基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法

林智欣

基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法

林智欣

（閩南理工學院 信息管理學院，福建 石獅 362700）

傳統(tǒng)二維動畫圖像增強方法很難保證色彩通道之間存在的關聯(lián)性，導致圖像缺乏層次感，可靠性差。為此，設計基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法。對原始的二維動畫圖像進行多尺度分解，通過雙平臺直方圖均衡處理分解后的背景層圖像，保證圖像整體灰度動態(tài)范圍與原始圖像相同。在多尺度圖像融合過程中，引入梯度權重因子，利用梯度函數(shù)增強圖像細節(jié)，獲得細節(jié)圖像，并計算出所有分解圖像的細節(jié)系數(shù)，通過加權平均實現(xiàn)分解圖像融合。實驗結果表明，所設計的基于雙邊濾波二維動畫圖像多尺度細節(jié)增強方法能夠有效去除圖像噪聲，保持圖像邊緣平滑，提高圖像的層次感，可靠性強。

雙邊濾波；二維動畫；圖像細節(jié)增強；多尺度分解

當前動畫產(chǎn)業(yè)發(fā)展迅速，利用計算機應用進行動畫創(chuàng)作也成為現(xiàn)階段動畫創(chuàng)作的主要形式[1]。動畫是通過將人或物的動作分解畫成很多圖畫，再通過一定的方式對這些分散的圖畫進行組合，實現(xiàn)動畫的創(chuàng)作，在視覺上給以人們連續(xù)變化的感覺[2]。而二維動畫就是對傳統(tǒng)的動畫進行改進與創(chuàng)新，利用現(xiàn)代化手段對關鍵幀進行編輯與輸入，生成中間幀，定義并顯示其運動路徑，實現(xiàn)動畫的聲音與畫面之間的同步。在二維動畫制作過程中，圖形圖像處理十分重要，使用一些圖像處理的手段為動畫增添豐富的色彩，以增強視覺上的沖擊力，使每一幀動畫的效果都清晰地展示出來[3-5]。

多尺度細節(jié)增強方法是提高二維動畫質量的有效途徑[6]，國內外對于圖像細節(jié)增強的研究主要集中在增強二維動畫圖像分辨率方面，以期提升二維動畫圖像的設計質量，由于這些方法是在動畫具體場景的基礎上設計的，在二維動畫彩色圖像增強過程中，很難保證色彩通道之間的關聯(lián)性，使圖像受噪聲影響嚴重，邊緣模糊，缺乏層次感，例如傳統(tǒng)的基于Retinex算法的圖像細節(jié)增強方法以及基于引導濾波的圖像增強方法等[7-9]。因此，將雙邊濾波技術應用到二維動畫圖像多尺度細節(jié)增強方法設計中，雙邊濾波是一種基于高斯濾波器的改進算法，能夠將空間信息與灰度相似值結合在一起，在融合圖像的同時保持圖像的邊緣結構特征，將該算法應用到二維動畫圖像增強方法設計中能有效地解決傳統(tǒng)方法中存在的問題。

1 二維動畫圖像多尺度細節(jié)增強方法設計

1.1 二維動畫多尺度分解

圖1 圖像多尺度表達示意圖

在不同尺度下，二維動畫圖像表現(xiàn)出不同的特征，在金字塔的結構下，離底層越近，圖像所包含的信息越多，通過多尺度表達，將原始圖像中的主要特征點匯集在金字塔的頂層[11]。在圖1的結構下，可以有針對性地對不同尺度的圖像進行細節(jié)處理，得到想要的圖像特征或者內容。在金字塔結構下，通過像素總個數(shù)計算出存儲空間：

利用以上公式獲得原始圖像的多尺度表達和包含的總像素點數(shù)后，即完成了原始圖像的多尺度分解。

1.2 處理背景層圖像

通過多尺度分解獲得的圖像背景層信息極不穩(wěn)定，其灰度級往往有很大的動態(tài)范圍跨度，極容易造成增強后的圖像失真。此時需要處理背景層圖像的像素灰度值，為了實現(xiàn)二維動畫圖像中更多細節(jié)的增強，對其進行直方圖均衡處理[12]。

考慮到在以往的直方圖均衡處理中過度增強所造成的圖像割裂感，選擇雙平臺直方圖均衡方法來處理二維動畫多尺度分解后的背景層信息[13]。主要是通過設定上限平臺閾值抑制占有圖像大量像素的灰度值，賦予其他像素占有的灰度值更多的拉伸空間；同時，設定下限平臺閾值，作用是增加占有較小像素的灰度值出現(xiàn)的概率，使其能夠得到進一步拉伸，最終實現(xiàn)保留圖像信息內容的目的。通過雙平臺閾值的設置，控制二維動畫圖像灰度直方圖中各個像素的拉伸程度，增強原始圖像的層次感，避免圖像細節(jié)增強出現(xiàn)違和感。

采用雙平直方圖均衡修正二維動畫圖像原有的統(tǒng)計灰度直方圖[14]。表達式如下：

則經(jīng)過均衡化處理的灰度值表示為

1.3 圖像細節(jié)增強與融合

在完成背景層圖像直方圖均衡處理后，采用雙邊濾波融合多尺度二維動畫圖像，主要是利用雙邊濾波圖像邊緣穩(wěn)定的特性和方向濾波的平移不變性，捕獲圖像的特征結構，避免圖像融合后邊緣細節(jié)丟失或噪聲過多。雙邊濾波頻譜如圖2所示。

圖2 方向濾波頻譜分割圖

引入梯度權重因子，將梯度估計結果作用在雙邊濾波中，這里引用的梯度表示的是二維動畫圖像像素變化的方向和大小，如圖3所示。

圖3 圖像塊的像素梯度圖

圖3中顯示的坐標原點為當前需要處理的像素點，主要包含像素的角度和傾斜角。圖像多尺度邊緣沿垂直與梯度方向，在兩個夾角之間的更小角度的像素點最終將輸出一個較小的權重。上述中像素值變化的大小和方向主要通過偏導計算獲得，該結果同時還能反映圖像邊緣像素的對比和變化趨勢。分別計算水平方向的偏導數(shù)陣列和垂直方向的偏導數(shù)陣列，在獲得計算結果后，利用二階范數(shù)，計算出像素梯度大小和方向。

圖像梯度計算完成后，考慮梯度矢量中所包含的圖像邊緣的局部方向信息以及垂直與梯度方向的信息，利用梯度函數(shù)處理圖像邊緣像素。在多尺度分解過程中，矢量方向的像素所占權重較高，所以構建梯度核函數(shù)，并利用一階偏導計算出圖像邊緣像素點對應的梯度值，將計算出來的梯度值代入到梯度核函數(shù)中，計算出梯度矢量中包含的像素角度。

將構造的梯度核函數(shù)運用到圖像濾波中，在雙邊濾波中加入灰度相似因子，結合梯度核函數(shù)和雙邊濾波的邊緣保持與平滑的優(yōu)勢，將多尺度圖像分為低頻部分和高頻部分，其中低頻部分包含保留圖像的近似特性和結構，高頻部分主要包含圖像的紋理細節(jié)和邊緣結構信息，分別得到經(jīng)過雙邊濾波后的低頻和高頻部分的細節(jié)圖像，捕獲到多尺度圖像中的重要細節(jié)信息，并計算圖像邊緣強度因子，使用統(tǒng)計計算融合權重屬性的一個領域的細節(jié)系數(shù)。圍繞著細節(jié)系數(shù)設計一個窗口，使用該窗口計算出權重，在完成所有細節(jié)系數(shù)權重的計算后，對源圖像進行加權平均，得到融合圖像，得到的融合圖像即為經(jīng)過增強的二維動畫圖像。

至此，基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法設計完成。

2 二維動畫圖像多尺度細節(jié)增強方法實驗研究

為了驗證本文所設計的基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法的實際應用效果，考慮實驗的嚴謹性和科學性設計對比實驗，實驗方法為基于Retinex算法的圖像細節(jié)增強方法、基于引導濾波的圖像增強方法以及本文提出的增強方法，實驗中以圖像邊緣平滑程度和去噪能力為實驗項目，以圖像信噪比和的邊緣灰度變化作為對比實驗衡量標準，從這兩個方面對增強方法的性能進行對比分析。

2.1 實驗條件

實驗中使用的圖像數(shù)據(jù)主要來自動畫圖像標準庫，包含人物、景觀、動物、植物等動畫圖像，實驗中主要挑選的是在各個類中細節(jié)不清晰的彩色圖像。選擇二維動畫圖像樣本主要包括以下幾種特點，從圖像元素的方面，圖像樣本必須有包含自然場景或人造場景的；從圖像照明方面，圖像樣本的選擇考慮照明充足和照明不足兩種情況；從圖像色彩方面，圖像樣本需要從色彩豐富場景到無色彩場景。

根據(jù)以上分析，本文采用600幅符合上述要求的動畫圖像進行測試，其中建筑物圖像、人物圖像、樹木圖像、光線黯淡圖像、色彩單一圖像、色彩豐富圖像各100幅。其中一幅圖像樣本如圖4所示。

圖4 圖像樣本

在實驗中使用i5-3570K的計算機作為使用平臺，實驗結果通過第三方軟件獲得。

2.2 圖像邊緣平滑性能實驗與分析

圖像邊緣保持和細節(jié)平滑是圖像細節(jié)增強驗證的基本指標，因此，在圖像邊緣灰度變化實驗中，對3種不同的增強方法進行邊緣保持平滑性能。判斷圖像邊緣平滑的指標為邊緣方向的灰度變化情況，其計算公式如下：

使用不同的增強方法處理圖像樣本，使用第三方軟件獲得實驗結果如圖5所示。

圖5 不同增強方法動畫圖像邊緣平滑性實驗結果

圖5中顯示的T表示圖像處理完成時間。對比觀察圖中結果，從圖5(a)中的二維動畫圖像可以看出，圖像色彩較黯淡，整體細節(jié)比較模糊，從結果左側的邊緣灰度變化曲線可以看出，在圖像處理完成后灰度比值較小，邊緣細節(jié)并不平滑；圖5(b)中顯示的二維動畫圖像比較明亮，分析左側顯示的圖像邊緣灰度變化曲線可知，灰度比值較小，邊緣細節(jié)同樣不平滑；圖5(c)中顯示的二維動畫圖像比較明亮，與前兩組結果相比比較清晰，左側顯示的圖像邊緣灰度變化結果也顯示出，經(jīng)過增強方法處理后，灰度比值得到了增強，邊緣平滑，二維動畫圖像增強效果好。

2.3 圖像信噪比實驗與分析

對于含噪聲的二維動畫圖像，信噪比是一個標準的評價指標，信噪比越大說明圖像質量越優(yōu)。基于上述實驗結果，計算經(jīng)過不同增強方法處理后的二維圖像樣本的信噪比，衡量不同方法的去噪水平。不同增強方法信噪比計算結果如表1所示。

表1 二維動畫圖像信噪比計算結果 dB

表1中結果顯示，在不同主題的二維動畫圖像實驗條件下，傳統(tǒng)的兩種動畫圖像增強方法信噪比均在50dB以下，說明圖像含有比較多的噪聲；相比之下，設計的基于雙邊過濾的圖像增強方法信噪比均在60dB以上，說明圖像質量更優(yōu)，幾乎不存在噪聲干擾。結合圖像邊緣平滑性實驗結果可知，設計的基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法邊緣處理更加平滑、去噪效果更好，得到的二維動畫圖像質量更高，層次性更好。

2.4 圖像增強時間實驗與分析

在上述實驗的基礎上，進行圖像增強時間比較實驗，結果如表2所示。分析表2可知，基于Retinex算法的增強方法的圖像增強時間均值為177.2s，基于引導濾波的增強方法的圖像增強時間均值為222.3s，基于雙邊濾波的增強方法的圖像增強時間均值為47.1s，本文的方法是3種方法中最低的，說明采用該方法進行圖像增強的時間效率最高。

3 結束語

本文在原有的資料背景下，設計基于雙邊濾波的二維動畫圖像多尺度細節(jié)增強方法，利用雙邊濾波保證二維動畫圖像邊緣細節(jié)平滑，抑制噪聲，增強圖像多尺度細節(jié)，以解決目前大多數(shù)圖像細節(jié)增強方法中存在的問題。但是設計中仍然存在一些問題，受到技術和時間的限制，本文只是利用簡單的雙邊濾波知識，缺乏嚴謹?shù)睦碚撝危芯可疃炔粔?，希望在今后的工作中對其進一步研究，以期二維動畫的創(chuàng)作提供強有力的技術支撐。

表2 圖像增強時間比較結果 s

[1] 劉忠林，吳一全，鄒宇. 多尺度紅外超像素圖像模型的小目標檢測[J]. 中國圖象圖形學報，2019, 24(12): 2159-2173

[2] 袁靜珍，金旺. 基于改進雙邊濾波的多尺度運動目標檢測方法[J]. 紅外技術，2019, 41(08): 772-777

[3] 李媛淼，孫華燕，郭惠超. 雙邊濾波與引導濾波增強激光三維圖像的圖像預處理方法[J]. 激光與光電子學進展，2019, 56(15): 104-110

[4] Gupta B, Tiwari M. Color retinal image enhancement using luminosity and quantile based contrast enhancement[J]. Multidimensional Systems and Signal Processing, 2019, 30(7): 1829-1837

[5] 盧瑋，高濤，王翠翠，等. Retinex理論下基于融合思想的低照度彩色圖像增強算法[J]. 科學技術與工程，2019, 19(13): 151-157

[6] Yao D N L, Bade A, Suaib N M, et al. Digital image enhancement using enhanced detail and dehaze technique (DDE)[J]. Journal of Computational and Theoretical Nanoence, 2018, 24(3): 1559-1561

[7] 李果. 一種基于遺傳算法的Normalized Cut準則圖像分割方法[J]. 齊齊哈爾大學學報：自然科學版，2016, 32(03): 25-28

[8] 林寧. 改進的多尺度Retinex耦合夾角約束的圖像匹配算法[J]. 包裝工程，2018, 39(23): 191-199

[9] 張馳，譚南林，李響，等. 基于改進型Retinex算法的霧天圖像增強技術[J]. 北京航空航天大學學報，2019, 45(02): 309-316

[10] R Ablin, C Helen Sulochana, G Prabin. An investigation in satellite images based on image enhancement techniques[J]. European Journal of Remote Sensing, 2020, 53(2): 86-94

[11] Islam I U, Ullah K, Afaq M, et al. Spatio-temporal sEMG image enhancement and motor unit action potential (MUAP) detection: algorithms and their analysis[J]. Journal of Ambient Intelligence and Humanized Computing, 2019, 10(1):3809-3819

[12] 李大軍，杜神斌，郭丙軒，等. 自適應雙邊濾波的Retinex圖像增強算法[J]. 電子技術應用，2018, 44(03): 117-121

[13] 趙春麗，董靜薇. 基于暗通道及多尺度Retinex的霧霾天氣圖像增強算法[J]. 激光雜志，2018, 39(01): 104-109

[14] 高飛. VRay渲染圖像常見處理技法探析[J]. 齊齊哈爾大學學報：自然科學版，2020, 36(05): 18-20, 25

[15] Prasad T D, Pardhasaradhi P, Madhav B T P. Statistical parameters-based image enhancement techniques in pure and nanodispersed 6O.O8 liquid crystalline compounds[J]. Phase Transitions, 2018, 94(8): 1-12

Multi-scale detail enhancement method for two-dimensional animated images based on bilateral filtering

LIN Zhi-xin

(School of Information Management, Minnan University of Science and Technology, Fujian Shishi 362700, China)

Traditional two-dimensional animation image enhancement methods are difficult to ensure the relevance between color channels, resulting in the lack of hierarchical image and poor reliability. Therefore, a two-dimensional animation image multi-scale detail enhancement method based on bilateral filtering is designed. The original two-dimensional animation image is decomposed by multi-scale, and the decomposed background image is processed by double platform histogram equalization to ensure that the overall dynamic range of gray level of the image is the same as that of the original image. In the process of multi-scale image fusion, the gradient weight factor is introduced, and the detail image is obtained by using the gradient function. The detail coefficients of all decomposed images are calculated, and the decomposed image fusion is realized by weighted average. The experimental results show that the multi-scale detail enhancement method based on bilateral filtering can effectively remove the image noise, keep the image edge smooth, improve the image hierarchy, and has strong reliability.

bilateral filtering；2D animation；image detail enhancement；multiscale decomposition

2020-08-20

林智欣（1993-），男，福建龍巖人，助教，本科，主要從事數(shù)字媒體技術研究，wowenz888@yeah.net。

TP751

A

1007-984X(2021)01-0056-06