一种基于图像矢量空间和色彩空间的刺绣技法重构方法

技术领域

本发明涉及计算机图像处理技术领域，具体为一种基于图像矢量空间和色彩空间的刺绣技法重构方法。

背景技术

刺绣是一种传统的手工艺，在中国拥有久远的发展史，能够追溯到两三千年前。它以针线和色彩为基础，将人们的想象力和创意融入到织物上，构成精美的图案，其总体上有两种类型，即丝绣和羽绣。刺绣具有多功能的艺术形式，它不仅能够用作日常生活装饰，如衣服、床头用具、台布、舞台、艺术品等，而且还能够用作商业化的产品销售，当中苏绣、湘绣、蜀绣和粤绣四种门类是十九世纪中叶兴起的，它们的发展不仅体现了绣花的独特性，也为商业化的发展做出了重要贡献。随着市场的变化和绣花产区的差异，刺绣工艺品也逐渐产生了各种独特的风格，其中苏、蜀、粤、湘四种地域的产品销路最为广泛，因此被称为四大名绣。

现有技术的不足：

目前手工刺绣具有工期较长、操作较为复杂的缺点，而机器刺绣具有外观呆板、无层次感的劣势，在计算机图像领域，很多学者从图像的角度对刺绣进行了模拟和风格化生成，但最终的效果不尽人意，有学者采用基于深度学习的方式进行风格化，但生成的结果无法凸显刺绣中的技法，而且很容易造成色彩偏移或者溢出等现象。

发明内容

本发明的目的在于提供一种基于图像矢量空间和色彩空间的刺绣技法重构方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于图像矢量空间和色彩空间的刺绣技法重构方法，本刺绣技法重构方法包括以下步骤：

S110、通过图像增强恢复刺绣针迹特征信息，使用高斯滤波方法消除图像的高斯噪声，采用拉普拉斯锐化方法补偿图像中物体的边缘信息，增强图像中灰度跳变的那部分内容，提升图片中线条的清晰度和分辨率；

S120、采用K均值算法构建调色板，对图像中每个像素点的RGB值以及其邻域RGB值进行统计计数，通过聚类处理并取每个聚簇中所有像素值的平均数作为新的质心点；

S130、每张服饰纹样图像对应一个色彩空间的调色板，每种刺绣针迹内部采取透明化处理，将原服饰纹样图片作为底层背景，经过渲染及透明化处理后的针迹作为顶层风格图像，将两张图像叠加重构，得到最终结果；

S140、根据客观指标平均美学分数、PSNR、SSIN进行评价分析，并与其他算法重构结果作对比。

优选的，本刺绣技法重构方法中步骤S110具体包括以下步骤：

a1、对刺绣针迹图像矢量化处理：采用图像增强的方式恢复刺绣针迹特征信息，使用高斯滤波方法将输入的二维图像转化为灰度矩阵，对其中的每个像素点做加权平均处理，

引入二维高斯函数如下：

其中G为高斯函数，x,y分别为横纵坐标，p为单位(π)，s为高斯滤波核大小，e为指数；

a2、采用拉普拉斯锐化方法补偿图像中物体的边缘信息，通过渲染保留图像中目标对象的边缘特性和色彩特性，构建带有色彩的图像拟合曲线，对彩色图像I中的点分别处理，假如该点不在边界曲线上，则将其置为零，表示该位置没有发生梯度变化；假如该点在边界曲线上，则将该位置置为散度算子，

梯度变化分段函数可表示为:

优选的，所述步骤S120中，定义图像中像素点的颜色损失为P(x,y)与调色板中第k项在RGB空间中的欧氏距离，记作D(x,y)：

CR

定义整个图像的颜色损失为L：

优选的，本刺绣技法重构方法中步骤S130具体包括以下步骤：

b1、在对服饰纹样图像进行聚类分析时，已将位置和颜色之间的映射进行了保存，目标颜色的转换公式为：

其中P

b2、对刺绣针迹内部透明化处理，透明化处理具体步骤：将图片转换为RGBA模式，如果R，G，B三通道像素都大于等于255，则将该位置像素设置为(255,255,255,0)，表示该位置透明；

b3、将原服饰纹样图片作为底层背景，经过渲染及透明化处理后的针迹作为顶层风格图像，将两张图像叠加处理。

优选的，本刺绣技法重构方法中步骤S140具体包括以下步骤：

c1、计算重构图像的平均美学分数；

c2、计算重构图像的峰值信噪比(PSNR)；

PSNR是基于MSE(均方误差)定义的，对给定一个大小为M*N的原始图像I和对其添加噪声后的噪声图像K，其MSE可定义为：

M为图像长度，N为图像宽度，I为原始图像，K为噪声图像，其中i,j为M*N图像横纵坐标；

则PSNR可定义为：

其中，MAX

c3、计算生成图像的结构相似性(SSIM)

SSIM(X,Y)＝l(X,Y)*c(X,Y)*s(X,Y)

其中μ

优选的，所述步骤a1中采用计算机图形学知识建立刺绣针迹的几何结构数学模型。

优选的，所述步骤a2中在图像锐化后输出矢量化后的图像结果。

优选的，根据K均值算法的复杂度，构建调色板的算法时间复杂度为O(nkp)，其中t＝256，p表示总的迭代次数，n表示整幅图像的像素点数。

优选的，所述步骤b1中将所有刺绣针迹位图转换为矢量图像，从而构建矢量空间。

优选的，所述步骤c3中，一般的K

与现有技术相比，本发明的有益效果是：构建刺绣针迹图像的矢量空间，在对针迹图像矢量化处理后将会保存本有属性，同时在处理之后的结果中不会出现模糊或者马赛克的现象，无论把针迹图像放大多少倍依然显示得很清晰；构建服饰纹样图像的色彩空间，在渲染生成的针迹图像时，可以从调色板中选取对应位置的颜色进行填充，使每个针迹渲染成服饰纹样图像的色彩；从空间通道的色彩渲染角度将两层空间进行重构合成，将重构后的图像与其他算法所得结果图像进行对比，分别从平均美学分数、峰值信噪比、结构相似性等客观评价指标上进行衡量，得到刺绣技法重构后的结果，实现刺绣中技法的重构，并获得有效的客观评价结果，减少色彩偏移，凸显刺绣中的技法。

附图说明

图1为本发明的一种基于图像矢量空间和色彩空间的刺绣技法重构方法流程图；

图2为本发明的刺绣技法重构系统展示图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本专利的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体的连接、设置。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利中的具体含义。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“若干”的含义是两个或两个以上，除非另有明确具体的限定。

实施例

请参阅图1-2所示，本发明提供的一种基于图像矢量空间和色彩空间的刺绣技法重构方法技术方案：本刺绣技法重构方法包括以下步骤：S110、通过图像增强恢复刺绣针迹特征信息，使用高斯滤波方法消除图像的高斯噪声，采用拉普拉斯锐化方法补偿图像中物体的边缘信息，增强图像中灰度跳变的那部分内容，提升图片中线条的清晰度和分辨率；S120、采用K均值算法构建调色板，对图像中每个像素点的RGB值以及其邻域RGB值进行统计计数，通过聚类处理并取每个聚簇中所有像素值的平均数作为新的质心点；S130、每张服饰纹样图像对应一个色彩空间的调色板，每种刺绣针迹内部采取透明化处理，将原服饰纹样图片作为底层背景，经过渲染及透明化处理后的针迹作为顶层风格图像，将两张图像叠加重构，得到最终结果；S140、根据客观指标平均美学分数、PSNR、SSIN进行评价分析，并与其他算法重构结果作对比，构建刺绣针迹图像的矢量空间，在对针迹图像矢量化处理后将会保存本有属性，比如在屏幕中的位置、图元的形状、大小等相关属性，同时在处理之后的结果中不会出现模糊或者马赛克的现象，无论把针迹图像放大多少倍依然显示得很清晰；构建服饰纹样图像的色彩空间，在渲染生成的针迹图像时，可以从调色板中选取对应位置的颜色进行填充，使每个针迹渲染成服饰纹样图像的色彩；从空间通道的色彩渲染角度将两层空间进行重构合成，将重构后的图像与其他算法所得结果图像进行对比，分别从平均美学分数、峰值信噪比、结构相似性等客观评价指标上进行衡量，可实现刺绣中技法的重构，并获得有效的客观评价结果。

进一步地，本刺绣技法重构方法中步骤S110具体包括以下步骤：

a1、对刺绣针迹图像矢量化处理：采用图像增强的方式恢复刺绣针迹特征信息，使用高斯滤波方法将输入的二维图像转化为灰度矩阵，对其中的每个像素点做加权平均处理，以消除图像的高斯噪声，利用计算机图形学知识建立刺绣针迹的几何结构数学模型，

引入二维高斯函数如下:

其中G为高斯函数，x,y分别为横纵坐标，p为单位(π)，s为高斯滤波核大小，e为指数；

a2、采用拉普拉斯锐化方法补偿图像中物体的边缘信息，增强图像中灰度跳变的那部分内容，提升图片中线条的清晰度和分辨率，通过渲染保留图像中目标对象的边缘特性和色彩特性，构建带有色彩的图像拟合曲线，对彩色图像I中的点分别处理，假如该点不在边界曲线上，则将其置为零，表示该位置没有发生梯度变化；假如该点在边界曲线上，则将该位置置为散度算子，在图像锐化后输出矢量化后的图像结果，

梯度变化分段函数可表示为:

进一步地，所述步骤S120中，采用K均值算法构建调色板，根据K均值算法的复杂度，构建调色板的算法时间复杂度为O(nkp)，其中t＝256，p表示总的迭代次数，n表示整幅图像的像素点数，核心步骤是需要对图像中每个像素点的RGB值以及其邻域RGB值进行统计计数，K均值算法会将这些统计值做聚类处理，取每个聚簇中所有像素值的平均数作为新的质心点，定义图像中像素点的颜色损失为P(x,y)与调色板中第k项在RGB空间中的欧氏距离，记作D(x,y)：

CR

定义整个图像的颜色损失为L：

进一步的，本刺绣技法重构方法中步骤S130具体包括以下步骤：

b1、每张服饰纹样图像将会对应一个色彩空间的调色板，从调色板中选择颜色，这里将要合成的颜色称为目标颜色，将所有刺绣针迹位图转换为矢量图像，从而构建矢量空间，在矢量空间中保存了针迹图像的颜色、形状、轮廓、大小和屏幕位置等属性，在对针迹进行渲染时需对矢量图的色彩通道做相应的改变，在对服饰纹样图像进行聚类分析时，已将位置和颜色之间的映射进行了保存，目标颜色的转换公式为：

其中P

b2、对刺绣针迹内部透明化处理，一般是以RGB(即Red(红色)、Green(绿色)、Blue(蓝色))去定义一幅图像，为了凸显透明参数，需将RGB图像转为RGBA(rgba(r,g,b,alpha))的色彩空间，其中的alpha通道为图像的不透明度参数，透明化处理具体步骤：将图片转换为RGBA模式，如果R，G，B三通道像素都大于等于255，则将该位置像素设置为(255,255,255,0)，表示该位置透明；

b3、将原服饰纹样图片作为底层背景，经过渲染及透明化处理后的针迹作为顶层风格图像，将两张图像叠加处理。

进一步地，本刺绣技法重构方法中步骤S140具体包括以下步骤：

c1、计算重构图像的平均美学分数；

c2、计算重构图像的峰值信噪比(PSNR)；

表示信号最大可能功率和影响它的表示精度的破坏性噪声功率比值，常用对数分贝单位来表示，是用来衡量图像失真或者是噪声水平的客观标准，PSNR值越大，表示图像的质量越好，PSNR是基于MSE(均方误差)定义的，对给定一个大小为M*N的原始图像I和对其添加噪声后的噪声图像K，其MSE可定义为：

M为图像长度，N为图像宽度，I为原始图像，K为噪声图像，其中i,j为M*N图像横纵坐标；

则PSNR可定义为：

其中，MAX

c3、计算生成图像的结构相似性(SSIM)，结构相似性(SSIM)是衡量两幅图像相似度的指标，其取值范围为[0,1]，SSIM的值越大，表示图像失真程度越小，说明图像质量越好，

SSIM(X,Y)＝l(X,Y)*c(X,Y)*s(X,Y)

其中μ

本发明构建刺绣针迹图像的矢量空间，在对针迹图像矢量化处理后将会保存本有属性，比如在屏幕中的位置、图元的形状、大小等相关属性，同时在处理之后的结果中不会出现模糊或者马赛克的现象，无论把针迹图像放大多少倍依然显示得很清晰；构建服饰纹样图像的色彩空间，在渲染生成的针迹图像时，可以从调色板中选取对应位置的颜色进行填充，使每个针迹渲染成服饰纹样图像的色彩；从空间通道的色彩渲染角度将两层空间进行重构合成，将重构后的图像与其他算法所得结果图像进行对比，分别从平均美学分数、峰值信噪比、结构相似性等客观评价指标上进行衡量，可实现刺绣中技法的重构，并获得有效的客观评价结果。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。