徐頌民，朱映輝，江玉珍

（1.華南理工大學(xué) 繼續(xù)教育學(xué)院，廣東 廣州 510000；2.韓山師范學(xué)院 計算機(jī)與信息工程學(xué)院，廣東 潮州 521041）

在攝影成像系統(tǒng)中，光線在景物聚焦面的前后開始由聚焦?fàn)顟B(tài)變換至擴(kuò)散狀態(tài)，對應(yīng)的影像也逐漸模糊，景深（depth-of-field，DOF）因此也成為攝影技術(shù)的一個很重要的概念.當(dāng)某一景物聚焦清晰時，該景物前方清晰物體到后方清晰物體之間的距離就稱景深.大景深相片聚焦的區(qū)域較大，且其前景和背景也都比較清晰；小景深相片聚焦的區(qū)域小且只有聚焦景物較為清晰.自1981年P(guān)otmesil的景深效果繪制研究論文［1］發(fā)表以來，圖像景深的處理開始出現(xiàn)并廣泛應(yīng)用于影視娛樂、信息可視化、眼科治療與校正、生物形態(tài)研究等領(lǐng)域［2-4］.本文主要研究在現(xiàn)有的目標(biāo)區(qū)自定義的圖像小景深算法基礎(chǔ)上［5］，提出一種改進(jìn)的、基于非聚焦區(qū)徑向梯度模糊的小景深生成算法.

1 小景深與梯度模糊

小景深效果是攝影技術(shù)常用的表現(xiàn)手法：聚焦對象清晰鮮明，而其前后景均相對模糊，清晰與模糊的影像間形成強(qiáng)烈視覺對比，能增強(qiáng)圖像的深度暗示，使畫面更具縱深距離感［6］.此外，小景深效果特別適用于景物特寫，其圖像藝術(shù)感強(qiáng)，有助于觀察者快速抓住圖像主題內(nèi)容，更好地理解主題思想.然而，普通數(shù)碼相機(jī)尤其是自動對焦相機(jī)由于物理的原因焦距和光圈均受到限制，拍攝出來的相片多為大景深，相片中往往存在較大面積的清晰區(qū)域，不能很好地突出重要目標(biāo).對此，目前許多數(shù)碼成像設(shè)備或圖像處理系統(tǒng)都嘗試通過軟件的方法對大景深圖像進(jìn)行小景深效果的模擬.如HTC智能相機(jī)one_XC中內(nèi)置了小景深轉(zhuǎn)換程序，但該程序的小景深效果是統(tǒng)一生成一個圓形的聚焦區(qū)，區(qū)內(nèi)圖像清晰，區(qū)外則模糊，生成圖中景物的聚焦效果很不自然.PhotoShop 在新版本CS6 之后也增設(shè)了Field Blur（場景模糊）、Iris Blur（光圈模糊）和Tilf-Shift（傾斜偏移）三種全新的模糊濾鏡來幫助攝影師在后期處理照片時添加景深效果.新功能大大簡化了PS對圖像小景深特效的處理過程，但應(yīng)用上仍存在一些不足：（1）操作選擇性大，需具備一定的專業(yè)經(jīng)驗(yàn)，如設(shè)置控制點(diǎn)位置、模糊參數(shù)、模糊形狀或傾斜偏移方向等；（2）難以獲取聚焦景物的清晰輪廓以增強(qiáng)與非聚焦景物的視覺對比.

文獻(xiàn)［7］在三維仿真場景的景深處理上提出了較好的指導(dǎo)方法：在景深范圍之內(nèi)的物體都是清晰的，在景深范圍之外，物體要有梯度的模糊.圖像是二維空間，相對而言，在圖像平面上離聚焦中心距離越遠(yuǎn)的景物，其在縱深方向與聚焦景物存在距離差的可能性越大.對此，本算法引入“徑向梯度模糊”概念，即對圖像非聚焦區(qū)采用非均勻模糊化：以聚焦中心為參照點(diǎn)，像素離參照點(diǎn)越遠(yuǎn)模糊程度越大.其中，算法的關(guān)鍵步驟是運(yùn)用邊緣檢測及數(shù)學(xué)形態(tài)學(xué)“閉運(yùn)算”等方法實(shí)現(xiàn)聚焦區(qū)與非聚焦區(qū)的分離，獲取精確的非聚焦區(qū).

2 自定焦小景深模擬算法

2.1 算法概述

算法思想是：在大景深圖像中以兩點(diǎn)指定一矩形聚焦目標(biāo)區(qū)（指定景物對象左上及右下角坐標(biāo)位置），在該區(qū)中通過邊緣檢測、區(qū)域填充及數(shù)學(xué)形態(tài)“閉運(yùn)算”等方法實(shí)現(xiàn)聚焦對象區(qū)與非聚焦區(qū)的精確分割，再在非聚焦區(qū)上運(yùn)用“徑向梯度模糊”方法虛化景物以獲取小景深模擬效果.算法流程如圖1所示.

2.2 聚焦區(qū)與非聚焦區(qū)的分割處理

對圖像做聚焦區(qū)與非聚焦區(qū)的分割是景深生成處理的前提，這個過程包括4個步驟：（1）圖像HSI顏色空間轉(zhuǎn)換，目的是提高下一步邊緣檢測準(zhǔn)確度；（2）基于色調(diào)H和亮度S 通道的Sobel 邊緣檢測，目的是獲得較連貫的聚焦區(qū)邊緣，以圖2圖像為例，圖3（a）為目標(biāo)區(qū)邊緣檢測效果；（3）運(yùn)用行列掃描填充方法進(jìn)行聚焦-非聚焦區(qū)初始分割，目的是獲得聚焦對象的初始分割圖，圖3（b）為聚焦對象的初始分割效果；（4）聚焦對象的二值“閉運(yùn)算”區(qū)域修正，目的是獲取精確的聚焦-非聚焦區(qū)的分割效果，圖3（c）中白色區(qū)域就是修正后的聚焦景物區(qū).本文算法中上述分割預(yù)處理上采用的方法與文獻(xiàn)［5］一致，各步驟具體的運(yùn)用原由、數(shù)學(xué)模型及執(zhí)行方法可參考文獻(xiàn)［5］，這里不再復(fù)述.

2.3 非聚焦區(qū)的“徑向梯度模糊”虛化

在獲取聚焦對象分割圖的基礎(chǔ)上，依據(jù)目標(biāo)區(qū)在原圖中的位置可獲取全圖的非聚焦區(qū)，如圖4白色區(qū)域.以目標(biāo)區(qū)中心位置（Xcenter，Ycenter）為徑向中心，在非聚焦區(qū)進(jìn)行梯度均值濾波.具體方法如下

（1）依據(jù)原圖寬高Iwidth和Iheight，如式（Ⅰ）計算最大的均值模糊窗口尺寸.

圖1 小景深模擬算法流程圖

圖2 圖例1及指定目標(biāo)區(qū)

圖3 聚焦對象分割圖的生成及修正

（2）計算原圖四邊角離徑向中心（Xcenter，Ycenter）的最大距離Slarge，公式如（Ⅱ）-（Ⅵ）

（3）在非聚焦區(qū)中，依據(jù)當(dāng)前點(diǎn)（x，y）與聚焦中心的距離Slocal計算當(dāng)前點(diǎn)均值模糊窗口尺寸Wlocal.公式如（Ⅶ）、（Ⅷ）.

梯度模糊方法依據(jù)原圖像大小，將最大模糊窗口控制在一定范圍內(nèi).局部模糊程度與徑向中心距離線性相關(guān)，該非聚焦區(qū)處理方法對大多數(shù)景物圖均能獲得良好的虛化效果.

圖4 非聚焦區(qū)“徑向梯度模糊”示意

圖5 圖2的小景深效果

3 實(shí)驗(yàn)與分析

運(yùn)用本文算法，圖2 的小景深模擬效果如圖5 所示.相對原圖，效果圖保留了花朵的清晰效果，其余景區(qū)模糊虛化，離花朵距離最遠(yuǎn)的葉片模糊程度最大，這種視覺上鮮明的對比更突出了畫面主題的表達(dá).

算法基于自定聚焦對象，使小景深模擬處理的靈活性更高，使用者可任意設(shè)置聚焦位置及范圍以產(chǎn)生不同的小景深效果.以圖6（a）為圖例2，如設(shè)置①區(qū)為目標(biāo)區(qū)，算法產(chǎn)生的小景深效果如圖6（b），聚焦對象為左前鴛鴦；若設(shè)置②區(qū)為目標(biāo)區(qū)，則小景深效果如圖6（c），聚焦對象為右后鴛鴦.算法對人物圖像一樣適用，以圖7（a）為圖例3，圖7（a）主要包含四個女孩的臉圖.實(shí)驗(yàn)設(shè)①區(qū)為目標(biāo)區(qū)，聚焦對象為右側(cè)女孩臉圖，其小景深效果如圖7（b）所示.若設(shè)②區(qū)為目標(biāo)區(qū)，聚焦對象為中間兩個女孩臉圖，則小景深效果如圖7（c）.由上述兩例可見，本文算法聚焦范圍及位置可隨意設(shè)定，且聚焦對象目標(biāo)明確，輪廓清晰，非聚焦區(qū)的徑向梯度模糊使前景與背景間在自然的距離過度中形成鮮明對比.在特寫對象的表現(xiàn)力上，算法生成圖突出了局部小面積的景物細(xì)節(jié)，具有比原圖更強(qiáng)烈的視覺感染力.

圖6 圖例2及其兩種小景深模擬效果

圖7 圖例3及其兩種小景深模擬效果

4 結(jié) 語

本文研究在大景深圖像中通過自定義聚焦區(qū)快速獲取小景深效果的方法，在已有算法基礎(chǔ)上提出一種基于非聚焦區(qū)徑向梯度模糊的小景深模擬算法，該算法的特點(diǎn)是：（1）在邊緣檢測的基礎(chǔ)上運(yùn)用數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算有效地修正了聚焦區(qū)的分割并最終實(shí)現(xiàn)非聚焦區(qū)的精確提??；（2）用基于非聚焦區(qū)的徑向梯度模糊方法獲取優(yōu)質(zhì)小景深模擬，能增強(qiáng)圖像的深度暗示，突出圖像的主題思想.此外，算法操作方法簡便，圖像適應(yīng)范圍廣，可行性高，可作為手機(jī)、數(shù)碼相機(jī)的內(nèi)嵌程序以執(zhí)行成像效果的后續(xù)處理.