第二章 相關研究
2.5 人臉辨識與抽象化藝術
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
堆疊清單圖表，定義階層順序的集合，使其始終不互相貫穿，並證明他們的局部的堆疊 運算子是正確且足以達成任一個一致性的堆疊。
2.5 人臉辨識與抽象化藝術
相較於動物的臉部辨識，人臉辨識在電腦視覺(computer vision)的研究中已有一段長 時間的研究，因此相較之下其技術也較為純熟，在這裡，我們參考 Automatic Caricature Generation By Analyzing Facial Features[23]這篇論文，不同於以往非寫實的臉影像處理系 統侷限於以影像為基礎(Image-based)，這篇論文的研究目的是以特徵為基礎
(Feature-based)的方式，達到將人像自動轉換成卡通肖像畫的應用。其最大的創新在於不 需對輸入影像一一的定義要誇張化的部位及臉型，利用統一且簡單的演算法即可自動的 找出所有臉部上的特徵，並加以誇張化。除了上述步驟外，在影像的形變中，還需利用 一張畫家的作品，將其套上誇張化後得到的輪廓產生新的肖像畫，藉此表現輸入圖像的 特徵，同時完整的保留原畫家的繪畫風格。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第三章
研究方法與步驟
獸面紋路的生成主要分為三個部份。第一，由輸入圖像中做特徵擷取，以保留每張 原始圖像其特有的風格和紋路。第二，資料庫建立以及比對，定義獸面紋路中較為重要 的特徵，進而針對這些特徵去對所蒐集的獸面紋資料去做分類，達到系統化的分析。第 三，圖像生成之結合，在每一個獸面紋中都包含了前景與背景，其生成方式也不完全相 同，定義基本的架構後，再進行組合，有利於使用者設計出特有的風格結果。因此在這 一章中，我們會逐一介紹這三個部份，闡述我們如何由一張寫實圖片產生能反映原始圖 像中特徵紋路的獸面紋。
3.1 研究方法
在研究中發現東方紋理結構的裝飾紋路主要以單一色調做為基底去產生圖案(圖 4)，所以我們的研究方法一開始主要著重於產生純粹黑白兩色的 Bi-tonal image。由於東 方紋理結構的裝飾紋路分類甚多，因此在我們的研究中以獸面紋為主要的探討中心。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(a) (b)
圖 4. 東方紋理結構的裝飾紋路：(a)卷龍紋[24]，(b) 銅鏡裝飾[25]
在本研究中我們主要針對獸面紋去做分析，其是商周青銅器的主要紋樣，多裝飾在 樂器(祭祀用)的主要部位基本構圖為：一雙大而有神的眼睛；雙眼間有一鼻樑；大咧口、
大獠牙；額頂有一對觝角(或雙耳)；有軀幹的話則向兩側展開，另有尖銳的爪子；根據 觝角的彎曲方向可分為外卷角和內卷角以及呈圓弧形的對稱角的紋飾，在 3.4 Data Base Construction 中，我們將有更詳盡的分析。另外，在商周晚期和後代中，獸面紋路也廣 泛的被使用於各種武器上做為裝飾紋路，舉凡槍、劍、戢以及矛…等武器，做為嚇阻之 作用，但關於這類的紋路資料較少，因此在本研究中不做探討。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(a) (b)
(c)
圖 5. 商周青銅器上之饕餮紋，(a)外卷角饕餮紋圖[26]，(b)內卷角饕餮紋[27]，(c)圓弧 形對稱角饕餮紋[27]
而隨著年代的推進，獸面紋樣的變化也可概分為三大類(圖 6)，首先是最簡單的側 身紋樣結合動物特徵，接著是臉部特徵結合動物特徵，最後最為複雜的是側身組合結合 臉部特徵再結合動物特徵，在本論文中將只針對第二類臉部特徵結合動物特徵這一部份 的組合架構去做研究與分析，產生具有相似風格的獸面紋樣。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 6. 隨年代推進獸面紋圖樣之演進，(a) 商周早期-側身紋樣結合動物特徵，(b)商周中 期-臉部特徵結合動物特徵，(c)商周晚期後-側身組合結合臉部特徵與動物特徵[28]
根據神與獸的紋樣學[30]一書中對於獸面紋的探討我們可以發現其設計的風格主要 著重於頭上支角的變化。另外，在我們搜集資料的過程中也發現到，除了動物頭上支角 的特徵外，其眼睛、舌頭以及耳朵的部分則和古象形文字有著不可分割的關係(圖 7)，
基於這樣的關係，我們可以更清楚的明白整個獸面紋的設計方法其實從很早的朝代就已 奠定基礎，也有助於我們套用象形文字的概念去幫助我們完成獸面紋產生的技術。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 7. 獸面紋與象形文字之比較關係[29]
進一步的研究，我們可以發現獸面紋除了明顯的幾個重要特徵外，剩餘的裝飾紋路部份 與迷宮圖案有類似的部分，因此我們參考了相關的論文，如Evolving Mazes from
Images[30]。近代生活中較常見的獸面紋運用可見於一些商標圖樣。
3.2 研究步驟
我們將整個實作過程大致分三個步驟來完成。第一步驟，特徵擷取，一開始我們 先使用 EDISON’s synergistic image segmentation [31]的方法對原始輸入圖像做處理，使 用分割的方式將其細分為許多區域，其背後的分割原理為將各相鄰像素間的 RGB 值做 歸類，當相鄰像素間的色差值介於一定範圍中時，我們計算這些相似顏色的平均值，將 其做為此分段的顏色值，並分配給所有於此分段中的像素，產生所需的分段圖像 (Segmentation Image)；接著我們參考 artistic thresholding 中的做法，將分段圖像做為輸 入圖像，建立所需的 bi-tonal image。第二步驟，資料庫建立以及特徵比對，預先定義獸 面紋中較為重要的特徵，再和使用者點取的特徵部位做比對與分析，達到系統化的分 析；第三步驟，我們回到原始圖像中將其分為前景以及背景兩部份個別的去做不同紋路 的處理。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
其中前景的處理以 bi-tonal image 做為輸入來源，針對特徵部位與資料庫做比對並 將比對得到的結果依比例縮放使得其符合原始圖片的大小；而相對於前景，背景的處理 則希望以原始圖像做邊緣偵測後所得的結果做為輸入來源，再依原始圖像中的向量場流 向安置符合原始圖像的紋樣(雷紋…等)。最後再將產生出來的前景與背景結果做結合產 生我們想要的完整圖紋，流程圖如圖 8 所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.3 Feature Extraction
以分段圖像(Segmentation Image)為基礎，我們建構 region adjacency graph，目的是 為了增加影像的可讀性，並增加對於特徵處理上的速度；假設來源圖像的大小為 W*H。
分段產生 N 個區域的集合，我們將其分別標示為 1…N。每一個區域是圖像中一個整數 位置(x , y)的子集合 Si 。我們可以把每一個區域上的各分段想成一張平面圖上的頂點。
當有兩個像素點其對應的區域為水平或垂直相鄰時，則這兩個頂點由一邊做連結。如圖 9 所示，對每一個區域 Si 我們給予一 ci 代表 Si中的所有映像點的平均顏色值，Ai 代表 Si中映像點的個數以及 li, j 代表 Si和 Sj為共用邊界的長度。
(a) (b)
圖 9. 一個簡單的 adjacency graph，在(a)中的每一個分段於(b)中有相對應的頂點，他 們有相同的顏色和標記。每一個頂點記錄了其代表的分段包含的像素個數。每一個邊記 錄了兩個鄰近分段共享邊界的長度。
延續上一個步驟，接著我們參考 Artistic thresholding 中的做法，建立 threshold image，讓我們更能針對不同的特徵建構不同的參數，增加原始紋路的明顯性。在這個 步驟中，我們將分段圖像做為輸入，根據不同權重值分配的直觀概念來建立 Energy
‧
值來搜尋出我們所需的 bi-tonal image。在此我們想像 artistic threshold 為一個技巧，其給 予每一個區域一個值 bi∈{black , white}。我們有時將 bi 做為在相同的色彩空間的顏色定 義如 ci ，而有時將其作為一個布林值(黑是 T，白是 F)，而有時又做為真實的灰階值(黑=0，白=1)，同時也定義 B={i∈1, . . .N | bi = black}，作為目前黑色區域的集合。
我們主要參考 Artistic thresholding 中定義的三個參數，第一個為 Color matching，定 義 Ccol 來評估二進位的分配值和來源圖像映像點的整體區別；第二個和第為 Boundary
‧
之結果，(c)調整 Boundary contrast Calike 後之結果，(d)調整 Boundary contrast Copp 後 之結果不同於前三個參數為 artistic thresholding 中 Energy function 所定義，我們自行定義 的第四個參數為 Center contrast 如下：
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Ccenter 的主要目的是為了將原始圖像中央特徵部分的 Boundary contrast 做獨立化的控
制，避免整個圖像在轉為獸面紋的過程中，因為多個參數的組合而讓中央特徵受到影響 (圖 11(b))。我們將分段圖的邊緣 E 集合獨立出 Ecenter 的部分，代表位於圖像中央的邊緣 集合，如果 bi = bj且 Si與 Sj位於圖像中央部份，則一對無序的( i , j )是在 Ecenter中(圖 11(c))。
圖 11. 調整 Boundary contrast 與 Center contrast 之結果比較，(a)原始輸入圖像，(b) 調整 Boundary contrast Calike 後之結果，(c)調整 Center contrast 後之結果
圖 11 中標記紅色之區域即為我們設定的參數 Center contrast 希望可以強調的中央紋路，
由圖中可以明顯的看出利用 Center contrast 參數最後得到的結果較使用 Boundary contrast Calike的效果來的顯著，其不僅反映出原始圖像的紋路線條，同時也避免了多餘 特徵區塊的產生問題。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 12. 各種獸面紋依其瞳孔特徵及年代和複雜度的一個基本分類
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.4 資料庫之建構
資料庫的建立在我們的方法之中是必需的，在本章節中我們將概括的介紹我們蒐集 而來的各種獸面紋路，並說明我們的分類方式。圖 12 為各種獸面紋依其眼睛瞳孔的特 徵及其年代和複雜度去做一個基本的分類，橫軸代表的是獸面紋隨年代遞增其複雜度的 增加，縱軸代表的是其眼睛瞳孔的分類，在圖表中可以清楚的看到各個時期獸面紋的變 化，由簡單逐漸變得複雜，而各個眼睛瞳孔特徵的分類則是不受到年代的影響，在每一 個時期都可發現他們的蹤跡，由此我們可以發現，眼睛特徵在獸面紋的歷史中佔有很重 要的地位，而除了眼睛特徵外，動物特徵也是另一個很重要的紋路。
因此，首先我們便先對獸面紋圖像中最重要的動物特徵作分類，他之所以重要是因 為不論哪一時期的獸面紋路皆以它做為一個權威性的標誌，並且在近代對獸面紋所代表 動物的辨識中也佔了很重要的一部分，分類如下：
外卷角：基本形式呈一對兩端卷曲的半環形，根部肥大，角端尖銳，類似綿羊角。
圖 13.資料庫之動物特徵-外卷角
內卷角：基本形式形狀如牛角，但更向內彎曲，起初如牛角，發展到後來越肥大彎。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 14. 資料庫之動物特徵-內卷角
圓弧形對稱角：基本形狀與部分內卷角相似，但外形更呈圓弧狀，兩側角端皆尖銳，
圓弧形對稱角：基本形狀與部分內卷角相似，但外形更呈圓弧狀，兩側角端皆尖銳，