可视媒体交互与合成技术的融合

王上上　盛欣

摘 要：在数字媒体技术快速发展的背景下，可视媒体迎来新的发展机遇，其中可视媒体交互和合成技术是近年来的热点问题。笔者将从交互编辑、画质增强与无缝合成三个角度讨论可视媒体交互与合成技术的融合。

关键词：可视媒体交互；交互编辑；画质；无缝合成

0 前言

人类接受的信息有超过八成来自于视觉，因此基于图像与视频的可视媒体一直以来是信息传播的重要载体。随着可视媒体交互和合成技术的发展与融合，可以实现更加高效的交互编辑，考虑多种环境因素，完成高质量合成目标。

1 可视媒体交互编辑

目前可视媒体交互编辑主要采用图像软扣取、显著性检测等技术。其中软扣取技术以三分图的方式计算出未知区域透明度，从而实现精确提取。显著性检测技术基于视觉注意理论，以从下而上的估计方式自动地提取出感兴趣的对象。这些技术的应用大大缓解人工交互的负担，降低编辑复杂程度，并可以达芙通提高提取精度，可视媒体交互编辑使资源处理更加高效。

1.1 混合式图像软抠取

软抠取是从参数优化角度实现感兴趣对象精确提取的技术，在此基础上可以生产透明度信道，用于无缝合成。软抠取技术属于欠约束问题，由于求解时需要实现有效的估计，因此软抠取难度往往较大。目前国内应用较多的软抠取方法包括闭形式与鲁棒式两类。前者基于局部平滑假设，后者基于置信度评价。鲁棒式软抠取的关键性问题是解决平滑假设违背问题，颜色采样错误率高。混合式图像软处理是在上述两种方式基础上发展出的技术，通过引进优化参数，实现两种方法优势的提取。三种软抠取的结果对比如图1所示。可见采用混合式抠取方法使得局部平滑违背问题和无效置信度评价均不再出现。

闭形式软抠取的优点在于连通误差小，鲁棒式软抠取在绝对差和、平均平方误差、梯度误差与连通误差四方面均表现较差，而混合式软抠取绝对差和最小，且有更小的梯度误差。

1.2 基于软抠取相似度的图像编辑传播

图像编辑传播的方法得以为用户提供直观的交互接口，并进行粗略编辑。基于相似度模型的编辑传播大多采用指向于被标记的像素或者高相似度像素两种编辑策略，而下文的基于软抠取相似度的图像编辑传播能够获得完整的编辑图，从而得到高水平表面特性调整，直观上实现更佳亮度特性等。

基于软抠取相似度的图像编辑传播的能量方程由数据项与传播项两项组成，分别对应用户标记策略与高相似度策略。这种图像编辑传播方法可以处理界限模糊图像，从而实现高质量的图像表面特性调整。

总而言之，交互编辑的最终目的是降低人工交互复杂程度，使媒体编辑的准确度更高。

2 画质增强

可视媒体交互与合成技术融合下实现画质增强主要是基于锐度增强的，此技术的运用能够增加边界区域对比度，还能够加强细节的表现。利用去运动模糊技术可以估算得到模糊核，然后以反卷积技术实现结果的精确求解。提取可视媒体锐度特性和运动模糊并进行相应处理，能够基本消除模糊去除问题，并改善调整问题，使媒体画质得到优化。锐度增强技术与去运动模糊技术很好地满足用户的画质需求。

2.1 梯度域内边界保持的图像锐度增强

所谓图像锐度增强指的是使锐度特性得到提升的技术，尽管锐度增强使所有像素均同步增强，但是经常受到噪声的影响。Photoshop可以通过滤波器使锐度增强，但是噪声问题长期困扰着用户。本文提出的梯度域内边界保持的图像锐度增强能够缓解由于同步增强产生的噪声，通过平滑的梯度变换保留边界特征。此锐度增强流程分为锐度特征表示、梯度变换与图像重构三个步骤。第一部是将局部最大梯度像素作为特征像素，然而针对特征路径上所有像素进行初始化的梯度变换，最后通过构建能量方程生成结果。系统流程最为关键的步骤是梯度变换过程，该过程直接影响边界的质量。

人们多以视觉的方式验证锐度增强效果，验证过程的准确性很难保证。而基于锐度分布的评价模型客观性更强，通过此评价模型可以有效评价不同锐度增强方法的效果优劣。第一步是根据计算特征路径锐度的公式，估算出源图像锐度特征，第二步计算不同锐度特征图像锐度分布差异，最后一步是深入分析锐度分布差异。笔者曾对双边滤波器、拉普拉斯滤波器、显著性滤波器进行运行性能的评测，双边滤波器时间消耗最少。

2.2 面向高质量图像合成的锐度转移

通常在图像合成工作中，工作人员常常在消除源图像和目标图像差异时遇到困难，其中边界、锐度等因素差异的缩小可以大大提升合成质量。通过实现锐度估计、梯度变换、图像重建与无缝合成四个环节可以确保源图像和目标图像锐度特征一致。

3 无缝合成

可视媒体交互与合成技术融合下的无缝合成可以借助于可视媒体克隆技术充分发挥边界插值机制的作用，直接把感兴趣的对象无缝合成至媒体中。无缝合成和黏贴合成技术有本质差别，无缝合成更大程度地考虑周围环境特征，从而实现风格、画质、亮度、色调等方面的共同提升。

以往在进行图像无缝合成时常应用泊松图像克隆法，但是对场景要求高，否则光照与颜色差异大，除此之外，泊松克隆法还要求标注边界范围的准确性，因此基于颜色协调的无缝合成技术应运而生。这种图像无缝合成方法第一步是抠取感兴趣的对象，构建过渡区域；第二步是通过梯度与软抠取共同形成梯度；第三步把混合式引导向量以参数优化的形式导入泊松克隆方程里。混合参数优化是决定合成效果的重要因素，赋予混合参数0.4可以取得良好效果，同时提升源图像与目标图像的颜色特性。通过软抠取与泊松克隆的融合，可以有效解决失色现象，合成图像过程中可以更好地与周围环境相互匹配，从而表现更好的颜色特性，提高无缝合成质量。在将可视媒体交互与合成技术融合的过程中，必须使源图像与目标图像再画质、光照等特性方面实现统一性，基于均值坐标克隆的框架可以避免出现边界模糊的问题。

4 小结

目前可视媒体交互的发展仍然有许多瓶颈问题需要解决，本文通过对关键性技术的讨论，对可视媒体交互和合成技术的融合理论完善与技术创新均有一定参考价值。

参考文献：

[1] GASTAL E S L，OLIVEIRA M M . Domain Transform for Edge-Aware Imageand Video Processing[J] . ACM TOG，2011，30（4）.

[2] 张赟.可视媒体交互式编辑与融合研究[D].浙江大学，2013.

[3] 赵怀栋.数字技术推动下的后媒体时代探析[J].新闻知识，2014（3）：28-29，21.

[4] 刘飞彤.图像变换与合成技术的研究[D].中国科学院研究生院，2012.