第三章 研究方法與步驟
3.5 獸面紋樣之建構
3.5.4 背景紋路的產生方法
路，產生出新的前景結果，接著再去調整參數 Center contrast 加入部份遺漏的特徵紋路，
即可增強前景獸面紋輸出的結果(圖 29(c))。
3.5.4 背景紋路的產生方法
背景的來源則希望將前景輸出結果做邊緣偵測所得的輪廓外形，再將其對照原始輸 入圖像的向量場流向安置符合原始圖像的紋樣(雷紋…等)，這部份則是參考了部份 maze construction 的論文，如 Liang Wan et al. 的 Evolving Mazes from Images[30]以及 Jie Xu et al.的 Image-Guided Maze Construction[15]。
實作時，一開始我們先去觀察古代裝飾紋路的結構，從中可以發現，最常出現於獸 面紋圖像上作為背景的為雷紋，而各雷紋雖其旋轉方式略有不同，但均作迴旋狀，與古 文字中「雷」字相當類似。又可細分為雷紋與連珠紋做搭配：以連續的迴旋形線條所構 成的幾何圖形，若為圓形的連續構圖則稱為雲紋，若為方形的連續稱作雷紋；乳丁式雷 紋：在斜方格型的每一格內置入一乳丁(圓形部分)，再於乳釘周圍以雷紋填滿；菱形雷
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
齒帶狀；勾連雷紋：以兩個雷紋為一組做對稱式的連續排列。見圖 30。
圖 30. 雷紋[33][34]，(a)雷紋與連珠紋做搭配，(b) 乳丁式雷紋，(c) 菱形雷紋，(d) 三 角雷紋，(e) 勾連雷紋
而其中又以勾連雷紋最常見於獸面紋路的裝飾之中，在此我們先建構最基本的雷 紋，其結構類似螺旋的概念，以單一方向為主，又以方形做為其主題結構，因此我們參 考了Vortex Maze Construction[35]的作法，首先我們需先知道哪些空間是我們可以置入裝 飾紋路的部分，以利我們在任意的空間大小中去建構出可存在的最小方形，有了這樣的 資訊後，我們再由最外圍的方形輪廓逐層的向內去做螺旋遞減的動作，需注意的是我們 需要控制每一層牆壁與牆壁之間的距離，以避免產生的紋路過於密集而失去其辨識性，
因此我們加入了間距控制的參數。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(a)
(b)
圖 31. 青銅器上之雷紋與實作雷紋之比較，(a)菱形雷紋(b)一般雷紋
在這裡我們將一般雷紋安置作為背景(圖 32)時可以發現，當前景獸面紋與背景的 裝飾紋路同樣都以陽刻的方式去作呈現時，會使得產生的獸面紋圖像顯得雜亂，無法凸 顯出兩者的區別，觀察搜集的資料中的獸面紋樣，在此我們在這裡加入了一個陰陽刻的 轉換動作，讓使用者可以自由的做選取，原則上是設置前景獸面紋圖像與背景的裝飾紋 路一為陰刻而另一為陽刻時，最能表達和傳統獸面紋樣相同的風格。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(a) (b)
(c) (d)
圖 32. 前景獸面紋路與背景裝飾紋路之陰陽刻變化結果，(a) 前景與背景皆為陽刻，(b) 前景為陽刻與背景為陰刻，(c) 前景與 background 皆為陰刻，(d) 前景為陰刻與 背景為陽刻
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第四章
實驗結果與討論
在 4.1 我們介紹用來實作本研究的系統以及我們的實驗環境，接著將實驗分為以相 同動物及不同動物作為輸入圖像，比較之間的不同，在 4.2 和 4.3 有詳細的說明，4.4 和 4.5 為本研究的延伸，試著將結果圖像以向量化和 3D 模組的方式做呈現，4.6 和 4.7 則 是針對本研究的限制和效能做探討和分析。
4.1 實作與實驗環境
我們使用 C++程式語言來實作我們的系統，搭配 OpenGL 以及 GLUI 來實作整個使 用者介面。在實驗環境上，我們使用的機器 CPU 為 Intel 32 位元 3.00GHZ 雙核心，記 憶體大小為 4GB，顯示卡晶片為 NVIDIA GeForce9800GT，作業系統是 Windows XP SP3。
4.2 相同動物做為輸入圖像之比較
在這裡我們使用四個相同動物的頭像做為輸入圖像，並將 Color matching、Boundary
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
出前景和背景皆使用陽刻做表現，其於(b)(c)(d)皆設定前景為陽刻，而背景為陰刻。觀 察圖 33(a)和圖 33(c)的輸出結果發現其眼睛雖然採用相同的資料庫，但因為原始圖像中 其角度不同，因此最後安置於前景時擺放角度的不同直接反映於輸出結果上。而圖 33(d) 的輸出結果相較於(a)(b)(c)則因為原始圖像中中央部位的特徵紋路不夠明顯，且我們不 對其做特徵加強(Feature enhancement)，因此輸出的結果顯現的特徵紋路較少。
(a) (b)
(c) (d) 圖 33. 相同動物生成之獸面紋圖樣比較
另外，我們可以發現，這四張老虎圖像輸出的獸面紋其共同特性為皆具有對稱性的 動物特徵作為裝飾，而眼睛的部分則已無瞳表示較多，這是取決於圖像分段後瞳孔保留
‧
在這裡我們使用三個不同的動物頭像做為輸入圖像，並將 Color matching、Boundary contrast 以及 Center contrast 這三個參數的權重值調整到適當的大小，比較三種不同的 動物所產生結果的區別。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(g)
圖 34. 不同動物生成之獸面紋圖樣比較，(a)梅花鹿原圖，(b)梅花鹿轉換之獸面紋，(c) 羚羊原圖，(d)羚羊轉換之獸面紋，(e)老虎原圖，(f)老虎轉換之獸面紋，(g)梅花鹿之前 景與背景合成結果
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.4 向量化結果
此外，為了讓結果的應用層面更加的廣泛，我們將最後得到的輸出結果透過 Vector Magic[36]這套軟體轉換為向量化圖像，得到如圖 35 之結果，左側為我們原始的輸出 結果，右側為向量化轉換後之結果。在這裡我們可以發現向量轉化之後的結果雖然在 解析度上有了很大的改善，但同時也使紋樣變得過於平滑，如何再加入舊化的效果到 我們最後的結果中也是我們未來一項很重要的工作。
(a) (b)
圖 35. 將輸出結果轉換為向量化圖像，(a)原始輸出結果，(b)轉換為向量化之結果
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.5 3D 模組之套用
我們也試著將產生的獸面紋圖像利用 bump mapping 的方式套用到現有的 3D 模組 上，希望給予青銅器的材質，如圖 36 所示。Bump Mapping 目的在使材質貼圖不只是 單純的平面，希望能夠藉由加入一個與材質對應的 Bump Map 來代表該材質的凹凸不平 的狀態，讓表面看起來有 3D 的凹凸效果，而不需要再另外擴張原來的 3D 模組的複雜 度。
圖 36. 將輸出結果套用於現有 3D 模組
4.6 實驗限制
在產生前景圖案的過程中，因為取決於以對稱點為中心，選取一面做獸面紋樣的轉 換，再作對稱映射得到最後的前景結果，而目前特徵的擷取以右半面為主，因此建議使
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
用者輸入的圖像以右半面清晰為主要考量。
而對於輸入圖像還有一限制，即臉部大小需佔整張圖像 50%以上之比例，這樣的要 求是由於我們在安置部份特徵位置時仍然是依照所蒐集來的資料得到的特徵比例所安 置，因此其大小與輸入圖像的長、寬有著密切的關係，如果輸入圖像中其臉部大小不符 合這樣的限制，則在最後產生出的前景結果中，將會使得比例失真，以及臉部輪廓線條 無法配合各部份特徵的情況產生，如圖 37 所示。
(a)
(b)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.7 實驗結果分析
在此，我們對於分段數與執行效率上的關係我們分析如表 1，我們分別的就輸入影 像大小和產生 Region adjacency graph 所需耗費的時間，以及針對影像分段個數和產生 Region adjacency graph 所需耗費的時間製作。
表 1. 輸入影像大小、分段個數與 Region adjacency graph 產生時間之關係圖
在此實驗中，我們取用 10 張大小及動物特徵不完全相同的圖片作為輸入影像(如圖 38 所示)，經過測試，我們將取的分段數落於 500~800 之間，這樣的設定，最能忠實的 分割出原始影像中的特徵曲塊，同時在執行時間上也相對於其他區間來的有效率。由表 中可以發現，不同影像產生 Region adjacency graph 所需耗費的時間大致上與其影像大小 成正比，而當影像大小差不多時，則其處理時間取決於分段個數的多寡，如編號 4、5、
6，基本上分段個數與產生 Region adjacency graph 所需耗費的時間也是成正比關係，但 除此之外，往往也取決於各分段個數所包含的像素個數，如編號 2、3，在這兩筆數據中 我們可以看到其影像大小差距很小，分段個數以編號 2 較多，但其在處理時間上卻比編 號 3 來的短，會產生這樣的結果是因為編號 3 的影像其最大分段所包含的像素個數相較 於編號 2 的最大分段是較多的，因此，我們可以得知，產生 Region adjacency graph 所需
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
耗費的時間其實也和各分段的個數有著密切的關係，即使兩張影像大小、分段個數皆相 同，但其處理時間將因像素個數的分布情況有所不同，像素個數分佈的越是均勻，則其 所需處理時間較短，反之，像素個數分佈的情況越是兩極化，則其所需的處理時間也就 越長。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第五章
結論與未來工作
5.1 結論
本論文提出了一套能夠讓使用者輕易的創建出獸面紋樣的做法，而不需要學習額外 精巧的美工技術，使用者只需要簡單的在輸入圖像點選三個特徵部位即可透過統一的做 法產生與來源圖像中分佈位置、特徵部位大小以及原始外形相對應的獸面紋樣。最後再 自由的選擇是否於背景加入古代裝飾紋路即可完成一個獨一無二的獸面紋。
整體而言，主要的架構為根據不同的輸入圖像讓使用者可以根據不同的參數調整去 擷取特徵。再藉由收集各中國商代的裝飾紋路，建立紋路資料庫，整理出紋路基本的生 成規則與排列特性。最後根據輸入影像的紋理結果於資料庫中選擇相似的裝飾紋路，並 對最終的紋路生成結果做調整，產生符合風格和紋理結構的紋路。
在整個過程中，我們提出了 Center contrast 的概念去針對圖像中間部份的紋路去做 加強，並藉由所蒐集的資料庫做再加強的動作，讓使用者可以自由的選擇是否去增加原 始圖像中沒有的特徵紋路去豐富最後結果。我們並針對前景及背景間的對應關係設計了 陰刻與陽刻的選擇，讓使用者可以選擇要突顯的部分。
‧
希望能使用 Shape Contexts[38]的方式去達到更好的比對效果，而在從資料庫中選取各部 位特徵組合的過程中，目前也並沒有考量到風格一致化的問題，使得選取出來的各特徵 部位可能來自不同年代，或是設計差異較大的情況發生，無法清楚的表達單一的風格，而為了能夠解決這樣的問題，將考慮把收集到的資料預先做風格的標記，幫助比對時只 對相同風格的資料庫去做選取。
而在本研究中提到的另外兩大類的獸面紋圖樣，也還有很大的研究空間，其一為側