高精度矢量汉字的一种填充方法_矢量化：让素材库丰富起来

全文字数：1817字   阅读时间：6分钟

引言

中华文化博大精深，历史源远流长，民族服饰图案作为历史文化中不可或缺的元素，值得被更好的传承和延续。数字化民族服饰图案是实验室一项重要的工作，旨在赋予传统文化更强的生命力，发挥更大的艺术价值。目前这些图案的保存方式大多是栅格图像，只有将这些图案进行矢量化，才能更好的保存和再创作。

1、位图和矢量图

目前图像主要的表现形式主要有两种，一种是位图，另一种则是矢量图。

位图又称为光栅图或栅格图像，由许多像方块一样的像素点组成，包含了颜色、色调等信息，通常是由扫描或者拍摄物体时所产生的，图像格式有JPEG、GIF、PNG、BMP、PSD 等。

矢量图是使用不同类型的几何图元(例如点、线、矩形、多边形、圆和弧线等)及其内部所封闭的颜色来描述的图形，通常用于创作设计等工作中，图像格式有CDR、AI、SVG、EMF、DXF等。

矢量图像相较于位图具有许多优点：

(1)它们与分辨率无关，可以缩放到任意大小而不会降低质量

(2)它们通常具有非常紧凑的表示形式，文件较小，从而可以有效地存储和传输它们

(3)它们还支持对几何图元(而不是像素)进行高级编辑操作

但是矢量图也存在着其他的一些缺点，例如在表现自然图像时的效果较差，颜色不细腻，无法达到逼真的效果等。

2、图像矢量化

鉴于上述矢量图的优点，艺术家和设计师通常选择使用矢量图的格式进行设计和创作。在绘制矢量图的过程中，需要使用绘制矢量图的工具和软件，通过手工描摹位图的轮廓和路径，并填充颜色的方式进行绘制。然而，通过手动绘制矢量图的方式进行创作是一件耗时又耗力的工作，如果能够使用计算机的方法将位图自动转换成矢量图，将会大大节约创作过程的时间和精力，并且方便之后编辑和再创作。

矢量化是计算机图形学领域中重要的一个分支，矢量化的对象也是多种多样的，既可以是自然图像(例如摄影图像)，也可以是非自然图像(例如草稿图、卡通图像等)。目前市面上有许多矢量化工具和软件，例如Adobe Illustrator，CorelDRAW、Inkscape等等，尽管在行业中被广泛的应用，但是仍存在着许多不足，因为它们并不能对每一类图像都得到最好的结果，因此许多学者针对不同类型的图像矢量化提出了不同的算法。

3、矢量化算法

通常情况下，没有一种矢量化方法能够对所有类型的图像都生成不错的结果，所以对于矢量化方法的研究通常是针对不同类型的图像提出的。

(1)二值图像

二值图像指的是图像中每一个像素点只有两种取值的图像，对于此种图像Potrace[1]算法是一种简单且高效的基于多边形的追踪算法，该方法将路径看成多边形并对其轮廓进行跟踪，最后使用贝塞尔曲线进行拟合得到最终结果。该方法的不足之处就是只能对二值图像进行矢量化。

(2)线稿图

对于线稿图像，难点在于线条交汇处的歧义问题，大多数算法都是基于分析线稿拓扑结构，比较经典的算法就是拓扑驱动的干净图稿矢量化[2]，该方法通过反向绘制的方法解决结点歧义的问题。除此以外还有许多其他线稿矢量化方法，如通过帧场的方法[3]、平衡保真度与简单度之间的方法[4]等。

(3)彩色图像

彩色图像大致可以分为自然图像和非自然图像。非自然图像中的色彩变化比较少，通常一块区域内仅由一种颜色填充，例如一些动画图、艺术图、标志图等。而自然图像，色彩变化十分丰富，图片中的效果较多，例如拍摄的图片。

对于非自然的彩色图像，通常采用的方法是基于图像分割和边界拟合的方法，对分割的结果进行边缘检测，提取出某些特征，再使用图像学的曲线进行拟合，对其中的区域进行颜色填充和渲染。

对于自然的彩色图像，如果使用普通的矢量化方法，通常会产生许多颜色碎块，因此学者提出了许多种针对此类图像的一些算法，大致可以分为三大类：基于渐变网格的[5]、基于扩散曲线的[6]、基于细分的[7]，并且仍在不断的探索之中。

4、传统民族服饰图案矢量化存在的难点

传统民族服饰图案矢量化与其他图像的矢量化相比，存在着一些区别。

首先，民族服饰图案相较于自然图像而言，同一区域内颜色比较单一，色彩变化不会过于丰富，很少会出现渐变等情况。

其次，由于过去技术还没有发展很完备，很少有关于服饰图案的电子记录形式，因此现在的服饰图像大多是通过拍摄照片的形式呈现，作为矢量化的输入而言，存在大量冗余的噪声，受环境影响很大。

最后，很多服饰图案是通过特殊材质的载体呈现的，例如地毯、丝绸等，图像中不乏出现这些材质的纹理细节(如上图所示)，而服饰图案的矢量化重点是对图案的形状、颜色等特征进行处理，所以纹理的影响也是一大难点。

参考文献：

[1] Selinger P. Potrace: a polygon-based tracing algorithm[J]. Potrace (online), http://potrace. sourceforge. net/potrace. pdf (2009-07-01), 2003.

[2] Noris G, Hornung A, Sumner R W, et al. Topology-driven vectorization of clean line drawings[J]. ACM Transactions on Graphics (TOG), 2013, 32(1): 1-11.

[3] Bessmeltsev M, Solomon J. Vectorization of line drawings via polyvector fields[J]. ACM Transactions on Graphics (TOG), 2019, 38(1): 1-12.

[4] Favreau J D, Lafarge F, Bousseau A. Fidelity vs. simplicity: a global approach to line drawing vectorization[J]. ACM Transactions on Graphics (TOG), 2016, 35(4): 1-10.

[5] Sun J, Liang L, Wen F, et al. Image vectorization using optimized gradient meshes[J]. ACM Transactions on Graphics (TOG), 2007, 26(3): 11-es.

[6] Orzan A, Bousseau A, Winnemöller H, et al. Diffusion curves: a vector representation for smooth-shaded images[J]. ACM Transactions on Graphics (TOG), 2008, 27(3): 1-8.

[7] Liao Z, Hoppe H, Forsyth D, et al. A subdivision-based representation for vector image editing[J]. IEEE transactions on visualization and computer graphics, 2012, 18(11): 1858-1867.