þ可在www.sciencedirect.com上在线获取计算设计与工程学报4（2017）37www.elsevier.com/locate/jcde基于Web图像可视化颜色项差异梅津伸之，高桥茨城大学，4-12-1 Nakanarusawa，Hitachi，Ibaraki 316-8511，Japan接收日期：2016年1月11日;接收日期：2016年6月29日;接受日期：2016年8月22日2016年8月26日在线发布摘要颜色术语用于表达人类视觉捕获的光谱特征，并且不同语言的颜色命名以不同的方式划分颜色空间。这种分区差异已调查，通过几个实证实验，采用孟塞尔色卡。我们提出了一种新的可视化方法的颜色词的基础上收集的图像搜索引擎，如谷歌提供的查询结果的数千张图像。使用七种语言的八个基本颜色词进行了一系列实验。根据世界色彩调查中使用的调色板，对图像中的像素值进行计数以形成颜色直方图。结果表明：（1）日语和韩语颜色词在颜色空间中的分布较其他语言的颜色词更广;（2）颜色词pink和brown的颜色可视化受其与专有名词的关联影响&2016 计 算 设 计 与 工 程 学 会 。 出 版 社 ： Elsevier 这 是 一 个 在 CC BY-NC- ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：颜色词;世界颜色调查;图像搜索引擎;颜色可视化1. 介绍颜色是人类建模、用户交互和体验、人为因素和美学设计等各个领域的重要属性。产品的颜色往往会影响其销售，在网站中使用适当的颜色是网站可用性的关键。在特定的场景下，彩色标志在特定的环境下具有极高的意义，例如街道上的交通信号和建筑物中的出口标志。为了避免误解，这些标志在形状和颜色方面都经过精心设计。我们经常用词语来指代颜色[1]。诸如“红色“和“蓝色“的颜色术语众所周知，用于以不同语言映射光谱的颜色项在颜色空间中并不总是共享相同的边界。这种差异的颜色条款已被调查，通过几个实验中，印刷的颜色图表n通讯作者。联系电话：81294385262.电子邮件地址：nobuyuki.umezu. vc.ibaraki.ac.jp（N. Umezu）。由计算设计与工程学会负责进行同行评审。以各种语言为母语的受试者（例如，柏林和凯进行的然而，一般来说，这些实验通常非常耗时且昂贵。在本文中，我们专注于数码相机技术和各种基于Web的服务，使我们能够收集大量的例子，各种图像的颜色注释的最新进展。本研究的目的是可视化的颜色术语和实际颜色之间的联系在互联网上的图像的差异。这样的图像-术语对可以通过查询图像搜索引擎并提取其顶部结果来获得[3]。我们根据图中所示的WCS颜色芯片阵列[4]可视化像素颜色分布。1.一、我们比较了七种语言（英语，法语，德语，俄语，汉语，日语和韩语）中的八种基本颜色词（红色，蓝色，基于可视化结果的发现有助于不同语言使用者之间的相互理解，从而为全球销售的产品和服务着色做出更好的决策，并更安全地传达重要标志。与使用印刷颜色图表的传统方法http://dx.doi.org/10.1016/j.jcde.2016.08.0022288-4300/2016计算设计与工程学会。&出版社：Elsevier这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。38N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）37þFig. 1. WCS刺激托盘[4]。2. 相关工作2.1. 人体颜色识别及其计算模型在开创性的工作世界色彩调查（WCS）[2]之后，已经进行了大量的研究来调查颜色感知和颜色术语之间的关系[5WCS实验以及其他后续研究使用了10个级别的非彩色（灰色）和彩色（分为320个芯片），如图1所示。世界各地的各种语言使用者以随机顺序呈现这些330（10 320）芯片中的一些，并要求识别颜色。收集他们对特定语言中基本颜色术语的回答，以在330个色卡上形成典型的边界（这些边界模式称为该特定语言的模式图）。对数百种语言的研究表明，许多语言的颜色词在颜色空间中具有基本的边界模式。这些基于颜色图表的实验已经被一些研究人员扩展到通过互联网进行[9，10]。自动颜色命名方法[11，12]，用于此目的的颜色数据集[13]和颜色名称的计算模型也已提出[14，15]。自动确定方法已扩展到涵盖各种照明条件[16]。2.2. 图像潜在特征提取语义图像检索算法通常处理像素颜色值和颜色名称之间的关系[12，17，18]。Weijer等人报告说，基于实际互联网图像的颜色空间分区提高了图像识别和检索任务的准确性[19，20]。他们从通过Google图像搜索获得的图像中收集颜色分量值，用于颜色名称查询。此外，他们还在网上拍卖网站eBay上收集了一些图片，人们试图通过文字和照片来描述他们的产品。他们坚持认为，使用来自互联网档案的真实图像比在实验室中使用打印的彩色图表进行的实验更好，与现实世界的使用相比，这是一个非常人工的环境。他们的研究旨在通过从图像搜索结果中获取英语颜色名称的颜色边界来提高基于图像的应用（如图像检索和图像注释）的质量。Google和eBay。另一方面，本研究考察了七种语言（四种来自欧洲，三种来自东亚），旨在研究颜色空间中多种语言之间的频率差异。3. Internet图像颜色分布的获取及其可视化我们获得像素颜色频率从互联网上的图像查询获得一组颜色术语。与传统的基于颜色图表的颜色调查方法相比，这种数据采集具有以下两个优点：（1）这种方法有助于显着减少实验时间和成本，以及（2）可以实现颜色术语的更及时和更接近可视化的颜色频率代表了每种语言中大量用户3.1. 图像采集大多数搜索引擎都提供一种功能模式，将搜索结果限制在特定的文件类型或语言范围内。图2示出了针对英语中的术语“blue“的这样的图像查询示例通过使用这种模式，可以几乎不花费任何成本地组装特定颜色术语和与该术语相关的互联网图像之间的数百个链接。在流行的搜索引擎中，我们使用Google作为图像源，因为它在互联网上拥有最大的用户份额在本研究中，我们考察了与以下八种颜色相关的术语：红色，蓝色，绿色，黄色，橙色，粉红色，紫色和棕色。这些术语选自日语和英语的基本十种颜色。黑色和白色不在我们的实验中，因为它们是无色的，通常用作图像中的默认背景色。针对这七种所选语言中的每一个所检查的颜色项收集200个图像。在一个网页中批量下载数百张图片可以通过Firefox浏览器的附加软件[21]我们使用图3所示的色调饱和度图。术语在图3中，注意，不存在与“红色“相对的基本术语这是基于[8，22]中的发现，因为这种颜色在现实世界中通常被称为N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）3739¼~~图二、来自图像搜索引擎的查询“blue”的结果绿色黄色橙棕色 *粉红色蓝紫色图三. 八种基本颜色。我们选择了欧洲的四种主要语言：英语，法语，德语和俄语，以及东亚的三种语言：汉语，日语和韩语。这七种语言有超过一亿的母语使用者，除了韩语。在我们后面的实验中，我们收集了7 8200 11张;共200张图片其中的颜色术语用于我们实验的语言如表1所示。通过初步的实验，我们发现在中文和日文中，不带“颜色”的颜色词的搜索结果中例如，在日本，这些情况可能会出现，因为这两种语言，以及部分韩语，在句子中没有划分单词的空格，这导致颜色代表字母出现在其他各种单词中，特别是名词。姓氏、地名、公司和产品名称就是其中的一些例子。为了减少这些图像与特定颜色术语的相关性，我们在三种亚洲语言的查询中添加了一个意思为“颜色”的单词尽管欧洲语言通常在有和没有颜色这个词的结果之间显示出显着的差异，但是西方语言中的一些术语在有和没有“颜色”规范之间显示出显着的差异3.2. 颜色提取和可视化接下来，我们根据WCS[2]中使用的调色板计算像素值的频率。在CIE L*a*b * 中确定与图像中的每个像素40N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）37表1七种语言的八个颜色词被搜索引擎查询。图四、排除与图像边界颜色相似的像素的示例矩形高斯圆盘图五.用于计算图像中颜色频率的权重模式：（a）矩形，（b）圆盘和（c）高斯。颜色空间，旨在接近人类视觉。将图像中的所有像素组合在一起会降低提取颜色的准确性，因为主要对象周围区域中的颜色不太重要。为了避免这种情况，可以排除与图像的边界像素相似的颜色来收集像素颜色（图4）。图中周围的黑色区域被提取为待消除的背景。我们发现这种方法不适合我们的目的，因为消除的像素数量随图像变化很大，这会导致不稳定的提取结果。一种背景去除方法，例如在[23]可以用来在数百个图像中产生对象的平均位置，这可以形成用于计数颜色频率的更好的权重模式。在我们的实验中，我们采用了三个更简单的权重模式用于图1所示的像素值提取。五、矩形权重用于将图像裁剪为原始宽度和高度的70见图6。颜色分布的可视化示例为英语中的术语“orange”。[19]第10段。结果，该模式从覆盖原始图像的49%面积的中心部分开始计数值磁盘权重是图像中心对象的另一种模式与这两种权重模式不同，高斯分布没有明显的权重值边界。我们在实验部分报告了这些重量模式每个颜色项最后都用三维直方图可视化，我们可以用它来研究颜色项的特征。图6示出了英语中的术语“orange“的可视化示例在我们的可视化中，直方图条的高度表示对数尺度上的颜色频率值。这是因为对于大多数项，这些颜色分布具有相当强的峰值。如此尖锐的山峰，N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）3741图7.第一次会议。七种语言中红色、蓝色、绿色和黄色术语的颜色分布42N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）37图8.第八条。七种语言中橙色、粉红色、紫色和棕色术语的颜色分布N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）3743图9.第九条。具有特定语义的颜色术语示例（左：英国粉红色，右：中国棕色）。线性尺度的可视化通常会使直方图中的其他条形图模糊，使它们难以识别。在图中的（b）对数标度中，带有白色圆圈的顶部和微观频率同时比（a）线性标度中的可见性更好。我们的可视化是基于图中的WCS调色板。 1，并且其视角被旋转以放置更亮的芯片前景，以获得三维直方图的可见性。4. 实验结果4.1. 颜色项可视化我们实现了所提出的方法，并在运行Mac OS X的iMacRetina（Intel Core i5 3.5 GHz CPU，8 GB内存）上进行了以 下 实 验 。 所 有 图 片 均 来 自 谷 歌 网 站http://www.google.com。每一个颜色词都是在特定语言模式下通过我们的浏览器配置查询的，例如，设置浏览器的英 语 模 式 以 获 得 英 语 “blue” 的 图 像 搜 索 结 果 我 们www.google.com 发 现 ， 来 自 多 个 谷 歌 域 名 （ 如www.example.com、www.google.co.uk和www.google.co.jp。然而，这些查询结果图像及其排名的微小变化在我们最终的颜色频率可视化中几乎不明显。这就是为什么选择最受欢迎的域名www.google.com作为我们的图像来源。为一种语言中的特定颜色词组合互联网图像红色、蓝色、绿色和黄色的可视化结果如图所示。7.第一次会议。橙色、粉红色、紫色和棕色这些术语如图8所示。这两个数字都包含从英语（上）到韩语（下）七种语言的颜色词。我们发现图5所示的三种权重模式之间没有质的差异，并选择了最简单的矩形权重模式用于以下可视化。这三种权重模式仅在馈送少量搜索图像（在这种情况下，少于20个图像）时才在可视化结果中产生轻微差异的事实也支持该选择。有几个白色圆圈的特征值得一提（图。 7）：在七种语言中的“红色“一词的结果中术语“红色“的颜色可视化俄语中有两种蓝色：浅色和深色[24]。我们的可视化正确地表明，我们实验中使用的术语对应于更深的阴影。虽然绿色术语的可视化没有显着差异，但只有韩语术语在浅蓝色芯片上的频率俄语的黄色有一个惊人的峰值，这是56个可视化中最陡峭的峰值。此外图 8有几点值得一提：德语橙色的峰值比其他六种语言稍亮。英语、法语和德语中粉红色的术语都有这种独特的分布模式。英国粉红受一位著名女创作歌手的影响很大，她叫因此，其颜色分布与人类皮肤和头发的颜色有很大的聚类。法语中的他们的可视化包含来自玫瑰植物和叶子像素的小绿色簇。法语中的“玫瑰“一词粉红色是这三种西方语言中唯一一种显示图像查询中有或没有“颜色”一词的结果之间明显差异的颜色在七种语言中，只有韩语中的“紫色”一词出现了明显的高峰然而，紫色的分布模式在所有其他语言中都是相似的在棕色的可视化术语中，法国人和中国人有另一个比棕色本身更明亮的集群。●●●●●●●●44N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）37中文结果受图9右侧所示的许多卡通形象的肤色影响，而法语术语受法国姓氏“brun”的影响” “4.2. 讨论图10显示了每个广义项如何在WCS调色板中展开。这些方差值被计算为每个可视化中从组装的芯片到峰值芯片的距离的平方平均值。如果图像中的所有像素只有一个颜色值，则该方差等于零。在WCS调色板中采用了左右两端相连的周期性边界条件见图10。 颜色项的颜色分布方差。见图11。 语言的颜色分布差异（图一）。观察到术语粉红色、紫色和棕色的差异较大。在图11中，观察到除德语外的欧洲语言的差异较小，这意味着它们的颜色术语比互联网图像中的其他语言用于更具体的颜色。我们的可视化技术完全依赖于我们使用的搜索引擎的输出。从这个意义上说，我们通过搜索引擎框架的窗口看到颜色词和实际颜色之间的关系。然而，每个可视化结果都反映了该语言使用者的相当多的特征，因为今天的搜索引擎已经积累了关于每种语言的大量信息，并且在这方面是足够可信的。虽然可视化结果说明了图像中的颜色值和颜色名称之间的联系的特征，但由于计算直方图的方法，这些结果也可能包含一些错误。我们使用图像查询结果中的前20、50、100和200个图像来研究可视化。在英语和法语中，“red”的结果如图所示。 12个。除了使用前20幅图像获得的结果外，对于用于颜色频率计数的不同数量的图像，可视化直方图没有显著差异。这意味着搜索结果中的图像本身是颜色和颜色项之间的链接的特征，尽管这些结果图像包括具有除了所查询的颜色项之外的其他颜色的次要区域。5. 结论我们提出了一种可视化的方法来识别在不同的语言和典型的颜色值在实际的互联网图像中使用的颜色术语之间的联系，调查他们的分布在WCS调色板。本研究使用四种欧洲语言和三种亚洲语言中的八个基本颜色词进行了一系列实验。这些结果表明，日本和韩国的颜色词往往有更广泛的分布比在其他语言中的条款，并有几个颜色词是密切相关的专有名词，没有一个单一的典型颜色。这些发现可以更有效地图12个。使用20、50、100和200张图像的英语和法语术语“红色”的颜色分布N. Umezu，E.Takahashi/Journal of Computational Design and Engineering 4（2017）3745产品设计和网站导航解决了不同语言背景的人。我们未来的工作包括以下几个方面：从每幅图像的颜色值提取将得到改进，以定位该图像中的显著对象西班牙语、葡萄牙语、印地语和阿拉伯语等其他流行语言也将被纳入调查范围。我们认为这项研究是第一步，比较各种语言之间的颜色分布特征，以找到任何主要或语言特定的特征。在未来的研究中，调查的术语范围将从本研究中的颜色名称扩展到各种其他单词，如名词，动词和形容词，这可能有助于识别更多语言特定的主题和材料。WCS的目的之一是确定特定语言中颜色词的类别边界。使用互联网收集的图像自动确定这种颜色边界是一项具有挑战性的任务，并将在本研究的未来范围6. 利益冲突作者与本文内容没有直接相关的利益冲突。致谢这项工作得到了探索性研究补助金（JSPS KAKENHI赠款编号15K12121）的部分支持。此外，部分工作首次在ACDDE 2015上展示。作者对ACDDE参与者的宝贵讨论和建议表示感谢。引用[1] 作者：Ono A，Horiuchi T，Tominaga S.现代日语颜色词汇的调查与分析。Journal of Color Science Associationof Japan 2010; 34（1）2-13. [日文、英文摘要]。[2] Berlin B，Kay P. Basic Color Terms：Their Universality and Evolution.伯克利：加州大学出版社，1969年.[3] 梅津N，高桥E.基于网络上的图像可视化颜色项差异。亚洲设计与数字工程会议（ACDDE）2015年;论文编号37岁[4] 世 界 色 彩 调 查 ， WCS 在 线 数 据 档 案 。 http://www1.icsi.berkeley.edu/wcs/data.htmlwww.example.com[5] Kay P，Regier T.解决颜色命名共性的问题。PNAS：Proceedings ofthe National Academy of Sciences of USA2003; 100（15）9085-9.[6] Regier T ， Kay P ， Cook RS. 焦 点 颜 色 毕 竟 是 通 用 的 。 PNAS ：Proceedings of the National Academy of Sciences of USA 2005; 102（23）8386-91.[7] Lindsey DT，Brown AM.颜色名称的普遍性。PNAS：Proceedings ofthe National Academy of Sciences of USA 2006; 103（44）16608-13.[8] RegierT，Kay P，Khetarpal N. 颜色命名反映了颜色空间的最优划分。PNAS：Proceedings of the National Academy of Sciences ofUSA2007; 104（4）1436-41.[9] 莫罗尼河基于网络的无约束颜色命名实验。在：SPIE 5008会议录，彩色成像VIII：处理，硬拷贝和应用。2003;36-46.[10] Mylonas D，MacDonald L.在线颜色命名实验使用孟塞尔样品。在：欧洲会议的颜色在图形，成像和视觉（CGIV）。2010; 27-32.[11] 杨伟华，王伟华，王伟华.用于颜色自动命名的参数模糊集。Journal of the Optical Society of America A 2008; 25（10）2582-93.[12] 刘毅，张东，陆刚.基于决策树学习的高层次语义图像检索。模式识别2008; 41（8）2554-70.[13] 杨伟华，王伟华，王伟华.模糊颜色命名数据集。色彩研究与应用2006;31（1）48[14] Párraga CA，Benavente R，Vanrell M，Baldrich R.心理物理测量来模拟颜色命名空间的颜色间区域。影像科学与技术杂 志 2009; 53（3）31106-1-8.[15] 莫伊西洛维奇一种用于颜色命名和描述图像颜色组成的计算模型。IEEE Transactions on Image Processing2005; 14（5）690-9.[16] 刘毅，袁志，陈波，薛军，郑南.通过标签传播的照明强大的颜色命名 。 IEEE International Conference on Computer Vision （ ICCV ）2015;621-629.[17] Huang R，Dong S，Du M.一种基于图像区域颜色和空间位置的语义检索方法。图像与信号处理大会（Congress on Image and SignalProcessing，CISP）2008;466-470.[18] Falomir Z，Museros L，Gonzalez-Abril L，Escrig MT，Ortega JA.基于视觉和空间特征的图像定性描述模型。计算机视觉和图像理解2012; 116（6）698-714。[19] 范德魏杰J，施密德C，韦贝克J。学习颜色名称从现实世界的图像。IEEE计算机视觉和模式识别会议（CVPR）。2007;1-8.[20] 范德韦杰J，施密德C，Verbeek J，Larlus D.学习真实世界应用中的颜色名称。IEEE Transactions on Image Processing 2009; 18（7）1512-23.[21] Maier N，Parodi F，Verna S.[互联网]。DownThemAll！，一个Firefox附加组件[引自2016年6月28日]。可从以下网址获得：http://www.downthemall.net/。[22] 作者：Loreto V，Mukherjee A，Tria F.关于颜色名称层次的起源。PNAS：Proceedings of the National Academy of Sciences of USA2012;109（18）6819-24.[23] Nguyen CH ， Ritschel T ， Seidel HP. 数 据 驱 动 的 颜 色 流 形 。ACMTransaction on Graphics 2015; 34（2）.第20条.[24] Winawer J，Witthoft N，Frank MC，Wu L，Wade AR，BoroditskyL. 俄罗斯蓝调揭示了语言对颜色歧视的影响。PNAS：Proceedingsof the National Academy of Sciences of USA 2007; 104（19）7780-5.
我的内容管理
展开
