應(yīng)用輪廓線擬合提取藍(lán)印花布圖案基元

賈小軍， 鄧洪濤， 滕 姿， 曾 丹

(1. 嘉興學(xué)院 數(shù)理與信息工程學(xué)院， 浙江 嘉興 314001； 2. 嘉興學(xué)院 設(shè)計學(xué)院， 浙江 嘉興 314001；3. 上海大學(xué) 特種光纖與光接入網(wǎng)重點實驗室， 上海 200072)

藍(lán)印花布作為中國最具傳統(tǒng)特色的民間手工藝品，以圖案紋樣造型樸素、粗獷，形式多樣，表現(xiàn)手法簡練，設(shè)計風(fēng)格“筆斷意連”而聞名于海內(nèi)外[1-2]。藍(lán)印花布作為國家非物質(zhì)文化遺產(chǎn)應(yīng)得到更好的傳承與創(chuàng)新。隨著信息技術(shù)的發(fā)展，藍(lán)印花布的數(shù)字化傳承呼聲高漲，數(shù)字化傳承包括藍(lán)印花布的數(shù)字化采集和存儲、數(shù)字化復(fù)原和再現(xiàn)、數(shù)字化展示與傳播、數(shù)字化開發(fā)與創(chuàng)新等[3-4]。數(shù)字化傳承的藍(lán)印花布圖案和通過圖像傳感器采集的圖像具有鮮明的特征[5-7]。藍(lán)印花布圖案包括植物、動物、幾何、文字、符號、器物和人物等題材，以單一、2種或2種以上的題材組合出現(xiàn)。這些圖案以大小、形狀不同的斑點和短線間隔地組成紋樣，以幾何點、線、面為圖案基本元素，通過變化組織而成，形成筆斷意連。

點、線、面是構(gòu)成藍(lán)印花布圖案的基本元素，這些元素的輪廓蘊(yùn)涵了整個作品的信息，提取這些元素的輪廓能夠保留整個作品的結(jié)構(gòu)特點。分離出這些元素，可在此基礎(chǔ)上為重新創(chuàng)作新圖案提供素材，這對藍(lán)印花布的數(shù)字化繼承與創(chuàng)新起著極其重要的作用。

輪廓是物體重要特征之一，用于區(qū)分不同的形狀區(qū)域，在物體檢測中起重要作用，廣泛應(yīng)用于工業(yè)[8-10]、農(nóng)業(yè)[11]、生物醫(yī)學(xué)領(lǐng)域[12-13]。與圖像的其他特征相比，輪廓信息是一個非常穩(wěn)定的特征，相對于照明條件、對象顏色和紋理的變化輪廓信息是不變的，有效地代表了具有較大空間范圍的圖像結(jié)構(gòu)[14-15]。然而，在獲取的原始圖像中，一些重要的形狀輪廓通常被浸沒在紋理豐富或雜亂背景中，僅能觀察到較明顯的局部輪廓區(qū)域，增加了提取難度。傳統(tǒng)的輪廓檢測器主要基于一些低級圖像特征的不連續(xù)性測量，Canny[16]和Arbelaez等[17]利用圖像像素的亮度梯度理論及方法獲取輪廓。梯度信息為局域信息，對圖像噪聲和初始化輪廓敏感，對于復(fù)雜圖像易產(chǎn)生邊界泄露。Chan等[18]提出的分段常數(shù)(CV)模型，能有效地分割含噪聲和弱邊界的圖像，但需要假設(shè)圖像中各區(qū)域灰度是均勻分布的，這種方法其實是一種主動輪廓提取方法。廖祥云等[19]提出了一種引入局部全局信息的區(qū)域自適應(yīng)局域化快速活動輪廓模型，利用灰度分布信息自適應(yīng)地改變局域區(qū)域的半徑大小，進(jìn)而在活動輪廓曲線演化過程中動態(tài)地調(diào)整局域化區(qū)域范圍，以提高分割的準(zhǔn)確性及曲線的演化效率，解決了局部圖像灰度分布不均勻的問題。張桂梅等[20]提出將全局G-L(Grünwald-Letnikov)分?jǐn)?shù)階梯度融合到區(qū)域可調(diào)擬合(region scalable fitting，簡稱RSF)模型中，以增強(qiáng)灰度不均勻和弱紋理區(qū)域的梯度信息，并利用根據(jù)圖像的梯度模值和信息熵構(gòu)建的自適應(yīng)分?jǐn)?shù)階階次以實現(xiàn)輪廓提取，該方法涉及到大量的運(yùn)算，比較耗時。利用信息熵來構(gòu)造自適應(yīng)算子，蔡青等[21]定義了一種新型能量函數(shù)用于輪廓提取。將模糊聚類方法與主動輪廓有機(jī)結(jié)合，孫文燕等[22]提出一種基于模糊主動輪廓的魯棒局部分割方法，利用平均模糊能量函數(shù)，通過對演化曲線進(jìn)行形態(tài)學(xué)膨脹和腐蝕運(yùn)算構(gòu)建窄帶，并在窄帶范圍內(nèi)求解模糊能量函數(shù)的最小值來實現(xiàn)局部分割。但這種分割方法易受模型的初始參數(shù)影響，且缺乏平滑約束，不太容易得到連續(xù)平滑的目標(biāo)輪廓。Tian等[23]利用三角形方法逼近跟蹤的邊界得到輪廓，但生成的輪廓線光滑性還需要加強(qiáng)。

要將獲取的現(xiàn)有藍(lán)印花布圖像的所有圖案基元通過信息處理技術(shù)提取出來，作為后續(xù)創(chuàng)作的素材，圖案基元的輪廓提取是其中的一個重要基礎(chǔ)和關(guān)鍵步驟。本文借助輪廓參考點對藍(lán)印花布圖案基元進(jìn)行曲線擬合優(yōu)化，得到光滑、準(zhǔn)確的輪廓曲線。同時，對圖案基元進(jìn)行分割或填充，成為獨(dú)立的基元子圖像，為藍(lán)印花布數(shù)字化圖案的再創(chuàng)作提供了重要的基礎(chǔ)素材。

1 輪廓提取

1.1 圖案基元輪廓跟蹤

利用圖像采集設(shè)備獲取藍(lán)印花布的數(shù)字化圖像，具有2個重要特點。

1) 顏色高度保真。得益于圖像采集設(shè)備技術(shù)的發(fā)展，采集的圖像顏色失真度小，圖案清晰。藍(lán)印花布有藍(lán)底白花和白底藍(lán)花2種，有時背景摻雜黑色，但整個圖像輪廓分明。

2) 圖像中的圖案基元輪廓統(tǒng)一，線條清晰，邊界大都圓潤光滑，有少量突兀，并伴有少量污點。

為實現(xiàn)藍(lán)印花布圖案中各基本圖元的輪廓跟蹤，需對圖像進(jìn)行二值化。首先將獲取的初始圖像轉(zhuǎn)變?yōu)榛叶葓D像，然后利用文獻(xiàn)[23]計算出分割閾值T∈(0,255)，用式(1)實現(xiàn)灰度圖像的二值化。

(1)

式中：f(x,y)為初始圖像在像素坐標(biāo)(x,y)處的灰度值；F(x,y)為二值圖像像素的值，其值為1表示該像素是圖案基元中的一個像素，其值為0表示該像素不是目標(biāo)像素。

藍(lán)印花布圖像二值化后，某個像素是否為某個基元輪廓的依據(jù)為：如果1個像素非零并且與其連通的區(qū)域至少有1個零像素，則該像素位于輪廓線上。采用八連通域，檢測每個像素和其鄰域的狀態(tài)可以確定輪廓。輪廓線是由若干像素點構(gòu)成，且按一定的方向自動排序(如逆時針)。假設(shè)每張藍(lán)印花布圖像中有k個圖案基元，每個基元產(chǎn)生1個輪廓，整張二值化后的藍(lán)印花布將產(chǎn)生k個輪廓，可用式(2)表示1張藍(lán)印花布圖像中所有圖案基元的輪廓。

(2)

1.2 輪廓優(yōu)化

藍(lán)印花布圖案基元的輪廓是由有向像素點構(gòu)成的，是一種初始輪廓線，具有以下特點：輪廓線由單像素組成；由于圖案基元在手工制作中可能存在突兀，例如邊角突出、孤點、重疊等，導(dǎo)致輪廓線不光滑，甚至為偽輪廓。這里的孤點指輪廓線上的像素極少，非需要的圖案基元輪廓需要剔除。在圖像數(shù)字化過程中，可對圖案基元的初始輪廓進(jìn)行改善，以使輪廓線光滑、美觀。借助均值方法，提出一種輪廓線擬合優(yōu)化方法。

給定一個整數(shù)r，稱其為跨度(與當(dāng)前點相隔的像素數(shù))，并且假設(shè)Ip為得到的初始輪廓線Ci中有序像素的索引值，新的輪廓線CNi中的像素坐標(biāo)值滿足式(3)，其中N為新的輪廓線的個數(shù)。

(3)

圖1 藍(lán)印花布圖案基元提取過程Fig.1 Processing of extracting image elements for blue calico. (a) Plant pattern; (b) Binarization; (c) Contour with serial number; (d) Sub images of image elements; (e) Enlarged image elements

式中：(xi,yi)表示輪廓線Ci中索引值為i的像素的坐標(biāo)；Round (·)為四余五入函數(shù)；(xIp,yIp)表示輪廓線CNi中索引值為Ip的坐標(biāo)，且F(xIp,yIp)=1。

至于孤立點，可在提取輪廓時設(shè)定一個閾值K，將輪廓線線的像素數(shù)目小于這個閾值的輪廓剔除，其定義如下：

(4)

式中：Num(·)為統(tǒng)計輪廓線上的像素個數(shù)；CNl為新生成的第l個輪廓。

2 圖案基元提取

圖案基元的提取過程是根據(jù)得到的帶有序號的輪廓圖像，將其按序號順序截取，生成獨(dú)立的基元子圖像并進(jìn)行保存，形成基元子圖庫，為藍(lán)印花布的再創(chuàng)新設(shè)計提供數(shù)字化素材?；獔D像區(qū)域的大小由其輪廓線像素的坐標(biāo)確定，矩形區(qū)域的寬度等于輪廓線像素的x坐標(biāo)的最大值與最小值之差；高度等于輪廓線像素的y坐標(biāo)的最大值與最小值之差。整個藍(lán)印花布圖案基元提取過程如圖1所示。

由圖1可知：圖1(a)為藍(lán)印花布初始圖像，是一張植物紋樣的藍(lán)底白花圖案；經(jīng)過圖像預(yù)處理，得到二值化圖像，如圖1(b)所示；調(diào)用輪廓跟蹤方法，得到二值圖像中各圖案基元的輪廓，利用本文提出的方法進(jìn)行輪廓擬合優(yōu)化，生成帶有序號的圖案基元輪廓，如圖1(c)所示，圖1(c)右側(cè)的圖像為左側(cè)的局部放大圖，可清晰地看到各圖案基元的輪廓線及其輪廓序號；根據(jù)輪廓序號，按序生成基元子圖文件，如圖1(d)所示，圖1(d)右側(cè)的圖像為左側(cè)選中區(qū)域的放大圖像，可清楚地觀察到各基元子圖文件名及基元形狀。為能夠更清晰地觀察藍(lán)印花布中各圖案基元的處理效果，圖1(e)給出了4個圖案基元，其中：第1行第1個圖案基元為專家手工提取的原始基元，第2個圖案基元為二值化結(jié)果，帶有明顯的鋸齒邊緣；第2行第1個圖案基元為輪廓擬合優(yōu)化后的帶序號的圖案基元，第2個圖案基元為提取的優(yōu)化后的圖案基元，邊緣光滑、清晰。

3 結(jié)果與分析

為對藍(lán)印花布圖像的基本圖元進(jìn)行提取，同時分析本文方法的有效性，選取部分掃描后形成的藍(lán)印花布數(shù)字圖像為實驗對象進(jìn)行驗證。實驗中的藍(lán)印花布來自文獻(xiàn)[24]，并采用專家手工分割結(jié)果作為基準(zhǔn)，如圖2所示。實驗的計算機(jī)環(huán)境為：Intel core i7，主頻3.4 GHz，Windows 7操作系統(tǒng)，64位，Microsoft Visual Studio 2008，MatLab R2015b。

圖2 藍(lán)印花布紋樣Fig.2 Patterns of blue calico. (a) Single pattern; (b) Geometric pattern; (c) Flower basket pattern; (d) Text pattern; (e) Plant pattern

將本文方法與Canny、文獻(xiàn)[19]和文獻(xiàn)[23]中提出的輪廓提取方法用于藍(lán)印花布圖案基元的提取，并對其結(jié)果進(jìn)行分析。圖3示出本文方法同其他3種方法在圖2所示5張典型的藍(lán)印花布圖像上的圖案基元提取的結(jié)果。其中，圖3中4個分圖中的A～E表示5張藍(lán)印花布圖像的提取結(jié)果，分別對應(yīng)于 圖2(a)～(e)中的初始圖像。為觀察每種方法提取的效果，在每種方法的右側(cè)給出了提取結(jié)果的局部放大圖，可清晰看到提取的輪廓及輪廓序號，便于了解其光滑特征。并對提取出來的圖案基元輪廓用相應(yīng)的數(shù)字序號進(jìn)行標(biāo)注，表明提取的順序。圖案基元輪廓的提取在圖像上按從左到右、從上到下的順序依次進(jìn)行。

圖4示出了采用4種方法對給定的5組藍(lán)印花布圖像提取圖案基元子圖的結(jié)果。因篇幅關(guān)系，每張圖像的每種方法僅給出16個圖案基元子圖(黑色邊框線包圍而成的矩形框中的各個子圖)。實際上每張圖像生成的圖案基元數(shù)量不止16個，這些基元子圖依次用文件名SImg01.jpg～SImg16.jpg進(jìn)行表示及存儲，對應(yīng)于圖3中各圖案基元的輪廓序號，并且圖4中顯示基元子圖文件時省略了擴(kuò)展名。在分析圖4中生成的基元子圖時，以矩形框為單元：行對應(yīng)于初始藍(lán)印花布圖像處理的結(jié)果，即第 1～5行分別對應(yīng)于圖2(a)～(e)圖像的提取結(jié)果；列代表采用的方法，即第1～4列分別對應(yīng)采用Canny、文獻(xiàn)[19]、文獻(xiàn)[23]和本文方法提取后生成的基元子圖像。

從圖3、4中可看出，Canny是一種比較簡單的輪廓提取方法，較為準(zhǔn)確、快速，但用在藍(lán)印花布圖案基元提取中，存在輪廓線斷裂、背景分割存在噪點、圖案基元提取失敗的問題。對圖2(a)～(e)圖像提取的圖案基元子圖進(jìn)行統(tǒng)計，分別有7、3、10、10、18個圖案基元的輪廓提取失敗。利用文獻(xiàn)[19]和文獻(xiàn)[23]方法進(jìn)行圖案基元提取，均能正確提取出所有的圖案基元輪廓，但文獻(xiàn)[19]是利用局域化信息提取輪廓，輪廓存在明顯的鋸齒，且這種方法計算耗時；文獻(xiàn)[23]是利用邊界點的三角形方法形成輪廓，在保留關(guān)鍵輪廓點的同時，丟棄了部分輪廓像素，因而輪廓是由一些直線段組成，無法準(zhǔn)確、完整、光滑地展現(xiàn)圖案基元的輪廓。綜合分析圖3、4以及圖1(e)的結(jié)果，利用本文提出的方法得到的輪廓線準(zhǔn)確、光滑、圓潤，保留了各圖案基元輪廓像素的特征。

圖3 本文方法同其他3種方法對圖2所示的5張藍(lán)印花布圖案基元的輪廓提取結(jié)果Fig.3 Extracting results of contours of image elements by using our method and other three methods for five blue calico images(Fig.2). (a) Canny method; (b) Reference [19]method; (c) Reference [23] method; (d) This paper′s method

注：圖中第1～5行分別對應(yīng)圖2所示5張藍(lán)印花布。圖4 本文方法同其他3種方法對5張藍(lán)印花布圖案基元提取后生成的基元子圖Fig.4 Generating sub images of image elements after extracting image elements by using our method and other three methods for five blue calico images. (a) Canny method; (b) Reference [19] method; (c) Reference [23] method; (d) This paper′s method

為準(zhǔn)確估計各種輪廓提取算法同專家手工提取效果的定量比較，采用基于面積的DC(dice coefficient)[19]和定義基于輪廓線的CC(contour coefficient)2個評價指標(biāo)進(jìn)行分析，其定義分別如式(5)、(6)所示。

(5)

式中：S1和S2分別代表采用各種輪廓提取算法獲得的結(jié)果和基準(zhǔn)；A(·)表示輪廓所包圍的區(qū)域面積(像素點個數(shù))。DC值越接近于1，表明提取效果越好。

(6)

式中：N(·)表示輪廓線上的像素點個數(shù)。CC值越接近于1，表明提取效果越好。

用于評價指標(biāo)的典型藍(lán)印花布圖像共6張，包括圖2中的5張和圖1中的1張，分別對應(yīng)于表1中的A～F。其相應(yīng)的提取效果如表1所示?？梢缘贸觯合鄬τ趯＜沂止ぬ崛〉膱D案基元輪廓，4種方法得到的DC均接近于1，說明輪廓線所包括的圖案基元形狀非常接近；對于指標(biāo)CC，4種方法差別明顯，這是由其本身算法特性決定的。而本文提出的方法，其DC、CC平均值均高于其他3種方法，提取結(jié)果最優(yōu)。

表1 DC和CC標(biāo)準(zhǔn)下的6張藍(lán)印花布圖案基元輪廓提取的表現(xiàn)Tab.1 Performance of contour extraction of image elements for six blue calico images based on DC and CC

注：F為圖1(a)所示紋樣圖像，表2亦同此。

同時，表2示出4種方法對圖2及圖1中共 6張藍(lán)印花布的圖案基元輪廓提取的計算時間的比較?？梢园l(fā)現(xiàn)，Canny提取效率最高，但由于Canny本身算法的缺陷(部分圖案基元丟失)，該方法不可取。除此之外，采用本文提出的方法的分割效率最高。

表2 4種方法的計算時間Tab.2 Computing time for four methods s

4 結(jié)束語

本文提出通過輪廓線擬合優(yōu)化法提取藍(lán)印花布的圖案基元，作為藍(lán)印花布設(shè)計創(chuàng)新素材的方法。利用圖像處理技術(shù)，包括灰度化、去噪、二值化、輪廓跟蹤，得到藍(lán)印花布圖案基元的輪廓線，通過提出的輪廓擬合方法獲取光滑、完整的輪廓線，最后提取出圖案基元，生成基元子圖。通過和另外3種方法比較，驗證了本文方法的可行性及有效性，為藍(lán)印花布的創(chuàng)新打下基礎(chǔ)。對于藍(lán)印花布的傳承與創(chuàng)新，今后的研究工作主要集中在以下方面：在提取的圖案基元中，很多是相同或相似的，需要設(shè)計分類器將這些圖案基元進(jìn)行分類，形成基元庫；利用基元庫進(jìn)行藍(lán)印花布的再創(chuàng)作，自動生成新的藍(lán)印花布圖案，實現(xiàn)自動創(chuàng)新。