苗绣艺术风格针迹模拟研究

冯培超，钱文华，徐 丹，普园媛

苗绣艺术风格针迹模拟研究

冯培超，钱文华，徐 丹，普园媛

(云南大学信息学院，云南 昆明 650504)

非真实感绘制(NPR)也称艺术化渲染，主要用于模拟艺术化的绘制风格。随着图像处理技术的不断发展，研究者已经对中国特有的中国水墨画、烙画、云南重彩画等艺术作品进行了模拟，目前对苗族刺绣的数字化模拟研究还不多见。苗族刺绣也称苗绣，经国务院批准列入我国第一批国家级非物质文化遗产名录，是我国装饰艺术园地里的一朵奇葩。以苗绣为研究对象，根据真实苗绣艺术作品特点，提出了一种多角度针迹的苗绣艺术风格绘制方法。首先，针对苗绣图案构图手法夸张、层次分明的特点，将目标图像灰度处理，采用多阈值处理图像的方法分割出多幅刺绣图像；然后采用形态学方法消除杂散点、填充空洞点并平滑图案边缘，获得圆润自然、紧凑饱满的特征图案；接着，使用一种基于图像矩阵空间变换和添加纵向纹理的针迹生成算法使每一幅刺绣图像生成不同角度的苗绣针迹纹理；再用图像线性组合的方法将多幅苗绣针迹纹理图像合成为纹理图；最后用Alpha透明度混合算法将苗绣纹理图和目标图像叠加，获得苗绣图案设色对比强烈的艺术特征，产生效果图像。实验证明，该方法能够模拟出真实苗绣艺术作品的多角度针迹纹理效果。

NPR；苗绣；形态学；图像矩阵空间变换；图像叠加

非真实感绘制(non-photorealistic rendering, NPR)也称艺术化渲染。NPR并不致力于追求真实照片的渲染效果，而是像画家一样追求于艺术化和多风格的绘画作品，比如梵高的油画[1]。其通过艺术化的表现形式来展现人们看到的世界，是对计算机图像渲染领域一个积极的补充和发展。随着图像处理技术的不断发展，研究者们已经对中国特有的中国水墨画、烙画、云南重彩画等艺术作品进行了模拟[2-5]，但对苗绣的数字化模拟研究还不够深入。

苗绣的美丽在于每一幅刺绣图案都是一个传说，饱含着民族文化。苗绣图案类型丰富，主要有翻唇龙兽、凤凰、麒麟、蝴蝶、花、鱼等。苗绣艺人通过大胆而夸张的艺术表现手法将图案纹样创作的生动而富有感染力。苗绣大面积采用平绣针迹，使用深浅不同的彩色绣线在青黑色麻布绣出多种色彩的图案，用同一种颜色的绣线构成同一种颜色的图案，具有色彩鲜艳明快的特点。其形成了苗绣独特的艺术表现风格，并成为我国装饰艺术园地里的一朵奇葩。

近年来，研究者们提出了一些模拟刺绣针迹纹理的方法。文献[6]提出了通过改进的线积分卷积算法使噪声图像产生不同角度刺绣纹理的方法，且将刺绣纹理图与彩色源图像进行融合，从而产生了刺绣艺术风格图像；为了产生刺绣艺术效果，文献[7]提出了一种构造等距连续螺旋线填充刺绣区域的方法；文献[8]采用了建立绣线差值模型的方法，首先设定一个阈值像素，然后将差值小于该阈值像素的连续像素点赋值为第一个像素点的值，能够产生横向或纵向的刺绣纹理效果；文献[9]提出了能够使针码间隔距离均匀和针码之间尽量避免交叉的随机针码生成算法，用针码的疏密程度来体现图像的灰度级，较好地体现了图像不同灰度级过渡时的刺绣真实感。

观察大量苗绣作品，发现同一种颜色的绣线按照相同的方向排列成同一种颜色的图案，在不同颜色的刺绣图案中绣线排列方向各异。根据这一特征，本文使用一种基于图像矩阵空间变换和添加纵向纹理的针迹生成算法较好地模拟了苗绣针迹纹理。其创新点为：①基于目标图像图案区域灰度级的不同，采用多阈值分割灰度图像的方法，将相同灰度级的图案单独分割出来；②采用一种新的基于图像矩阵空间变换和添加纵向纹理的针迹生成算法在分割出的图像中添加不同角度的苗绣针迹纹理；③用图像叠加的方法将目标图像和纹理图相叠加，最终产生具有目标图像颜色特征和多角度针迹纹理特征的苗绣风格图像。

1 系统实现框图

本文将一幅颜色鲜明的图像作为目标图像。首先对其进行灰度处理，采用多阈值分割图像的方法将相同灰度级的图案区域单独进行分割，产生多幅二值图像；然后用膨胀与腐蚀组合的方法消除图像中的杂散点，并平滑图案轮廓；其次，使用基于图像矩阵空间变换和添加纵向纹理的针迹生成算法给每一幅二值图像添加不同角度的针迹纹理；并用图像线性组合的方法得到最终的纹理图；其后将纹理图与源图像叠加，产生具有苗绣艺术风格的结果图像(图1)。

2 苗绣艺术风格模拟

2.1 刺绣图像提取分割

通过观察大量苗绣艺术作品，发现苗绣图案中相同颜色绣线的排列角度往往是一样的，而相同颜色的绣线构成了相同颜色的图案区域。根据这一特点，在对苗绣风格作品的模拟中，给单独分割出的相同颜色的图案区域添加苗绣针迹纹理可有助于模拟苗绣艺术风格作品。本文采用多阈值处理图像的方法将目标图像中相同颜色的图案区域单独分割出来，得到多幅刺绣图像[10]。

图1 苗绣效果绘制流程图

假设图像()由背景和背景上具有不同颜色的图案所组成，通过分析灰度直方图设定阈值为0,1,2,···,T(0<1<2<···<T)，n()表示分割出的第幅二值图像。经过多阈值分割后的图像描述为

图2为多阈值分割图。图2(a)为输入图像，图案区域共有7种颜色，分别为藏青色、靛蓝色、红色、嫩绿色、紫色、浅绿色、白色。背景区域为黄色；图2(b)为输入图像的灰度图；图2(c)为输入图像的灰度图像直方图，直方图中共有7个波峰。实验中，共设置了7个阈值来分割图像；图2(d)为0=40时分割出的图像，白色区域为输入图像藏青色图案区域，代表龙的一部分躯干和脖颈；图2(e)为1=75，白色区域代表靛蓝色和红色图案区域，为一部分头部和躯干；图2(f)为2=105，白色区域代表嫩绿色图案区域，为部分尾巴和四肢；图2(g)为3=125时，白色区域为紫色图案区域，代表一部分尾巴、头部、躯干和四肢；图2(h)为4=155，白色区域为浅绿色图案区域，代表一部分头部和脖颈；图2(i)为5=210，白色区域为黄色背景区域；图2(j)为6=255，白色区域为白色图案区域，代表龙的牙齿和眼眶；实验结果表明，该方法将输入图像7种颜色的图案区域分割出了6幅二值图像，其每一幅白色区域代表一或两种颜色，可将相同颜色的图案区域单独分割出来。

2.2 形态学处理刺绣图像

在苗绣艺术作品中，图案圆润自然，在不同颜色之间具有较强的层次感和过渡感。在图2(e)~(h) 中发现白色图案边缘存在杂散点，且边缘不光滑。其后的工作中需要对分割出的图案区域添加苗绣针迹，所以图案边缘的杂散点和不光滑的边缘会影响添加的效果。膨胀、腐蚀和开、闭运算是形态学处理的基础。本文采用形态学运算消除杂散点并平滑图案的边缘[11]。

(a) 输入图像(b) 灰度图(c) 灰度直方图(d) T0=40(e) T1=75 (f) T2=105(g) T3=125(h) T4=155(i) T5=210(j) T6=255

图3显示了开运算和闭运算处理后的图像对比。图3(a)、(d)为带有杂散点的二值图像；图3(b)、图3(e)表示当方形结构元素长为3个像素时，经过开运算处理后的图像。结果表明，经过开运算处理后，图案边缘变得平滑，基本消除了杂散点，但此时图案区域存在一些空洞点；图3(c)、(f)分别表示方形结构元素长为3个像素和为2个像素时，先进行开运算再做闭运算处理后的图像。结果表明，比结构元素小的空洞区域得到了填充，图案边缘变得更加平滑。实验证明，本文方法能较好地消除杂散点，平滑白色图案边缘，为苗绣针迹的模拟奠定了基础。

(a) 二值图像(b) m=3(c) n=3(d) 二值图像(e) m=3(f) n=2

2.3 苗绣针迹模拟

通过设置多个阈值将不同灰度级的图案区域进行分割，消除了杂散点，平滑了图案边缘。在苗绣艺术作品中，图案颜色不同，针迹排列方向也不同。根据苗绣艺术作品的图案区域具有多角度针迹纹理的特点，本文采用一种基于图像矩阵空间变换和添加纵向纹理的针迹生成算法为不同灰度级的图案区域添加不同角度的苗绣针迹纹理。假设要为图案区域添加角度为°的针迹纹理。首先以输入图像中心坐标点顺时针旋转°；然后添加纵向针迹纹理；并将得到的图像按照第1步的方法旋转–°；最后剪裁图像得到添加了°针迹纹理的图像。

步骤1. 以图像中心坐标点旋转°。假设长为、宽为的输入图像的中心坐标点顺时针旋转°后得到输出图像，其过程如图4所示，共需3步。

(1) 将坐标系Ⅰ变成坐标系Ⅱ。由于是以输入图像的中心坐标点旋转，将其为中心建立新的坐标系Ⅱ。变换矩阵为

图4 以图像中心坐标点顺时针旋转θ°

(2) 在坐标系Ⅱ中以输入图像的中心坐标点顺时针旋转°。变换矩阵为

(3) 将坐标系Ⅱ变换为坐标系Ⅰ。得到旋转了°后的输出图像。变换矩阵为

图像旋转过程中，顺序扫描输出图像的每个像素，用变换矩阵计算输入图像上的对应位置，根据输出图像中该像素点四周的4个真实存在的像素值，来决定输出像素的值[12]。实验结果如图5所示。

图5(a)为输入图像，大小为479×479；图5(b)为旋转120°的输出图像，大小为657×657。结果表明，旋转后的图像未失真，效果较好，在输入图像区域之外填充了黑色像素，输出图像变大，图案位于中央位置。

步骤2. 添加纵向针迹纹理。假设步骤1得到的图像为，和分别代表行数和列数，()代表第行第列的像素值。逐行逐列遍历输入图像，当能被正整数整除或()小于某个常数时，将()赋值为255，否则为0。可描述为

取k值是为了区分图像J中的白色像素和黑色像素，其大小介于0~255之间，实验中取k=50，实验结果如图6所示。

(a) 输入图像(b) 输出图像(c) n=2(d) n=3(e) n=4(f) n=5(g) n=10

图6显示了经过添加纵向针迹纹理后的图像对比。图6(a)为输入图像(657×657)；图6(b)为=3时的输出图像(657×657)；图6(c)~(g)为取不同值时，放大后的针迹纹理。实验结果可以看出，不同的值均可以得到纵向针迹纹理，但只有当=3时，纵向针迹纹理的宽度最接近于真实的苗绣针迹。

观察图6(d)，纵向针迹纹理不够形象生动，在苗绣艺术作品中，绣线以一定长度整齐的排列。逐行逐列遍历输入图像，当同一列连续9个像素点的值均为0时，可为最后一列像素点的下一列像素点赋值为255。在实验中将绣线长设定为9个像素，描述如下

图7显示了优化后的纵向纹理效果，图7(b)为优化后的纵向纹理图像。实验结果可以看出，优化后的针迹纹理的形态更加接近于真实的苗绣针迹。

步骤3. 将图像旋转–°。由于原理与步骤1相同，在此不再赘述。实验结果如图8所示。

(a) 输入图像(b) 输出图像(θ=120°)

步骤4. 图像剪裁。分析图8，图8(a)为旋转120°并添加纵向纹理后的图像，大小为657×657，图8(b)为将图7(a)旋转–120°后得到的图像，大小为901×901。在对图6(a)添加纵向纹理后图像大小没有改变，所以对图像旋转120°再旋转–120°后，此时图8(b)的图案部分位于正中央位置。为了得到添加了°针迹纹理的图像，从旋转–°得到的图像的左上角坐标开始，以原始图像的长宽作为截取的长宽像素值，截取得到输出图像。假设经过–°旋转处理后的图像宽为、高为。原始图像宽为、高为。()代表图像的左上角坐标，和代表从该坐标点开始截取的长宽像素值。已知，，和的值，描述如下

图9显示了经过剪裁后的图像对比。图9(a)为旋转–120°后得到的图像，大小为901×901；图9(b)为经过剪裁得到的图像，大小为479×479；图9(c)为图8(b)放大后的细节效果。从实验结果可以看出，图9(b)的大小与图5(a)大小一致，且图案在图像中的位置未发生偏移。实验以图5(a)和θ=120°为例，通过本文方法添加苗绣针迹纹理，如图9(c)所示。实验证明，本文方法可以较好的模拟出苗绣针迹纹理特征。由于θ可以取0~360°中的任意角度值，根据θ的取值，本文方法可以模拟出任意角度的苗绣针迹。

2.4 苗绣纹理图合成

通过基于图像矩阵空间变换和添加纵向纹理的方法，可使每一幅刺绣图像生成不同角度的针迹纹理。采用将多幅针迹纹理图像进行线性组合运算的方法[12]，合成苗绣纹理图。假设为苗绣纹理图，1,2,···,分别表示不同的针迹纹理图像，1,,···,分别代表1,2,···,的权重，即

实验结果如图10所示，其显示了经过图像线性组合运算后的图像对比。图10(a)中4幅图像分别为A1，A2，A3，A4，其针迹纹理角度分别为30°，60°，120°，45°，K1=K2=K3=K4=0.2；图10(b)是图10(a)中4幅图像线性组合后得到的纹理图；图10(c)是图10(b)的细节效果。从实验结果可以看出，纹理图中图案过渡感较好，不同角度的针迹互不交错，针迹纹理特征明显，错落有致。相同颜色图案区域的针迹纹理方向是一致的，不同颜色图案区域的针迹纹理方向是不同的。实验证明本文方法能够较好地模拟出多种方向苗绣针迹纹理特征。

3 苗绣纹理图与目标图像叠加

通过图像线性组合运算的方法，获得了具有多种方向针迹纹理特征的苗绣纹理图。为了获得色彩鲜明、针迹纹理突出的苗绣风格效果，还需给纹理图添加目标图像的颜色。文献[14]根据l颜色空间中各通道互相不关联的特点，提出了一组适用于各颜色分量的色彩迁移公式，较好地实现了彩色图像之间的色彩迁移。本文使用Alpha透明度混合算法，通过将纹理图和目标图像设置不同的透明度，在RGB的3个分量上叠加生成最后的苗绣风格图像。

步骤1. 假设为纹理图，为源图像，为输出图像。(),(),()为的3个分量，(),(),()为的3个分量，(),(),()为的3个分量。由于纹理图是二值图像，可将转换成RGB的3通道图像，此时()=(:,:,1),()=(:,:,2),()=(:,:,3)，将纹理图的分量赋值给和分量，即

步骤2. Alpha1表示的透明度，Alpha2表示的透明度。取值为0~1，0表示全透明，1表示不透明。的每个通道色彩混合式为

通过Alpha透明度混合算法，使效果图像即具有纹理图多角度针迹纹理特征，也具有目标图像的颜色特征，最终获得苗绣艺术风格效果图像。

4 实验结果与分析

为了测试本文方法的可行性和有效性，采用本文算法，对不同输入图像进行处理，模拟出了具有苗绣艺术风格的效果图像。以下所有实验在Windows 10操作系统中进行，2.6 GHz lntel CPU，8 GB内存，采用MatlabR2014b编程实现，实验结果如图11所示。

图11可以看出，通过本文方法得到的苗绣艺术作品中图案色彩鲜明，立体感明显，突出了苗绣针迹纹理。不同颜色的图案之间有明显的层次感和过渡感，并且有不同角度的针迹纹理，苗绣图案相对于背景具有一定的凹凸感，符合苗绣艺术作品具有的多种角度针迹纹理特征，较好的模拟了具有苗绣艺术风格的结果图像。

图12为本文实验结果苗绣艺术作品对比。图12(a)为本文实验结果，图12(b)为真实苗绣艺术作品；图12(c)和(d)分别为本文实验结果与真实苗绣艺术作品在区域1的细节放大效果；图12(e)和(f)分别为本文实验结果与苗绣艺术作品在区域2的细节放大效果。本文实验结果在颜色不同的图案区域产生多种角度的针迹纹理，模拟的针迹纹理错落有致，比较细致和逼真地模拟了苗绣艺术风格效果。但与真实苗绣艺术作品相比，本文实验结果存在针迹纹理不够生动、细腻等缺点。

图11 苗绣艺术风格图像模拟

(a) 本文方法图(b) 原作品

5 结束语

本文针对苗绣艺术作品所具有的多角度针迹纹理特征，使用多阈值分割灰度图像的方法将目标图像不同颜色的图案区域进行单独分割；然后对分割出的图像进行形态学处理，消除图像中的杂散点并平滑图案边缘；并用一种基于图像矩阵空间变换和添加纵向纹理的针迹生成算法使图像生成不同角度的苗绣针迹；再用图像线性组合的方法合成苗绣纹理图；最后将苗绣纹理图和目标叠加，得到最终的苗绣风格图像。算法突出了针对不同颜色图案区域添加任意角度的针迹纹理，较好表现出了苗绣针迹纹理特征，并且模拟实现了苗绣图案边缘凹凸效果，获得的苗绣艺术作品针迹错落有致，图案圆润自然、立体感明显。

后续将进一步研究苗绣艺术作品中针迹的光照效果，并且改进针迹生成算法，使针迹效果更加生动细腻。

[1] 王涛, 高贤强. 一种多笔触各向异性梵高风格油画的渲染方法[J]. 计算技术与自动化, 2017, 36(2): 125-128.

[2] 杨丽洁, 徐添辰, 吴恩华. 动态模拟中国水墨画中的笔画绘制[J]. 计算机辅助设计与图形学学报, 2016, 28(5): 742-749.

[3] 钱文华, 徐丹, 岳昆, 等. 偏离映射的烙画风格绘制[J]. 中国图象图形学报, 2013, 18(7): 836-843.

[4] 喻超超. 凹凸纹理的烙画风格绘制[D]. 昆明: 云南大学, 2016.

[5] 卢丽稳, 普园媛, 刘玉清, 等. 云南重彩画人脸肖像生成算法[J]. 图学学报, 2013, 34(3): 126-133.

[6] QIAN W H, XU D, CAO J D, et al. Aesthetic art simulation for embroidery style [J]. Multimedia Tools and Applications, 2019, 78(1): 995-1016.

[7] 田启明, 罗予频, 胡东成. Spiral刺绣针法的路径生成算法[J]. 计算机辅助设计与图形学学报, 2006, 18(1): 9-13.

[8] 安晶. 面向民族特色的图像风格化研究[D]. 北京: 北京交通大学, 2014.

[9] 刘坤, 罗予频, 杨士元. 刺绣CAD中一种随机针码的生成算法研究[J]. 计算机工程, 2006, 32(18): 280-282.

[10] 张允, 焦斌. 基于Canny算子的二维最大熵阈值分割算法[J]. 上海电机学院学报, 2018, 21(3): 1-5.

[11] GONZALEZRC, 等著. 数字图像处理(MATLAB版) [M].阮秋琦,等译.北京: 电子工业出版社, 2005: 252-284.

[12] SA Y. Improved bilinear interpolation method for image fast processing [C]//2014 7th International Conference on Intelligent Computation Technology and Automation. Washington DC: IEEE Computer Society Press, 2014: 308-311.

[13] 王蓉. 图像增强算法实现[D]. 荆州: 长江大学, 2014.

[14] REINHARD E, ADHIKHMIN M, GOOCH B, et al. Color transfer between images [J]. IEEE Computer Graphics and Applications, 2001, 21(5): 34-41.

Study on Stitching Simulation of the Miao Embroidery Art Style

FENG Pei-chao, QIAN Wen-hua, XU Dan, PU Yuan-yuan

(School of Information, Yunnan University, Kunming Yunnan 650504, China)

Non-realistic rendering (NPR) also known as artistic rendering, is mainly used to simulate artistic rendering style. With the continuous development of image processing technology, researchers have simulated the unique Chinese ink painting, pyrography, Yunnan heavy color painting and other art works in China. At present, digital simulation of the Miao embroidery is still in need. The Miao embroidery has already been approved by the state council to be included in the first batch of China’s national intangible cultural heritage list. Taking the Miao embroidery as the research object, this paper puts forward a painting method of the Miao embroidery artistic style with multi-angle stitches according to the characteristics of real the Miao embroidery artistic works. Firstly, aiming at the characteristics of exaggerated and clear composition of the Miao embroidery pattern, the gray level of the target image is processed, and multiple embroidery images are segmented by multi-threshold image processing method. Then, the morphological method is used to eliminate the spurious points, fill the void points and smooth the edges of the pattern. After that, a stitch generation algorithm based on spatial transformation of image matrix and adding longitudinal texture is used to generate stitch texture of the Miao embroidery at different angles for each embroidery image. By using the method of linear combination, the texture images of the Miao embroidery stitches are synthesized into texture images. Finally, the texture map and the target image of the Miao embroidery are superimposed by Alpha transparency hybrid algorithm to obtain the artistic features of strong color contrast of the Miao embroidery pattern and produce the effect image. Experiments show that this method can simulate the multi-angle stitch texture effect of the real Miao embroidery works.

NPR; Miao embroidery; mathematicalmorphology; image matrix space transform; imageaddition

TP 391

10.11996/JG.j.2095-302X.2019040802

A

2095-302X(2019)04-0802-08

2019-01-05；

定稿日期：2019-03-20

国家自然科学基金项目(61662087, 61462093, 61540062)；云南省中青年学术技术带头人后备人才项目；云南省科技厅应用基础研究计划重点项目(2018)

冯培超(1993-)，男，河南濮阳人，硕士研究生。主要研究方向为图像处理。E-mail：1140415023@qq.com

钱文华(1980-)，男，云南曲靖人，教授，博士。主要研究方向为图像处理、计算机非真实感等。E-mail：whqian@ynu.edu.cn