李晨

摘? 要： 為了提升平面設(shè)計(jì)的用戶體驗(yàn)效果，提出基于用戶體驗(yàn)效果的平面視覺(jué)傳達(dá)設(shè)計(jì)方法。采用計(jì)算機(jī)視覺(jué)成像技術(shù)進(jìn)行平面視覺(jué)傳達(dá)的圖像信息采樣，結(jié)合邊緣輪廓提取的方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的圖像輪廓檢測(cè)，提取平面視覺(jué)圖像的多尺度局部結(jié)構(gòu)特征信息。根據(jù)用戶體驗(yàn)效果的需求進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)過(guò)程中的邊界特征檢測(cè)和多層次結(jié)構(gòu)分解。通過(guò)相鄰像素信息融合的方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的低層視覺(jué)結(jié)構(gòu)重構(gòu)，建立平面視覺(jué)設(shè)計(jì)圖像的用戶體驗(yàn)效果評(píng)價(jià)模型。根據(jù)用戶體驗(yàn)效果，實(shí)現(xiàn)平面視覺(jué)傳達(dá)設(shè)計(jì)優(yōu)化。仿真測(cè)試結(jié)果表明，采用該方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的用戶體驗(yàn)效果較好，視覺(jué)傳達(dá)能力較強(qiáng)，提高了平面視覺(jué)傳達(dá)的設(shè)計(jì)效果。

關(guān)鍵詞： 用戶體驗(yàn)效果; 平面視覺(jué)傳達(dá); 圖像信息采樣; 局部結(jié)構(gòu)特征; 邊緣輪廓; 多層次結(jié)構(gòu)分解

中圖分類號(hào)： TN911.73?34; TP181? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）11?0111?04

Research on graphic visual communication design based on user experience effect

LI Chen

（Jinzhong University， Jinzhong 030600， China）

Abstract： In order to improve the user experience effect of graphic design， a graphic visual communication design method based on user experience effect is proposed. The computer vision imaging technology is used to sample the image information communicated by graphic vision. The edge outline extraction method is used to detect the image profile of graphic vision communication design and extract the multi?scale local structure feature information of graphic visual image. The boundary feature detection and multi?level structure decomposition in the process of graphic visual communication design are carried out according to the needs of user experience effect. The method of adjacent pixel information fusion is used to reconstruct the low?level visual structure of graphic visual communication design and establish the user experience effect evaluation model of graphic visual design image. The graphic visual communication design is optimized according to the user experience effect. The simulation results show that the user experience effect of graphic visual communication design obtained with the proposed method is better and the visual communication performance of the proposed method is more excellent， which improves the effect of graphic visual communication design.

Keywords： user experience effect; graphic vision communication; image information sampling; local structural feature; edge profile; multi?level structure decomposition

0? 引? 言

在平面藝術(shù)設(shè)計(jì)中，需要結(jié)合用戶體驗(yàn)效果進(jìn)行平面設(shè)計(jì)中的視覺(jué)信息傳達(dá)，提高平面設(shè)計(jì)的針對(duì)性和表達(dá)能力，提升平面設(shè)計(jì)視覺(jué)審美元素的表現(xiàn)能力。通過(guò)計(jì)算機(jī)視覺(jué)圖像處理技術(shù)，進(jìn)行平面設(shè)計(jì)視覺(jué)審美元素的多維信息特征分析，采用計(jì)算機(jī)圖像圖形處理方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)，提高平面視覺(jué)傳達(dá)的效果和用戶的體驗(yàn)效果。相關(guān)的平面視覺(jué)傳達(dá)設(shè)計(jì)方法研究在藝術(shù)設(shè)計(jì)中具有重要意義[1]。平面設(shè)計(jì)又稱“視覺(jué)傳達(dá)設(shè)計(jì)”，通過(guò)平面設(shè)計(jì)，將文字、圖像、色彩等藝術(shù)元素特征進(jìn)行多維信息融合和特征重建，建立平面視覺(jué)傳達(dá)設(shè)計(jì)的多維信息分布式重構(gòu)模型，基于用戶的體驗(yàn)效果，使平面設(shè)計(jì)突破空間的限制，提高平面設(shè)計(jì)的全方位和多元化的視覺(jué)傳遞能力[2]。本文提出基于用戶體驗(yàn)效果的平面視覺(jué)傳達(dá)設(shè)計(jì)方法。首先進(jìn)行平面視覺(jué)傳達(dá)的圖像采樣分析;然后進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的特征提取和視覺(jué)信息重構(gòu)，根據(jù)用戶體驗(yàn)效果，實(shí)現(xiàn)平面視覺(jué)傳達(dá)設(shè)計(jì);最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了本文方法在提高平面視覺(jué)傳達(dá)設(shè)計(jì)效果方面的優(yōu)越性能。

1? 平面視覺(jué)傳達(dá)的圖像分析

1.1? 圖像信息采樣

為了實(shí)現(xiàn)基于用戶體驗(yàn)效果的平面視覺(jué)傳達(dá)設(shè)計(jì)，首先需要結(jié)合平面設(shè)計(jì)視覺(jué)圖像的審美特征進(jìn)行用戶體驗(yàn)效果分析，建立平面視覺(jué)傳達(dá)設(shè)計(jì)的圖像信息采樣模型，對(duì)平面設(shè)計(jì)視覺(jué)圖像的審美元素進(jìn)行多維化特征重構(gòu)處理。采用邊緣結(jié)構(gòu)化特征提取的方法進(jìn)行圖像采樣和特征重構(gòu)[3]，得到平面視覺(jué)傳達(dá)設(shè)計(jì)的像素信息為：

[I（x）=J（x）t（x）+A（1-t（x））] （1）

計(jì)算平面設(shè)計(jì)視覺(jué)圖像每個(gè)像素的直方圖，采用直方圖均衡化處理的方法，建立平面設(shè)計(jì)視覺(jué)的特征空間分布模型，根據(jù)圖像的平均梯度與信息熵進(jìn)行平面視覺(jué)傳達(dá)的空間特征加權(quán)[4]，得到平面視覺(jué)傳達(dá)設(shè)計(jì)的圖像信息采樣模型，定義為：

[minimize f（x）， x=（x1，x2，…，xn）∈Rns.t. gj（x）≤0，? ? j=1，2，…，lhj（x）=0，? ? j=l+1，…，p] （2）

采用圖像加權(quán)融合方法構(gòu)建平面視覺(jué)傳達(dá)設(shè)計(jì)的圖像特征向量融合模型[5]，得到平面設(shè)計(jì)視覺(jué)傳達(dá)的信息輸出特征集為：

[L=Jw，e-i=1NaiwTφxi+b+ei-yi] （3）

以像素[x]為中心的局部鄰域，進(jìn)行平面設(shè)計(jì)中的用戶體驗(yàn)審美元素多維化表達(dá)。采用模板匹配技術(shù)[6]得到在像素模板[m×n]中的平面視覺(jué)傳達(dá)設(shè)計(jì)的像素三顏色通道表述為：

[Iifx，y=I?Gx，y，σi] （4）

[Iivx，y=I?stdfiltx，y，wi] （5）

[Sgifx，y=-logPifx，y] （6）

[Sgivx，y=-logPivx，y] （7）

式中[Gx，y，σi]表示空間鄰近度特征分布函數(shù)，在各梯度方向上進(jìn)行3×3模板匹配。

采用計(jì)算機(jī)視覺(jué)成像技術(shù)進(jìn)行平面視覺(jué)傳達(dá)的圖像信息采樣，結(jié)合邊緣輪廓提取的方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的圖像輪廓檢測(cè)[7]。

1.2? 平面視覺(jué)傳達(dá)圖像輪廓檢測(cè)

在上述進(jìn)行圖像樣本采樣的基礎(chǔ)上，提取平面視覺(jué)圖像的多尺度局部結(jié)構(gòu)特征信息，根據(jù)用戶體驗(yàn)效果的需求進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)過(guò)程中的邊界特征檢測(cè)和多層次結(jié)構(gòu)分解。采用結(jié)構(gòu)化的審美元素多維化特征重構(gòu)方法，進(jìn)行平面視覺(jué)傳達(dá)的三維重建。采用場(chǎng)景表面陰影與透射率局部融合的方法，提高圖像空間視覺(jué)的表現(xiàn)能力[8]。采用直方圖均衡化處理的技術(shù)，得到圖像輪廓特征檢測(cè)描述：

[L={mii∈S}mi=ai1，ai2，ai3，bi1，bi2，bi3，ci1，ci2，ci3T]? （8）

根據(jù)平面視覺(jué)傳達(dá)過(guò)程中的細(xì)節(jié)信息進(jìn)行圖像的美術(shù)元素提取[9]，結(jié)合多尺度的小波特征分解方法，得到適應(yīng)度函數(shù)：

[fitness（x）=f（x）， feasible1+rG（x）， otherwise] （9）

采用徑向紋理特征模型進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)，利用高斯過(guò)程的性質(zhì)進(jìn)行聯(lián)合加權(quán)，得到空間加權(quán)的函數(shù)族[ψa，b]，由[ψ（t）]經(jīng)過(guò)紋理特征分解，得到平面視覺(jué)傳達(dá)設(shè)計(jì)的輪廓形狀為：

[ψa，b（t）=1aψt-ba] （10）

式中[U（a，b）]是Euclidean距離。

得到平面設(shè)計(jì)的目標(biāo)先驗(yàn)形狀特征為：

[c=j=1mP（z（k）mj（k）， zk-1）P（mj（k）zk-1）=j=1mΛj（k）cj]? （11）

根據(jù)統(tǒng)計(jì)學(xué)分析方法，建立圖像視覺(jué)輪廓檢測(cè)模型，平面設(shè)計(jì)的圖像輪廓特征檢測(cè)輸出為：

[M=i=1nmin（P1（i），P2（i））j=1nmax（P1（j），P2（j））]? （12）

式中[P1]和[P2]分別是鄰域內(nèi)像素點(diǎn)的一階和二階適應(yīng)度函數(shù)[10]。

根據(jù)上述分析進(jìn)行平面視覺(jué)傳達(dá)圖像輪廓檢測(cè)，根據(jù)檢測(cè)結(jié)果進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)。

2? 平面視覺(jué)傳達(dá)設(shè)計(jì)優(yōu)化

2.1? 用戶體驗(yàn)效果的多層次結(jié)構(gòu)分解

根據(jù)用戶體驗(yàn)效果的需求進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)過(guò)程中的邊界特征檢測(cè)和多層次結(jié)構(gòu)分解，通過(guò)相鄰像素信息融合的方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的低層視覺(jué)結(jié)構(gòu)重構(gòu)。提出基于用戶體驗(yàn)效果的平面視覺(jué)傳達(dá)設(shè)計(jì)，以輪廓邊緣最遠(yuǎn)的點(diǎn)作為中心像素點(diǎn)，進(jìn)行圖像尺度分解。根據(jù)平面設(shè)計(jì)的審美元素特征分布，進(jìn)行三維信息重構(gòu)[11]，得到三維信息分布特征點(diǎn)[i]的鄰域[Ni]：

[Ni={i∈S[dist（i，i）]2≤r，i≠i}]? （13）

在平面設(shè)計(jì)中，根據(jù)視覺(jué)傳達(dá)圖像的白平衡特征，進(jìn)行三維特征映射，建立平面視覺(jué)圖像的色差融合模型。采用模板匹配和三維信息重建的方法，進(jìn)行圖像融合[12]，用[dist（i，i）]來(lái)描述中心點(diǎn)誤差的偏移量，建立平面設(shè)計(jì)視覺(jué)鄰域分布式重構(gòu)模型[13]，在灰度像素點(diǎn)的分布區(qū)域內(nèi)，以[r]為覆蓋半徑，進(jìn)行平面視覺(jué)傳達(dá)的色差融合處理，得到多重色差層次結(jié)構(gòu)分解模型為：

[Ri=1γij∈Ωgjd（i-j2）l（gi-gj1） ]? （14）

對(duì)中心點(diǎn)誤差進(jìn)行模糊約束補(bǔ)償控制，并為先驗(yàn)概率提供似然概率，得到平面視覺(jué)傳達(dá)設(shè)計(jì)的模型化結(jié)構(gòu)分布為：

[fs，τ（t）=sf（s（t-τ））]? （15）

根據(jù)用戶體驗(yàn)效果的需求進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)過(guò)程中的邊界特征檢測(cè)，用戶體驗(yàn)效果的多層次結(jié)構(gòu)分解結(jié)果為：

[fi（t）=Kt0-t，t≤T2]? （16）

式中：[K=TfmaxfminB]，[fmin，fmax]分別為最小和最大采樣頻率;[t0=f0TB]，[f0]表示平面視覺(jué)信息采樣的初始頻率。根據(jù)用戶體驗(yàn)效果的多層次結(jié)構(gòu)分解結(jié)果，進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的效果評(píng)價(jià)[14]。

2.2? 平面視覺(jué)傳達(dá)設(shè)計(jì)的用戶體驗(yàn)效果評(píng)價(jià)

通過(guò)相鄰像素信息融合的方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的低層視覺(jué)結(jié)構(gòu)重構(gòu)，建立平面視覺(jué)設(shè)計(jì)圖像的用戶體驗(yàn)效果評(píng)價(jià)模型，得到用戶體驗(yàn)效果的優(yōu)化適應(yīng)度函數(shù)為：

[fitness（x）=f（x）+（Ct）αj=1pGβj（x）]? （17）

根據(jù)訓(xùn)練集中的觀測(cè)值進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的尋優(yōu)控制，用戶體驗(yàn)效果的評(píng)價(jià)集表示為：

[miny=f（x）=（f1（x），f2（x），…，fm（x））]? ?（18）

式中：[x=（x1，x2，…，xn）∈X][?][Rn]為用戶體驗(yàn)效果評(píng)價(jià)的初始值向量，[X]為優(yōu)化控制決策函數(shù);[y∈Y?Rm]為平面設(shè)計(jì)審美元素特征差異性融合特征量，[Y]為平面設(shè)計(jì)審美元素特征分布集。

根據(jù)平面視覺(jué)傳達(dá)元素的多維化重構(gòu)信息疊加值[15]，得到平面視覺(jué)傳達(dá)設(shè)計(jì)的均勻遍歷分布為：

[Gj（x）=max0，gj（x），1≤j≤lmax0，hj（x）-δ， l+1≤j≤p]? （19）

在多維化的平面設(shè)計(jì)模型中，得到自適應(yīng)權(quán)重分布向量為[umn=LmnL-1]，[L=max（Lmn）]，根據(jù)平面形狀、大小、色彩的變化，得到優(yōu)化平面視覺(jué)傳達(dá)的傳遞函數(shù)為：

[G（x）=j=1pGj（x）]? （20）

根據(jù)平面設(shè)計(jì)的藝術(shù)結(jié)構(gòu)信息，進(jìn)行視覺(jué)審美元素多維化重構(gòu)。根據(jù)重構(gòu)結(jié)果，基于用戶體驗(yàn)效果，實(shí)現(xiàn)平面視覺(jué)傳達(dá)設(shè)計(jì)。

3? 仿真實(shí)驗(yàn)與結(jié)果分析

將平面視覺(jué)傳達(dá)設(shè)計(jì)的仿真實(shí)驗(yàn)建立在Matlab 7實(shí)驗(yàn)平臺(tái)中。原始的平面視覺(jué)傳達(dá)圖像采樣的像素集為500[×]500的JPEG圖像，分塊模板匹配值為[25×25]，灰度鄰域分布閾值為[ε]=1.0，平均灰度值設(shè)定為[F=]24 Pixel，視覺(jué)成像的光圈大小為14 mm。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)，得到平面視覺(jué)傳達(dá)設(shè)計(jì)的初始輪廓如圖1所示。

根據(jù)初始邊緣輪廓檢測(cè)結(jié)果建立平面視覺(jué)設(shè)計(jì)圖像的用戶體驗(yàn)效果評(píng)價(jià)模型，根據(jù)用戶體驗(yàn)效果，實(shí)現(xiàn)平面視覺(jué)傳達(dá)設(shè)計(jì)，經(jīng)過(guò)多次迭代，得到的設(shè)計(jì)效果如圖2所示。

分析圖2得知，采用本文方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)，經(jīng)過(guò)多次迭代后，具有很好的用戶體驗(yàn)效果。測(cè)試設(shè)計(jì)的輸出峰值信噪比和時(shí)間開銷，得到對(duì)比結(jié)果見表1，分析得知，本文方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的峰值信噪比較高，且運(yùn)算時(shí)間較短，說(shuō)明設(shè)計(jì)的效果較好。

4? 結(jié)? 語(yǔ)

本文提出基于用戶體驗(yàn)效果的平面視覺(jué)傳達(dá)設(shè)計(jì)方法。采用計(jì)算機(jī)圖像圖形處理方法，進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)，提高平面視覺(jué)傳達(dá)的效果和用戶的體驗(yàn)效果。建立平面設(shè)計(jì)視覺(jué)的特征空間分布模型，根據(jù)圖像的平均梯度與信息熵，進(jìn)行平面視覺(jué)傳達(dá)的空間特征加權(quán)，以輪廓邊緣最遠(yuǎn)的點(diǎn)作為中心像素點(diǎn)，進(jìn)行圖像尺度分解，根據(jù)用戶體驗(yàn)效果，實(shí)現(xiàn)平面視覺(jué)傳達(dá)設(shè)計(jì)優(yōu)化。測(cè)試得知，采用該方法進(jìn)行平面視覺(jué)傳達(dá)設(shè)計(jì)的用戶體驗(yàn)效果較好，峰值信噪比較高，時(shí)間開銷較小，提高了平面視覺(jué)傳達(dá)設(shè)計(jì)效果。

參考文獻(xiàn)

[1] 于曉.平面設(shè)計(jì)中的符號(hào)藝術(shù)與表達(dá)：以民族圖案的應(yīng)用為例[J].西南交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013，14（2）：121?124.

[2] 許丹桂.手繪藝術(shù)在現(xiàn)代平面設(shè)計(jì)中的應(yīng)用及創(chuàng)新體現(xiàn)[J].北京印刷學(xué)院學(xué)報(bào)，2018，26（9）：54?57.

[3] 余瑪俐，張海.基于低秩矩陣填充與全變分約束的HDR成像[J].計(jì)算機(jī)工程，2019，45（4）：262?266.

[4] YANG J， WEI C H. Testing serial correlation in partially linear additive models [J]. Acta mathematica applicate sinica （English serie）， 2019（2）： 401?411.

[5] ZHANG Xin， HE Yunhui. Modified interpolator projection method for weakly singular integral equation eigenvalue problems [J]. Acta mathematica applicate sinica （English serie）， 2019， 35（2）： 327?339.

[6] DOU Q， CHEN H， YU L Q， et al. Multi?level contextual 3D CNNs for false positive reduction in pulmonary nodule detection [J]. IEEE transactions on biomedical engineering， 2017， 64（7）： 1558?1567.

[7] KAMNITSAS K， LEDIG C， NEWCOMBE V F J， et al. Efficient multi?scale 3D CNN with fully connected CRF for accurate brain lesion segmentation [J]. Medical image analysis， 2016， 36： 61?78.

[8] DOU Q， CHEN H， YU L Q， et al. Automatic detection of cerebral microbleeds from MR images via 3D convolutional neural networks [J]. IEEE transactions on medical imaging， 2016， 35（5）： 1182?1195.

[9] 程德強(qiáng)，白春夢(mèng)，郭昕，等.基于分層區(qū)域的自適應(yīng)圖像配準(zhǔn)算法[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（17）：199?206.

[10] 律睿慜，楊帆，陸菁，等.針對(duì)色彩教育的游戲化設(shè)計(jì)及效果分析[J].計(jì)算機(jī)應(yīng)用，2019，39（8）：2456?2461.

[11] DE SOUSA BORGES S， DURELLI V H S， REIS H M， et al. A systematic mapping on gamification applied to education [C]// Proceedings of the 29th Annual ACM Symposium on Applied Computing. New York： ACM， 2014： 216?222.

[12] FITZ?WALTER Z， WYETH P， TJONDRONEGORO D， et al. Driven to drive： designing gamification for a learner logbook smartphone application [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013： 42?49.

[13] PAN Chengsheng， JIA Yaru， CAI Ruiyan， et al. Routing strategy for spatial information network based on MPLS [J]. Computer engineering， 2019， 45（3）： 85?90.

[14] LEE G M， LEE J H. On nonsmooth optimality theorems for robust multiobjective optimization problems [J]. Journal of nonlinear and convex analysis， 2015， 16（10）： 2039?2052.

[15] 丁勇，李楠.基于高維度特征分析的非局部圖像質(zhì)量評(píng)價(jià)方法[J].電子與信息學(xué)報(bào)，2016，38（9）：2365?2370.