第二章
二十四節氣色彩提取

常用的色彩提取方法

田野調查

田野調查（field research）是一種深入到研究對象的生活環境中，以參與觀察和無結構訪談的方式收集資料，并通過對這些資料的定性分析來理解和解釋現象的社會研究方法。該方法的基本特征是強調“身臨其境”，即研究者一定要深入到所研究對象的社會生活環境中，在相當長的一段時間內，靠觀察、詢問、感受和領悟去理解所研究的現象。

在二十四節氣色彩的田野調查中，可以通過不斷走訪與節氣色彩有關的地方，觀察隨節氣變化而改變的自然景色和生活習俗，用隨身攜帶的攝影器材記錄下各種典型的色彩圖片。在對不同節氣色彩進行定性分析和歸納后，第二年從不同的地方、不同的視角、不同的人群開始進一步觀察和歸納，經過多次循環，篩選形成不同節氣的色彩圖片庫。最后從得出的自然景色與生活風俗的圖片庫中提取出頻率最高、面積最大的系列色彩。

田野調查是目前節氣色彩提取的最方便最常用的方法，其主要優點有：（1）節氣色彩作為時節景象和生活風俗的視覺文化，選用田野調查這種在自然條件下觀察和研究人們行為的方法，能夠獲得更具有情感性和直覺性的色彩資料。（2）研究的可靠性和有效程度較高，田野調查的深入觀察，設身處地的感受和拍攝記錄，具有很強的真實性與實效性。（3）用眼睛觀察生活，用心靈記錄生活，田野調查的方式靈活，有彈性。（4）田野調查適用于調研節氣這種隨時節不同而色彩不斷變化的現象。由于實地研究所得到的基本都是定性資料，也存在過于主觀的問題，且調研時間一般需要兩年以上，還存在所需時間較長等缺點[1]。

色卡取色法

色卡是一種將自然界與生活中的顏色在相應材質上呈現的方式，用于色彩的選擇、比對、溝通，是色彩實現在一定范圍內具有統一標準的工具和載體。國際上有很多標準色卡，其中影響力最大的是美國Pantone（潘通）色卡，其次是在歐洲使用最廣泛的瑞典NCS色卡，此外還有Munsell（孟塞爾）等國際通用色卡。這些色卡被廣泛應用于紡織服裝、紙媒印刷、家具、汽車、涂料油漆等領域。

色卡在我國紡織、建筑、汽車、化學等多個領域被普遍應用。1993年我國完成了《中國顏色體系問題研究》，并制定了《中國顏色體系》，之后中國建筑科學研究院物理研究所與多個單位合作共同制定了《建筑色彩體系和建筑色卡》，從而建立了中國建筑的色彩體系[2]。二十四節氣的色彩研究，可以采用色卡對節氣生活中典型的色彩進行比對，選擇最吻合和最匹配的材質色卡色彩記錄下節氣色彩對應的數值，并將該色彩數值按照不同的材質類別整理放入不同的色彩庫。

采用色卡比對的方式提取的色彩在一定程度上減少了因拍攝技術、顯像設備而引起的色彩偏差，通過調整所拍攝照片的亮度、飽和度與彩度等，使拍攝的照片能更真實地還原物像本身的色彩，后期將拍攝的照片與色卡顏色進行比對，防止光線過強、過暗等對物像色彩的影響。因此，色卡取色具有感性與理性共存的特點，既可以通過感性的視覺去選擇色彩，又可以根據理性的色卡數值去確定和標識色彩。但是這種方式因需要大量的統計工作而導致效率較低；雖然對實體材質的色彩更有效，但對于數字色彩則不方便采集。

軟件取色

目前很多PC端和移動端軟件都可以實現色彩的提取。

其中，Photoshop作為設計工作者較為常用的軟件工具就提供了圖像色彩提取的功能。在Photoshop中，通過“色彩索引模式”和“色彩表”功能即可獲得圖像的色彩數據。索引顏色模式是網頁中常用的圖像模式，包含近256種顏色。當把圖像轉換為該模式時，系統會構建一個調色板用以存放和索引圖像中的顏色。如果原圖像中的顏色不能用這256色來顯示，Photoshop 就會從可用的色彩中選出最匹配的色彩來模擬這些顏色。在該模式下，通過減少調色板中色彩的數目，可以在保持視覺上的畫質基本不變的同時縮減文件的大小[3]。

同時，使用Photoshop中的“Web所用格式”來生成色彩分區圖，也可以提取色彩。以下內容將展示提取色彩的詳細步驟。首先通過Photoshop打開圖片，依次選擇“文件”“導出”“存儲為Web所用格式”之后會彈出一個窗口。在右面操作區中選擇“PNG－8”，圖片呈現類型選擇“無仿色”，并選擇顏色的個數。“PNG－8”是256色PNG的別名，是將全色圖片轉化成256種顏色，但是畫面的色彩傾向基本不變；“無仿色”是使圖片呈現出色彩分區的樣式；顏色個數的減少可以使畫面的色彩傾向發生微小的變化。為了保留一些點睛色，可以選中此顏色，選擇界面中的鎖子的圖標，該顏色就被鎖定，也可以通過垃圾桶的圖標，直接刪除此顏色。

移動端同樣有簡單的色彩提取軟件，如palette和色彩工具箱等。其中色彩工具箱不僅可以提取圖像色彩，還可以提供相應的色彩搭配。

利用軟件輔助提取色彩操作簡單且色彩效果較好，不僅可以在較大程度上提高效率，還方便設計與應用。但提取的色彩會受到算法提取模式的不同而產生一定差異，同時提取的色彩受到圖像質量的影響，不一定符合真實世界人眼看到的色彩。而且通常情況我們不需要256個色彩代表一張圖片，16個左右的色彩已經可以滿足色彩提取的需要。即使如此仍然會存在提取出近似顏色的情況，此時可以采用人眼篩選的方式去除雜色和近似色。一般情況，可以選擇5位色彩研究和對應領域的專家對提取出來的色彩進行選擇，選擇出能夠代表圖片的主要色彩，這種色彩篩選的方法能夠讓提取出來的色彩更加符合人們的主觀聯想，取得更好的色彩搭配效果。

大數據算法取色

前面提到的提取顏色的方法都更加適用于單張圖像的提取，而實際情況下我們有時會需要快速提取大量圖像的色彩并對色彩進行統計歸類，上述單張圖片的色彩提取方法會顯得效率較低。隨著大數據時代的到來，計算機色彩提取的方法越來越多，針對不同的提取對象，提取方法也會相應調整，主要涉及用于數據抓取的python爬蟲技術，用于色彩特征提取的配色提取算法，用于節氣色彩特征提取的特征篩選和降維算法等。

色彩數據抓取技術

數據抓取技術，通常是指通過程序對電子內容進行收集、篩選、清洗的過程。高效獲取圖片的爬蟲程序的核心流程包括：首先通過人工方式獲取初始網頁鏈接（URL）。之后對初始URL進行管理并存入爬取隊列中，爬取隊列要對已爬取URL和未爬取URL進行管理。然后根據爬取隊列中提供的URL，完成對應網頁內容的抓取。最后將網頁的文本、圖片、鏈接等內容下載至本地，對于下載至本地的網頁內容進行解析。由于網頁內容包含大量html，js，css等代碼結構，需要對內容進行分析提取。

色彩特征提取技術

提取圖片色彩需要對圖片的關鍵色彩特征進行提取，圖片色彩特征包括基礎色值特征、主色特征、對比度、彩度等。其中難點主要在于圖片主色的提取。下面主要介紹以下幾種主色提取的算法。

Median Cut算法：將圖片映射到三維色彩空間（如RGB空間）中，將此色彩空間看作是色彩空間中的長方體（VBox）。開始時，獲取能夠包含圖片色值點的最小長方體，沿長方體的最長邊，對色值點進行劃分，使得兩個子長方體中所包含的色值點數量相同，重復分割過程直到切分所得的子長方體的數量和所要提取數量相等為止。

聚類算法：也是常用的一種從圖片中提取特定數目色彩的方法。通常使用的有K-means和Fuzzy C-means。K-means算法需要指定需要聚類得到的分類數目k，算法可以找到合適的分類使得色值點到各個分類的距離最短。但是K-means算法的初始聚類點是隨機生成的，因此對于一些數量較少、位置較偏的色點很難提取到準確的色值。Fuzzy C-means是一種無監督的模糊聚類算法。與K-means不同的是，C-means不會給出每個數據點的具體分類，而是給出點對每個分類的隸屬程度。C-means對初始數據點的選擇敏感度較低，但對模型參數較為敏感。

八叉樹算法：會將色值點的色值按照R、G、B三個色彩通道分別提取出來，并用二進制表示，同時較低位（八叉樹中位置較深層）數值將被壓縮進較高位（八叉樹中較淺層）數值中。八叉樹算法對色彩空間模型結構有著較強的依賴性，且RGB模型是基于計算機模型的色彩模式，并不是最符合人眼認知的模型，因此存在一定的局限性。

顏色直方圖法：是最常用的提取圖像顏色特征的方法，由Swain和Ballard最先提出。該算法是將圖像中每一個像素對應的光譜映射到柱狀圖中，通過統計每個像素點在不同柱狀圖中出現的頻次，從全局描述圖像顏色的數量特征。但這種算法忽視了像素的空間位置信息，只對圖像顏色做了統計分布，因此可能出現相同或近似的顏色直方圖所對應的圖像完全不同的情況。

顏色聚合向量：是Pass提出的對顏色直方圖的一種較為復雜的演變，包含了像素的空間信息，它的檢索和識別效果都優于顏色直方圖。它將圖像分為聚合像素和非聚合像素，首先對圖像進行平滑濾波，對圖像的色彩空間進行量化以減少圖像的復雜度，方便計算機進行特征提取。之后遍歷圖像，將圖像劃分為若干個連通區域，統計每個連通區域內的像素數來生成圖像的顏色聚合向量。

顏色相關圖：既包括圖像顏色的統計信息，也包含顏色的空間關系。當考慮全部顏色之間的空間關系時，這樣的顏色相關圖會相當復雜。顏色相關圖是一個簡化方式，只考慮相同顏色的像素之間的空間關系，降低了空間復雜度。

色彩特征選擇方法

通過特征提取的算法，我們可以提取大量圖片特征。特征數量可高達上百維度。如果將高維數據直接作為學習模型的輸入，很容易產生欠擬合，從而影響模型的準確性。因此，對輸入特征進行縮減，是機器學習建模的重要步驟。通常來說，特征篩選的方法包括以下幾類。

Filter類方法：通過自變量和目標變量的關系選擇特征，包括卡方檢驗、互信息等。卡方檢驗統計樣本的實際觀測值與理論推斷值之間的偏離程度決定卡方值的大小，卡方值是判斷哪些特征與結果具有更高的相關性的依據；互信息是用來評價一個事件的出現對于另一個事件的出現所貢獻的信息量，通過計算公式可以得出輸入和輸出信息之間的關聯性。

降維類方法：降維類方法不是簡單進行特征選擇，而是通過將多個特征映射到一個特征，來達到降低特征個數的目的。最常用的降維方法是主成分分析（PCA），相比Filter類方法，降維方法的最大優勢是信息損失少，利用PCA可以把原本具有共線性的特征進行整合，最后得到的都是正交的特征。

Embeded方法：除了可以使用特征篩選和降維方法進行特征預處理，還可以通過一些具有特征選擇功能的學習模型完成特征篩選/降維步驟，如Lasso、XGBoost。Lasso是由Robert Tibshirani提出的一種回歸算法。與簡單的線性回歸不同，該算法引入了L1正則項作為懲罰項，可以有效壓縮特征的系數，同時使得一些不重要的特征系數為零，具備良好的抗過擬合的特性。與Lasso不同，XGBoost是一種基于樹形分類器的模型，同時運用了集成學習的思想。XGBoost能通過計算不同特征的importance值，來實現特征的篩選[4]。

傳統文化色彩的提取范式

首先，進行文獻研究及用戶訪談，搜集傳統文化色彩相關的文獻資料，為提取色彩提供依據，若研究與生活習俗相關的傳統文化，還需要結合用戶訪談來完善調研資料。其次，通過田野調查或實地拍攝，獲取傳統文化色彩的圖片素材。在開始提取色彩前，需要對采集的素材做預處理，使用圖片處理軟件讓圖片色彩盡可能還原研究對象本身的色彩，同時對于高精度圖片，在保留圖片色彩信息的同時對圖片進行壓縮處理，以提高算法的運算效率。最后，在進行色彩提取時，應結合圖片的色彩特點與提取算法特性，選擇適合的算法來提取圖片特征，可以同時采用多種提取算法處理圖片，比較處理結果，選擇色彩提取效果好的算法。獲取特征結果后，對色彩特征進行降維處理和人工篩選，得到傳統文化色彩庫。

[1]風笑天。社會學研究方法[M]，北京：中國人民大學出版社，2009年6月.

[2]劉毅娟。蘇州古典園林色彩體系的研究[D]，北京：北京林業大學，2014年.

[3]楊立新. Photoshop色彩模式淺探[J]，合肥：電腦知識與技術，2008年6月，第1136-1138頁.

[4]吳桐。基于機器學習的典型節氣色彩特征識別研究[D]，北京：北京郵電大學，2018年.