CN103294864A - 一种采用遗传算法的计算机辅助乱针绣制作方法 - Google Patents

Abstract

本发明公开了一种采用遗传算法的计算机辅助乱针绣制作方法，包括以下步骤：步骤1，以输入的彩色图像作为参考图片，采用图像分割、区域矢量场提取和图像一致性线条提取方法提取输入彩色图不同的对象区域、区域矢量场以及图像显著性等图像特征；步骤2，根据乱针绣的特点定义了描述包括单根绣线、每个交叉针和交叉针排布在内三层参数化针法模型，并描述了根据这些参数构建出针法模型得到绣线集合的方法；步骤3，采用遗传算法依据图像特征确定针法模型参数得到乱针绣绣品针迹序列；步骤4，将针迹坐标转换为电脑刺绣机所需坐标，并将其输入电脑刺绣机，得到相应乱针绣绣品。本发明对乱针绣的机械化标准化生产具有重要意义。

Description

一种采用遗传算法的计算机辅助乱针绣制作方法

技术领域

本发明涉及一种计算机辅助乱针绣制作方法，属于计算机图像处理和计算机图形学技术领域。具体地说，该方法定义并构建了一种适合乱针绣制作的针法模型，并从彩色图像中提取图像特征，采用遗传算法依据图像特征自动确定针法模型参数完成乱针绣的制作过程。 

背景技术

乱针绣是由常州艺人杨守玉教授于二十世纪三十年代创立的一种刺绣艺术，它改革了传统的刺绣方法，使之与西洋画的笔触、色彩相结合，是我国首创的一种新的刺绣表现方法。乱针绣运针自如、用色灵活、施展余地大，它一改传统刺绣针法“密接其针、排比其线”的方法，而是让作者自由的表达自己的情感，用纵横交叉、长短不一、疏密重叠、灵活多变的针法刺绣出来的立体画面，实现“画理”与“绣理”的有机结合。乱针绣对于对象轮廓的细节刻画不像传统针法那样排列整齐，它通过绣线在一次再次的加色中，层层搀和，通过颜色空间色混的方式表现绣面的色彩。乱针绣长于绣制油画、摄影和素描等稿本，绣品具有针法活泼、线条流畅、色彩丰富、层次感强、风格独特等特点，不仅迥别于中国的其它种类绣品，在世界范围内也是极其珍贵的艺术作品，多次作为国礼赠送给外国政府或领导人收藏，体现了其精美的艺术价值和深厚的文化价值。目前江苏省已将其列入首批非物质文化遗产，中国政府也已将其列入世界非物质文化遗产申请计划。然而，乱针绣目前主要依靠手工创作完成，生产周期漫长导致乱针绣作品昂贵，无法为普通民众所拥有和认可；且乱针绣对绣者的技艺素质要求非常高，不仅要掌握“画理”和熟练的绘画技巧，而且能掌握“绣理”和熟练的刺绣技巧，绣者的成才之路艰辛而漫长，导致乱针绣人才日趋匮乏，对这一传世绝技的保护和传承构成了极大威胁。 

因此，采用计算机手段直接从油画、摄影和素描等稿本的数字图像中获取作品内容进而生成相应的乱针绣针迹序列，不仅有利于加深普通民众对于乱针绣的理解而且对乱针绣绣者的培养也具有重要的意义，同时生成的针迹序列也可以作为绣机的输入而自动生成乱针绣绣品，对于乱针绣这一绣艺品种的保护和传承具有重要意义。已有诸如文献1李俊,张华,王崇骏：智能化刺绣CAD系统中的工作流技术研究.计算机 科学,2005,32(3):97-100.所述的日本的Tajima、德国的ZSK、美国的Wilcom等刺绣打版系统，往往需要人工交互编辑针法序列，且生成的针迹线条规整，只能处理简单的图案，不满足乱针绣工艺的要求。由于乱针绣工艺十分复杂，国内外很少有计算机辅助乱针绣制作的研究，主要的研究包括中国专利《一种计算机辅助乱针绣制作方法》，公开号：CN101859335A，该专利以彩色图像作为输入，采用乱针绣绣线颜色选择和针迹生成技术生成乱针绣绣品的针迹序列，并将其输入刺绣机得到乱针绣绣品。然而，其在乱针绣的实际制作过程中影响其绣制结果的因素不仅仅有绣线的颜色，还有绣线排布的长度、密度等多种因素；在针迹生成上，其采用试探法仅仅根据图像局部区域的颜色差异、梯度方向确定绣线针迹而没有考虑到其他图像特征例如区域矢量场，图像的显著性特征对于针迹生成的影响。 

从乱针绣的制作过程上看，其关键是根据输入的彩色图像生成乱针绣制作所需要的针迹序列，我们可以将生成乱针绣针迹序列的过程看成一个基于图像的艺术化绘制过程。基于图像的艺术化绘制过程主要包括以下两大类方法：第一类方法是如文献2MichioShiraishi,Yasushi Yamaguchi.An Algorithm For Automatic Painterly Rendering Based On Local Source Image Approximation.In:Proceedings of the First International Symposium on Non-Photorealistic Animation and Rendering(NPAR’00),2000,pp:53～58.所述直接由图像特征得到笔触模型参数的方法，这种方法在定义了艺术画所用笔触模型后，直接根据颜色差分图像获取笔触参数，但是由于这类方法往往采用贪婪法确定笔触参数，每一笔的笔触参数确定后，后面便不再对其进行修改，往往其得到的笔触序列所绘制的结果并不理想。另一类方法是采用优化方法确定笔触模型参数，如文献3Mingtian Zhao,Song-Chun Zhu.Sisley the abstract painter.In:Proceedings of the8th International Symposium on Non-Photorealistic Animation and Rendering(NPAR’10),2010,pp:99～107.所述采用置信传播算法确定绘制结果的抽象程度，并以此为依据进一步确定笔触的参数，建立了笔触参数与图像抽象程度之间的映射关系，又如文献4J.P.Collomosse,P.M.Hall.Genetic Paint:A Search for Salient Paintings.In:Proceedings of the 3rd European conference on Applications of Evolutionary Computing(EC’05)2005,pp:437～447.所述采用遗传算法建立了笔触参数到图像显著性程度之间的映射关系。然而，这类算法采用优化方法所设定的评价函数往往只与单一的图像特征相关，所得到 的笔触参数也只与单一的图像特征相关。 

而作为乱针绣的制作生成而言，乱针绣在实际制作中需将不同方向、长短和颜色的交叉针交叉重叠堆积来表现物体的体积感以及色彩变化，且在交叉针的排放上既要追求整体上排布的统一，又要保证局部的灵活。而交叉针的这些属性往往与多个图像特征相关，且与图像特征之间的依赖关系复杂，很难建立交叉针属性与图像特征之间的显示函数关系，因此需要通过定义对绘制得到的针迹方案图像的评价函数采用遗传算法这类随机搜索方法去解决这一问题。而已有工作所使用的方法只涉及单一的图像特征，对绘制结果的评价方法不满足乱针绣绣品的评价要求，且其对笔触模型的定义也不符合乱针绣中以交叉针为基本绣制单元的要求。因此，如何定义适合乱针绣制作的针法模型，并从图像中提取相应的图像特征，利用遗传算法确定针法模型参数成为计算机辅助乱针绣制作的重要研究课题。 

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种采用遗传算法的计算机辅助乱针绣制作方法，该方法支持用户以彩色图像作为输入直接获取相应的乱针绣绣品。 

技术方案：本发明公开了一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，包括以下步骤： 

步骤一，图像特征提取：以输入的彩色图像作为参数图像，提取包括对象区域，区域矢量场和图像显著性在内的图像特征； 

步骤二，乱针绣针法模型的定义与构建：定义包括乱针绣单根绣线、交叉针集合中的每个交叉针和交叉针排布在内的低、中、高三层参数化针法模型，并根据参数构建出针法模型； 

步骤三，乱针绣绣品针迹序列生成：依据步骤二中提取的图像特征采用遗传算法自动确定步骤一中所定义的针法模型参数得到乱针绣绣品针迹序列； 

步骤四，将步骤三中得到的乱针绣绣品针迹序列转换为电脑刺绣机使用的以毫米为单位的坐标格式，将其输入电脑刺绣机，从而得到相应的乱针绣绣品。 

本发明步骤一中所述图像特征提取方法为：步骤11：对于输入的彩色图像，采用文献5Pablo A,Michael M,Charless F,Jitendra M.Contour Detection and Hierarchical Image Segmentation.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33(5):898～916中所述gPb-owt-ucm图像分割方法将图像分割成不同的对象区域；步骤12：对于分割后的对象区域，采用区域矢量场提取方法提取区域矢量场；步骤13：对于输入的彩色图像，采用文献7Kang H,Lee S,Chui C.K.Coherent line drawing.In:Proceedings of the5th international symposium on Non-photorealistic animation and rendering(NPAR'2007),2007,pp:43～50中所述的一致性线条提取方法提取图像显著性特征值；这个特征就是一副灰度图像，亮度越大，显著性越高，他的值在0～255之间。 

其中，步骤12中所述采用区域矢量场提取方法提取区域矢量场，具体步骤为：步骤12a：采用文献6R.Gonzalez and R.Woods,Digital Image Processing.New York:Addison-Wesley,1992所述Sobel算子计算对象区域中每个像素点在水平轴x和垂直轴y方向上的图像梯度；步骤12b：根据对象区域水平轴x和垂直轴y方向上的图像梯度计算对象区域矢量场。 

本发明步骤二中包括以下步骤： 

乱针绣针法模型定义：所述乱针绣针法模型由三个部分组成，分别为低层单根绣线参数表示、中层交叉针参数表示、高层交叉针排布参数表示，其中低层参数集合为η={η_k:k=1～4N}，η_k=(m_k,ξ_k,φ_k,C_k)表示单根绣线所对应的参数集，m_k为绣线中心点坐标，ξ_k为绣线长度，φ_k为绣线朝向，C_k为绣线颜色；中层参数集合为χ={χ_i:i=1～2N}，χ_i=(p_i,θ_i,β_i)表示单个交叉针所对应的参数集，p_i为交叉针中心点，θ_i为交叉朝向，β_i为交叉夹角；高层参数集合表示为Ω={ρ,ξ,θ,β,γ}，其中ρ为交叉针排布密度，ξ为交叉针平均线条长度，θ为整体交叉朝向，β为整体交叉夹角，θ和β影响所有交叉针参数χ_i的交叉朝向和交叉夹角，γ为交叉混乱度，控制所有交叉针交叉方向的随意性。 

乱针绣针法模型构建：首先，由高层参数集合Ω可生成初始的交叉针集合Λ={Λ_i:i=1～2N}，其中Λ包含了铺底层交叉针集合{Λ_i:i=1～N}和精绣层交叉针集合{Λ_i:i=N+1～2N}；然后，根据中层参数集合χ分别对生成的交叉针集合Λ进行调整；最后，根据低层参数集合η分别对组成交叉针的绣线进行调整得到最终的绣线集合 Γ={Γ_k:k=1～4N}。 

本发明步骤二中乱针绣针法模型构建具体步骤为： 

步骤21：在所述对象区域内，按照与整体交叉朝向θ方向垂直的方向θ'以交叉针平均线条长度ξ的三分之一为间隔生成辅助线条集合Assist={Assist_j:j=1～M}，M为辅助线条数目，j为辅助线条序号； 

步骤22：根据整体交叉朝向θ和交叉夹角β计算方向角

和方向角从j=0开始到j=M-3结束，按照每隔2条辅助线条的方式即在辅助线条Assist_j与Assist_j+3与对象区域边界所围成的区域之中按照间隔距离d生成整体交叉朝向θ，交叉夹角β共2N个交叉针的初始交叉针集合Λ，其中

ρ为交叉针排布密度。 

步骤23：为了保证铺底层和精绣层之间不会重叠过多，使得下层的颜色完成被上层所覆盖，本发明将初始交叉针集合Λ中编号为奇数的N个交叉针作为铺底层交叉针集合，将编号为偶数的N个交叉针作为精绣层交叉针集合。 

步骤24：根据针法模型中层参数集合χ，对生成的交叉针集合Λ中的每一个交叉针进行调整，将交叉针Λ_i的交叉朝向和交叉夹角变化为对应交叉针参数χ_i中单个交叉针的交叉朝向θ_i和交叉夹角β_i，得到调整后的交叉针集合。 

步骤25：根据低层参数集合η，对组成交叉针集合Λ的所有单根绣线Γ_k进行调整，根据低层参数η_k将每根的绣线的长度、朝向、颜色分别设定为ξ_k,φ_k,C_k，得到最终绣线集合Γ。 

本发明步骤三中乱针绣绣品针迹序列生成，具体步骤为：步骤31：对于每一个对象区域，对高层交叉针排布参数表示参数进行基因编码，其基因的编码为将针法模型中需要确定的高层参数集合Ω中的ρ,ξ,β,γ分别定义一个基因位，记为G=(g₁,g₂,g₃,g₄)，其中g₁代表高层参数集合中的ρ，g₂代表高层参数集合中的ξ，g₃ 代表高层参数集合中的β，g₄代表高层参数集合中的γ；步骤32：按照基因中每个基因位参数的取值范围随机生成包含20个基因的初始种群P并设置迭代次数为1；步骤33：根据种群P中每个基因得到针法模型高层参数集合，计算对象区域的最小外界矩形，并将其长边所在方向设为针法模型参数集合Ω中的θ；步骤34：依据对象区域矢量场Θ_z和高层参数集合Ω得到中层参数集合；步骤35：依据得到的针法模型高层参数集合Ω与中层参数集合χ得到针法模型低层参数集合η；步骤36：根据得到的高层参数集合Ω、中层参数集合χ以及低层参数集合η共三层针法模型参数集合，按照步骤一中所述针法模型构建过程生成该区域对应的绣线集合Γ；步骤37：根据空间色混原理，确定绣线集合Γ中每条绣线的颜色，并将其绘制在白色针迹方案图像之上（本发明中绣线宽度设为1个像素），得到针迹方案图像；步骤38：重复以上步骤直到将种群P中所有个体基因所对应的绣线集合和针迹方案图像都计算出来；步骤39：根据输入的彩色图像，每个基因所对应的针迹方案图像和绣线集合Γ，结合对象区域，区域矢量场和图像显著性特征，计算种群P中每个个体基因的适应度，并按适应度值的大小从小到大排列，保留适应度排在前20的基因P^*，,令P=P^*，即令P^*作为下一代种群，判断如果迭代次数大于20次或者最小的个体适应度值小于0.035则结束整个过程，输出最小适应度值对应的区域绘制结果转而绘制下一个区域，否则进行步骤310；步骤310：选择适应度排在前10的基因采用交叉算子对基因的基因位进行交叉操作，得到种群

步骤311：对种群P_c的每个基因采用变异算子对基因的每个基因位进行变异操作，得到种群步骤312：将种群P_m加入到P中，迭代次数加1，转步骤33；步骤313：根据绣线集合Γ得到每根绣线的起始点和终止点，创建未排序的针迹序列，将绣线集合中每根绣线的颜色C_k赋给针迹序列中每根绣线的颜色color_k，从而获取对象区域的未排序的针迹序列；步骤314：对未排序针迹序列按照其绣线覆盖面积的图像显著性特征值的大小进行排序，得到重新排列的针迹序列；步骤315：重复上述步骤直到得到每个对象区域的针迹序列。 

本发明步骤37中所述采用基于空间色混的绣线颜色选择方法，具体步骤为：步骤 37a：计算铺底层绣线集合中的每条绣线所覆盖区域在输入的彩色图像中的平均色，并选择绣线颜色库中与其颜色最接近的颜色作为铺底层绣线的颜色，并将其绘制在白色绘制方案图像之上，本发明中绣线宽度设为1个像素；步骤37b：对于精绣层绣线集合中的每条绣线Γ_k，构造其外接矩形W；步骤37c：找出白色针迹方案图像在外接矩形W中已经存在的铺底层绣线，并按照每根绣线所覆盖的像素数目计算每根绣线对应的绣线颜色所覆盖的面积

步骤37d：若覆盖像素的总数目小于外接矩形面积比例的10%，则直接选取绣线颜色库中与绣线Γ_k所覆盖源对象区域平均色最接近的颜色作为绣线Γ_k的绣线颜色C_k，结束该条绣线的颜色选择过程转而选择绣线集合中的其他绣线，否则进行步骤37e；步骤37e：计算外接矩形W所覆盖源对象区域的平均色

步骤37f：计算面积

中每个区域被绣线Γ_k所覆盖住的区域面积 

若

未被覆盖，则令

为外接矩形W中已经存在的铺底层绣线的序号；步骤37g：根据颜色的空间色混关系计算出绣线Γ_k所对应绣线颜色

步骤37h：在绣线颜色库中找出与颜色

最相近的绣线颜色作为精绣层绣线颜色C_k；步骤37i：重复以上步骤直到精绣层绣线集合中的所有绣线颜色都被确定。 

步骤39中，所述计算种群P中每个个体基因的适应度，具体步骤为：步骤39a：计算针迹方案图像与输入的彩色图像I_src之间的色差F_app；步骤39b：计算绣线总长度F_len；步骤39c：计算针迹方案图像

的覆盖率F_cov；步骤39d：计算绣线集合Γ的角度差异F_angdiff；步骤39e：在计算得出F_app,F_len,F_cov,F_angdiff后，根据下述公式计算最终的适应度函数值： 

fitness=F_app+0.5F_len+κF_cov+0.5F_angdiff， 

其中κ为F_len的权重。 

步骤310中，所述选择适应度排在前10的基因采用交叉算子对基因中的基因位进行交叉操作具体为：随机从10个基因中选择两个基因；从三个交叉点中随机选择一个 交叉点对两个基因进行交叉，生成两个新的基因；重复上述过程直到所有的基因都被选择过，即可得到经过交叉操作后的种群P_c。 

步骤311中，所述对种群P_c的每个基因采用变异算子对基因的每个基因位进行变异操作具体为：随机从种群P_c中选择一个基因；对选择的基因的每一个基因位进行变异操作，得到新的基因；覆盖该步骤直到P_c中所有的基因都进行过变异操作，即可得到经过交叉操作后的种群P_m。 

本发明前三步骤生成了一个针迹序列，针迹的起始点和终止点的坐标都是以像素为单位，而电脑刺绣机所使用的坐标一般是以毫米作为单位。步骤四将以像素为单位的针迹坐标数据乘以绣线宽度即可得到以毫米作为单位的电脑刺绣机坐标，再将其输入电脑刺绣机即可得到乱针绣绣品。 

最后再将得到的电脑刺绣机格式的乱针绣绣品针迹序列输入电脑刺绣机，从而得到相应的乱针绣绣品。 

有益效果：本发明具有以下优点：1、允许用户以任意的彩色图像作为输入，得到其相应的乱针绣制作结果，大大减少了传统的手工作业量，提高了乱针绣制作效率；2、定义了适合于乱针绣的针法模型，将长期以来经验式的乱针绣技法第一次用计算机语言将其形式化；3、本发明中采用遗传算法自动确定每个图像区域的针法模型参数，无需用户交互，并且提出了合适的适应度函数计算方法和绣线颜色空间混合方法。综上所述，本发明依据输入的彩色图像采用计算机辅助手段自动完成乱针绣的制作过程，并对乱针绣的制作生成做了有意义的尝试，有助于乱针绣这门技艺的传承和发展。 

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。 

图1为本发明的流程图。 

图2为本发明的对象区域提取结果。 

图3为本发明的区域矢量场提取结果。 

图4为本发明的图像显著性提取结果。 

图5a和图5b为本发明的针法模型定义图。 

图6a和图6b为本发明的针法模型构建示意图。 

图7a、图7b和图7c为本发明的基于空间色混的绣线颜色选择示意图。 

图8为本发明最终乱针绣绣制效果图。 

具体实施方式：

本发明公开了一种采用遗传算法的计算机辅助乱针绣制作方法，如图1所示，下面分别介绍各实施例部分的主要流程： 

1、图像特征提取 

本发明提取了相应的图像特征以作为后续乱针绣绣品针迹序列生成的依据，如步骤二所述，本发明所提取的图像特征主要包括，对象区域、区域矢量场和图像显著性特征三种，下面分步一一进行描述。 

1.1对象区域提取 

乱针绣在绣制过程中，针对不同的对象区域其绣制方法也不同，例如在对背景的区域的绣制中，绣线的密度一般较低，绣线长度较长，而在绣制前景区域时，针法密度较高，绣线长度较短，所以在采用计算机对乱针绣进行制作的过程中，需要将图像分割成不同的区域，对不同的对象区域分别设定不同的针法参数以获得较好的绣制效果。如本发明步骤21所述，本发明采用文献5Pablo A,Michael M,Charless F,Jitendra M.Contour Detection and Hierarchical Image Segmentation.IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(5):898～916中所述gPb-owt-ucm图像分割方法，将图像分割成为Z个不同的对象区域{R₁,R₂,...,R_Z}，，每个区域R_z为一组像素点集和，集合中任意像素点至少与该集合中另一像素点相邻，z为区域序号，分割结果如图2所示。 

1.2区域矢量场提取 

由于乱针绣在实际的绣制过程中往往是按照区域纹理的走向确定绣线交叉方向，区域纹理走向可以通过提取该区域的矢量场来得到。本发明如步骤22所述，区域矢量场提取，具体为： 

步骤12a：采用文献6R.Gonzalez and R.Woods,Digital Image Processing.New York:Addison-Wesley,1992所述Sobel算子计算对象区域R_z在水平轴x和垂直轴y方向上的图像梯度G_x(s)，G_y(s)； 

步骤12b：按照公式(1)计算对象区域R_z矢量场Θ_z(s)： 

${\mathrm{\Θ}}_z\left(s\right)=\left\{\begin{array}{cc}{\tan }^{-1}\left(\frac{G_y\left(s\right)}{G_x\left(s\right)}\right)+\frac{\mathrm{\π}}{2}& G_y\left(s\right)>0\\ {\tan }^{-1}\left(\frac{G_y\left(s\right)}{G_x\left(s\right)}\right)+\frac{3\mathrm{\π}}{2}& G_y\left(s\right)\≥0\end{array}\right.,s\∈R_z---\left(1\right)$

其中s为对象区域R_z中每一个像素点，矢量场提取结果如图3所示。 

1.3图像显著性提取 

在乱针绣的绣制过程中，艺术家往往较为关注图像中显著性较高的细节区域，例如花瓣的脉络，衣服的褶皱等等，在绣制时也往往采用比较细密的线条来表现这些细节特征。所以，在本发明中，如步骤23所述，对于输入的彩色图像，本文采用文献7Kang H,Lee S,Chui C.K.Coherent line drawing.In:Proceedings of the5th international symposium on Non-photorealistic animation and rendering (NPAR'2007),2007,pp:43～50中所述的一致性线条提取方法提取图像的细节特征值I_salience用于指导后续的乱针绣绣品针迹序列生成，其中I_salience提取结果为一幅灰度图像，I_salience中每个像素灰度值的区域范围在0～255之间，灰度值越大表明该点处的图像显著性越大，生成结果如图4所示。 

2、乱针绣针法模型定义及构建 

乱针绣以交叉针作为区域填充的基本单位，并且通过不同层次的交叉针相互叠加产生最后的艺术效果。本发明步骤一中定义了乱针绣针法模型的不同参数，并且给出了由针法模型参数构建乱针绣绣针法模型的方法。 

2.1针法模型定义 

乱针绣的以交叉针作为基本的填充单位，乱针绣的针法模型的定义也包括了从底层的单根绣线参数定义，到中层的交叉针定义再到高层的交叉针排布定义三个部分。 

⑴低层参数表示—单根绣线：乱针绣是用针线为工具，以针代笔，以线代色，绣线是乱针绣绘制的基本单元，单根绣线的表示是针法模型的基础，本发明定义单根绣线参数集合为η={η_k:k=1～4N}，其中η_k=(m_k,ξ_k,φ_k,C_k)，包括中心点坐标p_k、长度ξ_k、朝向φ_k和绣线颜色C_k，如图5a所示。 

⑵中层参数表示—单个交叉针：乱针绣的运针要求绣线线条针针交叉，绣线交叉 是乱针绣的特点，在单根线条的基础之上，针法模型需要进一步定义绣线的交叉。乱针绣中绣线交叉的形式大致可以分为两大类：大乱针和小乱针，前种针法运用时，线条交叉都有一定的方向性，如直斜、横斜或倾向角度的交叉；后种针法的线条交叉的形式则一般是向四面散开的，没有方向性。可见，线条交叉方向的控制是定义交叉线条的重要因素。另外，乱针绣的另一个重要特点是通过不同层次的绣线的空间混合产生其艺术效果，使得在绣制区域时颜色过度均匀和谐，因此本发明将交叉针分为了铺底层和精绣层两个层次，其中每个层次都有相应的交叉针参数控制其交叉的朝向、夹角。综上，本发明将两根相交的绣线定义为一个交叉针，所有交叉针对应的参数集合为χ={χ_i:i=1～2N}，其中χ_i=(p_i,θ_i,β_i)，集合{χ_i:i=1～N}为铺底层交叉针参数，集合{χ_i:i=N+1～2N}为精绣层交叉针参数，如图5b所示。L₁和L₂为相交的绣线，p_i为L₁和L₂交点，单个交叉针具有交叉方向θ_i和交叉夹角β_i两个参数，其中，AB为L₁和L₂角平分线，θ_i为AB与x轴夹角，参数β_i为L₁与L₂的夹角，β_i越小，L₁和L₂的方向越接近。 

⑶高层参数表示—交叉针排布：乱针绣绣制过程中，绣线的疏密排列需均匀合度，错落得当，可见线条的疏密控制是针法模型需要考虑的因素；为了表现物象的质感，乱针绣在创作理念上有别于其他刺绣，其用针方法上要做到乱而有序，乱而有理，小乱大不乱。因此，在单个交叉针定义的基础上，针法模型需要通过若干参数控制多个交叉针的排布。在交叉针的排布中，每个交叉针有各自的放置位置、交叉方向及交叉夹角等参数，针法模型需要包含多个交叉针整体交叉方向和交叉夹角的控制参数，同时为了控制所有线条整体乱的程度，针法模型中还需加入线条交叉方向随意性的控制机制。因此，本发明定义的乱针绣针法模型中的高层参数集合Ω包括ρ,ξ,θ,β,γ五个参数，其中ρ为交叉针排布密度，ξ为交叉针平均线条长度，θ为整体交叉朝向，β为整体交叉夹角，γ为交叉混乱度。 

三层针法模型参数之间的关系为：高层参数集合Ω中的θ和β影响所有交叉针参数χ_i中的交叉朝向和交叉夹角，γ控制所有低层参数η_k中绣线朝向φ_k的随意性。中层 参数集合{χ_i:i=1～N}对应了铺底层交叉针参数集合，{χ_i:i=N+1～2N}对应了精绣层交叉针参数集合，低层参数集合{η_k:k=1～2N}对应了铺底层绣线参数集合，{η_k:k=2N+1～4N}对应了精绣层绣线参数集合。由于一个交叉针由两根绣线组成，所以交叉针参数χ_i所对应的绣线参数为η_k,η_k+1，其中k=2i。 

2.2针法模型构建 

所谓乱针绣的针法模型构建就是指按照乱针绣的针法模型参数构建填充对象区域R所需要的绣线集合Γ（区域R可由后续步骤二中所述图像特征提取得到）。区域内交叉针集合的整体排布由高层参数集合Ω控制，每组交叉针的属性由中层参数集合χ控制，单根绣线的属性则有低层参数集合η控制。由高层参数集合Ω可生成初始的交叉针集合Λ={Λ_i:i=1～2N}，其中Λ包含了铺底层交叉针集合{Λ_i:i=1～N}和精绣层交叉针集合{Λ_i:i=N+1～2N}。然后，根据中层参数集合χ分别对生成的交叉针集合Λ进行调整。最后，根据低层参数集合η分别对组成交叉针的绣线进行调整得到最终的绣线集合Γ={Γ_k:k=1～4N}，其中{Γ_k:k=1～2N}为铺底层绣线集合，{Γ_k:k=2N+1～4N}为精绣层绣线集合，交叉针Λ_i所对应的绣线分别为Γ_k,Γ_k+1，其中k=2i。 

综上，本发明所述步骤一中所述乱针绣针法模型构建过程如图6所示，具体包括以下步骤： 

输入：乱针绣高层参数集合Ω，中层参数集合χ={χ_i:i=1～2N}，低层参数集合η={η_k:k=1～4N}； 

输出：构建出的绣线集合Γ； 

步骤21：在所述对象区域内，按照与整体交叉朝向θ方向垂直的方向θ'以交叉针平均线条长度ξ的三分之一为间隔生成辅助线条集合Assist={Assist_j:j=1～M}，M为辅助线条数目，j为辅助线条序号，如图6a所示； 

步骤22：根据整体交叉朝向θ和交叉夹角β计算方向角

和方向角从j=0开始到j=M-3结束，按照每隔2条辅助线条的方式即在辅助线条Assist_j与Assist_j+3与对象区域边界所围成的区域之中按照间隔距离d生成整体交叉朝向θ，交叉夹角β共2N个交叉针的初始交叉针集合Λ，其中交叉针的中心点坐标为p_i，组成交叉针的每根绣线的中心点坐标为m_k,m_k+1，如图6b所示，其中本发明设定交叉针的中心点坐标与组成绣线的中心点坐标相等为p_i=m_k=m_k+1,k=2i，

ρ为交叉针排布密度。 

步骤23：为了保证铺底层和精绣层之间不会重叠过多，使得下层的颜色完成被上层所覆盖，我们将初始交叉针集合Λ中编号为奇数的N个交叉针作为铺底层交叉针集合，将编号为偶数的N个交叉针作为精绣层交叉针集合； 

步骤24：根据针法模型中层参数集合χ，对生成的交叉针集合Λ中的每一个交叉针进行调整，将交叉针Λ_i的交叉朝向和交叉夹角变化为对应交叉针参数χ_i中的θ_i,β_i，得到调整后的交叉针集合Λ； 

步骤25：根据针法模型低层参数集合η，对组成交叉针集合Λ的所有单根绣线Γ_k进行调整，根据针法模型中的低层参数η_k将每根的绣线的长度、朝向、颜色分别设定为ξ_k,φ_k,C_k，得到最终绣线集合Γ。 

3、乱针绣绣品针迹序列生成 

在提取了图像不同对象的区域、区域矢量场和图像显著性特征后，本发明采用遗传算法依据图像特征自动确定针法模型参数，得到乱针绣绣品针迹序列，所述乱针绣绣品针迹序列生成主要包括以下步骤： 

输入：输入的彩色图像I_src，图像对象区域{R₁,R₂,...,R_Z}，对象区域矢量场Θ={Θ₁,Θ₂,...,Θ_Z}，图像显著性特征I_salience，乱针绣针法模型M； 

输出：乱针绣绣品每个区域的针迹序列stitches={stitch_k:k=1～4N}，其中 stitch_k={startx_k,starty_k,endx_k,endy_k,color_k}； 

步骤31：对于每一个对象区域R_z，对其针法参数进行基因编码，其基因的编码为将针法模型中需要确定的高层参数集合Ω中的ρ,ξ,β,γ分别定义一个基因位，记为G=(g₁,g₂,g₃,g₄)，其中g₁代表高层参数集合中ρ，g₂代表高层参数集合中的ξ，g₃代表高层参数集合中的β，g₄代表高层参数集合中的γ，每个基因位的参数取值范围分别为g₁∈0～1.0，g₂∈10～30，g₃∈0～20.0，g₄∈0～1.0； 

步骤32：按照基因中每个基因位参数的取值范围随机生成包含20个基因的初始种群，表示为P=(G₁,G₂,...,G₂₀)，其中G_i为步骤31中定义的单个基因，i为基因序号，设置迭代次数为1； 

步骤33：根据种群P中每个基因G_i得到高层针法模型参数集合Ω中的ρ,ξ,β,γ，计算对象区域R_z的最小外界矩形，并将其长边所在方向设为高层针法模型参数集合Ω中的θ； 

步骤34：依据对象区域矢量场Θ_z和高层参数集合Ω得到中层参数集合χ，其中θ_i=0.2*θ+0.8*Θ_z(p_i)，β_i=β，其中χ_i为交叉针Λ_i所对应的针法参数； 

步骤35：依据步骤33与步骤34得到的针法模型高层参数集合Ω与中层参数集合χ得到对应的针法模型低层参数集合η，其中，ξ_k,ξ_k+1=ξ+ε，φ_k=θ_i+β_i+rand[-22.5,22.5]*γ，φ_k+1=θ_i-β_i+rand[-22.5,22.5]*γ，k=2i，rand[-22.5,22.5]表示在-22.5到22.5之间的随机数，ε为一个范围为1～5的随机数； 

步骤36：根据得到的高层参数集合Ω、中层参数集合χ以及低层参数集合η共三层针法模型参数集合，按照步骤11～步骤15中所述针法模型构建过程生成区域R_z的绣线集合Γ； 

步骤37：采用基于空间色混原理的绣线颜色选择方法确定绣线集合Γ中每条绣线的颜色，并将其绘制在白色针迹方案图像之上（本发明中绣线宽度设为1个像素），得 到区域绘制结果图像

步骤38：重复步骤33～步骤37直到将种群P中所有个体基因所对应的绣线集合和针迹方案图像都计算出来； 

步骤39：根据输入的彩色图像I_src，每个基因所对应的针迹方案图像

和绣线集合Γ，结合对象区域R_z，区域矢量场Θ_z和图像显著性特征I_salience，计算种群P中每个个体基因的适应度，并按适应度值的大小从小到大排列，保留适应度排在前20的基因P^*，,令P=P^*，即令P^*作为下一代种群，判断如果迭代次数大于20次或者最小的个体适应度值小于0.035则结束整个过程，输出最小适应度值对应的区域绣线集合Γ转步骤313，否则转步骤310； 

步骤310：选择适应度排在前10的基因采用交叉算子对基因的基因位进行交叉操作，得到种群 $P_c=(G_1^c,G_2^c,...,G_{10}^c);$

步骤311：对种群P_c的每个基因采用变异算子对基因的每个基因位进行变异操作，得到种群 $P_m=(G_1^m,G_2^m,...,G_{10}^m);$

步骤312：将种群P_m加入到P中，迭代次数加1，转步骤33； 

步骤313：根据绣线集合Γ根据公式(4)得到每根绣线的起始点和终止点，创建未排序的针迹序列，将绣线集合中每根绣线的颜色C_k赋给针迹序列中每根绣线的颜色color_k，从而获取对象区域的未排序的针迹序列stitches： 

${\mathrm{startx}}_k=m_k+\frac{{\mathrm{\ξ}}_k}{2}*\cos \left({\mathrm{\φ}}_k\right),{\mathrm{starty}}_k=m_k+\frac{{\mathrm{\ξ}}_k}{2}*\sin \left({\mathrm{\φ}}_k\right)$ （2） 

${\mathrm{endx}}_k=m_k-\frac{{\mathrm{\ξ}}_k}{2}*\cos \left({\mathrm{\φ}}_k\right),{\mathrm{endy}}_k=m_k-\frac{{\mathrm{\ξ}}_k}{2}*\sin \left({\mathrm{\φ}}_k\right)$

其中startx_k，starty_k，endx_k，endy_k分别表示绣线的起始点的横纵坐标和终止点的横纵坐标； 

步骤314：对未排序针迹序列按照其绣线覆盖面积的图像显著性大小进行排序，得到重新排列的针迹序列； 

步骤315：重复步骤31～步骤39直到得到每个对象区域的针迹序列。 

3.1基于空间色混的绣线颜色选择 

所述步骤37为了得到绣线集合中每根绣线的绣线颜色，本发明采用基于空间色混的绣线颜色选择方法，其具体方法如图7所示，描述如下： 

输入：绣线颜色库，输入的彩色图像I_src，绣线集合Γ={Γ_k:k=1～4N}，其中{Γ_k:k=1～2N}为铺底层绣线集合，{Γ_k:k=2N+1～4N}为精绣层绣线集合； 

输出：绣线集合中每条绣线的颜色C_k； 

步骤37a：计算铺底层绣线集合中的每条绣线所覆盖区域在输入的彩色图像中的平均色，并选择绣线颜色库中与其颜色最接近的颜色作为铺底层绣线的颜色，并将其绘制在白色针迹方案图像之上，本发明中绣线宽度设定为1个像素； 

步骤37b：对于精绣层绣线集合中的每条绣线Γ_k，按照公式(2)所述方法计算绣线的起始点和终止点的横纵坐标，分别为startx_k，starty_k，endx_k，endy_k，并以Boundrecmid_k为中心点，Boundreclength_k为长，Boundrecwidth_k为宽构造其外接矩形W，其中  ${\mathrm{Boundrecmidx}}_k=\frac{{\mathrm{startx}}_k+{\mathrm{endx}}_k}{2},$ ${\mathrm{Boundrecmidy}}_k=\frac{{\mathrm{starty}}_k+{\mathrm{endy}}_k}{2},$ Boundreclength_k=|startx_k-endx_k|，Boundrecwidth_k=|starty_k-endy_k|，Boundrecmidx_k，Boundrecmidy_k分别表示中心点的横纵坐标，|startx_k-endx_k|，|starty_k-endy_k|分别为差值startx_k-endx_k与starty_k-endy_k的绝对值，如图7a所示； 

步骤37c：找出绘制方案图像在外接矩形W中已经存在的铺底层绣线，并按照每根绣线所覆盖的像素数目计算每根绣线对应的绣线颜色所覆盖的面积

如图7b所示； 

步骤37d：若

则直接选取绣线颜色库中与绣线Γ_k所覆盖源对象区域平均色最接近的颜色作为绣线Γ_k的绣线颜色C_k，转步骤37i，否则转步骤37e，其中Area(W)为外接矩形W的面积； 

步骤37e：计算外接矩形W所覆盖源对象区域的平均色如公式(3)所示： 

$\stackrel{\‾}{C}=\frac{\underset{s\∈W}{\mathrm{\Σ}}{I}_{\mathrm{src}}\left(s\right)}{\mathrm{Area}\left(W\right)}---\left(3\right)$

其中I_src(s)表示输入的彩色图像I_src在点s处的颜色值； 

步骤37f：计算面积

中每个区域被绣线Γ_k所覆盖住的区域面积 

若未被覆盖，则令

如图7c所示； 

步骤37g：则颜色的空间色混关系可由公式(4)表示： 

$\stackrel{\‾}{C}=\frac{S_k^2\·C_k^{*}+\underset{i=1~T}{\mathrm{\Σ}}(S_i^1-{\mathrm{Scov}}_i^1)\·C_i^1}{S_1^2+\underset{i=1~T}{\mathrm{\Σ}}(S_i^1-{\mathrm{Scov}}_i^1)}---\left(4\right)$

其中

为绣线Γ_k所覆盖的区域面积，

为区域

所对应的铺底层绣线颜色，由于在步骤37e中我们已经得到

则可根据公式(4)反算出绣线Γ_k所对应绣线颜色

如公式(5)所示： 

$C_k^{*}=\frac{\stackrel{\‾}{C}\·(S_1^2+\underset{i=1~T}{\mathrm{\Σ}}(S_i^1-{\mathrm{Scov}}_i^1))-\underset{i=1~T}{\mathrm{\Σ}}(S_i^1-{\mathrm{Scov}}_i^1)\·C_i^1}{S_k^2}---\left(5\right)$

步骤37h：在绣线颜色库中找出与颜色

最相近的绣线颜色作为精绣层绣线颜色C_k； 

步骤37i：重复步骤37b～步骤37d直到精绣层绣线集合中的所有绣线颜色都被确定。 

3.2适应度定义与计算 

采用遗传算法确定针法模型参数，其核心在于合理的评价区域绘制结果，并计算相应的适应度函数，所述步骤39中根据输入的彩色图像I_src，每个基因所对应的针迹方案图像

和绣线集合Γ，结合对象区域R_z，区域矢量场Θ_z和图像显著性特征I_salience，计算种群P中每个个体基因的适应度，具体为： 

输入：输入的彩色图像I_src，每个基因所对应的针迹方案图像I_Rz、绣线集合Γ，对象区域R_z，区域矢量场Θ_z，图像显著性特征I_salience； 

基因适应度值：fitness； 

步骤39a：计算针迹方案图像

与输入的彩色图像I_src之间的色差F_app，如公式(6)所示： 

$F_{\mathrm{app}}=\underset{s\∈R_z}{\mathrm{\Σ}}\mathrm{\ω}\left(s\right)\·\left|\right|{I_R}_z\left(s\right)-I_{\mathrm{src}}\left(s\right)\left|\right|---\left(6\right)$

其中点s表示在对象区域R_z之中的像素点，和I_src(s)分别表示针迹方案图像

和输入的彩色图像I_src在点s处的颜色值，

则表示两个颜色值的色差，ω(s)表示该点处的权重，由公式(7)计算得出： 

$\mathrm{\ω}\left(s\right)=\frac{I_{\mathrm{salience}}\left(s\right)}{\underset{s\∈R_z}{\mathrm{\Σ}}{I}_{\mathrm{salience}}\left(s\right)}---\left(7\right)$

其中I_salience(s)表示在点s处的图像显著度值； 

步骤39b：计算绣线总长度F_len，如公式(8)所示： 

$F_{\mathrm{len}}=\underset{i=1~4N}{\mathrm{\Σ}}{\mathrm{\ξ}}_i---\left(8\right)$

其中ξ_i表示绣线集合Γ中每条绣线的长度； 

步骤39c：计算针迹方案图像

的覆盖率F_cov，如公式(9)所示： 

$F_{\mathrm{cov}}=\underset{s\∈R_z}{\mathrm{\Σ}}\mathrm{\δ}\left(s\right),\mathrm{\δ}\left(s\right)=\left\{\begin{array}{cc}1& {I_R}_z\left(s\right)=255\\ 0& {I_R}_z\left(s\right)\≠255\end{array}---\left(9\right)\right.$

步骤39d：计算绣线集合Γ的角度差异F_angdiff，如公式(10)所示： 

$F_{\mathrm{angdiff}}=\underset{k=1~4N}{\mathrm{\Σ}}(D({\mathrm{\φ}}_k,{\mathrm{\Θ}}_z\left(m_k\right))+\mathrm{\λ}\underset{j\∈\mathrm{\σ}\left(k\right)}{\mathrm{\Σ}}D({\mathrm{\φ}}_k-{\mathrm{\φ}}_j)),D({\mathrm{\θ}}_1,{\mathrm{\θ}}_2)=\sqrt{\frac{(1-\cos (2{\mathrm{\θ}}_1-2{\mathrm{\θ}}_2))}{2}}---\left(10\right)$

其中D(φ_k,Θ_z(m_k))为正则项，衡量了绣线集合Γ中绣线Γ_k的朝向φ_k与该绣线中心点m_k处矢量场之间的差异，

为平滑项，衡量了绣线Γ_k与其空间上相邻的其他的绣线的角度差异，σ(i)为与绣线Γ_k空间上相邻的绣线，λ为权重，本文设为-0.77； 

步骤39e：在计算得出F_app,F_len,F_cov,F_angdiff后，通过公式(11)计算最终的适应度函数 值： 

fitness=F_app+0.5F_len+κF_cov+0.5F_angdiff   （11） 

其中权重κ在F_cov/Area(R_z)>0.05时为100.0，否则κ=0，Area(R_z)表示区域R_z的面积。 

3.3交叉算子 

采用遗传算法确定针法模型参数，要根据优化问题本身确定合适的交叉算子用于对种群基因进行交叉操作，如步骤310所述，选择适应度排在前10的基因采用交叉算子对基因中的基因位进行交叉操作，具体为： 

输入：适应度排在前10的基因种群P'； 

输出：经过交叉操作后的种群P_c； 

步骤310a：随机从种群P'中选取两个父代基因p'₁，p'₂，将p'₁,p'₂标记为已选择过； 

步骤310b：由于每个基因有4个基因位，故此存在3个交叉点，本发明随机选择三个交叉点中的一个，记为n_c； 

步骤310c：对基因位序号小于等于n_c的基因位，复制父代基因p'₁中对应的基因位作为新产生的基因

的前n_c个基因位，对基因位序号大于n_c的基因位，复制父代基因p'₂中对应的基因位作为新产生的基因

的后4-n_c个基因位； 

步骤310d：对基因位序号小于等于n_c的基因位，复制父代基因p'₂中对应的基因位作为新产生的基因

的前n_c个基因位，对基因位序号大于n_c的基因位，复制父代基因p'₁中对应的基因位作为新产生的基因

的后4-n_c个基因位； 

步骤320e：将基因

和

加入种群P_c中，重复步骤3101～步骤3104直到种群P'中的全部基因都被标记为已选择过，这样可得到种群数为10的经过交叉操作后的种群P_c。 

3.4变异算子 

采用遗传算法确定针法模型参数，要根据优化问题本身确定合适的变异算子用于对种群基因的每个基因位进行变异操作，如步骤311所述，对种群P_c的每个基因采用变 异算子对基因的每个基因位进行变异操作，具体为： 

输入：经过交叉操作后的种群P_c； 

输出：经过变异操作后的种群P_m； 

步骤311a：选择种群P_c中的一个基因

将其标记为已选择过； 

步骤311b：对于基因

的第一个基因位g₁，令g₁=g₁+rand[-0.5,0.5]，其中rand[-0.5,0.5]表示从-0.5到0.5的随机数，如果g₁>1.0，则g₁=1.0，如果g₁<0，则g₁=0； 

步骤311c：对于基因

的第二个基因位g₂，令g₂=g₂+rand[-5,5]，其中rand[-5,5]表示从-5到5的随机数，如果g₂>30，则g₁=30，如果g₂<10，则g₂=10； 

步骤311d：对于基因

的第三个基因位g₃，令g₃=g₃+rand[-5,5]，其中rand[-5,5]表示从-5到5的随机数，如果g₃>20，则g₃=20，如果g₃<10，则g₃=10； 

步骤311e：对于基因

的第四个基因位g₄，令g₄=g₄+rand[-0.5,0.5]，其中rand[-0.5,0.5]表示从-0.5到0.5的随机数，如果g₄>1.0，则g₄=1.0，如果g₄<0，则g₄=0； 

步骤311f：将基因加入到种群P_m中，重复步骤3111～步骤3115直到种群P_c中的所有基因都进行过变异操作，得到种群P_m。 

3.5针迹序列排序 

为了达到更好的绣制效果，我们需要对得到的针迹序列进行排序，使得关键绣线的绣制顺序靠后，这样可以使得其不被后续的绣线所覆盖。如步骤314所述，对针迹序列按照其绣线覆盖面积的图像显著性大小进行排序，得到重新排列的针迹序列，具体为： 

输入：未排序的针迹序列stitches，图像显著性特征I_salience； 

输出：经过排序的针迹序列newstitches； 

步骤314a：计算未排序针迹序列stitches中每根绣线所覆盖的I_salience图像面积的图像显著性大小，如公式(12)所示： 

${\mathrm{stitchsalience}}_k=\underset{\mathrm{pos}\&Element;{\mathrm{stitch}}_k}{\mathrm{\&Sigma;}}{I}_{\mathrm{salience}}\left(\mathrm{pos}\right)---\left(12\right)$

其中，pos表示所有在绣线stitch_k上的像素点； 

步骤314b：根据计算得到的stitchsalience_k，按照stitchsalience_k的大小对针迹序列stitches进行升序排列，得到排序后的针迹序列newstitches，排在前面的即为要先进行绣制的绣线。 

最后的绣制效果如图8所示。 

本发明实现了一种采用遗传算法的计算机辅助乱针绣制作方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。 

Claims (10)

1.一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，包括以下步骤：

步骤一，图像特征提取：以输入的彩色图像作为参数图像，提取包括对象区域，区域矢量场和图像显著性在内的图像特征；

步骤二，乱针绣针法模型的定义与构建：定义包括乱针绣单根绣线、交叉针集合中的每个交叉针和交叉针排布在内的低、中、高三层参数化针法模型，并根据参数构建出针法模型：

步骤三，乱针绣绣品针迹序列生成：依据步骤一中提取的图像特征采用遗传算法确定步骤二中所定义的针法模型参数，得到乱针绣绣品针迹序列；

步骤四，将步骤三中得到的乱针绣绣品针迹序列转换为电脑刺绣机使用的以毫米为单位的坐标格式，将其输入电脑刺绣机，从而得到相应的乱针绣绣品。

2.根据权利要求1所述的一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤一中，所述图像特征提取包括以下步骤：

步骤11：对于输入的彩色图像，采用图像分割方法将图像分割成不同的对象区域；

步骤12：对于分割后的对象区域，采用区域矢量场提取方法提取区域矢量场；

步骤13：对于输入的彩色图像，采用一致性线条提取方法提取图像显著性特征值。

3.根据权利要求2所述的一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤12中，所述采用区域矢量场提取方法提取区域矢量场具体包括以下步骤：

步骤12a：采用Sobel算子计算对象区域中每个像素点在水平轴x和垂直轴y方向上的图像梯度；

步骤12b：根据对象区域水平轴x和垂直轴y方向上的图像梯度计算对象区域的矢量场Θ_z。

4.根据权利要求3所述的一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤二中，所述乱针绣针法模型的定义与构建包括以下步骤：

乱针绣针法模型定义：所述乱针绣针法模型由三个部分组成，分别为低层单根绣线参数表示、中层交叉针参数表示、高层交叉针排布参数表示；其中低层参数集合为η={η_k:k=1～4N}，η_k=(m_k,ξ_k,φ_k,C_k)表示单根绣线所对应的参数集，m_k为绣线中心点坐标，ξ_k为绣线长度，φ_k为绣线朝向，C_k为绣线颜色，k表示表示绣线序号，N表示交叉针总数的一半；中层参数集合为χ={χ_i:i=1～2N}，χ_i=(p_i,θ_i,β_i)表示单个交叉针所对应的参数集，p_i为交叉针中心点，θ_i为单个交叉针的交叉朝向，β_i为交叉夹角，i表示交叉针序号；高层参数集合表示为Ω={ρ,ξ,θ,β,γ}，其中ρ为交叉针排布密度，ξ为交叉针平均线条长度，θ为整体交叉朝向，β为整体交叉夹角，γ为交叉混乱度；

乱针绣针法模型构建：首先，由高层参数集合Ω生成初始的交叉针集合Λ={Λ_i:i=1～2N}，其中交叉针集合Λ包括铺底层交叉针集合{Λ_i:i=1～N}和精绣层交叉针集合{Λ_i:i=N+1～2N}；然后，根据中层参数集合χ分别对生成的交叉针集合Λ进行调整；最后，根据低层参数集合η分别对组成交叉针的绣线进行调整得到最终的绣线集合Γ={Γ_k:k=1～4N}。

5.根据权利要求4所述一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤二中，所述乱针绣针法模型构建具体包括以下步骤：

步骤21：在所述对象区域内，按照与整体交叉朝向θ方向垂直的方向θ'以交叉针平均线条长度ξ的三分之一为间隔生成辅助线条集合Assist={Assist_j:j=1～M}，M为辅助线条数目，j为辅助线条序号；

步骤22：根据整体交叉朝向θ和交叉夹角β计算方向角

和方向角

从j=0开始到j=M-3结束，按照每隔2条辅助线条的方式即在辅助线条Assist_j与Assist_j+3与对象区域边界所围成的区域之中按照间隔距离d生成整体交叉朝向θ，交叉夹角β共2N个交叉针的初始交叉针集合Λ，其中ρ为交叉针排布密度；

步骤23：将初始交叉针集合Λ中编号为奇数的N个交叉针作为铺底层交叉针集合，将编号为偶数的N个交叉针作为精绣层交叉针集合；

步骤24：根据中层参数集合χ，对生成的交叉针集合Λ中的每一个交叉针进行调整，将交叉针Λ_i的交叉朝向和交叉夹角变化为对应交叉针参数χ_i中单个交叉针的交叉朝向θ_i和交叉夹角β_i，得到调整后的交叉针集合Λ；

步骤25：根据低层参数集合η，对组成交叉针集合Λ的所有单根绣线Γ_k进行调整，根据低层参数η_k将每根的绣线的长度、朝向、颜色分别设定为ξ_k、φ_k、C_k，得到最终绣线集合Γ。

6.根据权利要求5所述的一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤三具体包括以下步骤：

步骤31：对于每一个对象区域，对高层交叉针排布参数表示进行基因编码，包括将针法模型中高层参数集合Ω中的ρ,ξ,β,γ分别定义一个基因位，记为G=(g₁,g₂,g₃,g₄)，其中g₁代表高层参数集合中的ρ，g₂代表高层参数集合中的ξ，g₃代表高层参数集合中的β，g₄代表高层参数集合中的γ；

步骤32：按照基因编码中每个基因位参数的取值范围随机生成包含20个基因的初始种群P并设置迭代次数为1；

步骤33：根据种群P中每个基因得到针法模型的高层参数集合Ω中的ρ,ξ,β,γ，计算对象区域的最小外界矩形，并将其长边所在方向设为高层针法模型参数Ω中的θ；

步骤34：依据对象区域的矢量场Θ_z和高层参数集合Ω得到中层参数集合χ；

步骤35：依据步骤33与步骤34得到高层参数集合Ω与中层参数集合χ得到针法模型的低层参数集合η；

步骤36：根据得到的高层参数集合Ω、中层参数集合χ以及低层参数集合η共三层针法模型参数集合，根据步骤21～步骤25生成所述对象区域对应的绣线集合Γ；

步骤37：采用基于空间色混原理的绣线颜色选择方法确定绣线集合Γ中每条绣线的颜色，并将其绘制在白色针迹方案图像上，得到针迹方案图像；

步骤38：重复步骤33～步骤37直到计算得到种群P中所有个体基因所对应的绣线集合和针迹方案图像；

步骤39：根据输入的彩色图像，每个基因所对应的针迹方案图像和绣线集合Γ，结合对象区域，区域矢量场和图像显著性特征，计算种群P中每个个体基因的适应度，并按适应度值的大小从小到大排列，保留适应度排在前20的基因P^*，令P=P^*，即令P^*作为下一代种群，判断如果迭代次数大于20次或者最小的个体适应度值小于0.035则结束整个过程，输出最小适应度值对应的区域绣线集合转步骤313，否则转步骤310；

步骤310：选择适应度排在前10的基因采用交叉算子对基因的基因位进行交叉操作，得到种群

其中

为经过交叉操作后的基因；

步骤311：对种群P_c的每个基因采用变异算子对基因的每个基因位进行变异操作，得到种群

其中

为经过变异操作后的基因；

步骤312：将种群P_m加入到P中，迭代次数加1，转步骤33；

步骤313：根据绣线集合Γ得到每根绣线的起始点和终止点，创建未排序的针迹序列，将绣线集合中每根绣线的颜色C_k赋给针迹序列中每根绣线的颜色color_k，从而获取对象区域的未排序的针迹序列stitches；

步骤314：对未排序针迹序列按照其绣线覆盖面积的图像显著性特征值的大小进行排序，得到重新排列的针迹序列；

步骤315：重复步骤31～步骤39直到得到每个对象区域的针迹序列。

7.根据权利要求6所述一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤37中具体包括以下步骤：

步骤37a：计算铺底层绣线集合中的每条绣线所覆盖区域在输入的彩色图像中的平均色，并选择绣线颜色库中与其颜色最接近的颜色作为铺底层绣线的颜色，并将其绘制在白色针迹方案图像之上；

步骤37b：对于精绣层绣线集合中的每条绣线Γ_k，构造其外接矩形W；

步骤37c：找出白色针迹方案图像在外接矩形W中已经存在的铺底层绣线，并按照每根绣线所覆盖的像素数目计算每根绣线对应的绣线颜色所覆盖的面积T为外接矩形W中已经存在的铺底层绣线数目；

步骤37d：若覆盖像素的总数目小于外接矩形面积比例的10%，则直接选取绣线颜色库中与绣线Γ_k所覆盖对象区域平均色最接近的颜色作为绣线Γ_k的绣线颜色C_k，转步骤37i，否则转步骤37e；

步骤37e：计算外接矩形W所覆盖对象区域的平均色

步骤37f：计算面积

中每个区域被绣线Γ_k所覆盖住的区域面积

若

未被覆盖，则令

i为外接矩形W中已经存在的铺底层绣线的序号；

步骤37g：根据颜色的空间色混关系计算出绣线Γ_k所对应绣线颜色

步骤37h：在绣线颜色库中找出与颜色最相近的绣线颜色作为精绣层绣线颜色C_k；

步骤37i：重复步骤37b～步骤37d直到确定精绣层绣线集合中的所有绣线颜色。

8.根据权利要求7所述一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤39中，所述计算种群P中每个个体基因的适应度具体包括以下步骤：

步骤39a：计算针迹方案图像

与输入的彩色图像I_src之间的色差F_app；

步骤39b：计算绣线总长度F_len；

步骤39c：计算针迹方案图像

的覆盖率F_cov；

步骤39d：计算绣线集合Γ的角度差异F_angdiff；

步骤39e：在计算得出F_app,F_len,F_cov,F_angdiff后，根据下述公式计算最终的适应度函数值fitness：

fitness=F_app+0.5F_len+κF_cov+0.5F_angdiff，

其中κ为F_len的权重，取值范围为0～1。

9.根据权利要求6所述一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤310中，所述选择适应度排在前10的基因采用交叉算子对基因中的基因位进行交叉操作具体为：

随机从10个基因中选择两个基因；从三个交叉点中随机选择一个交叉点对两个基因进行交叉，生成两个新的基因；

重复上述过程直到所有的基因都被选择过，即可得到经过交叉操作后的种群P_c。

10.根据权利要求6所述一种采用遗传算法的计算机辅助乱针绣制作方法，其特征在于，步骤311中，所述对种群P_c的每个基因采用变异算子对基因的每个基因位进行变异操作具体为：

随机从种群P_c中选择一个基因；对选择的基因的每一个基因位进行变异操作，得到新的基因；覆盖该步骤直到P_c中所有的基因都进行过变异操作，即可得到经过交叉操作后的种群P_m。

Images