樊灵燕
(上海杉达学院 艺术设计与传媒学院,上海201209)
近年来人们的购房热情日益高涨,房屋购买率的增加带动室内设计产业的发展,具有便捷、高效特点的室内设计系统成为需求的主体[1]。传统的室内设计系统需要传输大量信息才能实现相关场景的设计,使用者在联网使用系统时存在卡顿、响应时间长等缺点,没有给使用者带来良好的使用体验。目前急需一款较少信息量传输,能够实现网页浏览的室内设计系统,并且在图像处理及数字处理方面具有良好的处理效果[2⁃4]。目前的室内设计系统研究中,侧重于智能语音使用的室内设计系统[5],在数字处理技术和图像处理方面存在极大缺陷;而使用多变限定作为基础的室内设计系统[6],虽然在渲染和去噪方面取得了一定的研究成果,但是图像处理效果并不理想。
在室内设计系统中,调用和显示图像数据时会发生图像数据传输,无论何种尺寸、何种像素的图像,在传输过程中都会出现噪声干扰的现象,影响图像质量。对于室内设计系统来说,如果图像信息不够清楚,无法获得良好的室内设计效果。为了改善图像质量,一般会使用数字处理技术去除图像中的噪声,提高图像信噪比,实现突出图像特征的目的[7]。在对图像进行数字处理时,需要在去除噪声的同时保证图像边缘细节信息保留明显特征。常见的数字处理技术一般具备频域和空间域局部分析能力,虽然能够抑制噪声干扰却损失了边缘信息,增加了图像的模糊程度[8]。小波变换局部化特性良好,保证去除噪声后的图像能够在不同分辨率上表现纹理和结构,能够准确检验图像边缘,降低噪声干扰的同时保留图像边缘信息,使图像质量得到提升,便于系统开展后续室内设计工作。
图像处理技术能够提升室内设计系统中图像的视觉效果,完善系统性能。室内设计需要对图案的色彩和纹样进行设计,任何物体都能作为纹样素材,而色彩提升则需要人为填充和处理。纹理属于纹样之一,针对纹理合成的相关设计技术是目前图形处理、计算机视觉以及图形学的主要研究热点。纹理渲染能够提升图像表面细节,在实景效果中,能够保证图像的逼真效果。常用的视觉提升方法包括机器学习方面的图像优化方法和图像重构方法等[9],但是渲染过程中经常出现伪色彩和单色渲染的情况。针对室内设计特性,使用物理作为基础的渲染技术,使用光照算法并且开展优化处理,高度真实还原室内设计各元素的真实感,增强视觉传达效果。
本文采用数字处理技术和图像处理技术设计室内设计系统,获得了良好的室内设计效果和视觉传达效果。
本文系统是一个混合式的架构系统,具体结构如图1所示。该系统使用C#平台和Net平台,运用B/S(Browser/Server,浏览器/服务器模式)与C/S(Client/Server,客户机/服务器模式)结合的混合式架构,将Web端作为统一的管理,为了实现设计协同和流程管理,先解决角色身份验证和各参与方的权限集成。使用C/S结构模式满足室内设计系统的高安全性、大数据传输、频繁处理数据等要求,使用B/S结构模式满足系统过于复杂的管理流程和过于广泛的管理范围[10]。结合B/S结构模式与C/S结构模式的优点,实现室内设计系统的特点。该系统共包括三层,分别为数据层、逻辑层和应用层。数据层将图像、权限等数据传输到逻辑层中,逻辑层的图像处理、数字处理、权限管理等模块对图像等内容进行处理[11],逻辑层完成相关内容处理后把设计结果传输到应用层,由PC端或者浏览器界面将室内设计结果显示出来。
图1 系统整体结构
使用数字处理技术降低系统中图像的噪声干扰。假设系统中存在某幅包含噪声的图像:
由多层小波变换式(1)得到:
也可表示为:
通过式(2)和式(3)可知,经计算得到的小波系数属于原始图像,逆变换小波获得原始图像。获得原始图像小波变化的核心如下:设置一个阈值T,判断小波系数的高频域,如果小波系数大于该阈值,说明此小波系数较重要,需要保存;如果小波系数小于阈值T,则将小波系数设置为0。
使用软阈值法确定阈值:
式中:i的取值为1,2,3,与HL、HH、LH三个子图像(二维小波分解原始图像后得到的子图像,分别表示垂直高频子图像、对角高频子图像和水平高频子图像)对应;j=j0,j1,j2,…,J,J代表小波分解层次;ci与σ分别表示常数和图像噪声方差。
为降低去噪后图像中包含的马赛克,获得良好的去噪效果,将存在差异的小波系数与小波系数关联的降噪因子相乘,降噪因子值需要低于1,同时,降噪因子与小波系数绝对值呈现反比例关系[12]。具体算法如下:
波系数与小波分解后的高频系数;aver与σ代表不同方向高频小波系数与不同小波分解层的平均值和方差。
由于小波系数具有统计特性,所以假设式(5)内的k值是一个函数并且与指数相关:
式中a与b是给定的小波变换指数。
根据式(7)和式(8),则有:
依据式(6)和式(9)求得降噪因子k值为:
将式(10)重新代入到式(5)即可完成图像的去噪。
为增强室内设计系统的图像效果,实现纹理渲染技术处理图像,模拟光照效果。
1)漫反射模拟。使用双向反射分布函数模型描述光线反射情况。双向反射分布函数模型的漫反射项为:
式中:l,v与n分别表示入射方向、摄像机观察方向和物体表面法线,C代表物体表面所具备的颜色,一般使用纹理采样获取。
漫反射系数FD90的表达式如下:式中:h表示物体高度;ro代表物体表面粗糙度。
在系统实际运行时,为防止卡顿,提升渲染的速度,需要假设所有方向上漫反射强度均相同[13]。为了真实模拟出室内各装饰物的真实效果,需要调整ro的值。
2)高光模拟。现实生活中任何物体都存在高光反射,只不过强弱程度存在差异[14]。假设n与mj分别表示表面法线和微面元法线,微面元法线与表面法线并不完全相等,存在差异的微面元反射将相同的入射光线反射到不同的方向,假如微面元法线mj达到观察方向v和入射方向l的一半,可以将微面元法线mj作为高光参与到双向反射分布函数模型计算中。实际计算时需要把各个微面元之间存在彼此遮挡的问题也考虑进去。
根据以上分析,运用Torrance⁃Sparrow微面元模型表示双向反射分布函数模型的高光反射项:
式中:D(h)主要用来计算微面元占比多少能够符合mj,表示微面元法线分布函数;G(l,v,h)计算微面元被遮挡部分的占比,也是阴影⁃遮掩函数;F(l⋅h)表示入射光线中反射光线的占比,同时也代表剩余活跃微面元的Fresnel(菲涅尔)散射函数主要校正整体宏观空间与微面元空间之间存在的表面数量差异[15]。式(13)属于比较高端的渲染方式,多用于电影动画的渲染,能够对非真实光照效果实行模拟,但是实际应用于本文系统中会导致系统运行过慢的问题,为提升系统运行速度,使用GGX模型作为基础的高光反射公式模拟系统中物体的高光效果,运用GGX模型得到线分布函数D(h)为:
式中α与ro2相等。
使用Smith⁃Schlick模型描述阴影⁃遮掩函数
式中p与相等。
运用Schlick菲涅尔近似等式描述菲涅尔反射F(l⋅h),即:
式中F0代表高光反射系数。
考虑实际物体的外观情况,调节ro,取值为0.06时,高光效果更接近现实。
为验证本文系统性能,将某室内设计装修公司作为研究对象,在该公司使用本文系统开展室内设计活动。为对比系统性能,将基于智能语音的室内设计系统和基于多变限定的室内设计系统同时应用到该公司的室内设计项目中,对比系统分别来自参考文献[7]和参考文献[8]。采集室内设计所需图像样本共1 500个,像素值均为3 264×2 488,本文系统室内设计效果图如图2所示。从图2中能够看出,使用本文系统设计出的室内效果具有较清晰的视觉效果,光线效果接进现实环境中的光线效果,家具细节清晰明显,效果图中有箭头标识,在系统中浏览效果图时,可以通过点击控制相应按键实现界面切换,如果需要打印则可以取消按键显示,直接浏览效果图。
图2 室内设计效果图
将本文系统与两个对比系统对所采集的素材图像进行去噪处理,去噪效果如图3所示。
图3 去噪效果对比
从图3能够看出,对比系统的去噪效果较差,去噪图像存在较多毛刺和噪点,且边缘划分不明显,出现部分边缘缺失的情况;本文系统去噪后的图像去除了噪点和毛刺,图像平滑且边缘划分明显,去噪后的图像效果清晰,图像细节信息保存良好,没有出现马赛克小格等不清晰情况。
在不同方差情况下,三种系统去噪结果如图4所示。从图4中可以看出,在不同噪声方差下,本文系统的峰值信噪比最高,进一步说明本文系统具有更佳的图像去噪效果。
图4 峰值信噪比结果
对比不同系统渲染之后的效果,结果如图5所示。
图5 渲染效果对比
由图5a)中能够看出,该对比系统渲染图像时出现图像扭曲的情况,这主要是由于图像的周围遭受挤压,中间部分被放大,图像四周被拉伸而中间的采样率高于原图像。图5b)系统的渲染效果颜色偏暗且出现不规则光晕,主要是由于渲染率过大,失去图像原有的真实效果。本文系统渲染后的图像符合人眼习惯,减少了四周渲染率过大的情况,在透视分割之前合理修改裁剪空间,保证渲染效果,模拟出良好的光线效果和反射效果。
三种系统去噪和渲染所花费的时间对比见表1。从表1中能够看出,两个对比系统在实时图像去噪和图像渲染时所花费的时间较长、效率较低,这主要是由于这两个系统所使用的去噪和渲染方式计算时间较长,系统耗费时间较多。本文系统在实行渲染和去噪时花费时间较短,去噪时间保持在1.5 s以下,渲染时间保持在2.7 s以下,系统在数字处理和图像处理方面效率较高。
表1 图像处理效率对比 s
本文从现代数字处理技术和图像处理两个方面设计了一种室内设计系统,该系统在实现图像数据去噪和渲染方面具有良好的效果,去噪后的图像平滑清晰、边界明显,经渲染后图像上的物体具有良好的反射效果和高光效果,同时本文系统在进行渲染和去噪时所花费的时间较短,具有极高的运行效率,相比同类型系统具有极高的优势,适合广泛推广。