三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)中的圖像毛刺消除技術(shù)

顧小平

摘? 要： 由于傳統(tǒng)基于切片法的圖像毛刺消除技術(shù)忽略了重構(gòu)圖像節(jié)點(diǎn)的提取過(guò)程，導(dǎo)致消除效果差的問(wèn)題。為此，提出三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)中的圖像毛刺消除技術(shù)。采用細(xì)化模型，提取三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像節(jié)點(diǎn)，再運(yùn)用并行細(xì)化算法，處理重構(gòu)圖像。結(jié)合鏈碼定義，消除三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像的毛刺，完成圖像毛刺消除技術(shù)的設(shè)計(jì)。經(jīng)對(duì)比實(shí)驗(yàn)證明，運(yùn)用所提圖像毛刺消除技術(shù)求取的重構(gòu)圖像未出現(xiàn)毛刺，而運(yùn)用傳統(tǒng)方法基于切片法的圖像毛刺消除技術(shù)求取的重構(gòu)圖像存在毛刺，說(shuō)明在細(xì)化處理時(shí)未消除干凈。由此可知，所提技術(shù)更符合設(shè)計(jì)需求。

關(guān)鍵詞： 圖像毛刺消除; 動(dòng)畫(huà)人物重構(gòu); 圖像節(jié)點(diǎn)提取; 細(xì)化處理; 鏈碼定義; 對(duì)比驗(yàn)證

中圖分類號(hào)： TN911.73?34; TP391.41? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）18?0153?04

Abstract： As the traditional image deburring technology based on slice method ignores the extraction process of reconstructed image nodes， resulting in the poor elimination effect， an image deburring technology in 3D dynamic animation character reconstruction is proposed. A refined model is used to extract the image nodes of 3D dynamic animation characters reconstruction， and the parallel thinning algorithm is used to process the reconstructed image. In combination with the chain code definition， the burr of 3D dynamic animation character reconstruction image is eliminated， so that the design of image deburring technology is completed. The comparative experiments prove that the reconstructed image obtained by means of the image deburring technology has no burr， while the reconstructed image obtained by means of the traditional image deburring technology based on slice method has burr， which indicates that it is not fully eliminated in the refining process. It can be seen from this， the proposed technology is more in line with the design requirements.

Keywords： image deburring; animation character reconstruction; image node extraction; refining process; chain code definition; comparison validation

0? 引? 言

根據(jù)相關(guān)研究可知，三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像中像素點(diǎn)連接性不同，在8領(lǐng)域中僅存在一個(gè)像素點(diǎn)的像素為端點(diǎn)，在端點(diǎn)處容易引出毛刺生長(zhǎng)點(diǎn)。若想找到該節(jié)點(diǎn)，就需要提取節(jié)點(diǎn)，并經(jīng)過(guò)銳化處理后才能消除毛刺。傳統(tǒng)的圖像毛刺消除技術(shù)采用了切片方法，有效改善了三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像質(zhì)量，克服了圖像輪廓不連續(xù)的缺點(diǎn)[1]。但運(yùn)用上述方法求得的三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像存在毛刺，這些毛刺干擾了纖維的輪廓特征提取，從而導(dǎo)致纖維識(shí)別精確度降低。為有效改善這一缺點(diǎn)，提出三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)中的圖像毛刺消除技術(shù)。該技術(shù)引入了細(xì)化模型，既保證圖像像素點(diǎn)的連續(xù)性，還能有效提高該技術(shù)的抗噪性能。細(xì)化模型具有快速和準(zhǔn)確的特征，可準(zhǔn)確找出三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)原圖像的拓?fù)浣Y(jié)構(gòu)，且迭代方式不同，可一次處理一個(gè)像素。這也是本次設(shè)計(jì)的創(chuàng)新之處，因前一次的迭代圖像會(huì)影響迭代結(jié)果，故采用細(xì)化模型中的并行細(xì)化算法處理所有三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像的子集。在處理過(guò)程中，可以一次處理一個(gè)子集，便不會(huì)影響前一次迭代情況，使得圖像像素點(diǎn)被完全消除。

1? 三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像節(jié)點(diǎn)提取

采用細(xì)化模型，在保證三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像像素點(diǎn)的連續(xù)性前提下提取圖像節(jié)點(diǎn)，提取過(guò)程如下：

1） 先標(biāo)記邊界像素點(diǎn)[2]。

2） 引入特征參數(shù)S，公式為：

式中：[p]表示邊界點(diǎn);[i]表示像素點(diǎn)。應(yīng)用式（1）刪除每一個(gè)圖像邊界像素點(diǎn)，若滿足[p5p7=0]，即可刪除該點(diǎn)。

3） 搜索邊界像素點(diǎn)，直至無(wú)法刪除為止[3]。

為準(zhǔn)確提取圖像節(jié)點(diǎn)信息，需計(jì)算以下邊緣節(jié)點(diǎn)，如圖1所示。

圖1a）為深度梯度，表示深度的不連續(xù)性，圖1b）為凸表面像素點(diǎn)的法向量梯度，圖1c）表示處于凹表面像素點(diǎn)的法向量梯度。在提取時(shí)，需要根據(jù)每個(gè)半圓盤(pán)領(lǐng)域內(nèi)像素點(diǎn)的分布情況，計(jì)算不同方向上的梯度幅值。需要注意的是，不同方向角度的梯度值不同，求取時(shí)要利用視差梯度代替深度梯度來(lái)計(jì)算，否則會(huì)增加方向角度所帶來(lái)的誤差[4]。

2? 三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像處理

提取三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像節(jié)點(diǎn)后，采用細(xì)化模型的并行細(xì)化算法從圖2的左上角像素點(diǎn)開(kāi)始，按照從左到右的順序掃描。

先抽取圖2a）的像素點(diǎn)，需按照事先規(guī)定模板比較圖2a）中的10個(gè)相鄰像素，再與圖2b）中所示的模板相比較[5]。如果圖2a）中所有點(diǎn)與對(duì)應(yīng)領(lǐng)域中的像素點(diǎn)的值相等時(shí)，要與圖2c）相比較，若相匹配，可保留該點(diǎn);若不匹配，刪除該點(diǎn)。經(jīng)過(guò)反復(fù)迭代后，若沒(méi)有像素值，則需要重復(fù)上述步驟，直至改變?yōu)橹筟6]。

采用并行細(xì)化算法得到的三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像細(xì)化結(jié)果如圖3所示。

從細(xì)化結(jié)果可以看出，經(jīng)過(guò)細(xì)化處理后的輪廓有毛刺。在后續(xù)處理時(shí)要根據(jù)圖像輪廓特點(diǎn)消除毛刺，才能得到最終結(jié)果[7]。

3? 三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像毛刺消除流程設(shè)計(jì)

完成三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像處理后，需要消除圖3b）中未能達(dá)到較好細(xì)化效果的輪廓線，故基于鏈碼原理，處理該領(lǐng)域內(nèi)的像素點(diǎn)[8]。先沿著曲線移動(dòng)，每一個(gè)移動(dòng)方向都會(huì)有一個(gè)數(shù)字集[ii=0，1，…，7]，在編碼時(shí)需按照?qǐng)D4所示的鏈碼定義跟蹤掃描線條輪廓，直至滿足結(jié)束條件。

由圖4可知，在鏈碼序列中的每一個(gè)中間點(diǎn)都存在兩個(gè)臨點(diǎn)，在跟蹤鏈碼輪廓時(shí)，需要分析邊界輪廓，求取重構(gòu)圖像輪廓特征的重要部分。求取步驟：

1） 確定消除輪廓的起點(diǎn)[9];

2） 依據(jù)搜索機(jī)理，重新確定下一個(gè)新的邊界點(diǎn);

3） 最后確定終止條件，重復(fù)步驟1）和步驟2），若滿足條件，即可結(jié)束搜索，獲取重構(gòu)圖像輪廓特征[10]。

完成上述操作步驟后，結(jié)合鏈碼定義，消除三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像的毛刺，消除過(guò)程：

Step1：在三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像中，若[fx，y=0]，則為消除點(diǎn)，否則為背景點(diǎn)。在掃描圖像像素[i]時(shí)，若[fxi，yi=0]時(shí)，要統(tǒng)計(jì)8個(gè)領(lǐng)域模板內(nèi)的像素點(diǎn)個(gè)數(shù)，并累加到[S]中。重復(fù)上述步驟，處理全部像素點(diǎn)[11]。

Step2：若掃描到的消除點(diǎn)[Si>3]，則將此消除點(diǎn)[12]標(biāo)記為邊界線的頂點(diǎn)[qi]。

Step3：刪除重構(gòu)圖像中保存的頂點(diǎn)后，可以得到非連通的區(qū)域[13]。

Step4：標(biāo)記連通區(qū)域后，要獲取新的標(biāo)記圖[fpx，y]。

Step5：從頂點(diǎn)[qi]開(kāi)始，統(tǒng)計(jì)[qi]連通區(qū)域的長(zhǎng)度信息，為[Wi]。

Step6：設(shè)長(zhǎng)度閾值為[T]，最小長(zhǎng)度為[MinNi]，若滿足[MinNiT]就可以結(jié)束操作，獲得最終的消除結(jié)果[14]。

Step7：復(fù)原邊界點(diǎn)的頂點(diǎn)[qi]，可以獲得毛刺消除的初始結(jié)果，重復(fù)Step1～Step5。

Step8：若出現(xiàn)斷線連接，設(shè)長(zhǎng)度閾值為[T]，若[qNi，Nj>T]，要將兩個(gè)頂點(diǎn)連接起來(lái);若[qNi，Nj

由此，完成三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)中的圖像毛刺消除技術(shù)的設(shè)計(jì)。

4? 實(shí)驗(yàn)與分析

為驗(yàn)證所提的圖像毛刺消除技術(shù)的有效性，設(shè)置了對(duì)比實(shí)驗(yàn)，分別測(cè)試所提技術(shù)與傳統(tǒng)基于切片法的圖像毛刺消除技術(shù)消除三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像毛刺的效果。為保證實(shí)驗(yàn)可靠性，2種方法均在相同實(shí)驗(yàn)設(shè)備上進(jìn)行。此次實(shí)驗(yàn)所用電腦系統(tǒng)為Windows 10，在Matlab 2015b版實(shí)驗(yàn)環(huán)境下進(jìn)行。實(shí)驗(yàn)流程如圖5所示。

Step1：確定節(jié)點(diǎn)，規(guī)定最長(zhǎng)距離。

Step2：設(shè)定起初追蹤方向，并根據(jù)鏈碼定義標(biāo)記跟蹤的像素點(diǎn)。若其在設(shè)定的步長(zhǎng)范圍內(nèi)，就可以結(jié)束追蹤。運(yùn)用式（1）計(jì)算跟蹤的頂點(diǎn)長(zhǎng)度，并轉(zhuǎn)至Step3;若超出設(shè)定的步長(zhǎng)范圍，需沿著起初方向逆時(shí)針旋轉(zhuǎn)90°，繼續(xù)跟蹤下一個(gè)頂點(diǎn)。

Step3：比較頂點(diǎn)長(zhǎng)度。若大于設(shè)定閾值，要將該點(diǎn)像素的所有值設(shè)為0，將其作為背景點(diǎn);若小于設(shè)定閾值，需執(zhí)行下一步。

Step4：確定是否存在節(jié)點(diǎn)，若有節(jié)點(diǎn)返回步驟2;若沒(méi)有節(jié)點(diǎn)，可直接輸出結(jié)果。

實(shí)驗(yàn)中采用所提圖像毛刺消除技術(shù)與傳統(tǒng)圖像毛刺消除技術(shù)，處理三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像的毛刺。在實(shí)驗(yàn)中所設(shè)定的長(zhǎng)度門(mén)限值是根據(jù)以往經(jīng)驗(yàn)獲取的。傳統(tǒng)圖像毛刺消除技術(shù)和所提圖像毛刺消除技術(shù)對(duì)相同圖像進(jìn)行毛刺消除，消除結(jié)果如圖6和圖7所示。

由圖6可知，運(yùn)用傳統(tǒng)圖像毛刺消除技術(shù)求得的三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像存在毛刺，經(jīng)過(guò)細(xì)化處理后的結(jié)果可以看出，這些毛刺干擾了輪廓特征提取結(jié)果，說(shuō)明在輪廓特征提取時(shí)受到毛刺的干擾，影響了三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像識(shí)別的精確度。最為重要的一點(diǎn)，在消除的過(guò)程中，未消除最短的長(zhǎng)度，才導(dǎo)致毛刺清除效果不佳。由圖7可知，運(yùn)用所提圖像毛刺消除技術(shù)求得的三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)圖像時(shí)，不存在毛刺，說(shuō)明在消除過(guò)程中效果好，因采用細(xì)化模型對(duì)重構(gòu)圖像節(jié)點(diǎn)進(jìn)行了提取，掃描了所有像素點(diǎn)的外圍輪廓，使最終得到的圖像質(zhì)量好。由此可知，所提的圖像毛刺消除技術(shù)相比基于切片法的圖像毛刺消除技術(shù)的消除效果更佳。

5? 結(jié)? 語(yǔ)

通過(guò)對(duì)基于切片法的圖像毛刺消除技術(shù)存在消除效果差的問(wèn)題，提出一種新的三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)中的圖像毛刺消除技術(shù)。該技術(shù)結(jié)合了并行細(xì)化算法，此算法具有較強(qiáng)的適用性，但該算法在實(shí)施過(guò)程中，容易造成部分重構(gòu)圖像輪廓模糊。故依據(jù)鏈碼定義，搜索重構(gòu)圖像像素點(diǎn)，在搜索的過(guò)程中發(fā)現(xiàn)圖像邊緣噪聲不敏感，可以明確找出重構(gòu)圖像輪廓線存在的毛刺。經(jīng)過(guò)處理后，即可得到完整的光滑輪廓，但在取出毛刺時(shí)，會(huì)受到斷裂點(diǎn)周圍噪聲的影響。在后續(xù)研究中，要在細(xì)化算法的基礎(chǔ)上，引入去噪增強(qiáng)算法，減少周圍噪聲的影響。在今后的研究中要從以下幾點(diǎn)改進(jìn)：

1） 進(jìn)一步提高細(xì)化算法的準(zhǔn)確性;

2） 尋找普適性更強(qiáng)的有效算法;

3） 通過(guò)實(shí)驗(yàn)驗(yàn)證所提的三維動(dòng)態(tài)動(dòng)畫(huà)人物重構(gòu)中的圖像毛刺消除技術(shù)設(shè)計(jì)的可行性。

參考文獻(xiàn)

[1] 路永婕，李振宇，懷文青，等.基于分形理論的三維路面譜重構(gòu)及在多體動(dòng)力學(xué)軟件中的應(yīng)用[J].圖學(xué)學(xué)報(bào)，2019，40（2）：328?334.

[2] 陳卓，胡搖，蔣曉黎，等.微結(jié)構(gòu)形貌的光場(chǎng)顯微三維重構(gòu)分辨率增強(qiáng)技術(shù)[J].光學(xué)技術(shù)，2018，44（4）：385?390.

[3] 楊小來(lái)，廖巨華.一種解決高速DAC轉(zhuǎn)換毛刺的同步方法[J].科技通報(bào)，2018，34（10）：168?171.

[4] 梁建平.三維激光3D打印技術(shù)在數(shù)字化重現(xiàn)中的應(yīng)用[J].激光雜志，2018，39（6）：125?129.

[5] 葉鳳華，葉歡.基于FLASH和3D動(dòng)畫(huà)渲染技術(shù)的育苗機(jī)器人設(shè)計(jì)[J].農(nóng)機(jī)化研究，2018，40（3）：189?192.

[6] 李忠虎，張琳，閆俊紅.管道腐蝕視覺(jué)測(cè)量圖像邊緣檢測(cè)算法研究[J].電子測(cè)量與儀器學(xué)報(bào)，2017，31（11）：1788?1795.

[7] 鄭冰，趙陽(yáng)，葛東林.農(nóng)機(jī)快速導(dǎo)航系統(tǒng)設(shè)計(jì)：基于圖像邊緣檢測(cè)和3D深度視頻幀內(nèi)編碼[J].農(nóng)機(jī)化研究，2018，40（5）：181?184.

[8] 馬宏偉，楊文娟，張旭輝.帶式輸送機(jī)托輥紅外圖像分割與定位算法[J].西安科技大學(xué)學(xué)報(bào)，2017，37（6）：892?898.

[9] 葛朋，楊波，毛文彪，等.基于引導(dǎo)濾波的高動(dòng)態(tài)紅外圖像增強(qiáng)處理算法[J].紅外技術(shù)，2017，39（12）：1092?1097.

[10] 薛萍.基于超像素特征表示的圖像前景背景分割算法[J].西安科技大學(xué)學(xué)報(bào)，2017，37（5）：731?735.

[11] 劉麗霞，李寶文，王陽(yáng)萍，等.改進(jìn)Canny邊緣檢測(cè)的遙感影像分割[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（12）：54?58.

[12] 田雯，胡玉榮.共生矩陣耦合Otsu閾值的彩色圖像邊緣提取算法[J].電子測(cè)量與儀器學(xué)報(bào)，2018，32（7）：52?60.

[13] 劉明綱.基于高斯混合模型和NSCT的圖像邊緣檢測(cè)方法[J].科技通報(bào)，2018，34（8）：108?112.

[14] 陳石濤，楊龍興，丁力，等.一種基于改進(jìn)的SUSAN算法的焊縫邊緣檢測(cè)方法[J].熱加工工藝，2018，47（15）：161?164.

[15] 許傳祥，石青云，程民德.零對(duì)稱和反對(duì)稱二進(jìn)小波及其在邊緣檢測(cè)中的應(yīng)用[J].中國(guó)圖象圖形學(xué)報(bào)，1996（1）：4?11.

[16] LEE S， LEE D， PARK Y. Pupil segmentation using orientation fields， radial non?maximal suppression and elliptic approximation [J].? Advances in electrical and computer engineering， 2019， 19（2）： 69?74.