基于用户体验效果的平面视觉传达设计研究

李晨

摘  要： 为了提升平面设计的用户体验效果，提出基于用户体验效果的平面视觉传达设计方法。采用计算机视觉成像技术进行平面视觉传达的图像信息采样，结合边缘轮廓提取的方法进行平面视觉传达设计的图像轮廓检测，提取平面视觉图像的多尺度局部结构特征信息。根据用户体验效果的需求进行平面视觉传达设计过程中的边界特征检测和多层次结构分解。通过相邻像素信息融合的方法进行平面视觉传达设计的低层视觉结构重构，建立平面视觉设计图像的用户体验效果评价模型。根据用户体验效果，实现平面视觉传达设计优化。仿真测试结果表明，采用该方法进行平面视觉传达设计的用户体验效果较好，视觉传达能力较强，提高了平面视觉传达的设计效果。

关键词： 用户体验效果; 平面视觉传达; 图像信息采样; 局部结构特征; 边缘轮廓; 多层次结构分解

中图分类号： TN911.73?34; TP181                  文献标识码： A                   文章编号： 1004?373X（2020）11?0111?04

Research on graphic visual communication design based on user experience effect

LI Chen

（Jinzhong University， Jinzhong 030600， China）

Abstract： In order to improve the user experience effect of graphic design， a graphic visual communication design method based on user experience effect is proposed. The computer vision imaging technology is used to sample the image information communicated by graphic vision. The edge outline extraction method is used to detect the image profile of graphic vision communication design and extract the multi?scale local structure feature information of graphic visual image. The boundary feature detection and multi?level structure decomposition in the process of graphic visual communication design are carried out according to the needs of user experience effect. The method of adjacent pixel information fusion is used to reconstruct the low?level visual structure of graphic visual communication design and establish the user experience effect evaluation model of graphic visual design image. The graphic visual communication design is optimized according to the user experience effect. The simulation results show that the user experience effect of graphic visual communication design obtained with the proposed method is better and the visual communication performance of the proposed method is more excellent， which improves the effect of graphic visual communication design.

Keywords： user experience effect; graphic vision communication; image information sampling; local structural feature; edge profile; multi?level structure decomposition

0  引  言

在平面艺术设计中，需要结合用户体验效果进行平面设计中的视觉信息传达，提高平面设计的针对性和表达能力，提升平面设计视觉审美元素的表现能力。通过计算机视觉图像处理技术，进行平面设计视觉审美元素的多维信息特征分析，采用计算机图像图形处理方法进行平面视觉传达设计，提高平面视觉传达的效果和用户的体验效果。相关的平面视觉传达设计方法研究在艺术设计中具有重要意义[1]。平面设计又称“视觉传达设计”，通过平面设计，将文字、图像、色彩等艺术元素特征进行多维信息融合和特征重建，建立平面视觉传达设计的多维信息分布式重构模型，基于用户的体验效果，使平面设计突破空间的限制，提高平面设计的全方位和多元化的视觉传递能力[2]。本文提出基于用户体验效果的平面视觉传达设计方法。首先进行平面视觉传达的图像采样分析;然后进行平面视觉传达设计的特征提取和视觉信息重构，根据用户体验效果，实现平面视觉传达设计;最后进行仿真实验分析，展示了本文方法在提高平面视觉传达设计效果方面的优越性能。

1  平面视觉传达的图像分析

1.1  图像信息采样

为了实现基于用户体验效果的平面视觉传达设计，首先需要结合平面设计视觉图像的审美特征进行用户体验效果分析，建立平面视觉传达设计的图像信息采样模型，对平面设计视觉图像的审美元素进行多维化特征重构处理。采用边缘结构化特征提取的方法进行图像采样和特征重构[3]，得到平面视觉传达设计的像素信息为：

[I（x）=J（x）t（x）+A（1-t（x））] （1）

计算平面设计视觉图像每个像素的直方图，采用直方图均衡化处理的方法，建立平面设计视觉的特征空间分布模型，根据图像的平均梯度与信息熵进行平面视觉传达的空间特征加权[4]，得到平面视觉传达设计的图像信息采样模型，定义为：

[minimize f（x）， x=（x1，x2，…，xn）∈Rns.t. gj（x）≤0，    j=1，2，…，lhj（x）=0，    j=l+1，…，p] （2）

采用图像加权融合方法构建平面视觉传达设计的图像特征向量融合模型[5]，得到平面设计视觉传达的信息输出特征集为：

[L=Jw，e-i=1NaiwTφxi+b+ei-yi] （3）

以像素[x]为中心的局部邻域，进行平面设计中的用户体验审美元素多维化表达。采用模板匹配技术[6]得到在像素模板[m×n]中的平面视觉传达设计的像素三颜色通道表述为：

[Iifx，y=I?Gx，y，σi] （4）

[Iivx，y=I?stdfiltx，y，wi] （5）

[Sgifx，y=-logPifx，y] （6）

[Sgivx，y=-logPivx，y] （7）

式中[Gx，y，σi]表示空间邻近度特征分布函数，在各梯度方向上进行3×3模板匹配。

采用计算机视觉成像技术进行平面视觉传达的图像信息采样，结合边缘轮廓提取的方法进行平面视觉传达设计的图像轮廓检测[7]。

1.2  平面视觉传达图像轮廓检测

在上述进行图像样本采样的基础上，提取平面视觉图像的多尺度局部结构特征信息，根据用户体验效果的需求进行平面视觉传达设计过程中的边界特征检测和多层次结构分解。采用结构化的审美元素多维化特征重构方法，进行平面视觉传达的三维重建。采用场景表面阴影与透射率局部融合的方法，提高图像空间视觉的表现能力[8]。采用直方图均衡化处理的技术，得到图像轮廓特征检测描述：

[L={mii∈S}mi=ai1，ai2，ai3，bi1，bi2，bi3，ci1，ci2，ci3T]  （8）

根据平面视觉传达过程中的细节信息进行图像的美术元素提取[9]，结合多尺度的小波特征分解方法，得到适应度函数：

[fitness（x）=f（x）， feasible1+rG（x）， otherwise] （9）

采用径向纹理特征模型进行平面视觉传达设计，利用高斯过程的性质进行联合加权，得到空间加权的函数族[ψa，b]，由[ψ（t）]经过纹理特征分解，得到平面视觉传达设计的轮廓形状为：

[ψa，b（t）=1aψt-ba] （10）

式中[U（a，b）]是Euclidean距離。

得到平面设计的目标先验形状特征为：

[c=j=1mP（z（k）mj（k）， zk-1）P（mj（k）zk-1）=j=1mΛj（k）cj]  （11）

根据统计学分析方法，建立图像视觉轮廓检测模型，平面设计的图像轮廓特征检测输出为：

[M=i=1nmin（P1（i），P2（i））j=1nmax（P1（j），P2（j））]  （12）

式中[P1]和[P2]分别是邻域内像素点的一阶和二阶适应度函数[10]。

根据上述分析进行平面视觉传达图像轮廓检测，根据检测结果进行平面视觉传达设计。

2  平面视觉传达设计优化

2.1  用户体验效果的多层次结构分解

根据用户体验效果的需求进行平面视觉传达设计过程中的边界特征检测和多层次结构分解，通过相邻像素信息融合的方法进行平面视觉传达设计的低层视觉结构重构。提出基于用户体验效果的平面视觉传达设计，以轮廓边缘最远的点作为中心像素点，进行图像尺度分解。根据平面设计的审美元素特征分布，进行三维信息重构[11]，得到三维信息分布特征点[i]的邻域[Ni]：

[Ni={i∈S[dist（i，i）]2≤r，i≠i}]  （13）

在平面设计中，根据视觉传达图像的白平衡特征，进行三维特征映射，建立平面视觉图像的色差融合模型。采用模板匹配和三维信息重建的方法，进行图像融合[12]，用[dist（i，i）]来描述中心点误差的偏移量，建立平面设计视觉邻域分布式重构模型[13]，在灰度像素点的分布区域内，以[r]为覆盖半径，进行平面视觉传达的色差融合处理，得到多重色差层次结构分解模型为：

[Ri=1γij∈Ωgjd（i-j2）l（gi-gj1） ]  （14）

对中心点误差进行模糊约束补偿控制，并为先验概率提供似然概率，得到平面视觉传达设计的模型化结构分布为：

[fs，τ（t）=sf（s（t-τ））]  （15）

根据用户体验效果的需求进行平面视觉传达设计过程中的边界特征检测，用户体验效果的多层次结构分解结果为：

[fi（t）=Kt0-t，t≤T2]  （16）

式中：[K=TfmaxfminB]，[fmin，fmax]分别为最小和最大采样频率;[t0=f0TB]，[f0]表示平面视觉信息采样的初始频率。根据用户体验效果的多层次结构分解结果，进行平面视觉传达设计的效果评价[14]。

2.2  平面视觉传达设计的用户体验效果评价

通过相邻像素信息融合的方法进行平面视觉传达设计的低层视觉结构重构，建立平面视觉设计图像的用户体验效果评价模型，得到用户体验效果的优化适应度函数为：

[fitness（x）=f（x）+（Ct）αj=1pGβj（x）]  （17）

根据训练集中的观测值进行平面视觉传达设计的寻优控制，用户体验效果的评价集表示为：

[miny=f（x）=（f1（x），f2（x），…，fm（x））]   （18）

式中：[x=（x1，x2，…，xn）∈X][?][Rn]为用户体验效果评价的初始值向量，[X]为优化控制决策函数;[y∈Y?Rm]为平面设计审美元素特征差异性融合特征量，[Y]为平面设计审美元素特征分布集。

根据平面视觉传达元素的多维化重构信息叠加值[15]，得到平面视觉传达设计的均匀遍历分布为：

[Gj（x）=max0，gj（x），1≤j≤lmax0，hj（x）-δ， l+1≤j≤p]  （19）

在多维化的平面设计模型中，得到自适应权重分布向量为[umn=LmnL-1]，[L=max（Lmn）]，根据平面形状、大小、色彩的变化，得到优化平面视觉传达的传递函数为：

[G（x）=j=1pGj（x）]  （20）

根据平面设计的艺术结构信息，进行视觉审美元素多维化重构。根据重构结果，基于用户体验效果，实现平面视觉传达设计。

3  仿真实验与结果分析

将平面视觉传达设计的仿真实验建立在Matlab 7实验平台中。原始的平面视觉传达图像采样的像素集为500[×]500的JPEG图像，分块模板匹配值为[25×25]，灰度邻域分布阈值为[ε]=1.0，平均灰度值设定为[F=]24 Pixel，视觉成像的光圈大小为14 mm。根据上述仿真环境和参数设定，进行平面视觉传达设计，得到平面视觉传达设计的初始轮廓如图1所示。

根据初始边缘轮廓检测结果建立平面视觉设计图像的用户体验效果评价模型，根据用户体验效果，实现平面视觉传达设计，经过多次迭代，得到的设计效果如图2所示。

分析图2得知，采用本文方法进行平面视觉传达设计，经过多次迭代后，具有很好的用户体验效果。测试设计的输出峰值信噪比和时间开销，得到对比结果见表1，分析得知，本文方法进行平面视觉传达设计的峰值信噪比较高，且运算时间较短，说明设计的效果较好。

4  结  语

本文提出基于用户体验效果的平面视觉传达设计方法。采用计算机图像图形处理方法，进行平面视觉传达设计，提高平面视觉传达的效果和用户的体验效果。建立平面设计视觉的特征空间分布模型，根据图像的平均梯度与信息熵，进行平面视觉传达的空间特征加权，以轮廓边缘最远的点作为中心像素点，进行图像尺度分解，根据用户体验效果，实现平面视觉传达设计优化。测试得知，采用该方法进行平面视觉传达设计的用户体验效果较好，峰值信噪比较高，时间开销较小，提高了平面视觉传达设计效果。

参考文献

[1] 于晓.平面设计中的符号艺术与表达：以民族图案的应用为例[J].西南交通大学学报（社会科学版），2013，14（2）：121?124.

[2] 许丹桂.手绘艺术在现代平面设计中的应用及创新体现[J].北京印刷学院学报，2018，26（9）：54?57.

[3] 余玛俐，张海.基于低秩矩阵填充与全变分约束的HDR成像[J].计算机工程，2019，45（4）：262?266.

[4] YANG J， WEI C H. Testing serial correlation in partially linear additive models [J]. Acta mathematica applicate sinica （English serie）， 2019（2）： 401?411.

[5] ZHANG Xin， HE Yunhui. Modified interpolator projection method for weakly singular integral equation eigenvalue problems [J]. Acta mathematica applicate sinica （English serie）， 2019， 35（2）： 327?339.

[6] DOU Q， CHEN H， YU L Q， et al. Multi?level contextual 3D CNNs for false positive reduction in pulmonary nodule detection [J]. IEEE transactions on biomedical engineering， 2017， 64（7）： 1558?1567.

[7] KAMNITSAS K， LEDIG C， NEWCOMBE V F J， et al. Efficient multi?scale 3D CNN with fully connected CRF for accurate brain lesion segmentation [J]. Medical image analysis， 2016， 36： 61?78.

[8] DOU Q， CHEN H， YU L Q， et al. Automatic detection of cerebral microbleeds from MR images via 3D convolutional neural networks [J]. IEEE transactions on medical imaging， 2016， 35（5）： 1182?1195.

[9] 程德强，白春梦，郭昕，等.基于分层区域的自适应图像配准算法[J].计算机工程与应用，2019，55（17）：199?206.

[10] 律睿慜，杨帆，陆菁，等.针对色彩教育的游戏化设计及效果分析[J].计算机应用，2019，39（8）：2456?2461.

[11] DE SOUSA BORGES S， DURELLI V H S， REIS H M， et al. A systematic mapping on gamification applied to education [C]// Proceedings of the 29th Annual ACM Symposium on Applied Computing. New York： ACM， 2014： 216?222.

[12] FITZ?WALTER Z， WYETH P， TJONDRONEGORO D， et al. Driven to drive： designing gamification for a learner logbook smartphone application [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013： 42?49.

[13] PAN Chengsheng， JIA Yaru， CAI Ruiyan， et al. Routing strategy for spatial information network based on MPLS [J]. Computer engineering， 2019， 45（3）： 85?90.

[14] LEE G M， LEE J H. On nonsmooth optimality theorems for robust multiobjective optimization problems [J]. Journal of nonlinear and convex analysis， 2015， 16（10）： 2039?2052.

[15] 丁勇，李楠.基于高维度特征分析的非局部图像质量评价方法[J].电子与信息学报，2016，38（9）：2365?2370.