基于多光谱技术的建筑彩画虚拟修复系统设计

李 敏

（西北大学现代学院，陕西 西安710130）

建筑彩画有着不可估量的艺术价值，然而受人为、意外以及自然环境等因素的影响，建筑彩画会受到不同程度的损坏。现如今，对建筑彩画的修复已经引起越来越多文物保护与修复者的关注。现有的建筑彩画虚拟修复系统可分为两类，一类是基于数字图像处理技术的建筑彩画虚拟修复系统，该系统主要通过普通数码相机采集建筑彩画图像数据。此系统操作相对简单，但由于受视觉误差的影响，修复后的彩画与原彩画图像难以保持一致。另一类是基于形状和颜色特征的建筑彩画虚拟修复系统，该方法也是利用普通数码相机采集建筑彩画数据，但主要集中于后期的建筑彩画颜色修复。针对以上两种方法均存在修复后色彩连续性差的问题，本文设计一种基于多光谱技术的建筑彩画虚拟修复系统。多光谱技术是通过在可见光范围内采集目标物体的多个通道的光谱信息，用算法估算其光谱，从而实现彩画的颜色重现。实验结果证明，所设计的基于多光谱技术的建筑彩画虚拟修复系统比两种传统系统的修复效果好。

1 系统硬件设计

此次设计的系统硬件主要由转换器、FPGA器件与微处理器组成，其结构如图1所示。

图1 建筑彩画虚拟修复系统硬件结构

1.1 转换器设计

采用AD9238型号转换器[1]，该转换器采用单3 V供电（2.7～3.6 V），AD9238的两个通道分别采用一个AD8138作为运放驱动器。I/O两路中频模拟信号分别经过2个AD8138变为差分信号，发送给A/D转换器（第2，3，14，IS管脚）。由于建筑彩画虚拟修复系统的特殊要求，在FPGA器件中选择Cyclone系列器件为系统的高速采样提供缓存空间[2]。该器件内部可以生成FIFO缓存器，为高速采样提供缓存空间，主要用来完成系统数据缓存、采样频率分频以及触发控制等工作。

1.2 微处理器设计

该文选用的CY7C68013型号微处理器是一款集成USB 2.0的微处理器，主要包含56ssop、100tqpp、128tqep等三种封装方式，其结构如图2所示。

该微处理器中共有7个输入/输出端口，可以分别被配置为中断、同步传输模式[3]，传输方向可配置为I/O。并可以在全速12 Mb/s和高速480 Mb/s两种模式下运行，通过应用内部RAM来进行程序和数据的存储。

2 系统软件设计

2.1 多光谱建筑彩画图像降维

基于多光谱技术获得的建筑彩画图像中包含了场景环境光照[4]、景物的光谱反射特性[5]以及相机滤光片的光谱透射率等多方面信息，导致建筑彩画图像中颜色空间维数较高、数据复杂、图像信息中存在大量冗余，因此利用多光谱技术对图像降维处理，最大程度保留原始建筑彩画图像上的颜色特征信息[6]。计算公式如下：

式中：V为原始建筑彩画颜色特征信息；B为降维的颜色维数[7]；r为图像中的冗余信息；K为建筑彩画主成分；p为图像信号。

图2 微处理器结构

经图像降维后的建筑彩画图像能够保留有用信息的同时，还能够获得建筑彩画的光谱信息[8]，减轻工作量，有利于后续的建筑彩画色彩分层。

2.2 建筑彩画色彩分层

在上述建筑彩画图像降维的基础上，对建筑彩画进行色彩分层[9]，通过图像分割方法将建筑彩画图像中相同颜色特征的部分提取出来，图像分割是指将图像分成具有各自特性的区域[10]，从各个区域中提取出需要修复的区域。图像分割的计算公式如下：式中：I代表观察到的图像；A代表前景图像；f代表建筑彩画图像中所有的像素点；B为背景图像。

在上述图像分割完成的基础上，根据不同颜料颜色对前景图像做进一步分层，具体的步骤如下：

选择前景背景种子点，作为背景参照点[11]，对图像光谱发射率均值进行计算，计算公式如下：

式中：R代表图像光谱反射率均值；S代表前景图像背景像素个数；O为每个背景点的光谱反射率值。

在此基础上，分离背景，表达式如下：

式中：b为基底；z代表图像系数；F代表图像散射系数。通过上述计算，完成建筑彩画图像色彩分层处理。

2.3 建筑彩画修复

通过上述建筑彩画色彩分层结果，得到感兴趣的颜色层，即需要修复的区域[12]，基于多光谱技术的建筑彩画虚拟修复系统修复过程如图3所示。

图3 基于多光谱技术的建筑彩画虚拟修复过程

其具体实现方法如下：

1）建筑彩画虚拟修复成分提取[13]，在同一环境下利用多光谱技术采集建筑彩画的光谱信息以及颜色信息，所述算法如下：

式中：q为建筑彩画的灰度值；ri代表所测特征点在第i波段上的特征值；h为建筑彩画图像在所测光谱范围内所含的波段数；c代表建筑彩画颜色与颜色库中的相关度。

2）选取单一修复颜色[14]，对颜色修复，颜色修复过程如图4所示。

图4 颜色修复过程

3）建筑彩画修复校检[15]，对修复的颜色进行色差校检，表达式为：

式中：D代表校检参数；V代表混合颜色与原颜色的亮度差；b代表配比颜色；y为原始颜色。

当V为0～0.5时，可认为修复的颜色相同；当处于0.5～1.5时，认为修复的颜色具有细微的差别；当处于1.5～3.0时，认为色差可察觉；当处于3.0～6.0时，代表修复的色差可识别；当处于6.0～12.0时，代表色差较大。

通过上述公式衡量修复的色差，当修复色差满足要求时，修复情况与原始建筑彩画情况基本保持一致，实现原建筑彩画虚拟修复。

3 实验对比

在Matlab下进行此次仿真实验，选择某数据库中的建筑彩画图像数据作为实验对象。在数据库中随机抽取3张建筑彩画图像，分别利用此次设计的基于多光谱技术的建筑彩画虚拟修复系统与传统的基于数字图像处理技术的建筑彩画虚拟修复系统、基于形状和颜色特征的建筑彩画虚拟修复系统对比，对比三种系统修复后建筑彩画色彩的连续性。

3.1 实验图像1色彩连续性对比

三种系统的建筑彩画虚拟修复对比结果见图5。

图5 实验图像1色彩连续性对比

由图5可知，经过此次设计的系统修复后的建筑彩画比传统基于数字图像处理技术的建筑彩画虚拟修复系统与基于形状和颜色特征的建筑彩画虚拟修复系统的修复效果好。此次系统修复后的图像线条以及色彩的连续性都较传统的两种系统的线条和色彩连续性好，因为此次设计的系统主要利用多光谱技术将建筑彩画信息映射在同一颜色层上，既保留了图像原有的色彩层次感，又能够保持图像的纹理信息，使得颜色层整体上得到了色彩调整。

3.2 实验图像2色彩连续性对比

此次设计的基于多光谱技术的建筑彩画虚拟修复系统与传统的基于数字图像处理技术的建筑彩画虚拟修复系统、基于形状和颜色特征的建筑彩画虚拟修复系统的修复结果如图6所示。

由图6可知，此次设计的系统修复后的建筑彩画很好地保留了图像原有的边缘信息与色彩信息，最大程度上还原了原始图像；而传统的两种系统修复后的色彩与原始图像上存在一定差距，并且图像色彩连续性较差，细节信息修复效果差。

图6 实验图像2色彩连续性对比

3.3 实验图像3色彩连续性对比

三种修复系统修复后图像的色彩连续性对比结果如图7所示。

图7 实验图像3色彩连续性对比

由图7能够看出，经过此次设计的系统修复后的图像在色彩以及图像边缘信息上与原始图像相差较小，而传统的基于形状和颜色特征的修复系统修复后的图像色彩饱和度过高，基于数字图像处理技术的建筑彩画虚拟修复系统修复后的图像边缘信息缺失明显。通过上述实验结果能够证明，此次设计的基于多光谱技术的建筑彩画虚拟修复系统比传统的基于数字图像处理技术的建筑彩画虚拟修复系统、基于形状和颜色特征的建筑彩画虚拟修复系统修复效果好，可以有效保持建筑彩画的线条以及色彩的连续性，并能够有效保留细节信息。

4 结语

此次研究的基于多光谱技术的建筑彩画虚拟修复系统还存在一定的不足，尚有一些问题需要完善：由于此次实验是利用数据库中的历史数据进行的实验，可能还存在一定的疏漏，在后续研究中，可以现场拍摄图像然后进行修复，以提高实验结果准确性；另外，在建筑彩画修复中，虽然对颜色进行了还原，但是仍有一些局部细节信息存在缺失，没有做到无损修复，这也是后续重点的研究内容，从而进一步提高修复的效果。