谈融合模糊色彩思维建模的马赛克风格渲染技术论文

谈融合模糊色彩思维建模的马赛克风格渲染技术论文

传统绘画创作中的色彩思维具有模糊性, 其通常流程如图1 所示. 艺术家首先通过观察景物获得关于画面的结构及色彩构成的主观模糊印象,然后根据主观表达意图进行赋色. 然而, 至今仍缺少一种数学模型, 能够良好、广泛地表达该流程中色彩思维的主观模糊性. 这既不利于理性地解析艺术家的思维方式, 也不利于开发图像处理应用.

于是, 本文意在对色彩思维的模糊性进行建模, 并尝试运用于非真实感绘制(non-photorealistic rendering,NPR). 模糊色彩技术能够一定程度地模拟人类的色彩主观模糊性, 却暂未用于构建艺术家的模糊色彩思维. 近年来, 部分学者基于模糊色彩技术先后提出了不同模型, 并实际应用于图像处理、图像检索、配色设计和色彩表征等领域, 且有良好的发展, 但还未在NPR 领域中发挥作用.模糊色彩技术是利用模糊集理论的隶属函数将色彩进行不同方式的颜色聚类或分类, 它的模型是抽象的, 为了产生艺术化的绘制效果, 必须融入一种特定的NPR 方法中, 才能体现其实际用途. 为此, 选用了马赛克渲染技术. 这是由于马赛克渲染涉及的图像剖分技术能够较好地模仿艺术家对形态构成的观察和分析方法, 并且由此得到的结果还可以作为其他NPR 技术(如油画效果、水粉效果等) 在取色时所用的源图像.

目前在马赛克渲染技术中, 还未尝试融入模糊色彩技术. 本文融合这2 种技术, 提出可以广义上模拟不同艺术家的色彩思维赋色的方法.对比了传统的马赛克渲染方法和本文方法. 传统的马赛克渲染主要关注于对源图像的分区. 本文改造了马赛克渲染技术, 重点加入了模糊色技术, 以模拟艺术观察色彩和运用色彩时的模糊思维, 并且在图像分区的流程里实现了层次细分优化, 以模拟艺术家对形态的观察分析方法.通过主观问卷实验的方法, 本文证明所提出模型能够广义地、良好地表达不同艺术家的赋色策略. 最后,基于本文方法开发了一款马赛克艺术渲染原型应用, 其体现出了2 个优点:

1) 用户可从预设的大量图像赋色策略中快速获取到采取不同赋色方案的大量结果, 并从中选取符合自身艺术审美的结果;

2) 用户可了解每个赋色结果对应的赋色规则, 学习到一种可运用于实际绘画的、接近艺术家实际思维模型的赋色策略.

1 相关工作

以往已有一些研究涉及了模拟艺术家的赋色思维, 但对于色彩的主观模糊性建模却显得不足.Zeng 等基于图像解析技术的语义驱动方法模仿了画作的形态构成, 将图像进行分割分类并实现不同类别的笔刷艺术渲染. Guo 等运用输入图像生成的结构描述映射图并建立对象轮廓描述、模仿画作形态构成, 再通过一种色彩转换算法模仿水墨画赋色风格. Zang 等将艺术性增强和色彩调和结合运用到图像增强技术, 在Lab 色彩空间实现了模仿艺术家真实主观调色的思维. 赵叶峰等在HSL 色彩空间利用色彩调和技术提取油画的主题色, 得到视觉相对明显的像素色彩. 色彩调和技术需要结合对人心理感知概念, 一定程度上模拟了艺术家主观调色. 然而, 这些技术大多在常见的色彩空间如HSV[13-14], HSL, Lab, LMS 锥彩色空间等中实现, 而且模拟赋色的主要途径是色彩调和技术, 却未利用模糊色彩进行实践, 也就未能很好地模拟艺术家色彩思维的主观模糊性.模糊色彩技术对人的色彩认知模糊性具有良好的表达力, 但还未能用于辅助数字艺术创作.Chang 等相继提出在2 种不同的模糊色彩分类方法条件下基于参考图像对源图像的色彩进行转换, 得到符合人类感知的图像. Alarcón 等结合贝叶斯方法和模糊色彩模型提出一种色彩图像语义分割的方法, 对图像进行不同风格的处理. 刘炯宙等给出了基于色彩语义且综合色彩调和度、色彩语义和用户交互评价的产品交互式遗传配色设计方法, 把模糊语义应用到了配色设计, 通过用户交互符合其个人心理感知, 值得借鉴. 张全等提出能够在不同维度和粒度层上实现色彩空间与情感语义空间的复杂映射的色彩表征方法, 在语义层面上实现了模糊色彩渲染, 渲染得到的色彩也更符合人的心理感知. 不过, 这些方法至今还未应用于模拟艺术家的色彩思维, 也未运用于NPR 领域.马赛克渲染风格方法 (晶格化马赛克(crystallizationmosaic)、古风马赛克(ancient mosaic))中, 晶格化马赛克采用计算几何方法和图像处理技术相结合进行处理, 得到类似彩色玻璃的效果.古风马赛克充分保留了源图像信息, 着色的碎片形状大小多样. 这2 种都是模仿传统马赛克艺术,在马赛克碎片排布上做研究. Faustino 等对基本的马赛克分割思想进行了改进, 得到的马赛克图像具有边缘信息. Hausner使用重心Voronoi 图重现拟真的古代马赛克风格. 陈中贵等基于测地距离度量下的Voronoi 图结构, 提出一种保特征的自适应马赛克图像生成方法. Han 等提出一种在移动设备上实时、快速地生成彩色纸形状的马赛克的方法. 上述马赛克技术大多侧重于对马赛克碎片的分割方法、形状、大小、排列方式和算法效率的研究, 只有极少研究关注于颜色调整对生成的马赛克图像视觉效果的影响. 通常取源图像对应像素进行赋色, 且采用较简单传统的颜色校正,如均值调整、方差调整[26]. 这些技术没有涉及如何模仿艺术家思维对马赛克碎片赋色, 但其中对于图像的区域剖分技术可用于模拟艺术家对画面的结构进行观察与分析的技巧, 因此可结合模糊色技术, 对画家的绘画思维过程进行完整模拟.

2 技术框架及实现

示意了本文的系统框架: 虚线框内为系统的主流程, 虚线框外左侧示意系统流程与艺术家的创作过程的对应关系, 虚线框外右侧表达了原形系统的交互接口.本文技术均围绕基于模糊色彩的马赛克模型展开, 其主流程读取用户指定的一幅图像, 经过图像的模型转化、图像赋色策略和图像渲染, 得到风格化的马赛克图像.上述流程模仿了艺术家的创作过程. 其中三角剖分与模糊色彩识别模仿了艺术家的观察方法,相当于艺术家通过分析想象获得的主观图像分区和色彩构成; 而图像赋色策略模仿了艺术家创作时的主观赋色.

2.1 图像赋色策略

艺术家在对画面赋色时并不会完全再现最初的主观色彩印象, 而是会采取主观变色处理, 并往往会尝试不同色彩搭配效果; 然后从中选取满意的配色效果, 形成个人的色彩风格. 其中变色方法通常是将色彩在其同一色系范围内随机变化. 这种随机性在不同艺术家的创作中又具有不同的特性, 相当于每个艺术家采取了具有个人特色的概率密度函数来随机变色. 本节的图像赋色策略模仿了艺术家创作的主观赋色, 并基于每个三角面片的模糊色彩, 采取随机化的色彩搭配对应艺术家思维. 用户可从得到的一系列赋色策略中选择最符合自身偏好的策略参数.

在模糊色彩空间CDV 中, 代表色c 决定色彩所处的语义环境, 隶属度d 和三维向量v 的不同决定了同一色彩语义对应多种色彩值. 本节利用模糊色彩这一特性, 分别构造针对隶属度d 和三维向量v 的函数作用于三角面片, 从而更改三角面片顶点的模糊色彩值.

3 实验结果分析

本文基于OpenFrameworks 框架, 用C++语言实现了马赛克渲染原型系统. 系统可以通过更改赋色策略, 快速生成大量不同风格的马赛克图像.用户可以从中挑选符合自身艺术审美的方案, 并且可以查看每一种渲染结果采取的赋色策略, 2450M CPU-从而了解并学习到这种赋色方式.本节介绍了赋色策略组的参数分析、模拟艺术家主观化赋色思维的可行性分析. 实验环境为IntelCore i5 2.50 GHz, 4 GB RAM. 所有实验图像均不超过600×600 的大小, 细分度预设位Td={1200, 600, 100}, 平均运行时间为3.2 s.

3.1 赋色策略组的参数分析

模糊赋色策略参数组{ε, λ, η, μ}中, ε 和λ 作用于隶属度d, 决定实际绘画渲染中色彩的鲜艳度; η和μ 作用于三维向量v, 决定实际渲染中色彩的偏向性. 色彩的偏向性由其所属代表色和其在图4 所示三维空间所处的位置所决定. 例如, 由图6 中示例点(紫色, 0.2, (0.9, 0.3))与代表色质心所处关系可知, 示例点色彩偏向灰色和橙色, 因此,-0.3, 要通过实际空间对应关系才能具体分析色彩的偏向性.下面对一系列模糊赋色策略参数进行实验,以展现这些参数的赋色效果. 以下每个实验结果都是由同一组策略参数对图像所有三角面片的CDV 值进行处理, 且保证了相同细分度T={1200,600, 100}.

3.1.1 ε 值和λ 值变化对图像的影响

因为ε 值的变化结果和λ 值相似, 实验中只选取了对λ 值变化的图像结果, 用以分析ε 和λ 值.表2 和图9 a~9i 组分别比较了ε, η, μ 相同的情况下, λ=0.1, 0.5, 1 的图像渲染情况. 3 组图像表明,λ 对图像起一定变化作用: 在相同代表色和同一向量方向上, λ 值越小, 图像色彩越明亮; λ 值越大,图像色彩越暗.

3.1.2 η 值变化对图像的影响

9j~9l 组分别比较了ε λ, μ 相同的情况下, η=0.1, 0.5, 1 的`图像渲染情况. 图像表明, 在相同代表色和同一向量方向上, η 值越大, 图像色彩越明亮; η 值越小, 图像色彩越暗. 且在η 大于某一个值后图像变化不太明显, 因此本文在辅助系统中选取作为η 的变化范围.

3.1.3 μ 值变化对图像的影响

9m~9t 组分别比较了在ε_, λ, η 相同的情况下不同向量μ 值对图像的影响效果. 实验使用了8 个代表不同方向的参数组, 通过表2 和图9可以得知,向量μ 的不同取值影响图像效果显著:在相同代表色和相同隶属度的情况下, 图9m 色调偏淡偏粉, 图9n 主色调偏黄, 图9o 和9r 主色调偏绿, 图9p 主色调偏蓝, 图9q 主色调偏紫, 图9s 主色调偏红, 图9t 主色调偏深绿. 向量主要由实际代表色所在三维空间位置所控制, 因此, 可根据对应表图上的μ 值选择相近取值, 从而得到相近的图像渲染效果. 更多不同向量对图像的影响有待用户探索.

3.1.4 小结

上述对比分析很好地体现了艺术家赋色中的主观变色, 并进一步得出, 在模糊赋色策略参数组__策略组中的ε 或λ 值; 若要更改图像的主色调, 则根据空间结构调节η 和μ 值; 对于如何精确选取色彩偏向性, 原型系统中提供代表色的可视化关系位置可供用户选择.通过上述数据对比, 本节也进一步确定了2.4节中的所提到的{ε, λ, η, μ}参数范围.

3.2 模拟艺术家主观化赋色思维的可行性

3.2.1 模拟艺术家色彩思维的方法

由于艺术家创作时不采用单一的赋色策略,模拟艺术家的赋色思维更确切地体现在模拟他们的代表作品的赋色策略. 如图10 所示印象派画家莫奈就曾用不同的赋色效果描绘相同光照下的相同景物(图中对相同的睡莲进行了不同的赋色描绘). 实验图像局限由于实验图像内容、色彩与艺术家原始景物有所区分, 且不同实验图像存在不同的色彩偏向, 例如, 图13d 的原图中花朵偏红, 图13e 的原图偏蓝,于是添加相同的赋色策略后产生的渲染色彩会有所不同. 相比而言, 图13f 的原图和艺术家原图色彩偏向较一致, 因此在色彩相似性上优于其他的实验图像效果.

1) 实验图像的模拟程度

根据可知, 每幅图对应的赋色策略均高于5 分, 即全部达到了“基本符合”的程度, 部分图像赋色策略平均相似程度分数高达8 分左右, 全部样本的平均相似程度在6.43, 数据的方差总体比较平均. 因此, 上述数据能够证实, 本文赋色策略组好地模拟了艺术家的色彩思维.

2) 赋色策略组的广义性

因为10 幅作品来自不同的艺术家, 且模拟赋色策略都能较好地模拟作品, 由此证实本文的模拟赋色策略组是可以在广义上模仿不同艺术家的不同作品的色彩风格.

3) 模糊色彩集划分的局限

在生成的作品中, 有些位置的色彩过大地偏离了其对应的模糊色概念; 其中重要原因是当前的模糊色彩集定义在RGB 空间. 目前有关模糊色的研究中, 大都是在RGB 色彩空间中定义模糊色彩集, 本文采用Soto-Hidalgo 的模糊色彩分类方法亦是如此, 还较少尝试在其他色彩空间中定义. 然而, RGB 空间并不具有视觉等距的属性, 因此, 生成的11 个模糊色彩集范围与艺术家认知的色彩就会有较大差异.

3.2.4 小 结

本节主要印证了本文赋色策略组可以模拟出多种不同经典作品的赋色策略, 和能够广义地模拟不同艺术家的赋色思维. 也存在一些局限, 包括本文并未能够实现直接从艺术家的作品中识别出它的真实赋色策略, 因此不涉及从经典作品提取出赋色策略的技术; 在实验图像选取过程中存在色彩偏向的局限, 导致图像渲染效果不一致.