面向產品形態認知的圖像灰度評價研究

石懷喜 張書濤

摘? 要：探尋適合產品調研的圖像灰度區間，提高產品形態意象獲取準確度。以吹風機為研究對象，對人眼灰度敏感區間（中灰度76-180）進行分割細化，基于眼動追蹤技術量化產品圖像認知與圖像灰度的映射關系。利用相對貼近度計算獲取產品圖像認知最優灰度區間，以及合適的灰度劃分區間。研究表明，圖像灰度以步長20劃分時，灰度對產品意象認知的影響較大；圖像灰度在區間146-165時，圖像信息清晰，被試意象加工順暢，大腦認知負荷較小。這一研究可為產品形態意象研究中的圖像灰度處理提供理論指導。

關鍵詞：圖像灰度；產品認知；意象決策；產品形態；眼動追蹤

產品設計從以市場為中心轉換為以用戶為中心，同時用戶通常對形態識別度高的產品更加青睞[1]，因此，針對新產品的開發設計需要充分考慮用戶的意象需求。為了準確挖掘產品的形態意象，在產品形態調研過程中，通常采用對樣本直接去色的方式避免色彩、材質等因素的影響。由于色彩明度不同，去色后的圖像灰度也存在差異。當色彩明度較低時，去色后灰度較低；當色彩明度較高時，去色后灰度較高。

彩色圖像轉換灰度圖像，其實質是將三通道彩色圖像信息壓縮、提取、降噪，降維成單通道黑白圖像[2]。人類視覺對不同灰度的敏感程度不同，通常對中等灰度最為敏感。實際應用中，將256級圖像灰度分為高、中、低三個灰度區間[3]：0-75為低灰度，76-180為中灰度，181-256為高灰度[4]。在圖像灰度處理中發現，在中灰度（76-180）區間內，灰度差異會顯著影響圖像認知的準確性。

人類對外界信息的獲取與認知，80%通過視覺輸入，再經大腦中的多種高級功能進行加工，因此眼動追蹤（Eye-tracking，ET）成為獲取用戶認知信息的有效手段[5]。例如，李珍等基于心理學角度，通過測量被試的首次注視持續時間、首次注視時間、注視總次數、平均瞳孔直徑四項眼動指標數據，運用綜合賦權法對各指標進行加權處理，最終獲得用戶需求[6]。王新亭等利用眼動追蹤技術采集設計師閱讀任務文本、創作草圖時的眼動數據，發現設計師自身經驗與信息資源調用的數量、維度、回視次數和方案質量成正比，與作業時間和評判準確度成反比[7]。

為了提高產品意象認知的準確性，本文面向產品圖像認知評價中的圖像灰度設計問題，以吹風機圖像為刺激樣本，在中灰度區間（76-180）以10為灰度步長設計刺激樣本，采用眼動追蹤技術獲取產品圖像認知過程中的被試眼動數據，分析圖像灰度與視覺認知的映射關系，獲取產品圖像認知的最優灰度區間，為產品形態認知調研過程中的圖像灰度處理提供客觀的理論支撐。

一、面向產品認知的圖像灰度評價方法

本文基于人眼視覺灰度特性設計產品圖像灰度評價實驗，利用眼動追蹤技術測量圖像灰度與產品認知的關系，獲得產品評價的最優灰度區間。產品圖像灰度評價流程如圖1所示，主要包括三部分內容：1.基于人類視覺特性的產品圖像灰度認知實驗；2.產品圖像灰度眼動數據處理；3.最優產品圖像灰度分析。

（一）產品圖像灰度認知實驗

首先，收集并篩選代表性意象詞匯和代表性樣本，利用SD問卷獲取代表性樣本意象值并對樣本分類，然后根據中灰度（76-180）以10為步長設計實驗刺激樣本，最后以意象詞匯為啟動刺激，實驗樣本為目標刺激進行產品圖像灰度認知評價實驗。實驗過程中，被試根據播放的目標刺激判斷其是否與對應的啟動刺激（意象詞語）匹配。實驗過程中，應用ErgoLAB軟件記錄反應時間和眼動數據。

（二）灰度評價模型構建

為了獲取精確的生理測量數據，減少粗大誤差對實驗結果的影響，采用拉伊達準則（1）和判定公式（2）篩選并剔除粗大誤差數據[8]。

其中：為觀測值的算數平均值，σ為標準差給定參數，Rc為殘差，為觀測估計值，c為觀測次數。

令被試集合為B={b1，b2，…，bn}，圖像灰度區間集合為 ，其中n表示被試人數，h為圖像灰度區間數，δ為灰度區間步長。

1.圖像灰度用戶行為評價模型

被試（b1，b2，…，bn）依次對灰度進行評價的反應時間集合為：

灰度的綜合值為

每個灰度區間的綜合值為

2.圖像灰度眼動測試評價模型

通過ErgoLAB記錄的眼動數據，以不同的圖像灰度區間進行劃分，獲得眼動指標數據：

式中：為被試bn對樣本灰度的各項眼動指標數據，E={e1，e2，…，el}為眼動指標。

所有被試圖像灰度區間false的眼動綜合值為

每個圖像灰度區間的眼動數據綜合值為

3.圖像灰度評價綜合模型

綜合產品圖像灰度評價的行為數據和眼動數據，構建圖像灰度綜合評價模型為

二、基于案例的圖像灰度評價實驗

（一）樣本及意象篩選

通過網絡收集吹風機圖片，并邀請5位專家對樣本篩選，獲得代表性樣本50個。邀請6位專家討論并篩選出20個與吹風機形態強相關的意象詞語。通過網絡發放問卷對20個意象詞語進行詞相似度調研，通過K-means聚類得到代表性詞語“可愛的”“時尚的”“舒適的”“簡潔的”。對代表性詞語進行反義詞配對得到“呆板的-可愛的”“傳統的-時尚的”“生硬的-舒適的”“繁雜的-簡潔的”。通過網絡發放5級調查問卷對樣本進行意象調研，共有40位被試參與調查，均為產品設計方向研究生，樣本的感性意象值見表1。

（二）實驗材料

以10為步長分割人眼灰度敏感區間（中灰度76-180）。但在實際操作過程發現，樣本顏色較深時，去色后灰度可以達到70，經專家討論，將灰度區間設置為65-185。為確保實驗的準確性，同時設置45-55和195-205作為參考灰度區間，共14個灰度區間。為了便于實驗實施，取灰度區間中間值進行樣本灰度處理，灰度值分別為：70、80、90、100、110、120、130、140、150、160、170、180。依據表1樣本的感性意象評價值，每對意象詞語選擇3個吹風機樣本，共4×3=12個樣本。以意象詞語“繁雜的-簡潔的”為例，分別選擇極端繁雜的、中性的和極端簡潔的樣本各1個。應用Solidworks軟件對12個樣本重新建模，依據12個灰度值，用Keyshot軟件渲染模型，用Photoshop軟件矯正圖像灰度，灰度誤差為±1，共有12×14=168個樣本（如圖2）。實驗采用“啟動刺激”與“目標刺激”范式[9]，以4對意象詞語作為啟動刺激材料，以吹風機樣本作為目標刺激材料。為降低被試認知差異對實驗準確度的影響，設計意象看板[10]對被試進行認知引導，意象看板見圖3。

（三）實驗過程

本次實驗共招募31名設計專業的學生作為被試，其中男生16人，女生15人。被試年齡在19-28歲之間，均為右利手，身體健康，能夠清晰觀察到屏幕呈現的實驗材料。實驗前由主試向被試闡述實驗內容，且被試簽署實驗知情同意書。實驗使用ErgoLAB Design實驗設計模塊進行實驗程序的編寫與實驗流程的控制；采用Tobii Pro Fusion非接觸/移動終端眼動儀采集眼動信號，并結合ErgoLAB Eye-tracking眼動軌跡分析模塊分析眼動數據。

實驗準備階段，主試為被試講解意象看板，以降低被試認知差異引起的實驗誤差。被試理解實驗內容后，進行眼動儀校準，并開始實驗。實驗具體操作步驟如下：首先，屏幕中央呈現1000ms的“+”注視頁，引導被試注視；隨后，呈現啟動刺激（意象詞語）2000ms；之后，呈現白屏1000ms；最后，呈現目標刺激（樣本圖片）。目標刺激呈現時間為被試意象決策時間，被試需要完成意象判斷，1為極端不匹配、2為不匹配、3為適中、4為匹配、5為極端匹配。被試根據匹配度在鍵盤按對應的數字，決策完成后進入下一個試次。實驗中每個樣本針對含義相反的2個形容詞，各觀測1次，共168×2=336個試次。為了保證實驗準確性，避免被試疲勞引發的誤差，每進行90個試次，休息3min，實驗預計用時53min，實驗流程如4圖所示。

三、實驗分析

（一）行為數據分析

為了消除個體認知差異引起的實驗誤差，篩除誤差較大的反應時間。首先將數據帶入公式（1）和（2）去除粗大誤差，然后利用公式（3）（4）和（5）計算得所有圖像灰度的綜合反應時間值，如表2所示。

（二）眼動數據分析

本文采用ErgoLAB人機環境同步測試云平臺導出眼動特征數據。將數據帶入公式（1）和（2）去除粗大誤差，將去除粗大誤差的數據帶入公式（6）（7）和（8），得出所有圖像灰度的綜合眼動指標值見表3。對眼動指標進行相關性分析，發現總注視時間（相關系數為-0.22）、平均注視時間（相關系數為-0.612）、平均掃視次數（相關系數為-0.06）與圖像灰度區間呈負相關。

表3 各圖像灰度下的眼動指標值

（三）綜合評價矩陣構建

將被試行為數據、眼動數據和腦電數據帶入公式（9），得到反應時間W和眼動數據Y的綜合圖像灰度評價結果：

（四）相對貼近度分析

為了對各圖像灰度區間進行全面評價，在不同維度評價指標下分析各個灰度區間對產品形態意象認知的貢獻優劣，下面在各個維度指標下進行相對貼近度計算和分析。具體步驟如下：

步驟1：計算各個評價指標下的最優值和最劣值。

其中，fi為第i個評價指標，i=1，2，3，…，α；為第j個產品圖像灰度，j=1，2，3，…，β。將綜合評價結果的數據分別帶入公式（10）和公式（11）中，得各個評價指標的最優值和最劣值見表4。

表4 各圖像灰度在不同維度下的最優值和最劣質

步驟2：計算評價值到最優值和最劣值的距離。

式中：和分別為第j個圖像灰度區間的第i個評價指標與最優值和最劣值的距離。將綜合數據帶入公式（12）和公式（13），可得各圖像灰度評價值到最優值與最劣值的距離見表5、表6。

步驟3：計算各圖像灰度的相對貼近度，作為圖像灰度的評價依據。

式中：。將表6數據帶入公式（14）計算各圖像灰度評價值與最優值的相對貼近度見圖5。

從圖5發現，當灰度區間δ=10時，各圖像灰度評價值與最優值的相對貼近度與圖像灰度之間未呈現出明顯關系，這可能與圖像灰度區間劃分步長取值較小有關。因此，將圖像灰度區間（65-185）的步長δ取值為20，區間45-55和195-205仍為參考灰度區間。以圖像灰度區間65-85為例，計算圖像灰度區間65-75和76-85各指標評價值的均值，作為圖像灰度區間65-85在各指標下的圖像灰度評價值。共計8個圖像灰度區間（h110=h45-5510，h120=h65-8520，h220=h86-10520，…，h620=h166-18520，h1410=h195-20510）。計算得出各評價值與最優值的相對貼近度見圖6。

通過統計分析發現，將實驗圖像灰度區間設置為20時，灰度圖像對產品形態認知影響顯著。對四個評價指標分析發現，四個評價指標的灰度評價值與最優值的相對貼近度值都在區間146-165達到最優值，在區間146-165兩端，灰度評價值與最優值的相對貼近度值向低灰度和高灰度呈非線性下降。圖像灰度從45到146，隨著灰度的升高，產品形態特征越來越清晰，視覺神經捕捉產品形態特征越來越容易，大腦的認知負荷變小，用戶產品形態意象認知投入的心理資源減少；圖像灰度從165到205，隨著灰度的升高，產品形態特征越來越模糊，視覺神經受到抑制，產品形態意象判斷需要更多的認知資源，用戶認知負荷變大。在區間146-165，產品形態特征清晰，視覺神經處于活躍狀態，產品形態認知加工順暢。

四、結語

為了準確獲取用戶的產品形態意象偏好，去排除色彩、材質等因素對圖像認知影響的情況下，本文以吹風機為研究對象，在中灰度（76-180）以10為步長設計刺激樣本，基于眼動技術探究圖像灰度與產品認知評價的映射關系。通過實驗發現，當圖像灰度區間以20為步長劃分時，圖像灰度視覺認知差異明顯，灰度對產品認知評價的影響較大。圖像灰度在區間146-165時，圖像信息明晰，有利于視覺神經獲取產品信息，促進大腦對產品的認知決策。本研究可為產品形態意象研究中的圖像灰度處理提供理論指導。同時，實驗采用二維的產品圖像作為刺激材料，后續研究可以采用VR虛擬現實技術，從三維視角開展相關研究。

參考文獻：

[1]楊程，曾靜，陳辰，等.基于腦電探究外觀特征對產品識別的影響[J].同濟大學學報（自然科學版），2020（9）：1385-1394.

[2]張俊康，金正猛，馮燦.基于原始對偶方法的圖像去色算法[J].南京郵電大學學報（自然科學版），2021（4）：51-58.

[3]于天河，趙樹梅，蘭朝鳳.結合視覺特性的紅外圖像增強方法[J].激光與紅外，2020（1）：124-128.

[4]Chen SB，Wang HY.A fragile information hiding technique based on human visual gray sensitivity[J].Advanced Materials Research，2010（121）：1048-1051.

[5]Ilhan AE，Togay A.Pursuit of methodology for data input related to taste in design： Using eye tracking technology[J].DISPLAYS，2023（76）：102335

[6]李珍，茍秉宸，初建杰，等.一種基于眼動追蹤的產品用戶需求獲取方法[J].計算機工程與應用，2015（9）：233-237.

[7]王新亭，鄧瑋丹.基于眼部追蹤技術的產品意象草圖認知差異研究[J].計算機輔助設計與圖形學學報，2019（2）：287-294.

[8]郭主恩，林麗，陽明慶，等.基于無意識多模態內隱測量的產品意象提取模型構建[J].計算機集成制造系統，2022（4）：1150-1163.

[9]鄭曉丹，岳珍珠.跨通道語義啟動對視覺注意的影響[J].心理科學，2022（6）：1329-1336.

[10]Gijsenij A，Vazirian M，Spiers P，et al.Determining key colors from a design perspective using dE-means color clustering[J].COLOR RESEARCH AND APPLICATION，2023（1）：69-87.

作者簡介：

石懷喜，蘭州理工大學設計學碩士研究生。

張書濤，蘭州理工大學設計藝術學院教授、碩士研究生導師。研究方向：工業設計、感性工學。