Open Access
Issue
JNWPU
Volume 38, Number 4, August 2020
Page(s) 766 - 773
DOI https://doi.org/10.1051/jnwpu/20203840766
Published online 06 October 2020

© 2020 Journal of Northwestern Polytechnical University. All rights reserved.

Licence Creative Commons
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

随着全球经济的发展,消费者对文化产业及其衍生产品的需求日益增强。文化创意产品是以文化为资源和载体实现优秀文化的保护、传承与传播的一类产品,能够把国家、民族或某个地区的文化特质进行提炼,具有浓厚民族文化。文化创意产品既具有文化属性,又具有创新属性,是传统文化和创新设计的结合[1]。

文化创意产品的设计由形、色、质、感等组成,其中色彩对产品风格塑造和品牌特征形成具有重要作用,是影响消费者购买行为的决定性因素之一。常规的产品色彩设计多由工业设计师结合自身知识、经验等个体性知识,将企业的色彩体系、风格定位、品牌形象等约束引入产品设计中,再根据流行趋势和消费者喜好等选择配色方案,具有主观性、开放性等特点。而文化创意产品的色彩设计需从目标文化的特征属性出发,抽取反映目标区域的色彩,结合设计师的创造力将其应用于特定产品,较之常规产品色彩设计更具有典型的地域性、文化性与时代性。不同时代、地域、民族,对于色彩的运用差异较大。

现有的文化创意产品的文化界限比较模糊,文化风格与特征意象的传达越来越被弱化,文化创意产品设计越发同质化,设计师的设计风格逐渐单一。在此背景下,文化创意产品的设计需要打破图案、色彩、符号等的直接移植等单一设计思维,应结合信息时代发展的新技术、新方法、新理论寻求更为有效的途径,提高文化创意产品设计的创新性。现代计算机信息技术的多方位应用,促使产品色彩设计过程与计算机科学融合,有助于高效提取旅游文化色彩,并将色彩相关参数合理映射到文化创意产品设计中,能够满足消费者对于产品色彩设计的文化意象和新颖美观的需求。

为找到突破设计师主观性的色彩设计模式,现有许多关于配色设计的研究。陈鹏等[2]利用色彩提取技术获取色彩组合方案,建立包含色彩组合库和色彩意象库的产品配色方案数据库,基于数据库构建色彩设计系统实现了色彩方案的生成。杨延璞等[3]将色彩案例和灰度关联分析方法相结合,对参考产品配色样本进行色彩抽取、合并与取舍,利用色彩案例方法表示配色样本,建立色彩案例的映射机制,利用灰度关联分析映射前后产品配色方案间的意象关联。随着智能算法的研究快速发展,寻求最优解的智能算法也被用于配色设计中[4]。Ding等[5]将工程机械产品的多工作模式考虑进去,结合进化算法(evolutionary algorithm,EA)和粒子智能算法(swarm intelligence,SI)辅助设计师更为有效地进行配色设计。Man等[6]针对用户对产品色彩的多意象感知,将因子分析(factor analysis,FA)与普氏分析(procrustes analysis,PA)相结合,利用粒子群算法(particle swarm optimization,PSO)寻求最优配色方案。周晔等[7]建立了动态模糊神经网络模型(dynamic fuzzy neural network,DFNN),基于广义径向基函数(radial basis function,RBF),构建了智能产品色彩设计系统,以对色彩方案的生成进行模拟。以上研究解决了配色设计中的筛选特定需求方案工作量大的问题[8],利用知识库或优化算法在输入特定约束的条件下快速产生需求方案。但是,这些方法忽略了配色的调和美,仅以最终的色彩意象要求为目的,没有充分考虑色彩本身搭配也具有调和规则,对配色与文化意象的匹配产生影响。

1 文化创意产品的色彩调和设计

文化创意产品色彩设计的动态调和过程,是建立在孟塞尔色彩调和规则量化基础上,通过色彩美度与视觉美度间的关联耦合,建立与色彩意象间的动态映射,实现旅游文化创意产品的色彩设计。文化创意产品的色彩设计调和模型如图1所示。

thumbnail 图1

文化创意产品色彩设计调和模型

2 色彩调和量化

在文化创意产品的配色设计中,传统的孟塞尔配色方法较为繁琐,为更好辅助设计师进行配色设计,本文建立基于孟塞尔色彩体系的色彩调和量化算法,设计师只需选择一种主色和调和类型即可快速生成配色方案,从而能够提高配色效率。

孟塞尔色彩调和包括垂直调和、径向调和、圆周调和、对称斜向调和、非对称斜向调和、螺旋调和和椭圆调和。以空间坐标的形式表示色彩的色相、纯度、明度值,则孟塞尔色彩调和法则可用三维空间曲线描述,其中垂直调和、径向调和、对称斜向调和和非对称斜向调和都属于直线调和方式。直线调和的应用范围更广,本文所开发使用的色彩调和工具集即基于直线调和方式对产品进行配色。

假设设计师选择色彩的色相、明度、纯度用坐标表示为(x0, y0, z0), 该色彩与坐标原点形成方向向量S0={x0, y0, z0}, 则直线调和的数学表示如(1)式所示

{X, Y, Z}为设计师指定的方向向量, 用以确定直线调和的类型; d为色彩调和的分段距离; i为±1, ±2, …, ±n, n为以d为分段距离, 以(x0, y0, z0)为初始坐标, 向量{X, Y, Z}的两端分割的调和色数量, i取+号说明调和方向与选定调和向量方向相同, i取-号说明调和方向与选定调和向量方向相反。

根据(1)式, 可确定具体色彩调和方式如下:

1) 当Z=0且满足X, Y至少有一个不为0, 且x0Y=y0X, 为径向调和;

2) 当X=Y=0且Z≠0, 为垂直调和;

3) 当X≠0, Y≠0且Z≠0, 满足x0/X=y0/Y=z0/Z, 为对称斜向调和;

4) 当X≠0, Y≠0且Z≠0, 不满足x0/X=y0/Y=z0/Z, 为非对称斜向调和。

当确定初始色彩后, 通过设定方向向量{X, Y, Z}和分段距离d即可实现各直线调和方式。

3 美度的耦合

4 色彩美度

色彩美度反映了配色设计的成功程度, 是形式美学原理应用于产品色彩设计中的信息阈度[9], 色彩美度包括色彩设计的秩序感和配色复杂度

式中:M为美度;O为秩序因数;C为复杂度因数。

秩序因数O的计算公式如下

Og为仅由无彩色灰色构成时的秩序因数; Oh为有彩色参与配色时仅由色相差决定的秩序因数; Ov为有彩色参与配色时仅由明度差决定的秩序因数; Oc为有彩色参与配色时仅由纯度差决定的秩序因数。Oh, OvOc取值取决于各色彩属性间的间隔关系。

配色复杂度可以通过配色中的总色彩数和所有可能的色相差、明度差、纯度差的对数以计算,如(4)式所示。

式中:Cm为配色中的总色彩数;Ch为所有可能组合的色对中具有色相差的色对数;Cv为所有可能组合的色对中具有明度差的色对数;Cc所有可能组合的色对中具有纯度差的色对数。

根据以上公式计算出色彩秩序感与配色复杂度, 从而进一步计算出产品的配色美度。当结果M>0.5时, 认为产品配色是美的、符合调和规律的, 否则认为是不美的, 计算结果越接近1则产品配色效果越好。

5 视觉美度

产品的美度指标包括平衡、比例、对齐、重复、节奏、协调、统一等[10], 各指标又可进一步细化分解, 从而方便量化处理。根据色彩的形式美法则, 在旅游文化创意产品的配色设计中, 取色彩的对称度、平衡度、比例度作为衡量视觉美度的指标。

1) 对称度

色彩的对称度用于评价旅游文化创意产品各配色区域相对于某一条线的重合程度, 重合程度越高则对称度越好, 从而使人产生稳定、庄重等心理感受。配色对称度包括水平对称、垂直对称和旋转对称, 计算方式如(5)式所示。

式中:S为配色对称度; Sy为配色关于垂直坐标轴的对称度, 同理计算可得配色设计关于水平、旋转的对称度Sx, Sr; ai为第i种颜色的面积; a(uv)为配色区域函数曲线为uv的配色面积; fi(x)为y轴右边的函数曲线; fi(-x)为y轴左边的函数曲线关于y轴的镜像曲线; n为旅游文化创意产品的总色块数量。

2) 平衡度

色彩的平衡感除受到色彩面积区域影响外, 还与色彩的明度息息相关, 一般来说明度低的色彩重, 明度高的色彩轻。色彩面积和明度共同作用, 使色彩产生动态的平衡(如运动感、紧张感、压力感等)和静态的平衡(如稳重感、平静感等)。色彩的平衡度也分为垂直平衡和水平平衡, 计算方式如(6)式所示。

式中:B, By, Bx为配色平衡度, 垂直平衡度, 水平平衡度; wL, wRy轴左、右两边的色彩明度面积矩; wU, wBx轴上、下两边的色彩明度面积矩; j代表左、右、上、下区域; vijj区域中配色元素i的明度; aijj区域中配色元素i的面积; dijj区域中配色元素i的形心到y轴或x轴的距离; n为旅游文化创意产品的总色块数量。

3) 比例度

比例是2个配色区域面积比值, 比例度则是衡量色彩比例美感的程度。虽然受文化、区域、社会、历史等因素影响, 不同国家和地区的人对美的比例感知不同, 但经典美的比例被广为认可, 如1:1, 1: , 1:0.618, 1: , 1:2等。比例度计算方式如(7)式所示。

式中:P为配色比例度; bi, hi为配色元素i的高度与宽度; bg, hg为坐标系内所有配色群的高度与宽度; pj为经典配色比例; n为旅游文化创意产品的总色块数量。

6 色彩美度与视觉美度关联耦合模型

在文化创意产品的色彩设计中, 由于色彩数量多样、色彩位置不规律, 使得单纯的色彩美度或视觉美度无法准确表述配色设计的效果, 需从二者之间的耦合关联出发, 建立耦合模型进行分析。

色彩美度与视觉美度的关联耦合反映了两者之间的相互作用方式, 通过关联分析获取色彩美度与视觉美度的耦合关系, 从中获取关键要素、次要要素等信息。关联耦合可以分为代数耦合、向量耦合和覆盖耦合3种形式。代数耦合是按照数学运算法则进行关联分析; 向量耦合则遵循向量计算法则, 按照平行四边形法则进行分析; 覆盖耦合是按照覆盖原则进行分析和计算。

1) 2种美度的关联矩阵

基于色彩调和量化方法, 考虑视觉美度的3个指标关系, 对色彩美度与视觉美度关联强度分析可以用矩阵A=[aij]n×n表示, 如(8)式所示。

式中:M为色彩美度; S为对称度; B为平衡度; P为比例度; n为色彩美度与视觉美度关联要素分析数量, 这里n=4。

该关联耦合矩阵的特殊性质包括:A是一个对称矩阵; 矩阵A中有效的关联耦合数量是n(n+1)/2;当i=j时, 有aij=0;ij时, 0≤aij≤1。

2) 矩阵中的元素比较

采用层次分析法中的列表比较法进行比较判断[11]。其中aij(i=1, 2, …, n, j=1, 2, …, n)为色彩美度与视觉美度两两因素的重要性标度, 且aij=1/aji。相对重要性判别如表 1所示。

表1

相对重要性判别

设因素i的权重为wi, 其权重可按(9)式计算

采用一致性指标IC和随机一致性比率RC计算判断矩阵A的可靠性, 其中, IC=(λmax-n)/(n-1), RC=IC/IR; IR为平均随机一致性指标, 其值如表 2所示, λmax为矩阵A的最大特征值,经过归一化处理,排序后的值即为同一层次因素对上一层次因素的相对重要性排序权重值。当满足IC≤0.1且RC≤1时, 则判断矩阵具有良好的一致性, 权重计算结果有效, 否则需重新判断。

表2

平均随机一致性指标

色彩美度与视觉美度耦合矩阵中两两元素之间的关系可用代数耦合, 如(10)式所示。

R为综合美度; w1为色彩美度的权重系数; w2为对称度的权重系数; w3为均衡度的权重系数; w4为比例度的权重系数。

7 以色彩意象为效应值建立回归模型

色彩美度与视觉美度分别属于色彩自身属性与人的直觉属性, 最终通过色彩意象表达出来。旅游文化创意产品的色彩意象是最终的效应值, 其评价属性包括色彩美度与视觉美度。采用回归分析法表示其映射关系, 回归方程如(11)式所示。

式中:Ph为色彩意象, 反映被试对旅游文化创意产品色彩设计的喜好; xii=1, 2分别代表色彩美度与视觉美度; b0, bi, ε为待估参数。

回归方程本质上是利用估计值拟合实际用户的意象评价值, 因此存在一定的偏差, 可用复相关系数R2来衡量。回归方程与数据拟合越好, 则R2越接近1。对于文化创意产品的色彩设计方案而言, 其色彩意象与色彩美度、视觉美度的效用关系如(12)式所示。

式中:LE为旅游文化创意产品某一色彩设计方案的评价值; mij为属性i在第j个特征水平的贡献, 这里色彩属性值为3, 代表文化创意产品配色的色相差、明度差和纯度差; 特征水平为2和87代表方案的色彩美度与视觉美度; Xij为用以判断属性i在第j个特征水平上是否存在, 存在则Xij=1, 否则Xij=0。

8 实验案例

本文设计了2款紫外线消毒设备,分别运用计算机辅助色彩设计的配色方案对其进行配色处理。大型号紫外线消毒灯的外观如图2所示。以紫外线灯产品为例, 进行色彩调和方案生成。

thumbnail 图2

紫外线消毒灯设计原稿

9 色彩调和方案生成

利用西北工业大学工业设计研究所前期开发的色彩调和工具集进行色彩选取与色彩调和方案生成, 工具界面如图3所示。

利用该色彩调和工具, 对紫外线灯色彩方案进行配色生成, 由设计师进行初选得到6个配色方案如图4所示。在这6个配色方案中, 不考虑产品中间金属部件本身颜色, 分别采用的是两色调和、三色调和和四色调和。

thumbnail 图3

色彩调和工具

thumbnail 图4

紫外线灯色彩调和方案

10 色彩动态调和模型效应值计算

11 色彩美度计算

根据1.2.1节关于色彩美度计算原理, 得到各方案的配色美度如表 3所示。从各方案的美度计算结果可知, 这6个方案都符合美度原理, 其中方案1和方案5的色彩美度值分别达到1.16和1.2, 可以作为优选色彩方案供进一步细化。

表3

各色彩方案的色彩美度计算结果

12 视觉美度计算

根据(5)至(7)式计算各色彩方案的对称度、均衡度和比例度, 计算结果如表 4所示。由于各色彩方案的配色区域相同, 只是在色彩数量上有所差别, 因此方案2~4有相同的视觉美度, 方案5、6有相同的视觉美度。由于该紫外线灯设计方案基本保持水平对称, 所以水平方向具有良好的对称度、均衡度和比例度, 而垂直方向上差异较大。

表4

各色彩方案的视觉美度计算结果

13 色彩意象计算

本文以“大气的”和“含蓄的”作为意象词汇代表进行紫外线灯的文化意象评价研究。建立Likert七级量表收集用户, 调查对这6种配色方案的意象认知和评价。而后对用户评价进行反模糊化处理, 调查用户对文化意象的需求, 得到各方案用户意象评价结果如表 5所示。据此得到6个紫外线灯配色方案的综合文化意象排序结果为:方案1>方案5>方案2>方案6>方案3=方案4。

表5

用户评价数据反模糊化处理

14 色彩意象效应值的综合评价

对上述结果在MATLAB软件中进行回归分析。其中因变量为用户对“大气的”意象评价值, 自变量为色彩美度和视觉美度, 回归分析结果如表 6所示。依据回归分析结果可知, 相关系数趋近于1, 线性拟合较好; p < .05, 代表回归方程成立。拟合结果能较好地符合原始数据, 第二组数据为奇异数据, 应去除。则得到“大气的”回归方程为:E=0.095+0.52x1+0.13x2。同理可得“含蓄的”回归分析结果如表 7所示, 回归方程为E=0.33+0.32x1+0.08x2

表6

“大气的”意象评价回归分析结果

表7

“含蓄的”意象评价回归分析结果

15 结论

本文通过色彩调和量化方法, 以孟塞尔色彩调和的直线调和方式为基础, 建立了色彩调和数学量化方法。分别从色彩美度, 视觉美度和色彩意象三方面分析色彩的美学特征和对消费者的心理映射, 并通过构建数学模型对其量化计算。并以紫外线灯的色彩设计为案例, 验证了该方法的有效性。

案例中, 配色的过程是根据孟塞尔直线调和的自由配色的。配色后, 色彩美度和视觉美度是不具备文化意象的评价。色彩意象评价以及回归分析, 是色彩与意向之间锲合度的评价分析。

但是消费者对产品色彩的意象认知是一个动态的信息处理过程。其与文化意象的契合度, 随着产品其他因素和人自身因素而动态变化的, 这使得依据色彩调和理论、以文化意象为标准进行的文化创意产品色彩配色缺乏美的持久性。未来, 可引入色彩动力学相关理论对色彩调和量化方法做进一步的优化。

References

  1. Zhou Aimin, Sun Jianning, Yan Shutian, et al. Nonlinear Information Dynamics Model of Synthetic Evaluation on Product Form Aesthetic[J]. Journal of Mechanical Engineering, 2018, 54(15): 150-159 [Article] [CrossRef] [Google Scholar]
  2. Chen Peng, Lyu Jian, Pan Weijie. Product Color Design Based on Reuse of Color Scheme[J]. Chinese Journal of Engineering Design, 2015, 22(6): 546-561 [Article] (in Chinese) [Google Scholar]
  3. Yang Yanpu, Chen Dengkai, Gu Rong, et al. Product Color Design Method Based on Color Case and Grey Relational Analysis[J]. Journal of Graphics, 2016, 37(4): 509-513 [Article] (in Chinese) [Google Scholar]
  4. Liu Xiaojian, Li Guiqin, Sun Shouqian. Color Mapping Design from Image to 3D Product Model[J]. Journal of Mechanical Engineering, 2009, 45(10): 222-227 [Article] (in Chinese) [Google Scholar]
  5. Ding M, Dong W. Multi-Working Mode Product Color Planning Using Evolutionary Algorithm and Swarm Intelligence[J]. Journal of Computational & Theoretical Nanoscience, 2013, 10(12): 2906-2911 [Article] [CrossRef] [Google Scholar]
  6. Man D, Wei D, Yang C C. Product Color Design Based on Multi-Emotion[J]. Journal of Mechanical Science & Technology, 2013, 27(7): 2079-2084 [Article] [CrossRef] [Google Scholar]
  7. Zhou Ye, Yu Suihuai, Chu Jianjie. Research on Semantic-Driven Intelligent Color Design Based on DFNN[J]. Computer Engineering and Applications, 2014, 50(3): 145-149 [Article] (in Chinese) [Google Scholar]
  8. Li Xuerui, Yu Suihuai, Chu Jianjie, et al. Double Push Strategy of Knowledge for Product Design Based on Complex Network Theory[J/OL]. (2019-08-21)[2017-11-19]. https://doi.org/10.1155/2017/2078626 [Google Scholar]
  9. Birkhoff G D. Aesthetic Measure[M]. Cambridge:Harvard University Press, 1933 [Google Scholar]
  10. Brunelli M, Mezei J. How Different are Ranking Methods for Fuzzy Numbers? A Numerical Study[J]. International Journal of Approximate Reasoning, 2013, 54(5): 627-639 10.1016/j.ijar.2013.01.009 [CrossRef] [Google Scholar]
  11. Saaty T L. Relative Measurement and Its Generalization In Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors the Analytic Hierarchy/Network Process[C]//International Symposium on Chinese Spoken Language Processing, 2008 [Google Scholar]

All Tables

表1

相对重要性判别

表2

平均随机一致性指标

表3

各色彩方案的色彩美度计算结果

表4

各色彩方案的视觉美度计算结果

表5

用户评价数据反模糊化处理

表6

“大气的”意象评价回归分析结果

表7

“含蓄的”意象评价回归分析结果

All Figures

thumbnail 图1

文化创意产品色彩设计调和模型

In the text
thumbnail 图2

紫外线消毒灯设计原稿

In the text
thumbnail 图3

色彩调和工具

In the text
thumbnail 图4

紫外线灯色彩调和方案

In the text

Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.

Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.

Initial download of the metrics may take a while.