基于雙邊濾波算法的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成

摘要：三維虛擬視點(diǎn)合成能夠讓設(shè)計(jì)師在計(jì)算機(jī)上創(chuàng)建出非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)的立體效果，提供更真實(shí)、更全面的視覺體驗(yàn)，為此提出基于雙邊濾波算法的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成。首先，采用基于相對(duì)高度深度的深度圖提取方法，從非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像中獲取其深度信息；針對(duì)深度圖像提取過程中產(chǎn)生的缺陷如噪聲、孔洞等，引入改進(jìn)的自適應(yīng)聯(lián)合雙邊濾波方法，實(shí)施圖像修復(fù)，從而獲取更加完整、清晰的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像；最后，引入基于深度圖像的渲染（DIBR）技術(shù)，推出缺失深度的修復(fù)值，并通過DIBR的針孔相機(jī)模型和三維圖像轉(zhuǎn)換方程，將修復(fù)后的深度圖像轉(zhuǎn)換為三維虛擬視點(diǎn)圖像，并實(shí)現(xiàn)其三維虛擬視點(diǎn)合成。實(shí)驗(yàn)結(jié)果表明，所提方法應(yīng)用后，能夠精確地修復(fù)填補(bǔ)非遺文創(chuàng)產(chǎn)品包裝RGB圖像空缺，整體完整度較高；完整且精確地展現(xiàn)出非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)的三維虛擬視點(diǎn)效果，色彩飽滿，瑕疵較少；PSNR值和SSIM值均得到提高。三維虛擬視點(diǎn)合成方法能夠有效修復(fù)缺陷圖像，提升了三維虛擬點(diǎn)合成后的質(zhì)量，滿足實(shí)際非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)需求。

關(guān)鍵詞：深度圖提??；雙邊濾波；DIBR；三維圖像轉(zhuǎn)換；虛擬視點(diǎn)合成

中圖分類號(hào)：TP472；TP3文獻(xiàn)標(biāo)志碼：A文章編號(hào)：2095－414X（2024）06－0038－06

0引言

非遺文創(chuàng)產(chǎn)品[1]作為一種獨(dú)特的文化遺產(chǎn)，其包裝設(shè)計(jì)是其重要做成部分，將非遺文化元素應(yīng)用于包裝設(shè)計(jì)中，是一種有效的保護(hù)和傳承非遺文化的途徑，為了有效傳承下去，需要借助先進(jìn)的技術(shù)手段，將其融入到現(xiàn)代生活中，而三維虛擬點(diǎn)合成技術(shù)則可以將其轉(zhuǎn)化為三維的虛擬場(chǎng)景，為非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)帶來前所未有的創(chuàng)意空間，推動(dòng)非遺文化的創(chuàng)新發(fā)展，滿足現(xiàn)代消費(fèi)者的審美需求，故需要對(duì)其展開深入研究。

蔡李美[2]等人首先對(duì)非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像實(shí)施三維變換后，采用形態(tài)學(xué)操作對(duì)變換后圖像中的空洞實(shí)施膨脹處理，以去除偽影瑕疵；其次根據(jù)左右虛擬視點(diǎn)對(duì)圖形前景、后景實(shí)施背景分割；最后引入分層融合機(jī)制實(shí)現(xiàn)圖像的三維虛擬視點(diǎn)合成。該方法選用的形態(tài)學(xué)操作是針對(duì)紋理較為簡(jiǎn)單的圖像的，面對(duì)復(fù)雜紋理的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像，這種方法可能無法完全準(zhǔn)確地處理所有的空洞和偽影瑕疵。

Kim G[3]等人根據(jù)計(jì)算復(fù)雜性和非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像質(zhì)量，確定三維虛擬視點(diǎn)合成的最佳圖像數(shù)量；通過校正和匹配特征點(diǎn)對(duì)其展開深度圖三維信息提取；在此基礎(chǔ)上基于圖像之間的幾何關(guān)系，利用紋理映射實(shí)現(xiàn)圖像的三維虛擬點(diǎn)合成。該方法在確定最佳圖像數(shù)量時(shí)需要反復(fù)試驗(yàn)和調(diào)整，增加了計(jì)算的復(fù)雜性。邢毓華[4]等人通過電動(dòng)平移臺(tái)和視點(diǎn)攝像機(jī)采集為非遺文創(chuàng)商品包裝設(shè)計(jì)的稀疏視角圖片;采用分層聚類與二維虛擬視點(diǎn)組合方式實(shí)現(xiàn)圖像的虛擬視角組合；最后利用像素映射技術(shù)獲得其微單元圖像陣列，再通過該陣列完成實(shí)現(xiàn)二維虛擬視點(diǎn)的三維重建過程，以此實(shí)現(xiàn)圖像的三維虛擬視點(diǎn)合成。該方法在生成微單元圖像陣列過程中易受到外界因素干擾，導(dǎo)致陣列不準(zhǔn)確，使合成后的三維虛擬視點(diǎn)圖像失真。Wang Z[5]等人將目標(biāo)圖像分解為多個(gè)子圖像，并對(duì)每個(gè)子圖像與響應(yīng)的部分球面相位之間作乘積運(yùn)算以達(dá)到互補(bǔ)視點(diǎn)收斂；在此基礎(chǔ)上將每個(gè)子圖像的視點(diǎn)信息投影到目標(biāo)三維區(qū)域以拼接成完整的三維虛擬點(diǎn)效果。該方法在拼接過程中需要消耗大量的時(shí)間，降低了運(yùn)行效率。

綜上所述，通過專業(yè)的軟件工具快速構(gòu)建和修改三維模型，實(shí)現(xiàn)包裝的虛擬展示和交互設(shè)計(jì)，往往需要進(jìn)行多次的物理打樣和修改，不僅耗費(fèi)大量時(shí)間和成本，而且修改過程繁瑣。而三維虛擬設(shè)計(jì)可以在計(jì)算機(jī)上直接進(jìn)行模擬和修改，快速生成多種設(shè)計(jì)方案，且三維虛擬包裝設(shè)計(jì)能夠創(chuàng)造出更立體、更逼真的視覺效果。非遺文創(chuàng)產(chǎn)品的包裝設(shè)計(jì)需要兼具藝術(shù)性和技術(shù)性。通過整理以往研究成果的優(yōu)勢(shì)與劣勢(shì)，本文從實(shí)際應(yīng)用的角度出發(fā)，設(shè)計(jì)了基于雙邊濾波算法的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成方法。通過引入三維虛擬視點(diǎn)合成技術(shù)，可以使得產(chǎn)品包裝在展示時(shí)具有更加豐富的視覺效果，吸引消費(fèi)者的注意力。而雙邊濾波算法的應(yīng)用，則能夠在保證圖像清晰度的同時(shí)，有效去除噪聲，提升包裝設(shè)計(jì)的整體質(zhì)感。

1非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖生成及處理

1.1基于相對(duì)高度深度的深度圖提取

為了便于三維虛擬視點(diǎn)合成，首先通過基于相對(duì)高度深度的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖提取方法，獲取其二維深度圖像，這個(gè)深度圖像中包含了非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)表面及三維深度信息。方法的主要流程如下：

1.1.1灰度轉(zhuǎn)換

一般采集到的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖是一種彩色的RGB圖像，而三維虛擬視點(diǎn)合成所需要的是只有一種顏色分量的深度圖，為此需要首先實(shí)施灰度轉(zhuǎn)換[6]，提取圖像的灰度信息以提高計(jì)算效率，轉(zhuǎn)換公式為：

GRAY=R=G=B=0.299R（i，j） +0.587G（i，j） +0.114B（i，j）（1）

式中：（i，j） 代表的是非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖的像素點(diǎn)坐標(biāo)。由式（1）轉(zhuǎn)換后的像素灰度值范圍變?yōu)?～255，屬于單通道，灰度對(duì)比度較好。

1.1.2邊緣檢測(cè)

該步驟的目的是檢測(cè)出非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像中非遺文創(chuàng)產(chǎn)品包裝的輪廓并標(biāo)記出來。由于其邊界往往與相鄰像素之間具有較大的差異，為此采用So?bel算子[7]來展開檢測(cè)，其結(jié)構(gòu)簡(jiǎn)圖如圖1。

圖1中Hx和Hy是Sobel算子水平和垂直方向上的檢測(cè)模板，將這兩個(gè)檢測(cè)模板實(shí)施卷積運(yùn)算得到求和結(jié)果H，將H與閾值H0作比較，若Hgt;H0，則表明該像素點(diǎn)為邊緣位置并賦值為255；反之則定義為非邊緣位置，賦值為0。

1.1.3線軌跡追蹤

通過邊緣檢測(cè)獲取非遺文創(chuàng)產(chǎn)品包裝的邊緣后，采用線性軌跡追蹤[8]從邊緣圖像中得到相應(yīng)的深度信息，選取其圖中首列像素中等間距選擇n個(gè)像素點(diǎn)并將第一列劃分為n+1各部分，在給定n=20的約束條件下對(duì)這些像素逐個(gè)展開追蹤直至最后一行結(jié)束，追蹤順序按照從左至右，確定下一個(gè)匹配像素點(diǎn)的條件公式為：

T=arg minT{a1R1（i，j） +a2 R2（i，j） +a3R3（i，j）} （2）

式中：R1（i，j），R2（i，j），R3（i，j） 分別表示的是邊緣追蹤約束、平滑約束以及彈性約束；a1，a2，a3為權(quán)重因子三種約束條件的計(jì)算公式為：

式中：edge（i，j） 代表非遺文創(chuàng)產(chǎn)品包裝邊緣圖像中位于（i，j） 的邊緣值；a為整幅邊緣圖像的平均值；ds（i，j） 為當(dāng)前位置點(diǎn)與下一匹配點(diǎn)的距離；b為控制參數(shù)；de（i，j） 為當(dāng)前追蹤像素點(diǎn)與追蹤線的垂直距離.。

1.1.4深度賦值

采用相對(duì)高度深度賦值法對(duì)完成追蹤的n條軌跡線展開賦值，得到最終的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像，用Ddepth表示相鄰的不同軌跡線的賦值梯度，該梯度值由邊緣圖的n+1列劃分得到，計(jì)算公式為：

通過上述四個(gè)步驟，即可完成提取非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像深度信息的過程，提供產(chǎn)品的三維表面信息，有助于更好地理解產(chǎn)品的形態(tài)和結(jié)構(gòu)。

1.2基于雙邊濾波的圖像修復(fù)

非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像紋理較為復(fù)雜，其深度信息提取過程中可能會(huì)受到噪聲、陰影、表面復(fù)雜度等因素的影響，導(dǎo)致深度圖存在一些缺陷和不連續(xù)的空洞及雜點(diǎn)，需要對(duì)其實(shí)施一定處理。

由于原始的雙邊濾波方法[9-10]權(quán)值的不穩(wěn)定性可能導(dǎo)致非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像邊緣附近出現(xiàn)結(jié)果翻轉(zhuǎn)的現(xiàn)象，為此所提方法提出聯(lián)合雙邊濾波方法，該方法利用導(dǎo)向圖（一種彩色圖像）作為計(jì)算值域權(quán)重的依據(jù)，從而在傳統(tǒng)雙邊濾波的基礎(chǔ)上，實(shí)現(xiàn)了自動(dòng)確定目標(biāo)圖像中每個(gè)空洞像素點(diǎn)的濾波相關(guān)參數(shù)，進(jìn)一步提升修復(fù)的準(zhǔn)確性和穩(wěn)定性。計(jì)算公式為：

式中：Fx，Jy表示原始圖像深度值和濾波后的像素深度值；ec（x，y） 和er（x，y） 分別代表顏色相似權(quán)重以及空間距離項(xiàng)權(quán)重；?c，?r為ec（x，y） ，er（x，y） 的參數(shù)；Ox，Oy為原始圖像中待填充點(diǎn)位置x以及鄰域內(nèi)位置y的像素值。

在非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)的深度圖像修復(fù)中，手動(dòng)確定濾波參數(shù)會(huì)增加時(shí)間成本且難以達(dá)到最佳修復(fù)效果。為此，引入改進(jìn)的自適應(yīng)聯(lián)合雙邊濾波方法，該方法能自動(dòng)確定每個(gè)空洞像素點(diǎn)的濾波參數(shù)，以適應(yīng)不同深度值的修補(bǔ)需求，從而簡(jiǎn)化了參數(shù)調(diào)整并提升修復(fù)效果。自適應(yīng)確定最優(yōu)參數(shù)步驟如下：

（1）空洞像素點(diǎn)濾波鄰域范圍Ω確定。求出各空洞像素點(diǎn)m×m和鄰域內(nèi)非零像素點(diǎn)之間的比例T，設(shè)定一個(gè)占比閾值Q，若Tgt;Q則設(shè)濾波鄰域?yàn)閙×m，反之為m=m+2，m是濾波鄰域邊長(zhǎng)，并以此判斷T，Q的關(guān)系。

（2）求解空間距離權(quán)重項(xiàng)參數(shù)?r。式（6）表明，空間距離權(quán)重項(xiàng)參數(shù)?r與空間距離項(xiàng)權(quán)重er成正比，以此為依據(jù)通過步驟（1）的m值可以確定?r值，m越大，?r越小，公式為?r=m0/m??r（max） ，其中?r（max） 表示參數(shù)?r允許的最大值。

（3）求解顏色相似權(quán)重項(xiàng)參數(shù)?c。引入結(jié)構(gòu)相似度（SSIM）[11-12]評(píng)價(jià)指標(biāo)。該指標(biāo)包含亮度、對(duì)比度和結(jié)構(gòu)三個(gè)方面，用于評(píng)估非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)彩色圖像和深度圖像在同一區(qū)域的相似度。以像素均值ux，uy、像素標(biāo)準(zhǔn)差?x，?y以及協(xié)方差?xy來描述?c，更全面地衡量圖像修復(fù)的質(zhì)量和效果，計(jì)算公式為：

íì?SSSIM（x，y） =（2uxuy?2?xy）/（ux（2）+uy（2））?（?x（2）+?y（2））

式中：SSSIM（r，g，b） 為彩色圖像RGB 3個(gè)通道各自的SSIM值，且SSIM值范圍為（0，1] ；?c（max） 表示?c允許的最大值。

求得空洞像素點(diǎn)的參數(shù)和權(quán)重后，將結(jié)果輸入到式（5）中推出缺失深度的修復(fù)值，進(jìn)而獲取更完整的含三維信息的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像。

2非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成

非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成[13]是一種將傳統(tǒng)非遺工藝與現(xiàn)代技術(shù)相結(jié)合的設(shè)計(jì)方式。通過三維虛擬視點(diǎn)合成技術(shù)，設(shè)計(jì)師可以在計(jì)算機(jī)上創(chuàng)建出產(chǎn)品的立體效果，提供更真實(shí)、更全面的視覺體驗(yàn)。

獲取非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)的完整深度圖像后，采用數(shù)字圖像重建技術(shù)（DIBR）來實(shí)現(xiàn)其三維虛擬點(diǎn)的合成。這一過程主要分為兩個(gè)關(guān)鍵步驟：

（1）根據(jù)圖像的深度信息，將二維平面的像素點(diǎn)映射到三維空間中的對(duì)應(yīng)位置，為后續(xù)的三維處理和操作提供基礎(chǔ)。

（2）利用三維圖像轉(zhuǎn)換方程，將三維空間中的點(diǎn)映射到目標(biāo)視點(diǎn)上，實(shí)現(xiàn)從不同視角的三維虛擬視點(diǎn)合成，從而能夠從各種角度查看和處理虛擬三維模型。

2.1針孔相機(jī)模型

步驟（1）主要采用針孔相機(jī)模型[14]，該模型定義了三維世界中某一點(diǎn)到目標(biāo)二維非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像上的投影關(guān)系，轉(zhuǎn)換示意圖見圖2（a）。

假設(shè)相機(jī)光心C的光軸與Z軸共線位于坐標(biāo)系原點(diǎn)處，根據(jù)三角形性質(zhì)即可獲取三維世界點(diǎn)A=（x，y，z）T與其在非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像平面上的投影點(diǎn)a=（u，v）T之間的集合關(guān)系，如圖2（b）所示，用投影矩陣描述：

在該矩陣的基礎(chǔ)上，用非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像坐標(biāo)系的原點(diǎn)描述圖像中每個(gè)像素的位置；用圖像的主點(diǎn)作為原點(diǎn)描述圖像中非遺文創(chuàng)產(chǎn)品包裝的實(shí)際位置和大小，并將該矩陣轉(zhuǎn)換到圖像像素坐標(biāo)系下：

式中：fu=f?du，fv=f?dv，du，dv為U軸和V軸方向上物理坐標(biāo)系與像素坐標(biāo)系的尺度；[xc，yc，zc]T代表三維世界點(diǎn)在相機(jī)坐標(biāo)系下的位置；（pu，pv） 代表主點(diǎn)P在圖像像素坐標(biāo)系中的位置；矩陣K為相機(jī)的內(nèi)部參數(shù)，描述相機(jī)內(nèi)部的坐標(biāo)變換。

完成相機(jī)坐標(biāo)系到圖像像素坐標(biāo)系的轉(zhuǎn)換后，將世界坐標(biāo)系轉(zhuǎn)換到相機(jī)坐標(biāo)系下，變換公式為：

式中：R代表3*3旋轉(zhuǎn)矩陣；t表示3*1平移向量；矩陣[R| t] 為相機(jī)外部參數(shù)。將上式代入到式（10）中即可得到世界坐標(biāo)系到圖像像素坐標(biāo)系的轉(zhuǎn)換關(guān)系：

將其進(jìn)一步簡(jiǎn)化得到：

式中：A為三維世界點(diǎn)在世界坐標(biāo)系中的齊次坐標(biāo)；a為三維世界點(diǎn)在圖像平面上的的投影點(diǎn)齊次坐標(biāo)；P表示相機(jī)投影矩陣；z表示三維世界點(diǎn)到相機(jī)焦平面的距離（深度）。

2.2三維圖像變換

步驟（2）作用是利用三維圖像變換方程，將參考圖像在三維空間中的視點(diǎn)投影到目標(biāo)視點(diǎn)上。這一步通過深度值的不斷調(diào)整，模擬從不同視角觀察非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維場(chǎng)景的效果，從而實(shí)現(xiàn)三維虛擬視點(diǎn)合成。

將非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖中的8位灰度值使用真實(shí)場(chǎng)景中的最遠(yuǎn)和最近深度值實(shí)施尺度變換：

式中：d代表深度圖的像素值；znear，zfar代表真實(shí)場(chǎng)景中的最近深度值和最遠(yuǎn)深度值；設(shè)三維世界中的一個(gè)點(diǎn)A的齊次坐標(biāo)為[x，y，z，1]T，其在參考圖像和目標(biāo)圖像上的投影分別為aref=[uref，vref，1]T和ades=[udes，vdes，1]T，兩者的投影關(guān)系為：

式中：zref，zdes表示參考和目標(biāo)視點(diǎn)相機(jī)焦平面到三維世界點(diǎn)A的距離；Pref，Pdes表示參考和目標(biāo)相機(jī)視點(diǎn)相機(jī)的投影矩陣[15]。

根據(jù)上式即可獲取目標(biāo)圖像的虛擬視點(diǎn)與參考圖像中的點(diǎn)的對(duì)應(yīng)關(guān)系：

最后通過針孔相機(jī)的視差多角度偏移得到多個(gè)視點(diǎn)的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像，對(duì)這些圖像實(shí)施上述三維變換并合成后，得到最終的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)效果。

3實(shí)驗(yàn)與分析

為了驗(yàn)證基于雙邊濾波算法的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成的整體有效性，需要對(duì)其展開測(cè)試。

首先建立非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成的實(shí)驗(yàn)環(huán)境，準(zhǔn)備一臺(tái)配備高性能處理器和足夠內(nèi)存的計(jì)算機(jī)，實(shí)驗(yàn)過程中使用到Blender三維建模軟件、Substance Painter紋理映射軟件、V-Ray光照渲染引擎以及Nuke合成軟件，測(cè)試頁面見圖3。

實(shí)驗(yàn)參數(shù)設(shè)定：①視點(diǎn)數(shù)量：10；②視點(diǎn)角度：-180～180°;③紋理分辨率：2048x2048像素；④主光源角度：45°。；強(qiáng)度100%；環(huán)境光亮度30%；⑤渲染分辨率：4000x4000像素；⑥采樣率：24；⑦抗鋸齒：8x MSAA。

基于上述測(cè)試環(huán)境，首先驗(yàn)證所提方法采用的改進(jìn)聯(lián)合雙邊濾波算法對(duì)非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)深度圖像中各類空洞缺陷的修復(fù)效果，修復(fù)后圖像整體的完整度越高，對(duì)提高后續(xù)圖像三維虛擬視點(diǎn)合成合成精度的優(yōu)勢(shì)越大。選擇測(cè)試圖像中非遺文創(chuàng)產(chǎn)品的外殼包裝為測(cè)試對(duì)象，得到如圖4所示的修復(fù)結(jié)果。

在深度信息提取后，原始的非遺文創(chuàng)產(chǎn)品包裝RGB圖像經(jīng)深度信息提取后出現(xiàn)了較多的空洞缺陷，導(dǎo)致圖像不完整。通過所提方法采用雙邊濾波對(duì)圖像實(shí)施修復(fù)后，這些空缺都被精確地修復(fù)填補(bǔ)，這表明所提方法能夠有效地提高圖像的整體完整度，從而使其更加符合實(shí)際應(yīng)用的需求。

與上述實(shí)驗(yàn)的測(cè)試對(duì)象為主，運(yùn)用所提方法和文獻(xiàn)[2]方法、文獻(xiàn)[3]方法對(duì)這個(gè)非遺文創(chuàng)產(chǎn)品包裝深度圖像展開三維虛擬視點(diǎn)合成，并用V-Ray光照渲染引擎對(duì)其實(shí)施彩色渲染，三種方法的合成結(jié)果見圖5。

根據(jù)圖5，可以清楚地看到，在三種合成方法中，只有所提方法能夠完整且精確地展現(xiàn)出非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)的三維虛擬視點(diǎn)效果，這種方法得到的結(jié)果色彩飽滿，為設(shè)計(jì)師提供了更真實(shí)的效果；相比之下，文獻(xiàn)[2]方法得到的三維虛擬視點(diǎn)效果較差，出現(xiàn)了偽影和空洞現(xiàn)象；雖然文獻(xiàn)[3]的方法沒有出現(xiàn)空洞現(xiàn)象，但仍然存在較多偽影。這兩種傳統(tǒng)方法均存在瑕疵，由此可以說明所提方法的性能更好。

最后從客觀方面（PSNR值和SSIM值）對(duì)所提方法、文獻(xiàn)[2]方法以及文獻(xiàn)[3]方法展開對(duì)比。PSNR是一種基于峰值信噪比的客觀評(píng)價(jià)指標(biāo)，用于衡量原始圖像和合成視點(diǎn)之間的像素級(jí)差異。PSNR值越高，說明兩者越接近，方法性能越好；SSIM是一種結(jié)構(gòu)相似性指標(biāo)，用于衡量?jī)烧咧g的結(jié)構(gòu)相似程度，SSIM值越接近于1，說明兩者結(jié)構(gòu)越相似，性能越好。

在給定一組非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)圖像的不同虛擬視點(diǎn)個(gè)數(shù)下，采用上述三種方法展開三維虛擬點(diǎn)合成測(cè)試，獲取的PSNR值和SSIM值對(duì)比結(jié)果由表1描述。

分析表1的數(shù)據(jù)可以知道，文獻(xiàn)[2]方法獲得的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬視點(diǎn)合成結(jié)果的PSNR、SSIM值均比較低；文獻(xiàn)[3]方法雖然比文獻(xiàn)[3]方法的PSNR值要高，但SSIM值與所提方法相比，還是要低一些，且值不夠穩(wěn)定；相比之下，所提方法下無論是PSNR值還是SSIM值均高于其他兩種傳統(tǒng)方法，說明所提方法能夠更顯著地提高非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)三維虛擬點(diǎn)合成后的質(zhì)量。

4結(jié)語

為了實(shí)現(xiàn)非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)的三維虛擬視點(diǎn)合成，使用深度提取方法，獲取其深度圖像，重點(diǎn)在于采用自適應(yīng)聯(lián)合雙邊濾波方法，修復(fù)圖像缺陷，創(chuàng)新之處在于結(jié)合DIBR技術(shù)，將深度圖像轉(zhuǎn)換為三維虛擬視點(diǎn)圖像。這一過程結(jié)合了傳統(tǒng)非遺工藝與現(xiàn)代技術(shù)，三維虛擬視點(diǎn)合成合成精度具有優(yōu)勢(shì)，各類空洞缺陷的修復(fù)質(zhì)量較高，且彩色渲染結(jié)果沒有出現(xiàn)空洞現(xiàn)象，瑕疵較少，PSNR值和SSIM值均得到提高，呈現(xiàn)出更真實(shí)更全面的非遺文創(chuàng)產(chǎn)品包裝設(shè)計(jì)效果，不僅能夠提升產(chǎn)品包裝的視覺效果和質(zhì)感，滿足消費(fèi)者的多樣化需求，同時(shí)也能夠推動(dòng)傳統(tǒng)文化的傳承和創(chuàng)新發(fā)展，具有顯著的必要性。

參考文獻(xiàn)：

[1]柏清，任宇翔.基于非遺文化的文創(chuàng)產(chǎn)品設(shè)計(jì)探究[J].包裝工程，2023，44（18）：351-353、384.

[2]蔡李美，李新福，田學(xué)東.基于分層圖像融合的虛擬視點(diǎn)繪制算法[J].計(jì)算機(jī)工程，2021，47（4）：204-210.

[3]Kim G，Lee D.Adaptive View Sampling for Efficient Syn?thesis of 3D View Using Calibrated Array Cameras[J].Elec?tronics，2021，10（1）：82.

[4]邢毓華，胡曉龍，楊琛.基于分層聚類二維視點(diǎn)合成的集成成像系統(tǒng)[J].量子電子學(xué)報(bào)，2021，38（1）：2-9.

[5]Wang Z，Tu K，Lv G，et al.Cross Talk-free Retinal Projec?tion Display Based on a Holographic Complementary View?point Array[J].Optics Letters，2023，48（9）：2437-2440.

[6]婁聯(lián)堂，何慧玲.基于圖像灰度變換的OTSU閾值優(yōu)化算法[J].中南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，40（3）：325-330.

[7]潘少偉，王蒙歌，王亞玲，等.改進(jìn)Sobel算子對(duì)巖心圖像的邊緣檢測(cè)研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2021，51（17）：119-129.

[8]張博，劉紅平.基于多目標(biāo)視頻圖像邊緣特征的核相關(guān)濾波跟蹤算法[J].激光與光電子學(xué)進(jìn)展，2021，58（6）：132-139.

[9]陳亞超，樊彥國(guó)，禹定峰，等.考慮法向離群的自適應(yīng)雙邊濾波點(diǎn)云平滑及IMLS評(píng)價(jià)方法[J].圖學(xué)學(xué)報(bào)，2023，44（1）：131-138.

[10]唐偉，賈方秀，王曉鳴.基于雙邊濾波的可見光與紅外圖像自適應(yīng)融合[J].兵工學(xué)報(bào)，2022，43（11）：2836-2845.

[11]俞利新，崔祺，車軍等.結(jié)合結(jié)構(gòu)重參數(shù)化方法與空間注意力機(jī)制的圖像融合模型[J].計(jì)算機(jī)應(yīng)用研究，2022，39（5）：1573-1578、1600.

[12]高傳斌，朱莉，張華，等.基于向量相似度的LPG-PCA圖像去噪算法[J].微波學(xué)報(bào)，2023，39（4）：83-88.

[13]張博文，周洋，殷海兵.面向三維視頻的虛擬視點(diǎn)合成技術(shù)研究進(jìn)展[J].計(jì)算機(jī)工程與應(yīng)用，2021，57（2）：12-17.

[14]何澤，黃寧，王鵬，等.針孔相機(jī)全場(chǎng)X射線熒光成像的模擬研究[J].強(qiáng)激光與粒子束，2021，33（11）：184-192.

[15]趙祖陽，崔海華，杜坤鵬，等.基于單應(yīng)性矩陣的三維激光投影標(biāo)定方法[J].光子學(xué)報(bào)，2022，51（11）：312-321.

Three Dimensional Virtual Viewpoint Synthesis for Packaging Design of Non Heritage Cultural and Creative Products Based on Bilateral Filtering Algorithm

SI Lili

（1.College of Arts and Media，Chuzhou City Vocational College，Chuzhou Anhui，239000，China;2.Graduate School，Chinese National Academiny，Beijing 100029，China）

Abstract：3D virtual viewpoint synthesis enables designers to create three-dimensional effects for packaging design of non heritage cultural and creative products on computers，providing a more realistic and comprehensive visual experience.Therefore，a 3D virtual viewpoint syn-thesis for packaging design of non heritage cultural and creative products based on bilateral filtering algorithm is proposed.Firstly，a depth map extraction method based on relative height depth is adopted to obtain depth information from packaging design images of non heritage cultural and creative products;Aiming at the defects such as noise and holes generated during the process of depth image extraction，an im-proved adaptive joint bilateral filtering method is introduced to implement image restoration，thereby to obtain more complete and clear depth images of packaging design for non heritage cultural and creative products;Finally，depth image-based rendering（DIBR）technology is introduced to derive the repair value for missing depth，and through DIBR pinhole camera model and 3D image conversion equation，the repaired depth image is converted into a 3D virtual viewpoint image，and its 3D virtual viewpoint synthesis is achieved.The experimental re-sults show that the proposed method can accurately repair and fill the RGB image gaps in the packaging of non heritage cultural and creative products，with a high overall integrity;Fully and accurately display the three-dimensional virtual viewpoint effect of packaging design for non heritage cultural and creative products，with full colors and fewer defects;Both PSNR and SSIM values have been improved.The 3D virtual viewpoint synthesis method can effectively repair defective images，improve the quality of 3D virtual point synthesis，and meet the packaging design requirements of actual non heritage cultural and creative products.

Keywords：depth map extraction;bilateral filtering;DIBR;3D image conversion;virtual view synthesis

（責(zé)任編輯：李強(qiáng)）