紋理合成技術在木材解剖學圖片處理中應用

[摘要]： 木材解剖學通過研究木材的構造來分析識別木材。木材美學探索從木材的宏觀或微觀構造中提取木材的天然美學屬性。木材解剖學可以為木材美學提供木材的微觀圖片素材，形成新的木材美學圖案。本文選取歐洲水青岡為研究對象，分析其微觀構造方面木射線、軸向薄壁組織、管孔等的特征，然后用基于樣圖的紋理合成技術解決木材微觀圖片在拼接過程中的接縫痕跡以及拉伸和變形問題，合成新木材美學圖案。

[關鍵詞]：微觀構造 ；紋理合成；歐洲水青岡 ；木材美學

基金項目：福建省中青年教師教育科研項目

1. 木材解剖學與木材美學

木材解剖學[1]，是一門的傳統的植物學科，經過長期的發展，能通過木材解剖后的構造對木材的分類及特性進行分析。木材解剖學知識是鑒別識別木材的重要手段。木材解剖學已有相當歷史的發展，對大部分樹種的構造特征都做了很好的闡釋。木材解剖學的未來發展也在尋求更開闊的發展空間。

木材美學[2]是源于自然，高于自然的美學創作活動，自然界財富源源不斷，需要不斷探索與索取。通過研究木材微觀與超微構造，分析典型樹種構造的特點與獨特之處，揭示基于木材解剖學的木材美學特征及其新應用，設計新的木材美學圖案。木材美學研究無需消耗木質資源，不會對森林資源破壞，是一種生態文明、可持續發展的研究手段。開展木材美學研究，還可以為傳統木材學拓展新的研究領域，為木材解剖學帶來新的發展空間，讓人們更好地理解木材的深層次構造，促進木材學知識的普及。將紋理合成技術運用到木材美學圖案創作中，實現圖案無縫拼接，加大木材構造圖案提取和美學創作的靈活性。[3]

在木材美學宏觀構造美學中，已經研究了樹木之美、樹皮之美、材表之美、木節之美、樹丫之美、樹根之美、樹瘤之美、年輪之美、髓心之美、木材紋理之美、木材腐朽之美、木材化石之美等，當然，木材美學千變萬化，大自然的財富是源源不盡的。

在木材美學微觀和超微構造美學中，目前還沒有專門的專著介紹這個方面，學者在一些文章中嘗試創作木材微觀構造美學圖案。借助木材解剖學知識，獲得木材顯微構造圖片。主要工具一般為顯微鏡、掃描電鏡、木材切片機儀器，步驟一般為木材取樣、木材軟化、木材切片、處理切片、切片封固、顯微攝影。木材微觀美學元素包括木射線、木纖維細胞、木薄壁組織、管胞、導管、細胞壁上的紋孔和螺紋加厚等。已研究的木材有陰香木、桂花木、山龍眼、貓尾樹等樹種，還有大量樹種美學價值等待開發。[4]

2.紋理合成

所謂紋理，就是我們日常生活中存在的視覺現象，比如自然界的物質，如石頭、動物、植物、地表等的表面特征。研究發現，紋理結構其實在圖像中能表現出一定的有規律的變化，這些變化的規律可以轉變為某種數據。我們接觸的許多物體，都具有表面不同的紋理，給人不同的質感。紋理可分為凹凸紋理與顏色紋理[5]，凹凸紋理就是指紋理為細小不規則凹凸狀，顏色紋理就是紋理細節通過色調及亮度來表現。在附加于物體上的特有紋理可以創作出許多藝術的圖案。離散法和連續法是目前紋理定義的主要方法[6]，離散法用二維數組來表示紋理，連續法則是用二元函數表示紋理函數。

紋理合成技術經過長期的發展，經過了三個發展階段 [7]。第一個階段是紋理映射，當遇到復雜場景需要表現真實感時，這種技術常被使用[9]。也可以通過經過映射后紋理變形表達出物體的一些幾何形狀。這個階段將樣圖直接匹配到表面上，并沒有經過特征提取及建造模型，所以只是簡化后的基于樣圖的紋理合成。這個階段常受采樣區域的限制，小塊紋理映射到大區域上經常導致紋理變形不清，達不到需要的好地效果，如果重復映射的話，小的紋理之間的拼縫也會出現走樣的問題。

接著是第二個階段，稱之為過程紋理合成階段，所謂的過程紋理合成就是模擬物理紋理的生成過程，在區域形成紋理。

通過細致的過程模擬可以逼真地得到一些效果，比如風化侵蝕，融化等。另外運用筆刷和顏料模型可以得到各種藝術風格的壁畫效果。這個技術的特點就是并不是直接基于樣圖，而是根據仿真的物理生成模型生成具有物理特征的紋理。這個階段主要強化構造物理模型，而隱藏特征提取，有點類似基于樣圖紋理合成；第三階段則是基于樣圖的紋理合成。[5]基于樣圖的紋理合成技術就是對于給定的一個樣圖，通過數學的分析方法，提取樣圖中的表現特征的數據，然后用這些數據建立起相對應的數學模型，還需要對這個模型進行優化后形成一個中間的數學模型。接著根據原始樣圖和經過優化的數學模型，可以合成需要的任何尺寸及大小，并且避免重復視覺的重復紋理，并且這些重復的紋理可以防止邊界出現瓦磚形狀。

3.紋理合成技術對木材解剖學圖片的應用

紋理合成是計算機圖形學的新技術，本文需要基于某一樣圖合成需要的尺寸、大小、紋理無縫拼接的新的紋理。新的紋理的生成具有一定的隨機性，在算法上有兩個重要點，首先現有模型確定一個隨機性的過程模型，這個決定紋理的準確度；另外是確定模型后如何找到合適的迭代方法產生需要的紋理，這個決定了合成過程的快慢。

在對木材解剖學圖片合成中，本文采用基于樣圖的紋理合成方法。樣圖即為木材美學圖案，樣圖中含有木材微觀構造特征，從木材微觀圖片中采樣，填入到目標圖片區域中。

對于基于樣圖的紋理合成，研究基礎及重要的問題就是如何更好地采樣及拼接，拼接過程中如何處理選擇種子點、領域采點方法、保證圖形完整性手段等。

目前紋理合成算法主要有三種，第一種早期的是基于Markov Random Fields（MRF，馬爾克夫隨機場）的改進。MRF模型是將圖像中的紋理看作一個個像素，每個像素都具有一定的空間性，并且有自己的特征，這些特征在范圍內具有穩定性。這些像素在一定范圍內與其他不同位置的像素沒有關聯，但是又存在的穩定的相似性。這個過程可以分為提取特征，優化模型，紋理合成三個步驟。

第二種是對MRF模型進行改進，運用隨機塊提高速度，這種方法又叫快速紋理合成算法，即WL算法[11]。這種算法利用L形狀區域特點，在一定范圍大小的領域進行直接地采樣。這種算法也存在一定缺陷，因為它對邊角類的特殊圖像達不到良好的感知效果。

對以上算法進一步改進，出現了一種新的不同于以往的算法，這種算法是一種基于塊的紋理合成算法，也稱為Efros[36]算法。經過應用，發現這種算法比以往的算法都具有優越性，它的精度更高，算法的速度也更快，而且很好地解決了復雜紋理的邊界問題。

本文采用的就是Efros的塊拼貼紋理合成方法。任務是對給定的一幅較小的紋理樣圖，通過紋理合成，可以形成需要的無縫拼接效果紋理。

基于塊的紋理合成從以下兩個步驟實現：

第一步采取鄰域搜索策略，在樣本空間中搜尋最佳的匹配目標塊。

第二步用一定的合成算法，將第一步中尋找到的目標塊與已經合成的目標圖像相互融合。

步驟中存在一個問題：當第一步中選定出的匹配塊不是最佳的匹配塊時， 那么在第二步中即使采用優化的算法也會無濟于事。 所以在第一步中，如何搜索到與已經合成的結果圖像最為相似的目標塊是重要的一個考慮。

當前，現有算法中，第一步采用較多地是用顏色作為度量是否相似的標準，也就是說在兩個相鄰的重疊區域塊中，每一個位置的對應的像素的顏色差作為整個度量相似性的偏差標準。

對于完整的塊拼貼算法，如下所示：

根據掃描線的順序一步一塊地進行整個輸出圖像的合成；

在輸入的木材樣本紋理圖像中，看作一個個塊集合，找尋能夠達到小誤差的重疊區域的上下紋理塊，隨機挑選其中的一個塊，然后匹配到需要的合成圖的塊的每個一個空間，接著在選取出來的具有紋理特征的紋理塊與紋理合成圖中的舊塊重疊的部分，進行誤差曲面計算。從中找到一個最佳的邊界，達到邊界無縫拼接的效果。把新塊貼入到合成圖中。

不斷重復以上的步驟，最后合成完成。

接著，再截取歐洲水青岡弦切面中的紋孔構造。紋孔[12]是指木材細胞壁加厚產生次生壁時，初生壁上未被增厚的部分，即次生閉上的凹陷。紋孔是相鄰相鄰細胞間水分和養料的通道；木材加工利用中，紋孔對木材干燥、膠黏劑滲透和化學處理劑浸注等有較大的影響。它是木材細胞壁上重要的結構特征。

通過一次紋理合成，將歐洲水青岡弦切面合成新的木材美學圖案，新的紋樣比原來紋樣更大，具有更多的紋孔特征，人工合成了一幅新的展現木材微觀構造的木材紋樣。

4.總結

本文選擇塊拼貼的紋理合成算法，以輸入塊為單位，輸出具有輸入紋樣構造特征，在一定約束條件重疊下的合成圖樣。塊拼貼紋理合成比點合成具有運算速度快、合成效果好的優勢，在基于樣圖的紋理合成中得到越來越廣泛的應用。在分析完算法思想，算法描述后，選取木材微觀構造中的紋孔典型特征，在matlab中運行算法程序，將木材微觀構造小塊圖形，合成大的具有木材美學典型構造特征的木材美學圖案。

[參考文獻]：

[1] 張新英. 木材解剖學的歷史及發展[J]. 植物學報， 1993：52-62.

[2] 羅建舉. 木材美學引論[M].南寧：廣西科學技術出版社2008

[3] 廖曉梅. 木材美學圖案的創作及其在室內裝飾設計中的應用 [J]大眾文藝2012（20）

[4] 羅建舉.樹木髓心構造及其美學應用[J] 南方農業學報2012，43（9）

[5] 刁偉忠， 常發亮， 孫曉燕. 基于MFC的OpenGL紋理貼圖技術[J]. 山東建筑大學學報， 2005， 20（2）：70-73.

[6] 徐文華， 魏寶剛. 基于紋理合成的圖像藝術風格學習[J]. 武漢大學學報， 2003， 36（3）： 115-119.

作者簡介：

陳燕（1985），女，福建福清，碩士，教師，助教，木材科學與工程