增强和改善图像的神奇算法1 / 后期非编 - 中文汉化|专业汉化网站

离线 jiwendu2002

楼主发表于： 2011-12-31 只看楼主倒序阅读

举报

增强和改变图像的神奇算法（1）

提高图像处理的智能化水平，一直是计算机图像专业人致力解决的问题。最近两位计算机科学的研究人员已经提出了一个算法，这个算法能用于提取出像素图形的低分辨率部分，提升其分辨率准确地拟合成向量图形。他们是来自微软的约翰.内斯科夫和希伯来大学的达尼.里奇斯。开发这个混合多个方法的算法，包括像素分析和样条曲线用于位图向量化，但由于算法基于8位的像素图形，并考虑了图像的这一特性，因而产生了比以前常用方法变形少得多的图像效果。
多年来，研发的一系列的图像处理算法，其智能程度在避免无尽的繁杂工作。从最简单到更复杂的实例都有体现。随着研究不断深入，有些算法融入到图像处理软件中，方便更多的人来使用，有些算法则在不断优化，展现出令人激动的前景。现将有关进展整理，分批推介给大家。
智能处理算法的几个方面：
1.位图图像去像素化，转变为向量图像；
2.灰度图像着色：包括静态图像、电影和游戏的视频剪辑
3. 修复图像或制作一个高动态排列图像
4. 自动转变照片为绘画作品
5.绘草图合成为照片PhotoSketch
6. 自动转变照片为绘画作品
7. 场景中移除对象智能填充背景

Depixelizing images去像素化图像算法

为什么将位图转变为向量图像？
向量图像广泛用于图形设计，无论在纸张或服装上都是最好的印刷格式，在屏幕上看到的很大的位图图像，通常是72像素或点/每英寸，当打印时一般需要放大8倍以上，因为普通的现代印刷设备的分辨率是600像素或点/每英寸。向量图像在进行这类放大处理时没有任何问题，而位图却比较困难。工作中许多打印格式需要向量输入，例如柔性印刷和刺绣。向量图像同样广泛应用于网页flash动画。
从低像素的栅格组成的图像，获得了清晰的放大图像，就好像绘图时能够改变屏幕的分辨率一样….。将一个以前的游戏转换到Canvas画布或智能手机这样的最新平台时，是非常有价值的。（注：Canvas元素是HTML5的一部分，允许脚本动态渲染位图像。使您能够以编程的形式，用JavaScript绘制位图格式的插图。）
本文摘译自
http://www.scriptol.com/programming/graphic-algorithms.php

Depixelizing Pixel Art. 位图去像素化
美国计算机学会图形学汇刊（2011年最新一期），30（4），文章号99，网站论文
约翰.尼斯科夫，微软研究院；达尼.里奇斯，希伯来大学

最邻近法结果（原始图40*16像素）去像素运算结果

像素艺术图像单纯的采样率导致难以满足要求的结果。我们的算法可以从图像获得一个平滑的与分辨率无关的适合高分辨率显示设备的矢量描述（图像版权归属任天堂有限公司）

摘要

我们提出的新颖算法,能够从像素艺术图像中提取出与分辨率无关的矢量表达,使图像放大到任意数量都不会降低图像的品质。我们的算法能够解析输入和转换图像的像素锯齿特征，用碎块智能平滑轮廓曲线清晰地区分平滑变化描影法的范围。在原始图像里像素被标示为方形的像素阵列, 其对角线邻元素以简单的对角相邻接，结果这种对角连接方式在用传统方法放大图像时，视觉上变得不连贯，含糊不清。本方法的关键在解决这些含糊不清。使得我们能够重塑像素单元，使通过角连接的邻近像素具有相同的特性，因而在放大时保持其连接特性。这样我们减少了像素混淆并使用平滑德的样条曲线改善了图像的轮廓，优化了图像的控制坐标。

引言

像素艺术是数字艺术的一种形式，图像的细节由像素平面表示。90年代中期以来，几乎所有的计算机图像和视频游戏都由像素艺术构成。桌面环境的图标是另一个例子，同样小屏幕设备如移动电话也是如此。由于当时硬件条件制约，艺术家被迫只用了少数颜色的调色板，并且手工精心安排每个像素，而不是机械地使用降解高分辨率的作品。正因为这个原因，传统的像素级作品从经济学角度通常被认为是简约的和内在适度的，有人认为这是现代计算机图形学所没有的。最好的像素作品来自视频游戏战斧的杰作，许多与之有关的东西成为被整个一代人立即认可的文化标志。如“天空入侵者”或“超级马里奥兄弟”这些视频游戏直到今天仍然受到喜爱。得益于众多的仿真模拟器的开发，取代了很久已经绝迹的硬件。
这篇论文研究了一个有趣的问题：是否能从老旧的视频游戏提取出小的精灵，或从仿真模拟器获取完整的输出帧，并将其转换为与分辨率无关的向量图形？事实上人工放置每个像素使像素艺术具有了最强的表现力和含义，这使我们能从这些精灵中推断出足够的信息来产生向量艺术，使之能够适合显著的放大。
以往的向量化技术针对自然图像，基于细分和边缘检测过滤设计，没有解决好像素艺术中表现出的细微特征。这些方法通常将像素分组成区域，并将区域的边界转换为平滑曲线。然而，在像素艺术中，每一个单独的像素都有他自己的特征和重要的含义。结果，以往的向量化算法，应用于像素艺术输入品时，常常要忍受细节丢失之苦。
下面我们将看到，在过去十年中研发的一些专业的像素艺术细化方法。这些技术通常能够产生质的称赞的结果。然而，因为他们的局限性，结果对梯状艺术品，算法常常不能正确地解决模糊的像素轮廓。而且这些方法中的放大因子长固定为2X，3X,或4X。
我们引入一个新的方法，用单一像素的范围特征来更好地适应像素艺术图像。我们首先解决原始像素网格中所有分离或连接的模糊，然后重塑像素单元的形状，这样相连的附近像素共享边界，然后拟合出视觉可见的样条线曲线边缘，并优化他们的控制点到最平滑，减少梯状形态。向量表示的结果可以在任何分辨率下渲染。

对视频游戏和其他软件取得的多样化图像，使用我们的算法与各种现有的放大技术进行了比较，结果见增补材料。算法的性能取决于从输入图像提取曲线的大小和数量。即使在没有花费更多的时间优化我们的算法，它仍然表现得相当好。

本主题包含附件，请登录后查看, 或者注册成为会员

分享到

新浪
QQ空间
QQ好友
扫一扫分享到微信

离线 jiwendu2002

发表于： 2011-12-31 只看该作者

举报

1F

本主题包含附件，请登录后查看, 或者注册成为会员

离线 jiwendu2002

发表于： 2011-12-31 只看该作者

举报

2F

本主题包含附件，请登录后查看, 或者注册成为会员

离线 jiwendu2002

发表于： 2011-12-31 只看该作者

举报

3F

算法的目标

1. 每个像素的状况。例如一个单独的像素其颜色与周围邻近像素有很大的差异这就是一个典型的应该被处理的特性
2. 8位图像的连接线和曲线，如图3a中精灵的黑色轮廓线。这些在原始小比例图像中呈现出视觉连续的特征，在放大时变得视觉不连续起来。
3. 局部含糊不清的轮廓：例如，以两种不同颜色的西洋跳棋盘图案而言，它的对角线应该被连接起来作为连续的特征线，这是不清楚的（见图3a精灵的嘴巴和耳朵）。这个问题曾经在二进制图像的前景与背景分离情况下做过研究，简单的解决方法被孔和洛神菲尔德1996年推荐过。艰巨的任务是任何面对更加错综复杂的多种多样的色彩。
4. 像素艺术的锯齿状产生于图像尺寸的放大，使它难于辨别手工制品的特征和像素。当精灵的轮廓变得平滑时，怎样知道嘴应该保持的扭动。

结论

我们提供了一个从像素艺术图像提取与分辨率无关的矢量表述的算法。算法解析在方块像素点阵中间隔或不连续的模糊，然后重塑像素单元这样深色的和对角的相邻像素通过边缘连接在一起。
将来的工作有许多途径。显然这种算法性能的优化将被提高，使其能够在仿真环境中实时应用。一些流行的看法认为这个工作对普通图像的矢量化技术有潜在的益处。另一个有趣的改进方向是反走样输入图像处理，可以通过将一些相对尖锐的轮廓曲线渲染成模糊的边缘（羽化）。一个全新的有趣话题将被研究--熠熠如生的像素艺术图像的瞬间采样。如果要放大一个极小的输入图像到高清分辨率，位置被极度量化可能产生跳跃的动画，因为许多现代显示设备比早期硬件设备使用高得多的刷新速率，能够生成中间动画帧改善动画。
我们当前关注的不是去像素化的实时速度，而是用算法去处理输入的动画片，如视频游戏。我们从视频游戏模拟器转储一些帧到磁盘，来运行我们的算法。

本主题包含附件，请登录后查看, 或者注册成为会员

离线 jiwendu2002

发表于： 2011-12-31 只看该作者

举报

4F

不同软件之位图转矢量图效果比较，转自http://vectormagic.com/home/comparisons

图10.在动态环境中使用放大的像素作品。仿真程序放大4倍的输出帧。请缩放到PDF视窗大小看细节。

局限性

我们的算法针对手工像素艺术图像设计。90年代中期起，视频游戏平台和计算机可以显示更多的颜色。在这些系统中设计者开始使用五彩缤纷的高分辨率图像，甚至照片，然后将他们采样到实际的图像分辨率这个反走样的精灵，在某些检测中比我们的算法设计的输入类型接近于自然图像。我们算法产生的硬边缘似乎并不总是适合于表现这样的角色。
（注：一个PDF格式的图像Downsample提供了一个快捷的方法采样的图像的Acrobat PDF文件。它减少了PDF的大小文件，减少解决这些图像符合特定的质量要求和压缩的图像。）
另一个局限是我们的样条曲线有时太多地平滑掉一些特定的容貌。例如，图9中的“386”芯片的拐角。这种基于探索法的拐角检测方式，可能不太符合人类的感知能力。将来可能改进是允许增加B样条线节点向量的多重性，在向量表示中产生锐利的特征。如在将不间断的长线替代为适合某个角度的线段。

尽管许多我们的输入，使用边线反走样形式，并没有证明像素艺术品使用强抖动的棋盘格图案，能产生另外的色度效果。本算法可能需要更好地适应这样的输入。

图11.算法的局限，不怎么成功的实例。我们的算法难以处理反走样输入图像。

本主题包含附件，请登录后查看, 或者注册成为会员