌寒独放”且;其次,风格定位的意象词带入KCQ-KE模型中,意象词归类得到Y1=y1、Y2=y3、Y3=y5;最后获得色彩要素类目得分及色彩意象的影响程度顺序,如表11所示。
第三步米袋方案设计。根据苗族特色图案与色彩设计要素组合结果,获得装饰图案(图7),最终进行服装的创新设计(图8)。
表11 设计要素组合
Tab.11 Combination of design elements
图7 “四季”装饰图案
Fig.7 'Four seasons' decorative pattern
图8 服装设计方案
Fig.8 Fashion design solution
本次服装、图案及配色设计,从“四季”获得灵感,配色运用结合用户预期风格意象定位,再从四季中获取原色进行变化和组合,使设计整体风格更富有贴近自然之气;工艺上,苗族传统图案和刺绣工艺组合,使设计赋有苗族设计的传统韵味。本次服装设计实践,在色彩运用上从用户心理感受出发,深挖意象词背后的色彩,减少了设计的盲目性,巧妙运用色彩赋予人的心里感受,为设计增添了创新性和大众感。
结 语
本文首先对苗族服饰色彩图进行色彩转换与参数提取,通过层次聚类进行色彩量化,以感性工学为理论基础,将感性意象进行参数化表达,分析用户意象认知与苗族服饰色彩之间的关系,建立KCQ-KE模型。基于模型为设计师在进行产品、服饰等设计时提供一定参考,有助于设计师准确、便捷、客观地把握服饰色彩构成方式,减少方案优化时间,提高设计效率。当前由于人力、技术等因素的局限,本文在样本色彩丰富度方面尚存在不足,因此对设计的指导意义较为有限。
（参考文献略）
PDF下载
来 源 | 《丝绸》2021年第02期
发 布 | 浙江理工大学杂志社新媒体中心