基于直方圖的水墨畫藝術(shù)風(fēng)格研究

盛家川

天津財(cái)經(jīng)大學(xué)理工學(xué)院，天津 300200

◎博士論壇◎

基于直方圖的水墨畫藝術(shù)風(fēng)格研究

盛家川

天津財(cái)經(jīng)大學(xué)理工學(xué)院，天津 300200

基于內(nèi)容的照片或自然圖像分析和檢索已經(jīng)得到廣泛的研究，但多數(shù)都基于顏色特征，不能直接用于水墨畫藝術(shù)作品的分析。對圖像進(jìn)行預(yù)處理，提出基于灰度直方圖描述水墨畫筆道力度分布信息及構(gòu)圖風(fēng)格，并利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)水墨畫整體技法風(fēng)格特征，依據(jù)此特征進(jìn)行不同藝術(shù)家間的分類。實(shí)驗(yàn)結(jié)果表明，通過對整體風(fēng)格特征的提取，直方圖模型能夠有效表征畫家不同的藝術(shù)風(fēng)格，實(shí)現(xiàn)了水墨畫的自動分類。

水墨畫；特征提??；BP神經(jīng)網(wǎng)絡(luò)；直方圖

1 引言

隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的水墨畫出現(xiàn)在網(wǎng)絡(luò)中。如何方便地檢索和分類水墨畫成為近年來科學(xué)研究的熱點(diǎn)。中國畫不同于西方的藝術(shù)，其形成借助于中國的毛筆，墨汁，水和色彩。由于中國畫主要是以線為造型之基礎(chǔ)，而西方畫強(qiáng)調(diào)用光表現(xiàn)物體神態(tài)活現(xiàn)，這就使中西繪畫在造型手段上有明顯之分別[1-2]。所以一些已有的針對西方畫的研究不能直接用于水墨畫的分析中。近年來，一些文獻(xiàn)對中國畫進(jìn)行了研究。高眾等[3]通過提取顏色和紋理特征，區(qū)分國畫和非國畫，并將國畫進(jìn)一步分類為工筆、寫意、勾勒、設(shè)色四種表現(xiàn)形式。Jiang等[4-5]以顏色直方圖、顏色連續(xù)向量、紋理特征、邊緣尺寸直方圖等作為低級圖像特征，用C4.5決策樹的方法來區(qū)分國畫和非國畫，并采用ESH和AC相結(jié)合的方法，運(yùn)用SVM將國畫進(jìn)一步分類為工筆和寫意。但是，由于水墨畫不用色或少用色，故以上基于顏色特征提取的分類算法，不適合針對水墨畫的研究。呂鵬[6]學(xué)習(xí)水墨作品各個局部的技法風(fēng)格特征，并將這種特征賦予另外一幅畫，體現(xiàn)出被賦予的“藝術(shù)風(fēng)格特征”。而本文注重研究水墨畫的整體藝術(shù)風(fēng)格分類，故該方法也不適用。

本文提出一種利用計(jì)算機(jī)分類檢索技術(shù)，通過圖像處理的手段提取水墨畫的藝術(shù)風(fēng)格特征的算法，以智能地識別和分類畫家水墨畫的藝術(shù)風(fēng)格。

2 水墨畫藝術(shù)風(fēng)格分析

無論是西方油畫還是中國畫的藝術(shù)珍品，都蘊(yùn)藏著藝術(shù)家獨(dú)特個性的構(gòu)圖理念或者典型筆畫的創(chuàng)作風(fēng)格。在西方藝術(shù)畫中，許多印象派大師都是根據(jù)典型的一筆或幾個筆畫，形成了自己獨(dú)特的創(chuàng)作風(fēng)格。例如，梵高運(yùn)用其獨(dú)特的點(diǎn)彩畫法來表現(xiàn)與世界之間的一種極度痛苦但又非常真實(shí)的關(guān)系。再比如，法國新印象派畫家修拉用小圓點(diǎn)和純色色點(diǎn)進(jìn)行點(diǎn)彩的方法進(jìn)行繪畫，形成了其代表性的筆觸風(fēng)格[1]。

同樣地，許多中國藝術(shù)家也都具有其標(biāo)志性的獨(dú)特筆觸特征。鄭板橋和劉旦宅雖然同畫竹子，但其藝術(shù)風(fēng)格迥異。劉旦宅畫竹，融工筆、線描、潑墨為一體，古樸脫俗。鄭板橋繪墨竹的風(fēng)格，忽濃忽淡，干濕并用。畫瘦葉、小葉多用中鋒，肥葉則多用側(cè)鋒[1]。

因此針對水墨畫自身特點(diǎn)的藝術(shù)風(fēng)格分析在圖像分類的研究中尤為重要。對書畫作者來說，每個人由于執(zhí)筆方式、書畫習(xí)慣、運(yùn)筆的遲速輕重、筆鋒的轉(zhuǎn)折變化以及墨色的濃淡干濕等各不相同，都會形成其獨(dú)特的筆墨性格和形態(tài)。

3 水墨畫整體藝術(shù)風(fēng)格特征提取及分析

3.1 基于灰度直方圖的整體風(fēng)格分析

近年來，基于顏色的藝術(shù)作品檢索和分類被廣泛研究。但考慮到以下因素，本章只采用像素的亮度信息，作為圖像分類的基礎(chǔ)。

（1）由于大多數(shù)水墨畫不用色或少用色，強(qiáng)調(diào)“墨即是色”，突出水墨互滲所造成的豐富的表現(xiàn)效果，以體現(xiàn)自然的意趣，故顏色在水墨畫分類研究中不是一個必要因素。

（2）即使水墨畫中會用到顏色，也只是有限幾種顏色，無法充分提供畫家的風(fēng)格特征。

（3）由于水墨畫歷史悠久，創(chuàng)作時間早，放置時間長久會使顏色發(fā)生扭曲。

（4）排除顏色因素，而只采用灰度直方圖進(jìn)行分類，便于觀測該算法的運(yùn)行效果。

綜上，為剔除顏色的影響，首先對輸入的水墨畫進(jìn)行灰度變換的預(yù)處理。

水墨畫的風(fēng)格特征主要表現(xiàn)在筆墨技法、形象、字體、構(gòu)圖等方面，它與特定的書畫方式、工具材料、思想文化等有關(guān)。對書畫作者來說，每個人由于執(zhí)筆方式、書畫習(xí)慣、運(yùn)筆的遲速輕重、筆鋒的轉(zhuǎn)折變化以及墨色的濃淡干濕等各不相同，都會形成其獨(dú)特的筆墨性格和形態(tài)。

水墨畫非常講究空白的布置和物體的“氣勢”，既用焦點(diǎn)透視法，也用散點(diǎn)透視法；既有嚴(yán)守真實(shí)的畫面空間和布白，也有打破真實(shí)按構(gòu)圖需要而平列的空間和布白。這些留白的特點(diǎn)和獨(dú)特的“氣勢”都是通過整幅畫卷的筆墨分布情況來具體體現(xiàn)出來的[1，7]。因此，研究水墨畫的筆墨力度分布特征可以很好地捕捉和分析不同畫家的整體水墨畫藝術(shù)風(fēng)格。

中國畫家主要依靠不同的線條力度，或者以輕重緩急筆觸所表現(xiàn)出的層次豐富的布局，在他們的作品中表達(dá)不同的外觀和情感。筆觸的力度、寬度、分布密度等信息能夠用來辨別藝術(shù)風(fēng)格，比如一件藝術(shù)作品的筆觸是否細(xì)膩、粗獷或是整齊劃一。因此，在判別藝術(shù)家風(fēng)格時筆觸信息起著決定性作用，不同藝術(shù)家用墨方式的不同決定了他們的筆觸力度等信息千差萬別。

受到圖像處理技術(shù)相關(guān)文獻(xiàn)的啟發(fā)[8-12]，進(jìn)行了實(shí)證研究，通過提取簡單的灰度直方圖代表整體的特征。發(fā)現(xiàn)灰度直方圖能有效描述筆畫力度分布信息、空白的布置和物體的“氣勢”，在中國畫的自動分類方面有很好的應(yīng)用潛力，圖1顯示不同藝術(shù)家整體風(fēng)格有明顯差異。徐悲鴻和劉旦宅在灰度級230～250附近出現(xiàn)明顯的波峰值，驗(yàn)證了他們的構(gòu)圖風(fēng)格中習(xí)慣使用大塊的留白。另外，徐悲鴻作畫最具代表性的特點(diǎn)是其擅用手畫曲線的技術(shù)在馬的頭、頸、腹部、腿、蹄用厚重濃密的筆觸進(jìn)行勾勒，力透紙背。這一點(diǎn)與圖1中灰度級為10附近徐悲鴻的曲線中有明顯的小波峰相吻合，印證了徐悲鴻擅用著墨力度大、粗線條的筆觸用墨汁勾勒出精確的輪廓。相比之下，黃公望作畫基本不留白，如圖2（c）所示，黃公望用墨呈現(xiàn)出一種精細(xì)分散的均勻分布態(tài)勢，這恰恰與他的用墨風(fēng)格相吻合。黃公望作畫喜好用平滑的線條，大范圍的潑墨，書法的風(fēng)格寫意，巖石形狀豎直、平行，水面紋理細(xì)膩。

圖1 基于直方圖的不同畫家的整體風(fēng)格對比圖

圖2 藝術(shù)家風(fēng)格代表作品

綜上分析，直方圖能夠很好地反映出不同藝術(shù)家藝術(shù)風(fēng)格的差異?；谝陨系膶?shí)驗(yàn)分析，本文提出一種基于灰度直方圖的水墨畫整體風(fēng)格特征提取的方法。此算法從整體的著墨力度、筆畫分布、畫面布局信息來描述一幅水墨畫的整體特征，并依據(jù)此特征進(jìn)行不同藝術(shù)家間的分類。具體算法如下：

令{R1，R2，…，Ri，…，RT}表示在圖像亮度標(biāo)度范圍[0，255]內(nèi)的T個灰度級，水墨畫整體特征提取如下：

Ci是灰度級為Ri亮度標(biāo)度范圍內(nèi)的圖像中的像素?cái)?shù)，W×H代表圖像尺寸。T控制直方圖灰度級個數(shù)，即整體特征提取的維數(shù)，由實(shí)驗(yàn)本文取T=60得到較好的特征便于分類。

3.2 BP神經(jīng)網(wǎng)絡(luò)

訓(xùn)練神經(jīng)網(wǎng)絡(luò)是為了逼近期望的決策函數(shù)。Hornik等[13]已經(jīng)證明，三層網(wǎng)絡(luò)在隱層中使用S型傳輸函數(shù)，在輸出層中使用線性傳輸函數(shù)，就幾乎可以以任意精度逼近任何感興趣的函數(shù)，只要隱層中有足夠的單元可以使用。由此，本文選擇三層網(wǎng)絡(luò)的BP神經(jīng)網(wǎng)絡(luò)模型。

下面確定每一層的神經(jīng)元節(jié)點(diǎn)數(shù)。首先考慮輸出層輸出的數(shù)據(jù)，風(fēng)格學(xué)習(xí)系統(tǒng)的輸出數(shù)據(jù)個數(shù)為1，即輸出某個畫家標(biāo)簽。由于輸出數(shù)據(jù)個數(shù)與輸出層個數(shù)相等，故本文得到輸出層的神經(jīng)節(jié)點(diǎn)數(shù)為1。

在實(shí)際應(yīng)用時，綜合考慮計(jì)算速度、誤差等因素后，以精度要求作為網(wǎng)絡(luò)性能評估指標(biāo)，確定一個合理的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)[14-15]。實(shí)驗(yàn)中，隱含層節(jié)點(diǎn)數(shù)按以下公式計(jì)算。

上式中，pk為隱含層節(jié)點(diǎn)數(shù)，pm為輸入數(shù)據(jù)個數(shù)，pn為輸出層節(jié)點(diǎn)數(shù)，c為常數(shù)，通常c=1，2，…，10。為了計(jì)算隱層節(jié)點(diǎn)數(shù)，需要先確定輸入數(shù)據(jù)的個數(shù)。輸入數(shù)據(jù)（即特征提取器抽取的特征參數(shù)集合）的個數(shù)pm=60，pn=1，可以通過公式（2）得出pk=7，8，…，16。

利用BP神經(jīng)網(wǎng)絡(luò)對國畫藝術(shù)風(fēng)格研究通過兩個階段實(shí)現(xiàn)：

（1）根據(jù)選擇的具有代表性的水墨畫訓(xùn)練集樣本數(shù)據(jù)，對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

（2）將訓(xùn)練好的BP網(wǎng)絡(luò)作為藝術(shù)風(fēng)格分類器對測試集中的水墨畫進(jìn)行藝術(shù)風(fēng)格分類。

4 實(shí)驗(yàn)結(jié)果及分析

為了評估本文提出的算法，建立了水墨畫數(shù)據(jù)庫，其數(shù)據(jù)全部采集自天津美術(shù)學(xué)院，并從數(shù)據(jù)庫中隨機(jī)選取5位畫家每人40幅進(jìn)行分類實(shí)驗(yàn)，從元朝至現(xiàn)代時期包括徐悲鴻，吳昌碩，黃公望，鄭板橋，劉旦宅五位藝術(shù)家。其中對每一個畫家，其所有水墨畫被分成對等的兩部分，分別作為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)，從而保證實(shí)際的測試中，輸入的水墨畫是分類器沒有學(xué)習(xí)過的。

另外值得注意的是，在構(gòu)建神經(jīng)網(wǎng)絡(luò)過程中，增加隱層節(jié)點(diǎn)數(shù)可以減少訓(xùn)練誤差，但超過13以后測試誤差產(chǎn)生波動，即泛化能力發(fā)生變化。根據(jù)經(jīng)驗(yàn)，綜合比較各個神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差和測試誤差，決定隱層節(jié)點(diǎn)數(shù)選用13。下面專門考察隱層節(jié)點(diǎn)數(shù)為13的神經(jīng)網(wǎng)絡(luò)。

本文采用查準(zhǔn)率和查全率來評價(jià)算法的執(zhí)行結(jié)果。為給出較全面的實(shí)驗(yàn)結(jié)果，除了利用BP神經(jīng)網(wǎng)絡(luò)（ANN），本文還對其他兩種常用的機(jī)器學(xué)習(xí)方法包括決策樹（C4.5）和支持向量機(jī)（SVM）進(jìn)行測試和對比實(shí)驗(yàn)，如表1所示。

表1 水墨畫整體藝術(shù)風(fēng)格分類結(jié)果

由表1分析可知，基于直方圖提取出的整體技法風(fēng)格特征描述符能夠有效地識別和分類中國畫。對比實(shí)驗(yàn)結(jié)果表明在此實(shí)驗(yàn)中基于ANN方法所取得的查準(zhǔn)率0.766和查全率0.74，均優(yōu)于其他兩種被比較的分類器。

另一方面，為了驗(yàn)證算法的通用性，實(shí)驗(yàn)數(shù)據(jù)中特意加入了一些藝術(shù)家畫同種類事物的水墨畫作品，如圖2（b）和圖2（c）所示，分別為劉旦宅和黃公望的山水畫，雖然作品內(nèi)容相近，但兩位畫家由于不同的用筆技法體現(xiàn)出不同的風(fēng)格特征。如圖3所示，基于直方圖的特征提取算法能夠很好地描述出兩位畫家的不同作畫風(fēng)格。黃公望的山水畫皴點(diǎn)多而墨不費(fèi)，設(shè)色重而筆不沒，這與圖3中灰度級150附近黃公望的曲線出現(xiàn)明顯波峰值相吻合。而劉旦宅在灰度級30和240附近出現(xiàn)波峰值，印證了他融工筆、線描、潑墨為一體的作畫風(fēng)格。實(shí)驗(yàn)表明，本文提出的算法對不同畫家內(nèi)容相似的作品也具有很好的識別能力，驗(yàn)證了算法的通用性。

圖3 劉旦宅和黃公望山水畫整體風(fēng)格對比圖

5 結(jié)論

本文針對水墨畫整體藝術(shù)風(fēng)格提出了相應(yīng)的特征提取算法，并建立了水墨畫藝術(shù)風(fēng)格分類的BP神經(jīng)網(wǎng)絡(luò)模型，在用樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練獲得網(wǎng)絡(luò)參數(shù)后，將網(wǎng)絡(luò)模型用于分類水墨畫的整體筆墨力度分布特征，得出畫家識別結(jié)果。實(shí)驗(yàn)結(jié)果表明，直方圖模型能夠有效地識別不同藝術(shù)風(fēng)格的畫家。在后續(xù)研究中，還可以找出水墨畫低階特征與情感的映射關(guān)系，實(shí)現(xiàn)水墨畫的情感分類。

[1]劉松巖.中國傳統(tǒng)山水畫技法解析：歷代傳世名作步驟圖[M].北京：人民美術(shù)出版社，2006.

[2]甄巍.西洋油畫與中國水墨[M].上海：學(xué)林出版社，2009.

[3]高眾，盧官明.基于內(nèi)容的中國畫識別與分類方法[J].重慶科技學(xué)院學(xué)報(bào)：自然科學(xué)版，2009（1）：116-118.

[4]Jiang S Q，Gao W，Wang W Q.Classifying traditional Chinese painting images[C]//ICICS-PCM，2003：1816-1820.

[5]Jiang S Q，Huang Q M，Ye Q X，et al.An effective method to detect and categorize digitized traditional Chinese paintings[J].Pattern Recognition Letters，2006，27：734-746.

[6]呂鵬.基于神經(jīng)網(wǎng)絡(luò)的中國水墨畫藝術(shù)風(fēng)格學(xué)習(xí)[D].天津：天津大學(xué)，2009.

[7]陳洪綬.中國古代名家作品選粹[M].北京：人民美術(shù)出版社，2011.

[8]Xiang S J，Huang L W.Histogram-based audio watermarking against time-scale modification and cropping attacks[J]. IEEE Transactions on Multimedia，2007，9（7）：1357-1372.

[9]Johnson C，Hendriks E.Image processing for artist identification[J].Signal Processing Magazine，2008，25（4）：37-48.

[10]Sen D，Sankar K.Automatic exact histogram specification for contrast enhancement and visual system based quantitative evaluation[J].IEEE Trans on Image Process，2010，20（5）：1211-1220.

[11]Gonzalez R，Woods R.數(shù)字圖像處理[M].阮秋琦，譯.3版.北京：電子工業(yè)出版社，2011.

[12]Konstantinidis K，Vonikakis V.A center-surround histogram for content-based image retrieval[J].Pattern Analysis and Application，2011，14（3）：251-260.

[13]Hornik K M，Stinchcombe M，White H.Multilayer feed forward networks are universal approximators[J].Neural Networks，1989，5：359-366.

[14]鄭美珠，趙景秀，孫利杰，等.基于模糊熵和BP神經(jīng)網(wǎng)絡(luò)的彩色圖像邊緣檢測[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（33）：187-190.

[15]盛家川.神經(jīng)網(wǎng)絡(luò)在食用香精性能評價(jià)中的應(yīng)用研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（28）：240-243.

SHENG Jiachuan

School of Science&Technology,Tianjin University of Finance and Economics,Tianjin 300200,China

In recent years,content-based retrieval and classification of nature images is widely studied,most of which take advantage of color component.Therefore,such methods are not suitable for IWPs analysis.In this paper,after image preprocessing,grayscale histogram is applied to describing the intensity distribution and compositional style.Based on Back-Propagation（BP）neural networks,Chinese arts are classified by observation and analysis.The experimental results prove that it is feasible to extract global feature based on histogram,and it can achieve high accuracy of automated classification.

Ink and Wash Paintings（IWPs）;feature extraction;BP neural networks;histogram

A

TP751.1

10.3778/j.issn.1002-8331.1211-0118

SHENG Jiachuan.Research on IWPs（Ink and Wash Paintings）artistic style based on histogram.Computer Engineering and Applications,2014,50（21）：1-3.

天津市高?？萍及l(fā)展基金項(xiàng)目（No.20140816）；天津市科技發(fā)展戰(zhàn)略研究計(jì)劃項(xiàng)目（No.12ZLZLZF01700，No.13ZLZLZF04600）。

盛家川（1982—），女，博士，講師，主研方向：圖像處理，機(jī)器學(xué)習(xí)。E-mail：jc_sheng@163.com

2012-11-12

2013-02-18

1002-8331（2014）21-0001-03