基于圖像處理技術的藝術設計系統設計與實現

馬良華

摘 要： 為了提高藝術設計的人工智能性和面向對象性，提出基于圖像處理技術的藝術設計系統設計方法。對藝術設計的圖像采用色差補償方法進行圖像亮度均衡修復處理，結合像素點量化跟蹤方法進行圖像融合，采用小波降噪技術實現圖像降噪處理，由此完成藝術設計中的圖像處理。在MapInfo軟件開發平臺中進行藝術設計系統設計，采用Creator開發藝術設計系統的主界面，在Face Tools中選擇藝術設計的圖像處理類型函數，通過Map Texture Tools選擇貼圖方法，在程序加載模塊實現圖像處理算法加載，最后在嵌入式Linux的體系結構中完成藝術設計系統的軟件集成開發設計。系統測試結果表明，該系統能有效實現藝術中的圖像輸出，提高藝術設計圖像的輸出質量，圖像的輸出信噪比較高，系統的人機交互性能較好。

關鍵詞： 圖像處理; 藝術設計; 系統設計; MapInfo; Creator; Face Tools

中圖分類號： TN911.73?34; TP391 文獻標識碼： A 文章編號： 1004?373X（2018）09?0072?05

Abstract： In order to improve the artificial intelligence and object?oriented characteristic of the art design， a design method of art design system based on image processing technology is put forward. The color aberration compensation method is used to conduct the image brightness balance repair for the image of art design. The pixel quantization tracking method is combined for image fusion. The wavelet denoising technique is used to realize the image denoising， and accomplish the image processing in art design. The art design system was designed in the MapInfo software development platform. The Creator development technique is adopted to design the main interface of the system. The image processing type function of art design is selected in Face Tools. The chartlet method is selected by means of Map Texture Tools. The image processing algorithm is loaded in program loading module. The software integrated development design of art design system is accomplished in the architecture of embedded Linux. The results of system test show that the system can realize the image output in art effectively， improve the output quality of the art design image， has perfect human?computer interaction performance， and the output SNR of the image is high.

Keywords： image processing; art design; system design; MapInfo; Creator; Face Tools

0 引 言

藝術設計是城市規劃、設計美學以及環境生態學、人體行為學的綜合表達。以環境藝術設計為例，環境藝術設計同時也是對建筑室內外的空間環境的綜合利用，它通過藝術設計的方式以滿足人們的功能使用及視覺審美需求[1]。隨著計算機圖像處理技術的發展，將圖形與圖像處理技術應用在藝術設計中，能提高藝術設計的人工智能性和實時處理能力。研究基于圖像處理技術的藝術設計系統具有廣闊的應用前景[2]。

藝術設計中的圖像處理技術主要有圖像降噪和圖像融合濾波技術。通過小波降噪、中值濾波降噪等進行圖像提純處理[3]，能提高藝術設計中的圖像信息表達能力，結合圖像融合方法實現藝術設計中圖像信息跟蹤識別能力，采用自適應角點檢測和校正方法進行藝術設計中的關鍵特征點檢測分析，能提高藝術設計中的特征信息表達能力[4]。在藝術設計系統設計中，當前方法主要有基于Hadoop云平臺的藝術設計系統設計方法、基于ARM內核的嵌入式藝術設計系統和基于軟件服務（Software?as?a?Service，SaaS）層的藝術設計方法，根據上述設計原理，相關文獻進行了基于圖像處理的藝術設計系統設計研究，在提高藝術設計表達能力方面具有一定的實用價值。其中，文獻[5]提出一種基于圖像塊匹配修復的藝術設計方案，結合關聯維搜索方法進行圖像關聯特征點匹配，提高藝術設計中關鍵信息點的視覺表現能力，并在嵌入式Linux中進行藝術設計系統的軟件開發，但該系統和相應的圖像處理算法存在計算開銷過大的問題，系統的實時跟蹤和圖像實時處理能力不好;文獻[6]提出基于Criminisi算法的圖像修復方法進行藝術設計中的圖像處理，采用優先次序排列方法進行藝術設計中的三維圖形特征重構，并以DSP為核心處理芯片進行藝術設計系統的硬件開發和控制器設計，該系統沒有進行圖像的降噪處理，導致輸出圖像的質量較差，藝術設計的效果不好。

針對上述問題，本文提出一種改進的基于圖像處理技術的藝術設計系統設計方法。首先對藝術設計的圖像采用色差補償方法進行圖像亮度均衡修復處理，結合像素點量化跟蹤方法進行圖像融合，采用小波降噪技術實現圖像降噪處理。然后在MapInfo軟件開發平臺中進行藝術設計系統設計，在程序加載模塊實現圖像處理算法加載。最后在嵌入式Linux的體系結構中完成藝術設計系統的軟件集成開發設計，實現藝術設計系統的開發設計和仿真分析，得出有效性結論。

1 圖像處理算法設計

1.1 圖像亮度均衡修復處理

采用圖像處理技術進行藝術設計系統改進設計，需要先進行圖像處理算法設計。圖像處理主要包括圖像降噪處理、圖像融合處理和圖像邊緣輪廓特征提取處理[7]。采用網格化矩陣分塊方法進行藝術設計圖像的網格分塊，分塊方法主要采用矩形分塊和套索分塊方法，按藝術設計的待分塊圖像根據仿射不變矩將塊劃分為若干子塊，圖像子塊的個數一樣為[M16+1*N16+1]，藝術設計中圖像矩形分塊示意圖如圖1所示。

1.2 圖像融合及小波降噪處理

在進行了藝術設計中的圖像亮度均衡處理的基礎上，結合像素點量化跟蹤方法進行圖像融合和小波降噪處理[8]，在藝術設計圖像區域分布的網格點中，假定新提取的藝術圖像特征表達方程為：

建立藝術設計圖像輪廓分布的梯度信息模型，當降噪輸出圖像的信噪比滿足閾值條件時，返回當前搜索路徑，由此完成藝術設計中圖像的降噪和圖像融合處理。根據上述圖像處理結果，進行藝術設計系統優化設計，將圖像處理算法加載到系統的程序加載模塊中，進行交叉編譯控制，實現系統優化設計。

2 藝術設計系統的軟件開發實現

2.1 系統總體設計描述和開發環境描述

在MapInfo軟件開發平臺中進行藝術設計系統設計，采用B/S架構的UDP協議通信時，需要鏈接建立Internet中的FTP，定義一個SOCKADDER_IN類型的變量作為藝術設計系統的圖像處理控制變量。藝術設計系統包括對象域、圖形渲染層和圖形生成層，在三維圖像觀察器中實現藝術設計的動畫軟件轉換，在感知信息服務層進行三維圖形重構，設計面向對象的圖形處理軟件系統[9]。根據上述分析，得到基于圖像處理的藝術設計系統的總體結構構架，如圖2所示。

2.2 系統的軟件設計

基于MapInfo軟件開發平臺進行藝術設計系統設計，藝術設計系統的圖像渲染過程是實現圖形實時讀取和3D圖形輸出的過程，通過Map Texture Tools選擇藝術系統的圖像融合程序進行代碼加載，在程序加載模塊實現圖像處理算法加載，系統選擇MBM29LV400BC作為其Flash存儲器，讀、寫信號和片選信號通過DSP進行總線控制[10]。本文設計的藝術設計系統的軟件模塊主要有程序加載模塊、數據存儲和讀寫模塊、總線傳輸模塊以及人機交互模塊等，對各個模塊的設計描述如下：

1） 程序加載模塊。藝術設計系統的程序加載模塊具有進行圖像處理算法和控制指令的程序加載功能，采用 MVC（Model View Controller）模型構建圖形渲染系統的控制組件，采用MySQL 作為藝術設計系統程序加載的默認系統。系統程序加載的引導加載程序（Boot Loader）主要由面向圖的管理模塊（Management Module）的用戶應用程序（Application）構成，系統選用SuperViVi作為BootLoader，通過開源的Linux內核進行算法讀寫和圖像的自適應處理，根據如下交叉編譯指令執行程序加載和數據更新。

2） 數據存儲和讀寫模塊。數據存儲和讀寫模塊具有實現藝術設計系統的數據緩存和信息讀取功能，實現腳本和服務器配置，通過Grid DEM數據轉換模塊實現對藝術設計的圖像數據數模轉換，創建藝術設計的3D模型數據庫，用Creator的Terrain菜單模塊構建藝術設計系統的Flash，使用批處理模塊（Batch）進行藝術設計過程中圖形的顏色、紋理、材質屬性的渲染以及圖形圖像的自適應讀取。基于MapInfo的藝術設計系統的圖形渲染過程主要包含應用（APP）、剔除（CULL）和繪制（DRAW）三個主要過程。首先從藝術設計系統的緩存器中讀取圖形原始數據，從而在設備控制器中讀入數據，計算當前視點，之后進入下一幀的渲染循環，最后繪制多邊形數據，數據讀取和存儲過程如圖4所示。

3） 總線傳輸和圖形加載模塊。總線傳輸模塊是整個藝術設計系統建模的基礎，是實現藝術設計系統數據傳輸的關鍵技術。采用OpenFlight和VIX總線傳輸技術實現藝術設計系統的數據傳輸，總線傳輸的Sink節點實現對藝術設計系統的圖像處理代碼原始記錄、輔助記錄數據庫頭層次（Header level）的輔助記錄和數據庫建造歷史控制記錄等，在對象層次（Object Level）結構模塊中實現藝術設計對象的動態三維重建，為MultiGen提供層次結構視圖。在圖形繪制中通過Geometry Tools把面變換為體，實現藝術設計的圖形轉換和三維重建。這一實現過程描述如圖5所示。

4） 人機交互模塊。人機交互模塊是藝術設計系統面向對象設計的核心，在嵌入式Linux的體系結構中完成藝術設計系統的軟件集成開發設計與人機交互設計。新建一目錄filesystem，在/lib目錄下建立需要的設備節點，構建人機交互模塊的YAFFS映像文件。

3 系統測試與結果分析

為了測試本文設計的系統在實現圖像處理和藝術設計中的應用性能，進行仿真實驗。實驗的開發環境是Windows 10操作系統，利用Visual C++7.0，Vega Prime，Multigen Creator等多種圖像處理工具進行圖像處理算法設計，藝術設計系統的3D模型庫包括MFC42D.DLL，MFCD42D.DLL。在系統的網絡配置中，服務器的IP地址的端口號為192.168.6.69。在圖像處理算法的參量設定中，選擇圖像的大小是600×400和1 200×1 200，邊緣融合誤差[ε=0.12，]傳導系數[σx=0.26，]色差補償對比度為0.28，結構信息的相似度為3.89，像素級視差[D=]180。根據上述仿真環境和參量設定進行藝術設計系統圖像處理測試分析，首先進行藝術設計的圖形加載，仿真過程如圖6所示。

在進行圖形加載的基礎上，采用本文設計的系統進行藝術設計過程的圖像處理，待設計圖像的原始輸入如圖7所示。

由圖7得知，原始圖像受到大量的椒鹽噪聲干擾，導致在藝術設計中的可視性效果不好。采用本文方法進行圖像降噪和融合處理，得到改善后的圖像處理效果如圖8所示。

4 結 語

本文研究了藝術設計系統的人工智能設計方法，提出基于圖像處理技術的藝術設計系統設計方法。首先設計了圖像處理算法，實現對藝術設計圖像的融合和降噪處理，然后進行系統的軟件開發設計，重點對程序加載模塊、數據存儲和讀寫模塊、總線傳輸模塊以及人機交互模塊進行設計。由系統測試結果得知，本文設計的藝術設計系統具有很好的圖形圖像處理能力，提高了圖像輸出質量，改善了藝術設計視覺效果。

參考文獻

[1] 周毅敏，李光耀.多重光照色差下圖像平滑美化處理算法[J].計算機科學，2016，43（10）：287?291.

ZHOU Yimin， LI Guangyao. Image smoothing beautification processing algorithm in multi?illumination color difference [J]. Computer science， 2016， 43（10）： 287?291.

[2] 文政穎，王佳欣.基于小波分析的夜間色光背景圖像白平衡優化算法[J].河南工程學院學報（自然科學版），2016，28（2）：70?75.

WEN Zhengying， WANG Jiaxin. The image white balance optimization algorithm for night light background based on wavelet analysis [J]. Journal of Henan Institute of Engineering （natural science edition）， 2016， 28（2）： 70?75.

[3] 莫建文，曾兒孟，張彤，等.基于多字典學習和圖像塊映射的超分辨率重建[J].計算機應用，2016，36（5）：1394?1398.

MO Jianwen， ZENG Ermeng， ZHANG Tong， et al. Super?resolution reconstruction based on multi?dictionary learning and image patches mapping [J]. Journal of computer applications， 2016， 36（5）： 1394?1398.

[4] 潘宗序，禹晶，胡少興，等.基于多尺度結構自相似性的單幅圖像超分辨率算法[J].自動化學報，2014，40（4）：594?603.

PAN Zongxu， YU Jing， HU Shaoxing， et al. Single image super resolution based on multi?scale structural self?similarity [J]. Acta automatica sinica， 2014， 40（4）： 594?603.

[5] 譚海鵬，曾炫杰，牛四杰，等.基于正則化約束的遙感圖像多尺度去模糊[J].中國圖象圖形學報，2015，20（3）：386?394.

TAN Haipeng， ZENG Xuanjie， NIU Sijie， et al. Remote sensing image multi?scale deblurring based on regularization constraint [J]. Journal of image and graphics， 2015， 20（3）： 386?394.

[6] ZHANG Z， GANESH A， LIANG X， et al. TILT： transform invariant low?rank textures [J]. International journal of computer vision， 2012， 99（1）： 1?24.

[7] 郭佳，劉曉玉，吳冰，等.一種光照不均勻圖像的二值化方法[J].計算機應用與軟件，2014，31（3）：183?186.

GUO Jia， LIU Xiaoyu， WU Bing， et al. Binarisation method for images acquired under non?uniform illumination [J]. Computer applications and software， 2014， 31（3）： 183?186.

[8] 張新明，尹欣欣，涂強.動態遷移和椒鹽變異融合生物地理學優化算法的高維多閾值分割[J].光學精密工程，2015，23（10）：2943?2951.

ZHANG Xinming， YIN Xinxin， TU Qiang. High?dimensional multilevel thresholding based on BBO with dynamic migration and salt & pepper mutation [J]. Optics and precision enginee?ring， 2015， 23（10）： 2943?2951.

[9] MEHER S K. Recursive and noise?exclusive fuzzy switching median filter for impulse noise reduction [J]. Engineering applications of artificial intelligence， 2014， 30（3）： 145?154.

[10] HSIEH M H， CHENG F C， SHIE M C， et al. Fast and efficient median filter for removing 1?99% levels of salt?and?pepper noise in images [J]. Engineering applications of artificial intelligence， 2013， 26（4）： 1333?1338.