林智欣

基于雙邊濾波的二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法

林智欣

（閩南理工學(xué)院 信息管理學(xué)院，福建 石獅 362700）

傳統(tǒng)二維動畫圖像增強(qiáng)方法很難保證色彩通道之間存在的關(guān)聯(lián)性，導(dǎo)致圖像缺乏層次感，可靠性差。為此，設(shè)計基于雙邊濾波的二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法。對原始的二維動畫圖像進(jìn)行多尺度分解，通過雙平臺直方圖均衡處理分解后的背景層圖像，保證圖像整體灰度動態(tài)范圍與原始圖像相同。在多尺度圖像融合過程中，引入梯度權(quán)重因子，利用梯度函數(shù)增強(qiáng)圖像細(xì)節(jié)，獲得細(xì)節(jié)圖像，并計算出所有分解圖像的細(xì)節(jié)系數(shù)，通過加權(quán)平均實現(xiàn)分解圖像融合。實驗結(jié)果表明，所設(shè)計的基于雙邊濾波二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法能夠有效去除圖像噪聲，保持圖像邊緣平滑，提高圖像的層次感，可靠性強(qiáng)。

雙邊濾波；二維動畫；圖像細(xì)節(jié)增強(qiáng)；多尺度分解

當(dāng)前動畫產(chǎn)業(yè)發(fā)展迅速，利用計算機(jī)應(yīng)用進(jìn)行動畫創(chuàng)作也成為現(xiàn)階段動畫創(chuàng)作的主要形式[1]。動畫是通過將人或物的動作分解畫成很多圖畫，再通過一定的方式對這些分散的圖畫進(jìn)行組合，實現(xiàn)動畫的創(chuàng)作，在視覺上給以人們連續(xù)變化的感覺[2]。而二維動畫就是對傳統(tǒng)的動畫進(jìn)行改進(jìn)與創(chuàng)新，利用現(xiàn)代化手段對關(guān)鍵幀進(jìn)行編輯與輸入，生成中間幀，定義并顯示其運動路徑，實現(xiàn)動畫的聲音與畫面之間的同步。在二維動畫制作過程中，圖形圖像處理十分重要，使用一些圖像處理的手段為動畫增添豐富的色彩，以增強(qiáng)視覺上的沖擊力，使每一幀動畫的效果都清晰地展示出來[3-5]。

多尺度細(xì)節(jié)增強(qiáng)方法是提高二維動畫質(zhì)量的有效途徑[6]，國內(nèi)外對于圖像細(xì)節(jié)增強(qiáng)的研究主要集中在增強(qiáng)二維動畫圖像分辨率方面，以期提升二維動畫圖像的設(shè)計質(zhì)量，由于這些方法是在動畫具體場景的基礎(chǔ)上設(shè)計的，在二維動畫彩色圖像增強(qiáng)過程中，很難保證色彩通道之間的關(guān)聯(lián)性，使圖像受噪聲影響嚴(yán)重，邊緣模糊，缺乏層次感，例如傳統(tǒng)的基于Retinex算法的圖像細(xì)節(jié)增強(qiáng)方法以及基于引導(dǎo)濾波的圖像增強(qiáng)方法等[7-9]。因此，將雙邊濾波技術(shù)應(yīng)用到二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法設(shè)計中，雙邊濾波是一種基于高斯濾波器的改進(jìn)算法，能夠?qū)⒖臻g信息與灰度相似值結(jié)合在一起，在融合圖像的同時保持圖像的邊緣結(jié)構(gòu)特征，將該算法應(yīng)用到二維動畫圖像增強(qiáng)方法設(shè)計中能有效地解決傳統(tǒng)方法中存在的問題。

1 二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法設(shè)計

1.1 二維動畫多尺度分解

圖1 圖像多尺度表達(dá)示意圖

在不同尺度下，二維動畫圖像表現(xiàn)出不同的特征，在金字塔的結(jié)構(gòu)下，離底層越近，圖像所包含的信息越多，通過多尺度表達(dá)，將原始圖像中的主要特征點匯集在金字塔的頂層[11]。在圖1的結(jié)構(gòu)下，可以有針對性地對不同尺度的圖像進(jìn)行細(xì)節(jié)處理，得到想要的圖像特征或者內(nèi)容。在金字塔結(jié)構(gòu)下，通過像素總個數(shù)計算出存儲空間：

利用以上公式獲得原始圖像的多尺度表達(dá)和包含的總像素點數(shù)后，即完成了原始圖像的多尺度分解。

1.2 處理背景層圖像

通過多尺度分解獲得的圖像背景層信息極不穩(wěn)定，其灰度級往往有很大的動態(tài)范圍跨度，極容易造成增強(qiáng)后的圖像失真。此時需要處理背景層圖像的像素灰度值，為了實現(xiàn)二維動畫圖像中更多細(xì)節(jié)的增強(qiáng)，對其進(jìn)行直方圖均衡處理[12]。

考慮到在以往的直方圖均衡處理中過度增強(qiáng)所造成的圖像割裂感，選擇雙平臺直方圖均衡方法來處理二維動畫多尺度分解后的背景層信息[13]。主要是通過設(shè)定上限平臺閾值抑制占有圖像大量像素的灰度值，賦予其他像素占有的灰度值更多的拉伸空間；同時，設(shè)定下限平臺閾值，作用是增加占有較小像素的灰度值出現(xiàn)的概率，使其能夠得到進(jìn)一步拉伸，最終實現(xiàn)保留圖像信息內(nèi)容的目的。通過雙平臺閾值的設(shè)置，控制二維動畫圖像灰度直方圖中各個像素的拉伸程度，增強(qiáng)原始圖像的層次感，避免圖像細(xì)節(jié)增強(qiáng)出現(xiàn)違和感。

采用雙平直方圖均衡修正二維動畫圖像原有的統(tǒng)計灰度直方圖[14]。表達(dá)式如下：

則經(jīng)過均衡化處理的灰度值表示為

1.3 圖像細(xì)節(jié)增強(qiáng)與融合

在完成背景層圖像直方圖均衡處理后，采用雙邊濾波融合多尺度二維動畫圖像，主要是利用雙邊濾波圖像邊緣穩(wěn)定的特性和方向濾波的平移不變性，捕獲圖像的特征結(jié)構(gòu)，避免圖像融合后邊緣細(xì)節(jié)丟失或噪聲過多。雙邊濾波頻譜如圖2所示。

圖2 方向濾波頻譜分割圖

引入梯度權(quán)重因子，將梯度估計結(jié)果作用在雙邊濾波中，這里引用的梯度表示的是二維動畫圖像像素變化的方向和大小，如圖3所示。

圖3 圖像塊的像素梯度圖

圖3中顯示的坐標(biāo)原點為當(dāng)前需要處理的像素點，主要包含像素的角度和傾斜角。圖像多尺度邊緣沿垂直與梯度方向，在兩個夾角之間的更小角度的像素點最終將輸出一個較小的權(quán)重。上述中像素值變化的大小和方向主要通過偏導(dǎo)計算獲得，該結(jié)果同時還能反映圖像邊緣像素的對比和變化趨勢。分別計算水平方向的偏導(dǎo)數(shù)陣列和垂直方向的偏導(dǎo)數(shù)陣列，在獲得計算結(jié)果后，利用二階范數(shù)，計算出像素梯度大小和方向。

圖像梯度計算完成后，考慮梯度矢量中所包含的圖像邊緣的局部方向信息以及垂直與梯度方向的信息，利用梯度函數(shù)處理圖像邊緣像素。在多尺度分解過程中，矢量方向的像素所占權(quán)重較高，所以構(gòu)建梯度核函數(shù)，并利用一階偏導(dǎo)計算出圖像邊緣像素點對應(yīng)的梯度值，將計算出來的梯度值代入到梯度核函數(shù)中，計算出梯度矢量中包含的像素角度。

將構(gòu)造的梯度核函數(shù)運用到圖像濾波中，在雙邊濾波中加入灰度相似因子，結(jié)合梯度核函數(shù)和雙邊濾波的邊緣保持與平滑的優(yōu)勢，將多尺度圖像分為低頻部分和高頻部分，其中低頻部分包含保留圖像的近似特性和結(jié)構(gòu)，高頻部分主要包含圖像的紋理細(xì)節(jié)和邊緣結(jié)構(gòu)信息，分別得到經(jīng)過雙邊濾波后的低頻和高頻部分的細(xì)節(jié)圖像，捕獲到多尺度圖像中的重要細(xì)節(jié)信息，并計算圖像邊緣強(qiáng)度因子，使用統(tǒng)計計算融合權(quán)重屬性的一個領(lǐng)域的細(xì)節(jié)系數(shù)。圍繞著細(xì)節(jié)系數(shù)設(shè)計一個窗口，使用該窗口計算出權(quán)重，在完成所有細(xì)節(jié)系數(shù)權(quán)重的計算后，對源圖像進(jìn)行加權(quán)平均，得到融合圖像，得到的融合圖像即為經(jīng)過增強(qiáng)的二維動畫圖像。

至此，基于雙邊濾波的二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法設(shè)計完成。

2 二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法實驗研究

為了驗證本文所設(shè)計的基于雙邊濾波的二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法的實際應(yīng)用效果，考慮實驗的嚴(yán)謹(jǐn)性和科學(xué)性設(shè)計對比實驗，實驗方法為基于Retinex算法的圖像細(xì)節(jié)增強(qiáng)方法、基于引導(dǎo)濾波的圖像增強(qiáng)方法以及本文提出的增強(qiáng)方法，實驗中以圖像邊緣平滑程度和去噪能力為實驗項目，以圖像信噪比和的邊緣灰度變化作為對比實驗衡量標(biāo)準(zhǔn)，從這兩個方面對增強(qiáng)方法的性能進(jìn)行對比分析。

2.1 實驗條件

實驗中使用的圖像數(shù)據(jù)主要來自動畫圖像標(biāo)準(zhǔn)庫，包含人物、景觀、動物、植物等動畫圖像，實驗中主要挑選的是在各個類中細(xì)節(jié)不清晰的彩色圖像。選擇二維動畫圖像樣本主要包括以下幾種特點，從圖像元素的方面，圖像樣本必須有包含自然場景或人造場景的；從圖像照明方面，圖像樣本的選擇考慮照明充足和照明不足兩種情況；從圖像色彩方面，圖像樣本需要從色彩豐富場景到無色彩場景。

根據(jù)以上分析，本文采用600幅符合上述要求的動畫圖像進(jìn)行測試，其中建筑物圖像、人物圖像、樹木圖像、光線黯淡圖像、色彩單一圖像、色彩豐富圖像各100幅。其中一幅圖像樣本如圖4所示。

圖4 圖像樣本

在實驗中使用i5-3570K的計算機(jī)作為使用平臺，實驗結(jié)果通過第三方軟件獲得。

2.2 圖像邊緣平滑性能實驗與分析

圖像邊緣保持和細(xì)節(jié)平滑是圖像細(xì)節(jié)增強(qiáng)驗證的基本指標(biāo)，因此，在圖像邊緣灰度變化實驗中，對3種不同的增強(qiáng)方法進(jìn)行邊緣保持平滑性能。判斷圖像邊緣平滑的指標(biāo)為邊緣方向的灰度變化情況，其計算公式如下：

使用不同的增強(qiáng)方法處理圖像樣本，使用第三方軟件獲得實驗結(jié)果如圖5所示。

圖5 不同增強(qiáng)方法動畫圖像邊緣平滑性實驗結(jié)果

圖5中顯示的T表示圖像處理完成時間。對比觀察圖中結(jié)果，從圖5(a)中的二維動畫圖像可以看出，圖像色彩較黯淡，整體細(xì)節(jié)比較模糊，從結(jié)果左側(cè)的邊緣灰度變化曲線可以看出，在圖像處理完成后灰度比值較小，邊緣細(xì)節(jié)并不平滑；圖5(b)中顯示的二維動畫圖像比較明亮，分析左側(cè)顯示的圖像邊緣灰度變化曲線可知，灰度比值較小，邊緣細(xì)節(jié)同樣不平滑；圖5(c)中顯示的二維動畫圖像比較明亮，與前兩組結(jié)果相比比較清晰，左側(cè)顯示的圖像邊緣灰度變化結(jié)果也顯示出，經(jīng)過增強(qiáng)方法處理后，灰度比值得到了增強(qiáng)，邊緣平滑，二維動畫圖像增強(qiáng)效果好。

2.3 圖像信噪比實驗與分析

對于含噪聲的二維動畫圖像，信噪比是一個標(biāo)準(zhǔn)的評價指標(biāo)，信噪比越大說明圖像質(zhì)量越優(yōu)?；谏鲜鰧嶒灲Y(jié)果，計算經(jīng)過不同增強(qiáng)方法處理后的二維圖像樣本的信噪比，衡量不同方法的去噪水平。不同增強(qiáng)方法信噪比計算結(jié)果如表1所示。

表1 二維動畫圖像信噪比計算結(jié)果 dB

表1中結(jié)果顯示，在不同主題的二維動畫圖像實驗條件下，傳統(tǒng)的兩種動畫圖像增強(qiáng)方法信噪比均在50dB以下，說明圖像含有比較多的噪聲；相比之下，設(shè)計的基于雙邊過濾的圖像增強(qiáng)方法信噪比均在60dB以上，說明圖像質(zhì)量更優(yōu)，幾乎不存在噪聲干擾。結(jié)合圖像邊緣平滑性實驗結(jié)果可知，設(shè)計的基于雙邊濾波的二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法邊緣處理更加平滑、去噪效果更好，得到的二維動畫圖像質(zhì)量更高，層次性更好。

2.4 圖像增強(qiáng)時間實驗與分析

在上述實驗的基礎(chǔ)上，進(jìn)行圖像增強(qiáng)時間比較實驗，結(jié)果如表2所示。分析表2可知，基于Retinex算法的增強(qiáng)方法的圖像增強(qiáng)時間均值為177.2s，基于引導(dǎo)濾波的增強(qiáng)方法的圖像增強(qiáng)時間均值為222.3s，基于雙邊濾波的增強(qiáng)方法的圖像增強(qiáng)時間均值為47.1s，本文的方法是3種方法中最低的，說明采用該方法進(jìn)行圖像增強(qiáng)的時間效率最高。

3 結(jié)束語

本文在原有的資料背景下，設(shè)計基于雙邊濾波的二維動畫圖像多尺度細(xì)節(jié)增強(qiáng)方法，利用雙邊濾波保證二維動畫圖像邊緣細(xì)節(jié)平滑，抑制噪聲，增強(qiáng)圖像多尺度細(xì)節(jié)，以解決目前大多數(shù)圖像細(xì)節(jié)增強(qiáng)方法中存在的問題。但是設(shè)計中仍然存在一些問題，受到技術(shù)和時間的限制，本文只是利用簡單的雙邊濾波知識，缺乏嚴(yán)謹(jǐn)?shù)睦碚撝危芯可疃炔粔?，希望在今后的工作中對其進(jìn)一步研究，以期二維動畫的創(chuàng)作提供強(qiáng)有力的技術(shù)支撐。

表2 圖像增強(qiáng)時間比較結(jié)果 s

[1] 劉忠林，吳一全，鄒宇. 多尺度紅外超像素圖像模型的小目標(biāo)檢測[J]. 中國圖象圖形學(xué)報，2019, 24(12): 2159-2173

[2] 袁靜珍，金旺. 基于改進(jìn)雙邊濾波的多尺度運動目標(biāo)檢測方法[J]. 紅外技術(shù)，2019, 41(08): 772-777

[3] 李媛淼，孫華燕，郭惠超. 雙邊濾波與引導(dǎo)濾波增強(qiáng)激光三維圖像的圖像預(yù)處理方法[J]. 激光與光電子學(xué)進(jìn)展，2019, 56(15): 104-110

[4] Gupta B, Tiwari M. Color retinal image enhancement using luminosity and quantile based contrast enhancement[J]. Multidimensional Systems and Signal Processing, 2019, 30(7): 1829-1837

[5] 盧瑋，高濤，王翠翠，等. Retinex理論下基于融合思想的低照度彩色圖像增強(qiáng)算法[J]. 科學(xué)技術(shù)與工程，2019, 19(13): 151-157

[6] Yao D N L, Bade A, Suaib N M, et al. Digital image enhancement using enhanced detail and dehaze technique (DDE)[J]. Journal of Computational and Theoretical Nanoence, 2018, 24(3): 1559-1561

[7] 李果. 一種基于遺傳算法的Normalized Cut準(zhǔn)則圖像分割方法[J]. 齊齊哈爾大學(xué)學(xué)報：自然科學(xué)版，2016, 32(03): 25-28

[8] 林寧. 改進(jìn)的多尺度Retinex耦合夾角約束的圖像匹配算法[J]. 包裝工程，2018, 39(23): 191-199

[9] 張馳，譚南林，李響，等. 基于改進(jìn)型Retinex算法的霧天圖像增強(qiáng)技術(shù)[J]. 北京航空航天大學(xué)學(xué)報，2019, 45(02): 309-316

[10] R Ablin, C Helen Sulochana, G Prabin. An investigation in satellite images based on image enhancement techniques[J]. European Journal of Remote Sensing, 2020, 53(2): 86-94

[11] Islam I U, Ullah K, Afaq M, et al. Spatio-temporal sEMG image enhancement and motor unit action potential (MUAP) detection: algorithms and their analysis[J]. Journal of Ambient Intelligence and Humanized Computing, 2019, 10(1):3809-3819

[12] 李大軍，杜神斌，郭丙軒，等. 自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法[J]. 電子技術(shù)應(yīng)用，2018, 44(03): 117-121

[13] 趙春麗，董靜薇. 基于暗通道及多尺度Retinex的霧霾天氣圖像增強(qiáng)算法[J]. 激光雜志，2018, 39(01): 104-109

[14] 高飛. VRay渲染圖像常見處理技法探析[J]. 齊齊哈爾大學(xué)學(xué)報：自然科學(xué)版，2020, 36(05): 18-20, 25

[15] Prasad T D, Pardhasaradhi P, Madhav B T P. Statistical parameters-based image enhancement techniques in pure and nanodispersed 6O.O8 liquid crystalline compounds[J]. Phase Transitions, 2018, 94(8): 1-12

Multi-scale detail enhancement method for two-dimensional animated images based on bilateral filtering

LIN Zhi-xin

(School of Information Management, Minnan University of Science and Technology, Fujian Shishi 362700, China)

Traditional two-dimensional animation image enhancement methods are difficult to ensure the relevance between color channels, resulting in the lack of hierarchical image and poor reliability. Therefore, a two-dimensional animation image multi-scale detail enhancement method based on bilateral filtering is designed. The original two-dimensional animation image is decomposed by multi-scale, and the decomposed background image is processed by double platform histogram equalization to ensure that the overall dynamic range of gray level of the image is the same as that of the original image. In the process of multi-scale image fusion, the gradient weight factor is introduced, and the detail image is obtained by using the gradient function. The detail coefficients of all decomposed images are calculated, and the decomposed image fusion is realized by weighted average. The experimental results show that the multi-scale detail enhancement method based on bilateral filtering can effectively remove the image noise, keep the image edge smooth, improve the image hierarchy, and has strong reliability.

bilateral filtering；2D animation；image detail enhancement；multiscale decomposition

2020-08-20

林智欣（1993-），男，福建龍巖人，助教，本科，主要從事數(shù)字媒體技術(shù)研究，wowenz888@yeah.net。

TP751

A

1007-984X(2021)01-0056-06