基于直方图的水墨画艺术风格研究

盛家川

天津财经大学理工学院，天津 300200

◎博士论坛◎

基于直方图的水墨画艺术风格研究

盛家川

天津财经大学理工学院，天津 300200

基于内容的照片或自然图像分析和检索已经得到广泛的研究，但多数都基于颜色特征，不能直接用于水墨画艺术作品的分析。对图像进行预处理，提出基于灰度直方图描述水墨画笔道力度分布信息及构图风格，并利用神经网络学习水墨画整体技法风格特征，依据此特征进行不同艺术家间的分类。实验结果表明，通过对整体风格特征的提取，直方图模型能够有效表征画家不同的艺术风格，实现了水墨画的自动分类。

水墨画；特征提取；BP神经网络；直方图

1 引言

随着互联网的发展，越来越多的水墨画出现在网络中。如何方便地检索和分类水墨画成为近年来科学研究的热点。中国画不同于西方的艺术，其形成借助于中国的毛笔，墨汁，水和色彩。由于中国画主要是以线为造型之基础，而西方画强调用光表现物体神态活现，这就使中西绘画在造型手段上有明显之分别[1-2]。所以一些已有的针对西方画的研究不能直接用于水墨画的分析中。近年来，一些文献对中国画进行了研究。高众等[3]通过提取颜色和纹理特征，区分国画和非国画，并将国画进一步分类为工笔、写意、勾勒、设色四种表现形式。Jiang等[4-5]以颜色直方图、颜色连续向量、纹理特征、边缘尺寸直方图等作为低级图像特征，用C4.5决策树的方法来区分国画和非国画，并采用ESH和AC相结合的方法，运用SVM将国画进一步分类为工笔和写意。但是，由于水墨画不用色或少用色，故以上基于颜色特征提取的分类算法，不适合针对水墨画的研究。吕鹏[6]学习水墨作品各个局部的技法风格特征，并将这种特征赋予另外一幅画，体现出被赋予的“艺术风格特征”。而本文注重研究水墨画的整体艺术风格分类，故该方法也不适用。

本文提出一种利用计算机分类检索技术，通过图像处理的手段提取水墨画的艺术风格特征的算法，以智能地识别和分类画家水墨画的艺术风格。

2 水墨画艺术风格分析

无论是西方油画还是中国画的艺术珍品，都蕴藏着艺术家独特个性的构图理念或者典型笔画的创作风格。在西方艺术画中，许多印象派大师都是根据典型的一笔或几个笔画，形成了自己独特的创作风格。例如，梵高运用其独特的点彩画法来表现与世界之间的一种极度痛苦但又非常真实的关系。再比如，法国新印象派画家修拉用小圆点和纯色色点进行点彩的方法进行绘画，形成了其代表性的笔触风格[1]。

同样地，许多中国艺术家也都具有其标志性的独特笔触特征。郑板桥和刘旦宅虽然同画竹子，但其艺术风格迥异。刘旦宅画竹，融工笔、线描、泼墨为一体，古朴脱俗。郑板桥绘墨竹的风格，忽浓忽淡，干湿并用。画瘦叶、小叶多用中锋，肥叶则多用侧锋[1]。

因此针对水墨画自身特点的艺术风格分析在图像分类的研究中尤为重要。对书画作者来说，每个人由于执笔方式、书画习惯、运笔的迟速轻重、笔锋的转折变化以及墨色的浓淡干湿等各不相同，都会形成其独特的笔墨性格和形态。

3 水墨画整体艺术风格特征提取及分析

3.1 基于灰度直方图的整体风格分析

近年来，基于颜色的艺术作品检索和分类被广泛研究。但考虑到以下因素，本章只采用像素的亮度信息，作为图像分类的基础。

（1）由于大多数水墨画不用色或少用色，强调“墨即是色”，突出水墨互渗所造成的丰富的表现效果，以体现自然的意趣，故颜色在水墨画分类研究中不是一个必要因素。

（2）即使水墨画中会用到颜色，也只是有限几种颜色，无法充分提供画家的风格特征。

（3）由于水墨画历史悠久，创作时间早，放置时间长久会使颜色发生扭曲。

（4）排除颜色因素，而只采用灰度直方图进行分类，便于观测该算法的运行效果。

综上，为剔除颜色的影响，首先对输入的水墨画进行灰度变换的预处理。

水墨画的风格特征主要表现在笔墨技法、形象、字体、构图等方面，它与特定的书画方式、工具材料、思想文化等有关。对书画作者来说，每个人由于执笔方式、书画习惯、运笔的迟速轻重、笔锋的转折变化以及墨色的浓淡干湿等各不相同，都会形成其独特的笔墨性格和形态。

水墨画非常讲究空白的布置和物体的“气势”，既用焦点透视法，也用散点透视法；既有严守真实的画面空间和布白，也有打破真实按构图需要而平列的空间和布白。这些留白的特点和独特的“气势”都是通过整幅画卷的笔墨分布情况来具体体现出来的[1，7]。因此，研究水墨画的笔墨力度分布特征可以很好地捕捉和分析不同画家的整体水墨画艺术风格。

中国画家主要依靠不同的线条力度，或者以轻重缓急笔触所表现出的层次丰富的布局，在他们的作品中表达不同的外观和情感。笔触的力度、宽度、分布密度等信息能够用来辨别艺术风格，比如一件艺术作品的笔触是否细腻、粗犷或是整齐划一。因此，在判别艺术家风格时笔触信息起着决定性作用，不同艺术家用墨方式的不同决定了他们的笔触力度等信息千差万别。

受到图像处理技术相关文献的启发[8-12]，进行了实证研究，通过提取简单的灰度直方图代表整体的特征。发现灰度直方图能有效描述笔画力度分布信息、空白的布置和物体的“气势”，在中国画的自动分类方面有很好的应用潜力，图1显示不同艺术家整体风格有明显差异。徐悲鸿和刘旦宅在灰度级230～250附近出现明显的波峰值，验证了他们的构图风格中习惯使用大块的留白。另外，徐悲鸿作画最具代表性的特点是其擅用手画曲线的技术在马的头、颈、腹部、腿、蹄用厚重浓密的笔触进行勾勒，力透纸背。这一点与图1中灰度级为10附近徐悲鸿的曲线中有明显的小波峰相吻合，印证了徐悲鸿擅用着墨力度大、粗线条的笔触用墨汁勾勒出精确的轮廓。相比之下，黄公望作画基本不留白，如图2（c）所示，黄公望用墨呈现出一种精细分散的均匀分布态势，这恰恰与他的用墨风格相吻合。黄公望作画喜好用平滑的线条，大范围的泼墨，书法的风格写意，岩石形状竖直、平行，水面纹理细腻。

图1 基于直方图的不同画家的整体风格对比图

图2 艺术家风格代表作品

综上分析，直方图能够很好地反映出不同艺术家艺术风格的差异。基于以上的实验分析，本文提出一种基于灰度直方图的水墨画整体风格特征提取的方法。此算法从整体的着墨力度、笔画分布、画面布局信息来描述一幅水墨画的整体特征，并依据此特征进行不同艺术家间的分类。具体算法如下：

令{R1，R2，…，Ri，…，RT}表示在图像亮度标度范围[0，255]内的T个灰度级，水墨画整体特征提取如下：

Ci是灰度级为Ri亮度标度范围内的图像中的像素数，W×H代表图像尺寸。T控制直方图灰度级个数，即整体特征提取的维数，由实验本文取T=60得到较好的特征便于分类。

3.2 BP神经网络

训练神经网络是为了逼近期望的决策函数。Hornik等[13]已经证明，三层网络在隐层中使用S型传输函数，在输出层中使用线性传输函数，就几乎可以以任意精度逼近任何感兴趣的函数，只要隐层中有足够的单元可以使用。由此，本文选择三层网络的BP神经网络模型。

下面确定每一层的神经元节点数。首先考虑输出层输出的数据，风格学习系统的输出数据个数为1，即输出某个画家标签。由于输出数据个数与输出层个数相等，故本文得到输出层的神经节点数为1。

在实际应用时，综合考虑计算速度、误差等因素后，以精度要求作为网络性能评估指标，确定一个合理的网络节点数[14-15]。实验中，隐含层节点数按以下公式计算。

上式中，pk为隐含层节点数，pm为输入数据个数，pn为输出层节点数，c为常数，通常c=1，2，…，10。为了计算隐层节点数，需要先确定输入数据的个数。输入数据（即特征提取器抽取的特征参数集合）的个数pm=60，pn=1，可以通过公式（2）得出pk=7，8，…，16。

利用BP神经网络对国画艺术风格研究通过两个阶段实现：

（1）根据选择的具有代表性的水墨画训练集样本数据，对BP网络进行训练。

（2）将训练好的BP网络作为艺术风格分类器对测试集中的水墨画进行艺术风格分类。

4 实验结果及分析

为了评估本文提出的算法，建立了水墨画数据库，其数据全部采集自天津美术学院，并从数据库中随机选取5位画家每人40幅进行分类实验，从元朝至现代时期包括徐悲鸿，吴昌硕，黄公望，郑板桥，刘旦宅五位艺术家。其中对每一个画家，其所有水墨画被分成对等的两部分，分别作为训练数据和测试数据，从而保证实际的测试中，输入的水墨画是分类器没有学习过的。

另外值得注意的是，在构建神经网络过程中，增加隐层节点数可以减少训练误差，但超过13以后测试误差产生波动，即泛化能力发生变化。根据经验，综合比较各个神经网络的训练误差和测试误差，决定隐层节点数选用13。下面专门考察隐层节点数为13的神经网络。

本文采用查准率和查全率来评价算法的执行结果。为给出较全面的实验结果，除了利用BP神经网络（ANN），本文还对其他两种常用的机器学习方法包括决策树（C4.5）和支持向量机（SVM）进行测试和对比实验，如表1所示。

表1 水墨画整体艺术风格分类结果

由表1分析可知，基于直方图提取出的整体技法风格特征描述符能够有效地识别和分类中国画。对比实验结果表明在此实验中基于ANN方法所取得的查准率0.766和查全率0.74，均优于其他两种被比较的分类器。

另一方面，为了验证算法的通用性，实验数据中特意加入了一些艺术家画同种类事物的水墨画作品，如图2（b）和图2（c）所示，分别为刘旦宅和黄公望的山水画，虽然作品内容相近，但两位画家由于不同的用笔技法体现出不同的风格特征。如图3所示，基于直方图的特征提取算法能够很好地描述出两位画家的不同作画风格。黄公望的山水画皴点多而墨不费，设色重而笔不没，这与图3中灰度级150附近黄公望的曲线出现明显波峰值相吻合。而刘旦宅在灰度级30和240附近出现波峰值，印证了他融工笔、线描、泼墨为一体的作画风格。实验表明，本文提出的算法对不同画家内容相似的作品也具有很好的识别能力，验证了算法的通用性。

图3 刘旦宅和黄公望山水画整体风格对比图

5 结论

本文针对水墨画整体艺术风格提出了相应的特征提取算法，并建立了水墨画艺术风格分类的BP神经网络模型，在用样本对网络进行训练获得网络参数后，将网络模型用于分类水墨画的整体笔墨力度分布特征，得出画家识别结果。实验结果表明，直方图模型能够有效地识别不同艺术风格的画家。在后续研究中，还可以找出水墨画低阶特征与情感的映射关系，实现水墨画的情感分类。

[1]刘松岩.中国传统山水画技法解析：历代传世名作步骤图[M].北京：人民美术出版社，2006.

[2]甄巍.西洋油画与中国水墨[M].上海：学林出版社，2009.

[3]高众，卢官明.基于内容的中国画识别与分类方法[J].重庆科技学院学报：自然科学版，2009（1）：116-118.

[4]Jiang S Q，Gao W，Wang W Q.Classifying traditional Chinese painting images[C]//ICICS-PCM，2003：1816-1820.

[5]Jiang S Q，Huang Q M，Ye Q X，et al.An effective method to detect and categorize digitized traditional Chinese paintings[J].Pattern Recognition Letters，2006，27：734-746.

[6]吕鹏.基于神经网络的中国水墨画艺术风格学习[D].天津：天津大学，2009.

[7]陈洪绶.中国古代名家作品选粹[M].北京：人民美术出版社，2011.

[8]Xiang S J，Huang L W.Histogram-based audio watermarking against time-scale modification and cropping attacks[J]. IEEE Transactions on Multimedia，2007，9（7）：1357-1372.

[9]Johnson C，Hendriks E.Image processing for artist identification[J].Signal Processing Magazine，2008，25（4）：37-48.

[10]Sen D，Sankar K.Automatic exact histogram specification for contrast enhancement and visual system based quantitative evaluation[J].IEEE Trans on Image Process，2010，20（5）：1211-1220.

[11]Gonzalez R，Woods R.数字图像处理[M].阮秋琦，译.3版.北京：电子工业出版社，2011.

[12]Konstantinidis K，Vonikakis V.A center-surround histogram for content-based image retrieval[J].Pattern Analysis and Application，2011，14（3）：251-260.

[13]Hornik K M，Stinchcombe M，White H.Multilayer feed forward networks are universal approximators[J].Neural Networks，1989，5：359-366.

[14]郑美珠，赵景秀，孙利杰，等.基于模糊熵和BP神经网络的彩色图像边缘检测[J].计算机工程与应用，2010，46（33）：187-190.

[15]盛家川.神经网络在食用香精性能评价中的应用研究[J].计算机工程与应用，2009，45（28）：240-243.

SHENG Jiachuan

School of Science&Technology,Tianjin University of Finance and Economics,Tianjin 300200,China

In recent years,content-based retrieval and classification of nature images is widely studied,most of which take advantage of color component.Therefore,such methods are not suitable for IWPs analysis.In this paper,after image preprocessing,grayscale histogram is applied to describing the intensity distribution and compositional style.Based on Back-Propagation（BP）neural networks,Chinese arts are classified by observation and analysis.The experimental results prove that it is feasible to extract global feature based on histogram,and it can achieve high accuracy of automated classification.

Ink and Wash Paintings（IWPs）;feature extraction;BP neural networks;histogram

A

TP751.1

10.3778/j.issn.1002-8331.1211-0118

SHENG Jiachuan.Research on IWPs（Ink and Wash Paintings）artistic style based on histogram.Computer Engineering and Applications,2014,50（21）：1-3.

天津市高校科技发展基金项目（No.20140816）；天津市科技发展战略研究计划项目（No.12ZLZLZF01700，No.13ZLZLZF04600）。

盛家川（1982—），女，博士，讲师，主研方向：图像处理，机器学习。E-mail：jc_sheng@163.com

2012-11-12

2013-02-18

1002-8331（2014）21-0001-03