CN103473433B - 一种基于反应扩散过程的计算机辅助乱针绣制作方法 - Google Patents

Abstract

本发明公开了一种基于反应扩散过程的计算机辅助乱针绣制作方法，包括以下步骤：步骤1，以彩色图像作为输入，采用图像分割、区域矢量场提取和图像显著性计算方法提取输入的彩色图像不同的对象区域、区域矢量场及图像显著性；步骤2，根据乱针绣的特点建立了包括单根绣线、单个交叉针和交叉针排布的三层参数化针法模型，并描述模型中交叉针排布层的参数值计算的方法；步骤3，对每个对象区域生成初始的针迹序列，并建立笔画邻域图，采用五个反应扩散过程分别对生成的针迹序列的方向、长度、颜色色调、颜色饱和度、颜色亮度进行控制，然后进行绣线颜色选择，得到最终所有对象区域的针迹序列；步骤4，将针迹序列的坐标转换为电脑刺绣机的坐标。

Description

一种基于反应扩散过程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。

背景技术

乱针绣是把画理和绣理结合在一起创造出来的一种新的刺绣艺术，她是当代刺绣艺术家杨守玉女士创始于二十世纪三十年代，她的最大特点就是打破了几千年来传统刺绣“密接其针，排比其线”的平面刺绣，而是让作者自由地表达自己的思想感情，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。乱针绣的制作者多以现实生活为依据，选题广泛，视觉空间意识强，视觉与心理像契合，用色明快，语言丰富，利用照相术，强调绘画性，将具象写实与装饰相结合。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，乱针绣因其技术难度相对较大，制作周期相对较长，故从事乱针绣艺术工作的人数相对较少，成功的乱针绣艺术精品更是凤毛麟角，难得一见。精美的乱针绣作品成本昂贵，即使是普通的乱针绣作品在市场上也难觅其踪。因此，采用计算机技术直接从油画、摄影等数字图像生成乱针绣作品不仅可以缩短乱针绣绣品的制作周期，降低制作成本，减小绣者的劳动强度，同时对乱针绣艺术的传承和保护也具有重要的意义。

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每个针迹的坐标序列，且生成的针迹排布规整，只能处理简单的图案，不满足乱针绣工艺的要求。由于乱针绣的特殊性，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参数计算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，实际的乱针绣制作过程中不仅要考虑绣线颜色的排布，还要考虑绣线方向的排布、长度的排布等多种因素；在针迹参数计算过程中，其采用试探法仅根据图像局部区域的颜色差异、梯度方向确定绣线方向而没有考虑到图像区域的纹理性、重要性等特征对针迹排布的影响。另外一个中国专利《一种采用遗传算法的计算机辅助乱针绣制作方法》，申请号201310211288.2：该专利同样以彩色图像作为输入，其定义了相应的针法模型参数，并通过遗传算法优化适应度函数得到针法模型中的高层参数，并利用高层参数得到最终的针迹序列。然而，其定义的针法模型并没有考虑相邻针迹之间的关系，而本专利通过建立笔画邻域图建立了针迹与针迹之间的拓扑关系，并通过5个扩散因子有效的控制针迹的方向、长度及颜色的排布策略；另外，该专利采用遗传算法进行的迭代过程，运行时间比较长。

乱针绣的制作过程，主要是将输入的彩色图像转化为乱针绣制作所需要的针迹序列的过程，该过程属于基于笔画的绘制过程。基于笔画的绘制过程主要考虑笔画的排布问题，如文献2HertzmannA.Painterlyrenderingwithcurvedbrushstrokesofmultiplesizes,InProceedingsofthe25^thAnnualConferenceonComputerGraphicsandInteractiveTechniques,SIGGRAPH’98,Orlando,Florida,USA,1998;453-460.在中间结果图像与参考图像中颜色差值大于一定阈值的区域防止笔画的起始点。文献3LitwinowiczP.Proceessingimagesandvideoforanimpressionisteffect,InProceedingsofthe24^thAnnualConferenceonComputerGraphicsandInteractiveTechniques,SIGGRAPH’97,LosAngeles,California,USA,1997;407-414.在交替像素位置防止笔画以保证输出结果中没有空洞。文献4MaoX,NagasakaY,ImamiyaA.Automaticgenerationofpencildrawingfrom2Dimageusinglineintegralconvolution,InCAD/Graphics,volume9,Kunming,China,2001;240-248.通过生成一定密度的噪音确定笔画的密度，噪音密度由图像色调影响，利用低通滤波器生成铅笔笔画。然而，乱针绣主要利用针线排布方向的多变，针线的长短参差以及用色的灵活多变表现物象，而这些方法均不能直接应用于乱针绣制作过程中。

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，提供一种基于反应扩散过程的计算机辅助乱针绣制作方法。

技术方案：本发明公开了一种基于反应扩散过程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：以彩色图像作为输入，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，建立乱针绣针法模型并计算高层参数：建立包含单根绣线、单个交叉针和交叉针排布的低、中、高三层参数表示的乱针绣针法模型，并根据图像特征计算参数表示的乱针绣针法模型中控制交叉针排布的高层参数；

步骤三，乱针绣针迹序列反应扩散过程：对每个对象区域，依据步骤二中获取的高层参数生成初始的针迹序列集合，建立笔画邻域图，并结合步骤一中提取的图像特征，对初始的针迹序列集合中每个交叉针的方向、长度、颜色色调、颜色饱和度及颜色亮度分别进行五个反应扩散过程，然后为每个针迹从绣线库中选择对应的绣线颜色，得到更新后的乱针绣针迹序列；

步骤四，将步骤三中得到的乱针绣针迹序列坐标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，从而得到实际的乱针绣绣品。

本发明步骤一中包括以下步骤：

步骤11：对输入的彩色图像，采用文献5ZengK，ZhaoMT，XiongCM，etal.Fromimageparsingtopainterlyrendering[J].ACMTransactionsonGraphics，2009，29(1)：2:1-2:11中所述image-parsing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，采用文献6KangH，LeeSY，ChuiCK.Coherentlinedrawing[C]//Proceedingsofthe5^thInternationalSymposiumonNon-photorealisticAnimationandRendering.NewYork：ACMPress，2007：43-50中所述EdgeTangentFlow方法提取区域矢量场；该特征为对象区域的每个像素点赋予一个值，该值的范围为[0,π)；

步骤13：对输入的彩色图像，采用文献7ChengMM,ZhangGX,MitraNJ,etal.Globalcontrastbasedsalientregiondetection[C]//ComputerVisionandPatternRecognition(CVPR),2011IEEEConferenceon.IEEE,2011:409-416中所述基于区域对比度的显著性提取方法提取图像显著性特征；该特征就是一幅灰度图像，亮度越大，显著性越高，其值范围为[0,255]。

本发明步骤二中包括以下步骤：

建立乱针绣针法模型：所述乱针绣针法模型包括低、中、高三个层次的参数表示，低层为单根绣线，中层为单个交叉针、高层为交叉针排布；其中，低层参数集合为η={η_k:k=1～2N}，其中，表示单根绣线k对应的参数集，为绣线起点坐标、为绣线终点坐标，r_k、g_k、b_k分别为绣线在RGB颜色空间的R、G、B通道值，N表示交叉针总数，k为绣线序号；中层参数集合为χ={χ_i:i=1～N}，其中，χ_i=(μ_i,ξ_i,θ_i,β_i,h_i,s_i,v_i)为单个交叉针i对应的参数集，μ_i为交叉针中心点，ξ_i为交叉针长度，θ_i为交叉针方向，β_i为交叉针夹角，h_i、s_i、v_i分别为在HSV颜色空间中的交叉针色调、交叉针饱和度、交叉针亮度，i为交叉针序号；高层参数集合为Ω={ρ,λ_θ,λ_ξ,λ_h,λ_s,λ_v}，其中，ρ为交叉针排布的密度，λ_θ、λ_ξ、λ_h、λ_s、λ_v分别为交叉针排布的方向扩散因子、长度扩散因子、颜色色调扩散因子、颜色饱和度扩散因子、颜色亮度扩散因子；

计算高层参数：高层参数集合Ω中ρ的取值范围为(0.0,1.0]，ρ取0时为最稀疏，没有针迹，ρ取1.0时为最稠密，实际上机过程中针迹的排布在保持较大覆盖率的前提下同时保证不会排布过密，本发明经过计算取值0.80～0.98，优选0.89，λ_θ由步骤12中提取的区域矢量场计算区域矢量场方差值进一步计算得到，λ_ξ由步骤13中提取的图像显著性特征方差值进一步计算得到，λ_h、λ_s、λ_v分别由对象区域内所有像素颜色色调方差、饱和度方差、亮度方差进一步计算得到。

本发明步骤二中计算高层参数，λ_θ、λ_ξ、λ_h、λ_s、λ_v具体的计算公式为：

λ_θ、λ_ξ、λ_h、λ_s、λ_v均可取正值和负值，取正值会分别使得对象区域内的交叉针的方向、长度、颜色色调、颜色饱和度、颜色亮度这五个参数值相似，而且，正值越大，相似性越大，取负值则会使其值差异比较大，且负值越小，差异越大。

λ_θ=0.5-σ_θ，其中，为区域矢量场方差，通过对大量对象区域的实验统计发现，该方差的分布范围大致为(0.1,0.92)，方差小于0.5时区域矢量场分布比较均匀，λ_θ取值为正，大于0.5时则比较乱，λ_θ取值为负，因此公式中以0.5为阀值。obj为对象区域的像素点集合，Num(obj)为对象区域所有像素点的个数，pixel为对象区域中的任意一个像素点，θ_pixel为对象区域内pixel像素点对应的区域矢量场值，为对象区域内所有像素点对应的区域矢量场值的平均值，计算公式为

$\stackrel{\‾}{\mathrm{\θ}}=\underset{\mathrm{pixel}\∈\mathrm{obj}}{\mathrm{\Σ}}{\mathrm{\θ}}_{\mathrm{pixel}}/\mathrm{Num}\left(\mathrm{obj}\right);$

λ_ξ=50-σ_ξ，其中，为区域显著性值方差，通过实验统计分析发现，该方差的分布范围大致为(0,153)，该方差小于50时，对象区域的显著性比较接近，λ_ξ取值为正，反之则为负，Sal_pixel为对象区域内pixel像素点对应的显著性值，为对象区域内所有像素点对应的显著性值的平均值，计算公式为

$\stackrel{\‾}{\mathrm{Sal}}=\underset{\mathrm{pixel}\∈\mathrm{obj}}{\mathrm{\Σ}}\mathrm{Sa}{l}_{\mathrm{pixel}}/\mathrm{Num}\left(\mathrm{obj}\right);$

λ_h=0.8-σ_h，其中，为区域颜色色调方差，通过实验统计分析发现，该方差的分布范围大致为(0,3.05)，该方差小于0.8时，对象区域的色调分布比较集中，λ_h取值为正，反之则为负，h_pixel为对象区域内pixel像素点在原图中的颜色在HSV颜色空间的H通道值，为对象区域内所有像素点颜色在HSV颜色空间的H通道值的平均值，计算公式为

λ_s=0.5-σ_s，其中，为区域颜色饱和度方差，通过实验统计分析发现，该方差的分布范围大致为(0,1.05)，该方差小于0.5时，对象区域的饱和度分布比较集中，λ_h取值为正，反之则为负，s_pixel为对象区域内pixel像素点在原图中的颜色在HSV颜色空间的S通道值，为对象区域内所有像素点颜色在HSV颜色空间的S通道值的平均值，计算公式为

λ_v=0.5-σ_v，其中，为区域颜色亮度方差，通过实验统计分析发现，该方差的分布范围大致为(0,1.14)，该方差小于0.5时，对象区域的亮度分布比较集中，λ_h取值为正，反之则为负，v_pixel为对象区域内pixel像素点在原图中的颜色在HSV颜色空间的V通道值，为对象区域内所有像素点颜色在HSV颜色空间的V通道值的平均值，计算公式为

本发明步骤三中包括以下步骤：

步骤31：对每个对象区域，根据步骤二中获取的交叉针排布的密度ρ确定采样点个数N，采用均匀泊松盘采样方法选取N个像素点位置作为初始的针迹序列集合Λ={Λ_i:i=1～N}，其中，N为交叉针总数，与采样点个数相同，Λ_i={χ_i,τ_i}为每个交叉针χ_i与其邻域交叉针队列τ_i的组合，τ_i初始为空，按照序号i分别设置交叉针χ_i的交叉针中心点μ_i为第i个采样点的坐标值，并分别为交叉针χ_i的交叉针长度ξ_i、交叉针方向θ_i、交叉针夹角β_i、交叉针色调h_i、交叉针饱和度s_i、交叉针亮度v_i取随机值作为初始值，ξ_i的取值范围为[4,25]，θ_i的取值范围为[0,π)，β_i的取值范围为h_i的取值范围为[0,360)，s_i和v_i的取值范围为[0.0,1.0]；

步骤32：对针迹序列集合Λ中每个组合Λ_i执行步骤321～步骤322；

步骤321：依据步骤12中提取的区域矢量场获取组合Λ_i的交叉针中心点μ_i处的矢量场方向，以交叉针中心点μ_i为原点，获取的矢量场方向及其垂直方向为X轴和Y轴，建立局部笛卡尔坐标系，并划分为四个象限；

步骤322：依据交叉针中心点μ_i及四个象限，分别在每个象限内选择一个与交叉针中心点μ_i距离最小的交叉针，并将该交叉针序号加入到邻域交叉针队列τ_i中，邻域交叉针队列τ_i中包含四个象限中的交叉针的序号；

步骤33：由步骤31得到针迹序列集合Λ中每个组合Λ_i的交叉针χ_i，由步骤32得到每个组合Λ_i的邻域交叉针队列τ_i，将二者组合成完整的针迹序列集合Λ；

步骤34：对针迹序列集合Λ执行步骤341～步骤345；

步骤341：执行方向反应扩散过程；

步骤342：执行长度反应扩散过程；

步骤343：执行颜色色调反应扩散过程；

步骤344：执行颜色饱和度反应扩散过程；

步骤345：执行颜色亮度反应扩散过程；

步骤35：对针迹序列集合Λ中的每个针迹从绣线库中选择对应的绣线颜色，得到更新后的乱针绣针迹序列。

本发明步骤341中所述方向反应扩散过程，具体步骤为：

步骤3411：设定初始迭代次数K₁=1；

步骤3412：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34121～步骤34124：

步骤34121：获取组合Λ_i的交叉针方向θ_i，获取步骤12提取的区域矢量场中位于组合Λ_i的交叉针中心点μ_i的矢量场方向θ_i ^*；

步骤34122：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34123：计算方向偏量值 $\mathrm{\Δ\θ}=\sin ({{\mathrm{\θ}}_i}^{*}-{\mathrm{\θ}}_i)+{\mathrm{\λ}}_{\mathrm{\θ}}\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}\sin ({\mathrm{\θ}}_j-{\mathrm{\θ}}_i)+{\mathrm{\ϵ}}_{\mathrm{\θ}},$ 其中，τ_i为组合Λ_i的邻域交叉针队列，j为τ_i中每个交叉针的序号，ω_ij为序号为j的交叉针与序号为i的交叉针的权重，θ_j为序号为j的交叉针的交叉针方向，ε_θ=rand(0,0.05)为方向随机因子；

步骤34124：计算组合Λ_i新的交叉针方向值θ_i=θ_i+Δθ；

步骤3413：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针方向值，计算方向马尔科夫能量方程值 $E_{\mathrm{\θ}}=\underset{i}{\mathrm{\Σ}}(1-\cos ({\mathrm{\θ}}_i-{{\mathrm{\θ}}_i}^{*}))+{\mathrm{\λ}}_{\mathrm{\θ}}\underset{i}{\mathrm{\Σ}}\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}(1-\cos ({\mathrm{\θ}}_i-{\mathrm{\θ}}_j));$

步骤3414：如果当前第K₁次迭代的能量值与第K₁-1次迭代的能量值差值小于阈值0.5（通过实验统计分析得到，对方向扩散过程来说，该能量值差值阈值取0.5时结果趋于稳定），则迭代结束，否则，转步骤3412继续执行，且迭代次数K₁加1。

本发明步骤342中所述长度反应扩散过程，具体步骤为：

步骤3421：设定初始迭代次数K₂=1；

步骤3422：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34221～步骤34224：

步骤34221：获取组合Λ_i的交叉针长度ξ_i，依据步骤13提取的图像显著性特征计算长度ξ_i ^*，计算公式为其中，I_sal(μ_i)为组合Λ_i的交叉针中心点μ_i处的图像显著性值；

步骤34222：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34223：计算长度偏量值其中，ξ_j为序号为j的交叉针的交叉针长度，ε_ξ=rand(0,0.2)为长度随机因子；

步骤34224：计算组合Λ_i新的交叉针长度值ξ_i=ξ_i+Δξ；

步骤3423：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针长度值，计算长度马尔科夫能量方程值 $E_{\mathrm{\ξ}}=\underset{i}{\mathrm{\Σ}}{\left|\right|{\mathrm{\ξ}}_i-{{\mathrm{\ξ}}_i}^{*}\left|\right|}^2+{\mathrm{\λ}}_{\mathrm{\ξ}}\underset{i}{\mathrm{\Σ}}\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}{\left|\right|{\mathrm{\ξ}}_i-{\mathrm{\ξ}}_j\left|\right|}^2;$

步骤3424：如果当前第K₂次迭代的能量值与第K₂-1次迭代的能量值差值小于阈值1.0（通过实验统计分析得到，对长度扩散过程来说，该能量值差值阈值取1.0时结果趋于稳定），则迭代结束，否则，转步骤3422继续执行，且迭代次数K₂加1。

本发明步骤343中所述颜色色调反应扩散过程，具体步骤为：

步骤3431：设定初始迭代次数K₃=1；

步骤3432：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34321～步骤34324：

步骤34321：获取组合Λ_i的交叉针色调h_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的H通道值h_i ^*；

步骤34322：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34323：计算色调偏量值 $\mathrm{\Δh}=\sin ({h_i}^{*}-h_i)+{\mathrm{\λ}}_h\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}\sin (h_j-h_i)+{\mathrm{\ϵ}}_h,$ 其中，h_j为序号为j的交叉针的交叉针色调，ε_h=rand(0,1.0)为色调随机因子；

步骤34324：计算组合Λ_i新的交叉针色调值h_i=h_i+Δh；

步骤3433：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针色调值，计算色调马尔科夫能量方程值 $E_h=\underset{i}{\mathrm{\Σ}}(1-\cos ({\mathrm{\θ}}_i-{{\mathrm{\θ}}_i}^{*}))+{\mathrm{\λ}}_h\underset{i}{\mathrm{\Σ}}\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}(1-\cos (h_i-h_j));$

步骤3434：如果当前第K₃次迭代的能量值与第K₃-1次迭代的能量值差值小于阈值0.2（通过实验统计分析得到，对长度扩散过程来说，该能量值差值阈值取0.2时结果趋于稳定），则迭代结束，否则，转步骤3432继续执行，且迭代次数K₃加1。

本发明步骤344中所述颜色饱和度反应扩散过程，具体步骤为：

步骤3441：设定初始迭代次数K₄=1；

步骤3442：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34421～步骤34424：

步骤34421：获取组合Λ_i的交叉针饱和度s_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的S通道值s_i ^*；

步骤34422：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34423：计算饱和度偏量值其中，s_j为序号为j的交叉针的交叉针饱和度，ε_s=rand(0,0.001)为饱和度随机因子；

步骤34424：计算组合Λ_i新的交叉针饱和度值s_i=s_i+Δs；

步骤3443：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针饱和度值，计算饱和度马尔科夫能量方程值 $E_s=\underset{i}{\mathrm{\Σ}}{\left|\right|s_i-{s_i}^{*}\left|\right|}^2+{\mathrm{\λ}}_s\underset{i}{\mathrm{\Σ}}\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}{\left|\right|s_i-s_j\left|\right|}^2;$

步骤3444：如果当前第K₄次迭代的能量值与第K₄-1次迭代的能量值差值小于阈值0.05（通过实验统计分析得到，对长度扩散过程来说，该能量值差值阈值取0.05时结果趋于稳定），则迭代结束，否则，转步骤3442继续执行，且迭代次数K₄加1。

本发明步骤345中所述颜色亮度反应扩散过程，具体步骤为：

步骤3451：设定初始迭代次数K₅=1；

步骤3452：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34521～步骤34524：

步骤34521：获取组合Λ_i的交叉针亮度v_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的V通道值v_i ^*；

步骤34522：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34523：计算亮度偏量值其中，v_j为序号为j的交叉针的交叉针亮度，ε_v=rand(0,0.001)为亮度随机因子；

步骤34524：计算组合Λ_i新的交叉针亮度值v_i=v_i+Δv；

步骤3453：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针亮度值，计算亮度马尔科夫能量方程值 $E_v=\underset{i}{\mathrm{\Σ}}{\left|\right|v_i-{v_i}^{*}\left|\right|}^2+{\mathrm{\λ}}_v\underset{i}{\mathrm{\Σ}}\underset{j\∈{\mathrm{\τ}}_i}{\mathrm{\Σ}}{\mathrm{\ω}}_{\mathrm{ij}}{\left|\right|v_i-v_j\left|\right|}^2;$

步骤3454：如果当前第K₅次迭代的能量值与第K₅-1次迭代的能量值差值小于阈值0.05（通过实验统计分析得到，对长度扩散过程来说，该能量值差值阈值取0.05时结果趋于稳定），则迭代结束，否则，转步骤3452继续执行，且迭代次数K₅加1。

本发明步骤四将以像素为单位的针迹坐标乘以绣线宽度即可得到以毫米为单位的电脑刺绣机坐标，最后将其输入电脑刺绣机得到乱针绣绣品。

本发明的特色在于根据乱针绣的特点对乱针绣绣制过程中线条方向、长度、颜色的排布问题进行了处理，定义了针法模型，尤其是针法模型高层参数中的五个扩散因子，并通过对针迹序列建立笔画邻域图构造针迹与针迹之间的拓扑关系，并在此基础上利用五个反映扩散过程有效的控制针迹的排布方向、长短及颜色搭配。

有益效果：本发明具有以下优点：1、允许用户任意选取彩色图像作为输入，得到其相应的乱针绣绣品，减少了用户的工作量，提高了乱针绣制作效率；2、定义了一种乱针绣针法模型，结合了乱针绣技法的特点并将其绣法模式化；3、本发明通过建立笔画邻域图，以五个扩散因子为参数并通过反应扩散过程自动控制绣制过程中针迹的方向、长度、颜色等因素，使得绣制过程更加灵活多变。综上所述，本发明以彩色图像为输入并采用计算机辅助手段自动完成乱针绣绣品的制作过程，有助于乱针绣艺术的传承和发展。

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5为本发明的笔画邻域图。

图6为本发明最终乱针绣绣制效果图。

具体实施方式：

本发明公开了一种基于反应扩散过程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

本发明步骤一中提取的图像特征包括对象区域、区域矢量场、图像显著性三种，具体描述如下。

1.1对象区域提取

在乱针绣中，不同的对象其绣法也不同，所以需要将输入的彩色图像分割成不同的对象区域，并对不同的对象区域采用不同的针法参数以得到最终的绣制结果。如本发明步骤11所述，本发明采用文献5ZengK，ZhaoMT，XiongCM，etal.Fromimageparsingtopainterlyrendering[J].ACMTransactionsonGraphics，2009，29(1)：2:1-2:11中所述image-parsing图像分割方法将图像分割成M不同的对象区域{R₁,R₂,...,R_M}，每个对象区域R_m为一组像素点集合，m为对象区域序号，集合中任意像素点至少与该集合中另一像素点相邻，分割结果如图2所示，对附图2而言，实施例中的对象区域为{R₁,R₂}。

1.2区域矢量场提取

在实际的乱针绣绣制过程中，走线的方向要考虑不同对象区域的纹理走向，区域的矢量场可以用来指导走线的方向。本发明采用文献6KangH，LeeSY，ChuiCK.Coherentlinedrawing[C]//Proceedingsofthe5^thInternationalSymposiumonNon-photorealisticAnimationandRendering.NewYork：ACMPress，2007：43-50中所述EdgeTangentFlow方法为每个对象区域R_m提取相应的区域矢量场其中，Θ_m为R_m的区域矢量场，g为R_m中每个像素点的序号，Num(R_m)为R_m中像素点的个数，为R_m中第g个像素点的矢量场值，该值范围为[0,π)，矢量场提取结果如图3所示，对附图3而言，实施例中包含附图2中2个对象区域的矢量场Θ₁和Θ₂。

1.3图像显著性提取

在乱针绣中，绣制线条的长短与对象的重要性有关系，例如简单的背景区域重要性比较低，一般采用较长的线进行绣制，而比较重要的前景对象为了刻画更加细腻，绣制时线条长度较短为好，因此，可以依据提取图像显著性特征指导绣制线条长度信息。本发明采用文献7ChengMM,ZhangGX,MitraNJ,etal.Globalcontrastbasedsalientregiondetection[C]//ComputerVisionandPatternRecognition(CVPR),2011IEEEConferenceon.IEEE,2011:409-416中所述基于区域对比度的显著性提取方法提取图像显著性特征，该特征为包含所有对象区域每个像素点的显著性值的集合，某个像素点的显著性值越高，则该像素点的重要性越高，其显著性值的范围为[0,255]，显著性提取结果如图4所示，对附图4而言，越亮的像素点位置显著性值越高，反之，越暗责显著性值越低。

2、乱针绣针法模型

本发明步骤二中定义了一种乱针绣针法模型的三层参数集合，并且包括乱针绣针法模型中高层参数的获取方法。

2.1针法模型建立

乱针绣以交叉针作为基本的单元，针法模型包括低、中、高三个层次的参数集合，低层为单根绣线，中层为单个交叉针、高层为交叉针排布。

低层参数集合为η={η_k:k=1～2N}，其中，表示单根绣线k对应的参数集，为绣线起点坐标、为绣线终点坐标，r_k、g_k、b_k分别为绣线在RGB颜色空间的R、G、B通道值，N表示交叉针总数，k为绣线序号；

中层参数集合为χ={χ_i:i=1～N}，其中，χ_i=(μ_i,ξ_i,θ_i,β_i,h_i,s_i,v_i)为单个交叉针i对应的参数集，μ_i为交叉针中心点，ξ_i为交叉针长度，θ_i为交叉针方向，β_i为交叉针夹角，h_i、s_i、v_i分别为在HSV颜色空间中的交叉针色调、交叉针饱和度、交叉针亮度，i为交叉针序号；

高层参数集合为Ω={ρ,λ_θ,λ_ξ,λ_h,λ_s,λ_v}，其中，ρ为交叉针排布的密度，λ_θ、λ_ξ、λ_h、λ_s、λ_v分别为交叉针排布的方向扩散因子、长度扩散因子、颜色色调扩散因子、颜色饱和度扩散因子、颜色亮度扩散因子；

2.1高层参数计算

高层参数集合Ω中每个高层参数的获取如下：

ρ根据实验统计值取0.89为优；

λ_θ=0.5-σ_θ，其中，为区域矢量场方差，obj为对象区域的像素点集合，Num(obj)为对象区域所有像素点的个数，pixel为对象区域中的任意一个像素点，θ_pixel为对象区域内pixel像素点对应的区域矢量场值，为对象区域内所有像素点对应的区域矢量场值的平均值，计算公式为

λ_ξ=50-σ_ξ，其中，为区域显著性值方差，Sal_pixel为对象区域内pixel像素点对应的显著性值，为对象区域内所有像素点对应的显著性值的平均值，计算公式为

λ_h=0.8-σ_h，其中，为区域颜色色调方差，h_pixel为对象区域内pixel像素点在原图中的颜色在HSV颜色空间的H通道值，为对象区域内所有像素点颜色在HSV颜色空间的H通道值的平均值，计算公式为

$\stackrel{\‾}{h}=\underset{\mathrm{pixel}\∈\mathrm{obj}}{\mathrm{\Σ}}{h}_{\mathrm{pixel}}/\mathrm{Num}\left(\mathrm{obj}\right);$

λ_s=0.5-σ_s，其中，为区域颜色饱和度方差，s_pixel为对象区域内pixel像素点在原图中的颜色在HSV颜色空间的S通道值，为对象区域内所有像素点颜色在HSV颜色空间的S通道值的平均值，计算公式为

$\stackrel{\‾}{s}=\underset{\mathrm{pixel}\∈\mathrm{obj}}{\mathrm{\Σ}}{s}_{\mathrm{pixel}}/\mathrm{Num}\left(\mathrm{obj}\right);$

λ_v=0.5-σ_v，其中，为区域颜色亮度方差，v_pixel为对象区域内pixel像素点在原图中的颜色在HSV颜色空间的V通道值，为对象区域内所有像素点颜色在HSV颜色空间的V通道值的平均值，计算公式为

$\stackrel{\‾}{v}=\underset{\mathrm{pixel}\∈\mathrm{obj}}{\mathrm{\Σ}}{v}_{\mathrm{pixel}}/\mathrm{Num}\left(\mathrm{obj}\right);$

3、反应扩散过程

结合步骤一中提取的对象区域、区域矢量场、图像显著性特征及步骤二中建立的针法模型及计算的高层参数Ω，本发明步骤三中对每个对象区域R_m执行以下步骤：生成初始的针迹序列集合，建立笔画邻域图，分别对初始的针迹序列集合中每个交叉针的方向、长度、颜色色调、颜色饱和度及颜色亮度五个参数进行五个反应扩散过程，然后为针迹序列集合中的每根绣线从绣线库中选择最相近的颜色，得到更新后的乱针绣针迹序列。

3.1初始针迹序列生成

步骤311：对对象区域R_m，根据ρ确定采样像素点个数采用文献8GamitoMN,MaddockSC.AccuratemultidimensionalPoisson-disksampling[J].ACMTransactionsonGraphics(TOG),2009,29(1):8中的方法随机选取N个像素点，可知N<Num(R_m)；

步骤312：在这个N个像素点处放置交叉针组成初始的针迹序列集合Λ={Λ_i:i=1～N}，其中，Λ_i={χ_i,τ_i}为每个交叉针χ_i与其邻域交叉针队列τ_i的组合，τ_i初始为空，i为采样像素点的序号，按照序号i分别设置χ_i中的μ_i值为第i个采样像素点的坐标，并分别为χ_i中的ξ_i、θ_i、β_i、h_i、s_i、v_i取随机值作为初始值，ξ_i的取值范围为[4,25]，θ_i的取值范围为[0,π)，β_i的取值范围为h_i的取值范围为[0,360)，s_i和v_i的取值范围为[0.0,1.0]；

3.2笔画邻域图建立

步骤321：将当前对象区域R_m的针迹序列集合Λ中每个Λ_i的邻域交叉针队列τ_i设置为空，对每个Λ_i执行步骤322～步骤324；

步骤322：从Θ_m中得到像素点位置μ_i=(x_i,y_i)的方向θ_i，以μ_i为原点，以θ_i的方向为X轴，θ_i+90°的方向为Y轴建立局部笛卡尔坐标系，分别计算得到4个象限的角度范围：[θ_i,θ_i+90°)，[θ_i+90°，θ_i+180°)，[θ_i+180°，θ_i+270°)，[θ_i+270°，θ_i+360°)，分别为每个象限建立4个队列list₁，list₂，list₃，list₄，初始每个队列为空；

步骤323：对Λ中除Λ_i以外的所有交叉针的位置点μ_j=(x_j,y_j)，其中，j=1～N,j≠i，依次计算3个变量值：dx=x_j-x_i，dy=y_j-y_i，对每个象限的角度范围[α_min,α_max)，其中，α_min和α_max分别为象限角度范围的下限值和上限值，首先计算v1x=cos(α_min)，v1y=sin(α_min)，v2x=cos(α_max)，v2y=sin(α_max)，然后计算以下3个值 ${\mathrm{\&delta;}}_1=\arccos \left(\frac{(\mathrm{dx}*v1x+\mathrm{dy}*v1y)}{\mathrm{len}}\right),$ ${\mathrm{\&delta;}}_2=\arccos \left(\frac{(\mathrm{dx}*v2x+\mathrm{dy}*v2y)}{\mathrm{len}}\right),$ δ₃=arccos((v1x*v2x+v1y*v2y))，如果δ₁≤δ₃且δ₂≤δ₃，则当前点μ_j=(x_j,y_j)属于[α_min,α_max)表示的象限，将μ_j=(x_j,y_j)所在的交叉针Λ_j的序号j加入到对应的队列中。

步骤324：对每个队列list_t，t=1,2,3,4，计算list_t中每个序号对应的交叉针的位置点μ_j=(x_j,y_j)与μ_i=(x_i,y_i)的欧式距离 $\mathrm{dis}=\sqrt{(x_i-x_j)\&times;(x_i-x_j)+(y_i-y_j)\&times;(y_i-y_j)},$ 选择距离最小的交叉针并将其序号加到τ_i中。

建立的笔画邻域图如图5所示，对附图5而言，实施例中包含附图2中2个对象区域的2个笔画邻域图，为了更清晰地表现该笔画邻域图的拓扑关系，实施例中的2个笔画邻域图在步骤311中采用的参数ρ均为0.72，且将每个交叉针中心点与邻域交叉针队列中的交叉针中心点相连。

3.3交叉针方向扩散

步骤331：设定初始迭代次数K₁=1；

步骤332：对针迹序列集合Λ中的每个组合Λ_i，执行步骤3321～步骤3324：

步骤3321：获取组合Λ_i的交叉针方向θ_i，获取步骤12提取的区域矢量场中位于组合Λ_i的交叉针中心点μ_i的矢量场方向θ_i ^*；

步骤3322：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤3323：计算方向偏量值 $\mathrm{\&Delta;\&theta;}=\sin ({{\mathrm{\&theta;}}_i}^{*}-{\mathrm{\&theta;}}_i)+{\mathrm{\&lambda;}}_{\mathrm{\&theta;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_{\mathrm{ij}}\sin ({\mathrm{\&theta;}}_j-{\mathrm{\&theta;}}_i)+{\mathrm{\&epsiv;}}_{\mathrm{\&theta;}},$ 其中，τ_i为组合Λ_i的邻域交叉针队列，j为τ_i中每个交叉针的序号，ω_ij为序号为j的交叉针与序号为i的交叉针的权重，θ_j为序号为j的交叉针的交叉针方向，ε_θ=rand(0,0.05)为方向随机因子；

步骤3324：计算组合Λ_i新的交叉针方向值θ_i=θ_i+Δθ；

步骤333：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针方向值，计算方向马尔科夫能量方程值 $E_{\mathrm{\&theta;}}=\underset{i}{\mathrm{\&Sigma;}}(1-\cos ({\mathrm{\&theta;}}_i-{{\mathrm{\&theta;}}_i}^{*}))+{\mathrm{\&lambda;}}_{\mathrm{\&theta;}}\underset{i}{\mathrm{\&Sigma;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_{\mathrm{ij}}(1-\cos ({\mathrm{\&theta;}}_i-{\mathrm{\&theta;}}_j));$

步骤334：如果当前第K₁次迭代的能量值与第K₁-1次迭代的能量值差值小于0.5，则迭代结束，否则，转步骤332继续执行，且迭代次数K₁加1。

3.4交叉针长度扩散

步骤341：设定初始迭代次数K₂=1；

步骤342：对针迹序列集合Λ中的每个组合Λ_i，执行步骤3421～步骤3424：

步骤3421：获取组合Λ_i的交叉针长度ξ_i，依据步骤13提取的图像显著性特征计算长度ξ_i ^*，计算公式为其中，I_sal(μ_i)为组合Λ_i的交叉针中心点μ_i处的图像显著性值；

步骤3422：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤3423：计算长度偏量值其中，ξ_j为序号为j的交叉针的交叉针长度，ε_ξ=rand(0,0.2)为长度随机因子；

步骤3424：计算组合Λ_i新的交叉针长度值ξ_i=ξ_i+Δξ；

步骤343：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针长度值，计算长度马尔科夫能量方程值 $E_{\mathrm{\&xi;}}=\underset{i}{\mathrm{\&Sigma;}}{\left|\right|{\mathrm{\&xi;}}_i-{{\mathrm{\&xi;}}_i}^{*}\left|\right|}^2+{\mathrm{\&lambda;}}_{\mathrm{\&xi;}}\underset{i}{\mathrm{\&Sigma;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_{\mathrm{ij}}{\left|\right|{\mathrm{\&xi;}}_i-{\mathrm{\&xi;}}_j\left|\right|}^2;$

步骤344：如果当前第K₂次迭代的能量值与第K₂-1次迭代的能量值差值小于1.0，则迭代结束，否则，转步骤342继续执行，且迭代次数K₂加1。

3.5颜色色调扩散

步骤351：设定初始迭代次数K₃=1；

步骤352：对针迹序列集合Λ中的每个组合Λ_i，执行步骤3521～步骤3524：

步骤3521：获取组合Λ_i的交叉针色调h_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的H通道值h_i ^*；

步骤3522：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤3523：计算色调偏量值其中，h_j为序号为j的交叉针的交叉针色调，ε_h=rand(0,1.0)为色调随机因子；

步骤3524：计算组合Λ_i新的交叉针色调值h_i=h_i+Δh；

步骤353：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针色调值，计算色调马尔科夫能量方程值 $E_h=\underset{i}{\mathrm{\&Sigma;}}(1-\cos (h_i-{h_i}^{*}))+{\mathrm{\&lambda;}}_h\underset{i}{\mathrm{\&Sigma;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_{\mathrm{ij}}(1-\cos (h_i-h_j));$

步骤354：如果当前第K₃次迭代的能量值与第K₃-1次迭代的能量值差值小于0.2，则迭代结束，否则，转步骤352继续执行，且迭代次数K₃加1。

3.6颜色饱和度扩散

步骤361：设定初始迭代次数K₄=1；

步骤362：对针迹序列集合Λ中的每个组合Λ_i，执行步骤3621～步骤3624：

步骤3621：获取组合Λ_i的交叉针饱和度s_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的S通道值s_i ^*；

步骤3622：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤3623：计算饱和度偏量值其中，s_j为序号为j的交叉针的交叉针饱和度，ε_s=rand(0,0.001)为饱和度随机因子；

步骤3624：计算组合Λ_i新的交叉针饱和度值s_i=s_i+Δs；

步骤363：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针饱和度值，计算饱和度马尔科夫能量方程值 $E_s=\underset{i}{\mathrm{\&Sigma;}}{\left|\right|s_i-{s_i}^{*}\left|\right|}^2+{\mathrm{\&lambda;}}_s\underset{i}{\mathrm{\&Sigma;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_{\mathrm{ij}}{\left|\right|s_i-s_j\left|\right|}^2;$

步骤364：如果当前第K₄次迭代的能量值与第K₄-1次迭代的能量值差值小于0.05，则迭代结束，否则，转步骤362继续执行，且迭代次数K₄加1。

3.7颜色亮度扩散

步骤371：设定初始迭代次数K₅=1；

步骤372：对针迹序列集合Λ中的每个组合Λ_i，执行步骤3721～步骤3724：

步骤3721：获取组合Λ_i的交叉针亮度v_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的V通道值v_i ^*；

步骤3722：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤3723：计算亮度偏量值其中，v_j为序号为j的交叉针的交叉针亮度，ε_v=rand(0,0.001)为亮度随机因子；

步骤3724：计算组合Λ_i新的交叉针亮度值v_i=v_i+Δv；

步骤373：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针亮度值，计算亮度马尔科夫能量方程值 $E_v=\underset{i}{\mathrm{\&Sigma;}}{\left|\right|v_i-{v_i}^{*}\left|\right|}^2+{\mathrm{\&lambda;}}_v\underset{i}{\mathrm{\&Sigma;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\mathrm{\&Sigma;}}{\mathrm{\&omega;}}_{\mathrm{ij}}{\left|\right|v_i-v_j\left|\right|}^2;$

步骤374：如果当前第K₅次迭代的能量值与第K₅-1次迭代的能量值差值小于0.05，则迭代结束，否则，转步骤372继续执行，且迭代次数K₅加1。

3.8绣线颜色选择

输入：绣线颜色库γ为绣线颜色的序号，W为绣线颜色库中绣线颜色的总数，分别为绣线颜色在RGB颜色空间的R、G、B通道值，对象区域R_m的针迹序列集合Λ={Λ_i:i=1～N}；

输出：对象区域R_m的绣线集合η={η_k:k=1～2N},每根绣线为

${\mathrm{\&eta;}}_k=(p_k^1,p_k^2,r_k,g_k,b_k);$

步骤381：设置对象区域R_m的绣线集合η为空；

步骤382：对针迹序列集合Λ中的每个Λ_i执行步骤3821～步骤3824；

步骤3821：提取其χ_i中的参数ξ_i、θ_i、β_i、h_i、s_i、v_i，设置两个新的绣线η_2i、η_2i+1加入到η中，2i和2i+1分别为绣线的序号；

步骤3822：分别计算η_2i和η_2i+1的起点和终点坐标， $p_{2i}^1={\mathrm{\&mu;}}_i+\frac{{\mathrm{\&xi;}}_i}{2}\cos ({\mathrm{\&theta;}}_i+{\mathrm{\&beta;}}_i),$ $p_{2i}^2={\mathrm{\&mu;}}_i+\frac{{\mathrm{\&xi;}}_i}{2}\sin ({\mathrm{\&theta;}}_i+{\mathrm{\&beta;}}_i),$ $p_{2i+1}^1={\mathrm{\&mu;}}_i+\frac{{\mathrm{\&xi;}}_i}{2}\cos ({\mathrm{\&theta;}}_i+{\mathrm{\&beta;}}_i),$ $p_{2i+1}^2={\mathrm{\&mu;}}_i+\frac{{\mathrm{\&xi;}}_i}{2}\sin ({\mathrm{\&theta;}}_i+{\mathrm{\&beta;}}_i),$

步骤3823：利用颜色空间转换方法将χ_i中HSV颜色空间的h_i、s_i、v_i值转化为RGB颜色空间的三通道值rgb_r，rgb_g，rgb_b；

步骤3824：绣线颜色库中的颜色值为RGB值，从绣线颜色库中选择与RGB三通道值rgb_r，rgb_g，rgb_b距离最小的绣线颜色的RGB值作为η_2i和η_2i+1的颜色值， $r_{2i}=r_{2i+1}={\mathrm{SC}}_{\mathrm{\&gamma;}}^1,$ $g_{2i}=g_{2i+1}={\mathrm{SC}}_{\mathrm{\&gamma;}}^2,$ $b_{2i}=b_{2i+1}={\mathrm{SC}}_{\mathrm{\&gamma;}}^3,$

最后的绣制效果如图6所示，对附图6而言，实施例中一个是前景的花朵区域，另一个是背景区域，其中，花朵区域的高层绘制参数Ω={ρ,λ_θ,λ_ξ,λ_h,λ_s,λ_v}的取值分别为{ρ=0.89，λ_θ=0.6，λ_ξ=2.4，λ_h=0.09，λ_s=0.13，λ_v=0.05}，背景区域的高层绘制参数的取值分别为{ρ=0.89，λ_θ=-0.15，λ_ξ=5.3，λ_h=-2.19，λ_s=-0.5，λ_v=0.4}。

本发明实现了一种基于反应扩散过程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 (6)

1.一种基于反应扩散过程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：以彩色图像作为输入，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，建立乱针绣针法模型并计算高层参数：建立包含单根绣线、单个交叉针和交叉针排布的低、中、高三层参数表示的乱针绣针法模型，并根据图像特征计算参数表示的乱针绣针法模型中控制交叉针排布的高层参数；

步骤三，乱针绣针迹序列反应扩散过程：对每个对象区域，依据步骤二中获取的高层参数生成初始的针迹序列集合，建立笔画邻域图，并结合步骤一中提取的图像特征，对初始的针迹序列集合中每个交叉针的方向、长度、颜色色调、颜色饱和度及颜色亮度分别进行五个反应扩散过程，然后为每个针迹从绣线库中选择对应的绣线颜色，得到更新后的乱针绣针迹序列；

步骤四，将步骤三中得到的乱针绣针迹序列坐标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，从而得到实际的乱针绣绣品；

步骤一中，所述图像特征提取包括以下步骤：

步骤11：对输入的彩色图像，采用图像解析方法将图像分割成不同的对象区域；

步骤12：对分割后的对象区域，采用边缘切向流方法提取区域矢量场；

步骤13：对输入的彩色图像，采用图像显著性计算方法提取图像显著性特征；

步骤二包括以下步骤：

乱针绣针法模型建立：所述乱针绣针法模型包括低、中、高三个层次的参数表示，低层为单根绣线，中层为单个交叉针、高层为交叉针排布；

其中，低层参数集合为η＝{η_k:k＝1～2N}，表示单根绣线k对应的参数集，为绣线起点坐标、为绣线终点坐标，r_k、g_k、b_k分别为绣线在RGB颜色空间的R、G、B通道值，N表示交叉针总数，k为绣线序号；

中层参数集合为χ＝{χ_i:i＝1～N}，其中，χ_i＝(μ_i,ξ_i,θ_i,β_i,h_i,s_i,v_i)为单个交叉针i对应的参数集，μ_i为交叉针中心点，ξ_i为交叉针长度，θ_i为交叉针方向，β_i为交叉针夹角，h_i、s_i、v_i分别为在HSV颜色空间中的交叉针色调、交叉针饱和度、交叉针亮度，i为交叉针序号；

高层参数集合为Ω＝{ρ,λ_θ,λ_ξ,λ_h,λ_s,λ_v}，其中，ρ为交叉针排布的密度，λ_θ、λ_ξ、λ_h、λ_s、λ_v分别为交叉针排布的方向扩散因子、长度扩散因子、颜色色调扩散因子、颜色饱和度扩散因子、颜色亮度扩散因子；其中ρ取0.89，λ_θ由步骤12中提取的区域矢量场计算区域矢量场方差值计算得到，λ_ξ由步骤13中提取的图像显著性特征方差值计算得到，λ_h、λ_s、λ_v分别由对象区域内所有像素颜色色调方差、饱和度方差、亮度方差计算得到；

步骤三包括以下步骤：

步骤31：对每个对象区域，根据步骤二中获取的交叉针排布的密度ρ确定N个采样点，采用均匀泊松盘采样方法选取N个采样点位置作为初始的针迹序列集合Λ＝{Λ_i:i＝1～N}，其中Λ_i＝{χ_i,τ_i}为每个交叉针χ_i与其邻域交叉针队列τ_i的组合，τ_i初始为空，按照序号i分别设置交叉针χ_i的交叉针中心点μ_i为第i个采样点的坐标值，并分别为交叉针χ_i的交叉针长度ξ_i、交叉针方向θ_i、交叉针夹角β_i、交叉针色调h_i、交叉针饱和度s_i、交叉针亮度v_i取随机值作为初始值，ξ_i的取值范围为[4,25]，θ_i的取值范围为[0,π)，β_i的取值范围为h_i的取值范围为[0,360)，s_i和v_i的取值范围为[0.0,1.0]；

步骤32：对针迹序列集合Λ中每个组合Λ_i执行步骤321～步骤322；

步骤321：依据步骤12中提取的区域矢量场获取组合Λ_i的交叉针中心点μ_i处的矢量场方向，以交叉针中心点μ_i为原点，获取的矢量场方向及其垂直方向为X轴和Y轴，建立局部笛卡尔坐标系，并划分为四个象限；

步骤322：依据交叉针中心点μ_i及四个象限，分别在每个象限内选择一个与交叉针中心点μ_i距离最小的交叉针，并将该交叉针序号加入到邻域交叉针队列τ_i中，邻域交叉针队列τ_i中包含四个象限中的交叉针的序号；

步骤33：由步骤31得到针迹序列集合Λ中每个组合Λ_i的交叉针χ_i，由步骤32得到每个组合Λ_i的邻域交叉针队列τ_i，将二者组合成完整的针迹序列集合Λ；

步骤34：对针迹序列集合Λ执行步骤341～步骤345；

步骤341：执行方向反应扩散过程；

步骤342：执行长度反应扩散过程；

步骤343：执行颜色色调反应扩散过程；

步骤344：执行颜色饱和度反应扩散过程；

步骤345：执行颜色亮度反应扩散过程；

步骤35：对针迹序列集合Λ中的每个针迹从绣线库中选择对应的绣线颜色，得到更新后的乱针绣针迹序列。

2.根据权利要求1所述的一种基于反应扩散过程的计算机辅助乱针绣制作方法，其特征在于，步骤341：方向反应扩散过程包括：

步骤3411：设定初始迭代次数K₁＝1；

步骤3412：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34121～步骤34124：

步骤34121：获取组合Λ_i的交叉针方向θ_i，获取步骤12提取的区域矢量场中位于组合Λ_i的交叉针中心点μ_i的矢量场方向

步骤34122：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34123：计算方向偏量值 $\mathrm{\&Delta;}\mathrm{\&theta;}=sin({\mathrm{\&theta;}}_i^{*}-{\mathrm{\&theta;}}_i)+{\mathrm{\&lambda;}}_{\mathrm{\&theta;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}sin({\mathrm{\&theta;}}_j-{\mathrm{\&theta;}}_i)+{\mathrm{\&epsiv;}}_{\mathrm{\&theta;}},$ 其中，τ_i为组合Λ_i的邻域交叉针队列，j为τ_i中每个交叉针的序号，ω_ij为序号为j的交叉针与序号为i的交叉针的权重，θ_j为序号为j的交叉针的交叉针方向，ε_θ＝rand(0,0.05)为方向随机因子；

步骤34124：计算组合Λ_i新的交叉针方向值θ_i＝θ_i+Δθ；

步骤3413：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针方向值，计算方向马尔科夫能量方程值 $E_{\mathrm{\&theta;}}=\underset{i}{\&Sigma;}(1-cos({\mathrm{\&theta;}}_i-{\mathrm{\&theta;}}_i^{*}\left)\right)+{\mathrm{\&lambda;}}_{\mathrm{\&theta;}}\underset{i}{\&Sigma;}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}(1-cos({\mathrm{\&theta;}}_i-{\mathrm{\&theta;}}_j\left)\right);$

步骤3414：如果当前第K₁次迭代的能量值与第K₁-1次迭代的能量值差值小于0.5，则迭代结束，否则，转步骤3412继续执行，且迭代次数K₁加1。

3.根据权利要求2所述的一种基于反应扩散过程的计算机辅助乱针绣制作方法，其特征在于，步骤342：长度反应扩散过程包括：

步骤3421：设定初始迭代次数K₂＝1；

步骤3422：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34221～步骤34224：

步骤34221：获取组合Λ_i的交叉针长度ξ_i，依据步骤13提取的图像显著性特征计算长度计算公式为其中，I_sal(μ_i)为组合Λ_i的交叉针中心点μ_i处的图像显著性值；

步骤34222：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34223：计算长度偏量值 $\mathrm{\&Delta;}\mathrm{\&xi;}=({\mathrm{\&xi;}}_i^{*}-{\mathrm{\&xi;}}_i)+{\mathrm{\&lambda;}}_{\mathrm{\&xi;}}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}({\mathrm{\&xi;}}_j-{\mathrm{\&xi;}}_i)+{\mathrm{\&epsiv;}}_{\mathrm{\&xi;}},$ 其中，ξ_j为序号为j的交叉针的交叉针长度，ε_ξ＝rand(0,0.2)为长度随机因子；

步骤34224：计算组合Λ_i新的交叉针长度值ξ_i＝ξ_i+Δξ；

步骤3423：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针长度值，计算长度马尔科夫能量方程值 $E_{\mathrm{\&xi;}}=\underset{i}{\&Sigma;}\left|\right|{\mathrm{\&xi;}}_i-{\mathrm{\&xi;}}_i^{*}|{|}^2+{\mathrm{\&lambda;}}_{\mathrm{\&xi;}}\underset{i}{\&Sigma;}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}||{\mathrm{\&xi;}}_i-{\mathrm{\&xi;}}_i|{|}^2;$

步骤3424：如果当前第K₂次迭代的能量值与第K₂-1次迭代的能量值差值小于1.0，则迭代结束，否则，转步骤3422继续执行，且迭代次数K₂加1。

4.根据权利要求1所述的一种基于反应扩散过程的计算机辅助乱针绣制作方法，其特征在于，步骤343：颜色色调反应扩散过程包括：

步骤3431：设定初始迭代次数K₃＝1；

步骤3432：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34321～步骤34324：

步骤34321：获取组合Λ_i的交叉针色调h_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的H通道值

步骤34322：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34323：计算色调偏量值 $\mathrm{\&Delta;}h=sin(h_i^{*}-h_i)+{\mathrm{\&lambda;}}_h\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}sin(h_j-h_i)+{\mathrm{\&epsiv;}}_h,$ 其中，h_j为序号为j的交叉针的交叉针色调，ε_h＝rand(0,1.0)为色调随机因子；

步骤34324：计算组合Λ_i新的交叉针色调值h_i＝h_i+Δh；

步骤3433：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针色调值，计算色调马尔科夫能量方程值 $E_h=\underset{i}{\&Sigma;}(1-cos(h_i-h_i^{*}\left)\right)+{\mathrm{\&lambda;}}_h\underset{i}{\&Sigma;}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}(1-cos(h_i-h_j\left)\right);$

步骤3434：如果当前第K₃次迭代的能量值与第K₃-1次迭代的能量值差值小于0.2，则迭代结束，否则，转步骤3432继续执行，且迭代次数K₃加1。

5.根据权利要求1所述的一种基于反应扩散过程的计算机辅助乱针绣制作方法，其特征在于，步骤344：颜色饱和度反应扩散过程包括：

步骤3441：设定初始迭代次数K₄＝1；

步骤3442：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34421～步骤34424：

步骤34421：获取组合Λ_i的交叉针饱和度s_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的S通道值

步骤34422：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34423：计算饱和度偏量值 $\mathrm{\&Delta;}s=(s_i^{*}-s_i)+{\mathrm{\&lambda;}}_s\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}(s_j-s_i)+{\mathrm{\&epsiv;}}_s,$ 其中，s_j为序号为j的交叉针的交叉针饱和度，ε_s＝rand(0,0.001)为饱和度随机因子；

步骤34424：计算组合Λ_i新的交叉针饱和度值s_i＝s_i+Δs；

步骤3443：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针饱和度值，计算饱和度马尔科夫能量方程值 $E_s=\underset{i}{\&Sigma;}\left|\right|s_i-s_i^{*}|{|}^2+{\mathrm{\&lambda;}}_s\underset{i}{\&Sigma;}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}||s_i-s_j|{|}^2;$

步骤3444：如果当前第K₄次迭代的能量值与第K₄-1次迭代的能量值差值小于0.05，则迭代结束，否则，转步骤3442继续执行，且迭代次数K₄加1。

6.根据权利要求1所述的一种基于反应扩散过程的计算机辅助乱针绣制作方法，其特征在于，步骤345：颜色亮度反应扩散过程包括：

步骤3451：设定初始迭代次数K₅＝1；

步骤3452：对针迹序列集合Λ中的每个组合Λ_i，执行步骤34521～步骤34524：

步骤34521：获取组合Λ_i的交叉针亮度v_i，获取输入彩色图像中位于组合Λ_i的交叉针中心点μ_i的像素在HSV颜色空间的V通道值

步骤34522：计算组合Λ_i的交叉针中心点μ_i与邻域交叉针队列τ_i中每个交叉针的交叉针中心点的距离，并将该距离的反比设置为邻域交叉针队列τ_i中每个交叉针与序号为i的交叉针的权重；

步骤34523：计算亮度偏量值其中，v_j为序号为j的交叉针的交叉针亮度，ε_v＝rand(0,0.001)为亮度随机因子；

步骤34524：计算组合Λ_i新的交叉针亮度值v_i＝v_i+Δv；

步骤3453：根据针迹序列集合Λ中每个组合Λ_i更新后的交叉针亮度值，计算亮度马尔科夫能量方程值 $E_v=\underset{i}{\&Sigma;}\left|\right|v_i-v_i^{*}|{|}^2+{\mathrm{\&lambda;}}_v\underset{r}{\&Sigma;}\underset{j\&Element;{\mathrm{\&tau;}}_i}{\&Sigma;}{\mathrm{\&omega;}}_{ij}||v_i-v_j|{|}^2;$

步骤3454：如果当前第K₅次迭代的能量值与第K₅-1次迭代的能量值差值小于0.05，则迭代结束，否则，转步骤3452继续执行，且迭代次数K₅加1。