第五章 結論與未來工作
5.2 未來工作
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
45
第五章
結論與未來工作
5.1 結論
在本論文中，藉由分析傳統獸面紋圖樣的特徵組合與風格後，我們提出了一套方法 將動物臉孔的寫實相片轉換至中國傳統獸面紋圖樣風格之影像，目標在於讓使用者能夠 不具備有關裝飾紋樣藝術上的學習經驗，只需要輸入一張動物臉譜的影像與特徵點的選 取便能產生出相對應的傳統獸面紋風格圖樣。
系統架構中所包含的方法除了使用了具有結構性的比對方法對動物的臉部特徵進 行獸面紋五官特徵樣式的轉換之外，同時運用了反應-擴散模擬做為風格化的主要方法，
將輸入影像的花紋特徵風格化為線條或塊狀的結構來豐富五官特徵內的紋路裝飾，其中 不僅加入了多項參數的變化已達到在風格化後區域性與全域性的結構控制，進一步地我 們更提出了將反應-擴散方法與向量場的資訊進行整合使得反應-擴散的生成效果能配 合向量流向產生出相對應的變化以增加生成的變化性，而背景裝飾紋路的結構以及輸出 影像能有更多的誇張化與一致的風格化便是因此得來的。
5.2 未來工作
在未來工作中，五官特徵的抽象化與誇張化能夠訂定一套更完善的風格轉換規則，
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
47
獸面紋圖樣是以動物形象抽象化描述，大部分是依照人類臉譜為基礎所生成的誇張化和 抽象化圖樣，而其他像是由台灣與美洲原住民所創作的動植物紋路和圖騰柱也象徵對自 然現象與生物崇拜的一種藝術風格，在風格化和色彩的呈現也都比中國傳統獸面紋更來 的精細和豐富，這些都是未來值得研究和相互比較的議題。
‧
1. 商朝晚期的鼎 - http://zh.wikipedia.org/zh-hk/File:Liu_Ding.jpg
2. 張道，倪建林，《中華圖案五千年 第二輯 商周時代》，台匇，美工科技有限公司，
民國90年。
3. H. Alexander, “The computer/plotter and the 17 ornamental design types,” In Proceedings of SIGGRAPH ’75, pages 160–167, 1975.
4. P. Prusinkiewicz, and A. Lindenmayer, “The Algorithmic Beauty of Plants,” 1990.
5. C.S. Chen, “Interactive Modeling of Pai-lou with L-system,” National Dong Hwa University, 2006.
6. M. T. Wong, D. E. Zongker, and D. H. Salesin, “Computer-generated floral ornament,”
In Proceedings of the 25th Annual Conference on Computer Graphics and interactive Techniques SIGGRAPH '98. ACM, New York, NY, 423-434
7. J. Xu, and C.S. Kaplan, “Vortex Maze Construction,” Bridges2006.
8. 陳啟正，商代器物裝飾紋樣研究-以獸面紋樣中的臣目紋為例，逢甲大學歷史與文物 管理所，民國97年。
9. H.T. Weng，中國傳統建築裝飾紋樣與陰陽觀之研究，成功大學建築(工程)學系，民 國87年。
10. 王裕炫，傳統中國獸面紋圖樣對應寫實相片之產生技術，政治大學資訊科學所碩士
‧
11. J. Xu, C.S. Kaplan, “Artistic Thresholding,” NPAR 2008.
12. A.M. Turin, “The Chemical Basis of Morphogenesis,” 1952.
13. G. Turk, “Generating Textures on Arbitrary Surfaces Using
Reaction-Diffusion,” Computer Graphics, Vol. 25, No. 4, (SIGGRAPH 91), July 1991, pp.
289-298.
14. J. E. Pearson, “Complex Patterns in a Simple System,” Science, 261. 189-192. 1993.
15. R.T. Liu, S. S. Liaw, and P.K. Maini, “Two-stage Turing model for generating pigment patterns on the leopard and the jaguar,” Phys. Rev. E74, 011914(2006). Nature 422 , Research Highlights p.604 (August10, 2006).
16. L. Wan, X.P. Liu, T.T. Wong, and C.S. Leung, “Evolving Mazes from Image,” IEEE TVCG2009.
17. D.Y. Kim, M.J. Son, Y.J. Lee, H. Kang, and S.Y. Lee, “Feature-guided Image Stippling,”
Computer Graphics Forum (Eurographics Symposium on Rendering 2008), vol. 27, no. 4, pp. 1209-1216, 2008.
18. J. E. Kyprianidis, and H. Kang, “Image and Video Abstraction by Coherence-Enhancing Filtering,” Computer Graphics Forum, 30(2), 2011. (Proceedings Eurographics 2011).
19. K. Singh, and H. Pedersen, “Organic Labyrinths and Mazes,” ACM Nonphotorealistic Rendering and Animation NPAR 2006).
20. R.Ando, and R. Tsuruno, “Vector Fluid: A Vector Graphics Depiction of Surface Flow,” In NPAR ’10:Proceedings of the 8th International Symposium on Non-Photorealistic
Animation and Rendering (pp. 129–135). New York, NY, USA:
21. L. Liang, H. Chen, Y-Q Xu, and H-Y Shum. “ExampleBased Caricature Generation with Exaggeration,”Proceedings of 10th Pacific Conference on Computer Graphics and Applications, 2002.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
50
22. P.Y Chiang, W.H. Liao, and T.Y. Li, “Automatic Caricature Generation by Analyzing Facial Features,” 2004 Asian Conference on Computer Vision, Jeju Island, Korea, Jan 27-30, 2004.
23. T. Beier, and S. Neely, “Feature-Based Image Metamorphosis,” Proceedings of SIGGRAPH'92, pp. 35-42, July 1992.
24. Z. Wang, A.C. Bovik, H.R. Sheikh, and E.P. Simoncelli, “Image quality assessment: from error visibility to structural similairty,” IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600−612, Apr. 2004.
25. P.F. Felzenszwalb, and D.P. Huttenlocher, “Distance Transform of Sampled Functions,”
2004.
26. Vector Magic - http://vectormagic.com/home