儲昭兵 王天寶 毛水凌

摘 要：為了簡單、便捷、快速地實現(xiàn)人物肖像漫畫創(chuàng)作，設(shè)計一種基于安卓平臺的自動化肖像漫畫生成系統(tǒng)。系統(tǒng)采用主動形狀模型方法，對大量真實人臉進行特征分析得到平均人臉特征庫，并對用戶輸入的人臉肖像進行特征檢測、提取與篩選，然后結(jié)合漫畫藝術(shù)家對人臉漫畫的作畫規(guī)律，對篩選的特征以及與平均人臉差異較大的特征進行歸類。對不同特征采用不同夸張化方法，配以不同夸張尺度，再由計算機完成自動形變，以實現(xiàn)人臉肖像漫畫的自動藝術(shù)化夸張，得到接近漫畫創(chuàng)作者水平的人臉漫畫。通過該系統(tǒng)可大幅減少漫畫工作者的工作量，使普通用戶也能便捷地進行人臉肖像漫畫創(chuàng)作。

關(guān)鍵詞：人臉識別;人臉漫畫;肖像生成;特征提取;圖像處理

DOI：10. 11907/rjdk. 181853

中圖分類號：TP303文獻標(biāo)識碼：A文章編號：1672-7800（2019）004-0036-05

0 引言

作為藝術(shù)的一種表達方式，人臉漫畫一直是藝術(shù)家表達人類面部甚至性格特征的重要手段。隨著現(xiàn)代漫畫的興起，肖像漫畫風(fēng)靡各大社交平臺、報刊及論壇。然而，一方面漫畫藝術(shù)表達需要藝術(shù)家經(jīng)過長期刻苦訓(xùn)練，不斷臨摹、練習(xí)才能創(chuàng)作完成[1-2]，另一方面，漫畫家的繪畫風(fēng)格與技巧難以用清晰且不存在二義性的語法規(guī)則進行表示。因此漫畫這種具有強烈主觀性的藝術(shù)創(chuàng)作形式很難被計算機自動模擬，導(dǎo)致普通人幾乎無法參與漫畫創(chuàng)作。

PICASSO是國外應(yīng)用較多的一種人臉編輯系統(tǒng)，其主要通過面部特征輪廓自動生成漫畫，缺點是夸張不夠平滑，無法很好地反映漫畫的藝術(shù)化夸張風(fēng)格?！癟型規(guī)則”是陳文娟等[4]提出的一種人臉漫畫特征規(guī)則，即將眼睛保持在水平軸，鼻子作為垂直軸，眼睛之間距離的變化應(yīng)與鼻子長短保持協(xié)調(diào)。當(dāng)眼睛之間距離變長，鼻子長度則應(yīng)相應(yīng)縮短，若眼睛之間距離變短，鼻子則應(yīng)該變長。該規(guī)則較好地闡述了人臉眼部與鼻子之間的夸張形變關(guān)系，但未闡述人臉其它部位特征與漫畫藝術(shù)之間的關(guān)系;閻芳等[5]提出一種基于人臉三庭五眼關(guān)系的形變方法。人臉五官的位置比例基本上體現(xiàn)在三庭的位置，而三庭之間的比例是上庭∶中庭∶下庭=1∶1∶1。由于一般人不會嚴(yán)格符合該比例，所以該比例可反映出人與人之間的差異。此時對三庭直接進行整體變形，可以粗略得到具有突出特征風(fēng)格的漫畫人臉，然后根據(jù)眼寬：鼻寬：嘴寬=2∶2∶3的比例關(guān)系再次進行形變，即可得到具有一定夸張程度的人臉肖像畫。

本文使用ASM模型算法建立一套漫畫生成系統(tǒng)，為普通人利用計算機自動化地完成漫畫形象設(shè)計提供了簡單的解決方案。

1 技術(shù)要點

1.1 漫畫特征

（1）簡化性：卡通漫畫是以自然形象為原型，通過高度抽象、概括、提煉、藝術(shù)化而創(chuàng)作出來的具有象征性的對象[6]。

（2）鮮明性：創(chuàng)作者經(jīng)常會通過夸張的手法設(shè)計出形象鮮明的漫畫對象，以表達出與其夸張形象相對應(yīng)的內(nèi)在個性。

（3）親和性：漫畫應(yīng)對普通大眾有一種強烈吸引力，即漫畫形象可引起人們的認(rèn)可、喜愛或者憎惡。

（4）時尚性：漫畫應(yīng)與其傳播媒介相互促進，走在科技與時尚的最前沿。

1.2 三庭五眼

三庭五眼是指人臉長寬之間的標(biāo)準(zhǔn)比例。三庭指人臉縱向長度比例，將人臉三等分，從前額發(fā)際線到眉心、眉心到鼻尖、鼻尖到下頜各占臉長的1/3;五眼指人臉橫向比例，以人眼睛為量度單位，將人臉分為五等寬。兩眼之間為一只眼睛的寬度，兩眼兩側(cè)也分別為一只眼睛的寬度。

1.3 OpenCV

OpenCV（Open Source Computer Vision Library）是一個具有跨平臺能力的計算機視覺處理庫，而且其完全開源，開發(fā)者能自由使用。其具有C、C++、Python和Java的接口，且支持Windows、Mac OS、iOS與Android等多個平臺。OpenCV專為計算優(yōu)化而設(shè)計，強調(diào)實時應(yīng)用，并啟用OpenCL實現(xiàn)硬件加速。C/C++編寫的底層庫可以利用計算機的多核處理能力加快圖像、視頻處理速度。本系統(tǒng)采用具有Java接口的OpenCV for Android庫作為圖像底層計算處理支持庫。

1.4 Android-NDK

Android-NDK（Native Development Kit，安卓原生開發(fā)工具包）提供了一系列工具，幫助開發(fā)者快速開發(fā)C/C++動態(tài)庫，并能將生成的so包與Java應(yīng)用一起打包成APK[10]。NDK集成了交叉編譯器，并提供了相應(yīng)的makefile文件以隔離CPU、平臺、ABI等的差異，開發(fā)人員只需簡單地修改makefile文件即可創(chuàng)建出與so平臺對應(yīng)的so包。

2 系統(tǒng)設(shè)計

本系統(tǒng)由人臉采集、人臉識別、邊緣檢測、特征點定位、背景去除、輪廓生成、人臉夸張形變與結(jié)果顯示8個子模塊組成。其中特征點定位、背景去除、輪廓生成和夸張形變?yōu)橄到y(tǒng)核心功能模塊。具體模塊及功能描述如表1所示。

系統(tǒng)流程設(shè)計如圖1所示，界面設(shè)計如圖2所示。

3 系統(tǒng)模塊實現(xiàn)

3.1 人臉采集

人臉采集是系統(tǒng)的圖像輸入源，系統(tǒng)監(jiān)聽攝像頭并截取圖像。主要實現(xiàn)方法如下：

（1）Camera getCameraInstance（Context context， int CameraId）：攝像頭控制接口，用于打開并獲得安卓平臺的攝像頭信息。

（2）類CameraPreview：繼承自SurfaceView類并實現(xiàn)SurfaceHolder.Callback接口，用于在界面上顯示攝像頭捕獲的畫面。

（3）onPreviewFrame（byte[] data， Camera camera）：用于獲取攝像頭捕獲畫面的當(dāng)前幀。

（4）onClick（View v）：用于監(jiān)聽用戶屏幕點擊動作。

3.2 人臉識別

該模塊主要用于識別輸入圖像中是否包含人臉。將模塊MC-1中截取的圖像作為輸入，然后調(diào)用OpenCV開源圖形庫中的人臉檢測算法，得到圖像中包含人臉區(qū)域的坐標(biāo)。將人臉區(qū)域用綠色方框圈出，主要實現(xiàn)方法如下：

（1）Mat FaceDetect（Mat src， double scaleFactor， int minNeighbors， int minSize）：用于調(diào)用Native（）方法檢測出人臉并返回人臉區(qū)域。

（2）Mat detectFacesAndExtractFace（Mat src， Mat face）：傳入?yún)?shù)是原圖像與人臉區(qū)域圖像，將其進行對比并將人臉在原圖像中用綠色方框圈出。

（3）類FaceDetectThread：用于處理人臉檢測的子線程類。

3.3 邊緣檢測

該模塊主要用于檢測人臉輪廓和背景輪廓，通過處理當(dāng)前幀圖像，顯示攝像頭捕捉的輪廓線條。其使用方法Mat CannyDetect（Mat src，double threshold1，double threshold2， int aperatureSize），并調(diào)用Native方法對當(dāng)前幀圖片邊緣輪廓進行檢測，最后返回。

3.4 特征點定位

ASM（Active Shape Model，主動形狀模型）是一個基于點分布模型的算法，其通過已手動標(biāo)記的大量樣本，獲得人臉各個識別定位點的特征分布統(tǒng)計信息[7]，并且通過獲取每一個特征的局部紋理，推斷出附近特征點位置，以此迭代不斷找出下一特征點。對于樣本而言，所有特征點位置均為人工標(biāo)定。

3.4.1 ASM訓(xùn)練與搜索

ASM進行人臉識別包括訓(xùn)練和搜索兩個過程。

（1）ASM訓(xùn)練。訓(xùn)練樣本集合包括n張樣本圖像，每張圖像都包括已手動標(biāo)記的k個特征點。對于每個圖像而言，需要記錄每個特征點坐標(biāo)信息并保存到文本中。所有特征點[k]按照順序組合為一個形狀向量：

形狀向量歸一化的主要目的是消除圖像中人臉由于不同角度、距離、姿態(tài)造成的非形狀干擾。將所有形狀向量通過仿射變換，在不更改點向量各點相對位置的前提下，將所有向量一一對齊到同一個新向量中。具體步驟為：①將訓(xùn)練的人臉樣本模型對齊到新的人臉;②計算平均人臉模型[x];③將所有訓(xùn)練樣本對齊到[x]上;④重復(fù)步驟②、③，直到收斂。采用該方式可將任何一個向量表示為[x≈x+PSbS]。

3.4.3 算法實現(xiàn)

首先加載已手動標(biāo)識好特征點的人臉樣本識別數(shù)據(jù)到內(nèi)存;然后將采集到的人臉圖像作為輸入圖像，運行人臉識別代碼，檢測到人臉后開始使用ASM算法進行人臉特征點定位;定位完成后，將結(jié)果以列表形式保存到內(nèi)存中。特征點定位對于移動設(shè)備而言是耗時較多的工作，需要在非主線程中進行處理。主要實現(xiàn)方法為：

（1）int[] FindFaceLandmarks（Mat src，float ratioW， float ratioH）：用于調(diào)用Native尋找人臉識別點，并返回到一個int類型數(shù)組中。

（2）void findAsmLandmarks（Mat src）：用于啟動新線程。

（3）void drawAsmPoints（Mat src，List list）：主要用于檢測是否返回系統(tǒng)需要的特征點，傳入?yún)?shù)是Native方法返回的int類型數(shù)據(jù)。

3.5 背景去除

本模塊用于去除背景信息對漫畫的影響，分離人臉區(qū)域與背景區(qū)域。采用類BackgroundWipe去除人臉，盡量多地保存頭發(fā)信息并去除無關(guān)背景信息。因為系統(tǒng)針對的人臉識別區(qū)域僅限于人臉，而不包括頭發(fā)，因此本模塊必須提取出包含頭發(fā)和人臉的區(qū)域。

3.6 輪廓生成

輪廓生成是為了將人臉頭像轉(zhuǎn)變?yōu)榫€條更接近于漫畫風(fēng)格的圖像[9]。對于通過MC-5模塊去除背景的圖像，首先直接將圖片進行灰度化處理得到灰度圖，之后進行二值化處理;由于所需的人臉輪廓部分剛好是灰度變化很大，且灰度值較低的部分，所以只需將灰度變化很大的區(qū)域采用黑色像素進行填充，其余部分采用白色像素填充，即完成了人臉輪廓生成[10];輪廓生成對于移動設(shè)備而言是十分耗時的，需要在非主線程中進行，因此需要開辟新線程，然后通過Message方式將結(jié)果發(fā)送到主線程中的handler;最后，利用類Threshold將已去除背景的人臉肖像線條化。

3.7 夸張形變

為了凸顯相對于平均人臉差異較大的部分，模擬藝術(shù)家對不同部分人臉的夸張尺度[11]，系統(tǒng)采用Feature類用于保存平均人臉五官、臉長寬與臉之間的比例關(guān)系。平均人臉符合三庭五眼規(guī)則，即人臉中上庭∶中庭∶下庭的比例為1∶1∶1;人臉寬度與眼睛之間的比例為5∶1，其中人眼之間的距離為一個眼睛的寬度，兩邊各占一個眼睛的寬度[12]。鼻子寬度為一個眼睛的寬度，嘴巴寬度為人臉的1/3。本模塊使用的主要方法如下：

（1）Map featureList（）：用于計算用戶輸入人臉中五官、人臉長寬之間的比例關(guān)系。

（2）List virticalSplit（Mat mat，List points）：用于將用戶輸入的人臉分為上庭、中庭和下庭3部分，該3部分會根據(jù)其與平均人臉之間對應(yīng)部分的長度比例進行夸張化，這是人臉縱向上的夸張化。

（3）Mat imgStitch（List mats）：用于拼接組合分離的各個部分人臉。

（4）Mat mideye（double scale，Mat mat，List list）：用于實現(xiàn)人眼的分離與聚攏，輸入?yún)?shù)為縮放系數(shù)、原圖像及特征點列表，返回變化后的圖像。

（5）Mat mouth（double scale，Mat mat，List list）：用于實現(xiàn)人嘴的放大與縮小，輸入?yún)?shù)為縮放系數(shù)、原圖像及特征點列表，返回變化后的圖像。

（6）Mat eye（double scale，Mat mat，List list）：用于人眼的放大與縮小，輸入?yún)?shù)為縮放系數(shù)、原圖像及特征點列表，返回變化后的圖像。

（7）類Deformation：是用于人臉形變的主要類，構(gòu)造方法為Deformation（Context context，Mat mat，List list），需要傳入的參數(shù)為上下文環(huán)境、已進行二值化處理的圖像及特征點列表。由于形變處理過程非常耗時，無法在主線程中直接使用，因此該類繼承自Thread類，并在處理完成后將處理結(jié)果以message方式發(fā)送到主線程中。主要實現(xiàn)代碼如下：

public void run（） {

mMap = new HashMap（）;

FindFeature find = new FindFeature（mList）;

mMap = find.getMap（）;

top = mMap.get（"top"）/（Feature.TOP/Feature.HEIGHT）; //三庭

middle = mMap.get（"middle"）/（Feature.MIDDLE/Feature.HEIGHT）;

bottom = mMap.get（"bottom"）/（Feature.BOTTOM/Feature.HEIGHT）;

left = mMap.get（"left"）/（Feature.EYE/Feature.WIDTH）;//五眼

right = mMap.get（"right"）/（Feature.EYE/Feature.WIDTH）;

mideye = mMap.get（"mideye"）/（Feature.EYE/Feature.WIDTH）;

eye = mMap.get（"eye"）/（Feature.EYE/Feature.WIDTH）;

nose = mMap.get（"nose"）/（Feature.NOSE/Feature.WIDTH）;

mouth = mMap.get（"mouth"）/（Feature.MOUTH/Feature.WIDTH）;

mMat = mideye（mideye， mMat， mList）;

mMat = mouth（mouth， mMat， mList）;//嘴巴變化

mMat = eye（eye， mMat， mList）; //眼睛變化

List mats = new ArrayList（）;

mats = virticalSplit（mMat， mList）;

if （top>1） {

if （middle>1） {//縮小下庭

double scaleRate = bottom*bottom*bottom;

Mat temp = new Mat（）;

Size dsize = new Size（mMat.cols（）， scaleRate*mats.get（2）.rows（））;

Imgproc.resize（mats.get（2）， temp， dsize）;

mats.set（2， temp）;

}else if （bottom>1） {//縮小中庭

double scaleRate = middle*middle*middle;

Mat temp = new Mat（）;

Size dsize = new Size（mMat.cols（）， scaleRate*mats.get（1）.rows（））;

Imgproc.resize（mats.get（1）， temp， dsize）;

mats.set（1， temp）;

}else {//放大上庭

double scaleRate = top*top;

Mat temp = new Mat（）;

Size dsize = new Size（mMat.cols（）， scaleRate*mats.get（0）.rows（））;

Imgproc.resize（mats.get（0）， temp， dsize）;

mats.set（0， temp）;

}

}else if （middle>1） {

if （bottom>1） {//縮小上庭

double scaleRate = top*top*top;

Mat temp = new Mat（）;

Size dsize = new Size（mMat.cols（）， scaleRate*mats.get（0）。rows（））;

Imgproc.resize（mats.get（0）， temp， dsize）;

mats.set（0， temp）;

}else {//放大中庭

double scaleRate = middle*middle;

Mat temp = new Mat（）;

Size dsize = new Size（mMat.cols（）， scaleRate*mats.get（1）.rows（））;

Imgproc.resize（mats.get（1）， temp， dsize）;

mats.set（1， temp）;

}

}else {//放大下庭

double scaleRate = bottom*bottom;

Mat temp = new Mat（）;

Size dsize = new Size（mMat.cols（）， scaleRate*mats.get（2）.rows（））;

Imgproc.resize（mats.get（2）， temp， dsize）;

mats.set（2， temp）;

}

Message msg = new Message（）;

msg.what = Params.DeformationParams.DEFORMATION_DONE;

msg.obj = imgStitch（mats）;

（（MainActivity）mContext）.mHandler.sendMessage（msg）;}

3.8 結(jié)果顯示

這是系統(tǒng)處理的最后一步，即將已處理好的人臉漫畫通過屏幕顯示出來，并保存成PNG格式的本地圖片文件。本文采用saveBitmap（Bitmap bitmap）方法將圖片保存到本地。

4 實驗結(jié)果

本系統(tǒng)實現(xiàn)了圖像形變算法與主動形狀模型的特征點定位方法，并解決了背景去除算法中的前景去除問題。在環(huán)境光充足的條件下，通過手機攝像頭輸入人臉，能夠簡單、便捷地完成對人臉的漫畫化處理，得到具有一定藝術(shù)效果的人臉漫畫。圖3-圖8為本文實驗過程，由圖8的實驗結(jié)果可見，該圖像具有一定的漫畫效果。

5 結(jié)語

本系統(tǒng)經(jīng)過分析、設(shè)計、實現(xiàn)、測試等多個階段，最后實驗結(jié)果表明，基于人臉識別的人臉漫畫處理系統(tǒng)取得了一定效果，但還有很多不足與需要改進的部分。

（1）對于背景擦除模塊，為盡可能擦除不必要的背景，采用的擦除算法迭代超過4次，因此非常耗時，尤其當(dāng)圖片分辨率很高時。未來需要改用更加高效的背景擦除算法。

（2）對于肖像形變過程，本文由于平臺限制采用比較簡單的形變方式，實際上人臉形變過程可以精確到人臉每一個小的部分。

（3）可添加分享模塊將用戶生成的漫畫分享到各大社交平臺。

（4）目前系統(tǒng)采用的形變方式是基于漫畫家對人臉各個部分統(tǒng)一的夸張尺度，未來需添加可供用戶自定義的夸張尺度。

參考文獻：

[1] 華博，李帥，湛永松. 基于相關(guān)分析的肖像素描漫畫生成系統(tǒng)[J]. 計算機應(yīng)用與軟件，2015 （7）：159-162.

[2] 蘇延輝，李帥，湛永松. 參數(shù)化的肖像漫畫生成算法[J]. 計算機應(yīng)用研究，2014 （5）：1562-1565.

[3] 寇毛蕊.基于Matlab的人臉識別系統(tǒng)設(shè)計[J].軟件導(dǎo)刊，2018，17 （11）：34-36.

[4] 陳文娟，石民勇，孫慶杰. 利用人臉特征及其關(guān)系的漫畫夸張與合成[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2010（1）：121-128.

[5] 閻芳，費廣正，柳婷婷，等. 漫畫風(fēng)格的人臉肖像生成算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報，2007（4）：442-447.

[6] 盧麗穩(wěn).人臉肖像風(fēng)格化繪制技術(shù)研究[D]. 昆明：云南大學(xué)，2012.

[7] 文義玲. 基于改進ASM的人臉圖像變形算法研究[D]. 西安：西安建筑科技大學(xué)，2011.

[8] 張智敏. 人臉特征點定位算法研究及其在人臉卡通肖像中的應(yīng)用[D]. 西安：西安理工大學(xué)，2010.

[9] 韓燕麗，楊慧炯. 基于顏色量化的肖像漫畫生成方法研究[J]. 軟件工程師，2015（11）：20-21.

[10] 蘇延輝，李帥，湛永松. 參數(shù)化的肖像漫畫生成算法[J]. 計算機應(yīng)用研究，2014（5）：1562-1565.

[11] 王海君，楊士穎，王雁飛. 基于NMF和LS-SVM的肖像漫畫生成算法研究[J]. 電視技術(shù)，2013（19）：233-236.

[12] 李菁菁. 基于控制點平滑的人臉變形算法及其在人臉動畫中的應(yīng)用[D]. 湘潭：湘潭大學(xué)，2008.

（責(zé)任編輯：黃 ?。?/p>