虚拟色彩搭配下的古建筑饰面颜色自动修复方法

谢静安

(合肥职业技术学院 建筑工程学院，合肥 238000)

古建筑饰面颜色具有独特的艺术风格和艺术价值，传统的古建筑饰面颜色自动修复方法引入了一种保护性修复方法，解决古建筑饰面颜色修复的问题[1]。从修复技术层面上来说，该方法限制了保护性设计的重要因素，存在一定的缺失，为此，有许多建筑师开始深入研究自动修复技术。在本次研究中，针对传统的古建筑饰面颜色自动修复方法存在的问题，提出基于虚拟色彩搭配的古建筑饰面颜色自动修复方法，利用虚拟色彩搭配技术恢复饰面颜色模板的周围信息，在此基础上，引入修补算法自动地恢复饰面颜色模板上受损的部分。该方法可以有效地修复古建筑饰面颜色。为保证自动修护效果不受其他因素影响，采取直接主动方式合理选择古建筑吊顶饰的修复空间。在使用的过程中，要谨慎使用解体方法保证较长时间内都不用维修。在设计的过程中，考虑到需要将修复算法应用到自动修复中的各个阶段，提出一种可靠性高的维护技术，自动生成程序补丁，有效修复错误。为验证所提的基于虚拟色彩搭配的古建筑饰面颜色自动修复方法的合理性，设置对比实验，证实所提方法有效性。具体实现过程如下。

1 古建筑饰面颜色空间补色

为能准确修复古建筑饰面颜色，先综合评估古建筑饰面颜色综合价值，根据不同价值等级，采用数据运算进行补色，具体评估过程见表1所示；

表1 古建筑饰面颜色综合价值评估指标

评估结束后，使用虚拟色彩搭配法在饰面颜色上直接进行数据运算[2]。在增强过程中每个像素的处理都与其他像素无关，虚拟色彩搭配结束可描述为；

g(x,y)=f(x,y)×h(x,y)

(1)

其中，g(x,y)表示饰面颜色某个区域处理前的模板，f(x,y)表示饰面颜色某个区域处理后的模板，h(x,y)表示饰面颜色空间运算函数[3]。

在增强古建筑饰面颜色空间时，要计算饰面颜色图像的变化系数。修正后，通过逆变换补色饰面颜色空间。虚拟色彩搭配法中有一种色彩环，在色彩环上，就可以直接补色，见图1；

虚拟色彩搭配补色类似于灰度负值，在后续自动修复细节中很重要[4]。当补色效果不佳时，要运用色彩环校正。需要注意的是，每一个补色过程都会影响饰面颜色的修饰效果，故采用色彩环补色古建筑饰面颜色空间。

2 古建筑饰面颜色自动修复空间选择

使用虚拟色彩搭配法补色饰面颜色空间，再选择古建筑饰面颜色自动修复空间[5]。运用RGB 模型选择古建筑饰面颜色自动修复空间。RGB 模型使用红、蓝、绿三个原色的亮度来定量表示颜色。通过叠加处理饰面颜色空间选择修复通道。RGB 颜色空间立方体，见图2所示：

当RGB 颜色空间上任何一个基色亮度值为0时，远点处皆为黑色[6]。当红、蓝、绿这三个基色达到最亮度时，会呈现为成白色。由图2可知，在黑色与白色的对角线上亮度会呈现灰色。为了不影响修复效果，需要选择修复通道，解决交叉问题。先在图像数据集中随机挑选2 000个点，统计各个通道的相关性。这2 000个点均匀分布在主轴上，相比LMS空间更对称，需要注意的是，这2 000个点的通道都是相互独立的。若LMS空间变形就会破坏通道，所以需要在修复前，选择对应的修复空间[7]。

第一步，与设备有直接关联，可利用公式(2)选择一个与设备无关的修复空间，表达式为:

(2)

其中，x、y、z表示LMS空间坐标，R、G、B表示x、y、z选择后的修复坐标[8]。

第二步，应用公式(2)即可得到对应的饰面颜色修复空间。其他颜色的空间选择，应用YUV 颜色模型选择修复空间。YUV 颜色模型是通过损失色度信息选择，该模型主要强调亮度信号和色度信号的分离，可以有效解决其他色彩兼容的问题[9]。YUV 颜色模型其他颜色自动空间选择表达式为；

R+Y+1.14V

G=Y-0.39U-0,54V

(3)

B=Y+2.23U

其中，U表示YUV颜色空间，V表示色度分量。应用公式(3)选择古建筑饰面颜色空间。

3 古建筑饰面颜色自动修复流程

使用虚拟色彩搭配法补色古建筑饰面颜色空间后，运用YUV 颜色模型和RGB 颜色模型选择古建筑饰面颜色自动修复空间[10]。完成上述工作后，构建古建筑饰面颜色自动修复模型。具体实现过程如下：

运用K-L变换法将连续信号用一组不相关的系数表示，实际上是转化坐标系的线性，由此，得到新坐标系。

设古建筑饰面颜色模板为，计算公式为:

mf=E{f}

(4)

其中，mf表示自相关函数，E表示矩阵的特征向量，f表示特征值。应用公式(4)构成一个W维空间上一个完全正交向量系，新的坐标系是由PCA特征空间给出的，特征向量是空间上某个点在这些坐标系中的投影[11]。为实现古建筑饰面颜色自动修复，采用自协方差函数，表达式为:

C(i,j)=E{(xi(k,l)-xi)}

(5)

其中，C表示对角化矩阵，j表示像素频道值，i表示频带平均值，E表示取值范围[12]。

在R、G、B上有三个频带，皆采用3×3协方差矩阵表示，在主分量分析的过程中数据之间是不相关的，当i≠j时，C(i,j)等于0[13]。为实现数据变换，加强数据间的相关性。具体处理步骤如下：

第一步，在PCA特征空间中找到分布点均值。

第二步，减去相应的频带上的灰度均值，将PCA坐标系的中心转移到分布中心。

第三步，求出对角化矩阵后，要依次按照大小排列，将相应的特征向量作为行，即可得到特征矩阵。

使用主分量分析法将得到的特征矩阵换成公式(6):

Y=A(X-μ)

(6)

其中，X表示修复输出色，A表示特征向量，Y表示主分量独立空间矫正彩色向量。将得到后的模板进行像素匹配。

为了将彩色信息填充到饰面上，要将目标灰度图中的每个像素与彩色源像素匹配,使匹配结果达到最佳[14]。运用Welsh 算法，计算公式;

(7)

其中，Err表示匹配误差，△L表示修复空间像素亮度差，△D表示修复空间亮度值标准差。Err值越小，两个修复空间修复效果越好。依据虚拟色彩搭配理论决定修复空间的通道。在修复的过程中，要单独匹配每个通道的像素和彩色源像素[15]。

基于虚拟色彩搭配的古建筑饰面颜色自动修复流程，见图3：

运用PCA特征空间转换x、y、z坐标，得到一个新的坐标系，再运用公式(6)映射颜色空间亮度，最后，按照扫描线的顺序修复饰面颜色模板的周围信息。

由此，完成基于虚拟色彩搭配的古建筑饰面颜色自动修复方法的设计。

4 实验分析

为了验证所提方法设计的合理性。通过对比传统方法对古建筑饰面颜色进行修复，具体过程如下所示。

4.1 实验样本

在实验中，选用一张原始古建筑的图像，对比传统古建筑饰面颜色自动修复方法，原始图像如图4所示。

如图4所示，延时古建筑饰面由于时间久远，颜色褪色严重，多以黑、白、灰为主色调。

4.2 实现过程

采用先进的自动修复技术所得的古建筑吊顶饰面自动修复。

第一步，颜色空间亮度重映射。在色彩空间增强时，图像各项亮度分布情况会对匹配结果造成很大的影响。因此，在匹配前，要进行亮度重映射，保证亮度重映射形状与颜色亮度分布的一致性，这样可以有效减少色彩匹配产生的误差。

第二步，匹配颜色空间每个像素的亮度像素，保证每个像素亮度与目标图像亮度均值相接近。

第三步，传输源图像色彩空间的目标灰度图，每个像素都要与彩色空间中的像素匹配。

第四步，计算源颜色空间与目标颜色空间亮度偏差。

第五步，检测两种方法饰面颜色修复效果。

由此，完成本次设计。

4.3 实验结果分析

对比基于虚拟色彩搭配的方法与传统方法最终修复效果，具体如图5所示；

图5所示，所提方法自动修复完整度更高、修复效果较为理想。而采用传统方法自动修复完整度不高，出现许多残缺部分。由此，说明所提方法实际应用性更高。

5 结语

针对传统的古建筑饰面颜色自动修复方法存在的问题，提出基于虚拟色彩搭配的古建筑饰面颜色自动修复方法。先增强古建筑饰面颜色空间，再选择自动修复空间，在此基础上，设计基于虚拟色彩搭配的古建筑饰面颜色自动修复流程。完成上述工作后，设置对比实验，验证所提方法设计的合理性。实验中分别对比两个方法的修复完整度。实验结果表明，所提方法修复完整度更高，符合设计需求。但在实验中发现，本次提出的自动修复方法在颜色空间增强上相对薄弱，需要进一步研究，采用不同的技术提高古建筑饰面颜色空间的增强效果。