摘  要： 提出了一種新型的視頻圖像卡通化處理方案。首先根據(jù)視覺顯著性模型從輸入的視頻圖像中計(jì)算出一張視覺注意力函數(shù)圖，并將視頻圖像轉(zhuǎn)換到La*b*色彩空間；在視覺注意圖的指導(dǎo)下對(duì)低對(duì)比度區(qū)域用迭代的可分離雙邊濾波器做平滑操作，對(duì)高對(duì)比度區(qū)域用DoG算子作線條增強(qiáng)；最后用顏色的軟量化算子處理L亮度通道使之生成類似于卡通化的顏料塊效果，同時(shí)加深各邊界之間的不連續(xù)性。實(shí)驗(yàn)表明,本方案對(duì)高注意力區(qū)域保留更多的細(xì)節(jié)信息來突出感興趣區(qū)域，同時(shí)淡化了不感興趣的區(qū)域，解決了Winnemöller不能處理前景和背景對(duì)比度不明顯的圖像的情況,而且在視覺上更能體現(xiàn)出卡通化的效果。
關(guān)鍵詞： 圖像卡通化； 視覺注意力； 雙邊濾波； 線條繪制； 顏色量化

    近年來, 視頻或圖像的卡通化作為一種新興的文化產(chǎn)業(yè)受到越來越多國(guó)內(nèi)外視覺領(lǐng)域?qū)＜覍W(xué)者的關(guān)注和研究，其中很多國(guó)外學(xué)者提出了實(shí)現(xiàn)視頻自動(dòng)卡通化風(fēng)格的方法。WINNEMÖLLER H等人[1]提出了一種實(shí)時(shí)的視頻和圖像卡通化框架，該框架用雙邊濾波器來進(jìn)一步減少低對(duì)比度區(qū)域的對(duì)比度，同時(shí)用高斯差分線條來加深高對(duì)比度區(qū)域的對(duì)比度。DECARLO D和SANTELLA A[2]在一個(gè)多尺度的系統(tǒng)下使用眼動(dòng)儀來對(duì)圖像進(jìn)行簡(jiǎn)化。但是由于儀器價(jià)格昂貴而且測(cè)試起來比較復(fù)雜耗時(shí)，ITTI L等人[3]提出了基于顯著性模型來檢測(cè)感興趣的區(qū)域，他們認(rèn)為除了顏色和亮度以外，對(duì)比度本身也是一個(gè)很重要的特征信息。HAREL J[4]等人在參考文獻(xiàn)[3]的基礎(chǔ)上提出了一種計(jì)算視覺顯著性的改進(jìn)算法，該算法不僅考慮了特征的相似性信息,而且還考慮了特征的差異性信息,從而可以對(duì)圖像特征進(jìn)行準(zhǔn)確的計(jì)算。
    本文在參考文獻(xiàn)[1]的基礎(chǔ)上使用參考文獻(xiàn)[4]的計(jì)算視覺顯著性模型來簡(jiǎn)化視頻圖像中的不重要特征,同時(shí)突出重要的視覺特征。
1 提取圖像的顯著性特征圖
    顯著性特征圖是一種表示相關(guān)場(chǎng)景視覺顯著性的局部圖。參考文獻(xiàn)[4]提出了精確的特征計(jì)算方法,該算法采用拓?fù)浣Y(jié)構(gòu)而不再是bottom-up的方式來達(dá)到精確的特征計(jì)算，同時(shí)還使用了馬爾科夫鏈來權(quán)衡圖像中兩點(diǎn)之間邊的權(quán)重和狀態(tài)的轉(zhuǎn)換。該算法不僅考慮了特征的相似性，而且考慮了特征的差異性。
    參考文獻(xiàn)[4]算法的主要步驟如下。
   
布更加集中，高注意力區(qū)域更加連貫，線條也更加明顯，同時(shí)也能很好地描述主體的大致輪廓。將參考文獻(xiàn)[4]方法的顯著性函數(shù)圖疊加到原圖，其中中心區(qū)域和白色光環(huán)表示人眼停留在此區(qū)域的時(shí)間長(zhǎng)短，中心區(qū)域表示停留時(shí)間比較長(zhǎng)，可見，在前景和背景對(duì)比度不明顯的情況下,參考文獻(xiàn)[4]的算法也可以很好地檢測(cè)出感興趣的區(qū)域。

    用提取的顯著性特征圖指導(dǎo)雙邊濾波器對(duì)圖像中感興趣區(qū)域和不感興趣區(qū)域的模糊程度，通過控制雙邊濾波器[5-6]的范圍權(quán)值函數(shù)w(·)決定圖像什么地方應(yīng)該模糊什么地方應(yīng)該強(qiáng)化保留。范圍權(quán)值函數(shù)定義為：
  
    參考文獻(xiàn)[1]雙邊濾波效果如圖3所示，利用顯著特征圖改進(jìn)的效果圖如圖4所示。從圖3和圖4的對(duì)比中可以發(fā)現(xiàn)，參考文獻(xiàn)[1]的雙邊濾波對(duì)整體都有均勻的模糊效果，但是利用顯著特征圖指導(dǎo)雙邊濾波就可以在感興趣的區(qū)域模糊程度相對(duì)低一些，從而保留更多的細(xì)節(jié)信息，同時(shí)對(duì)于不感興趣的背景區(qū)域(如圖中的地面和墻)都能去掉更多的細(xì)節(jié)信息。

3 實(shí)驗(yàn)與分析
    兩組卡通化效果圖如圖5和圖6所示。因?yàn)閰⒖嘉墨I(xiàn)[1]假設(shè)感興趣區(qū)域是圖像的亮度和高對(duì)比度區(qū)域，對(duì)于第2組貓的圖像來說，處理前景和背景的顏色差異比較相近的圖像就失敗了，不能很好地分辨出感興趣區(qū)域。而本文的算法先是采用參考文獻(xiàn)[4]算法檢測(cè)出圖像的感興趣區(qū)域，然后再采用不同的權(quán)值對(duì)圖像進(jìn)行不同程度的濾波，所以在處理這種前景與背景對(duì)比度不明顯的圖像時(shí)也能達(dá)到很好的效果，并且彌補(bǔ)了參考文獻(xiàn)[1]算法不能處理圖像前景與背景對(duì)比度不明顯的情況，從而在視覺效果上更能體現(xiàn)出圖像的個(gè)性化和藝術(shù)性。

    本文提出了一種新型的卡通化方案，在具有參考文獻(xiàn)[1]的實(shí)時(shí)卡通化效果的基礎(chǔ)上增加了視覺顯著性模型，實(shí)現(xiàn)了視頻圖像的非均勻卡通化處理。實(shí)驗(yàn)表明,本文的方案在卡通化一些前景和背景對(duì)比度不明顯的圖像時(shí)可以取得很好的效果。
參考文獻(xiàn)
[1] WINNEMÖLLER H, OLSEN S C, GOOEH B. Real-time video abstraction[C]. Proceedings of ACM SIGGRAPH’06, ACM, 2006:1221-1226.
[2] DECARLO D，SANTELLA A. Stylization and abstraction of  photographs[C]. Proceedings of ACM SIGGRAPH, 2002:769-776.
[3] ITTI L, KOEH C. Computational modeling of visual attention[C]. Nature Reviews Neuro-Science 2, 2001:194-203.
[4] HAREL J, KOCH C, PERONA P. Graph-based visual saliency[J]. 2006. Nips, 2006.
[5] PHAM T Q, VAN VLIET L J. Separable bilateral filtering  for fast video preprocessing[C]. Proceedings of IEEE International Conference on Multimedia and Expo, IEEE Computer Society, 2005:454-457.
[6] PHAM T Q, VLIET L J. Separable bilateral filtering for  fast video preprocessing[C]. IEEE International Conference  on Multimedia & Expo, CD1-4.