三維動態動畫人物重構中的圖像毛刺消除技術

顧小平

摘? 要： 由于傳統基于切片法的圖像毛刺消除技術忽略了重構圖像節點的提取過程，導致消除效果差的問題。為此，提出三維動態動畫人物重構中的圖像毛刺消除技術。采用細化模型，提取三維動態動畫人物重構圖像節點，再運用并行細化算法，處理重構圖像。結合鏈碼定義，消除三維動態動畫人物重構圖像的毛刺，完成圖像毛刺消除技術的設計。經對比實驗證明，運用所提圖像毛刺消除技術求取的重構圖像未出現毛刺，而運用傳統方法基于切片法的圖像毛刺消除技術求取的重構圖像存在毛刺，說明在細化處理時未消除干凈。由此可知，所提技術更符合設計需求。

關鍵詞： 圖像毛刺消除; 動畫人物重構; 圖像節點提取; 細化處理; 鏈碼定義; 對比驗證

中圖分類號： TN911.73?34; TP391.41? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）18?0153?04

Abstract： As the traditional image deburring technology based on slice method ignores the extraction process of reconstructed image nodes， resulting in the poor elimination effect， an image deburring technology in 3D dynamic animation character reconstruction is proposed. A refined model is used to extract the image nodes of 3D dynamic animation characters reconstruction， and the parallel thinning algorithm is used to process the reconstructed image. In combination with the chain code definition， the burr of 3D dynamic animation character reconstruction image is eliminated， so that the design of image deburring technology is completed. The comparative experiments prove that the reconstructed image obtained by means of the image deburring technology has no burr， while the reconstructed image obtained by means of the traditional image deburring technology based on slice method has burr， which indicates that it is not fully eliminated in the refining process. It can be seen from this， the proposed technology is more in line with the design requirements.

Keywords： image deburring; animation character reconstruction; image node extraction; refining process; chain code definition; comparison validation

0? 引? 言

根據相關研究可知，三維動態動畫人物重構圖像中像素點連接性不同，在8領域中僅存在一個像素點的像素為端點，在端點處容易引出毛刺生長點。若想找到該節點，就需要提取節點，并經過銳化處理后才能消除毛刺。傳統的圖像毛刺消除技術采用了切片方法，有效改善了三維動態動畫人物重構圖像質量，克服了圖像輪廓不連續的缺點[1]。但運用上述方法求得的三維動態動畫人物重構圖像存在毛刺，這些毛刺干擾了纖維的輪廓特征提取，從而導致纖維識別精確度降低。為有效改善這一缺點，提出三維動態動畫人物重構中的圖像毛刺消除技術。該技術引入了細化模型，既保證圖像像素點的連續性，還能有效提高該技術的抗噪性能。細化模型具有快速和準確的特征，可準確找出三維動態動畫人物重構原圖像的拓撲結構，且迭代方式不同，可一次處理一個像素。這也是本次設計的創新之處，因前一次的迭代圖像會影響迭代結果，故采用細化模型中的并行細化算法處理所有三維動態動畫人物重構圖像的子集。在處理過程中，可以一次處理一個子集，便不會影響前一次迭代情況，使得圖像像素點被完全消除。

1? 三維動態動畫人物重構圖像節點提取

采用細化模型，在保證三維動態動畫人物重構圖像像素點的連續性前提下提取圖像節點，提取過程如下：

1） 先標記邊界像素點[2]。

2） 引入特征參數S，公式為：

式中：[p]表示邊界點;[i]表示像素點。應用式（1）刪除每一個圖像邊界像素點，若滿足[p5p7=0]，即可刪除該點。

3） 搜索邊界像素點，直至無法刪除為止[3]。

為準確提取圖像節點信息，需計算以下邊緣節點，如圖1所示。

圖1a）為深度梯度，表示深度的不連續性，圖1b）為凸表面像素點的法向量梯度，圖1c）表示處于凹表面像素點的法向量梯度。在提取時，需要根據每個半圓盤領域內像素點的分布情況，計算不同方向上的梯度幅值。需要注意的是，不同方向角度的梯度值不同，求取時要利用視差梯度代替深度梯度來計算，否則會增加方向角度所帶來的誤差[4]。

2? 三維動態動畫人物重構圖像處理

提取三維動態動畫人物重構圖像節點后，采用細化模型的并行細化算法從圖2的左上角像素點開始，按照從左到右的順序掃描。

先抽取圖2a）的像素點，需按照事先規定模板比較圖2a）中的10個相鄰像素，再與圖2b）中所示的模板相比較[5]。如果圖2a）中所有點與對應領域中的像素點的值相等時，要與圖2c）相比較，若相匹配，可保留該點;若不匹配，刪除該點。經過反復迭代后，若沒有像素值，則需要重復上述步驟，直至改變為止[6]。

采用并行細化算法得到的三維動態動畫人物重構圖像細化結果如圖3所示。

從細化結果可以看出，經過細化處理后的輪廓有毛刺。在后續處理時要根據圖像輪廓特點消除毛刺，才能得到最終結果[7]。

3? 三維動態動畫人物重構圖像毛刺消除流程設計

完成三維動態動畫人物重構圖像處理后，需要消除圖3b）中未能達到較好細化效果的輪廓線，故基于鏈碼原理，處理該領域內的像素點[8]。先沿著曲線移動，每一個移動方向都會有一個數字集[ii=0，1，…，7]，在編碼時需按照圖4所示的鏈碼定義跟蹤掃描線條輪廓，直至滿足結束條件。

由圖4可知，在鏈碼序列中的每一個中間點都存在兩個臨點，在跟蹤鏈碼輪廓時，需要分析邊界輪廓，求取重構圖像輪廓特征的重要部分。求取步驟：

1） 確定消除輪廓的起點[9];

2） 依據搜索機理，重新確定下一個新的邊界點;

3） 最后確定終止條件，重復步驟1）和步驟2），若滿足條件，即可結束搜索，獲取重構圖像輪廓特征[10]。

完成上述操作步驟后，結合鏈碼定義，消除三維動態動畫人物重構圖像的毛刺，消除過程：

Step1：在三維動態動畫人物重構圖像中，若[fx，y=0]，則為消除點，否則為背景點。在掃描圖像像素[i]時，若[fxi，yi=0]時，要統計8個領域模板內的像素點個數，并累加到[S]中。重復上述步驟，處理全部像素點[11]。

Step2：若掃描到的消除點[Si>3]，則將此消除點[12]標記為邊界線的頂點[qi]。

Step3：刪除重構圖像中保存的頂點后，可以得到非連通的區域[13]。

Step4：標記連通區域后，要獲取新的標記圖[fpx，y]。

Step5：從頂點[qi]開始，統計[qi]連通區域的長度信息，為[Wi]。

Step6：設長度閾值為[T]，最小長度為[MinNi]，若滿足[MinNiT]就可以結束操作，獲得最終的消除結果[14]。

Step7：復原邊界點的頂點[qi]，可以獲得毛刺消除的初始結果，重復Step1～Step5。

Step8：若出現斷線連接，設長度閾值為[T]，若[qNi，Nj>T]，要將兩個頂點連接起來;若[qNi，Nj

由此，完成三維動態動畫人物重構中的圖像毛刺消除技術的設計。

4? 實驗與分析

為驗證所提的圖像毛刺消除技術的有效性，設置了對比實驗，分別測試所提技術與傳統基于切片法的圖像毛刺消除技術消除三維動態動畫人物重構圖像毛刺的效果。為保證實驗可靠性，2種方法均在相同實驗設備上進行。此次實驗所用電腦系統為Windows 10，在Matlab 2015b版實驗環境下進行。實驗流程如圖5所示。

Step1：確定節點，規定最長距離。

Step2：設定起初追蹤方向，并根據鏈碼定義標記跟蹤的像素點。若其在設定的步長范圍內，就可以結束追蹤。運用式（1）計算跟蹤的頂點長度，并轉至Step3;若超出設定的步長范圍，需沿著起初方向逆時針旋轉90°，繼續跟蹤下一個頂點。

Step3：比較頂點長度。若大于設定閾值，要將該點像素的所有值設為0，將其作為背景點;若小于設定閾值，需執行下一步。

Step4：確定是否存在節點，若有節點返回步驟2;若沒有節點，可直接輸出結果。

實驗中采用所提圖像毛刺消除技術與傳統圖像毛刺消除技術，處理三維動態動畫人物重構圖像的毛刺。在實驗中所設定的長度門限值是根據以往經驗獲取的。傳統圖像毛刺消除技術和所提圖像毛刺消除技術對相同圖像進行毛刺消除，消除結果如圖6和圖7所示。

由圖6可知，運用傳統圖像毛刺消除技術求得的三維動態動畫人物重構圖像存在毛刺，經過細化處理后的結果可以看出，這些毛刺干擾了輪廓特征提取結果，說明在輪廓特征提取時受到毛刺的干擾，影響了三維動態動畫人物重構圖像識別的精確度。最為重要的一點，在消除的過程中，未消除最短的長度，才導致毛刺清除效果不佳。由圖7可知，運用所提圖像毛刺消除技術求得的三維動態動畫人物重構圖像時，不存在毛刺，說明在消除過程中效果好，因采用細化模型對重構圖像節點進行了提取，掃描了所有像素點的外圍輪廓，使最終得到的圖像質量好。由此可知，所提的圖像毛刺消除技術相比基于切片法的圖像毛刺消除技術的消除效果更佳。

5? 結? 語

通過對基于切片法的圖像毛刺消除技術存在消除效果差的問題，提出一種新的三維動態動畫人物重構中的圖像毛刺消除技術。該技術結合了并行細化算法，此算法具有較強的適用性，但該算法在實施過程中，容易造成部分重構圖像輪廓模糊。故依據鏈碼定義，搜索重構圖像像素點，在搜索的過程中發現圖像邊緣噪聲不敏感，可以明確找出重構圖像輪廓線存在的毛刺。經過處理后，即可得到完整的光滑輪廓，但在取出毛刺時，會受到斷裂點周圍噪聲的影響。在后續研究中，要在細化算法的基礎上，引入去噪增強算法，減少周圍噪聲的影響。在今后的研究中要從以下幾點改進：

1） 進一步提高細化算法的準確性;

2） 尋找普適性更強的有效算法;

3） 通過實驗驗證所提的三維動態動畫人物重構中的圖像毛刺消除技術設計的可行性。

參考文獻

[1] 路永婕，李振宇，懷文青，等.基于分形理論的三維路面譜重構及在多體動力學軟件中的應用[J].圖學學報，2019，40（2）：328?334.

[2] 陳卓，胡搖，蔣曉黎，等.微結構形貌的光場顯微三維重構分辨率增強技術[J].光學技術，2018，44（4）：385?390.

[3] 楊小來，廖巨華.一種解決高速DAC轉換毛刺的同步方法[J].科技通報，2018，34（10）：168?171.

[4] 梁建平.三維激光3D打印技術在數字化重現中的應用[J].激光雜志，2018，39（6）：125?129.

[5] 葉鳳華，葉歡.基于FLASH和3D動畫渲染技術的育苗機器人設計[J].農機化研究，2018，40（3）：189?192.

[6] 李忠虎，張琳，閆俊紅.管道腐蝕視覺測量圖像邊緣檢測算法研究[J].電子測量與儀器學報，2017，31（11）：1788?1795.

[7] 鄭冰，趙陽，葛東林.農機快速導航系統設計：基于圖像邊緣檢測和3D深度視頻幀內編碼[J].農機化研究，2018，40（5）：181?184.

[8] 馬宏偉，楊文娟，張旭輝.帶式輸送機托輥紅外圖像分割與定位算法[J].西安科技大學學報，2017，37（6）：892?898.

[9] 葛朋，楊波，毛文彪，等.基于引導濾波的高動態紅外圖像增強處理算法[J].紅外技術，2017，39（12）：1092?1097.

[10] 薛萍.基于超像素特征表示的圖像前景背景分割算法[J].西安科技大學學報，2017，37（5）：731?735.

[11] 劉麗霞，李寶文，王陽萍，等.改進Canny邊緣檢測的遙感影像分割[J].計算機工程與應用，2019，55（12）：54?58.

[12] 田雯，胡玉榮.共生矩陣耦合Otsu閾值的彩色圖像邊緣提取算法[J].電子測量與儀器學報，2018，32（7）：52?60.

[13] 劉明綱.基于高斯混合模型和NSCT的圖像邊緣檢測方法[J].科技通報，2018，34（8）：108?112.

[14] 陳石濤，楊龍興，丁力，等.一種基于改進的SUSAN算法的焊縫邊緣檢測方法[J].熱加工工藝，2018，47（15）：161?164.

[15] 許傳祥，石青云，程民德.零對稱和反對稱二進小波及其在邊緣檢測中的應用[J].中國圖象圖形學報，1996（1）：4?11.

[16] LEE S， LEE D， PARK Y. Pupil segmentation using orientation fields， radial non?maximal suppression and elliptic approximation [J].? Advances in electrical and computer engineering， 2019， 19（2）： 69?74.