基于數字化多媒體的藝術設計實驗室智能平臺設計

顧賢能

摘 要： 為了提高藝術設計實驗過程的指導性和人工智能性，需要構建藝術設計實驗室智能平臺，融合數字化多媒體和圖形圖像處理技術進行藝術設計優化，提出一種基于嵌入式ARM和數字化多媒體圖像處理技術的藝術設計實驗室智能平臺設計方案。構建智能平臺的總體結構模型，平臺建立在嵌入式環境中，采用數字化圖像處理技術進行藝術設計中的圖形融合調度。在ARM，PowerPC等多種硬件平臺上進行藝術設計平臺的兼容性設計，以內核映像的形式建立藝術設計平臺的文件系統和用戶應用程序，在嵌入式ARM中進行藝術設計智能平臺的軟件開發，將控制權轉交給操作系統，實現平臺的遠程控制和智能多媒體信息處理。系統測試結果表明，該平臺進行藝術設計具有很好的多媒體信息調度能力和圖形處理能力，為藝術設計提供了精準的3D模型和數據輸入基礎，可實現藝術設計的智能化開發。

關鍵詞： 數字化多媒體； 藝術設計； 實驗室； 智能平臺； 圖形處理； 嵌入式ARM

中圖分類號： TN919.85?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）11?0110?05

Design of digital multimedia based intelligent platform for art design laboratory

GU Xianneng

（Huzhou University， Huzhou 313000， China）

Abstract： It is necessary to construct the intelligent platform of art design laboratory to improve the guidance and artificial intelligence of art and design experiment process. The art design optimization is performed by means of the integration of digital multimedia and graphic image processing technology to propose an intelligent platform design scheme of art design laboratory based on embedded ARM and digital multimedia image processing technology. The overall structure model of the intelligent platform is constructed. The platform is built in the embedded environment. The digital image processing technology is used for the graphic fusion scheduling in art design. The compatibility design of the art design platform is carried out on ARM， PowerPC and other hardware platforms. The file system and user application program of the art design platform are established in the form of kernel image， and the software development of the art design intelligent platform is performed in embedded ARM. The control power is handed over to the operating system to realize the remote control and intelligent multimedia information processing. The test results of the system show that the platform for art design has perfect multimedia information scheduling ability and graphics processing ability， provides the accurate 3D model and data input for art design， and can realize the intelligent development of art design.

Keywords： digital multimedia； art design； laboratory； intelligent platform； graphic processing； embedded ARM

0 引 言

藝術設計包括環境藝術設計、平面藝術設計以及3D藝術設計等各個方面，藝術設計是融合圖形圖像處理、3D建模、史學、考古學、宗教學為一體的綜合性學科。隨著人工智能和計算機圖像處理技術的發展，藝術設計已由傳統的人工設計演變為計算機智能設計。藝術設計的智能化和計算機控制水平不斷提高，藝術設計實驗室是通過人工智能軟件平臺進行藝術設計的3D再現的數字化多媒體實驗室，該類實驗室集圖形圖像處理、計算機智能控制和3D幾何建模于一體，融合了計算機硬件和軟件開發的綜合性多功能的實驗室平臺，研究藝術設計實驗室智能平臺的優化設計，對提高藝術設計的人工智能性和智慧性的藝術創造具有重要意義，相關的實驗室平臺開發具有廣闊的應用前景[1]。

對藝術設計實驗室智能平臺的開發建立在多媒體圖像處理技術基礎上，結合嵌入式的軟件開發和實驗室的綜合性網絡通信設計，實現藝術設計過程中的圖像智能處理和多媒體信息調度和傳輸，當前對藝術設計實驗室智能平臺的搭建主要采用界面設計和數據庫加載方法，結合Creator，3DStudio MAX，SoftImage等3D圖形處理軟件創建各種各樣的三維模型并應用在藝術設計創造中[2?3]，得到藝術創造中質感極強的畫面效果。結合上述設計原理，相關學者進行了藝術設計實驗平臺的開發，并取得了一定的研究成果。其中，文獻[4]提出一種基于Multigen Creator建模的藝術設計實驗室智能平臺設計方案，采用多層次細節（LOD）控制實現藝術設計中的多媒體信息傳輸和多線程圖像調度，提高平臺的智能性，但該系統構造復雜，軟件開發的實現難度較大。文獻[5]提出一種基于準數據格式NIMA DFAD（Digital Feature Analysis Data）的藝術設計實驗平臺構造方法，采用邏輯可編程的PLC作為實驗平臺的核心控制終端，進行平臺的硬件設計和軟件開發，結合光點模型生成模擬城市、鄉村、街道等模型，并應用在建筑環境藝術設計中，具有很好的人工智能性和人機交互性，但該模型對大規模的數字化多媒體圖像的調度和利用效率不高。

針對上述問題，本文提出一種基于嵌入式ARM和數字化多媒體圖像處理技術的藝術設計實驗室智能平臺設計方案。首先構建智能平臺的總體結構模型，在嵌入式環境中進行平臺軟件開發，采用數字化圖像處理技術進行藝術設計中的圖形融合調度，實現圖像處理算法設計，通過程序加載模塊實現數字化多媒體圖形處理算法加載。然后在ARM，PowerPC等多種硬件平臺上進行藝術設計平臺的兼容性設計，實現平臺的遠程控制和智能多媒體信息處理。最后進行系統測試，展示了本文設計的藝術設計實驗室平臺的優越性能。

1 實驗室智能平臺總體設計

為了實現對藝術設計實驗室智能平臺的設計，首先進行系統的總體設計構架分析。藝術設計實驗室智能平臺主要分為圖形圖像處理模塊、數據存儲器模塊、多媒體信息調度模塊、數據加工模塊、實驗室平臺的設備控制模塊、人機交互模塊、數據顯示模塊以及輸入輸出總線傳輸模塊等，系統的組成結構圖如圖1所示。

對圖1所示的藝術設計實驗室智能平臺總體構架體系中各個功能模塊的分析描述如下：

1） 圖形圖像處理模塊。它是平臺的算法設計核心，采用自適應的圖像處理技術進行藝術設計實驗室平臺設計圖形的3D幾何重構、圖像降噪、圖像融合和圖像邊緣輪廓特征提取等算法處理，提高藝術設計中的圖像處理能力，提高藝術設計的圖像處理質量。圖形圖像處理采用基于模板匹配的圖像配準技術，結合小波自適應降噪技術進行圖像濾波提純[6]。

2） 數據存儲模塊實現數字化多媒體信息存儲和藝術設計過程中的數據和圖像信息的緩存功能，數據存儲模塊支持多個文件系統，使用Qt/Embedded的GUI作為藝術設計實驗室智能平臺的圖形中間件，基于Linux內核源碼目錄設計了數據緩存的Flash中間件，在物理存儲介質中實現數據存儲，選用SuperViVi作為藝術設計系統的程序加載模塊，以內核映像的形式進行圖形加載。

3） 數據加工模塊。數據加工過程是進行藝術設計信息的進程管理、內存管理和文件管理等，在嵌入式Linux系統中進行數據加工和系統軟件程序開發，系統支持完整的TCP/IP協議棧，在Windows操作系統下安裝VirtualBox虛擬機，采用交叉編譯的方式進行數據加工和資源信息共享。

4） 設備控制模塊。設備控制模塊是進行藝術設計實驗室智能平臺的多媒體設備控制，包括多媒體系統控制、平臺的硬件控制等。主機通過串口作為控制臺來控制目標板，采用集成DSP和分布式的PLC控制系統進行藝術設計實驗時平臺控制。

5） 人機交互模塊。人機交互模塊中進行藝術設計的參數設置和參量讀入，在虛擬機上安裝VirtualBox虛擬機構造人機交互模塊的C編譯器GCC，基于x86架構進行GNU開發，在Windows下編輯代碼實現人機交互模塊的GUI界面設計，提高藝術設計實驗室平臺的人機交互性。

6） 數據顯示模塊。數據顯示模塊是實現藝術設計中的圖像顯示和輸出功能，采用C++編譯器G++進行藝術設計后的數據顯示。

7） 輸入輸出總線傳輸模塊。藝術設計實驗室平臺的輸入輸出總線傳輸模塊采用PCI總線和VIX總線技術，實現多媒體信息傳輸和總體調度。通過總線傳輸調度，把編譯器路徑加入系統環境變量，使得執行代碼能在ARM上運行[7]。

根據上述總體設計構架分析和功能模塊介紹，進行藝術設計實驗室智能平臺開發設計。首先進行圖像信息采集，然后構建網絡通信進行實驗室平臺的網絡自組網設計，在控制單元進行實驗室平臺的硬件設計，在輸出模塊輸出藝術設計的圖像處理效果圖[8]，整個實現過程如圖2所示。

2 藝術設計實驗室智能平臺的開發實現

2.1 開發環境描述

本文設計的藝術設計實驗室智能平臺建立在嵌入式環境中，采用數字化圖像處理技術進行藝術設計中的圖形融合調度，通過程序加載模塊實現數字化多媒體圖形處理算法加載。藝術設計實驗室智能平臺的軟件開發環境分為模型（Model）、視圖（View）和控制器三大模塊，基于x86架構在ARM上運行嵌入式設備，采用交叉編譯工具在Windows下編輯代碼，在虛擬機上安裝Linux進行藝術設計實驗室智能平臺的硬盤、光驅、外部接口的統一開發，得到藝術設計實驗室平臺的狀態標識位見表1。

根據表1給出的藝術設計實驗室智能平臺的標識位，在命令行輸入arm?linux?gcc?v，修改配置文件，執行“Make menuconfig ”后，在arch/arm/boot目錄下生成藝術設計的圖像處理函數zImage，函數定義為：

??? Ash Shell bedded ARM

[*]Check for art design of graphic on interactive shells

[*]Lash（PowerPC hardware platform：aliased to hush）

配置完成后，編輯init.d目錄下的rcS文件，分別運行art design以及PowerPC hardware進行編譯和安裝，在上述開發環境中進行藝術設計實驗室智能平臺開發，并進行串口、并口、USB端口的網絡接口設計[9?10]。

2.2 智能平臺模塊化開發實現

2.2.1 藝術設計的三維圖形渲染

本文設計的基于數字化多媒體的藝術設計實驗室智能平臺分為三層體系結構，分別為圖像信息處理層、數據傳輸層和面向對象的應用層，采用Linux內核進行藝術設計的引導程序加載，實現系統軟件設計。在軟件開發設計中，首先新建一目錄filesystem，采用公告牌（billboard）渲染方式進行藝術設計中的實時三維圖形渲染[11]，三維圖形渲染的示意圖如圖3所示。圖3中，藝術設計的3D模型建造的基本過程就是由“點”連接成“面”，由“面”變化為“體”， 在選擇好網格的單位和藝術設計的材質后，在Face Tools中選擇面的類型，通過Geometry Tools把面變換為體，進行藝術設計的3D模型構架。

2.2.2 數據池模型構建

利用Creator交互式的動畫軟件模型生成藝術設計系統的數據池，如圖4所示，采用Creator開發藝術設計系統的主界面，在MapInfo中調用dBASE數據庫、MSExcel電子表格進行藝術設計中的三維圖形重構，使用批處理模塊（Batch）生成圖像的在線編譯模塊，將產生一個haidi.flt文件，并創建模型數據庫，在Face Tools中選擇藝術設計的圖像處理類型函數，通過Map Texture Tools選擇貼圖方法，利用Creator交互式、直觀的用戶界面實現藝術設計過程中的信息交互[12]。

2.2.3 平臺的兼容性設計

在ARM，PowerPC等多種硬件平臺上進行藝術設計平臺的兼容性設計，在dev目錄下建立根文件系統，生成一個rootfs.yaffs的兼容性測試文件，應用程序與設備之間通過read（），write（）等系統調用去訪問藝術設計實驗室平臺的控制模塊，設備驅動程序為：

define MISC_ scheduling using digital _MINOR 255

//主設備號

#define DEVICE_NAME ″pwm″ //設備文件名

int ret；

ret = misc_ multimedia graphics （&misc;）；

以內核映像的形式建立藝術設計平臺的文件系統和用戶應用程序，對s3c2440_pwm_open進行編程，其中misc的定義如下：

static struct compatibility design art misc = {

.minor = MISC_RGDFGC_MINSFFR，

.name = DEVICE_NFGD，

.fops = &dggrsv;_gfdes，

}；

處理器將讀取藝術設計平臺中的程序處理A/D轉換結果，并將控制權轉交給操作系統，實現平臺的遠程控制和智能多媒體信息處理，最后得到本文設計的藝術設計實驗室智能平臺的軟件開發實現流程如圖5所示。

3 實驗測試分析

為了驗證本文設計的藝術設計實驗室智能平臺的應用性能，進行系統測試和仿真實驗分析。實驗建立在Qt/Embedded for x86開發環境基礎上，采用Qt?x11配置qtx11、編譯和安裝，采用GUI設計人機交互模塊進行藝術設計的圖像導入和參數設定，在Linux內核下編寫設備驅動應用程序，在圖像處理中，設定多媒體圖像采集的大小為1 200×800，數據場規模是256×256×256，根據上述環境和參量設定，用Visual C++ 2012進行圖像處理算法設計，并在本文設計的藝術設計實驗室智能平臺中進行程序開發和仿真設計，得到本文設計的藝術設計實驗室平臺的數字化多媒體加載界面如圖6所示。

圖6輸入的數字多媒體圖像的噪點較大，進行藝術設計中容易出現較大的擾動和失真，導致設計效果不好，采用本文設計的藝術設計實驗平臺進行設計效果的自適應處理，可提高設計質量，得到改善后的藝術設計效果圖如圖7所示。

分析圖7得知，采用本文設計的實驗平臺進行藝術設計智能化處理，提高了藝術設計效果，改善了設計質量，使設計作品具有很好的視覺可觀性。為了定量對比設計效能，以輸出設計作品的峰值信噪比（PSNR）為測試指標，得到采用不同的藝術設計平臺進行設計的峰值信噪比對比結果如圖8所示。

分析圖8得知，本文平臺輸出的PSNR值比較高，說明設計質量較好。

4 結 語

本文進行了藝術設計實驗室智能平臺的優化設計研究，提出一種基于嵌入式ARM和數字化多媒體圖像處理技術的藝術設計實驗室智能平臺設計方案，進行圖像處理算法設計和平臺的軟件開發設計。研究得知，本文設計的藝術設計平臺具有很好的圖形處理能力，為智能化藝術設計提供了技術支持。

參考文獻

[1] 李琳，孟令博，孫康，等.基于代數余子式的N?FINDR快速端元提取算法[J].電子與信息學報，2015，37（5）：1128?1134.

LI Lin， MENG Lingbo， SUN Kang， et al. N?FINDR fast end element extraction algorithm based on algebraic cofactor [J]. Journal of electronic and information， 2015， 37（5）： 1128?1134.

[2] 南棟，畢篤彥，馬時平，等.基于景深約束的單幅霧天圖像去霧算法[J].電子學報，2015，43（3）：500?504.

NAN Dong， BI Duyan， MA Shiping， et al. The fogging algorithm of single fog day image based on the depth of field constraints [J]. Acta electronica sinica， 2015， 43（3）： 500?504.

[3] 張錦華，孫挺.基于倍頻信號濾波的非規則圖像動態特征提取[J].控制工程，2015，22（2）：301?305.

ZHANG Jinhua， SUN Ting. Extraction of irregular image dynamic features based on frequency doubling signal filtering [J]. Control engineering， 2015， 22（2）： 301?305.

[4] CHEN Y C， LIN Z H， ZHAO X， et al. Deep learning?based classification of hyperspectral data [J]. IEEE journal of selected topics in applied earth observations and remote sensing， 2014， 7（6）： 2094?2107.

[5] WAN L J， TANG K， LI M Z， et al. Collaborative active and semisupervised learning for hyperspectral remote sensing image classification [J]. IEEE transactions on geoscience and remote sensing， 2015， 53（5）： 2384?2396.

[6] TUIA D， PASOLLI E， EMERY W J. Using active learning to adapt remote sensing image classifiers [J]. Remote sensing of environment， 2011， 115（9）： 2232?2242.

[7] 陳興穌，王雪峰，王元慶.多小波有限元法在擴散光層析圖像重建中的應用研究[J].激光雜志，2016，37（12）：48?51.

CHEN Xingsu， WANG Xuefeng， WANG Yuanqing. The application of multi wavelet finite element method in the reconstruction of diffuse optical tomography [J]. Laser journal， 2016， 37（12）： 48?51.

[8] DI W， CRAWFORD M M. View generation for multiview maximum disagreement based active learning for hyperspectral image classification [J]. IEEE transactions on geoscience and remote sensing， 2012， 50（5）： 1942?1954.

[9] 張良，羅祎敏，馬洪超，等.基于未標簽信息主動學習算法的高光譜影像分類[J].計算機應用，2017，37（6）：1768?1771.

ZHANG Liang， LUO Yimin， MA Hongchao， et al. High spectral image classification based on unlabeled information active learning algorithm [J]. Computer applications， 2017， 37（6）： 1768?1771.

[10] HE Y， ZHANG C S， TANG X M， et al. Coherent integration loss due to pulses loss and phase modulation in passive bistatic radar [J]. Digital signal processing， 2013， 23（4）： 1265?1276.

[11] HAO H. Multi component LFM signal detection and parameter estimation based on EEMD?FRFT [J]. Optik： international journal for light and electron optics， 2013， 124（23）： 6093?6096.

[12] GOVONI M A， LI H， KOSINSKI J A. Range?Doppler resolution of the linear?FM noise radar waveform [J]. IEEE transactions on aerospace and electronic systems， 2013， 49（1）： 658?664.