基于視覺傳達要素的電視畫面優化設計方法研究

代 蕾

(綏化學院 藝術設計學院，黑龍江 綏化 152061)

1 引言

基于顯示技術、視覺處理技術、圖像處理等學科，形成了電視數字圖像處理技術[1]。計算機圖形圖像技術是根據數字或概念描述物體的數據、模型，通過計算機對圖形進行處理，完善、修改模型或數據操作過程。在高清電視制作中，電視數字圖像發揮著重要的作用。邊緣是電視圖像當中的關鍵特征，同時對電視數字圖像處理也產生著至關重要的影響作用[2]。高清電視圖像邊緣區域是灰度變化最為劇烈的位置，其中有非常豐富的信息量，所以在處理圖像的過程中必須要充分認識到電視數字圖像邊緣的重要性，增強圖像邊緣的精確性，能夠有效提升后續高清顯示水平[3]。需要迅速有效的提取電視數字圖像邊緣輪廓，能夠有效的抑制噪聲[4]。在傳播特定事物上，視覺傳達表現的是主動行為的可視形式，視覺傳達對客觀感受和視覺主觀感受比較依賴。視覺傳達同時也是傳遞信息符號的過程[5]。

現階段，數字圖像處理技術廣泛應用于多元化領域，涉及到不同的社會階層以及其自有的內容。圖像邊緣特征圖像它會在電視圖像里起到至關重要重要的作用。而在數字信息的邊緣中，夾雜著有用的信息又有很多，且十分豐富，能夠實現檢測識別圖像的功能，因此數字圖像邊緣檢測技術在目標跟蹤以及人臉識別等領域有極為廣泛的應用。所以，當前社會各界紛紛開始研究電視圖像邊緣檢測而技術，盡可能的對偽邊緣信息進行全面的分析并處理，保證檢測后的邊緣信息的準確性，在優化電視圖像實際中，提高邊緣檢測精度屬于一項重要研究內容。圍繞現階段缺乏圖像邊緣顯示方法的情況進行分析，本文通過將直方圖凹度分析與視覺傳單效果充分結合的方式，并采取灰度Canny邊緣檢測方法將開關型中值濾波器安裝在高斯濾波之前，采用開關型中值濾波器，通過改進的Canny邊緣檢測方法將脈沖噪聲濾除，利用直方圖凹度對自動選取雙閉值進行分析，實驗數據證明，電視數字圖像邊緣測方法，能夠獲得更好圖像邊緣精度。

2 圖形圖像技術與視覺傳達概述

在設計數據之前，需要進行存儲器的保存，在處理這部分數據的過程中，必須要充分應用計算機的相關技術，并進行圖紙設計，通過繪圖軟件展現圖紙，這個過程即為圖形圖像技術。對于視覺傳達設計而言，在充分應用電視技術背景下，電視圖像技術能夠創作包括色彩、文字等在內的多元素內容。視覺符號是視覺傳達過程中的重要渠道，能夠實現傳播語言和表達視覺的功能。在視覺傳達過程中，有效藝術創作的實現，需對基本要素包括圖形、編排、文字、色彩等進行應用。圖形實際上屬于一種視覺符號，其創造過程多是有意識的，同時也包含著豐富的內涵，直觀性非常顯著。這幾年，視覺傳達的發展速度不斷加快，廣泛在電視圖像設計中進行應用。

3 傳統Canny算法存在的問題

在進行邊緣檢測的過程中，檢測效果良好的部分一般通過Canny傳統檢測法進行檢測，具有較高的邊緣定位能力和檢測水平。但需要注意的是，該方法同時也有亟待完善的缺點，其是以高斯濾波器濾除噪聲的，無法高效抑制沖擊噪聲，所以在檢測邊緣的過程中很容易將沖擊噪聲包括在內，使得實際檢測信噪比和實際信噪比水平存在差異。另外，在提取圖像邊緣的過程中使用雙閉值的方法，必須要加上人工預先設定好的雙閥值，因此說明它的自適應能力相對較差。如果超出了預先設定的標準，則很容易導致邊緣執行中斷，導致大量的執行信息丟失，難以完全檢測到所有的圖像邊緣；如果閾值低于一定水平，得到的邊緣易產生虛假，降低了邊緣的精確度，檢測得到的邊緣較粗。

4 基于視覺傳達要素的電視圖像灰度Canny邊緣檢測算法

在抑制電視圖像噪聲方面，傳統Canny邊緣檢測技術存在一定局限性，在選取閾值參數方面具有較差的自適應能力，因此，本研究改進了傳統Canny邊緣檢測算法的缺陷，通過將直方圖凹度分析與視覺傳單效果充分結合的方式，并采取灰度Canny邊緣檢測方法將開關型中值濾波器安裝在高斯濾波之前，以開關型中值濾波器濾除脈沖噪聲，自動對雙閉值進行選取。通過對Canny邊緣檢測技術的改進，從而使該算法能將脈沖噪聲有效濾除，同時能自動對雙閾值進行選取，閾值自適應能力非常強，邊緣檢測效果非常優異。

4.1 濾除脈沖噪聲

在傳輸、采集、存儲過程中，因各種噪聲會干擾電視圖像，在進行邊緣檢測時，很容易使得圖像邊緣當中包含著噪聲像素，使用傳統方法進行噪聲過濾時，對圖像邊緣也進行了平滑處理，這樣就會導致部分邊緣信息繞過檢測。因而，在邊緣檢測的過程中，使用開關型的中值濾波器能夠有效地解決信息丟失的問題，同時完美的保留了圖像邊緣信息。邊緣檢測的結果與沖擊波的強度密切相關，傳統的均值濾波、中值濾波、高斯濾波、ISEF不能夠有效地阻止沖擊類型噪聲的蔓延。本研究充分發揮了開關型中值濾波器的功能，并從四個方面通過拉普拉斯算子的方法對圖像的沖擊噪聲進行檢測，從而完成中值濾波器的結論取代電視圖像噪聲像素中的灰度值，也就是說完成該過程后可以保留圖像邊緣信息，去噪聲效果較好。本文在進行研究時，在高斯濾波前，通過改進的Canny邊緣檢測方法，將脈沖噪聲采用開關型中值濾波器進行濾除。在進行沖擊噪聲的濾除過程中，開關型中值濾波器基于K1、K2、K3、K4檢測電視圖像的脈沖噪聲情況，最終得到的0°方向、45°方向；90°方向；135°方向方向算子分別如下，具體如下：

(1)0°方向

(2)45°方向

(3)90°方向

(4)135°方向

首先，Kp和輸入電視圖像1分別進行卷積，從而獲得到4個卷積圖像。在像素點(i,j)處，對于當前像素是否為脈沖噪聲，通過其4個卷積絕對值的最小值r(i,j)進行檢測，計算采用公式(1)進行：

r(i,j)=min{|I(i,j)?Kp|,p=1,2,3,4}

(1)

在像素點I(i,j)處，|I(i,j)?Kp|表示第p個卷積的絕對值。通過公式(2)對當前像素是否為脈沖噪聲像素進行判斷：

(2)

當N(i,j)=1時，表示像素點為噪聲像素。如果閾值T小于r(i,j)，此時意味著噪聲像素的存在，中值濾波結果與噪聲像素的灰度值之間存在相互取代的關系，如果閾值T大于r(i,j)，此時意味著信號像素的存在，將像素灰度值維持在穩定的范圍內。通過公式(3)輸出以下結果：

(3)

4.2 自動閾值獲取

傳統的Canny檢測方法當中，必須要有人工對參數進行設定，因此其自適應性非常差，通過本研究對該方法進行合理優化升級，能夠使其自動的對參數進行設定。由于電視圖像的梯度幅值直方圖并沒有將雙峰特征明顯的展現出來，所以，大部分的圖像梯度幅值直方圖在非沒有邊遠的地方都存在波峰，其他位置則相對平坦，所以，能夠通過自動選取雙閾值的方式增強算法的自適應能力。選取雙閾值的步驟為：

步驟1，對圖像的256級梯度幅值直方圖h(i)進行測算，對直方圖h(i)的非零起點(istart,h(istart))、非零終點(iend,h(iend))進行計算，同時對這兩個點進行保存。

步驟3，需要尋找斜率s(i)最大值以及其所對應幅值ipeak，(ipeak,h(ipeak))意味著梯度直方圖的凸點，若ipeak

圖1 高閾值選取結果

5 實驗結果

對比分析傳統canny邊緣檢測、LOG算子邊緣檢測、優化改進后的canny邊緣檢測方法的效果可以驗證優化后方法效果的有效性。采用品質因數對邊緣檢測算法的性能進行評價，采用公式(4)對品質因數進行定義：

(4)

公式中，檢測到的邊緣像素點的總個數用ND表示，人工標注的真實邊緣像素點總個數用NI表示，第i個檢測到的邊緣點和離它最近的實際邊緣點之間存在的距離用di來表示。ξ就是一個常量系數，用來懲罰錯位的邊緣，一般來說，如果ξ=0.1。此時意味著F值越大，也就是說檢測精度較強，實際效果越好。

本研究采用三種邊緣檢測方法對邊緣進行檢測，同時對相應的品質因數F進行計算，并將三種邊緣檢測算法的品質因數曲線繪制出，如圖2所示，縱軸為品質因數，橫軸為脈沖噪聲密度。

圖2 噪聲密度與品質因數曲線

圖3為品質因數和邊緣檢測算法的高斯噪聲信噪比曲線，品質因數和高斯噪聲信噪比分別為縱軸和橫軸。

圖3 高斯噪聲信噪比與品質因數曲線

實驗證明，本研究所提出的優化后的檢測方法可以保留圖像邊緣信息，去噪聲效果較好。對比分析傳統canny邊緣檢測、LOG算子邊緣檢測、優化改進后的canny邊緣檢測方法的效果可以驗證優化后方法的有效性。基于高斯噪聲背景，充分結合梯度直方圖的凹度特性能，再通過雙閾值自動選擇的手段優化檢測效果，改進后，該算法能較好的將電視圖像的邊緣信息檢測出，邊緣定位精度要比LOG算子、傳統Canny邊緣檢測方法優異。

6 結語

本文通過將直方圖凹度分析與視覺傳單效果充分結合的方式，并采取灰度Canny邊緣檢測方法將開關型中值濾波器安裝在高斯濾波之前，通過改進的Canny邊緣檢測方法將脈沖噪聲濾除，利用直方圖凹度對自動選取雙閉值進行分析，實驗證明，本研究研究制定的邊緣檢測新方法實現了較好保留圖像邊緣細節信息的目的，對噪聲進行良好的抑制，對比不同類型邊緣檢測方法的異同，最終發現該方法更具有優勢。對于高斯噪聲來說，改進的算法能較好的將電視圖像的邊緣信息檢測出，邊緣定位精度要比LOG算子、傳統Canny邊緣檢測方法優異。