浅议壁画类文物的数字化保护技术及应用现状

摘 要：古代壁画以其较高的历史、艺术和科学价值而广泛受到关注。随着现代科技的进步，数字化技术在壁画类文物保护中的应用日益普及，成为当前研究的热点之一。文章首先阐述了文化遗产数字化保护的概念；其次从数字化存档、数字化修复和数字化展示三个方面综述了数字化技术在壁画类文物保护中的研究进展；最后简要讨论了数字化技术在壁画保护中的其他应用以及未来展望。

关键词：壁画保护；信息采集；虚拟修复；数字化展示

DOI：10.20005/j.cnki.issn.1674-8697.2024.15.009

壁画作为古代人类创作的艺术珍品，记录了当时政治、经济、宗教和审美等多个方面的历史情况，对于了解古代社会具有重要意义。然而，受自然和人为因素的影响，许多壁画均受到不可逆的破坏，为文物本体的保护与修复带来巨大挑战。随着现代科技的进步，数字化技术为我国古代壁画的保存与保护提供了有效的途径和手段。

数字化技术在壁画文物保护中的应用可分为四个方面，包括数字化存档、数字化修复、数字化展示和其他数字化信息的应用。其中数字化存档为壁画的研究提供了数据支持；数字化修复重现了壁画原有的风貌；数字化展示促进了壁画遗产文化交流与传播；其他数字化信息应用则能更深度挖掘壁画的内涵。本文将从数字化存档、数字化修复和数字化展示三个方面探讨数字化技术在壁画保护中的研究与应用。

1 数字化保护概述

文化遗产数字化的意义在于利用现代测绘、遥感和计算机虚拟现实技术，记录、保存和保护文化遗产，同时促进研究、教育和交流，使其更容易被传播和共享，数字化技术的应用为文化遗产的利用和传承提供了新的可能性①。文化遗产数字化的研究对象包括物质文化遗产和非物质文化遗产，研究内容则涵盖了数字化信息的采集、记录与保存、数字化信息的复原与再现以及数字化信息的展示与传播等方面。

利用数字化手段记录文化遗产全貌，不仅可以避免文物在面对各种负面因素时数据丢失的风险，还可为后续研究提供必要的技术支持。同时，基于采集的信息建立数据库，并运用人工智能技术提高资源档案的处理效率和传播流程②。对于已经受损或消失的文物，通过数字化手段重新呈现其形貌，有助于人们更好地理解文化遗产的真实面貌。此外，对于一些需要特定环境才能展现其真实语义的文物，借助虚拟现实技术重建其外观及所处环境，有助于深入认知其内涵。数字化展示与传播突破了时间与空间的限制，使任何人在任何时间、任何地点都能方便获取所需信息，各种展览方式也增加了观众的观赏兴趣。

2 数字化存档

就考古或文物保护工作而言，信息的收集和记录是最为关键的任务。壁画类文物的信息包括图像信息和非图像信息。在传统考古工作中，这些信息的收集与记录通常需要耗费大量时间、人力和物力等资源，而数字化记录的方式可以高效集中完成常规记录工作，并将大量数据后处理工作分配到室内进行③。

2.1 图像信息的获取

壁画的图像信息可分为色彩、二维图像和三维图像。壁画色彩信息的采集手段目前主要有两种：一是利用色度仪记录画面各处的颜色信息。常用的色度仪是分光光度仪，通过测量光源的光谱功率分布或物体反射光的光谱功率，计算颜色的三刺激值，从而获取各种颜色参数④。二是利用高分辨率数码相机在获取壁画图像信息的同时，采集壁画的颜色信息。由于光照条件、相机参数和显色设备等因素的影响，色彩可能会存在失真。为解决这一问题，需要利用色彩管理软件和标准色卡为数码相机创建颜色校正特性文件（ICC特性文件），并对偏色图像进行校正⑤。

使用摄影设备结合照明设备可以实现对壁画高清数字影像的采集。根据方法的不同，拍摄可分为可见光照相、显微照相和红外照相。可见光照相用于获取壁画整体的图貌信息。在实际拍摄中，对于小幅壁画可以一次性整体拍摄；而对于大幅壁画，为了保证图像质量、避免镜头畸变的影响，需要分块拍摄，然后在计算机中进行拼接，以完成整幅壁画的采集⑥。显微照相能够提取壁画更为细致的信息，如细节纹理、颜料颗粒度、绘画痕迹和霉菌等。相较于可见光，近红外光更容易穿透某些颜料，因此利用近红外相机可以发现裸眼较难观察到的线条⑦。

壁画二维图像的重建主要依赖于可见光拍摄的数码相片。重建过程可进一步分为色彩校正、几何校正和图像拼接等步骤。几何校正的目的在于消除拍摄条件对图像造成的各种几何变形。镜头畸变的校正可以通过光学方法与数字图像处理技术两种途径实现：光学方法设计复杂，误差不可避免，且该方法难度大、成本高，不适合大规模使用；而数字图像处理技术能简便地实现光学系统的几何畸变校正，以满足测量要求⑧。完成几何校正后，即可对分块采集的数字图像进行拼接，图像拼接涉及图像处理、图像配准和图像融合等数字处理技术。当前常用的图像匹配方法包括频域匹配、区域匹配和特征匹配。目前，基于特征点拼接的图像拼接方法被广泛采用，其通过计算图像特征点的位置关系来求解图像的变换关系，进而实现图像的拼接。这一方法具有计算速度快、鲁棒性强等优势，能够获得较好的拼接效果⑨。除了拼接算法，还常使用图像处理软件调整多张拼接图像的尺寸，然后手动进行图像拼接。

利用数字化技术构建壁画三维模型的方法主要包括基于二维图像的三维重建和基于三维激光扫描仪的三维重建两种。在基于二维图像的方法中，由于照片等记录的仅为二维信息，需要额外的数据来实现从二维到三维的转化。目前常用的方法是基于多目视觉理论，通过多个摄像机获取被测物体的多幅图像，并计算图像对应点间的位置偏差，以获取物体的三维几何信息。其中，立体匹配是关键问题之一，要求特征提取能准确反映物体外貌特征并具有高匹配精度⑩。基于二维图像的三维重建成本低、效率高，但对于复杂壁画环境存在数据匹配困难和控制点设定难度大的问题k。三维激光扫描技术是一种高精度、快速获取物体三维几何数据的新型技术l，在数据采集过程中，首先进行现场勘探，并结合测距仪和全站仪建立控制网，以满足测量要求，并确保合理布局和适当数量的控制点，以减少测量次数m。其次使用三维激光扫描设备进行数据采集。最后三维激光扫描仪只能获取点云几何信息，无法获得建筑场景的真实高精度纹理信息，因此还需使用数码摄像机获取对应场景的纹理信息。基于三维激光扫描仪的方法适用于复杂壁画环境，不受实体曲面复杂度影响，但成本较高，不便于现场快速采集数据，并可能对特殊文物造成损伤n。

2.2 非图像信息的获取

在非图像信息中，壁画所处行政区域与经纬度信息可以通过使用互联网地图与卫星图像快速获取o；环境信息通常通过远程无线传感环境监测设备监测；壁画的结构信息除通过裸眼观察外，还可使用空间信息重建测量工具估计壁画的厚度和不同层次的尺寸，同时使用各种便携式设备对各层进行无损分析p；颜料和胶料成分通常使用便携XRF、便携拉曼、便携红外等设备进行考古现场初步分析，随后在实验室进行详细分析检测；壁画病害调查首先需要详细记录病害的种类、程度和范围，然后综合局部调查与相关检测设备的结果，评估壁画的病害状况q。

识别和标注壁画的病害信息主要有两种方法：其中传统方法是基于现场调查和拍摄的图片，利用矢量化后的影像在软件中手工绘制病害图，需耗费大量时间和劳动力，且受主观因素影响；另一种是利用数字化信息和算法直接获取文物病害图，这种方法不易受主观因素的影响且效率高，同时还能为文物修复、完善、保护方案的制定提供基础数据r。病害标注常用滤波算法、形态学算法、阈值分割和滤波变换等s，但特定的算法针对特定的病害信息，目前几乎没有一种算法能够直接标注壁画中出现的所有病害信息。

3 数字化修复

数字化信息采集为壁画的虚拟修复奠定了数据基础。传统的壁画修复方法需要经验丰富的专家进行分析、临摹、补色等操作，耗时长，费用高，并受主观因素影响。数字图像修复处理是指利用计算机自动修复残缺图像，旨在使图像完整并符合人类视觉体验。利用图像修复技术还原破损壁画，可实现虚拟修复和虚拟展示，同时为后续人工修复提供参考依据。数字化修复具有追溯性，可一定程度上避免人工修复造成的不可逆伤害，对壁画文物保护至关重要t。

3.1 壁画的损害类型

壁画的保存状况可大致分为机理损坏、结构损坏和内容损坏三个方面u。机理损坏指受损区域仅涉及色彩和纹理信息的缺失，通常表现为非造型部位的泥斑、裂缝、起甲，损害程度最为轻微，这种情况可通过数字化修复技术直接进行修复。结构损坏则是指受损区域的造型信息遭受缺失，但仍可通过画面自身信息或其规律进行推断修复，同样可借助数字化直接进行修复，然后由专家观察并评定修复结果，讨论是否需要进一步优化。内容损坏是指损坏区域的信息无法通过画面已知画面信息推断，需要依靠相关资料考证、推测和借鉴来修复画面内容信息，传统的数字图像修复技术在这方面效果有限，但引入深度学习使内容损坏的壁画得以在自动修复方面成为可能。

3.2 数字化修复方法

在传统数字图像修复方法中，基于偏微分方程的图像修复算法利用热扩散原理，通过迭代计算偏微分方程对图像进行建模和求解，将已知图像的像素信息扩散至未知图像，实现图像修复。其中，全变分（Total Variation，TV）模型v是一种典型的修复模型，该方法适用于修复较小面积的图像缺损，在处理较大面积缺损的图像时，由于缺乏全局信息，修复效果往往不尽如人意。基于纹理合成的图像修复方法是利用有限的搜索空间，在填充纹理之间寻找相似度高的壁画块来修复破损图像。该方法通过选择最佳匹配块，在图像完好区域进行复制填充，实现对破损图像块的修复。其中Criminisi等人w提出的样本合成算法是代表性修复技术。针对修复较大面积的破损壁画和延伸纹理方面，传统的数字图像修复方法已经取得了不错的效果。然而，这些方法难以准确获取图像的全局结构和语义信息。Olshausen等学者x在图像处理中应用了基于稀疏表示的图像修复算法，该方法的理论基础源于信号采样的压缩感知理论，利用极少量的字典原子对信号进行重构，实现稀疏表示。稀疏表示的关键步骤包括OB9vw6wgG3QxxX2Lzap5VQ==求解稀疏系数以及进行字典学习和更新。通过不断更新字典和稀疏系数，能更好地捕捉图像中的细微特征，从而实现更精准的修复和恢复工作。然而，在修复大面积破损壁画图像时，该方法仍存在一定局限性。

传统图像修复方法依赖于图像的先验信息来填补缺失的像素，在壁画小范围受损时这种方法通常能取得较好的效果；但是，在面对大面积破损时，传统算法因其难以捕捉到足够的上下文信息来准确还原图像的细节和结构，导致难以精确恢复完整图像。近年来，深度学习在图像处理领域表现出色，尤其在壁画图像修复方面，基于卷积神经网络和生成对抗网络的方法得到了广泛应用y。尽管深度学习在处理图像的全局结构和语义方面具有优势，但其泛化能力和收敛性仍面临挑战。

4 数字化展示

文化遗产的数字化展示是指利用多媒体和虚拟现实等技术手段，创造虚拟场景来呈现文化遗产，以实现对其保护和传播的目的z。通过多媒体集成、数字摄影和虚拟现实等新技术，数字化展示可在不干扰文物本身情况下，完整地展示文物的形貌信息，突破时空限制，最大程度地实现对文化遗产资源的有效利用。同时，观众的互动性和趣味性也得到显著提升。

壁画数字化展示的方式主要包括3D展示、动画展示和虚拟现实展示等。我国在这方面已取得了一系列成果，如1998年末敦煌研究院与美国西北大学合作开展的名为“数字化敦煌壁画合作研究”项目，山东曲阜孔庙建立的虚拟实景漫游模型系统，故宫博物院以及其他博物馆和文物单位相继建成的高性能的数字化系统等。三维动画是利用电脑软件或视频等工具展现三维物体运动原理和过程的新技术。目前，我国已应用多种三维动画技术，通过3D建模和高质量的材质贴图，实现了音画结合的壁画展示。除了壁画，2018年“清明上河图3.0”高科技互动艺术展演的盛大开幕，该展运用超高清数字互动、全息投影等多项前沿技术，生动展现了北宋汴京的社会风情，在众多国内外团队策划中脱颖而出。2016年被誉为VR/AR元年，我国的增强现实技术在文物保护领域迅猛发展，催生了多种形式的应用。由于其具备虚实结合、实时交互和多感官体验等特点，虚拟现实技术提升了观众在参观壁画时的沉浸体验。以敦煌莫高窟为例，VR敦煌逐步通过虚拟现实的形式展示了莫高窟700多个洞窟、2000多身彩塑、45000平方米壁画，让更多人体验敦煌千年的佛教艺术，为保护和传承文化遗产做出新的探索。

5 结语

基于提取的壁画的数字化信息，除了进行壁画的病害标注、数字化修复和数字化展示等，数字化保护还可在多个方面展开应用与探索。例如，基于现有的数字化信息建立壁画图像、颜色、病害等不同类型的数据库，为壁画的研究与修复提供数据支持；通过分析古代矿物颜料成分，结合当今化学研究成果，重现壁画千年前的真实色彩；通过收集不同时期的壁画的特征，利用深度神经网络的方法进行计算机学习，实现对壁画的断代识别等。

传统的壁画保护技术具有独特优势，但也存在一定的局限性。随着信息技术的迅猛发展，利用人工智能、虚拟现实、多媒体、宽带网络和数据库等先进数字化技术，能够为壁画保护提供更有力的手段。然而，数字化保护技术仍然面临着挑战，未来的研究可以从以下三个方面展开：首先，在基础研究层面，建立完整的壁画数字化保护知识体系，为其提供全面系统的理论支持；其次，在技术层面，需要持续深化计算机相关学科的研究水平，改进现有数字保护技术，并开发新技术；最后，在应用方面，广泛吸纳其他学科领域的先进科研成果，依托多学科合作，取长补短，更好地实现文化遗产保护与传承。

注释

①⑩n周明全，耿国华，武仲科.文化遗产数字化保护技术及应用[M].北京：高等教育出版社，2011.

②王佳，陈炜.我国文化遗产数字化保护研究进展[J].文化创新比较研究，2022，6（5）：187-190.

③o黄硕.濒危古建筑类文物的数字化记录方法讨论[J].信息记录材料，2019，20（7）：66-67.

④补雅晶.基于可见光谱的壁画颜料无损识别方法研究[D].武汉：武汉大学，2017.

⑤梁金星，万晓霞，孙志军.敦煌壁画色卡数字成像色彩管理应用研究[J].文物保护与考古科学，2019，31（2）：37-45.

⑥刘鹏.古壁画数字采集与档案现状研究[J].山西档案，2015（5）：19-21.

⑦严静，赵西晨，黄晓娟，等.唐韩休墓壁画考古现场科学调查研究[J].文物保护与考古科学，2019，31（4）：100-108.

⑧俞天秀，吴健，孙志军，等.基于几何形变改善的莫高窟数字壁画图像拼接方法研究[J].敦煌研究，2011（6）：91-95，130-131.

⑨杜港，侯凌燕，佟强，等.基于BRISK和改进RANSAC算法的图像拼接[J].液晶与显示，2022，37（6）：758-767.

k胡高芮，何毅斌，陈宇晨，等.基于二维图像的三维重建技术研究[J].机械，2019，46（8）：27-31

l贾宏禹，吕志鹏.基于三维扫描技术的文物数字化研究与实践[J].长江大学学报（自然科学版）理工卷，2009，6（3）：253-255.

m许丽鹏，黄先锋，吴健，等.基于激光点云的敦煌洞窟空间信息重建[J].敦煌研究，2019（4）：121-127.

pq严静，赵西晨，黄晓娟，等.考古现场墓葬壁画信息提取方法探讨[J].文物保护与考古科学，2021，33（5）：9-18.

r王瑜.文物病害高精度自动提取与系统构建[D].北京：北京建筑大学，2019.

s侯昱岑.基于高光谱与深度学习的壁画颜料层脱落病害自动标注方法[D].西安：西北大学，2021.

t强振平.基于样本和深度学习的图像修复方法研究[D].昆明：云南大学，2018.

u蒋超，雷桐，俞琳，等.西安韩森寨元代墓室壁画数字化修复方法[J].科学技术与工程，2020，20（31）：12922-12926.

vLiu.J.S，Li.M.M，He.F.F. Novel inpainting model for partial differential equation based on curvature function[J]. Journal of Multimedia，2012，7（3）：239-246.

wCriminisi.A，Perez.P，Toyama.K. Region filling and object removal by exemplar-based image inpainting[J].Image Processing， IEEE Transactions on，2014，13（9）：1200-1212.

x陈永，陶美风.敦煌壁画数字化修复方法综述[J].软件导刊，2021，20（5）：237-242.

y艾亚鹏.基于样本和深度学习的壁画修复研究[D].兰州：兰州交通大学，2021.

z张宁宁，李敏.现代科技理念在南京城墙保护管理中的应用[J].改革与开放，2019（19）：22-25.

李鹏.山西辽金壁画的数字化设计与实现[D].北京：北京工业大学，2016.

张杰奎.数字展示技术与博物馆虚拟展览刍议：以韩休墓壁画系列虚拟展为例[J].科技视界，2021（27）：181-182.