林智欣

基于双边滤波的二维动画图像多尺度细节增强方法

林智欣

（闽南理工学院 信息管理学院，福建 石狮 362700）

传统二维动画图像增强方法很难保证色彩通道之间存在的关联性，导致图像缺乏层次感，可靠性差。为此，设计基于双边滤波的二维动画图像多尺度细节增强方法。对原始的二维动画图像进行多尺度分解，通过双平台直方图均衡处理分解后的背景层图像，保证图像整体灰度动态范围与原始图像相同。在多尺度图像融合过程中，引入梯度权重因子，利用梯度函数增强图像细节，获得细节图像，并计算出所有分解图像的细节系数，通过加权平均实现分解图像融合。实验结果表明，所设计的基于双边滤波二维动画图像多尺度细节增强方法能够有效去除图像噪声，保持图像边缘平滑，提高图像的层次感，可靠性强。

双边滤波；二维动画；图像细节增强；多尺度分解

当前动画产业发展迅速，利用计算机应用进行动画创作也成为现阶段动画创作的主要形式[1]。动画是通过将人或物的动作分解画成很多图画，再通过一定的方式对这些分散的图画进行组合，实现动画的创作，在视觉上给以人们连续变化的感觉[2]。而二维动画就是对传统的动画进行改进与创新，利用现代化手段对关键帧进行编辑与输入，生成中间帧，定义并显示其运动路径，实现动画的声音与画面之间的同步。在二维动画制作过程中，图形图像处理十分重要，使用一些图像处理的手段为动画增添丰富的色彩，以增强视觉上的冲击力，使每一帧动画的效果都清晰地展示出来[3-5]。

多尺度细节增强方法是提高二维动画质量的有效途径[6]，国内外对于图像细节增强的研究主要集中在增强二维动画图像分辨率方面，以期提升二维动画图像的设计质量，由于这些方法是在动画具体场景的基础上设计的，在二维动画彩色图像增强过程中，很难保证色彩通道之间的关联性，使图像受噪声影响严重，边缘模糊，缺乏层次感，例如传统的基于Retinex算法的图像细节增强方法以及基于引导滤波的图像增强方法等[7-9]。因此，将双边滤波技术应用到二维动画图像多尺度细节增强方法设计中，双边滤波是一种基于高斯滤波器的改进算法，能够将空间信息与灰度相似值结合在一起，在融合图像的同时保持图像的边缘结构特征，将该算法应用到二维动画图像增强方法设计中能有效地解决传统方法中存在的问题。

1 二维动画图像多尺度细节增强方法设计

1.1 二维动画多尺度分解

图1 图像多尺度表达示意图

在不同尺度下，二维动画图像表现出不同的特征，在金字塔的结构下，离底层越近，图像所包含的信息越多，通过多尺度表达，将原始图像中的主要特征点汇集在金字塔的顶层[11]。在图1的结构下，可以有针对性地对不同尺度的图像进行细节处理，得到想要的图像特征或者内容。在金字塔结构下，通过像素总个数计算出存储空间：

利用以上公式获得原始图像的多尺度表达和包含的总像素点数后，即完成了原始图像的多尺度分解。

1.2 处理背景层图像

通过多尺度分解获得的图像背景层信息极不稳定，其灰度级往往有很大的动态范围跨度，极容易造成增强后的图像失真。此时需要处理背景层图像的像素灰度值，为了实现二维动画图像中更多细节的增强，对其进行直方图均衡处理[12]。

考虑到在以往的直方图均衡处理中过度增强所造成的图像割裂感，选择双平台直方图均衡方法来处理二维动画多尺度分解后的背景层信息[13]。主要是通过设定上限平台阈值抑制占有图像大量像素的灰度值，赋予其他像素占有的灰度值更多的拉伸空间；同时，设定下限平台阈值，作用是增加占有较小像素的灰度值出现的概率，使其能够得到进一步拉伸，最终实现保留图像信息内容的目的。通过双平台阈值的设置，控制二维动画图像灰度直方图中各个像素的拉伸程度，增强原始图像的层次感，避免图像细节增强出现违和感。

采用双平直方图均衡修正二维动画图像原有的统计灰度直方图[14]。表达式如下：

则经过均衡化处理的灰度值表示为

1.3 图像细节增强与融合

在完成背景层图像直方图均衡处理后，采用双边滤波融合多尺度二维动画图像，主要是利用双边滤波图像边缘稳定的特性和方向滤波的平移不变性，捕获图像的特征结构，避免图像融合后边缘细节丢失或噪声过多。双边滤波频谱如图2所示。

图2 方向滤波频谱分割图

引入梯度权重因子，将梯度估计结果作用在双边滤波中，这里引用的梯度表示的是二维动画图像像素变化的方向和大小，如图3所示。

图3 图像块的像素梯度图

图3中显示的坐标原点为当前需要处理的像素点，主要包含像素的角度和倾斜角。图像多尺度边缘沿垂直与梯度方向，在两个夹角之间的更小角度的像素点最终将输出一个较小的权重。上述中像素值变化的大小和方向主要通过偏导计算获得，该结果同时还能反映图像边缘像素的对比和变化趋势。分别计算水平方向的偏导数阵列和垂直方向的偏导数阵列，在获得计算结果后，利用二阶范数，计算出像素梯度大小和方向。

图像梯度计算完成后，考虑梯度矢量中所包含的图像边缘的局部方向信息以及垂直与梯度方向的信息，利用梯度函数处理图像边缘像素。在多尺度分解过程中，矢量方向的像素所占权重较高，所以构建梯度核函数，并利用一阶偏导计算出图像边缘像素点对应的梯度值，将计算出来的梯度值代入到梯度核函数中，计算出梯度矢量中包含的像素角度。

将构造的梯度核函数运用到图像滤波中，在双边滤波中加入灰度相似因子，结合梯度核函数和双边滤波的边缘保持与平滑的优势，将多尺度图像分为低频部分和高频部分，其中低频部分包含保留图像的近似特性和结构，高频部分主要包含图像的纹理细节和边缘结构信息，分别得到经过双边滤波后的低频和高频部分的细节图像，捕获到多尺度图像中的重要细节信息，并计算图像边缘强度因子，使用统计计算融合权重属性的一个领域的细节系数。围绕着细节系数设计一个窗口，使用该窗口计算出权重，在完成所有细节系数权重的计算后，对源图像进行加权平均，得到融合图像，得到的融合图像即为经过增强的二维动画图像。

至此，基于双边滤波的二维动画图像多尺度细节增强方法设计完成。

2 二维动画图像多尺度细节增强方法实验研究

为了验证本文所设计的基于双边滤波的二维动画图像多尺度细节增强方法的实际应用效果，考虑实验的严谨性和科学性设计对比实验，实验方法为基于Retinex算法的图像细节增强方法、基于引导滤波的图像增强方法以及本文提出的增强方法，实验中以图像边缘平滑程度和去噪能力为实验项目，以图像信噪比和的边缘灰度变化作为对比实验衡量标准，从这两个方面对增强方法的性能进行对比分析。

2.1 实验条件

实验中使用的图像数据主要来自动画图像标准库，包含人物、景观、动物、植物等动画图像，实验中主要挑选的是在各个类中细节不清晰的彩色图像。选择二维动画图像样本主要包括以下几种特点，从图像元素的方面，图像样本必须有包含自然场景或人造场景的；从图像照明方面，图像样本的选择考虑照明充足和照明不足两种情况；从图像色彩方面，图像样本需要从色彩丰富场景到无色彩场景。

根据以上分析，本文采用600幅符合上述要求的动画图像进行测试，其中建筑物图像、人物图像、树木图像、光线黯淡图像、色彩单一图像、色彩丰富图像各100幅。其中一幅图像样本如图4所示。

图4 图像样本

在实验中使用i5-3570K的计算机作为使用平台，实验结果通过第三方软件获得。

2.2 图像边缘平滑性能实验与分析

图像边缘保持和细节平滑是图像细节增强验证的基本指标，因此，在图像边缘灰度变化实验中，对3种不同的增强方法进行边缘保持平滑性能。判断图像边缘平滑的指标为边缘方向的灰度变化情况，其计算公式如下：

使用不同的增强方法处理图像样本，使用第三方软件获得实验结果如图5所示。

图5 不同增强方法动画图像边缘平滑性实验结果

图5中显示的T表示图像处理完成时间。对比观察图中结果，从图5(a)中的二维动画图像可以看出，图像色彩较黯淡，整体细节比较模糊，从结果左侧的边缘灰度变化曲线可以看出，在图像处理完成后灰度比值较小，边缘细节并不平滑；图5(b)中显示的二维动画图像比较明亮，分析左侧显示的图像边缘灰度变化曲线可知，灰度比值较小，边缘细节同样不平滑；图5(c)中显示的二维动画图像比较明亮，与前两组结果相比比较清晰，左侧显示的图像边缘灰度变化结果也显示出，经过增强方法处理后，灰度比值得到了增强，边缘平滑，二维动画图像增强效果好。

2.3 图像信噪比实验与分析

对于含噪声的二维动画图像，信噪比是一个标准的评价指标，信噪比越大说明图像质量越优。基于上述实验结果，计算经过不同增强方法处理后的二维图像样本的信噪比，衡量不同方法的去噪水平。不同增强方法信噪比计算结果如表1所示。

表1 二维动画图像信噪比计算结果 dB

表1中结果显示，在不同主题的二维动画图像实验条件下，传统的两种动画图像增强方法信噪比均在50dB以下，说明图像含有比较多的噪声；相比之下，设计的基于双边过滤的图像增强方法信噪比均在60dB以上，说明图像质量更优，几乎不存在噪声干扰。结合图像边缘平滑性实验结果可知，设计的基于双边滤波的二维动画图像多尺度细节增强方法边缘处理更加平滑、去噪效果更好，得到的二维动画图像质量更高，层次性更好。

2.4 图像增强时间实验与分析

在上述实验的基础上，进行图像增强时间比较实验，结果如表2所示。分析表2可知，基于Retinex算法的增强方法的图像增强时间均值为177.2s，基于引导滤波的增强方法的图像增强时间均值为222.3s，基于双边滤波的增强方法的图像增强时间均值为47.1s，本文的方法是3种方法中最低的，说明采用该方法进行图像增强的时间效率最高。

3 结束语

本文在原有的资料背景下，设计基于双边滤波的二维动画图像多尺度细节增强方法，利用双边滤波保证二维动画图像边缘细节平滑，抑制噪声，增强图像多尺度细节，以解决目前大多数图像细节增强方法中存在的问题。但是设计中仍然存在一些问题，受到技术和时间的限制，本文只是利用简单的双边滤波知识，缺乏严谨的理论支撑，研究深度不够，希望在今后的工作中对其进一步研究，以期二维动画的创作提供强有力的技术支撑。

表2 图像增强时间比较结果 s

[1] 刘忠林，吴一全，邹宇. 多尺度红外超像素图像模型的小目标检测[J]. 中国图象图形学报，2019, 24(12): 2159-2173

[2] 袁静珍，金旺. 基于改进双边滤波的多尺度运动目标检测方法[J]. 红外技术，2019, 41(08): 772-777

[3] 李媛淼，孙华燕，郭惠超. 双边滤波与引导滤波增强激光三维图像的图像预处理方法[J]. 激光与光电子学进展，2019, 56(15): 104-110

[4] Gupta B, Tiwari M. Color retinal image enhancement using luminosity and quantile based contrast enhancement[J]. Multidimensional Systems and Signal Processing, 2019, 30(7): 1829-1837

[5] 卢玮，高涛，王翠翠，等. Retinex理论下基于融合思想的低照度彩色图像增强算法[J]. 科学技术与工程，2019, 19(13): 151-157

[6] Yao D N L, Bade A, Suaib N M, et al. Digital image enhancement using enhanced detail and dehaze technique (DDE)[J]. Journal of Computational and Theoretical Nanoence, 2018, 24(3): 1559-1561

[7] 李果. 一种基于遗传算法的Normalized Cut准则图像分割方法[J]. 齐齐哈尔大学学报：自然科学版，2016, 32(03): 25-28

[8] 林宁. 改进的多尺度Retinex耦合夹角约束的图像匹配算法[J]. 包装工程，2018, 39(23): 191-199

[9] 张驰，谭南林，李响，等. 基于改进型Retinex算法的雾天图像增强技术[J]. 北京航空航天大学学报，2019, 45(02): 309-316

[10] R Ablin, C Helen Sulochana, G Prabin. An investigation in satellite images based on image enhancement techniques[J]. European Journal of Remote Sensing, 2020, 53(2): 86-94

[11] Islam I U, Ullah K, Afaq M, et al. Spatio-temporal sEMG image enhancement and motor unit action potential (MUAP) detection: algorithms and their analysis[J]. Journal of Ambient Intelligence and Humanized Computing, 2019, 10(1):3809-3819

[12] 李大军，杜神斌，郭丙轩，等. 自适应双边滤波的Retinex图像增强算法[J]. 电子技术应用，2018, 44(03): 117-121

[13] 赵春丽，董静薇. 基于暗通道及多尺度Retinex的雾霾天气图像增强算法[J]. 激光杂志，2018, 39(01): 104-109

[14] 高飞. VRay渲染图像常见处理技法探析[J]. 齐齐哈尔大学学报：自然科学版，2020, 36(05): 18-20, 25

[15] Prasad T D, Pardhasaradhi P, Madhav B T P. Statistical parameters-based image enhancement techniques in pure and nanodispersed 6O.O8 liquid crystalline compounds[J]. Phase Transitions, 2018, 94(8): 1-12

Multi-scale detail enhancement method for two-dimensional animated images based on bilateral filtering

LIN Zhi-xin

(School of Information Management, Minnan University of Science and Technology, Fujian Shishi 362700, China)

Traditional two-dimensional animation image enhancement methods are difficult to ensure the relevance between color channels, resulting in the lack of hierarchical image and poor reliability. Therefore, a two-dimensional animation image multi-scale detail enhancement method based on bilateral filtering is designed. The original two-dimensional animation image is decomposed by multi-scale, and the decomposed background image is processed by double platform histogram equalization to ensure that the overall dynamic range of gray level of the image is the same as that of the original image. In the process of multi-scale image fusion, the gradient weight factor is introduced, and the detail image is obtained by using the gradient function. The detail coefficients of all decomposed images are calculated, and the decomposed image fusion is realized by weighted average. The experimental results show that the multi-scale detail enhancement method based on bilateral filtering can effectively remove the image noise, keep the image edge smooth, improve the image hierarchy, and has strong reliability.

bilateral filtering；2D animation；image detail enhancement；multiscale decomposition

2020-08-20

林智欣（1993-），男，福建龙岩人，助教，本科，主要从事数字媒体技术研究，wowenz888@yeah.net。

TP751

A

1007-984X(2021)01-0056-06