科研 Skill
图像志与图像学分析
arts-iconography-iconology
按潘诺夫斯基三层次组织图像释读,用Iconclass与自定义编码表考证母题谱系。适用于美术史图像释读与跨文化图像比较。
发布者 Codar安全审核通过v0.1.0更新于 2026-11-18
SKILL.md
图像志与图像学分析(Iconography & Iconology)
适用场景
- 释读一件作品的题材与人物身份(如判断画中老者是“陶渊明”“林和靖”还是泛称高士)。
- 追溯某一母题(如“松下问童子”、“羲之爱鹅”、“西王母”、“受胎告知”)在不同时代的图像谱系。
- 为一批作品建立统一的图像主题标注,用于检索与统计(如宋元山水中渔父母题的出现频率)。
- 跨文化比较:佛教造像的印度—中亚—中原图像传播,或中西宗教图像的符号比较。
- 将图像意义置于思想史、文学、宗教与社会语境中做图像学解释。
边界与不适用
- 不做作品真伪鉴定与流传考证(见
arts-artwork-provenance)。 - 不做像素层面的色彩、构图计算(见
arts-color-composition-analysis);通用的图像分类/相似检索模型由其他 Plugin 的艺术图像分析 Skill 覆盖。 - 图像学解释具有阐释性质,不能由自动工具“得出”;本 Skill 帮助组织证据,结论需研究者负责。
工作流
-
前图像志描述(pre-iconographical description)
- 输入:作品图像与基本信息。
- 操作:只描述可见的形式与“自然意义”——人物数量、姿态、服饰、器物、动植物、空间布局、动作关系,不加身份判断。
- 产出:描述性清单(可按画面区域编号)。控制依据:风格史(不同时代表现同一事物的方式)。
-
图像志分析(iconographical analysis)
- 操作:将母题与文本、题材传统联系起来,识别人物、故事、寓意。
- 证据来源:画上题跋与题名、文学文本(诗文、小说、戏曲)、宗教经典(佛经、道经、《圣经》、《金色传奇》)、画史画论、图谱类书(《三才图会》等)。
- 编码:西方题材用 Iconclass 记号(如
73A5类为新约中的“受胎告知”相关,具体记号须在 Iconclass 浏览器中核实后再填);中国题材建立自定义编码表(见下)。 - 决策点:同一形象可对应多个故事时,列出候选并比较区分特征(持物、随从、场景)。
-
图像学解释(iconological interpretation)
- 操作:追问作品为何在特定时代、地域、阶层出现这样的题材与表现,揭示其“内在意义”或文化征候。
- 证据:赞助人与观者、礼仪与宗教实践、政治事件、文人趣味、市场需求。
- 注意:避免循环论证(用图像证明时代精神,又用时代精神解释图像);需独立文献支持。
-
建立中国画母题编码表
- 层级建议:大类(人物故事/山水/花鸟/宗教/吉祥寓意)→ 题材(如“渔樵耕读”)→ 母题元素(渔父、蓑笠、扁舟)。
- 每个编码附:名称、别称、典出文献、典型图像特征、代表作品、易混淆题材。
- 示例:吉祥寓意类常见谐音母题(如“蝠”喻“福”、“鹿”喻“禄”),须注明出现时代,避免将明清民俗寓意倒推到早期作品。
-
批量标注与统计(可选)
- 用表格或数据库对作品逐条标注编码,统计母题时代分布、共现关系。
- 标注者间一致性:双人独立标注子样本,计算 Cohen's kappa。
-
撰写论证
- 按三层次组织章节,每个判断附图像局部与文献依据。
工具与数据源
- Iconclass(iconclass.org):多语种图像主题分类系统,提供浏览与检索。
- Getty AAT、ULAN;Warburg Institute Iconographic Database;Index of Medieval Art(普林斯顿大学)。
- 中国图像资料:故宫博物院数字文物库、台北故宫书画检索、敦煌研究院“数字敦煌”(e-dunhuang.com)、中国国家博物馆官网藏品。
- 文本:中华经典古籍库、CBETA 电子佛典(cbeta.org)、道藏相关数据库、国学大师等工具。
- 工具书:《中国美术辞典》、各类中国吉祥图案与纹样辞典、《佛教造像手印》类专书。
- 标注软件:Excel/CSV、Tropy(研究图像管理)、VGG Image Annotator(VIA,局部区域标注)。
最小示例:母题标注表的共现统计与一致性
# pip install pandas scikit-learn
import itertools
import pandas as pd
from sklearn.metrics import cohen_kappa_score
# annotations.csv: work_id, coder, motif_code (每行一个母题)
df = pd.read_csv("annotations.csv")
# 两位标注者在每个“作品×母题”上是否标注的一致性
pivot = (df.assign(v=1)
.pivot_table(index=["work_id", "motif_code"], columns="coder",
values="v", fill_value=0))
a, b = pivot.columns[:2]
print("Cohen's kappa:", round(cohen_kappa_score(pivot[a], pivot[b]), 3))
# 以第一位标注者为准统计母题共现
works = df[df.coder == a].groupby("work_id")["motif_code"].apply(set)
pairs = pd.Series([p for s in works for p in itertools.combinations(sorted(s), 2)])
print(pairs.value_counts().head(20))
质量检查
- 前图像志描述与身份判断分开书写,未把结论混入描述。
- 每个图像志识别都有文本或题跋依据,并列出被排除的候选。
- Iconclass 记号已在官方浏览器中核实,非凭记忆填写。
- 中国题材编码表注明典出与时代,避免年代错置。
- 图像学解释有独立于图像本身的文献证据,避免循环论证。
- 批量标注报告一致性系数与分歧处理规则。
- 引用图像遵守收藏机构使用条款并注明来源。
输出格式
- 描述清单:区域编号、可见元素、姿态/动作、器物、备注。
- 图像志识别表:母题、识别结果、编码(Iconclass 或自定义)、依据文献、候选与排除理由、置信度。
- 母题编码表:编码、名称、别称、典出、图像特征、代表作、易混题材。
- 论文结构:作品概况 → 前图像志描述 → 图像志分析 → 图像学解释 → 比较与谱系 → 结论。
参考规范与文献
- Panofsky, E. (1939). Studies in Iconology: Humanistic Themes in the Art of the Renaissance. Oxford University Press.
- Panofsky, E. (1955). Meaning in the Visual Arts. Doubleday.
- van Straten, R. (1994). An Introduction to Iconography. Gordon and Breach.
- Waal, H. van de. Iconclass: An Iconographic Classification System.
- 巫鸿,《武梁祠:中国古代画像艺术的思想性》(英文原著 1989)。
- 巫鸿,《重屏:中国绘画中的媒材与再现》(英文原著 1996)。
- 潘诺夫斯基《图像学研究》、《视觉艺术的含义》中译本。
示例提示词
请按潘诺夫斯基三层次分析一幅南宋《渔父图》,并为宋元渔父母题建立编码表和文献依据。
所属插件
安装该插件会一并获得同领域的 11 个 Skill / MCP。
同插件的其他科研 Skill
- 书画著录流传考证整理题跋印鉴、检索著录书与博物馆开放数据,建立带证据等级的流传链条。适用于书画鉴藏史与流散文物追索研究,不做真伪鉴定。
- 中国传统音乐数字化将简谱、工尺谱、减字谱转写为MusicXML/kern,做宫调判别与旋律统计分析。适用于民歌色彩区划、曲牌比较与古谱打谱研究。
- 色彩构图计算分析在CIELAB空间用k-means提取主色、计算显著性图与构图线指标。适用于绘画设计作品的形式分析与风格量化研究。
- 设计评价与用户实验用SUS、NASA-TLX、语义差异法与眼动追踪设计用户实验并做统计分析。适用于产品界面包装设计的效果评价研究。
- 设计研究方法按双钻模型组织设计民族志、文化探针与用户旅程图,提炼可迁移知识贡献。适用于设计学论文与研究型设计的过程记录。
- 民族音乐学田野采录规范田野录音设备参数、元数据与长期保存格式,处理知情同意与传承人权益。适用于少数民族音乐田野调查与资料库建设。
- 影视产业票房数据整合官方与平台票房数据,辨析统计口径差异并做回归面板分析。适用于档期效应、口碑传播与电影政策研究,须遵守爬取合规。
- 电影镜头计算分析用PySceneDetect自动切镜并人工校正,计算镜头长度分布与剪辑节奏曲线。适用于导演风格与类型片剪辑节奏的电影学研究。
- 演奏录音表演分析在Sonic Visualiser标注拍点,计算速度弹性与力度曲线并用DTW对齐多版本演奏。适用于名家录音诠释风格的比较研究。
- 技术美术史材料分析用红外、X光、多光谱成像与XRF/拉曼光谱做绘画材料无损检测。适用于书画材料研究与修复前评估,不单独构成真伪定论。
常见问题
图像志与图像学分析能做什么?
按潘诺夫斯基三层次组织图像释读,用Iconclass与自定义编码表考证母题谱系。适用于美术史图像释读与跨文化图像比较。
如何安装图像志与图像学分析?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「图像志与图像学分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
图像志与图像学分析需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
图像志与图像学分析经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。