广告文字图形化处理视觉干预质量评价技术研究

丁楠

摘  要： 文字图形化能够大大提升广告的宣传效果，为了准确评价广告文字图形化处理视觉干预质量，提出广告文字图形化处理视觉干预质量评价方法。通过基于图像美化技术的视觉传达设计方法，实现广告文字图形化处理视觉干预处理，再采用视觉兴趣度的图像质量评价方法实现广告文字图形化处理视觉干预质量评价。研究结果表明，此方法可准确评价广告文字图形化处理视觉干预质量，且某广告部门使用该方法后，广告设计采纳率较高，对该方法的满意率高达98.98%。

关键词： 广告文字; 图形化处理; 视觉干预; 质量评价; 视觉兴趣度; 广告图像

中图分类号： TN911.73?34; TP391.41                文献标识码： A                 文章编号： 1004?373X（2020）21?0047?04

Research on quality evaluation technology of visual intervention

in graphic processing of advertising text

DING Nan

（Pingdingshan University， Pingdingshan 467000， China）

Abstract： Graphical text can greatly improve the advertised publicity result. In order to accurately evaluate the visual intervention quality of advertising text graphical processing， an evaluation method of visual intervention quality of the advertising text graphical processing is put forward. The visual intervention treatment of advertising text graphical processing is implemented by means of the visual communication design method based on image beautification technique， and then the visual intervention quality evaluation of advertising text graphical processing is implemented with image quality evaluation method according to the visual interest degree. The research results show that this method can accurately evaluate the visual intervention quality of the advertising text graphic processing. The adoption rate of advertisement design becomes higher， and the satisfaction rate of this method is as high as 98.98% after using this method in an advertising department.

Keywords： advertising text; graphic processing; vision intervention; quality evaluation; visual interest degree; advertising image

0  引  言

廣告视觉传达设计是通过形态与色彩把有价值的内容描述出来的造型模式，其由文字、标记、符号等元素组建。图形和文字属于广告设计的核心，两者缺一不可，相互协助[1]。图形存在感性属性，通过建立合适的氛围，可以吸引人们的眼球，以此传输意念，而人们针对图形语义的分析，经常遭到大众思想意识与文化水平所约束。但文字传输的意念十分显著，文字属于约定类的视觉符号，其可以充分解读画面，呈现指定的含义，并可以丰富画面、提升广告美感[2]。

广告文字图形化处理时，为了充分描述情感，常把文字形态[3]和视觉图像加以融合，将文字的笔画设成基本因素，根据字体基本形态分割重构，把文本再次融合，此过程即为文字图形化。伴随社会经济的高速发展，广告文字图形化也逐渐被普及应用，广告行业的竞争愈演愈烈，广告文字图形化处理的优劣对广告设计效果存在十分关键的影响[4]。为此，广告文字图形化处理视觉干预质量评价技术十分关键，评价高的广告设计作品将被大众所喜爱。为此，本文提出一种广告文字图形化处理视觉干预质量评价方法，实现广告文字图形化处理视觉干预质量的有效评价。

1  广告文字图形化处理视觉干预质量评价方法

1.1  基于图像美化技术的视觉传达设计方法

1.1.1  基于文字图形化的广告界面设计描述方式

广告仅使用文字不能符合用户的情感需求，必须使用图像化的媒介完成用户和广告间的沟通。图形化文字能够使用图形因素描述文字，增强文字的表达能力[5]。广告设计时，使用合适的图形化符号刻画差异信息，可以将用户的认知感受实施直接、高精度地传输。把大量的文字变换为存在逻辑关系的图形描述，激励用户的兴趣度，保证用户获取的信息有价值[6]。

1.1.2  广告界面设计的信息传递设计

1） 信息传递形式设计。广告界面视觉传达设计时的信息传递模式是：设计师把信息变成视觉语言后实施编码，将其变为图形化的广告界面，用户可对信息实施解码转换，获取需要的高价值信息，具体过程如图1所示。

使用图形能够将设计人员、用户和广告界面互动的步骤实施高精度描述，实现信息传递和获取。设计人员和广告界面完成互动的流程可以看作原始数据转换为视觉信息的步骤;用户和广告界面间的互动可以看作视觉信息转换为知识的步骤。基于结构和符号学原理能够把以上两个步骤看作“编码”和“解码”，两个步骤可以对广告视觉传递过程实施直观表达[7]。

信息传递时必须先分析广告界面上的初始数据，把此类数据转换为信息，完成差异数据解析。经过组织和加工的初始数据可以转换为有价值的信息，为用户提供沟通的桥梁。将广告设计人员经过分析和总结得到的数据信息使用合适的方法完成描述，完成视觉信息快速、高精度地传递。把设计师设定完毕的数据通过广告文字图形化处理后，以视觉信息的形式传递至用户，此数据转换过程即为信息的“编码”过程[8]。

2） 信息接收模式设计。信息接收模式为“译码”的过程，若广告界面中的视觉信息得到了用户的喜爱，用户便会按照自己的需求理解此视觉信息，使用合适的形式分析此类信息[9]。人的信息操作系统由感觉器官、中枢神经系统和运动器官构成，如图2所示。

中枢神经系统对感觉器官实施控制，获取外界信息，然后基于中枢神经系统将信息完成加工，实现信息分辨、记载和研究，传输有关的处理指令[10]。广告界面实施视觉传达时，人们注重广告界面的视觉信息，建立有关信息活动，最后获取广告界面信息。顾及到差异用户的心理和生理元素。质量较好的广告界面视觉传递设计时，必须保障视觉存在高清晰度与直观性，图形美化技术能够完成此目标，保障广告界面视觉传递设计美观性，提升用户的兴趣度[11]。同时，使用图形美化方法能够增强用户对广告界面信息的“解码”速度和对广告信息的认知能力。

1.2  基于视觉兴趣度的图像质量评价方法

1.2.1  视觉兴趣度测量

视觉经验表明，针对一幅经过文字图形化的广告图像，人眼对它各个区域感兴趣的水平存在差异。针对广告文字图形化处理后的感兴趣区域，若它的面积逐渐变小，人眼对它失真便愈发敏感，可理解为人眼对其兴趣水平和面积存在反比关系，若感兴趣度蔓延到整个广告图像后，人眼对它的兴趣便变小至最小。

针对不感兴趣的区域，感兴趣区域对它的兴趣水平存在屏蔽作用，若感兴趣区域的面积很大，伴随感兴趣区域面积的变大，人眼对不感兴趣区域的兴趣便慢慢提高;但若感兴趣区域的面积变小，伴随感兴趣区域的变小，即使人眼对感兴趣区域的兴趣愈发显著，而因为不感兴趣区域的逐渐变大，让观察者愈发忽视它的存在，则人眼对不感兴趣区域的兴趣水平逐渐变大[12?13]。

把上述视觉干预经验实施定量化，便能够完成对广告图像视觉兴趣度的定量检测。视觉兴趣度测量的主要任务为怎样设置加权值[w]，按照以往的视觉经验，对于只具有一个感兴趣的广告图像，本文提出一个简单的质量评价模型，设置的[w]必须符合下述两种近似条件：

1） 若用户对经过文字图形化处理后的广告图感兴趣的面积[A1]从0提升至整幅面积[A]时，质量评价结果便会从[+∞]降低为1。

2） 若用户对经过文字图形化处理后的广告图感兴趣的面积[A1]从0提升至[A2]时，质量评价结果便从1降低至大于0的常数。但若用户对经过文字图形化处理后的广告图感兴趣的面积[A1]从[A2]提升至[A]时，质量评价结果便从大于0的常数提升至1。

（1） [w2]设置为：

[w2=1-2tAA1A-A1] （1）

式中：[t]代表调整因子，其体现了人眼对经过文字图形化处理后的广告图像不感兴趣区域或感兴趣区域的重视水平。

[w1]设置为：

[w1=1-AA11-w2+w2] （2）

（2） 根据[A1（A-A1）≤A2]可知：[w2≥1-t]，若[A1=A2]，[w2=1-t];若[A1=A]或[A1=0]时，[w2=1]，因此式（1）符合[w2]的边界条件。

通过对式（1）进行量化操作，得到[w2]的近似值为：

[w′2=-tA-2A1AA1A-A1]        （3）

通过式（3）可知：若[A1>A2]时，[w′2>0]，当[A>A1>A2]时，[w2]为[A1]的严格单调递增函数。如果[A1

[limA→0w=limA→01+2tAA1-1-2tAA1A-A1]  （4）

通过对式（2）进行量化操作，得到[w1]的近似值为：

[w′1=AA21（1-w2）+1-AA1w′2]     （5）

综合式（1）和式（3）得到：

[w′1=2tA21A1A-A1-1-AA1tA-2A1AA1A-A1]  （6）

式中：[w′1<0]，则[w′1]属于[A1]的严格单调递减函数，[w1]的构造函数符合近似条件1），完成评价[15]。

2  仿真实验

2.1  多幅广告图像评价

为了测试本文方法的有效性，随机从某电视广告中获取11幅广告图像，该组广告图像主要使用文字图形化处理。采用标准压缩方法对其实施压缩，合理的变化量化其参数，建立质量存在差异的11幅图像，如表1所示。之后通过主观评价、峰值信噪比（PSNR）、图像質量参数（ISNR）三组参数指标依次对此组广告图像实施质量评价。

主观评价方法：请10位专家依次对此11幅图像实施评价，评价级别分为非常好、较好、普通、不好、非常不好5种。评价时，双眼平视屏幕，并和屏幕存在至少41～80 cm的间距。最后把此10位专家的评价实施加权平均，获取结果见表1。

采用本文方法对这11幅图像质量也进行评价，并和表1专家评价结果实施对比，判断本文方法评价结果与其契合度，并通过相似度进行分辨，结果如表2所示。对比表1和表2可知，本文方法的评价结果中，仅对第10张广告图像的评价结果和表1存在差异，但差异不大，属于正常范围。由此可知，本文方法能够有效评价广告文字图形化处理视觉干预质量。

2.2  单幅广告图像评价

以图3为例，采用本文方法对其进行质量評价，结果如图4所示。分析图4可知，本文方法对图3的评价较高，和专家评价结果的契合度高达99.9%。由此可知，本文方法评价结果可信。

2.3  应用效果测试

将本文方法应用于某企业的广告设计部门，主要用户评价该部门广告设计师的作品，进而掌握作品不足之处并实施改进，为此，测试该部门使用本文方法后，不同类型广告作品的采纳率，结果如图5所示。分析图5可知，本文方法应用后，该部门的广告设计采纳率最低值为0.98，表明该部门的广告作品大多数都被采用。由此可知，本文方法的评价效果极好，能够作为广告企业提升广告质量的应用方法之一。

采用基于模糊综合评价方法的广告效果测定方法、基于FCB模式的网络广告效果评价方法作为本文方法的对比方法，分析图5中6类广告设计人员对三种方法的满意率并对比，结果如图6所示。分析图6可知，6类广告设计部门的人员对三种方法的满意率存在差异，对本文方法的满意率最高值为98.98%，基于模糊综合评价方法的广告效果测定方法、基于FCB模式的网络广告效果评价方法的满意率低于本文方法，且始终低于90%，再次验证本文方法应用效果最佳。

3  结  语

针对广告设计人员而言，文字的图形化设计让文字的表达性能更佳，并且深入人心，提高了文字的空间表现。针对广告商而言，将文字和图形相融，可以提升商家的利益，而广告作品的好坏和广告商的最终利益存在较大关联。为此，本文提出一种广告文字图形化处理视觉干预质量评价方法，该方法不仅评价结果和专家评价结果存在较高的契合度，且对广告设计产品的质量提升存在较高的帮助，是一种有价值的广告文字图形化处理视觉干预质量评价方法。

参考文献

[1] 王赛娇.感知特征互补的图像质量评价[J].电子技术应用，2019，45（6）：37?40.

[2] 曹欣，李战明，胡文瑾.一种彩色图像质量评价方法[J].应用科学学报，2019，37（3）：398?406.

[3] 陈寅栋，李朝锋，桑庆兵.卷积神经网络结合深度森林的无参考图像质量评价[J].激光与光电子学进展，2019，56（11）：123?129.

[4] 王晓红，卢辉，麻祥才，等.不同亮度下无参考图像质量评价方法[J].光学技术，2018，44（5）：569?575.

[5] 郭庆.绿茶广告设计中的反完善视觉表现应用分析[J].福建茶叶，2017，39（11）：227.

[6] 董天阳，杨丽锦，张鑫鹏.用户多维感知的3D图像体验质量评价[J].中国图象图形学报，2019，24（5）：782?793.

[7] 唐祎玲，江顺亮，徐少平，等.基于眼优势的非对称失真立体图像质量评价[J].自动化学报，2019，45（11）：2092?2106.

[8] 王一波，柳建.面向三维测量的光刀图像质量评价研究[J].激光与红外，2019，49（6）：768?772.

[9] 齐新宇，陆世培，杨鑫，等.基于三维参数定量评价CBCT图像质量方法及可行性分析[J].中华放射肿瘤学杂志，2019，28（10）：799?800.

[10] 李一凡，李朝锋，桑庆兵.四元数小波变换优化单目图的无参考立体图像质量评价[J].激光与光电子学进展，2019，56（18）：143?151.

[11] 沈丽丽，杭宁.联合多种边缘检测算子的无参考质量评价算法[J].工程科学学报，2018，40（8）：996?1004.

[12] 褚少微.振动触觉的量化感知与触觉文字编码设计[J].计算机辅助设计与图形学学报，2019，31（6）：1046?1052.

[13] 李春桥，许忠保，刘爽，等.一种可用于纤维图像的聚焦评价函数[J].棉纺织技术，2019，47（9）：22?27.

[14] 刘长齐，邵堃，霍星，等.基于加权质量评价函数的K?means图像分割算法[J].计算机科学，2019，46（z1）：158?160.

[15] 郝福得，陈晓冬，席佳祺，等.基于图像内容评价因子的动态场景曝光融合算法[J].光学技术，2018，44（4）：480?486.

作者简介：丁  楠（1984—），女，河南邓州人，硕士，讲师，主要研究方向为视觉传达设计。