摘  要： 提出了一種新型的視頻圖像卡通化處理方案。首先根據視覺顯著性模型從輸入的視頻圖像中計算出一張視覺注意力函數圖，并將視頻圖像轉換到La*b*色彩空間；在視覺注意圖的指導下對低對比度區域用迭代的可分離雙邊濾波器做平滑操作，對高對比度區域用DoG算子作線條增強；最后用顏色的軟量化算子處理L亮度通道使之生成類似于卡通化的顏料塊效果，同時加深各邊界之間的不連續性。實驗表明,本方案對高注意力區域保留更多的細節信息來突出感興趣區域，同時淡化了不感興趣的區域，解決了Winnemöller不能處理前景和背景對比度不明顯的圖像的情況,而且在視覺上更能體現出卡通化的效果。
關鍵詞： 圖像卡通化； 視覺注意力； 雙邊濾波； 線條繪制； 顏色量化

    近年來, 視頻或圖像的卡通化作為一種新興的文化產業受到越來越多國內外視覺領域專家學者的關注和研究，其中很多國外學者提出了實現視頻自動卡通化風格的方法。WINNEMÖLLER H等人[1]提出了一種實時的視頻和圖像卡通化框架，該框架用雙邊濾波器來進一步減少低對比度區域的對比度，同時用高斯差分線條來加深高對比度區域的對比度。DECARLO D和SANTELLA A[2]在一個多尺度的系統下使用眼動儀來對圖像進行簡化。但是由于儀器價格昂貴而且測試起來比較復雜耗時，ITTI L等人[3]提出了基于顯著性模型來檢測感興趣的區域，他們認為除了顏色和亮度以外，對比度本身也是一個很重要的特征信息。HAREL J[4]等人在參考文獻[3]的基礎上提出了一種計算視覺顯著性的改進算法，該算法不僅考慮了特征的相似性信息,而且還考慮了特征的差異性信息,從而可以對圖像特征進行準確的計算。
    本文在參考文獻[1]的基礎上使用參考文獻[4]的計算視覺顯著性模型來簡化視頻圖像中的不重要特征,同時突出重要的視覺特征。
1 提取圖像的顯著性特征圖
    顯著性特征圖是一種表示相關場景視覺顯著性的局部圖。參考文獻[4]提出了精確的特征計算方法,該算法采用拓撲結構而不再是bottom-up的方式來達到精確的特征計算，同時還使用了馬爾科夫鏈來權衡圖像中兩點之間邊的權重和狀態的轉換。該算法不僅考慮了特征的相似性，而且考慮了特征的差異性。
    參考文獻[4]算法的主要步驟如下。
   
布更加集中，高注意力區域更加連貫，線條也更加明顯，同時也能很好地描述主體的大致輪廓。將參考文獻[4]方法的顯著性函數圖疊加到原圖，其中中心區域和白色光環表示人眼停留在此區域的時間長短，中心區域表示停留時間比較長，可見，在前景和背景對比度不明顯的情況下,參考文獻[4]的算法也可以很好地檢測出感興趣的區域。

    用提取的顯著性特征圖指導雙邊濾波器對圖像中感興趣區域和不感興趣區域的模糊程度，通過控制雙邊濾波器[5-6]的范圍權值函數w(·)決定圖像什么地方應該模糊什么地方應該強化保留。范圍權值函數定義為：
  
    參考文獻[1]雙邊濾波效果如圖3所示，利用顯著特征圖改進的效果圖如圖4所示。從圖3和圖4的對比中可以發現，參考文獻[1]的雙邊濾波對整體都有均勻的模糊效果，但是利用顯著特征圖指導雙邊濾波就可以在感興趣的區域模糊程度相對低一些，從而保留更多的細節信息，同時對于不感興趣的背景區域(如圖中的地面和墻)都能去掉更多的細節信息。

3 實驗與分析
    兩組卡通化效果圖如圖5和圖6所示。因為參考文獻[1]假設感興趣區域是圖像的亮度和高對比度區域，對于第2組貓的圖像來說，處理前景和背景的顏色差異比較相近的圖像就失敗了，不能很好地分辨出感興趣區域。而本文的算法先是采用參考文獻[4]算法檢測出圖像的感興趣區域，然后再采用不同的權值對圖像進行不同程度的濾波，所以在處理這種前景與背景對比度不明顯的圖像時也能達到很好的效果，并且彌補了參考文獻[1]算法不能處理圖像前景與背景對比度不明顯的情況，從而在視覺效果上更能體現出圖像的個性化和藝術性。

    本文提出了一種新型的卡通化方案，在具有參考文獻[1]的實時卡通化效果的基礎上增加了視覺顯著性模型，實現了視頻圖像的非均勻卡通化處理。實驗表明,本文的方案在卡通化一些前景和背景對比度不明顯的圖像時可以取得很好的效果。
參考文獻
[1] WINNEMÖLLER H, OLSEN S C, GOOEH B. Real-time video abstraction[C]. Proceedings of ACM SIGGRAPH’06, ACM, 2006:1221-1226.
[2] DECARLO D，SANTELLA A. Stylization and abstraction of  photographs[C]. Proceedings of ACM SIGGRAPH, 2002:769-776.
[3] ITTI L, KOEH C. Computational modeling of visual attention[C]. Nature Reviews Neuro-Science 2, 2001:194-203.
[4] HAREL J, KOCH C, PERONA P. Graph-based visual saliency[J]. 2006. Nips, 2006.
[5] PHAM T Q, VAN VLIET L J. Separable bilateral filtering  for fast video preprocessing[C]. Proceedings of IEEE International Conference on Multimedia and Expo, IEEE Computer Society, 2005:454-457.
[6] PHAM T Q, VLIET L J. Separable bilateral filtering for  fast video preprocessing[C]. IEEE International Conference  on Multimedia & Expo, CD1-4.