梁文峻 梁文思



摘 ?要: 為了提高對工業產品包裝色彩的設計和分析能力,構建視覺傳達下工業產品包裝色彩仿生特征提取系統,提出一種基于分塊特征匹配和邊緣輪廓檢測的視覺傳達下工業產品包裝色彩仿生特征提取算法。采用稀疏散亂點三維重建方法進行工業產品包裝色彩融合和三維仿生信息融合,采用分塊特征匹配方法實現工業產品包裝色彩仿生圖像的視覺增強處理,提取工業產品包裝色彩仿生特征的分塊特征量,采用圖像塊的稀疏表示方法實現工業產品包裝色彩仿生特征提取。在嵌入式的DSP環境下進行工業產品包裝色彩仿生特征提取系統設計,系統包括設備驅動層、I/O接口層以及校驗層,采用RS 485總線監測技術實現包裝色彩仿生特征提取系統的通信協議設計和硬件交換控制。測試結果表明,該系統能有效實現包裝色彩仿生特征提取系統的特征提取和視覺傳達,系統可靠穩定。
關鍵詞: 視覺傳達; 工業產品包裝; 特征提取系統; 三維仿生信息; 分塊特征量; 色彩仿生特征
中圖分類號: TN942.1?34; TP277 ? ? ? ? ? ? ? ? 文獻標識碼: A ? ? ? ? ? ? ? ? ?文章編號: 1004?373X(2019)12?0172?04
Abstract: A color biomimetic feature extraction algorithm based on block feature matching and edge contour detection is proposed for industrial product packaging under visual transmission, so as to improve the color design and analysis abilities of industrial product packaging, and construct the color biomimetic feature extraction system of industrial product packaging under visual transmission. The sparse scattered point 3D reconstruction method is used for color fusion and 3D biomimetic information fusion of industrial product packaging. The block feature matching method is used to realize visual enhancement processing of color biomimetic images for industrial product packaging, so as to extract the block feature quantities of color biomimetic features for industrial product packaging. The sparse representation method of image blocks is used to realize color biomimetic feature extraction of industrial product packaging. The color biomimetic feature extraction system for industrial product packaging is designed under the embedded DSP environment. The system includes the device driver layer, I/O interface layer and verification layer. The communication protocol design and hardware exchange control of the packaging color biomimetic feature extraction system are realized by using the RS485 bus monitoring technology. The test results show that the system can effectively realize feature extraction and visual transmission of the packaging color biomimetic feature extraction system, which is reliable and stable.
Keywords: visual transmission; industrial product packaging; feature extraction system; 3D biomimetic information; block feature quantity; color biomimetic feature
隨著工業產品設計工藝的快速發展,對工業產品包裝設計的經濟性和環保性提出了更高的要求,通過對工業產品包裝的優化設計,提高工業產品包裝的視覺文化氣息,提高工業產品包裝是視覺外觀體驗,設計精美、優雅和有文化氣息的工業產品包裝,通過視覺傳達的形式表達工業產品的色彩和文化信息[1]。對工業產品包裝的色彩設計是一門具有美感的視覺藝術元素表達過程,融合工業產品包裝色彩仿生特征信息進行視覺分析,采用圖像處理方法進行工業產品包裝色彩仿生特征提取,提高工業產品包裝色彩的視覺分析和特征表達能力[2]。本文提出一種基于分塊特征匹配和邊緣輪廓檢測的視覺傳達下工業產品包裝色彩仿生特征提取算法,在嵌入式的DSP環境下進行工業產品包裝色彩仿生特征提取系統設計,最后進行實驗測試分析,得出有效性結論。
1 ?工業產品包裝色彩圖像采集和特征分析
1.1 ?工業產品包裝色彩圖像采集
為了實現對工業產品包裝色彩的仿生特征優化提取,首先構建工業產品包裝色彩圖像采集和特征分析模型,采用低分辨率圖像塊特征匹配方法進行工業產品包裝色彩圖像重建[3],設三維工業產品包裝色彩圖像像素序列的分布矩陣為:
根據上述模型構建,采用線性特征提取方法進行工業產品包裝色彩圖像的邊緣輪廓重構,實現對檢測的工業產品包裝色彩圖像點云數據進行信息融合處理,由此實現對工業產品色彩圖像包裝[5]。
1.2 ?工業產品包裝色彩融合
采用稀疏散亂點三維重建方法進行工業產品包裝色彩融合和三維仿生信息融合,得到工業產品包裝色彩融合后的特征點的聚類函數為:
判斷工業產品包裝色彩圖像的當前種子點P的主方向,根據梯度下降法進行重建約束。
2 ?色彩仿生特征提取算法
2.1 ?分塊特征匹配
設工業產品包裝色彩圖像區域大小為[M×N],[TC]和[MdCi]對應工業產品包裝色彩圖像邊緣的長度和寬度。采用邊緣信息融合方法,得到工業產品包裝色彩圖像的活動輪廓分布集:
求得在每個尺度下工業產品包裝色彩圖像的邊緣像素點統計特征值,根據分塊融合處理結果,實現工業產品包裝色彩的仿生特征提取。
3 ?系統設計與實現
3.1 ?系統的總體設計構架
采用ZigBee組網設計方法[9],進行視覺傳達下工業產品包裝色彩提取系統的交互設計,采用嵌入式ARM Cortex?M0為核心處理器,結合單片機進行視覺傳達下工業產品包裝色彩仿生特征提取系統計算機控制。總體設計架構如圖1所示。在嵌入式Linux內核環境中構建視覺傳達下工業產品包裝色彩仿生特征提取系統的交叉編譯程序,使用專用短程通信標準協議進行視覺傳達下工業產品包裝色彩仿生特征提取系統的網絡模塊化設計。
3.2 ?系統的分組模塊設計
使用32位ARM處理器進行視覺傳達下工業產品包裝色彩仿生特征提取的總線傳輸控制,通過讀取HP E1562E進行信轉換[10],設計控制結構字進行系統的總線控制,見表1。
采用嵌入式ARM Cortex?M0作為主控模塊,實現包裝色彩仿生特征的自動提取和信息交互,得到指令傳輸流程如圖2所示。



綜上分析,實現視覺傳達下工業產品包裝色彩仿生特征提取系統的軟件開發與設計。
4 ?實驗測試分析
對視覺傳達下工業產品包裝色彩仿生特征提取的仿真實驗建立在Matlab Simulink環境下,對視覺信息采樣的特征分辨頻率設定為80 kHz。結合.NET Framework的應用程序進行視覺傳達的總線開發和交叉編譯控制,色彩特征信息的采樣長度為1 024,得到待提取的工業產品包裝如圖3所示。

以圖3的包裝為測試對象,進行包裝色彩提取,得到提取結果如圖4所示。

分析圖4得知,采用本文系統能有效實現包裝色彩仿生特征提取系統的特征提取和視覺傳達,色彩的融合性和提取分辨能力較好。測試色彩提取的配準率和時間開銷,得到對比結果見表2。

分析表2得知,本文方法進行工業產品包裝色彩特征提取的配準率較高,時間開銷較小。
5 ?結 ?語
在進行工業產品包裝色彩設計中,融合具有視覺文化特征的工業產品設計方式,結合實現產品包裝設計視覺語言的有效傳達,優化現代化包裝設計。本文提出一種基于分塊特征匹配和邊緣輪廓檢測的視覺傳達下工業產品包裝色彩仿生特征提取算法,采用圖像塊的稀疏表示方法實現工業產品包裝色彩仿生特征提取。在嵌入式的DSP環境下進行工業產品包裝色彩仿生特征提取系統設計,使用32位ARM處理器進行視覺傳達下工業產品包裝色彩仿生特征提取的總線傳輸控制,實現包裝色彩仿生特征的自動提取和信息交互。研究得出,采用本文系統能有效實現包裝色彩仿生特征提取和視覺傳達,色彩的融合性和提取分辨能力較好。
注:本文通訊作者為梁文思。
參考文獻
[1] 張曉宇,左俊瑋.基于紅色題材的井岡山旅游紀念品開發與設計[J].包裝工程,2018,39(12):224?230.
ZHANG Xiaoyu, ZUO Junwei. Development and design of tourist souvenirs in Jinggangshan based on the theme of red [J]. Packaging engineering, 2018, 39(12): 224?230.
[2] LONG M, WANG J, DING G, et al. Adaptation regularization: a general framework for transfer learning [J]. IEEE transactions on knowledge and data engineering, 2014, 26(5): 1076?1089.
[3] PATRICIA N, CAPUTO B. Learning to learn, from transfer learning to domain adaptation: a unifying perspective [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Columbus: IEEE, 2014: 1442?1449.
[4] SUN L, GUO C. Incremental affinity propagation clustering based on message passing [J]. IEEE transactions on knowledge and data engineering, 2014, 26(11): 2731?2744.
[5] 陳洋,王世峰,都凱悅,等.基于加速引導濾波的圖像像素級融合[J].長春理工大學學報(自然科學版),2018,41(6):11?15.
CHEN Yang, WANG Shifeng, DU Kaiyue, et al. A image pixel level fusion based on fast guided filter [J]. Journal of Changchun University of Science and Technology (Natural science edition), 2018, 41(6): 11?15.
[6] 劉佶鑫,魏嫚.可見光?近紅外HSV圖像融合的場景類字典稀疏識別方法[J].計算機應用,2018,38(12):3355?3359.
LIU Jixin, WEI Man. Scene sparse recognition method via intra?class dictionary for visible and near?infrared HSV image fusion [J]. Journal of computer applications, 2018, 38(12): 3355?3359.
[7] 閆錦,田寶華.工業設計產品造型在服飾包裝設計中的應用研究[J].中國包裝工業,2015,31(22):214?215.
YAN Jin, TIAN Baohua. Application research of industrial design product modeling in clothing packaging design [J]. China packaging industry, 2015, 31(22): 214?215.
[8] 呂麗蓉.雕塑藝術在工業包裝設計中的運用[J].中國包裝工業,2016,55(5):65?66.
L? Lirong. The use of sculpture art in industrial packaging design [J]. China packaging industry, 2016, 55(5): 65?66.
[9] 陳亭元.基于實用性的個性化產品包裝設計研究[J].工業設計,2018,61(8):67?68.
CHEN Tingyuan. Research on personalized product packaging design based on practicality [J]. Industrial design, 2018, 61(8): 67?68.
[10] KRISHNA A, CIAN L, AYDINO?LU N Z. Sensory aspects of package design [J]. Journal of retailing, 2017, 93(1): 43?54.