趙 伸
(西安翻譯學(xué)院 藝術(shù)與設(shè)計(jì)學(xué)院,西安 710105)
隨著影視動(dòng)畫(huà)產(chǎn)業(yè)的發(fā)展,對(duì)影視動(dòng)畫(huà)場(chǎng)景色彩搭配提出了更高的要求,需要構(gòu)建優(yōu)化的影視動(dòng)畫(huà)場(chǎng)景色彩搭配模型,結(jié)合視景仿真和視覺(jué)優(yōu)化成像的方法,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配的輸出可靠性控制;使用圖像處理和三維視景仿真技術(shù),進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)的優(yōu)化設(shè)計(jì)。利用視覺(jué)成像和三維認(rèn)知表達(dá),建立影視動(dòng)畫(huà)場(chǎng)景色彩搭配的空間圖像特征匹配模型;通過(guò)圖形特征檢測(cè)和特征分解的方法,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配和自適應(yīng)視覺(jué)分析。研究影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)的優(yōu)化設(shè)計(jì)方法在優(yōu)化影視動(dòng)畫(huà)設(shè)計(jì)方面具有重要意義[1]。
對(duì)影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)的設(shè)計(jì)方法主要有基于模糊視覺(jué)分析的影視動(dòng)畫(huà)場(chǎng)景色彩搭配方法[2]、基于RGB顏色特征分解的影視動(dòng)畫(huà)場(chǎng)景色彩搭配方法[3]、基于視景仿真技術(shù)的影視動(dòng)畫(huà)場(chǎng)景色彩搭配設(shè)計(jì)方法等。通過(guò)構(gòu)建優(yōu)化的影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)仿真模型,使用優(yōu)化的圖像處理技術(shù),進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配設(shè)計(jì)。但傳統(tǒng)方法進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)設(shè)計(jì)的輸出視覺(jué)表達(dá)能力不好,信息融合度不高。
針對(duì)上述問(wèn)題,筆者提出基于特征點(diǎn)提取算法的影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)設(shè)計(jì)方法。首先構(gòu)建影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)認(rèn)知模型。然后使用特征點(diǎn)提取算法提取影視動(dòng)畫(huà)場(chǎng)景色彩搭配圖形的三維分布特征量,建立影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素RGB特征分解模型,利用視覺(jué)信息參數(shù)融合和三維視覺(jué)重建的方法,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)的軟件開(kāi)發(fā)設(shè)計(jì)。最后進(jìn)行仿真測(cè)試分析,展示了筆者方法在提高影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)效果方面的優(yōu)越性能。
圖1 影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)信息采樣模型Fig.1 Visual information sampling model for color matching of film and television animation scenes
為實(shí)現(xiàn)基于特征點(diǎn)提取算法的影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)設(shè)計(jì),首先需要構(gòu)建影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)認(rèn)知模型,通過(guò)視覺(jué)傳達(dá)和圖像特征分析,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配[4],影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)信息采樣模型如圖1所示。
在圖1所示的閉合區(qū)域中,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配的輸出均衡控制,每個(gè)子區(qū)域的邊緣分布參數(shù)ε,自相關(guān)統(tǒng)計(jì)特征量x,基于小波的特征描述,得到視覺(jué)認(rèn)知下圖像的關(guān)聯(lián)特征分布函數(shù)φ=σ。得到的每個(gè)子區(qū)域內(nèi)的影視動(dòng)畫(huà)視覺(jué)色彩搭配的關(guān)聯(lián)方程為
(1)
其中x、y分別為影視動(dòng)畫(huà)視覺(jué)色彩搭配的圖形特征分布序列,選擇影視動(dòng)畫(huà)視覺(jué)色彩搭配的狀態(tài)參數(shù)λ,令λ=σ/?,通過(guò)λ的位置確定影視動(dòng)畫(huà)視覺(jué)色彩搭配的視覺(jué)效果,計(jì)算影視動(dòng)畫(huà)視覺(jué)色彩搭配的類(lèi)間比特率[5]。以中心頻率F為旋轉(zhuǎn)不變矩,得到影視動(dòng)畫(huà)視覺(jué)色彩搭配融合參數(shù),進(jìn)而提取影視動(dòng)畫(huà)視覺(jué)色彩搭配的邊緣像素點(diǎn)分布序列
(2)
采用像素點(diǎn)y的窗函數(shù)匹配的方法,得到影視動(dòng)畫(huà)視覺(jué)色彩搭配的動(dòng)態(tài)調(diào)整公式為
(3)
其中θ為視覺(jué)參數(shù)。根據(jù)上述分析,在相鄰塊區(qū)域,進(jìn)行影視動(dòng)畫(huà)視覺(jué)色彩搭配和視覺(jué)信息分析[6]。
在影視動(dòng)畫(huà)場(chǎng)景區(qū)域分布的網(wǎng)格點(diǎn)中,提取影視動(dòng)畫(huà)場(chǎng)景色彩搭配圖形的輔助視覺(jué)元素特征空間結(jié)構(gòu)[7],結(jié)合影視動(dòng)畫(huà)場(chǎng)景色彩搭配圖形的三維分布特征量,得到特征方程為
(4)
其中Wij為視覺(jué)輔助特征量,Gij(x,y)為以(xij,yij)為影視動(dòng)畫(huà)場(chǎng)景區(qū)域分布的中心矩。
通過(guò)像素標(biāo)記,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配過(guò)程中的邊緣輪廓標(biāo)記,得到影視動(dòng)畫(huà)場(chǎng)景色彩搭配的輪廓線記為
(5)
通過(guò)鄰域特征匹配方法,得到重構(gòu)的影視動(dòng)畫(huà)場(chǎng)景像素點(diǎn)分布矩陣為
(6)
其中x軸、y軸與影視動(dòng)畫(huà)場(chǎng)景色彩分布坐標(biāo)軸x′、y′平行,a為動(dòng)畫(huà)場(chǎng)景像素的參數(shù)橫坐標(biāo)取值,在每個(gè)子區(qū)域計(jì)算影視動(dòng)畫(huà)場(chǎng)景色彩特征分布的小波參數(shù)[8],得到小波特征分解模型為
(7)
其中
(8)
(9)
其中b為動(dòng)畫(huà)場(chǎng)景像素的參數(shù)縱坐標(biāo)取值,Q0為特征值函數(shù)值,λ(w)為狀態(tài)參數(shù)函數(shù)值。
依據(jù)每個(gè)區(qū)域的特征分解模型對(duì)影視動(dòng)畫(huà)視覺(jué)色彩元素進(jìn)行提取,為色彩搭配視覺(jué)的圖像分析提供數(shù)據(jù)基礎(chǔ)與模型支持。
基于特征點(diǎn)提取算法建立影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素RGB特征分解模型,通過(guò)視覺(jué)信息參數(shù)融合和三維視覺(jué)重建的方法[9],得到影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)融合RGB分解結(jié)果
(10)
其中hj(x)為影視動(dòng)畫(huà)視覺(jué)色彩認(rèn)知的局部分解值。
f(x)=(xf1,xf2,…,xfm)
(11)
其中x=(x1,x2,…,xn)∈X?Rn。
通過(guò)相鄰像素信息融合的方法進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素主動(dòng)傳達(dá)的低層視覺(jué)結(jié)構(gòu)重構(gòu)[10],影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素RGB解值為
rβ(X)=Rβ(X-X1)
(12)
其中Rβ為視覺(jué)元素初始值。
由此得出構(gòu)建影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素的三維場(chǎng)特征分布集為
W(Xij)=π(xi-xj)2f(xij)
(13)
設(shè)定圖像F中{(x′,y′)|x′=1,2,…,m,y′=1,2,…,n},采用Harris矩陣進(jìn)行影視動(dòng)畫(huà)視覺(jué)色彩融合,得到影視動(dòng)畫(huà)視覺(jué)色彩搭配的信息融合模型
H(x,σ)=Lxy(x,σ)+Lxx(x,σ)+Lyy(x,σ)
(14)
其中Lxx(x,σ)為影視動(dòng)畫(huà)視覺(jué)色彩認(rèn)知的邊緣量,Lxy(x,σ)與Lyy(x,σ)亦然。
建立影視動(dòng)畫(huà)視覺(jué)色彩的輔助視覺(jué)元素提取模型,根據(jù)提取結(jié)果進(jìn)行色彩搭配優(yōu)化[11]。
依據(jù)每個(gè)區(qū)域的面積進(jìn)行影視動(dòng)畫(huà)視覺(jué)色彩認(rèn)知和虛擬現(xiàn)實(shí)重構(gòu),提高色彩搭配圖形的三維分布融合能力。
結(jié)合色彩搭配圖形的三維分布融合,得到影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)重建參量為
(15)
其中k為重建基本值,g為重建融合指標(biāo),l=1,2,…,R并且k≠l。
建立影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素三維重組模型,得到影視動(dòng)畫(huà)場(chǎng)景色彩視覺(jué)傳達(dá)的模糊度為
(16)
圖2 系統(tǒng)實(shí)現(xiàn)流程Fig.2 System implementation process
其中ycm為融合度,ydm為模糊度。
根據(jù)上述分析,建立影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)認(rèn)知模型,得到系統(tǒng)實(shí)現(xiàn)流程如圖2所示。
采用Harris矩陣進(jìn)行影視動(dòng)畫(huà)視覺(jué)色彩融合,結(jié)合色彩搭配圖形的三維分布融合,得到影視動(dòng)畫(huà)場(chǎng)景色彩搭配信息融合重建結(jié)果,對(duì)筆者方法和傳統(tǒng)方法進(jìn)行融合度對(duì)比,對(duì)比結(jié)果如圖3所示。
分析圖3可知,筆者方法融合度遠(yuǎn)高于其他傳統(tǒng)方法,有效提高了色彩搭配圖形的三維分布融合能力。
在Visual C++中進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)重構(gòu)和信息感知,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)圖像的優(yōu)化輸出,對(duì)筆者方法和傳統(tǒng)方法進(jìn)行色彩搭配輸出對(duì)比,對(duì)比結(jié)果如圖4所示。分析圖4可知,筆者方法進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)重構(gòu)的輸出率曲線波動(dòng)較小,輸出穩(wěn)定性較好。
圖3 色彩搭配信息融合度對(duì)比 圖4 影視動(dòng)畫(huà)場(chǎng)景色彩搭配輸出 Fig.3 Comparison of color matching information fusion Fig.4 Color matching output of film and television animation scenes
測(cè)試色彩搭配的輸出信噪比,得到對(duì)比結(jié)果如表1所示。分析表1可知,筆者方法進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配的輸出信噪比較高。
表1 信噪比對(duì)比測(cè)試
通過(guò)視覺(jué)成像和三維認(rèn)知表達(dá),建立影視動(dòng)畫(huà)場(chǎng)景色彩搭配的空間圖像特征匹配模型,筆者提出基于特征點(diǎn)提取算法的影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)設(shè)計(jì)方法,進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配的輸出均衡控制,在多維化的影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)中,得到影視動(dòng)畫(huà)場(chǎng)景色彩搭配圖形的分布特征,通過(guò)三維融合的方法進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配視覺(jué)元素主動(dòng)傳達(dá)的低層視覺(jué)結(jié)構(gòu)重構(gòu),實(shí)現(xiàn)影視動(dòng)畫(huà)場(chǎng)景色彩搭配系統(tǒng)的優(yōu)化設(shè)計(jì)。結(jié)果分析可知,筆者方法進(jìn)行影視動(dòng)畫(huà)場(chǎng)景色彩搭配的視覺(jué)感知能力較好,信噪比較高。