人機交互嵌入式圖形用戶界面視覺增強方法研究

劉亞明，寧可可，趙旭

（1.北京師范大學 未來設計學院，廣東 珠海 519087；2.北京師范大學珠海分校 設計學院，廣東 珠海 519087）

0 引言

為了提高用戶體驗和工作效率，降低使用成本和維護成本，嵌入式圖形用戶界面應運而生，其可以應用于各種領域，如智能家居、醫療設備、工業控制等，可以使人機交互更加方便、快捷、直觀，提高了用戶的工作效率和生活質量。同時，研究人機交互嵌入式圖形用戶界面視覺增強還可以促進相關技術的發展和創新，推動整個行業的進步。然而，現有的圖像處理方法存在著噪聲大、數據質量退化等缺陷，極大地制約了其發展和應用。因此，研究一種高效的視覺增強技術對于提高用戶界面質量具有重要意義。國內對于視覺增強的研究具有較多方法，基于同態濾波的增強技術[1]對HSV 空間中各分量像素概率密度進行修正，映射出高光區和陰影區概率分布，利用同態濾波方法保留圖像細節信息，結合自適應直方圖均衡化處理，實現視覺增強；注意殘差稠密神經網絡的增強技術[2]在注意循環網絡、殘差稠密網絡共同作用下，結合循環網絡結構區分弱光照區域。應用殘差稠密網絡為弱光照區域分配更多資源，學習弱光照區域與強光照區域映射關系，實現視覺增強。

然而，上述兩種方法容易受到噪聲影響，導致視覺增強效果不佳。為此，提出了人機交互嵌入式圖形用戶界面視覺增強方法。

1 基于視覺感知的用戶界面分層提取

由于計算機技術的不斷發展，大量的軟件被用于數據采集，特別是對于手機APP 的應用，除了要滿足用戶對圖像的需求外[3-4]，還需要滿足界面布局整潔性。為此，研究了基于視覺感知的用戶界面分層提取方法。針對每個局部區域，為了獲取其邊緣像素集，對人機交互嵌入式圖形用戶界面可視傳輸特征圖像實現傅里葉變換，如下所示：

式中：fa(x,y)表示平緩區域邊緣像素集，其中f表示圖像外部輪廓；c(x,y,hi)表示平緩區域圖形化人機交互界面視覺圖像高頻分量集，x,y,hi分別表示圖像橫縱坐標和第i個垂直邊緣權重；fb(x,y)表示非平緩區域邊緣像素集；G(x,y,ωi)表示非平緩區域圖形化人機交互界面視覺圖像高頻分量集，ωi表示第i個邊緣權重。

融合圖形化人機視覺圖像特征，并在平緩的區域對其表面轉換，從而得到相應特征信息[5-7]。假定圖形化人機視覺圖像的特征融合矢量符合正態分布，并將垂直方向視為一個平緩區域，平緩區域特征Ia(i)如下：

式中：V(i)表示第i個模板的特征信息；d(i)表示第i個模板與圖像中心點的距離；B表示內層窗口特征信息[8]。

在非平緩區域中，利用表面變換獲取圖形化人機視覺圖像的邊界輪廓信息[6，9]，獲取非平緩區域特征Ib(i)，得到公式如下：

式中：q(x)表示視覺圖像邊緣輪廓信息分量；M表示圖像塊數；gi表示局部圖像塊數；S(xi)表示圖像塊之間相似度；Ji表示圖像尺度信息。

融合平緩區域、非平緩區域特征，實現人機交互嵌入式圖形用戶界面的視覺傳達圖像區域分層I'(x,y)，由此完成基于視覺感知的用戶界面分層提取，表示為：

2 基于分層提取用戶界面的視覺增強處理

2.1 去模糊處理

用戶界面在提取過程中受大氣環境等因素影響，極易造成視覺模糊[10-11]。為此，利用衰減模型與環境光模型描述大氣環境等因素對初始清晰視覺圖像造成的影響E(x,y)，如式（6）所示：

式中：γ表示大氣散射系數；d表示景深；λ表示全局大氣光照系數。將λ(1-e-γd)的值視為環境光R(x,y)，通過分析R(x,y)和λ值，實現對模糊視覺圖像區域模糊處理。

構建的空間域濾波結構如圖1 所示。

圖1 空間域濾波結構

對于各個像素點A(0,0)的定位與B(0,0)的定位相吻合，B(0,0)的定位即為模板中心。依據圖像特征決定模板形態及尺寸，利用線性濾波消除部分圖像中的部分噪聲[12]。利用近鄰平均方法建立局部平均值濾波器[13]，能夠消除經過線性濾波處理后圖像中的粒狀噪聲。

在景深逐漸提升的過程中，該值隨透射率值下降而變小[14]，說明視覺圖像在橫軸處的反射光衰減程度越大，當透射率值為1時，被測目標所反射的光線沒有任何減弱跡象，因此被測目標呈現出初始清晰的用戶界面。采用均值濾波處理方法分析透射率，獲取處理結果為：

式中Lmin(x,y) 表示RGB 三通道的下限值。分析λ值時，調整視覺圖像暗通道像素比例，確定該像素下對應的像素灰度上限值。確定環境光R(x,y)值與λ值后，通過模糊處理圖像，處理結果為：

2.2 去模糊圖像的視覺增強處理

由于單尺度Retinex 對圖像中 R、G、B 成分實時增強時，存在較大概率引起不同分量間的內在關聯變化。通過Retinex 和小波變換圖像增強方法將去模糊處理后的視覺彩色可視圖像變換到HSI 空間中，獲取去模糊后的視覺圖像飽和度η，其表達式為：

在光照較差條件下，去模糊后視覺圖像η值較小，因此經過自適應拉伸后可得到：

式中表示去模糊后的視覺圖像飽和度平均值。

圖像的主體特征（如輪廓）是用低頻段表達，而細節特征是用高頻段表達。小波具有多分辨能力，能夠將一幅圖像分解成不同大小、不同位置、不同方向的各分量。由于邊緣細節在小波鄰域所對應的系數絕對值具有比較大的特點，因此采用小波分析算法，通過轉換函數擴大小波系數的范圍，從而增強圖像細節高頻信息，并抑制了存在噪聲的小波系數。非線性轉換函數Q(k)如下：

式中：k表示小波高頻系數；?表示去噪聲閾值；?表示調節增強幅度；sigm 表示非線性激活函數。

基于以上計算獲取去噪處理后視覺圖像增強后的亮度分量W，以此實現人機交互嵌入式圖形用戶界面的視覺增強，可表示為：

式中Ti(x,y)表示視覺圖像反射分量。

3 實驗

3.1 實驗環境

為了驗證所設計人機交互嵌入式圖形用戶界面視覺增強方法的效果，實驗硬件選擇英特爾推出的高性能處理器酷睿i7-13700K，CPU 主頻為3.4 GHz，支持最大內存為128 GB，內存類型為DDR4 3 200 MHz；選用Scratch 圖形化開發工具設計實驗框架如圖2 所示。

圖2 實驗框架

圖形設備接口是一種以圖形輸出抽象層為基礎，形成的一個單獨的繪圖應用界面，對圖像輸出抽象層所提供的界面功能完成更深層次包裝和擴展，從而給更高層應用程序界面提供了一種操作更加方便的繪圖功能?；诖耍ㄟ^上述框架展示理想情況下的圖形用戶界面，如圖3 所示。

圖3 圖形用戶界面的理想可視化效果

3.2 結果與分析

分別采用基于同態濾波的增強技術、注意殘差稠密神經網絡的增強技術和本文技術，對比分析圖像用戶界面展示效果，如圖4 所示。

圖4 不同方法圖像用戶界面展示效果

由圖4 可知，基于同態濾波的增強技術、注意殘差稠密神經網絡的增強技術的圖形用戶界面展示結果模糊，用戶無法精準點擊目標模塊，而本文技術圖形用戶界面展示清晰，與理想情況下的用戶界面展示結果相同。

為了進一步驗證本文技術的視覺增強效果，以噪聲振幅為評價指標，客觀評價本文技術與其余兩種技術對實驗對象的去模糊化處理效果，所得結果如圖5 所示。

圖5 不同方法噪聲振幅對比結果

由圖5 可知：基于同態濾波的增強技術噪聲振幅較大，在-6.0～4.5 dB 范圍內波動；注意殘差稠密神經網絡的增強技術噪聲振幅在-4.5～3.0 dB 范圍內波動；相比于其他兩種方法，本文技術的噪聲振幅在-1.5～0.8 dB范圍內波動，波動范圍最小、最平穩，由此說明該技術抑噪效果最好。

4 結語

本文研究人機交互嵌入式圖形用戶界面視覺增強方法，通過將區域特征完成融合，實現用戶界面分層提取，利用線性濾波消除部分圖像中的部分噪聲，實現了模糊圖像去模糊處理?；诖?，獲取視覺圖像飽和度，并計算了視覺圖像增強后的亮度分量，以此完成對去模糊處理后圖像增強處理。實驗結果表明，本文方法增強了用戶界面展示效果，有效解決了噪聲振幅較大的問題。