基于灰度融合的彩色图像渐变设计

李雅楠

（西安职业技术学院陕西西安710077）

图像渐变技术是一种图像融合技术，利用线性插值将图像交融到一起。目前对于渐变技术的研究相对较少，取得的成果也不够丰富，交叉溶解技术依旧是主要的图像设计技术，但是在对比度和图像质量上有很大的不足，涉及的计算量也非常大，尤其是彩色图像渐变的处理过程繁琐复杂。图像渐变需要从3个方面入手：图像的特征提取、图像中间帧的过度、图像的变形处理[1]。

针对目前彩色图像渐变技术的缺点，本文基于灰度融合研究了一种新的彩色图像渐变技术，在传统彩色图像基础上进行改进，渐变共分为两个过程：首先是彩色图像转变成灰度图像，然后利用灰度融合对彩色图像进行渐变。实验验证了该设计的可行性，具有很好的市场利用价值[2]。

1 彩色图像的灰度图像转变过程研究

1.1 彩色图像灰度处理重要性

彩色图像如果要进行渐变处理，首先就要转变成灰度图像。不同的图像具有的特征不同，所以图像渐变处理需要将若干个不同的模型综合起来，每一次处理呈现递进关系。图像的背景特征要比图像内部实物更加复杂，建立映射关系极其困难，如果是直接将彩色图像融合在一起，将会出现大量的干扰因素，所以将其转变成灰度图像后，不仅提高了处理速度，也使处理结果更加精准[3]。图像在空间中会受到自然光的影响，图片上的内容也会呈现出较为复杂的几何特征，如果在图像的渐变过程中，忽略了光照的影响，必然会使渐变结果受到影响。彩色图像的色彩特征不同，将其灰度处理后，方便整齐划一的进行渐变[4]。

1.2 彩色图像灰度处理过程

彩色图像向灰色图像转变是在RGB模式下将彩色图像的每个像素转变成灰度像素，即RGB颜色转变成HIS颜色。计算过程如下：

公式（1）中的R代表色调分量，G代表饱和度分量，B代表强度分量。需要特别指出的是，转换的RGB像素都要属于[0，1]的区间之内，根据公式（1）计算出不同像素的坐标值：

公式（2）中的(x,y)可以代表任何一个图像像素的横纵坐标值[5]。

在寻找出每个像素的具体位置后，对其进行灰度处理。将图像从一个多尺度、多方向的计算框架分散开来，选用滤波器对信号进行采样，了解每一组图像的特征，从而分析灰度图像处理后的质量[6]。

在新的亮度对比模型中，设立了一个特定阈值Δl，当背景的亮度与目标的亮度之间的差值大于Δl时，该图像可以利用韦伯模型计算出对比度；当背景亮度与目标亮度之间差值小于Δl时，该图像可以利用新的模型计算出对比度。

在明确目标与图像的对比度之后，对彩色图像进行灰度处理，处理变化过程如图1所示。

图1 彩色图像灰度处理过程

根据感知对比度可以评价出不同的图像，也可以根据一个图形的局部对比度模拟出整个彩色图像的各个像素值[9]。上述彩色图像灰度处理过程的每幅图片各对比度数据如表1所示：

表1 彩色图像灰度处理中不同图片的数据对比度

由表可知，在图像灰度处理后会产生不同的感知对比度C。对现有的图片进行对比后发现灰度处理后的图像对比度数值在不断加大，更容易对其进行渐变处理[10]。

2 基于灰度融合的彩色图像渐变

图像渐变不仅是计算机领域需要研究的问题，同时也横跨了物理学、生理学和社会学等多个领域[11]。渐变过程自身具有很强的综合性。

2.1 彩色图像采样

灰度融合的采样可以通过两种方式进行，分别是：金字塔采样和滤波器采样。金字塔采样如图2所示。

图2 金字塔采样

金字塔采样利用了彩色图像像素的多尺度性，每经过一次分解，就会产生一个子代图像，并且通过低通迭代向上分布得到图像中的特征点。金字塔采样的图像在多次分解以后，得到不同的子图像，子图像使用小波过滤技术过滤掉图片中的干扰信号[12]。

滤波采样如图3所示：

图3 滤波采样

滤波器采样和金字塔采样有一定的区别，每一级低带分量都具有多个奇异点，采集图像中的奇异点，通过通道组获取图像的像素值[13]。

2.2 彩色灰度图像交叉融合

彩色灰色图像交叉融合设立了中间点，中间点之前的渐变过程为前半周期，中间点之后的渐变过程为后半周期。

在前半周期中，源图像A具有很强的视觉优势，而目标图像B的视觉效果较差，通常要将源图像A与目标图像经过式D放在一起交叉融合，以此削弱在渐变时源图像A对目标图像B的攻击[14]。前半周期的图像交叉融合过程如图4所示。

当融合阶段进入后半周期时，目标图像B的视觉优势变得明显起来，在这个周期中，可以将目标图像B与源图像经过式C放在一起，降低目标图像对源图像的攻击性，使渐变序列更加自然[15]。后半周期的图像交叉融合过程如图5所示。

图4 前半周期图像交叉融合过程

图5 后半周期图像交叉融合过程

2.3 融合后图像渐变

融合后的图像渐变效果要比源图像渐变效果好得多。不同的彩色图像具有不同的特征点，将两幅图像的特征点提取出来，选取相似特征点，排放出一个稳定的渐变序列，根据该渐变序列安排图像的渐变。利用一种新的非线性插值算法提高图片渐变后的质量，非线性插值算法计算过程如下：

G(x,y)代表源图像A的像素坐标值，β表示控制点数值，σ表示特征点数值。

L(x,y,z)表示渐变后图形中各个像素的坐标值，I(x,y,z)表示目标图像B各个像素的坐标值[16]。

根据上述公式确定图像特点完成图像渐变过程。

3 实验研究

为了探讨本文研究的彩色图像渐变技术的实际工作效率，设计了对比实验。

3.1 实验参数

实验参数如表2所示。

3.2 实验过程

根据上述设定的参数进行实验，选取传统渐变方法和本文设计的渐变方法对同一组图片进行渐变处理，通过实验结果分析渐变效果。

表2 实验参数

3.3 实验结果与分析

得到的实验结果如图6和图7所示。

图6 渐变性能实验结果

观察图6可知，在渐变时间为3 min时，传统渐变方法得到的图像熵值为0.1248，本文研究的渐变方法得到的图像熵值为0.2241；渐变时间上升到中间时刻9 min时，传统渐变方法图像熵值为0.1944，本文研究的渐变方法熵值为0.4982；说明随着时间的增加，渐变后图形熵值在不断改变。

图7 渐变清晰度实验结果

观察图7可知，当渐变时间到第3 min时，传统渐变方法的图像平均梯度值为7.582，本文研究的渐变方法的图像平均梯度值为12.371；渐变时间上升到中间时刻9 min时，传统渐变方法图像平均梯度值为8.761，本文研究的渐变方法图像平均梯度值为22.943；说明随着时间的增加，图像的平均梯度出现很大的变化。

3.4 实验结论

根据上述实验结果可知：在相同时间下，本文研究的渐变方法得到图片图像熵值始终高于传统渐变方法得到的图像熵值，而熵值越大，图片中蕴含的平均信息越多；平均梯度越大，图像清晰度越高。在相同时间内，使用本文设计的渐变方法处理后的图片清晰度是传统方法的二倍。由此可见，本文渐变方法在工作性能上好于传统渐变方法，更值得推广使用。

4 结束语

图像渐变对于特效制作有重要意义，如果直接将彩色图片融合到一起，得到的图片清晰度很低，效果也不够自然。本文基于灰度融合理论设计了一种新的渐变方法，该方法利用韦伯模型首先将彩色图片进行灰度处理，再进行渐变融合，大大提高了渐变序列的稳定性，使渐变后的图片看起来更加清晰自然，具有很好的发展潜能和市场空间。