基于人眼視覺特性的包裝設(shè)計(jì)圖像處理算法

趙嘉

摘? 要： 針對(duì)在產(chǎn)品包裝設(shè)計(jì)圖像處理過程中未考慮圖像在人眼視覺成像限制的問題，文中提出一種基于人眼視覺特性的包裝設(shè)計(jì)圖像處理算法，以實(shí)現(xiàn)產(chǎn)品包裝圖案的增強(qiáng)。通過對(duì)人眼的生理構(gòu)造、視覺成像系統(tǒng)的分析，將人眼視覺注意機(jī)制融入到圖像灰度直方圖的構(gòu)建過程中，形成圖像信息直方圖以突出圖像中含有重要信息的部分。在此基礎(chǔ)上，將人眼感知特性融入到增強(qiáng)算法中，以減小直方圖中主灰度級(jí)的信息量。同時(shí)，結(jié)合VHIST制定人眼感知特性的圖像特征評(píng)價(jià)方法。通過與其他文獻(xiàn)的結(jié)果對(duì)比可知，文中所述的圖像處理算法可以有效地實(shí)現(xiàn)圖像增強(qiáng)效果，圖像中的重要信息得到了突顯，在對(duì)比度等指標(biāo)上的測(cè)試結(jié)果優(yōu)于參考文獻(xiàn)。

關(guān)鍵詞： 產(chǎn)品包裝設(shè)計(jì); 圖像處理算法; 人眼視覺特性; 圖像增強(qiáng)算法; 信息直方圖; 人眼注意機(jī)制

中圖分類號(hào)： TN911.73?34; TP183? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）18?0135?04

Abstract： In allusion to the problem that the limitation of human visual characteristics is not considered in the process of image processing of the product packaging design， a packaging design image processing algorithm based on human visual characteristics is proposed to enhance the product packaging pattern. By means of the analysis of the physiological structure and the visual imaging system of the human eye， the visual attention mechanism of the human eye is integrated into the construction process of the image gray histogram to form the image information histogram， so as to highlight the important information part of the image. On this basis， the human visual characteristics are integrated into the enhancement algorithm to reduce the amount of information of the main gray level in the histogram. At the same time， an image feature evaluation method of human visual perception is developed by combing with VHIST. In combination with the results of other literatures， it can be seen that the image processing algorithm described in this paper can effectively achieve the effect of image enhancement， the important information in the image has been prominent， and the testing results on contrast ratio are better than those in the references.

Keywords： product packaging design; image processing algorithm; human visual characteristics; image enhancement algorithm; information histogram; human eye attention mechanism

0? 引? 言

在產(chǎn)品研發(fā)過程中，優(yōu)秀的包裝設(shè)計(jì)是一個(gè)重要的環(huán)節(jié)。通過對(duì)產(chǎn)品的功能、形狀、材質(zhì)綜合考慮，選用合適的包裝材料、圖形設(shè)計(jì)，并搭配巧妙的工藝技術(shù)，使整個(gè)產(chǎn)品的形象更加引人注意[1?3]?？梢哉f包裝設(shè)計(jì)是除了產(chǎn)品功能特點(diǎn)之外，另一個(gè)增強(qiáng)產(chǎn)品與消費(fèi)者之間親和力的手段，優(yōu)秀的包裝設(shè)計(jì)可以顯著提升商品的價(jià)值和形象，并在同類產(chǎn)品中脫穎而出[4]。而在產(chǎn)品包裝設(shè)計(jì)中，圖像設(shè)計(jì)占據(jù)了大部分的比重。如何在二維平面設(shè)計(jì)中增強(qiáng)圖像視覺效果，成為當(dāng)前平面設(shè)計(jì)師急需解決的問題[5]。

近年來，圖像處理算法隨著社交網(wǎng)站、視頻網(wǎng)站的出現(xiàn)得到了長(zhǎng)足發(fā)展，并發(fā)揮了重要作用。圖像處理算法通常被用于圖像質(zhì)量分析，其中結(jié)構(gòu)相似度估計(jì)則被用來對(duì)比有效特征的差異程度，并被用來評(píng)判圖像的質(zhì)量等級(jí)。也有學(xué)者將圖像處理算法運(yùn)用在物體識(shí)別中[6?7]。現(xiàn)有的研究中，主要集中在圖像增強(qiáng)領(lǐng)域。人眼視覺是指人類雙眼獲取物體圖像信息并形成視覺的過程。而雙目視覺是機(jī)器視覺的一種形式，通過模擬人眼的視覺特性，由2個(gè)攝像機(jī)從不同角度同時(shí)獲取物體的圖像信息，根據(jù)視差原理恢復(fù)物體的三維立體信息。因此，它常被用于立體成像和物體測(cè)距等應(yīng)用中[8?13]。

本文基于人眼的生理構(gòu)造、視覺成像系統(tǒng)原理，在構(gòu)建圖像灰度直方圖時(shí)將人眼視覺注意機(jī)制融入其中，形成圖像信息直方圖，以便突出圖像中含有重要信息的部分。在此基礎(chǔ)上，將人眼感知特性融入到增強(qiáng)算法中，以此減小直方圖中主灰度級(jí)信息量，并結(jié)合VHIST制定人眼感知特性的圖像特征評(píng)價(jià)方法。

1? 人眼視覺特性和包裝設(shè)計(jì)分析

1.1? 人眼視覺成像感知特性

人類視覺感知圖像的過程主要分為圖像信號(hào)捕捉、視網(wǎng)膜成像、視覺信號(hào)傳輸與識(shí)別3部分。其中，人眼球?qū)τ诋嬅娴某上袷钦麄€(gè)系統(tǒng)的物理基礎(chǔ)，決定了后續(xù)圖像感知分析的精度。人眼的視覺系統(tǒng)是一個(gè)復(fù)雜的視覺感知和成像系統(tǒng)，其對(duì)比靈敏度與空間頻率有關(guān)，具體關(guān)系如圖1所示。

人眼的視覺特性可總結(jié)如下：

1） 空間頻率特性。人眼所看到的圖像是由該物體反射過來的光線在視網(wǎng)膜形成的，利用傅里葉變換，這些光線可以分解成正弦亮度分量，而正弦亮度分量隨著空間頻率的變化而改變。人眼的探測(cè)能力存在有一定的限制，對(duì)于圖像細(xì)節(jié)較小的部分，由于其正弦亮度分量的空間頻率較高，超出了人眼探測(cè)能力的下限。為了增強(qiáng)這部分圖像的可視性，需要進(jìn)行調(diào)制。

2） 多通道特性。人眼的視覺機(jī)制具有多個(gè)通道結(jié)構(gòu)進(jìn)行圖像信號(hào)傳遞的能力，使得視覺信道可以按方向和頻率進(jìn)行分解;且通道的數(shù)量與視覺信息具有定性關(guān)系，利用多通道理論可以更好地提取圖像特征，而且并行通道之間具有相互作用。

3） 掩蓋效應(yīng)。掩蓋效應(yīng)描述了干擾視覺刺激對(duì)目標(biāo)視覺刺激的影響。當(dāng)目標(biāo)檢測(cè)閾值遠(yuǎn)大于掩蓋刺激對(duì)比度時(shí)，干擾視覺刺激對(duì)目標(biāo)視覺的檢測(cè)基本無影響;當(dāng)兩者相當(dāng)時(shí)，掩蓋效應(yīng)會(huì)抵消部分目標(biāo)檢測(cè)閾值，從而提高目標(biāo)檢測(cè)的分辨率;而當(dāng)目標(biāo)檢測(cè)閾值小于掩蓋刺激對(duì)比度時(shí)，目標(biāo)視覺被干擾視覺刺激掩蓋。

4） 視覺顯著特性。該特性描述了人眼視覺系統(tǒng)分辨圖像細(xì)節(jié)的能力。在視覺系統(tǒng)中，具有明顯特征的目標(biāo)圖像信息會(huì)被首先檢測(cè)到，并且提取該圖像信息進(jìn)行處理;而相對(duì)簡(jiǎn)單的圖像則被粗略地采集。

雖然人類視覺經(jīng)過了長(zhǎng)久的進(jìn)化，但對(duì)于亮度絕對(duì)值的判斷能力，人眼表現(xiàn)較差，具體表現(xiàn)可用韋伯?費(fèi)納定律描述：

式中：C為對(duì)比靈敏度ΔM與背景亮度M的比值;[ΔM]對(duì)比靈敏度，表示人眼能夠分辨的最小亮度值。根據(jù)此特性，當(dāng)設(shè)計(jì)產(chǎn)品包裝過程中重建圖像時(shí)，并不需要保持與原圖同樣的亮度，只需亮度差異相較于對(duì)比靈敏度小，即可保證重建精度，從而可以實(shí)現(xiàn)在視覺上與原圖的一致性。亮適應(yīng)過程發(fā)生在人從亮度平均值較小的環(huán)境到亮度平均值較大的環(huán)境過程中;反之即暗適應(yīng)過程。這種亮、暗適應(yīng)變換特性可用如下高斯差分函數(shù)來表示：

通過作差的方式，即可以去除在原始圖像中某些頻率之外的其余頻率，從而可實(shí)現(xiàn)圖像增強(qiáng)。

當(dāng)圖像信息經(jīng)視網(wǎng)膜等結(jié)構(gòu)傳輸?shù)酱竽X相關(guān)部位時(shí)，并非所有的信息會(huì)被立即處理，而是某些重點(diǎn)區(qū)域的圖像信息會(huì)被優(yōu)先處理，即人腦視覺的注意力機(jī)制。通過該機(jī)制，可以有效地利用有限的大腦資源在眾多的信息中快速篩選出重要信息。Attention函數(shù)從本質(zhì)上可以看成某個(gè)查詢（Query）到相應(yīng)一系列鍵（Key）?值（Value）關(guān)系對(duì)的映射，如圖2所示。

1.2? 產(chǎn)品包裝設(shè)計(jì)

產(chǎn)品在進(jìn)行包裝設(shè)計(jì)時(shí)，所選用的圖案應(yīng)該能夠起到產(chǎn)品再現(xiàn)的作用，即通過圖案內(nèi)容了解產(chǎn)品的相關(guān)特性，以引起消費(fèi)者的興趣，產(chǎn)生購(gòu)買欲。因此，圖像的處理對(duì)整個(gè)設(shè)計(jì)過程而言至關(guān)重要。傳統(tǒng)的圖像處理過程是將圖案和照片等素材通過變形、刻畫、添加、刪減等多個(gè)元素之間的相互融合，以抽象或具象的途徑進(jìn)行設(shè)計(jì)。該方式在一定程度上起到了重要作用，并出現(xiàn)了一些設(shè)計(jì)典范。但值得注意的是，該過程主要是以審美的角度將所需展現(xiàn)的產(chǎn)品信息呈現(xiàn)出來，最終成果是否符合人眼對(duì)于圖像的識(shí)別特征并沒有被考慮進(jìn)去。因此，將人眼視覺特性融入到產(chǎn)品包裝設(shè)計(jì)中尤為必要。

2? 人眼視覺與感知特性結(jié)合的圖像增強(qiáng)方法

2.1? 圖像信息直方圖

在圖像的各類處理算法中，圖像直方圖是常用的工具。圖像直方圖雖不能直接表征圖像的信息，但可以反應(yīng)圖像特征。然而，直方圖并未考慮圖像中空間位置不同的信息權(quán)重關(guān)系。由上文可知，人眼對(duì)于圖像中的所有信息具有篩選功能，會(huì)優(yōu)先處理大腦認(rèn)為重要的信息。因而在進(jìn)行圖像處理時(shí)，也應(yīng)增強(qiáng)重要部分的信息處理。本文構(gòu)造了基于人眼視覺注意機(jī)制的圖像信息直方圖，具體過程如下：

1） 構(gòu)造基于視覺注意機(jī)制的顯著性檢測(cè)模型，用此模型得到該圖像的全局顯著圖;

2） 對(duì)全局顯著圖的數(shù)據(jù)歸一化處理，得到每個(gè)像素的權(quán)重系數(shù)E（i，j）;

3）利用權(quán)重系數(shù)E（i，j）加權(quán)統(tǒng)計(jì)需要增強(qiáng)的圖像灰度級(jí)為a的像素?cái)?shù)，其公式如下：

式中：x，y表示灰度級(jí)為a的像素坐標(biāo);T（a）表示待增強(qiáng)圖像灰度級(jí)為a的像素統(tǒng)計(jì)情況?；叶燃?jí)的高度表示該灰度級(jí)所代表的信息量大小，因此信息直方圖可表示為：

2.2? 基于視覺感知特性的圖像增強(qiáng)方法

高對(duì)比度的產(chǎn)品圖像通?？梢栽鰪?qiáng)產(chǎn)品的視覺效果，而對(duì)比度又與圖像的灰度級(jí)相關(guān)。人眼對(duì)圖像的灰度偏差感知能力存在一定的限制，當(dāng)圖像像素之間的灰度差距達(dá)到一定的數(shù)值后，人眼才能識(shí)別到這一變化。該數(shù)值被稱為臨界可見偏差，當(dāng)圖像的像素灰度差低于臨界可見偏差時(shí)，其變化不會(huì)被人感知到，因而該像素可被代替壓縮。

由上文分析可知，人眼在不同亮度的環(huán)境中對(duì)亮度的變化感知情況不同。在高亮度背景環(huán)境中，人眼對(duì)亮度偏差的感知能力比在低亮度背景環(huán)境中要強(qiáng)得多。人眼亮度偏差分辨閾值與背景亮度的關(guān)系表達(dá)式，如下：

式中：[Q（x，y）]表示人眼對(duì)亮度偏差的分辨閾值;[A（x，y）]表示圖像中各個(gè)坐標(biāo)的背景亮度。在背景亮度為127時(shí)，人眼具有最優(yōu)秀的亮度偏差分辨能力，此時(shí)灰度差值為4;當(dāng)背景亮度遠(yuǎn)離127時(shí)，人眼對(duì)亮度偏差分辨能力逐漸變?nèi)?。由此可見，在?yīng)用圖像直方圖時(shí)，需要考慮人眼的感知特性。

原圖在進(jìn)行顯著性增強(qiáng)后，重要區(qū)域的灰度級(jí)會(huì)占據(jù)較大的數(shù)據(jù)空間，這些灰度級(jí)被稱為主灰度級(jí)，其余的灰度級(jí)則稱為次灰度級(jí)。由于主灰度級(jí)的數(shù)據(jù)數(shù)量過大，影響后面圖像增強(qiáng)算法的運(yùn)行速度，因此需要對(duì)主灰度級(jí)數(shù)據(jù)進(jìn)行限幅處理。本文將人眼亮度偏差分辨閾值與背景亮度的關(guān)系表達(dá)式中亮度閾值作為主灰度級(jí)的最低水平進(jìn)行限幅。圖3為融合人眼注意機(jī)制和感知特性的圖像增強(qiáng)算法流程圖，其具體步驟為：

1） 根據(jù)上文提出的信息直方圖構(gòu)造方法，求出需要增強(qiáng)處理的某圖像信息直方圖。

2） 利用式（8）給信息直方圖中各個(gè)灰度級(jí)依據(jù)其信息量分配動(dòng)態(tài)范圍。

式中：[D（k）]代表信息圖像直方圖中灰度級(jí)動(dòng)態(tài)范圍;k的取值范圍為[0，255];[T（k）]代表第k個(gè)灰度級(jí)的信息量統(tǒng)計(jì)值;T代表所有灰度級(jí)信息量總和。

3） 若[D（k）>Q（k）]，則[D（k）]被納入主灰度級(jí)集合，同時(shí)進(jìn)行限幅處理;反之，納入次灰度級(jí)，動(dòng)態(tài)范圍不變。

4） 統(tǒng)計(jì)因限幅去掉的信息量，并將其按照信息量權(quán)值的大小，重新分配到次灰度級(jí)信息量上。

5） 根據(jù)重新分配的信息量制定新的信息直方圖，并擬合變換函數(shù)，得到圖像增強(qiáng)算法。

2.3? 人眼視覺感知圖像特征質(zhì)量評(píng)價(jià)方法

對(duì)于圖像質(zhì)量的優(yōu)劣有著不同的評(píng)判方法和評(píng)判標(biāo)準(zhǔn)，特征可以表示圖像中最重要的信息。因此，本文從灰度直方圖出發(fā)，將VHIST與人眼視覺特性相結(jié)合，從人眼視覺感知方面探究圖像特征質(zhì)量評(píng)價(jià)方法。

對(duì)圖像的評(píng)價(jià)可從亮度層次、邊緣輪廓是否清晰來判斷，這些指標(biāo)被稱為圖像的對(duì)比度特征，而對(duì)比度特征又與圖像像素之間的灰度差有關(guān)。2個(gè)像素點(diǎn)的灰度差可通過梯度計(jì)算得到，當(dāng)梯度值越大時(shí)，灰度差也就越大，相應(yīng)的對(duì)比度也越大。

對(duì)比度表達(dá)式為：

式中：L，W分別表示圖像的長(zhǎng)和寬;G（x，y）表示像素點(diǎn)（x，y）處的梯度值。

除了對(duì)比度，圖像亮度也影響圖像質(zhì)量。由上文人眼亮度偏差分辨閾值與背景亮度的關(guān)系表達(dá)式可知，當(dāng)圖像的平均亮度為127時(shí)，人眼視覺效果最優(yōu)。本文通過亮度關(guān)系因子來表征圖像亮度質(zhì)量，表達(dá)式如下：

式中，ALT表示圖像的平均亮度值。CC數(shù)值越大，表明該圖像亮度質(zhì)量越好。

信息熵可以用來評(píng)價(jià)圖像信息的混亂程度，本文使用鄰域平均值和灰度聚集特征組成二元集合（i，j）來計(jì)算圖像信息熵：

式中：H2為圖像二維信息熵;fij為二元集合（i，j）出現(xiàn)的頻率。

3? 測(cè)試與驗(yàn)證

為了驗(yàn)證本文所提出的基于人眼視覺特性的圖像增強(qiáng)算法的有效性，選取某款冰淇淋產(chǎn)品對(duì)比度低、圖像模糊的圖片進(jìn)行測(cè)試。在測(cè)試過程中，分別使用本文提出的圖像增強(qiáng)算法與文獻(xiàn)[11]的圖像增強(qiáng)方法進(jìn)行對(duì)比。測(cè)試實(shí)驗(yàn)?zāi)潮苛墚a(chǎn)品圖像作為測(cè)試樣本，分別就對(duì)比度、亮度關(guān)系因子、信息熵3個(gè)指標(biāo)進(jìn)行評(píng)價(jià)。測(cè)試結(jié)果如表1所示。

表1中，文獻(xiàn)[11]與本文所提出的圖像質(zhì)量增強(qiáng)方法均能對(duì)原圖像質(zhì)量起到增強(qiáng)、改善的作用。在考核的4個(gè)指標(biāo)中，本文所提出的基于人眼視覺特性的圖像增強(qiáng)算法具有更優(yōu)的效果。圖4展示了某款冰淇淋的原圖與顯著圖的對(duì)比。從圖中可以看出，與原圖相比，顯著圖可以更優(yōu)地突出圖像中重要的細(xì)節(jié)部分，相應(yīng)的直方圖中平滑區(qū)被有效抑制，提高了對(duì)比度。

4? 結(jié)? 論

本文提出的基于人眼視覺特性的包裝設(shè)計(jì)圖像處理算法，融入了雙目視覺特性、視覺注意機(jī)制和感知特性，并提出可顯著突出圖像重要信息的信息直方圖構(gòu)造方法，即基于視覺感知特性的圖像增強(qiáng)方法和基于VHIST的人眼視覺感知圖像特征質(zhì)量評(píng)價(jià)方法。在測(cè)試中，本文方法測(cè)試結(jié)果優(yōu)于對(duì)比文獻(xiàn)的圖像處理算法，并有效地對(duì)圖中重要信息進(jìn)行了顯著增強(qiáng)。

參考文獻(xiàn)

[1] 劉陽，姜潤(rùn)強(qiáng)，于洪君，等.大樣本圖像質(zhì)量主觀評(píng)價(jià)方法[J].激光與光電子學(xué)進(jìn)展，2019，56（13）：151?160.

[2] 王昕兵.不同情境下常態(tài)產(chǎn)品包裝交互系統(tǒng)設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2019，42（8）：140?144.

[3] 李東.基于眼動(dòng)測(cè)量貨架上產(chǎn)品包裝的視覺注意[J].北京信息科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，34（3）：79?83.

[4] 金鳳.基于消費(fèi)者心理學(xué)的交互式包裝設(shè)計(jì)研究[D].成都：西南交通大學(xué)，2018.

[5] 李碩.基于計(jì)算機(jī)圖形圖像設(shè)計(jì)及視覺傳達(dá)設(shè)計(jì)研究[J].電視技術(shù)，2018，42（6）：113?116.

[6] 滿鳳環(huán).基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理與識(shí)別算法研究[D].無錫：江南大學(xué)，2017.

[7] 曾珍珍.一種計(jì)算機(jī)視覺算法的圖像處理技術(shù)[J].信息技術(shù)，2018（4）：74?78.

[8] 錢林杰.基于FPGA雙目攝像頭采集的實(shí)時(shí)立體成像研究與實(shí)現(xiàn)[D].南京：南京大學(xué)，2018.

[9] 張靜，李強(qiáng)，楊馥霖.雙目立體視覺測(cè)量的實(shí)現(xiàn)和結(jié)構(gòu)參數(shù)選擇[J].機(jī)械設(shè)計(jì)與制造工程，2018，47（7）：1?5.

[10] 張力，黃影平.實(shí)時(shí)雙目立體視覺系統(tǒng)的實(shí)現(xiàn)[J].電子科技，2016，29（3）：68?70.

[11] 云海姣，董玉冰，王曉麗.結(jié)合人眼視覺特性和模糊集理論的彩色圖像增強(qiáng)[J].南京師范大學(xué)學(xué)報(bào)（工程技術(shù)版），2018，18（3）：25?32.

[12] 劉銳，陳鳳翔，陳科羽，等.基于雙目視覺的障礙物檢測(cè)方法研究[J].計(jì)算機(jī)測(cè)量與控制，2018，26（12）：67?71.

[13] 方建中，許四祥，楊宇，等.基于邊緣擬合的雙目視覺定位與測(cè)量方法[J].光學(xué)技術(shù)，2019，45（4）：412?417.