可視媒體交互與合成技術(shù)的融合

王上上　盛欣

摘 要：在數(shù)字媒體技術(shù)快速發(fā)展的背景下，可視媒體迎來(lái)新的發(fā)展機(jī)遇，其中可視媒體交互和合成技術(shù)是近年來(lái)的熱點(diǎn)問(wèn)題。筆者將從交互編輯、畫(huà)質(zhì)增強(qiáng)與無(wú)縫合成三個(gè)角度討論可視媒體交互與合成技術(shù)的融合。

關(guān)鍵詞：可視媒體交互；交互編輯；畫(huà)質(zhì)；無(wú)縫合成

0 前言

人類(lèi)接受的信息有超過(guò)八成來(lái)自于視覺(jué)，因此基于圖像與視頻的可視媒體一直以來(lái)是信息傳播的重要載體。隨著可視媒體交互和合成技術(shù)的發(fā)展與融合，可以實(shí)現(xiàn)更加高效的交互編輯，考慮多種環(huán)境因素，完成高質(zhì)量合成目標(biāo)。

1 可視媒體交互編輯

目前可視媒體交互編輯主要采用圖像軟扣取、顯著性檢測(cè)等技術(shù)。其中軟扣取技術(shù)以三分圖的方式計(jì)算出未知區(qū)域透明度，從而實(shí)現(xiàn)精確提取。顯著性檢測(cè)技術(shù)基于視覺(jué)注意理論，以從下而上的估計(jì)方式自動(dòng)地提取出感興趣的對(duì)象。這些技術(shù)的應(yīng)用大大緩解人工交互的負(fù)擔(dān)，降低編輯復(fù)雜程度，并可以達(dá)芙通提高提取精度，可視媒體交互編輯使資源處理更加高效。

1.1 混合式圖像軟摳取

軟摳取是從參數(shù)優(yōu)化角度實(shí)現(xiàn)感興趣對(duì)象精確提取的技術(shù)，在此基礎(chǔ)上可以生產(chǎn)透明度信道，用于無(wú)縫合成。軟摳取技術(shù)屬于欠約束問(wèn)題，由于求解時(shí)需要實(shí)現(xiàn)有效的估計(jì)，因此軟摳取難度往往較大。目前國(guó)內(nèi)應(yīng)用較多的軟摳取方法包括閉形式與魯棒式兩類(lèi)。前者基于局部平滑假設(shè)，后者基于置信度評(píng)價(jià)。魯棒式軟摳取的關(guān)鍵性問(wèn)題是解決平滑假設(shè)違背問(wèn)題，顏色采樣錯(cuò)誤率高?；旌鲜綀D像軟處理是在上述兩種方式基礎(chǔ)上發(fā)展出的技術(shù)，通過(guò)引進(jìn)優(yōu)化參數(shù)，實(shí)現(xiàn)兩種方法優(yōu)勢(shì)的提取。三種軟摳取的結(jié)果對(duì)比如圖1所示?？梢?jiàn)采用混合式摳取方法使得局部平滑違背問(wèn)題和無(wú)效置信度評(píng)價(jià)均不再出現(xiàn)。

閉形式軟摳取的優(yōu)點(diǎn)在于連通誤差小，魯棒式軟摳取在絕對(duì)差和、平均平方誤差、梯度誤差與連通誤差四方面均表現(xiàn)較差，而混合式軟摳取絕對(duì)差和最小，且有更小的梯度誤差。

1.2 基于軟摳取相似度的圖像編輯傳播

圖像編輯傳播的方法得以為用戶(hù)提供直觀的交互接口，并進(jìn)行粗略編輯?；谙嗨贫饶Ｐ偷木庉媯鞑ゴ蠖嗖捎弥赶蛴诒粯?biāo)記的像素或者高相似度像素兩種編輯策略，而下文的基于軟摳取相似度的圖像編輯傳播能夠獲得完整的編輯圖，從而得到高水平表面特性調(diào)整，直觀上實(shí)現(xiàn)更佳亮度特性等。

基于軟摳取相似度的圖像編輯傳播的能量方程由數(shù)據(jù)項(xiàng)與傳播項(xiàng)兩項(xiàng)組成，分別對(duì)應(yīng)用戶(hù)標(biāo)記策略與高相似度策略。這種圖像編輯傳播方法可以處理界限模糊圖像，從而實(shí)現(xiàn)高質(zhì)量的圖像表面特性調(diào)整。

總而言之，交互編輯的最終目的是降低人工交互復(fù)雜程度，使媒體編輯的準(zhǔn)確度更高。

2 畫(huà)質(zhì)增強(qiáng)

可視媒體交互與合成技術(shù)融合下實(shí)現(xiàn)畫(huà)質(zhì)增強(qiáng)主要是基于銳度增強(qiáng)的，此技術(shù)的運(yùn)用能夠增加邊界區(qū)域?qū)Ρ榷?，還能夠加強(qiáng)細(xì)節(jié)的表現(xiàn)。利用去運(yùn)動(dòng)模糊技術(shù)可以估算得到模糊核，然后以反卷積技術(shù)實(shí)現(xiàn)結(jié)果的精確求解。提取可視媒體銳度特性和運(yùn)動(dòng)模糊并進(jìn)行相應(yīng)處理，能夠基本消除模糊去除問(wèn)題，并改善調(diào)整問(wèn)題，使媒體畫(huà)質(zhì)得到優(yōu)化。銳度增強(qiáng)技術(shù)與去運(yùn)動(dòng)模糊技術(shù)很好地滿(mǎn)足用戶(hù)的畫(huà)質(zhì)需求。

2.1 梯度域內(nèi)邊界保持的圖像銳度增強(qiáng)

所謂圖像銳度增強(qiáng)指的是使銳度特性得到提升的技術(shù)，盡管銳度增強(qiáng)使所有像素均同步增強(qiáng)，但是經(jīng)常受到噪聲的影響。Photoshop可以通過(guò)濾波器使銳度增強(qiáng)，但是噪聲問(wèn)題長(zhǎng)期困擾著用戶(hù)。本文提出的梯度域內(nèi)邊界保持的圖像銳度增強(qiáng)能夠緩解由于同步增強(qiáng)產(chǎn)生的噪聲，通過(guò)平滑的梯度變換保留邊界特征。此銳度增強(qiáng)流程分為銳度特征表示、梯度變換與圖像重構(gòu)三個(gè)步驟。第一部是將局部最大梯度像素作為特征像素，然而針對(duì)特征路徑上所有像素進(jìn)行初始化的梯度變換，最后通過(guò)構(gòu)建能量方程生成結(jié)果。系統(tǒng)流程最為關(guān)鍵的步驟是梯度變換過(guò)程，該過(guò)程直接影響邊界的質(zhì)量。

人們多以視覺(jué)的方式驗(yàn)證銳度增強(qiáng)效果，驗(yàn)證過(guò)程的準(zhǔn)確性很難保證。而基于銳度分布的評(píng)價(jià)模型客觀性更強(qiáng)，通過(guò)此評(píng)價(jià)模型可以有效評(píng)價(jià)不同銳度增強(qiáng)方法的效果優(yōu)劣。第一步是根據(jù)計(jì)算特征路徑銳度的公式，估算出源圖像銳度特征，第二步計(jì)算不同銳度特征圖像銳度分布差異，最后一步是深入分析銳度分布差異。筆者曾對(duì)雙邊濾波器、拉普拉斯濾波器、顯著性濾波器進(jìn)行運(yùn)行性能的評(píng)測(cè)，雙邊濾波器時(shí)間消耗最少。

2.2 面向高質(zhì)量圖像合成的銳度轉(zhuǎn)移

通常在圖像合成工作中，工作人員常常在消除源圖像和目標(biāo)圖像差異時(shí)遇到困難，其中邊界、銳度等因素差異的縮小可以大大提升合成質(zhì)量。通過(guò)實(shí)現(xiàn)銳度估計(jì)、梯度變換、圖像重建與無(wú)縫合成四個(gè)環(huán)節(jié)可以確保源圖像和目標(biāo)圖像銳度特征一致。

3 無(wú)縫合成

可視媒體交互與合成技術(shù)融合下的無(wú)縫合成可以借助于可視媒體克隆技術(shù)充分發(fā)揮邊界插值機(jī)制的作用，直接把感興趣的對(duì)象無(wú)縫合成至媒體中。無(wú)縫合成和黏貼合成技術(shù)有本質(zhì)差別，無(wú)縫合成更大程度地考慮周?chē)h(huán)境特征，從而實(shí)現(xiàn)風(fēng)格、畫(huà)質(zhì)、亮度、色調(diào)等方面的共同提升。

以往在進(jìn)行圖像無(wú)縫合成時(shí)常應(yīng)用泊松圖像克隆法，但是對(duì)場(chǎng)景要求高，否則光照與顏色差異大，除此之外，泊松克隆法還要求標(biāo)注邊界范圍的準(zhǔn)確性，因此基于顏色協(xié)調(diào)的無(wú)縫合成技術(shù)應(yīng)運(yùn)而生。這種圖像無(wú)縫合成方法第一步是摳取感興趣的對(duì)象，構(gòu)建過(guò)渡區(qū)域；第二步是通過(guò)梯度與軟摳取共同形成梯度；第三步把混合式引導(dǎo)向量以參數(shù)優(yōu)化的形式導(dǎo)入泊松克隆方程里?；旌蠀?shù)優(yōu)化是決定合成效果的重要因素，賦予混合參數(shù)0.4可以取得良好效果，同時(shí)提升源圖像與目標(biāo)圖像的顏色特性。通過(guò)軟摳取與泊松克隆的融合，可以有效解決失色現(xiàn)象，合成圖像過(guò)程中可以更好地與周?chē)h(huán)境相互匹配，從而表現(xiàn)更好的顏色特性，提高無(wú)縫合成質(zhì)量。在將可視媒體交互與合成技術(shù)融合的過(guò)程中，必須使源圖像與目標(biāo)圖像再畫(huà)質(zhì)、光照等特性方面實(shí)現(xiàn)統(tǒng)一性，基于均值坐標(biāo)克隆的框架可以避免出現(xiàn)邊界模糊的問(wèn)題。

4 小結(jié)

目前可視媒體交互的發(fā)展仍然有許多瓶頸問(wèn)題需要解決，本文通過(guò)對(duì)關(guān)鍵性技術(shù)的討論，對(duì)可視媒體交互和合成技術(shù)的融合理論完善與技術(shù)創(chuàng)新均有一定參考價(jià)值。

參考文獻(xiàn)：

[1] GASTAL E S L，OLIVEIRA M M . Domain Transform for Edge-Aware Imageand Video Processing[J] . ACM TOG，2011，30（4）.

[2] 張赟.可視媒體交互式編輯與融合研究[D].浙江大學(xué)，2013.

[3] 趙懷棟.數(shù)字技術(shù)推動(dòng)下的后媒體時(shí)代探析[J].新聞知識(shí)，2014（3）：28-29，21.

[4] 劉飛彤.圖像變換與合成技術(shù)的研究[D].中國(guó)科學(xué)院研究生院，2012.