探索基于OpenCV的圖像處理技術在國畫中的應用

侯艷陽

(鄭州工業應用技術學院，河南 新鄭 451100)

0 引言

OpenCV當下被廣泛應用于工業界和學術界，主要功能是幫助工作人員進行相應的圖片處理，具有增強圖片效果、改善失真圖片等功能。國畫蘊含著我國前人數千年的智慧經驗，與西方工筆畫、油畫等繪畫形式存在明顯的不同。國畫對于繪畫人的要求較高，需要其掌握多種多樣的用筆技藝，并且利用調參的手法來提升畫作的美感與質量。OpenCV作為常用的圖像處理工具，能夠幫助國畫呈現更高的清晰度與對比度，以達成更精致的繪畫效果。

1 OpenCV的定義

開源計算機視覺圖書館(Open Source Computer Vision Library，OpenCV)指的是一個在計算機領域極其有名的開源數據庫，主要功能是處理視覺圖像，用戶可以登錄該系統進行免費的操作。OpenCV作為目前應用較為火熱的系統，其最大的特點是跨平臺，開發者在設計之初就允許用戶在Windows/Android等操作系統中展開應用，并且用戶可以利用Java，Python等常見的編程語言接口，進行相應的圖像處理操作。設計者在開發OpenCV之初，秉持的基本理念是：能夠幫助用戶盡快地處理復雜的視覺應用。當前，OpenCV的使用范圍較廣，可以幫助識別人臉、機器學習、安全系統檢測等日常工作進行，甚至還可以運用于一些軍事系統中。

2 OpenCV的應用現狀

目前，OpenCV主要在計算機數字形態學和視覺圖像處理等領域發揮著重要的作用，總的來說，OpenCV的應用功能可以概括為實際應用功能與輔助應用功能兩大類。

2.1 實際應用功能

(1)圖像特征的實際檢測。在當前的信息處理過程中，許多圖像的特征并不夠顯著，這就導致技術人員在進行后期處理與維修時操作煩瑣，且不能達到預期的處理效果。OpenCV在上述情況下就可以發揮自己的長處，幫助技術人員對原有圖片進行分割、去霧等處理。具體來說，OpenCV可以在下述案例中發揮效用：當汽車公司的負責人想要獲得關于車輛輪廓線的理想形狀時，可以要求技術人員利用OpenCV輪廓檢測的方法，基于開源計算機數據庫，針對圖片中的車輛進行一定的去噪、濾波處理，并且進行二值化閾值的分割，進而得到二值化的黑白圖像，最終通過輪廓線提取的操作，得到車輛的外輪廓線。

(2)圖像特性的提取。圖像特征的提取是指技術人員通過設置不同的閾值，將圖像像素點分成若干類，隨后根據像素點的灰度值，選擇相配套的閾值。通過上述操作，技術人員得到了不同特征的閾值，進而能夠為后期的圖像分析與相關特征模式的提取提供極大的便利，屬于實際功能的范疇，具有較高的實用價值。

(3)圖像邊緣的檢測。OpenCV還可以提供圖像邊緣的檢測技術，技術人員需要利用C++語言，在OpenCV和Visual Studio2013(微軟旗下的一款編程開發系統)的基礎上，進行綜合的編程，在實際的編程過程中，技術人員需要利用Canny算子、Laplacian算子等工具來達到對靜態圖像進行邊緣檢測的目的。

(4)圖像內容的識別。圖像內容的識別工作在計算機視覺領域模塊中占有很大的比重，它的具體應用場景包括：人臉識別、手勢的識別以及車牌號的識別等。具體來說，人臉識別是指利用OpenCV做圖像處理庫，根據人臉的具體特征，利用專業的算法進行相關識別。手勢識別是指技術人員根據識別對象的不同膚色與該對象的運動信息，去除掉照片中與膚色顏色相近的區域，利用OpenCV對圖片中人物的手勢進行準確分割，幫助相關人員完成手勢的識別。車牌號的識別是指，綜合比對不同車牌的特征，對車牌進行定位操作，將車牌上的字符進行一定的分割操作，利用OpenCV對陰影部分與網格部分進行系統化的提取，最后得到準確的識別結果。

2.2 輔助應用功能

由于OpenCV在計算機視覺圖像處理過程中能夠發揮出十足的潛力，因此很多研究人員都將OpenCV作為一種輔助技術應用于視頻圖像的分析與識別過程中。其中，OpenCV被用來進行運動目標的跟蹤與識別是近年來視頻圖像分析的一個熱點。例如，技術人員可以將OpenCV作為一種圖形圖像的開發庫，通過對目前所應用的基本算法的比較和分析，對不同場景中多個運動目標進行一定的跟蹤，并實時記錄運動目標的行駛軌跡，通過后臺運行的算法對運動目標進行構建，進而分析組建其基本的運動模型[1]。

3 國畫圖像處理的流程

要對國畫進行圖像處理，需要經過預處理、特征提取、分類識別等步驟。其中，預處理指的是在進行圖像處理操作前，對國畫進行一定的去噪、修整和轉換空間等一系列操作。分類識別是指技術人員基于一定的數據庫，通過專業程序對圖像進行一定的掃描，根據數據庫中已儲存的圖像信息，啟動比對程序將圖像的特征點進行相應的配對，進而達到分類識別的目的。圖像處理過程中最重要的環節就是特征提取，因為提取結果的準確與否將會影響后續分類識別工作的進展程度。在國畫的特征提取環節，技術人員主要針對圖像的紋理特征、顏色特征等方面進行相應的操作。

3.1 圖像的紋理特征

圖像的紋理特征指的是一種固定呈現的圖像排列規律，它描述了圖像中相鄰像素的相關性以及從局部來看，線條之間的相關性，需要技術人員在進行提取工作時排除如亮度、顏色等因素的影響。一般來說，提取圖像的紋理特征具有以下兩種方法：頻譜分析法與統計分析法。頻譜分析法通常采用小波變換法，統計分析法通常采用灰度共生矩陣或者是Tamura紋理特征的分析方法。

小波變換指的是對圖像進行局部化分析，利用平移以及伸縮等具體操作手法對圖像進行精細劃分，全面檢測畫面中呈現的每一處細節，它作為一種新型的變換分析方法，既能夠滿足精細的窗口狀分析要求，又能夠適應圖像中具體線條的變化頻率，進而能夠幫助技術人員識別圖像中的具體特征，提升對于圖像紋理特征檢測的準確性。

灰度共生矩陣作為紋理特征提取的算法之一，其應用的歷史較為長久。灰度共生矩陣的應用理念是檢測圖像中的具體像素值，研究不同像素之間的位移與方向偏差，進而得到相應的灰度值，利用灰度值來構建具體的關系矩陣。在構建關系矩陣過程中，技術人員需要測定角二階矩、對比度、相關度等具體的指標，同時還要計算熵、方差、均值等相關要素，進而得到關于圖像紋理特征的準確特征。

Tamura紋理特征是測定圖像紋理特征值的一種算法，它的主要原理是利用6個特征向量來對圖像進行對比，其中，方向度、粗糙度和對比度的測量是圖像特征提取的重要的步驟。

3.2 圖像的顏色特征

圖像的顏色特征是技術人員在對圖像特征進行識別時不可忽略的一項重要因素，由于顏色在人們的日常生活中扮演著重要的作用，因此圖像的顏色可以被稱作是最可靠和最鮮明的視覺特征，它不受圖像的大小和展示方向的影響，因此在圖像過程處理中，關于圖像顏色特征的處理應當占有較大的比例，顏色特征、顏色空間等指標的測量都是圖像顏色特征測定中必須進行的工作[2]。

4 OpenCV在對國畫作品進行圖像處理的應用

通常來說，國畫作品的線條越寫意、色彩的掌控越深刻，越能給人們帶來愉悅感。而國畫作品中信息量越大，代表其容納的像素就越多。圖像增強作為一項能夠改變原始像素的算法，一方面可以彌補圖像中存在缺陷的細節，另一方面還可以讓圖像產生一定程度的失真。圖像在實際的采集過程會受到一部分外界因素的干擾，例如光線、采集設備、環境中的雜光等，都會對采集的圖像質量產生一定影響，圖像增強技術就可以在上述情況中完成對圖像的調節與整改，進而提升圖像的整體質量。

4.1 直方圖均衡算法

由于國畫中水墨畫占據有重要的比例，因此文章主要針對水墨畫中的圖像處理技術為分析對象。研究人員應當根據該圖像生成一副灰度直方圖，由于水墨畫的整體色調偏白，并且呈現水墨畫的攝影作品細節并不清晰，即黑色線條與白色基底的界限相對不明顯，因此研究人員應當對該圖像進行均衡化處理，在實際操作過程中，為了減少直方圖過調現象出現的可能性，研究人員應當采用帶掩膜的直方圖進行相關處理，而不對畫面中的留白部分進行統計。

4.2 Gamma校正算法

Gamma校正算法是指將目標圖像的亮度進行相應的調整。在國畫的采集過程中，相機的曝光時間存在過短或過長的情況，這將導致得到的圖像亮度過暗或者過亮，Gamma校正算法可以針對不同情況下圖像的整體視覺效果進行一定的調整。例如，如果原畫中的亮度過低，這是因為留白部分的灰度值數值過小，結果給人一種昏暗的視覺體驗。研究人員可以調整Gamma的數值大小，使其明顯小于1，進而得到一定的校正圖像，這樣一來，留白處的亮度會有明顯的提升，而墨色的部分則沒有顯著的變化，進而導致圖像的對比度加強，昏暗的視覺體驗最終消失[3]。

5 結語

國畫作為我國的傳統技藝之一，是人類文明的一項瑰寶，為了得到較好的展示效果，古往今來的藝術家采取了多種多樣的改進手段，而在科學技術得到飛速發展的今天，技術人員嘗試利用信息化技術手段來對國畫進行優化并且取得了顯著的成效。OpenCV算法作為常用手段之一，能夠融入藝術家創作國畫作品的過程中，使藝術作品展現更直觀的美感。