移动数字多媒体动画目标图像校正仿真

来源:用户上传      作者:

　　摘 要：本文主要探讨了移动数字多媒体动画目标图像校正的相关问题。文章首先简单阐述了校正的基本原理，形成对移动数字多媒体动画目标图像校正的基本认识;然后具体分析了基于圆度判别、像素灰度以及透视原理的移动数字多媒体动画图像倾斜校正方法的基本原理及存在的突出问题;最后针对这些方法存在的问题提出了基于Radon变换与Canny算子相结合的移动数字多媒体动画图像校正方法，通过实证研究探讨了该方法的优点。
　　关键词：移动数字多媒体;动画;图像校正
　　0 前言
　　随着移动互联网的普及程度越来越高，移动数字多媒体在生产和生活中的应用也越来越广泛。在制作移动数字多媒体动画的过程中，只有保障其质量，才能使移动数字多媒体动画功能全、范圍广等特点得到充分的发挥。为此，运用科学的技术与手段，校正移动数字多媒体动画目标图像以改善其质量，显得尤为重要。对于移动数字多媒体动画目标图像校正技术的研究，是当下的一个重要课题。
　　1 移动数字多媒体动画图像校正的具体原理概述
　　动画图像目标的校正是当前移动数字多传媒动画需要解决的一个重要技术问题，在校正的过程中可以选择的技术方法是多种多样的，但无论采取何种技术方法，其原理基础都是大同小异的。移动数字多传媒动画目标图像校正的基本原理如下：在校正的过程中，需要采集无倾斜动画图像，根据特定的准则，将动画图像当中的特征点数目减少，并判断其最大的兴趣点集合，然后提取出特征点的特征，该特征应该具有旋转不变性，最后，提取出待校正动画图像的特征点，并完成特征点双向自相关式配准，从而实现动画倾斜目标图像的校正。
　　具体可以将无倾斜动画图像假设为f（x，y），在f（x，y）中有许多特征点，其中动画图像的图像角点d以及动画图像的质量中心g是最重要的特征点。动画图像的图像角点在旋转及平移下具有不变性，而动画图像的质量中心是某个子区域像素值的重心，所以是动画图像最典型的特征点。在移动数字多传媒动画目标图像校正的过程中，首先需要利用提取公式〔h（t）表示的是特征点的提取函数，I0表示的是最大兴趣特征点集合〕提取出无倾斜移动数字多传媒动画目标图像的最大兴趣特征点集合。在获取了动画目标图像的特征点后，再提取出描述该特征点的向量，也就是特征描述子，其可以利用公式（其中λ表示的是特征描述子的提取准则）。假设有待校正的移动数字多传媒动画目标图像为f’（x，y），将其代入提取公式中可以得到倾斜动画图像的最大兴趣特征点集合I1，并通过特征描述子的计算公式得到其特征描述子lt。通过将I0中的各点，在I1中查询相关系数较大的点作为校正配准点;将I1中的各点在I0中查询相关系数较大的点作为配准点，就可以确保I1及I0中各个特征点都有一个配准点。然后，再进行相同的配准点对数量的查找，要是I0当中，其第i各配准点是I1中的第j个点，接着就可以判断I1的第j个点是不是I0的第i个点，如果结果为是则表明配准成功，如果为否则可以将I0的第i个点剔除，直到最后得到倾斜动画目标图像的正结果R（x，y）。
　　2 主要的移动数字多媒体动画图像校正方法及存在的缺点
　　在制作移动数字多媒体动画的过程中，交互式动画倾斜是一个客观存在的问题，对移动数字多媒体动画制作的质量有直接的影响。因此，对其的图像校正是一个重要的环节。校正可以通过多种方法实现，其中传统的方法是将待校正的移动数字多媒体动画图像进行全方位投影，然后将投影数据求和，以不同方位数据的累加和为依据，判断数字多媒体动画图像的倾斜角度，从而完成整个动画目标图像的校正。这种方法有明显的缺陷，由于在校正的过程中需要极大数据量的运算，需要耗费的时间比较长，更重要的是通过该方法的校正，效果也得不到有效的保障，误差比较大。移动数字多媒体动画图像的校正在目前是一个热门的研究话题，领域内的专家与学者进行了大量的研究，探索出了一些具有代表性的校正方法。
　　一是基于圆度判别的移动数字多媒体动画图像倾斜校正。这种校正方法需要先对移动数字多媒体动画图像进行预处理，以获得二值图像轮廓边缘。然后再通过移动数字多媒体动画图像内圆度确定最接近圆的圆形样点，从而取得样点的质心，并计算连接质心直线的斜率，最终得到移动数字多媒体动画图像的倾斜角度完成图像的校正。该动画目标图像校正方法虽然能够较好地完成校正工作，校正的效率有了很大的提高，但是仍然存在一些问题，其中最突出的就是校正误差，每幅待校正的图像都会有较大的校正误差，使其无法完全满足准确校正的要求。
　　二是基于像素灰度的移动数字多媒体动画图像倾斜校正。该校正方法的运用需要考虑到图像的结构特征，以图像的行、列两个方向的像素灰度为依据，确定图像校正指标，并在角度检测范围利用折半搜索法以及校正指标检测待校正图像的校正角度、校正位置。基于像素灰度的移动数字多媒体动画图像倾斜校正方法具有前期耗时较少及平稳度较高的优点。但是，在待校正图像不断增加的情况下，利用该方法校正需要消耗的时间会大幅度增加，当数量大于10幅时，其耗时会出现明显的上升，因此具有耗时长的缺点。
　　三是基于透视原理的移动数字多媒体动画图像倾斜校正。在运用该方法校正图像的过程中，需要引入畸变误差因子，从而构建移动数字多媒体动画图像校正的具体方法，通过标定数码相机参数，实现图像倾斜校正。基于透视原理的移动数字多媒体动画图像倾斜校正方法的优点在于校正之后能够确保图像清晰度不会受到太大的影响，其校正的效果相较于基于圆度判别的移动数字多媒体动画图像倾斜校正有一定的提升。但是，这种方法仍然存在着校正偏差大、校正可靠性较差的问题。
　　3 基于Radon变换与Canny算子相结合的移动数字多媒体动画图像校正实例研究
　　通过前面的分析可知，移动数字多媒体动画图像的校正意义重大，但是上述的目标图像校正方法都存在着比较明显的缺点，例如在校正的过程中需要消耗的时间长，校正的时间成本高，或者是存在校正误差大，校正的效果无法得到更有力的保证等问题。为此，可以采用基于Radon变换与Canny算子相结合的移动数字多媒体动画图像校正方法，校正交互式动画目标图像，进一步改善校正的整体效果。为了验证基于Radon变换与Canny算子相结合的移动数字多媒体动画图像校正方法的校正效果，在MATLAB2017上搭建实验平台，选择50幅动画图像作为待校正图像进行实验，检验基于Radon变换与Canny算子动画图像校正方法的校正误差和校正效率。 　　3.1 基于Radon与Canny移动数字多媒体动画图像校正的关键内容
　　该移动数字多媒体动画图像校正方法首先需要基于径向畸变与倾斜失真模型建立动画图像，在此过程中需要根据移动数字多媒体动画图像的倾斜失真和网格坐标系，以及移动数字多媒体动画图像的坐标系偏差为依据，通过几何关系得到倾斜失真模型，再利用多项式拟合法得到移动数字多媒体动画图像的径向畸变模型。再将Radon变换与Canny算子结合，校正倾斜的移动数字多媒体动画图像。在校正的过程中，通常需要处理彩色的移动数字多媒体动画图像，将其转化为灰度动画图像，并且利用高斯滤波器做出平滑处理，通过Canny算子完成图像的边缘检测，利用Radon变换获得移动数字多媒体动画图像的倾斜角度。最后通过倾斜失真模型、最大倾斜角、径向畸变模型代入到双线性差值法中，最终获得校正后的图像。具体的实验步骤如下：
　　3.2 基于Radon与Canny移动数字多媒体动画图像校正的实验步骤
　　基于Radon与Canny移动数字多媒体动画图像校正具体包括五个步骤：第一步，将用于实验的待校正图像读入;第二步，将彩色的待校正动画目标图像转换为灰度图像，为图像边缘检测做好准备;第三步，通过Canny算子完成对转换后的待校正动画目标图像的边缘检测，找到图像的最大倾斜角，在这一步骤中首先需要通过高斯滤波器完成对待校正动画目标图像的平滑处理，然后利用一阶偏导有限差分计算梯度方向及幅值，接着针对梯度幅值进行非极大值抑制，最后通过双阈值算法完成检测，并连接图像边缘;第四步，通过Radon变换完成对待校正动画目标图像倾斜角度的计算，在倾斜角度计算的过程中，需要以θ来表示图像Radon变换的角度，而θ的取值为0度到180度的区间，1度的增量。通过Radon变换计算倾斜角度首先需要通过Canny算子完成边缘检测获得的图像开展radon变换，然后将其各个方向Radon变换的具体数值Rθ（X1）计算出来，接着通过累加以及求导的方法求出变换矩阵中最大的Rθ（X1），最后数值最大的Rθ（X1）对应的θ的值就是待校正动画目标图像的最大倾斜角。第五步，通过双线性插值算法旋转獲得50幅动画目标图像校正后的图像。
　　4 结语
　　校正方法的研究对于移动数字多媒体动画的发展有重要的意义。通过基于Radon变换与Canny算子相结合的校正方法，可以很好地弥补常用的校正方法存在的误差大、耗时长的缺陷，从而为移动数字多媒体动画图像的校正提供一个有益的思路。
　　参考文献：
　　[1] 郭治卿，贾振红，杨杰.基于圆度判别的生物芯片图像倾斜校正算法[J].激光杂志，2017（6）：58-61.
　　[2] 马歌.基于Canny算子和Radon变换的证件图像倾斜校正[J].中国新技术新产品，2014（15）：14-15.
　　[3] 王毅萍，黄清源.移动数字多媒体动画目标图像校正仿真[J].计算机仿真，2018，35（11）：196-200.
　　作者简介：杨成立（1972—），男，安徽淮北人，南京工程学院艺术与设计学院副教授，研究方向：艺术设计，艺术学理论与创作。
转载注明来源:https://www.xzbu.com/1/view-14936862.htm