基于灰度融合的彩色圖像漸變設(shè)計(jì)

李雅楠

（西安職業(yè)技術(shù)學(xué)院陜西西安710077）

圖像漸變技術(shù)是一種圖像融合技術(shù)，利用線性插值將圖像交融到一起。目前對于漸變技術(shù)的研究相對較少，取得的成果也不夠豐富，交叉溶解技術(shù)依舊是主要的圖像設(shè)計(jì)技術(shù)，但是在對比度和圖像質(zhì)量上有很大的不足，涉及的計(jì)算量也非常大，尤其是彩色圖像漸變的處理過程繁瑣復(fù)雜。圖像漸變需要從3個方面入手：圖像的特征提取、圖像中間幀的過度、圖像的變形處理[1]。

針對目前彩色圖像漸變技術(shù)的缺點(diǎn)，本文基于灰度融合研究了一種新的彩色圖像漸變技術(shù)，在傳統(tǒng)彩色圖像基礎(chǔ)上進(jìn)行改進(jìn)，漸變共分為兩個過程：首先是彩色圖像轉(zhuǎn)變成灰度圖像，然后利用灰度融合對彩色圖像進(jìn)行漸變。實(shí)驗(yàn)驗(yàn)證了該設(shè)計(jì)的可行性，具有很好的市場利用價值[2]。

1 彩色圖像的灰度圖像轉(zhuǎn)變過程研究

1.1 彩色圖像灰度處理重要性

彩色圖像如果要進(jìn)行漸變處理，首先就要轉(zhuǎn)變成灰度圖像。不同的圖像具有的特征不同，所以圖像漸變處理需要將若干個不同的模型綜合起來，每一次處理呈現(xiàn)遞進(jìn)關(guān)系。圖像的背景特征要比圖像內(nèi)部實(shí)物更加復(fù)雜，建立映射關(guān)系極其困難，如果是直接將彩色圖像融合在一起，將會出現(xiàn)大量的干擾因素，所以將其轉(zhuǎn)變成灰度圖像后，不僅提高了處理速度，也使處理結(jié)果更加精準(zhǔn)[3]。圖像在空間中會受到自然光的影響，圖片上的內(nèi)容也會呈現(xiàn)出較為復(fù)雜的幾何特征，如果在圖像的漸變過程中，忽略了光照的影響，必然會使?jié)u變結(jié)果受到影響。彩色圖像的色彩特征不同，將其灰度處理后，方便整齊劃一的進(jìn)行漸變[4]。

1.2 彩色圖像灰度處理過程

彩色圖像向灰色圖像轉(zhuǎn)變是在RGB模式下將彩色圖像的每個像素轉(zhuǎn)變成灰度像素，即RGB顏色轉(zhuǎn)變成HIS顏色。計(jì)算過程如下：

公式（1）中的R代表色調(diào)分量，G代表飽和度分量，B代表強(qiáng)度分量。需要特別指出的是，轉(zhuǎn)換的RGB像素都要屬于[0，1]的區(qū)間之內(nèi)，根據(jù)公式（1）計(jì)算出不同像素的坐標(biāo)值：

公式（2）中的(x,y)可以代表任何一個圖像像素的橫縱坐標(biāo)值[5]。

在尋找出每個像素的具體位置后，對其進(jìn)行灰度處理。將圖像從一個多尺度、多方向的計(jì)算框架分散開來，選用濾波器對信號進(jìn)行采樣，了解每一組圖像的特征，從而分析灰度圖像處理后的質(zhì)量[6]。

在新的亮度對比模型中，設(shè)立了一個特定閾值Δl，當(dāng)背景的亮度與目標(biāo)的亮度之間的差值大于Δl時，該圖像可以利用韋伯模型計(jì)算出對比度；當(dāng)背景亮度與目標(biāo)亮度之間差值小于Δl時，該圖像可以利用新的模型計(jì)算出對比度。

在明確目標(biāo)與圖像的對比度之后，對彩色圖像進(jìn)行灰度處理，處理變化過程如圖1所示。

圖1 彩色圖像灰度處理過程

根據(jù)感知對比度可以評價出不同的圖像，也可以根據(jù)一個圖形的局部對比度模擬出整個彩色圖像的各個像素值[9]。上述彩色圖像灰度處理過程的每幅圖片各對比度數(shù)據(jù)如表1所示：

表1 彩色圖像灰度處理中不同圖片的數(shù)據(jù)對比度

由表可知，在圖像灰度處理后會產(chǎn)生不同的感知對比度C。對現(xiàn)有的圖片進(jìn)行對比后發(fā)現(xiàn)灰度處理后的圖像對比度數(shù)值在不斷加大，更容易對其進(jìn)行漸變處理[10]。

2 基于灰度融合的彩色圖像漸變

圖像漸變不僅是計(jì)算機(jī)領(lǐng)域需要研究的問題，同時也橫跨了物理學(xué)、生理學(xué)和社會學(xué)等多個領(lǐng)域[11]。漸變過程自身具有很強(qiáng)的綜合性。

2.1 彩色圖像采樣

灰度融合的采樣可以通過兩種方式進(jìn)行，分別是：金字塔采樣和濾波器采樣。金字塔采樣如圖2所示。

圖2 金字塔采樣

金字塔采樣利用了彩色圖像像素的多尺度性，每經(jīng)過一次分解，就會產(chǎn)生一個子代圖像，并且通過低通迭代向上分布得到圖像中的特征點(diǎn)。金字塔采樣的圖像在多次分解以后，得到不同的子圖像，子圖像使用小波過濾技術(shù)過濾掉圖片中的干擾信號[12]。

濾波采樣如圖3所示：

圖3 濾波采樣

濾波器采樣和金字塔采樣有一定的區(qū)別，每一級低帶分量都具有多個奇異點(diǎn)，采集圖像中的奇異點(diǎn)，通過通道組獲取圖像的像素值[13]。

2.2 彩色灰度圖像交叉融合

彩色灰色圖像交叉融合設(shè)立了中間點(diǎn)，中間點(diǎn)之前的漸變過程為前半周期，中間點(diǎn)之后的漸變過程為后半周期。

在前半周期中，源圖像A具有很強(qiáng)的視覺優(yōu)勢，而目標(biāo)圖像B的視覺效果較差，通常要將源圖像A與目標(biāo)圖像經(jīng)過式D放在一起交叉融合，以此削弱在漸變時源圖像A對目標(biāo)圖像B的攻擊[14]。前半周期的圖像交叉融合過程如圖4所示。

當(dāng)融合階段進(jìn)入后半周期時，目標(biāo)圖像B的視覺優(yōu)勢變得明顯起來，在這個周期中，可以將目標(biāo)圖像B與源圖像經(jīng)過式C放在一起，降低目標(biāo)圖像對源圖像的攻擊性，使?jié)u變序列更加自然[15]。后半周期的圖像交叉融合過程如圖5所示。

圖4 前半周期圖像交叉融合過程

圖5 后半周期圖像交叉融合過程

2.3 融合后圖像漸變

融合后的圖像漸變效果要比源圖像漸變效果好得多。不同的彩色圖像具有不同的特征點(diǎn)，將兩幅圖像的特征點(diǎn)提取出來，選取相似特征點(diǎn)，排放出一個穩(wěn)定的漸變序列，根據(jù)該漸變序列安排圖像的漸變。利用一種新的非線性插值算法提高圖片漸變后的質(zhì)量，非線性插值算法計(jì)算過程如下：

G(x,y)代表源圖像A的像素坐標(biāo)值，β表示控制點(diǎn)數(shù)值，σ表示特征點(diǎn)數(shù)值。

L(x,y,z)表示漸變后圖形中各個像素的坐標(biāo)值，I(x,y,z)表示目標(biāo)圖像B各個像素的坐標(biāo)值[16]。

根據(jù)上述公式確定圖像特點(diǎn)完成圖像漸變過程。

3 實(shí)驗(yàn)研究

為了探討本文研究的彩色圖像漸變技術(shù)的實(shí)際工作效率，設(shè)計(jì)了對比實(shí)驗(yàn)。

3.1 實(shí)驗(yàn)參數(shù)

實(shí)驗(yàn)參數(shù)如表2所示。

3.2 實(shí)驗(yàn)過程

根據(jù)上述設(shè)定的參數(shù)進(jìn)行實(shí)驗(yàn)，選取傳統(tǒng)漸變方法和本文設(shè)計(jì)的漸變方法對同一組圖片進(jìn)行漸變處理，通過實(shí)驗(yàn)結(jié)果分析漸變效果。

表2 實(shí)驗(yàn)參數(shù)

3.3 實(shí)驗(yàn)結(jié)果與分析

得到的實(shí)驗(yàn)結(jié)果如圖6和圖7所示。

圖6 漸變性能實(shí)驗(yàn)結(jié)果

觀察圖6可知，在漸變時間為3 min時，傳統(tǒng)漸變方法得到的圖像熵值為0.1248，本文研究的漸變方法得到的圖像熵值為0.2241；漸變時間上升到中間時刻9 min時，傳統(tǒng)漸變方法圖像熵值為0.1944，本文研究的漸變方法熵值為0.4982；說明隨著時間的增加，漸變后圖形熵值在不斷改變。

圖7 漸變清晰度實(shí)驗(yàn)結(jié)果

觀察圖7可知，當(dāng)漸變時間到第3 min時，傳統(tǒng)漸變方法的圖像平均梯度值為7.582，本文研究的漸變方法的圖像平均梯度值為12.371；漸變時間上升到中間時刻9 min時，傳統(tǒng)漸變方法圖像平均梯度值為8.761，本文研究的漸變方法圖像平均梯度值為22.943；說明隨著時間的增加，圖像的平均梯度出現(xiàn)很大的變化。

3.4 實(shí)驗(yàn)結(jié)論

根據(jù)上述實(shí)驗(yàn)結(jié)果可知：在相同時間下，本文研究的漸變方法得到圖片圖像熵值始終高于傳統(tǒng)漸變方法得到的圖像熵值，而熵值越大，圖片中蘊(yùn)含的平均信息越多；平均梯度越大，圖像清晰度越高。在相同時間內(nèi)，使用本文設(shè)計(jì)的漸變方法處理后的圖片清晰度是傳統(tǒng)方法的二倍。由此可見，本文漸變方法在工作性能上好于傳統(tǒng)漸變方法，更值得推廣使用。

4 結(jié)束語

圖像漸變對于特效制作有重要意義，如果直接將彩色圖片融合到一起，得到的圖片清晰度很低，效果也不夠自然。本文基于灰度融合理論設(shè)計(jì)了一種新的漸變方法，該方法利用韋伯模型首先將彩色圖片進(jìn)行灰度處理，再進(jìn)行漸變?nèi)诤?，大大提高了漸變序列的穩(wěn)定性，使?jié)u變后的圖片看起來更加清晰自然，具有很好的發(fā)展?jié)撃芎褪袌隹臻g。