三維虛擬人物動(dòng)作高精度圖像重構(gòu)仿真

尉遲姝毅

(遼寧工業(yè)大學(xué)，遼寧 錦州 121000)

1 引言

在計(jì)算機(jī)技術(shù)不斷完善的背景下，動(dòng)畫的制作模式已經(jīng)發(fā)生了翻天覆地的變化。大眾生活日漸豐富，其中三維動(dòng)畫作品對(duì)大眾的影響也越來越大[1]。人物動(dòng)作制作隸屬三維動(dòng)畫制作步驟中的關(guān)鍵部分，在一部動(dòng)畫作品中占據(jù)著非常重要的位置。在三維動(dòng)畫虛擬人物動(dòng)作制作中，很多制作人員，特別是國內(nèi)研究人員經(jīng)常會(huì)將關(guān)注點(diǎn)放在動(dòng)作流暢性和精確性上，能夠制作出一段較為流暢的動(dòng)作是他們的目標(biāo)[2-3]。動(dòng)畫人物動(dòng)作可有效表現(xiàn)出角色的性格特點(diǎn)以及情緒等內(nèi)容，在作品最后的呈現(xiàn)中，需要保障角色動(dòng)作在整體上能夠呈現(xiàn)出一定的力度與張力，使角色更加飽滿和靈動(dòng)。綜上，三維虛擬人物動(dòng)作圖像重構(gòu)成為了該領(lǐng)域亟待解決的問題。在三維技術(shù)日益精進(jìn)的發(fā)展環(huán)境下，相關(guān)學(xué)者提出了不少成果。

王玉萍[4]等人以繪制任意視角下的三維人臉姿態(tài)模型為目的，對(duì)于三維人臉數(shù)據(jù)存在的獨(dú)特性，提出利用一般三維人臉姿態(tài)模型依據(jù)稀疏多視點(diǎn)圖像，對(duì)指定的人臉表層光場進(jìn)行重建。過程中，對(duì)Laplacian網(wǎng)格變形方法進(jìn)行優(yōu)化，完成一般人臉表層三維模型至多視點(diǎn)圖像中指定人臉模型之間的變形，以此防止了直接得到人臉模型時(shí)的復(fù)雜性和數(shù)據(jù)維度高等不足。最后基于繪制任意視點(diǎn)人臉表層模型測試方法的可行性。趙龍[5]等人指出點(diǎn)云精簡在圖像重建過程中十分重要，精簡之后的點(diǎn)云數(shù)目與分布水準(zhǔn)會(huì)直接決定圖像三維重建的整體效率。過程中，依據(jù)傳統(tǒng)點(diǎn)云精簡方式精簡之后的點(diǎn)云數(shù)據(jù)，基于曲率的自適應(yīng)分布所具備的特征，提出改進(jìn)點(diǎn)云聚類精簡法，實(shí)現(xiàn)圖像三維重建。首先對(duì)點(diǎn)云數(shù)據(jù)實(shí)行小柵格包圍精簡操作，以此能夠簡化點(diǎn)云數(shù)據(jù)，同時(shí)有利于點(diǎn)云數(shù)據(jù)特征計(jì)算；其次利用點(diǎn)的法向夾角與彎曲度等參數(shù)實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)分類，并分別進(jìn)行采樣。最后利用精簡點(diǎn)云數(shù)據(jù)實(shí)現(xiàn)圖像三維重建。

但以上兩種方法在進(jìn)行三維虛擬人物動(dòng)作高精度圖像重構(gòu)時(shí)均存在圖像清晰度較差、重構(gòu)精度較低、重構(gòu)時(shí)間較長等問題。為此，本文以三維動(dòng)畫人物為研究對(duì)象，對(duì)其動(dòng)作圖像重構(gòu)進(jìn)行研究，提出基于視覺重要性的三維虛擬人物動(dòng)作高精度圖像重構(gòu)方法。

2 三維虛擬人物動(dòng)作高精度圖像重構(gòu)

2.1 圖像預(yù)處理

未經(jīng)處理的圖像在很多時(shí)候會(huì)存在各種類型的噪聲干擾，這些噪聲會(huì)使圖像原本具有的特征點(diǎn)被抑制，阻礙了圖像的進(jìn)一步研究[6]。由此需要對(duì)圖像進(jìn)行預(yù)處理，將其中的噪聲干擾消除，對(duì)下一步圖像高精度重構(gòu)做準(zhǔn)備。將圖像中的噪聲去除，并增強(qiáng)特征位置可識(shí)別性，并將可利用信息凸顯出來，從而使檢測到的圖像特征點(diǎn)與立體配準(zhǔn)和三維重構(gòu)更加準(zhǔn)確，并利用銳化和增強(qiáng)圖像等技術(shù)對(duì)動(dòng)畫圖像進(jìn)行處理。本文通過三步實(shí)現(xiàn)圖像預(yù)處理過程，其中包含圖像中值濾波，去除圖像存在的噪聲，利用直方圖均衡化消除圖像亮度差異，采用拉普拉斯算法實(shí)現(xiàn)圖像銳化[7-8]。詳細(xì)過程如下：

1)中值濾波

中值濾波屬于一種非線性的濾波形式，而中值濾波器也自然是一種非線性的噪聲濾波器。利用中值濾波器處理圖像，能夠有效解決線性濾波和均值濾波導(dǎo)致的圖像細(xì)節(jié)丟失或者模糊等問題，在一定程度上保障了圖像重構(gòu)精度。

設(shè)定一個(gè)序列，選擇該窗口的長度m，利用中值濾波處理序列f1，…，fn，實(shí)質(zhì)是在序列中不斷抽取m個(gè)值fi-v，…，fi-1，fi，fi+1，…，fi+v，fi代表窗口中心位置的值，v=(m-1)/2。將m個(gè)值依據(jù)從小到大的順序排好，濾波器的輸出值即為順序中間值，其表達(dá)式為

yi=med{fi-v，L，fi-1，fi，fi+1，L，fi+v}

(1)

由于選取的窗口不同，呈現(xiàn)出的濾波效果也大不相同。中值濾波窗口大小可分為3與5等多種形式，本文選擇的是3*3窗口，實(shí)現(xiàn)中值濾波。

2)直方圖均衡化

該步驟的運(yùn)行過程為：利用均勻分布處理方式處理目標(biāo)圖像直方圖，將處理之后的圖像像素灰度值擴(kuò)大，提高圖像對(duì)比程度。直方圖均衡化法能夠?qū)D像中較為顯著的部分和感興趣的部分的對(duì)比度提升，尤其是圖像中比較感興趣的部分對(duì)比度接近時(shí)，可以得到很好地運(yùn)行效果。直方圖均衡化能夠有效均衡圖像亮度存在的差異。

對(duì)原始圖像進(jìn)行歸一化，實(shí)現(xiàn)圖像灰度壓縮，表達(dá)式為

(2)

式中，x，y分別為直方圖的橫縱坐標(biāo)。假設(shè)Pr(μ)代表原始圖像概率密度函數(shù)，s代表轉(zhuǎn)換函數(shù)，其分布區(qū)間為[0，1]，則有如式(3)的變換

(3)

假設(shè)nk代表第k階灰度級(jí)出現(xiàn)的總數(shù)量n，則轉(zhuǎn)換之后的灰度值f2(x，y)的表達(dá)式為

(4)

根據(jù)上述計(jì)算處理，圖像亮度值得到了均勻分布。沒有進(jìn)行直方圖均衡化的圖像灰度值是f1(x，y)，做了直方圖均衡化的圖像灰度值是f2(x，y)。

3)拉普拉斯銳化

依據(jù)上述兩個(gè)環(huán)節(jié)的濾波與均衡化，圖像中存在的噪聲已經(jīng)基本被消除，部分圖像可能會(huì)出現(xiàn)模糊現(xiàn)象，因此需要對(duì)其進(jìn)行銳化操作，才可以使動(dòng)畫虛擬人物動(dòng)作圖像重構(gòu)時(shí)，細(xì)節(jié)與邊緣更加顯著，從而提高重構(gòu)精度。

利用拉普拉斯對(duì)圖像進(jìn)行銳化處理，其表達(dá)式為

(5)

利用拉普拉斯銳化之后的圖像，其邊緣和細(xì)節(jié)信息都得到了顯著性增強(qiáng)，f3(x，y)即為拉普拉斯銳化之后獲取的圖像灰度值。

2.2 圖像重構(gòu)

基于上述圖像預(yù)處理結(jié)果，利用三維虛擬人物每個(gè)動(dòng)作執(zhí)行時(shí)的視覺重要程度實(shí)現(xiàn)圖像重構(gòu)。其中，計(jì)算三維虛擬人物圖像中對(duì)象視覺重要程度，根據(jù)區(qū)分有限層次方法生成可視化效果最優(yōu)的圖像，從而實(shí)現(xiàn)三維虛擬人物動(dòng)作高精度圖像重構(gòu)。

圖像中各個(gè)對(duì)象的重要程度評(píng)估是三維虛擬人物動(dòng)作重構(gòu)的關(guān)鍵問題，也是保持圖像精度的重要依據(jù)。通過以往量化視覺顯著程度與視覺重要程度相關(guān)方法可知：當(dāng)觀察人員對(duì)自身比較感興趣的目標(biāo)進(jìn)行觀察時(shí)，視線不會(huì)只停留在目標(biāo)范圍內(nèi)的所有區(qū)域，而是目標(biāo)中某個(gè)或者某幾個(gè)區(qū)域得到了大部分的視覺關(guān)注[9]。這些區(qū)域即為視覺重要程度區(qū)域，該定義和其自身大小沒有關(guān)系。

計(jì)算視覺顯著圖需要基于下列假設(shè)：如果觀察者的視線在某點(diǎn)上時(shí)，那么該區(qū)域所受到的視覺強(qiáng)度即為將該點(diǎn)當(dāng)作中心點(diǎn)的高斯分布。假設(shè)觀察人員的眼球與圖像之間的距離約41cm，即約1575像素，那么視網(wǎng)膜中央凹下去的寬度大概為1°，點(diǎn)擴(kuò)散函數(shù)計(jì)算示意圖如圖1所示：

圖1 點(diǎn)擴(kuò)散函數(shù)計(jì)算示意圖

函數(shù)所得值的單位為像素，利用三角函數(shù)R=1575·tan 0.5°≈14，就能夠計(jì)算出需要的高斯函數(shù)，寬度大概為28個(gè)像素，獲取直徑是28像素的區(qū)域，也就是在一個(gè)關(guān)注點(diǎn)下生成的視覺重要程度區(qū)域。

根據(jù)上述分析，對(duì)視覺重要程度區(qū)域和整體視線方向以及目標(biāo)顏色與大小等指標(biāo)，對(duì)動(dòng)作呈現(xiàn)效果產(chǎn)生的影響進(jìn)行一個(gè)綜合性地考慮。如圖2所示，將圓心當(dāng)作視點(diǎn)，將垂直視線方向與圓心相差距離最遠(yuǎn)的對(duì)象當(dāng)作基準(zhǔn)對(duì)象，結(jié)合一個(gè)和視線方向有關(guān)因子factor，該因子的計(jì)算表達(dá)式為factor=tanθ，其中，θ代表視角。

圖2 圖像中各對(duì)象重要程度

根據(jù)圖2可知，顏色依據(jù)彩虹七色分別賦值為7至1，圖2中，1、3、6位置的對(duì)象顏色是綠色，2位置的對(duì)象顏色是黃色，4、5、7位置的對(duì)象顏色是紅色，8位置的對(duì)象顏色是紫色。

基于上述分析，假設(shè)D代表某個(gè)對(duì)象與圓心之間的實(shí)際距離，ΔS代表對(duì)象投影所顯示出的面積，c代表對(duì)象顏色，則重要程度計(jì)算公式為

(6)

其中，α1和α2代表權(quán)重系數(shù)，B代表重要程度的基準(zhǔn)值，其表達(dá)式為

B=α1(1+tanθ0)D0+α2(100/(c0+ΔS0))

(7)

式中，θ0代表基準(zhǔn)對(duì)象視角，D0代表基準(zhǔn)對(duì)象與視點(diǎn)之間的距離，c0代表基準(zhǔn)對(duì)象顏色，ΔS0代表基準(zhǔn)對(duì)象大小。

上述計(jì)算中，I值越大，則代表某個(gè)對(duì)象重要程度就越高。

依據(jù)上述對(duì)象重要程度計(jì)算，引入細(xì)節(jié)層次選擇法LOD，其經(jīng)常適用在三維虛擬人物動(dòng)作圖像重構(gòu)中。其應(yīng)用過程如下所示：

設(shè)定圖像中各對(duì)象具備n′個(gè)模型，所有模型依據(jù)細(xì)節(jié)層次由高至低順序可表示為LOD1，…，LODn′。為了滿足重構(gòu)需求和視覺需求，將對(duì)象重要程度進(jìn)行排列，重要程度越高，那么選擇的層次模型就越高，決定不同層次模型選取的比例參數(shù)為K′。設(shè)定視覺重要程度區(qū)域存在m′個(gè)對(duì)象，num(LODi)代表第i層模型總數(shù)，LOD模型對(duì)應(yīng)級(jí)別占據(jù)的比例順序?yàn)镵′1，…，K′n′，利用公式可表示為

(8)

其中，K′i≥0，K′1+…+K′n′=1。

基于時(shí)限需求，依據(jù)對(duì)象重要程度在圖像數(shù)據(jù)庫中對(duì)對(duì)象細(xì)節(jié)層次進(jìn)行重新選擇。三維虛擬人物動(dòng)作圖像重構(gòu)最為關(guān)鍵的部分為持續(xù)調(diào)節(jié)各個(gè)層次模型設(shè)置比例參數(shù)K′，進(jìn)而滿足時(shí)限需求。

圖像重構(gòu)主要包含以下幾個(gè)部分：

依據(jù)現(xiàn)實(shí)需求選取不同層次模型設(shè)置比例參數(shù)；基于對(duì)象重要程度選擇出待可視化的目標(biāo)，在視覺重要程度區(qū)域范圍內(nèi)生成可視化對(duì)象集合Soi={Oi;i=1，…，n′}，再對(duì)各對(duì)象重要程度進(jìn)行計(jì)算，得到Ioi，同時(shí)依據(jù)對(duì)象重要程度由高至低進(jìn)行排列，獲取有序的可視化目標(biāo)對(duì)象集合：S′oi={Oj;Ioj>Ioj+1，j=1，…，n′-1}；最后對(duì)S′oi中LOD層次進(jìn)行相應(yīng)調(diào)節(jié)，依據(jù)不同層次模型設(shè)置比例參數(shù)K′，判斷LOD級(jí)別，使得重要程度越高，選擇的層次模型就越高，基于繪制時(shí)間自主調(diào)節(jié)三維可視化模型，根據(jù)區(qū)分有限層次方法生成可視化效果最優(yōu)圖像，使其達(dá)到設(shè)定的重構(gòu)精度，以此完成三維虛擬人物動(dòng)作高精度圖像重構(gòu)，其表達(dá)式為

(9)

其中，L代表LOD模型，l代表目標(biāo)對(duì)象LOD層次，num(li)代表第i層模型數(shù)量。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證基于視覺重要性的三維虛擬人物動(dòng)作高精度圖像重構(gòu)方法的性能，在CPU：Intel(R)Core(TM)i3 CPU 550@3.20GHz 3.19GHz，內(nèi)存為2048MB，顯示設(shè)備為一臺(tái)PC機(jī)的環(huán)境下進(jìn)行一次仿真。圖3為三維動(dòng)畫仿真系統(tǒng)。

圖3 三維動(dòng)畫仿真系統(tǒng)

實(shí)驗(yàn)通過三維動(dòng)畫仿真系統(tǒng)選取一部三維動(dòng)畫中的部分動(dòng)作截圖作為實(shí)驗(yàn)樣本，如圖4所示。

圖4 實(shí)驗(yàn)樣本

由于三維動(dòng)畫圖像在重構(gòu)的過程中存在噪聲干擾，由此采用本文重構(gòu)方法、基于多視點(diǎn)圖像的人臉表面光場重構(gòu)方法和基于點(diǎn)云精簡的序列圖像三維重構(gòu)方法，進(jìn)行圖像降噪處理，處理結(jié)果如圖5所示。

圖5 不同方法圖像處理對(duì)比

從圖5中可明顯看出，本文提出的基于視覺重要性的三維虛擬人物動(dòng)作高精度圖像重構(gòu)方法噪聲干擾抑制效果最佳。是因?yàn)楸疚睦弥兄禐V波將圖像中的噪聲去除，采用直方圖均衡化消除圖像亮度差異，使用拉普拉斯算法對(duì)圖像進(jìn)行銳化，高效抑制了圖像中存在的噪聲，增強(qiáng)了圖像細(xì)節(jié)與邊緣，提升了圖像清晰度，從而提高了三維虛擬人物動(dòng)作高精度圖像重構(gòu)效果。

為了驗(yàn)證本文方法的有效性，以最優(yōu)關(guān)鍵幀數(shù)、壓縮率和圖像重構(gòu)時(shí)間為實(shí)驗(yàn)指標(biāo)，對(duì)本文重構(gòu)方法、基于多視點(diǎn)圖像的人臉表面光場重構(gòu)方法和基于點(diǎn)云精簡的序列圖像三維重構(gòu)方法的三維虛擬人物動(dòng)作高精度圖像進(jìn)行驗(yàn)證，得到最優(yōu)關(guān)鍵幀數(shù)越多，壓縮率越高，表明圖像像素越好，圖像清晰度越高；重構(gòu)時(shí)間越少，表明圖像重構(gòu)效率越高。三維動(dòng)畫圖像重構(gòu)時(shí)間和壓縮率對(duì)比結(jié)果如表1所示。

表1 三維動(dòng)畫圖像重構(gòu)時(shí)間和壓縮率對(duì)比

根據(jù)表1可知，在三種方法中本文重構(gòu)方法的三維虛擬人物動(dòng)作高精度圖像最優(yōu)關(guān)鍵幀數(shù)為最多，壓縮率最高，重構(gòu)時(shí)間最少，說明本文重構(gòu)方法的三維虛擬人物動(dòng)作高精度圖像重構(gòu)效率最高。

為了進(jìn)一步驗(yàn)證本文方法的有效性，對(duì)本文重構(gòu)方法、基于多視點(diǎn)圖像的人臉表面光場重構(gòu)方法和基于點(diǎn)云精簡的序列圖像三維重構(gòu)方法的三維虛擬人物動(dòng)作高精度圖像重構(gòu)精度進(jìn)行對(duì)比分析，對(duì)比結(jié)果如圖6所示。

圖6 不同方法重構(gòu)精度對(duì)比結(jié)果

根據(jù)圖6可知，基于多視點(diǎn)圖像的人臉表面光場重構(gòu)方法和基于點(diǎn)云精簡的序列圖像三維重構(gòu)方法的重構(gòu)精度分別為52%和48%，而本文方法在不同實(shí)驗(yàn)次數(shù)下，重構(gòu)結(jié)果逼近程度最高可達(dá)90%，表現(xiàn)出了良好的重構(gòu)性能。是因?yàn)楸疚姆椒ㄔ趫?zhí)行重構(gòu)操作之前，對(duì)圖像進(jìn)行了預(yù)處理。其中，中值濾波器處理圖像能夠有效解決線性濾波器和均值濾波導(dǎo)致的圖像細(xì)節(jié)丟失或者圖像模糊等問題，有效保障了圖像重構(gòu)精度。利用拉普拉斯銳化圖像，可以使動(dòng)畫虛擬人物動(dòng)作圖像重構(gòu)時(shí)細(xì)節(jié)與邊緣更加顯著，進(jìn)一步提升了重構(gòu)精度。

4 結(jié)束語

本文針對(duì)三維虛擬人物動(dòng)作重構(gòu)，將視覺重要性引入圖像重構(gòu)中，完成研究。過程中，利用中值濾波法、直方圖均衡化法、拉普拉斯銳化算法分別對(duì)圖像進(jìn)行預(yù)處理，基于處理過的圖像，計(jì)算其對(duì)象視覺重要程度，結(jié)合有限層次法得到最貼合實(shí)際的重構(gòu)結(jié)果。實(shí)驗(yàn)結(jié)果顯示，所提方法性能較為完善，可靠性強(qiáng)。