奇妙的图像处理算法

美妙的绘图演算法

绘图(image processing)，用计算机系统对影像展开预测，以达至所需结论的控制技术。又称为影像处置。绘图通常指位数绘图。

Scriptol列举了三种奇妙的绘图演算法，让他们一同上看呵呵。

http://www.scriptol.com/programming/graphic-algorithms.php

位数黄金时代晚期的相片，解析度较低。特别是许多电脑游戏的相片，弱化后是无数个画素魔方。Depixelizing演算法能让高清晰度的画素图转化成为高效率的矢量图。

http://research.microsoft.com/en-us/um/people/kopf/pixelart/

（上面的图是画素图和转换后的矢量图，可见，聚合的矢量图/矢量图的效果更好）

画素图，也是他们通常讲的1280*720什么的，是每行多少个画素，每列多少个画素相片的画素数越多，颜色就越连贯美，影像就越清晰。这种相片被实际广泛应用于1990年代中期以前所有的电脑和电脑游戏。另外，较老的桌面环境里的图标、小显示屏设备例如手机，都应用这类相片。由于那时的硬件条件限制，美工们被强迫用只有很少颜色分类的画板作图，并且要机械地手工设定每个画素的位置，而不是从更高解析度作品自动缩放。

这些画素图实际上成为了一整代人的文化符号，如今虽然已经很少出现，但是由于每个画素手工布局使得每个画素都承载丰富的意义，是值得怀念的，情怀啊。如果能够将其重现至现在的各个解析度的电子设备，岂不是也是一种乐趣？

这就引出了另外一种图：矢量图，也称为面向对象的影像或绘图影像。矢量文件中的图形元素称为对象。每个对象都是一个自成一体的实体，具有颜色、形状、轮廓、大小和位置等属性。

也是说，矢量图是由很多独立的影像拼接起来的。弱化后影像不会失真，和解析度无关。

他们平常拍摄的影像，如果弱化就会模个整体，不可能是相互独立分离的许多元素拼接成一幅影像。

矢量图是通过多个对象的组合聚合的，对其中的每一个对象的纪录方式，都是以数学函数来实现的，也是说，矢量图实际上并不是象位图那样纪录画面上每一点的信息，而是纪录了元素形状及颜色的演算法，

当你打开一幅矢量图的时候，软件对图形象对应的函数展开运算，将运算结论[图形的形状和颜色]显示给你看。无论显示画面是大还是小，画面上的对象对应的演算法是不变的，所以，即使对画面展开倍数相当大的缩放，其显示效果仍然相同[不失真]。

矢量图的主要格式有EPS，CDR，WMF，emf等，通常用到的jpg，bmp，png通通不是矢量图，而写论文杂志社肯定是要求矢量图的。

换言之：你只要知道矢量图能任意弱化，不变色，不模糊就行了。而位图是由无数的色彩点组成的图案，当被无限弱化时会看到一块一块的画素色块，效果会失真。

那怎么从画素图导出一张光滑、与解析度无关的矢量图，它能任意弱化而不会失真。先上看看效果吧，是这样的。有没有觉得很奇妙？其实原理就一句话，检测边界并曲线拟合，但是过程是非常具有挑战性的。

此处简要介绍呵呵演算法的原理，结合例子来简要说明，特意将英文子图说明注释保留。

上图从左至右是基本的流程，中间四幅图展现的是弱化的耳朵部位。有几个部分需要注意：

1 保留有意义的画素。当有些画素与周围画素的颜色信息不同时，它是影像的典型特征，需要保留，如找出图中的耳朵部位。

2 区分需要展开连续处置的部分，与不需要展开连续处置的部分。如图嘴巴是不需要展开连续处置的，要保持波动。而脑袋的轮廓需要展开连续光滑处置。

3 区分哪些相似画素应该被联系起来，哪些不需要。如图嘴巴处，考虑2*2四个画素，比如嘴巴部位下面的四个画素，红色应该被连接起来构成特征曲线的部分，而白色不应该。（具体是采用启发的方法，过于复杂不提）

解决了上面的问题后，就得到了许多线条，对这些线条展开样条插值能得到最终的结论。（中间省略N多控制技术难题）。

让老照片自动变成彩色的演算法。

http://www.cs.huji.ac.il/~yweiss/Colorization/index.html

当年一张黑白照片就珍贵的不行，现在手机拍出来的都是高清彩色图了。

好吧，那就当那当年的黑白相片，重新着个色可好？《Colorization using Optimization》。

该文章基于最简单的原理，那是灰度值差不多的画素，应该具有差不多的颜色。既然在灰度空间相似，在彩色空间也应该相似。

有没有觉得很奇妙，几乎是全自动的，用户只需要许多很简单的交互，就能将各个区域分割开来，然后分别上色。

比如下图，在需要上相同颜色的区域，用相同的笔触简要画出，就能识别各个区域，然后分别上色，毫无失真感有没有？!

当然，如果将各个区域平滑地分割出去，避免出现不连续的颜色边界，是问题的难点。那是影像分割的问题，堪称绘图领域最难的几个方向之一。

能把许多图自动拼接成一幅图：《Sketch2Photo: Internet Image Montage》，绝逼的黑科技。

根据一张草图，选择原始照片，然后把它们合成在一同，聚合新照片。这是清华大学的科研成果。

http://cg.cs.tsinghua.edu.cn/montage/main.htm

不留痕迹地去掉照片上某件东西的阴影的演算法。

Pyramid-Based Shadow Removal

http://www.cs.huji.ac.il/~danix/ShadowRemoval/index.html

所谓“HDR照片“，是扩大亮部与暗部的对比效果，亮的地方变得非常亮，暗的地方变得非常暗，亮暗部的细节都很明显。

实现HDR的软件有很多，这里推荐GMIC。它是GIMP影像编辑软件的一个插件，代码全部开源。

http://gmic.sourceforge.net/

所谓”消除杂物”，是在照片上划出一块区域，然后用背景自动填补。Resynthesizer能做到这一点，它也是GIMP的一个插件。

http://www.logarithmic.net/pfh/resynthesizer

自动对容貌展开”美化”的演算法。

http://www.leyvand.com/beautification2008/

作者： 阮一峰

日期： 2011年8月13日

版权声明：自由转载–非商用–非衍生–保持署名（创意共享3.0许可证）

2016新春开工大吉！！