魏文達 劉成霞

摘要： 針對扭曲視錯服裝外觀圖像缺乏客觀評價方法的問題，將Tamura紋理特征用于扭曲視錯服裝的研究。文章首先確定106幅視錯圖案;從中挑選一幅，通過改變線條寬度、旋轉(zhuǎn)扭曲角度和顏色參數(shù)進行二次設(shè)計，得到圖案195幅，共計301幅;運用CLO 3D虛擬試衣軟件模擬著裝效果，并獲取視錯服裝圖像;計算出服裝圖像的Tamura紋理特征，邀請被試者對前106幅圖案的服裝圖像進行主觀評價。結(jié)果表明：Tamura紋理特征可用于視錯服裝的客觀評價;視錯圖案的旋轉(zhuǎn)扭曲角度對紋理特征的影響最大，顏色G值分量的影響次之，線條寬度影響最小。

關(guān)鍵詞： 視錯服裝;視覺效果;客觀評價;虛擬試衣;Tamura紋理特征

中圖分類號： TS941.2

文獻標(biāo)志碼： A

文章編號： 10017003（2021）07007706

引用頁碼： 071112

DOI： 10.3969/j.issn.1001-7003.2021.07.012（篇序）

Research on the Tamura texture features of distorted visual illusion clothing patternand its influencing factors

WEI Wendaa， LIU Chengxiaa，b

（a.School of Fashion Design & Engineering; b.Zhejiang Province Engineering Laboratory of Clothing Digital Technology，Zhejiang Sci-Tech University， Hangzhou 310018， China）

Abstract： Aiming at the problem of lacking objective evaluation methods for distorted illusion clothing appearance images， the Tamura texture feature was used in the research of distorted illusion clothing. First， 106 optical illusion patterns were selected; One of them was selected for a secondary design， and 195 patterns were obtained by changing the line width， rotation twist angle and color parameters. There were 301 experimental patterns in total. CLO 3D virtual fitting software was used to simulate the dressing effect， and the image of illusion clothing was obtained; then the Tamura texture characteristics of the clothing image were calculated， and the subjects were invited to subjectively evaluate the clothing images of the first 106 patterns. The results have shown that Tamura texture features can be used for the objective evaluation of distorted illusion clothing; the twist angle of the distorted illusion pattern has the greatest influence on the texture features， followed by the G value component of the color， and the line width has the least influence.

Key words： illusion clothing; visual effect; objective evaluation; virtual fitting; Tamura texture features

收稿日期： 20201229;

修回日期： 20210621

基金項目：

作者簡介： 魏文達（1995），男，碩士研究生，研究方向為紡織服裝檢測、服裝數(shù)字化圖像處理。通信作者：劉成霞，教授，glorior_liu@163.com。

視錯作為視覺感知的一種特殊形式，是服裝設(shè)計中重要的設(shè)計元素與設(shè)計手段。其中扭曲錯覺[1]是把規(guī)則的點、線、面等結(jié)構(gòu)元素感知為歪曲結(jié)構(gòu)的現(xiàn)象[2]，被廣泛地運用到服裝設(shè)計中，來增加服裝的趣味性與藝術(shù)性[3]。時裝秀場上經(jīng)常能看到扭曲視錯設(shè)計的身影，在簡單的服裝款式上設(shè)計不同的黑白條紋或無法聚焦視線的幾何圖案，結(jié)合人體曲線與服裝分割線產(chǎn)生扭曲錯覺，突出服裝的藝術(shù)效果。合理地利用視錯覺圖案進行服裝設(shè)計，不僅可以修飾形體，而且能與服裝結(jié)構(gòu)相互補充[4]。

扭曲視錯圖案不僅具有相應(yīng)的客觀圖像特征，還可以帶來視覺上的刺激，影響人們的心理感受。研究表明，視錯圖案的紋理特征能顯著影響人們觀看視錯圖案時的主觀感受[5]。Tamura等[6]在1978年提出的六種紋理特征正是基于人們心理感知的客觀表述，不僅可以描述圖像的紋理特征信息，還可以在視覺上與人類的感官認知相結(jié)合，被廣泛用于圖像特征提取[7]，也常被作為特征參數(shù)用來建立相應(yīng)的客觀評價模型[8]。但是能否用于扭曲視錯服裝的評價需要進一步探討。

目前關(guān)于視錯服裝的研究多針對藝術(shù)設(shè)計與造型的應(yīng)用，尚缺少視錯服裝圖像的客觀評價。本文擬將Tamura紋理特征用于服裝扭曲視錯圖案的研究;結(jié)合虛擬試衣技術(shù)與圖像處理技術(shù)，探究Tamura紋理特征與服裝視錯圖案主觀評價之間的關(guān)系及其影響因素。

1 實 驗

1.1 服裝圖像的獲取

1.1.1 選取視錯圖案

預(yù)實驗結(jié)果顯示，當(dāng)圖像數(shù)量約在50張時，被試者問卷體驗較好。本文選取106張具有明顯扭曲的幾何線條圖案作為主觀評價素材，研究視錯服裝圖像的Tamura紋理特征與主觀評價之間的關(guān)系。將圖案隨機分成兩組，每組53張進行后續(xù)主觀實驗（考慮到可能會出現(xiàn)異常數(shù)據(jù)，多出3張作為保障）。圖案形狀中心分為橢圓圈、菱形、六邊形、花瓣形、放射線條、六角星六大類;圖案轉(zhuǎn)動方向包括逆時針、順時針;顏色以黑白線條圖案為主，還包括不同色彩填充的圖案。圖1展示了部分實驗樣本。

1.1.2 二次設(shè)計扭曲視錯圖案

為進一步探究Tamura紋理特征的影響因素，從上述106幅圖像中選取一幅較為規(guī)則的圖案進行二次設(shè)計（規(guī)則的圖案適合設(shè)計修改，規(guī)律更加直觀），圖2為挑選出的原型，此原型順時針60°旋轉(zhuǎn)扭曲后得到41#圖案。

該原型為無扭曲方形圖案，中心是實心菱形方塊，線條為黑白寬度1︰1（黑白線條寬度各為1 cm）的斜直線。改變線條寬度、扭曲角度大小、線條顏色，可獲得同款圖案不同規(guī)律的扭曲視錯圖案。

1）獲取無扭曲圖案原型：保持中心菱形方塊大小不變，改變黑白線條寬度比例，設(shè)計出9款無扭曲的直線圖案原型，如圖3所示。

2）獲取相同顏色、不同款式的扭曲視錯圖案：利用Adobe Photoshop 2020軟件中“濾鏡—旋轉(zhuǎn)扭曲”功能進行旋轉(zhuǎn)扭曲獲得扭曲視錯圖案。將圖3中9款原型的圖案中心以順時針進行扭曲旋轉(zhuǎn)（圖4）。為使圖案紋理具有較明顯的差異，設(shè)置每次增加60°，最大扭曲角度為720°。每款設(shè)置12個角度扭曲，共獲得108幅黑白顏色、不同線條寬度、不同扭曲角度的視錯圖案，用于研究線條寬度與扭曲角度對服裝圖像紋理特征的影響。表1為線條寬度1︰1的原型獲得的12款不同角度扭曲視錯圖案。

3）獲取不同顏色、相同款式的扭曲視錯圖案：挑選線條寬度1︰1、扭曲角度為360°的視錯圖案進行顏色設(shè)計。按一定規(guī)律改變原圖案中白色條紋的RGB顏色模型中，紅（R）、綠（G）、藍（B）為使顏色變化較為明顯，最小值設(shè)為0，然后從30開始每次增加25直到255。將R、G、B值中任意兩組設(shè)置為0或255，第三組依次取值，剔除（0、0、0）（255、255、255），保證R、G、B的值都有從小到大的變化組合，最后得到87幅不同顏色填充的圖案，用于研究顏色對視錯服裝圖像紋理特征的影響。

1.2 利用虛擬試衣軟件獲取服裝圖像

虛擬試衣軟件能在控制其他條件不變的情況下，單一改變視錯圖案參數(shù)，且能避免實際制作服裝及圖像獲取時的人工誤差。

利用CLO 3D虛擬試衣軟件，將視錯圖案填充到實驗所選服裝款式上，模擬視錯服裝的穿著效果，獲取實驗樣裙圖像。為了確保視錯圖案的完整性及其良好的展示效果，選擇結(jié)構(gòu)簡單的基礎(chǔ)款連衣裙作為研究對象，如圖5所示。連衣裙衣片上不設(shè)省道，將省量轉(zhuǎn)移至側(cè)縫，以減小服裝結(jié)構(gòu)對視錯效果的影響。根據(jù)160/84A標(biāo)準人臺設(shè)計樣板尺寸，衣長65 cm，胸圍88 cm，腰圍72 cm，臀圍94 cm，裙擺104 cm。視錯圖案中心與圖5中的方框中心重合以保證圖案的最佳展示效果。

將扭曲視錯圖案以平鋪的方式填充為服裝紋理，填充時要調(diào)節(jié)大小確保圖案完整填滿衣片且無重復(fù)。然后調(diào)節(jié)鏡頭參數(shù)：類型為球形，鏡頭距離為-5 000，鏡頭豎直角度為0°，水平角度為-30°、-15°、0°、15°、30°，如圖6所示。最終每條樣裙截取5個水平角度不同的實驗圖像，這樣在增大樣本量的同時，還避免了對單一圖像評價時產(chǎn)生的偶然誤差。

1.3 Tamura紋理特征提取

紋理特征是一種能反映物體表面結(jié)構(gòu)組織緩慢或周期性變化屬性的視覺特征[9]。1978年，Tamura等[6]提出了粗糙度Fcrs、對比度Fcon、方向度Fdir、線性度Flin、規(guī)則度Freg和粗略度Frgh，分別對應(yīng)人類視覺感知的六個屬性。其中，前三個紋理參數(shù)的應(yīng)用更為廣泛[10]。

1）粗糙度：在Tamura紋理特征中最為重要，可以很好地反映圖像像素灰度值變化的速度。最經(jīng)典的是Ronsenfeld算法，包括以下步驟：

步驟1：計算樣本圖像中窗口大小為2k×2k個像素的灰度平均值。

Ak（x，y）=∑x+2k-1-1i=x-2k-1∑y+2k-1-1i=y-2k-1f（i，j）/22k（1）

式中：f（i，j）為像素（i，j）的灰度值大小。

步驟2：計算每個像素點的水平和垂直方向上對稱的非重疊窗口之間的平均強度差。

水平方向：

Ek，h（x，y）=|Ak（x+2k-1，y）-Ak（x-2k-1，y）|（2）

垂直方向：

Ek，v（x，y）=|Ak（x，y+2k-1）-Ak（x，y-2k-1）|（3）

步驟3：確定鄰域的最佳尺寸大小，k使E值達到最大。

Sbest（x，y）=2k（4）

Ek=Emax=max（E1，E2，…，EL）（5）

步驟4：計算樣本圖像最佳尺寸Sbest的平均值，將其作為粗糙度指標(biāo)。

Fcrs=1m×n∑mi∑njSbest（i，j）（6）

式中：m、n分別對應(yīng)圖像的長與寬。

2）對比度：通過統(tǒng)計全幅圖像灰度值分布情況來描述圖像的明亮程度，是描述全局度量的指標(biāo)。

Fcon=σ4α4（7）

式中：μ4為圖像灰度的四階矩，σ2為圖像灰度的方差，α4=μ4/σ4。

3）方向度：是對圖像像素在某方向上是否呈現(xiàn)直線或近似直線狀態(tài)的描述，用來衡量圖像是否具有明顯的方向性。計算步驟如下：

步驟1：計算樣本圖像中像素的梯度向量，包括水平和垂直方向的梯度變化量。

|ΔG|=（|ΔH|+|ΔV|）/2，θ=tan-1（ΔV/ΔH）+π/2（8）

式中：ΔH與ΔV分別為梯度向量在水平、垂直方向上的變化量。

步驟2：構(gòu)造θ的分布直方圖HD。

HD（k）=Nθ（k）/∑n-1i=0Nθ（i）（9）

式中：n為方向角度的量化等級，Nθ（k）是當(dāng)ΔG大于閾值，（2k-1）π/2n≤θ≤（2k+1）π/2n是像素的數(shù)量。

當(dāng)圖像具有明顯的方向性時，直方圖HD出現(xiàn)峰值;反之則分布平緩。

方向度計算公式為：

Fdir=∑npp∑φ∈wp（φ-φp）2·HD（φ）（10）

式中：np為直方圖中峰值的數(shù)目，p為直方圖的峰值，wp為該峰值包含的量化值范圍，φp為最大直方圖值中的量化數(shù)值。

根據(jù)上述方法，利用Matlab軟件對扭曲視錯服裝圖像進行處理，求出所有視錯圖案（共301幅）對應(yīng)的5個水平角度的六項特征值，取其平均值作為各樣本圖像的Tamura紋理特征。

1.4 主觀評價

為探究Tamura紋理特征與主觀評價間的關(guān)系，本文提取出前106幅無規(guī)律視錯服裝圖案的Tamura紋理特征值對其進行表征，然后邀請117名被試者對其進行主觀評價，探究Tamura紋理特征與主觀評價間的關(guān)系。無規(guī)律圖案之間差距較大，主觀評價差異更明顯，且用無規(guī)律圖案來探究Tamura紋理特征與主觀評價間的關(guān)系更具普遍性。被試者年齡為18～30歲，男性49名、女性68名。其中73名為服裝專業(yè)，44名為其他專業(yè)。將106幅圖案隨機分為兩組，邀請同一批被試者分兩次進行評價。將視覺舒適、扭動程度、體型修飾定為主觀評價指標(biāo)，設(shè)計李克特五級評價量表，共分為1、2、3、4、5五級，如表2所示。

表2中，“視覺舒適”為觀看圖像時是否有頭暈?zāi)垦；蛸p心悅目的心理感受;“扭動程度”則是對旋轉(zhuǎn)扭曲錯覺程度的評價;“體型修飾”是與無圖案填充的純色服裝圖像對比后，是否看起來更瘦或者更胖。

2 結(jié)果與分析

2.1 主觀評價分析

單因素方差分析和獨立樣本T檢驗結(jié)果表明，主觀評價結(jié)果不因年齡、性別、專業(yè)不同而產(chǎn)生差異，結(jié)果如圖7所示。

圖7中，縱坐標(biāo)對應(yīng)評價指標(biāo)的得分包括視覺舒適程度、體型修飾程度，扭動視幻程度?？梢钥闯觯で曞e服裝的視覺舒適程度與扭動程度存在一定的對應(yīng)關(guān)系。當(dāng)扭動程度較低時，視覺舒適度較好，隨著扭動程度的逐漸加劇，人們會由無感轉(zhuǎn)為不適。接下來進一步進行相關(guān)分析，結(jié)果如表3所示。

從表3可以看出，視覺舒適度與扭動程度呈顯著負相關(guān)關(guān)系，相關(guān)系數(shù)為-0.74，與散點分布規(guī)律相吻合，即視覺舒適度隨著扭動程度增大而降低。

而視覺舒適程度與體型修飾程度也存在一定的正相關(guān)關(guān)系，相關(guān)系數(shù)為0.544，即人們在觀看扭曲視錯服裝時，視覺感受越舒適，就越有顯瘦的錯覺。

同理，將主觀評價得分與Tamura紋理特征進行相關(guān)分析，得出圖像的粗糙度Fcrs與視覺舒適、體型修飾之間呈正相關(guān)，與扭動程度呈負相關(guān)。即視錯服裝圖像的粗糙度越大時，主觀感覺圖像扭動程度越輕微、帶來的視覺舒適度越高、越覺得該服裝顯瘦。這一結(jié)果表明，Tamura紋理特征確實能在一定程度上表征觀看視錯服裝圖像時人們的主觀感受。

2.2 影響紋理特征的因素分析

實驗中各組參數(shù)不同時數(shù)據(jù)變化規(guī)律大體相同，由于篇幅有限，本文隨機選取一組變量參數(shù)的數(shù)據(jù)進行分析。

1）扭曲角度：圖案顏色（黑白）、線條寬度一定（黑白線條1︰2）時，圖案旋轉(zhuǎn)扭曲角度與紋理特征之間的關(guān)系如圖8所示。

從圖8可以看出，粗糙度Fcrs、對比度Fcon、粗略度Frgh與視錯圖案的扭曲角度呈顯著的負相關(guān)關(guān)系，而方向度Fdir、線性度Flin與扭曲角度則為正相關(guān)。當(dāng)扭曲視錯圖案原型的顏色、線條寬度一定時，隨扭曲角度的增大，其粗糙度Fcrs、對比

度Fcon、粗略度Frgh都隨之減小，而方向度Fdir和線性度Flin則會增大。即圖案旋轉(zhuǎn)扭曲的角度越大，圖像灰度值變化越緩慢、對比越不明顯、整體方向性越顯著。而各特征參數(shù)與旋轉(zhuǎn)角度之間的線性關(guān)系也較為明顯，對應(yīng)的線性模型如表4所示。規(guī)則度的線性回歸模型的R2為0.614，擬合效果不理想，其余五項Tamura紋理特征的擬合優(yōu)度都達到0.9以上。

2）線條寬度：圖案顏色（黑白）、旋轉(zhuǎn)扭曲角度一定（360°）時，圖案線條寬度與紋理特征之間的相關(guān)系數(shù)如表5所示。

表5顯示，各參數(shù)與線條的寬度比例存在著一定的相關(guān)性，其中對比度Fcon、粗略度Frgh與黑白線條之間的相關(guān)性最顯著。當(dāng)圖案顏色、旋轉(zhuǎn)扭曲角度一定時，黑白線條寬度越大，視錯圖像紋理的對比度和粗略度也越小，圖像的視覺效果越平滑，對比越不明顯。其對應(yīng)的回歸模型為：

Fcon=81.242-13.394H+14.215W（R2=0.963）（11）

Frgh=96.920-12.384H+15.225W（R2=0.957）（12）

式中：H代表黑色線條寬度;W代表白色線條寬度。

對比度Fcon、粗略度Frgh的擬合優(yōu)度分別為0.963、0.957，擬合效果很好。

3）圖案顏色：圖案線條寬度、旋轉(zhuǎn)扭曲角度一定時，圖案顏色與紋理特征之間的相關(guān)系數(shù)如圖9所示。

圖9中，各色塊的顏色代表相關(guān)程度，數(shù)值表示相關(guān)系數(shù)的大小，可得出G值與圖像紋理特征參數(shù)相關(guān)性最高。當(dāng)圖案線條寬度、旋轉(zhuǎn)扭曲角度一定時，G值越大，視錯服裝圖像的對比度、粗略度就越低，而方向度、線性度、規(guī)則度則越大。即當(dāng)圖案的線條寬度與扭曲角度一定時，顏色G值越大，視覺效果越平滑，對比越不明顯，方向性越好，越不雜亂。顏色特征與紋理特征參數(shù)的回歸模型如表6所示，其中對比度、線性度、規(guī)則度、粗略度的線性回歸模型的R2都在0.85以上，擬合效果較好。

3 結(jié) 論

本文通過收集、設(shè)計扭曲視錯圖案，結(jié)合虛擬試衣技術(shù)獲取對應(yīng)的視錯服裝圖像，為個性化服裝設(shè)計提供了新的思路;對無規(guī)律的視錯圖案服裝進行主觀評價，探究Tamura紋理特征與主觀評價間的關(guān)系，為視錯服裝評價提供了新的手段;通過分析按規(guī)律改造的視錯圖案服裝圖像，探究了扭曲視錯服裝圖像Tamura紋理特征的影響因素。得出以下結(jié)論：

1）Tamura紋理特征能在一定程度上表征觀看扭曲視錯裙圖像時人們的主觀感受，視錯服裝圖像的粗糙度Fcrs越大時，主觀感覺圖像扭動程度越輕微、帶來的視覺舒適度越高、服裝越顯瘦。且視錯裙的視覺舒適程度與圖案扭動程度呈負相關(guān)、與體型修飾程度呈正相關(guān)。視錯圖案的扭動程度越輕微、視錯服裝越顯瘦，給人的感覺越舒適。

2）當(dāng)圖案原型的顏色、線條寬度一定時，隨著扭曲角度增大，視錯服裝圖像的粗糙度Fcrs、對比度Fcon、粗略度Frgh都變小，而方向度Fdir和線性度Flin則會增大。

3）當(dāng)圖案原型的顏色、旋轉(zhuǎn)扭曲角度一定時，黑白線條寬度越大，視錯服裝圖像的對比度Fcon及粗略度Frgh越小，服裝圖像視覺效果越平滑。

4）當(dāng)圖案原型的線條寬度、旋轉(zhuǎn)扭曲角度一定時，隨著視錯圖像顏色的G值增大，對比度Fcon及粗略度Frgh會降低，而方向度Fdir、線性度Flin、規(guī)則度Freg則會增大。

參考文獻：

[1]劉宏， 李哲媛， 許超. 視錯覺現(xiàn)象的分類和研究進展[J]. 智能系統(tǒng)學(xué)報， 2011， 6（1）： 1-12.

LIU Hong， LI Zheyuan， XU Chao. The categories and research advances of visual illusions[J]. CAAI Transactions on Intelligent Systems， 2011， 6（1）： 1-12.

[2]程思. 視錯覺作品中圖形運動感形成的應(yīng)用研究[D]. 武漢： 武漢理工大學(xué)， 2018.

CHENG Si. A Study on the Application of Graphic "Sense of Movement" in Optical Illusion Works[D]. Wuhan： Wuhan University of Technology， 2018.

[3]PIRYANKOVA I V， STEFANUCCI J K， ROMERO J， et al. Can I recognize my bodys weight？ the influence of shape and texture on the perception of self[J]. ACM Transactions on Applied Perception， 2014， 11（3）： 1-18.

[4]肖立志. 視錯覺在女式職業(yè)裝造型設(shè)計中的應(yīng)用[J]. 紡織學(xué)報， 2014， 35（9）： 127-131.

XIAO Lizhi. Application of optical illusion in modeling design of womens business wear[J]. Journal of Textile Research， 2014， 35（9）： 127-131.

[5]王佳寧， 劉成霞. 半身裙視錯圖案的感官舒適度主客觀評價[J]. 絲綢， 2020， 57（6）： 1-6.

WANG Jianing， LIU Chengxia. Research on subjective and objective evaluation of sensory comfort in the optical illusion pattern of skirt[J]. Journal of Silk， 2020， 57（6）： 1-6.

[6]TAMURA H， MORI S， YAMAWAKI T. Textural features corresponding to visual perception[J]. IEEE Transactions on Systems， Man， and Cybernetics， 1978， 8（6）： 460-473.

[7]IMRAN B. Content-based image retrieval based on texture and color combinations using tamura texture features and gabor texture methods[J]. American Journal of Neural Networks and Applications， 2019， 5（1）： 23.

[8]張寧， 潘如如， 高衛(wèi)東. 采用圖像處理的織物縫紉平整度自動評估[J]. 紡織學(xué)報， 2017， 38（4）： 145-150.

ZHANG Ning， PAN Ruru， GAO Weidong. Automatic seam-puckering evaluation using image processing[J]. Journal of Textile Research， 2017， 38（4）： 145-150.

[9]HARALICK R M. Statistical and structural approaches to texture[J]. Proceedings of the IEEE， 1979， 67（5）： 786-804.

[10]梅軍， 張森林， 樊臻. 基于Tamura紋理特征的織物組織識別算法[J]. 輕工機械， 2017， 35（4）： 52-55.

MEI Jun， ZHANG Senlin， FAN Zhen. Recognition algorithm of fabric based on Tamura texture features[J]. Light Industry Machinery， 2017， 35（4）： 52-55.