基于灰度融合的彩色圖像漸變設計

李雅楠

（西安職業技術學院陜西西安710077）

圖像漸變技術是一種圖像融合技術，利用線性插值將圖像交融到一起。目前對于漸變技術的研究相對較少，取得的成果也不夠豐富，交叉溶解技術依舊是主要的圖像設計技術，但是在對比度和圖像質量上有很大的不足，涉及的計算量也非常大，尤其是彩色圖像漸變的處理過程繁瑣復雜。圖像漸變需要從3個方面入手：圖像的特征提取、圖像中間幀的過度、圖像的變形處理[1]。

針對目前彩色圖像漸變技術的缺點，本文基于灰度融合研究了一種新的彩色圖像漸變技術，在傳統彩色圖像基礎上進行改進，漸變共分為兩個過程：首先是彩色圖像轉變成灰度圖像，然后利用灰度融合對彩色圖像進行漸變。實驗驗證了該設計的可行性，具有很好的市場利用價值[2]。

1 彩色圖像的灰度圖像轉變過程研究

1.1 彩色圖像灰度處理重要性

彩色圖像如果要進行漸變處理，首先就要轉變成灰度圖像。不同的圖像具有的特征不同，所以圖像漸變處理需要將若干個不同的模型綜合起來，每一次處理呈現遞進關系。圖像的背景特征要比圖像內部實物更加復雜，建立映射關系極其困難，如果是直接將彩色圖像融合在一起，將會出現大量的干擾因素，所以將其轉變成灰度圖像后，不僅提高了處理速度，也使處理結果更加精準[3]。圖像在空間中會受到自然光的影響，圖片上的內容也會呈現出較為復雜的幾何特征，如果在圖像的漸變過程中，忽略了光照的影響，必然會使漸變結果受到影響。彩色圖像的色彩特征不同，將其灰度處理后，方便整齊劃一的進行漸變[4]。

1.2 彩色圖像灰度處理過程

彩色圖像向灰色圖像轉變是在RGB模式下將彩色圖像的每個像素轉變成灰度像素，即RGB顏色轉變成HIS顏色。計算過程如下：

公式（1）中的R代表色調分量，G代表飽和度分量，B代表強度分量。需要特別指出的是，轉換的RGB像素都要屬于[0，1]的區間之內，根據公式（1）計算出不同像素的坐標值：

公式（2）中的(x,y)可以代表任何一個圖像像素的橫縱坐標值[5]。

在尋找出每個像素的具體位置后，對其進行灰度處理。將圖像從一個多尺度、多方向的計算框架分散開來，選用濾波器對信號進行采樣，了解每一組圖像的特征，從而分析灰度圖像處理后的質量[6]。

在新的亮度對比模型中，設立了一個特定閾值Δl，當背景的亮度與目標的亮度之間的差值大于Δl時，該圖像可以利用韋伯模型計算出對比度；當背景亮度與目標亮度之間差值小于Δl時，該圖像可以利用新的模型計算出對比度。

在明確目標與圖像的對比度之后，對彩色圖像進行灰度處理，處理變化過程如圖1所示。

圖1 彩色圖像灰度處理過程

根據感知對比度可以評價出不同的圖像，也可以根據一個圖形的局部對比度模擬出整個彩色圖像的各個像素值[9]。上述彩色圖像灰度處理過程的每幅圖片各對比度數據如表1所示：

表1 彩色圖像灰度處理中不同圖片的數據對比度

由表可知，在圖像灰度處理后會產生不同的感知對比度C。對現有的圖片進行對比后發現灰度處理后的圖像對比度數值在不斷加大，更容易對其進行漸變處理[10]。

2 基于灰度融合的彩色圖像漸變

圖像漸變不僅是計算機領域需要研究的問題，同時也橫跨了物理學、生理學和社會學等多個領域[11]。漸變過程自身具有很強的綜合性。

2.1 彩色圖像采樣

灰度融合的采樣可以通過兩種方式進行，分別是：金字塔采樣和濾波器采樣。金字塔采樣如圖2所示。

圖2 金字塔采樣

金字塔采樣利用了彩色圖像像素的多尺度性，每經過一次分解，就會產生一個子代圖像，并且通過低通迭代向上分布得到圖像中的特征點。金字塔采樣的圖像在多次分解以后，得到不同的子圖像，子圖像使用小波過濾技術過濾掉圖片中的干擾信號[12]。

濾波采樣如圖3所示：

圖3 濾波采樣

濾波器采樣和金字塔采樣有一定的區別，每一級低帶分量都具有多個奇異點，采集圖像中的奇異點，通過通道組獲取圖像的像素值[13]。

2.2 彩色灰度圖像交叉融合

彩色灰色圖像交叉融合設立了中間點，中間點之前的漸變過程為前半周期，中間點之后的漸變過程為后半周期。

在前半周期中，源圖像A具有很強的視覺優勢，而目標圖像B的視覺效果較差，通常要將源圖像A與目標圖像經過式D放在一起交叉融合，以此削弱在漸變時源圖像A對目標圖像B的攻擊[14]。前半周期的圖像交叉融合過程如圖4所示。

當融合階段進入后半周期時，目標圖像B的視覺優勢變得明顯起來，在這個周期中，可以將目標圖像B與源圖像經過式C放在一起，降低目標圖像對源圖像的攻擊性，使漸變序列更加自然[15]。后半周期的圖像交叉融合過程如圖5所示。

圖4 前半周期圖像交叉融合過程

圖5 后半周期圖像交叉融合過程

2.3 融合后圖像漸變

融合后的圖像漸變效果要比源圖像漸變效果好得多。不同的彩色圖像具有不同的特征點，將兩幅圖像的特征點提取出來，選取相似特征點，排放出一個穩定的漸變序列，根據該漸變序列安排圖像的漸變。利用一種新的非線性插值算法提高圖片漸變后的質量，非線性插值算法計算過程如下：

G(x,y)代表源圖像A的像素坐標值，β表示控制點數值，σ表示特征點數值。

L(x,y,z)表示漸變后圖形中各個像素的坐標值，I(x,y,z)表示目標圖像B各個像素的坐標值[16]。

根據上述公式確定圖像特點完成圖像漸變過程。

3 實驗研究

為了探討本文研究的彩色圖像漸變技術的實際工作效率，設計了對比實驗。

3.1 實驗參數

實驗參數如表2所示。

3.2 實驗過程

根據上述設定的參數進行實驗，選取傳統漸變方法和本文設計的漸變方法對同一組圖片進行漸變處理，通過實驗結果分析漸變效果。

表2 實驗參數

3.3 實驗結果與分析

得到的實驗結果如圖6和圖7所示。

圖6 漸變性能實驗結果

觀察圖6可知，在漸變時間為3 min時，傳統漸變方法得到的圖像熵值為0.1248，本文研究的漸變方法得到的圖像熵值為0.2241；漸變時間上升到中間時刻9 min時，傳統漸變方法圖像熵值為0.1944，本文研究的漸變方法熵值為0.4982；說明隨著時間的增加，漸變后圖形熵值在不斷改變。

圖7 漸變清晰度實驗結果

觀察圖7可知，當漸變時間到第3 min時，傳統漸變方法的圖像平均梯度值為7.582，本文研究的漸變方法的圖像平均梯度值為12.371；漸變時間上升到中間時刻9 min時，傳統漸變方法圖像平均梯度值為8.761，本文研究的漸變方法圖像平均梯度值為22.943；說明隨著時間的增加，圖像的平均梯度出現很大的變化。

3.4 實驗結論

根據上述實驗結果可知：在相同時間下，本文研究的漸變方法得到圖片圖像熵值始終高于傳統漸變方法得到的圖像熵值，而熵值越大，圖片中蘊含的平均信息越多；平均梯度越大，圖像清晰度越高。在相同時間內，使用本文設計的漸變方法處理后的圖片清晰度是傳統方法的二倍。由此可見，本文漸變方法在工作性能上好于傳統漸變方法，更值得推廣使用。

4 結束語

圖像漸變對于特效制作有重要意義，如果直接將彩色圖片融合到一起，得到的圖片清晰度很低，效果也不夠自然。本文基于灰度融合理論設計了一種新的漸變方法，該方法利用韋伯模型首先將彩色圖片進行灰度處理，再進行漸變融合，大大提高了漸變序列的穩定性，使漸變后的圖片看起來更加清晰自然，具有很好的發展潛能和市場空間。