吳艷華 林麗
摘要: 為了找到契合用戶心理訴求的苗族服飾色彩,將之更好地應(yīng)用于現(xiàn)代設(shè)計(jì),文章提出了貴州苗族服飾色彩意象認(rèn)知模型構(gòu)建方法。首先,通過語意差異法(SD法)獲得用戶對于苗族服飾的認(rèn)知數(shù)據(jù)源,結(jié)合多元尺度分析及聚類分析等方法降維提煉實(shí)驗(yàn)數(shù)據(jù),量化表達(dá)對苗族服飾色彩的意象認(rèn)知;其次,基于K均值色彩量化算法,在HSL色彩空間下構(gòu)建色彩樣本的分群,獲得代表性樣本集;最后,依據(jù)數(shù)量化I類分析方法建立“色彩—意象”的聯(lián)立關(guān)系,構(gòu)建基于色彩的K均值聚類算法和感性工學(xué)結(jié)合的KCQ-KE模型。通過模型將用戶對苗族服飾的色彩感性意象認(rèn)知轉(zhuǎn)換為設(shè)計(jì)要素,并以苗族圍腰圖片為認(rèn)知實(shí)驗(yàn)樣本,建立苗族服飾色彩的KCQ-KE模型,同時(shí)以“四季”為題材的服裝設(shè)計(jì)驗(yàn)證了該模型的可行性。
關(guān)鍵詞: 感性工學(xué);色彩量化;苗族服飾;意象認(rèn)知;色彩聚類
Abstract: In order to find Miao costume colors that fit consumers demands and better apply them to modern design, this paper proposes a way to build a color image cognition model for Miao costumes in Guizhou. First, users cognition data of Miao costumes are obtained through semantic difference(SD) method and the dimensionality is reduced by means of multidimensional scaling and cluster analysis, etc., in order to extract experimental data and the image cognition of Miao costume colors is quantified. Secondly, based on the K-means color quantization algorithm, color samples are grouped under HSL color space to obtain a representative sample set. Finally, a "color-image" relationship is established according to type I quantitative analysis method, and a KCQ-KE model that combines color-based K-means clustering algorithm and kansei engineering is constructed. Through this model, users color image cognition of Miao costumes is converted into design elements. By taking Miao loincloth pictures as samples for the cognitive experiment, the author establishes a KCQ-KE model for Miao costumes colors. At the same time, the feasibility of this model is verified by designing costumes with the theme of "four seasons".
Key words: kansei engineering; color quantization; Miao costumes; image cognition; color clustering
苗族是一個(gè)歷史悠久、有深厚傳統(tǒng)文化和鮮明特色的古老民族,在民族服飾用色上形成了一套自己的獨(dú)特系統(tǒng)。服飾色彩不僅承載著這個(gè)民族的文化歷史內(nèi)涵,也是向人們傳達(dá)文化的載體。周夢[1]認(rèn)為苗族的生活習(xí)性、歷史文化、宗教信仰等是其在服飾上的色彩選取、運(yùn)用原則的重要來源。金蕾等[2]從民俗和宗教兩個(gè)角度解析黎族服飾色彩內(nèi)涵,認(rèn)為其民族服飾色彩具有其民族文化的象征功能,承載著該民族生活、文化及信仰的演變和傳承過程。高星[3]從地理學(xué)角度探索了民族服飾色彩的形成和演變過程,試圖找出蘊(yùn)含在地理環(huán)境中的地域文化色彩因素,并以此指導(dǎo)當(dāng)代服飾設(shè)計(jì)。此外,也有其他學(xué)者從經(jīng)濟(jì)、文化兩方面,對民族服飾色彩的構(gòu)成機(jī)制和色彩的內(nèi)涵價(jià)值進(jìn)行解析[4-5]。
在色彩的研究中,色彩量化問題是使原始圖像中的復(fù)雜顏色依據(jù)偏重需要并結(jié)合人的視覺效果歸類到較少種類顏色的過程。其中K均值聚類算法是一種原理簡單、易于實(shí)現(xiàn)、量化效果較好的聚類算法[6],它將圖像中所有色彩進(jìn)行相似性壓縮、替代,然后重新映射到各個(gè)集群中,獲得K類最優(yōu)選擇,從而達(dá)到減少圖像中顏色冗余信息的作用,也避免因人工提取而丟失過多色彩信息。服飾色彩量化研究中,陶晨等[7]基于人眼視覺的HSV色彩模型進(jìn)行服飾色彩主色的識別與量化,并證實(shí)該方法的有效性。徐平華等[8]利用K均值聚類法研究了民族服飾的色彩構(gòu)成,獲得一種客觀、可靠的民族服飾色彩測量方法。
在感性意象研究方面,感性工學(xué)(KE)是一門感性與工學(xué)相結(jié)合的技術(shù),通過定量分析感性意象并運(yùn)用到設(shè)計(jì)中去[9],它為設(shè)計(jì)師有效剖析用戶色彩偏好提供了科學(xué)的理論依據(jù)和方法。在產(chǎn)品配色方法研究中,張宗登等[10]基于色彩心理學(xué)和感性工學(xué)理論,從用戶的色彩意象出發(fā)建立一套具有普遍適應(yīng)性的工程產(chǎn)品配色方法。同時(shí),在服飾色彩研究中,王艷等[11]基于感性工學(xué)提出了服飾色彩搭配系統(tǒng)的基本思路,探討色彩理論在服裝設(shè)計(jì)中的感性化應(yīng)用方法。在李春鶴等[12]對服飾色彩風(fēng)格評價(jià)研究中,引入感性工學(xué)理論及方法獲取用戶的感性意象與顏色的物理性能之間的對應(yīng)關(guān)系??梢?,從色彩感性意象中獲取配色方案,會讓設(shè)計(jì)更為貼近用戶感性需求[13]。
通過民族色彩研究及色彩感性研究兩個(gè)方面的梳理可知,針對苗族服飾色彩的研究較少從用戶心理訴求的角度出發(fā),而色彩感性的研究缺乏對色彩HSL空間的量化,造成主觀性較強(qiáng)的問題。此外,在針對服飾色彩的量化及意象研究中,尚無基于具體服飾色彩量化基礎(chǔ)上對代表性樣本篩選的考慮。為此,本文以感性工學(xué)理論為基礎(chǔ),結(jié)合圖像分析技術(shù),構(gòu)建一種基于色彩HSL空間量化的KCQ-KE模型,為設(shè)計(jì)師在進(jìn)行少數(shù)民族相關(guān)產(chǎn)品設(shè)計(jì)時(shí)的色彩選擇提供幫助和指導(dǎo)。
1 研究方法
為了更好地定位用戶的色彩意象,運(yùn)用SD法收集意象詞匯,使用多元尺度分析和系統(tǒng)聚類法構(gòu)建代表意象詞集;基于K均值聚類算法獲得樣本圖片色彩比例和主色提取,綜合使用系統(tǒng)聚類建立代表性樣本空間;通過回歸分析法獲得色彩群對應(yīng)的意象特征,建立苗族服飾色彩與感性意象關(guān)系模型。具體研究流程分為五個(gè)部分(圖1):1)樣本圖片收集與樣本初步篩選;2)意象詞相似度分析及代表性意象集建立;3)基于KCQ的樣本主色調(diào)提取及代表樣本集建立;4)分別分析樣本及意象詞的聚類關(guān)系;5)要素類目分析、KCQ-KE模型的構(gòu)建及驗(yàn)證。
1.1 意象詞收集與篩選
在進(jìn)行產(chǎn)品設(shè)計(jì)過程中,產(chǎn)品色彩方案是否成功,關(guān)鍵在于色彩的設(shè)計(jì)、搭配方案引發(fā)的意象情感是否符合用戶意象情感期望。本文通過對苗族服飾色彩意象研究,試圖把握用戶的心理需求和內(nèi)心喜好,用于指導(dǎo)和輔助設(shè)計(jì)師設(shè)計(jì)出更符合用戶需求的產(chǎn)品。
1.1.1 意象詞匯收集與篩選
由于互聯(lián)網(wǎng)用戶與苗族人民之間文化背景存在一定程度上的差異,易導(dǎo)致線上與線下收集的意象詞匯差異較大,因此同時(shí)采用線上與線下兩種方式獲取意象詞匯,來降低文化差異導(dǎo)致的意象詞匯差異,增強(qiáng)意象詞匯的代表性。
線上提取是通過對相關(guān)雜志、期刊、書籍、網(wǎng)絡(luò)視頻、購物網(wǎng)站及過往同領(lǐng)域研究內(nèi)容等進(jìn)行查閱;同時(shí)配合網(wǎng)絡(luò)問卷對部分用戶進(jìn)行調(diào)查,向用戶展示苗族服飾圖片,隨后要求被試者基于自身過往經(jīng)歷、經(jīng)驗(yàn)對苗族服飾制品的色彩進(jìn)行意象描述。
線下收集是到苗族刺繡廠、苗族服飾制品店鋪,對部分普通用戶及當(dāng)?shù)乩C娘、繡工進(jìn)行訪談來收集意象語義詞。
1.1.2 意象詞初步篩選及分群
第一步:意象詞初步篩選。使用網(wǎng)絡(luò)問卷軟件制作問卷,被試者結(jié)合自身實(shí)際經(jīng)歷,勾選認(rèn)為最符合對苗族服飾色彩描述的意象詞,也可自行補(bǔ)充形容詞。
篩選條件:1)心理學(xué)統(tǒng)計(jì)中通常將發(fā)生概率小于5%的事件定義為小概率事件[14],小概率詞匯通常帶有一定的特定個(gè)人偏向。故而,通過被試者在整體詞匯中選擇有限個(gè)數(shù)的代表性詞匯,分析被試者對所有詞匯的勾選頻率,從而將被勾選頻率小于或等于5%的詞匯從整體詞匯中篩選掉,排除不常用意象詞。2)將意象詞被勾選的次數(shù)進(jìn)行統(tǒng)計(jì),選取勾選次數(shù)大于1/4(25.0%)的意象詞進(jìn)行后續(xù)實(shí)驗(yàn)。初步篩選獲得n個(gè)符合條件的詞語。
第二步:意象詞匯分群。實(shí)驗(yàn)過程中要求被試者根據(jù)上述所提供的n個(gè)詞匯,結(jié)合自身實(shí)際生活的經(jīng)驗(yàn),將其中意思相近的詞匯分到同一組,每組所分得的詞匯個(gè)數(shù)不限。對n×n 的相似矩陣進(jìn)行二維至六維的多元尺度法展開分析,使用多元尺度分析法是為了將各個(gè)意象詞的數(shù)據(jù)盡可能保留原始數(shù)據(jù)的完整性并且轉(zhuǎn)換為多維空間分布,從而使數(shù)據(jù)更加清晰、直觀。最后,采用系統(tǒng)聚類分析法將初步篩選獲得的n個(gè)詞匯進(jìn)行聚類并分析選出各個(gè)群組中最具代表的詞匯,以此得到合適數(shù)量的代表性意象詞。
1.2 苗族樣本色彩分析及加工
為了降低人工圖像色彩提取過程中因研究者主觀因素造成的誤差,本文采用圖像分析法進(jìn)行苗族服飾色彩的提取和色值分析。實(shí)驗(yàn)分為樣本群篩選和樣本加工兩部分。
1.2.1 服飾樣本群篩選
收集貴州省各地苗族服飾中“圍裙”的圖片。為了降低被試者的視覺疲勞且有效保證Matlab色彩分析結(jié)果的可靠性,應(yīng)選擇適當(dāng)?shù)膶?shí)驗(yàn)樣本數(shù)并保證樣本圖片的清晰度。最后由兩位專家小組成員(專業(yè)苗族服飾研究者和繡娘)補(bǔ)充、交流挑選出具有代表性樣本。
1.2.2 樣本加工
完成服飾樣本的圖像采集和尺寸大小的裁剪工作后,根據(jù)圖2所示的流程,通過Matlab編程實(shí)現(xiàn)服飾樣本。實(shí)驗(yàn)步驟有:1)樣本色彩比例圖生成;2)主色調(diào)冷暖分析;3)基于KCQ的樣本色彩提取分析;4)基于HSL色彩空間的主色調(diào)轉(zhuǎn)換;5)樣本分群。
第一步:編寫代碼后運(yùn)行獲得色彩比例圖。第二步:根據(jù)比例圖將冷、暖色調(diào)占比數(shù)值累加,對樣本整體色調(diào)進(jìn)行判斷。第三步:本部分中運(yùn)用的K均值聚類色彩量化算法(KCQ)是一種較為常用的動態(tài)迭代型算法。在以往研究中發(fā)現(xiàn)[15],基于K均值聚類的色彩量化方法比傳統(tǒng)色彩聚類量化方法在量化效果和執(zhí)行時(shí)間上更具有效性。其中色彩提取過程中,需要輸入擬提取色彩的樣本源圖片、色彩數(shù)和初始聚類中心三種數(shù)據(jù)。第四步:將RGB模式的色彩圖像轉(zhuǎn)換到HSL色彩空間來提高色彩參數(shù)的提取與分析效果,這樣更加有利于服飾色彩的計(jì)算與分析。其中色彩空間即為可用數(shù)值描述的各類數(shù)學(xué)模型,常見的如RGB、CMYK等面向硬件設(shè)備的彩色模型,以及HSV、HSL等面向視覺感知的彩色模型[16]。HSL即色相、飽和度、明度三個(gè)通道的顏色,這個(gè)標(biāo)準(zhǔn)幾乎包括了人類視力所能感知的所有顏色,是目前運(yùn)用最廣的顏色系統(tǒng)之一。此外,色相參數(shù)與飽和度、明度參數(shù)相分離,能夠避免樣本圖像的環(huán)境光對圖像色彩參數(shù)提取的影響。RGB色彩空間轉(zhuǎn)換HSL色彩空間公式為[17]:
式中:r、g、b分別是一個(gè)顏色的紅、綠和藍(lán)參數(shù),取0~255的整數(shù);max表示r、g、b中的最大值,min為最小值。H、S、L是顏色在HSL色彩空間中的三個(gè)參數(shù)值,H∈[0,360)是角度的色相角,S、L∈[0,1]是飽和度和亮度。
第五步:經(jīng)過第三步的色調(diào)判定后,在各個(gè)主色調(diào)中選擇主要色彩進(jìn)行色彩空間轉(zhuǎn)換,隨后運(yùn)用系統(tǒng)聚類分析進(jìn)行分群。
1.3 色彩影響要素實(shí)驗(yàn)分析
根據(jù)HSL色彩空間系統(tǒng)并結(jié)合苗族服飾色彩特點(diǎn),將HSL三種參數(shù)要素轉(zhuǎn)化成三個(gè)項(xiàng)目、六個(gè)類目,每一個(gè)類目定義如表1所示。
1.4 意象認(rèn)知模型的建立
為了了解每組感性意象和色彩組成要素之間的數(shù)量關(guān)系,本文運(yùn)用數(shù)量化I類分析方式得到各感性意象與色彩組成要素之間的類目得分,從中建立色彩組成要素與感性意象語意的關(guān)聯(lián)方程。
代表性樣本經(jīng)過數(shù)量化I類分析,并依據(jù)樣本色彩組成要素與感性意象的類目得分,得到樣本色彩要素與感性意象的映射關(guān)系?!吧省庀蟆甭?lián)立方程可表示為:
式中:Yi為樣本色彩的第i個(gè)感性意象語意的得分;v為色彩項(xiàng)目的數(shù)量;j為色彩項(xiàng)目中的類目數(shù)量;ainm為第i個(gè)感性意象第n個(gè)色彩項(xiàng)目中第m個(gè)類目的得分;Xnm為該樣本在第n個(gè)色彩項(xiàng)目中第m項(xiàng)的得分(0或者1),且∑jm=1Xjm=1。其中,類目分值大小說明該項(xiàng)目解釋感性意象的高低程度,類目得分既有正值又有負(fù)值,正值代表正向的意象,而負(fù)值代表對應(yīng)的負(fù)向意象。
1.5 結(jié)論解析
通過本次評價(jià)模型,可以實(shí)現(xiàn)從色彩到意象正向和逆向的推理?;诒疚难芯拷Y(jié)果正、逆向推理過程如下:
正向推理:設(shè)計(jì)師給定服飾色彩圖,分析其意象特征,判斷設(shè)計(jì)方案是否滿足用戶需求或設(shè)計(jì)目標(biāo)。具體做法是首先通過Matlab分析獲得色彩值并進(jìn)行色彩空間轉(zhuǎn)值;其次根據(jù)顏色的色彩組成要素整理出該樣本在色彩各項(xiàng)目得分ainm;最后通過式(4)求解得出該樣本的各個(gè)感性意象得分,得分最高者最有可能是反映該樣本整體色彩的感性意象。
逆向推理:給定用戶預(yù)期感性意象需求,分析其意象特征,推導(dǎo)出符合該意象特征的服飾色彩配色。具體做法是首先對給出的特定意象特征進(jìn)行歸類,將其通過近義詞等方式轉(zhuǎn)換為已知第Y類感性意象詞組中的第k個(gè)意象詞;其次構(gòu)建不等式Y(jié)k>yn(k≠n),求解獲得若干組Xnm的取值,即得出該意象特征的服飾色彩應(yīng)具有的特征。
2 實(shí)例應(yīng)用
2.1 分 析
本文以貴州省苗族服飾色彩設(shè)計(jì)為例,對本模型進(jìn)行闡述,其中本文的被試者職業(yè)、年齡分布如表2所示。意象詞收集通過線上、線下組合方式獲得與本文研究較為相關(guān)的98個(gè)意象詞。隨后對40名被者試進(jìn)行問卷調(diào)查,依據(jù)初步篩選原則獲得30個(gè)符合條件的詞語,結(jié)果如表3所示。
在意象詞分群實(shí)驗(yàn)中,被試群體由32名貴州大學(xué)的在校學(xué)生組成,其中18名服裝設(shè)計(jì)專業(yè)學(xué)生,14名工業(yè)設(shè)計(jì)專業(yè)學(xué)生,且被試者均有購買或參與設(shè)計(jì)苗族服飾制品經(jīng)歷。將意象詞大致分為6~10個(gè)群,運(yùn)用李克特量表制作問卷,被試者對30個(gè)意象詞進(jìn)行兩兩相似度評分,統(tǒng)計(jì)平均分值列出30×30的相似矩陣。基于系統(tǒng)分析法得到聚類樹狀示意(圖3),綜合考慮得出:30個(gè)意象詞分成5群。基于多元尺度法對相似矩陣展開二維至六維的數(shù)據(jù)分析,其中SPSS輸出本實(shí)驗(yàn)數(shù)據(jù)Stress=0.070 12,RSQ=0.959 00,擬合度為優(yōu)。根據(jù)歐式距離模型取各組群中心點(diǎn)最近者為該群代表,最終選定的5個(gè)代表性感性意象語匯,分別為大方的、傳統(tǒng)的、個(gè)性的、質(zhì)樸的、繁復(fù)的,結(jié)果如表4所示。
在樣本加工及代表性樣本選定過程中,收集貴州省各地苗族“圍裙”的服飾圖片65張。專家小組補(bǔ)充、交流挑選出具有代表性樣本25張,如圖4所示。
對代表性樣本進(jìn)行處理,具體步驟如下:
第一,使用Matlab編程實(shí)現(xiàn)單個(gè)樣本圖片的RGB色彩比例識別,例如圖5為樣本1的色彩比例圖,以此類推獲得25個(gè)樣本的色彩比例圖。
第二,利用Matlab完成色彩空間轉(zhuǎn)換與色彩比例分析。其中本次實(shí)驗(yàn)取值k=16,獲取16種主要色彩進(jìn)行冷、暖色比例計(jì)算(表5)。
第三,色彩空間轉(zhuǎn)換。單個(gè)樣本16種顏色中各取比例最高的兩種進(jìn)行色彩空間的轉(zhuǎn)換,即RGB色彩空間轉(zhuǎn)換至HSL色彩空間,結(jié)果如表6所示。
第四,主要代表性樣本選擇。根據(jù)第三步所得數(shù)據(jù),運(yùn)用SPSS數(shù)理統(tǒng)計(jì)軟件中的系統(tǒng)聚類分析進(jìn)行分群,并依據(jù)聚類分析樹狀示意(圖6)分為7組,如表7所示。
為了客觀進(jìn)行最后的意象評價(jià)實(shí)驗(yàn),根據(jù)上述色彩影響要素分析所得項(xiàng)目和類目數(shù)量,本階段至少需要選取2×4=8個(gè)樣本,隨機(jī)從7組分類中選取15個(gè)樣本作為本階段實(shí)驗(yàn)樣本。進(jìn)行色彩要素分析得出結(jié)果如表8所示,即為15個(gè)樣本的色彩要素編碼表。表8中數(shù)據(jù)“1”代表該樣本具有該項(xiàng)目中該類目的屬性,數(shù)據(jù)“0”代表該樣本無項(xiàng)目中該類目的屬性,從而人對樣本的定性描述轉(zhuǎn)化成為可以被處理的定量描述。
35名被試者對15個(gè)樣本五個(gè)感性意象語意打分,整理計(jì)算評分均值得到各樣本的感性意象評估值(表9)。
15個(gè)代表性樣本經(jīng)過數(shù)量化Ⅰ類分析,得到樣本色彩組成要素與感性意象的類目得分,組成樣本色彩要素與感性意象語意關(guān)聯(lián)表,如表10所示。
對實(shí)驗(yàn)結(jié)果表11進(jìn)行解析,例如對“大方的”(y1)意象貢獻(xiàn)率最高的色彩要素為亮度(范圍值為2.191),色調(diào)貢獻(xiàn)率最低(范圍值為0.316),由此得出“大方的”意象得分最高的組合為暖色調(diào)(0.311)+高飽和度(1.313)+高亮度(1167)。并分析出對色彩意象的影響程度為:亮度>飽和度>色調(diào)。
2.2 基于模型的設(shè)計(jì)實(shí)踐
為了驗(yàn)證該模型對設(shè)計(jì)的輔助有效性,基于KCQ-KE模型展開服裝設(shè)計(jì)。設(shè)計(jì)流程如下:
第一步意象詞歸類。本次設(shè)計(jì)以四季為主題,風(fēng)格意象定位為“傳統(tǒng)的、別致的、豐富的”,即Y1、Y2、Y3。
第二步設(shè)計(jì)分析。首先,分析本次設(shè)計(jì)主題特征并定義主題含義,即“春——百花齊放”“夏——綠樹成蔭”“秋——秋風(fēng)蕭瑟”“冬——凌寒獨(dú)放”且;其次,風(fēng)格定位的意象詞帶入KCQ-KE模型中,意象詞歸類得到Y(jié)1=y1、Y2=y3、Y3=y5;最后獲得色彩要素類目得分及色彩意象的影響程度順序,如表11所示。
第三步米袋方案設(shè)計(jì)。根據(jù)苗族特色圖案與色彩設(shè)計(jì)要素組合結(jié)果,獲得裝飾圖案(圖7),最終進(jìn)行服裝的創(chuàng)新設(shè)計(jì)(圖8)。
本次服裝、圖案及配色設(shè)計(jì),從“四季”獲得靈感,配色運(yùn)用結(jié)合用戶預(yù)期風(fēng)格意象定位,再從四季中獲取原色進(jìn)行變化和組合,使設(shè)計(jì)整體風(fēng)格更富有貼近自然之氣;工藝上,苗族傳統(tǒng)圖案和刺繡工藝組合,使設(shè)計(jì)賦有苗族設(shè)計(jì)的傳統(tǒng)韻味。本次服裝設(shè)計(jì)實(shí)踐,在色彩運(yùn)用上從用戶心理感受出發(fā),深挖意象詞背后的色彩,減少了設(shè)計(jì)的盲目性,巧妙運(yùn)用色彩賦予人的心里感受,為設(shè)計(jì)增添了創(chuàng)新性和大眾感。
3 結(jié) 語
本文首先對苗族服飾色彩圖進(jìn)行色彩轉(zhuǎn)換與參數(shù)提取,通過層次聚類進(jìn)行色彩量化,以感性工學(xué)為理論基礎(chǔ),將感性意象進(jìn)行參數(shù)化表達(dá),分析用戶意象認(rèn)知與苗族服飾色彩之間的關(guān)系,建立KCQ-KE模型?;谀P蜑樵O(shè)計(jì)師在進(jìn)行產(chǎn)品、服飾等設(shè)計(jì)時(shí)提供一定參考,有助于設(shè)計(jì)師準(zhǔn)確、便捷、客觀地把握服飾色彩構(gòu)成方式,減少方案優(yōu)化時(shí)間,提高設(shè)計(jì)效率。當(dāng)前由于人力、技術(shù)等因素的局限,本文在樣本色彩豐富度方面尚存在不足,因此對設(shè)計(jì)的指導(dǎo)意義較為有限。
參考文獻(xiàn):
[1]周夢. 少數(shù)民族傳統(tǒng)服飾傳承的現(xiàn)狀與出路淺析:以貴州少數(shù)民族服飾為例[J]. 中央民族大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版), 2013, 40(5): 146-151.
ZHOU Meng. Analysis of the status quo of and the way-out for inheriting traditional dress and adornment of ethnic minorities: taking ethnic dress and adornment of Guizhou province as an example[J]. Journal of Minzu University of China(Philosophy and Social Sciences Edition), 2013, 40(5): 146-151.
[2]金蕾, 陳建偉. 黎族傳統(tǒng)服飾的色彩內(nèi)涵解讀[J]. 紡織學(xué)報(bào), 2015, 36(10): 140-144.
JIN Lei, CHEN Jianwei. Interpretation on color symbol of Li nationality traditional clothing[J]. Journal of Textile Research, 2015, 36(10): 140-144.
[3]高星. 民族服飾色彩的地理文化透視[D]. 武漢: 湖北美術(shù)學(xué)院, 2007.
GAO Xing. The Geographical Cultural Perspective of the Color of National Costume[D]. Wuhan: Hubei Institute of Fine Arts, 2007.
[4]王貴. 論服飾色彩文化中的尊卑觀念[J]. 求索, 2015(2): 169-173.
WANG Gui. On the concept of respecting and inferiority in the clothing color culture[J]. Seeker, 2015(2): 169-173.
[5]王革非. 我國少數(shù)民族女性嫁衣研究(上): 做工與色彩[J]. 紡織導(dǎo)報(bào), 2015(8): 96-98.
WANG Gefei. A study on female wedding dress of Chinese minority nationalities(part 1): the workmanship and colors[J]. China Textile Leader, 2015(8): 96-98.
[6]凌玲. 彩色圖象量化方法的研究[J]. 華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版), 2000(1): 82-86.
LING Lin. Research on color image quantization methods[J]. Journal of South China University of Technology(Natural Science), 2000(1): 82-86.
[7]陶晨, 段亞峰, 印梅芬. 基于HSV的服裝色彩特征數(shù)量化方法研究[J]. 絲綢, 2015, 52(6): 22-26.
TAO Chen, DUAN Yafeng, YIN Meifen. Research on HSV based on
quantification of apparel color features[J]. Journal of Silk, 2015, 52(6): 22-26.
[8]徐平華, 冒海琳, 張玉杰, 等. 民族服飾色彩構(gòu)成分析方法研究[J]. 絲綢, 2019, 56(3): 24-29.
XU Pinghua, MAO Hailin, ZHANG Yujie, et al. Study on analysis method for color composition of ethnic costumes[J]. Journal of Silk, 2019, 56(3): 24-29.
[9]林麗. 基于KE的產(chǎn)品情感意象多維變量表達(dá)模型構(gòu)建及評價(jià)[D]. 南京: 東南大學(xué), 2012.
LIN Li. The Construction and Evaluation of the Multi-Dimensional Variables Model of Products Emotional Image based on the KE[D]. Nanjing: Southeast University, 2012.
[10]張宗登, 張紅穎. 基于色彩意象的工程裝備產(chǎn)品外觀配色設(shè)計(jì)研究[J]. 圖學(xué)學(xué)報(bào), 2016, 37(5): 681-687.
ZHANG Zongdeng, ZHANG Hongying. Research of coating design of construction machinery based on color image[J]. Journal of Graphics, 2016, 37(5): 681-687.
[11]王艷, 侯倩. 基于感性工學(xué)的服裝色彩搭配系統(tǒng)規(guī)劃分析[J]. 河南科技, 2014(17): 242-243.
WANG Yan, HOU Qian. Journal of Henan science and technology[J]. Journal of Henan Science and Technology, 2014(17): 242-243.
[12]李春鶴, 劉雁. 感性工學(xué)及其在服裝風(fēng)格評價(jià)中的應(yīng)用[J]. 天津紡織科技, 2012(2): 28-30.
LI Chunhe, LIU Yan. Perceptual engineering and its application in apparel style evaluation[J]. Tianjin Textile Science & Technology, 2012(2): 28-30.
[13]林晨曄. 基于感性工學(xué)的定量化色彩趨勢研究[J]. 包裝工程, 2015, 36(18): 70-73.
LIN Chenye. Quantitative color trends based on kansei engineering[J]. Packaging Engineering, 2015, 36(18): 70-73.
[14]賈君君. 基于絲織物色彩的視覺認(rèn)知評價(jià)[D]. 蘇州: 蘇州大學(xué), 2016.
JIA Junjun. Visual Cognitive Evaluation Based on Silk Fabric Color[D]. Suzhou: Soochow University, 2016.
[15]姜月秋, 牛碩, 高宏偉. 一種新的基于K均值聚類的色彩量化算法研究[J]. 計(jì)算機(jī)科學(xué). 2012, 39(S3): 375-377.
JIANG Yueqiu, NIU Shuo, GAO Hongwei. New color quantization algorithm based on K-means clustering[J]. Computer Science, 2012, 39(S3): 375-377.
[16]SONG J W, SONG J M, HU G S, et al. Visualization of the Color Family Order System[M]. Berlin: Springer Berlin Heidelberg, 2016.
[17]張黎力, 袁心強(qiáng). 基于HSL顏色空間模型的綠色翡翠顏色分級技術(shù)[J]. 科學(xué)技術(shù)與工程, 2017, 17(26): 268-273.
ZHANG Lili, YUAN Xinqiang. Green jade color grading technology based on HSL color space model[J]. Science Technology and Engineering, 2017, 17(26): 268-273.