浅析文物保护中数字图像修复技术的应用

刘飞达

【摘要】早在文艺复兴时期，文物修复作为文物保护工作的重要环节，因其对技术具有较高要求，以至于在文物保护传承的过程中蒙受了巨大损失。得益于计算机信息技术发展的高速发展，使数字图像修复技术从视觉研究领域的重点逐渐成为文物保护工作不可缺少的应用技术。

【关键词】文物保护；数字图像修复技术；虚拟修复

【中图分类号】S725 【文献标识码】A

引言

文物作为人类文明发展的实际见证，它不仅反映了社会经济及文化生活的真实状态，还是文物及历史学者用于研究文化发展规律的重要工具。文物保护及修复工作不仅能满足文物观赏的需求，还能对社会文化及体制变革具有推动作用。然而，自数字图像修复技术引入我国后，虽然在平面设计、商业广告等领域得到一定的应用及发展，但受技术层面及操作方式不当等因素的限制，导致该技术在文物保护领域的应用始终不温不火。

一、数字图像修复技术的历史及特点

早期的文物图像修复技术源于欧洲文艺复兴时期的艺术家画作，由于当时的美术或艺术作品保存不易，并在流传过程中多有缺失，艺术家便凭借自身的想象力，用手工画作修补的方式，不得不承认的是，这种古老而费时的方法，的确能在最大程度上维持原作品的艺术价值。但是，这种非数字修复的技术条件具有相当的风险性，一旦在人工修复过程中出现纰漏，会导致文物损坏并失去艺术价值。随着计算机技术及数字扫描仪的出现，结合文物图像信息的缺失前提条件，从而提高了文物数学图像修复的实际需求。

因此，基于数字图像修复技术的文物保护，便是将破损文物进行数字图像扫描后，运用数字图像相关理论，利用完好区域的有效信息，以恢复文物的完整观赏性为前提，通过填补文物图像信息的破损部分，使观众用肉眼无法察觉出文物图像本身存在改动或破损。可以说，以虚拟修复为主要手段的数字图像修复技术，能有效缩短文物视觉修复的周期，在向观众展现完整文物面貌的同时，也进一步缩减了文物修复工作的时间及物质成本。

二、文物保护工作中数字图像修复技术的有效算法应用

（一）K-均值聚类算法

所谓的K-均值聚类算法是指在处理较大的图像数据时，以寻找中心点为解决方法，从而解决局部破损图像的问题。在实际文物修复过程中，出于文物本身存在缺陷或者数字图像信息缺失的问题，使数字图像的修复工作本身便是一个病态的问题。比如说，由于大型建筑文物在保存过程中出现表面剥落、霉变、上锈、脱落等现象，在文物自身不完整的前提下，文物修复者只能运用K-均值聚类算法修复技术，进而有效开展视觉修复研究的相关工作。

案例一：罗泊湾漪澜塔位于贵港市罗泊湾村，虽然该地区文物保护意识浓厚，并且气候较为适宜，有利于大型建筑文物的保存。但是，由于“文革”特殊时期的影响，使漪澜塔局部出现坍塌及墙体裂缝，从现状照片方面来看，总共九层的漪澜塔有绝大部分处于中高等级别。因此，为帮助漪澜塔的整体修复，便需要对破损图像进行提取及修复。在实际修复过程中，首先在确定给定类数K的基础上，通过集X={x，，x2，...xn}的数学函数公式来选择破损图像的随机中心点，根据最佳相似性的原则将每个集的数据划分为不同的类别，成功划分为不同类别的数据后，再次使用数学函数公式，直至多次运行函数计算所得出的结果误差达到预计或无法再次运行计算后，便可以在计算机中得出罗泊湾漪澜塔的修复图像。

（二）偏微分方程式算法

案例二：翼王亭作为当地的地标性近现代建筑，在具体的数字图像修复过程中，文物保护工作者遇到的首要问题便是实际测量数据与资料数据存在严重的不符。究其原因，主要是受雷暴、洪水、地质环境变迁以及档案资料欠缺等原因的限制，最为明显，便是翼王亭高为9.5米，但实际勘测数据却为9.7米，给数字图像信息的修复工作带来了相当大的不便。而大面积的破损及灰度值混乱，使传统的K-均值聚类算法无法得到实际应用。为此，修复人员运用偏微分方程（PDE），即以能量及数学模型的方式，对翼王亭的大面积破损区域进行数值迭代的相关评估。比如说，为有效处理因灰度值变化导致函数变量过多的问题，修复人员采用了热传

（三）元启发式算法

近年来，元启发式算法（GWO）在国内外掀起了一阵热潮，其灵感来自于自然优化淘汰的思想，特别是后续演变产生的“灰狼”式算法，虽然该类算法的应用范围还不是特别广泛，但在实际的图像分割、提取、修复过程中，明显略高于K-均值聚类算法，不仅有效提高了实际质量及精度，还在彩色空间图像修复中有巨大的应用价值。

案例三：1994年，位于贵港市的南江古码头因洪水灾害导致牌坊挡土墙及牌坊地面出现了严重损毁。经过长达二十年的闲置及简单维护，2016年，文物保护工作者在修缮施工工程中发现，由于牌坊及相关文物损毁较为严重，以至于现场照片的噪声污染较为复杂，并且具有大量的复杂纹理破损区域。因此，使用偏微分方程理论可能难以产生较好的修复效果。针对聚类中心存在选择性差异及整体修复破损较难的问题，技术人员提出了将灰狼式算法与K-均值聚类相结合

经过前两个阶段的计算后，在勘探过程中，为了模拟数学意义上的分散，还需利用随机大于1或者小于-1的值来实现GWO算法的全局搜索。此外，在GWO和K-均值聚类算法的结合过程中，有利于初次寻找到最佳的聚类中心，并且在后续计算过程中不断优化，直至取得最佳的结果。实验证明，这种混合式的算法既能克服传统算法对中心点较为依赖的弊病，还在稳定修复方面具有相当的优势。

三、基于数字图像修复技术的文物虚拟保护技术路线及展望

（一）技术内容与路线

近年来，虽然数字图像修复技术在文物虚拟修复方面的应用较晚，但凭借其风险较低、成本低廉、效果显著等特点，得到了文物保护工作者的一致认可。在實际虚拟修复工作中，主要包括以下几方面的修复方法，具体如图所示。

（二）关于未来展望

信息化时代的到来，各种各样的信息应用，使数字图像在电子商务、社交网络、博客及微博等方面的需求越来越大。在文物领域，利用文物数字化，通过网络传播各类文物数字信息己成为一种文物交流的新趋势，文物数字图像从采集、处理、传播到应用的研究有了一定发展。因为数字图像修复技术利用相关算法，弥补了传统修复技术的不足。所以，在实际文物虚拟修复过程中，针对已经缺失的破损部分，不能凭借主观思维去随意修复，必须根据修复软件的算法指令来标记所要修复或提取的区域，以此保证文物的正常修复效果。

四、结语

数字图像修复技术是一门综合性和技术性较强的学科，随着该技术的发展与完善，目前在多个领域中有广泛的应用。现阶段，数字图像修复技术在文物保护领域中的应用还存在一些问题，数字图像修复还需要研究人员的共同努力，让该技术在文物领域逐渐走向成熟。随着数字图像修复技术的发展，从二维数字图像到三维数字图像修复技术研究的深入成熟，其在文物领域的应用必将有更广阔的前景。

参考文献：

[1]杨红光.图像修复技术在赣南红色文物保护中的应用与研究[D].江西理工大学，2016.

[2]李静.基于集成学习技术的数字图像自动修复理论与算法研究[D].江西理工大学，2010.

[3]张红英，彭启踪.数字图像修复技术综述[J].中国图象图形学报，2007（1）.