探索基于OpenCV的图像处理技术在国画中的应用

侯艳阳

(郑州工业应用技术学院，河南 新郑 451100)

0 引言

OpenCV当下被广泛应用于工业界和学术界，主要功能是帮助工作人员进行相应的图片处理，具有增强图片效果、改善失真图片等功能。国画蕴含着我国前人数千年的智慧经验，与西方工笔画、油画等绘画形式存在明显的不同。国画对于绘画人的要求较高，需要其掌握多种多样的用笔技艺，并且利用调参的手法来提升画作的美感与质量。OpenCV作为常用的图像处理工具，能够帮助国画呈现更高的清晰度与对比度，以达成更精致的绘画效果。

1 OpenCV的定义

开源计算机视觉图书馆(Open Source Computer Vision Library，OpenCV)指的是一个在计算机领域极其有名的开源数据库，主要功能是处理视觉图像，用户可以登录该系统进行免费的操作。OpenCV作为目前应用较为火热的系统，其最大的特点是跨平台，开发者在设计之初就允许用户在Windows/Android等操作系统中展开应用，并且用户可以利用Java，Python等常见的编程语言接口，进行相应的图像处理操作。设计者在开发OpenCV之初，秉持的基本理念是：能够帮助用户尽快地处理复杂的视觉应用。当前，OpenCV的使用范围较广，可以帮助识别人脸、机器学习、安全系统检测等日常工作进行，甚至还可以运用于一些军事系统中。

2 OpenCV的应用现状

目前，OpenCV主要在计算机数字形态学和视觉图像处理等领域发挥着重要的作用，总的来说，OpenCV的应用功能可以概括为实际应用功能与辅助应用功能两大类。

2.1 实际应用功能

(1)图像特征的实际检测。在当前的信息处理过程中，许多图像的特征并不够显著，这就导致技术人员在进行后期处理与维修时操作烦琐，且不能达到预期的处理效果。OpenCV在上述情况下就可以发挥自己的长处，帮助技术人员对原有图片进行分割、去雾等处理。具体来说，OpenCV可以在下述案例中发挥效用：当汽车公司的负责人想要获得关于车辆轮廓线的理想形状时，可以要求技术人员利用OpenCV轮廓检测的方法，基于开源计算机数据库，针对图片中的车辆进行一定的去噪、滤波处理，并且进行二值化阈值的分割，进而得到二值化的黑白图像，最终通过轮廓线提取的操作，得到车辆的外轮廓线。

(2)图像特性的提取。图像特征的提取是指技术人员通过设置不同的阈值，将图像像素点分成若干类，随后根据像素点的灰度值，选择相配套的阈值。通过上述操作，技术人员得到了不同特征的阈值，进而能够为后期的图像分析与相关特征模式的提取提供极大的便利，属于实际功能的范畴，具有较高的实用价值。

(3)图像边缘的检测。OpenCV还可以提供图像边缘的检测技术，技术人员需要利用C++语言，在OpenCV和Visual Studio2013(微软旗下的一款编程开发系统)的基础上，进行综合的编程，在实际的编程过程中，技术人员需要利用Canny算子、Laplacian算子等工具来达到对静态图像进行边缘检测的目的。

(4)图像内容的识别。图像内容的识别工作在计算机视觉领域模块中占有很大的比重，它的具体应用场景包括：人脸识别、手势的识别以及车牌号的识别等。具体来说，人脸识别是指利用OpenCV做图像处理库，根据人脸的具体特征，利用专业的算法进行相关识别。手势识别是指技术人员根据识别对象的不同肤色与该对象的运动信息，去除掉照片中与肤色颜色相近的区域，利用OpenCV对图片中人物的手势进行准确分割，帮助相关人员完成手势的识别。车牌号的识别是指，综合比对不同车牌的特征，对车牌进行定位操作，将车牌上的字符进行一定的分割操作，利用OpenCV对阴影部分与网格部分进行系统化的提取，最后得到准确的识别结果。

2.2 辅助应用功能

由于OpenCV在计算机视觉图像处理过程中能够发挥出十足的潜力，因此很多研究人员都将OpenCV作为一种辅助技术应用于视频图像的分析与识别过程中。其中，OpenCV被用来进行运动目标的跟踪与识别是近年来视频图像分析的一个热点。例如，技术人员可以将OpenCV作为一种图形图像的开发库，通过对目前所应用的基本算法的比较和分析，对不同场景中多个运动目标进行一定的跟踪，并实时记录运动目标的行驶轨迹，通过后台运行的算法对运动目标进行构建，进而分析组建其基本的运动模型[1]。

3 国画图像处理的流程

要对国画进行图像处理，需要经过预处理、特征提取、分类识别等步骤。其中，预处理指的是在进行图像处理操作前，对国画进行一定的去噪、修整和转换空间等一系列操作。分类识别是指技术人员基于一定的数据库，通过专业程序对图像进行一定的扫描，根据数据库中已储存的图像信息，启动比对程序将图像的特征点进行相应的配对，进而达到分类识别的目的。图像处理过程中最重要的环节就是特征提取，因为提取结果的准确与否将会影响后续分类识别工作的进展程度。在国画的特征提取环节，技术人员主要针对图像的纹理特征、颜色特征等方面进行相应的操作。

3.1 图像的纹理特征

图像的纹理特征指的是一种固定呈现的图像排列规律，它描述了图像中相邻像素的相关性以及从局部来看，线条之间的相关性，需要技术人员在进行提取工作时排除如亮度、颜色等因素的影响。一般来说，提取图像的纹理特征具有以下两种方法：频谱分析法与统计分析法。频谱分析法通常采用小波变换法，统计分析法通常采用灰度共生矩阵或者是Tamura纹理特征的分析方法。

小波变换指的是对图像进行局部化分析，利用平移以及伸缩等具体操作手法对图像进行精细划分，全面检测画面中呈现的每一处细节，它作为一种新型的变换分析方法，既能够满足精细的窗口状分析要求，又能够适应图像中具体线条的变化频率，进而能够帮助技术人员识别图像中的具体特征，提升对于图像纹理特征检测的准确性。

灰度共生矩阵作为纹理特征提取的算法之一，其应用的历史较为长久。灰度共生矩阵的应用理念是检测图像中的具体像素值，研究不同像素之间的位移与方向偏差，进而得到相应的灰度值，利用灰度值来构建具体的关系矩阵。在构建关系矩阵过程中，技术人员需要测定角二阶矩、对比度、相关度等具体的指标，同时还要计算熵、方差、均值等相关要素，进而得到关于图像纹理特征的准确特征。

Tamura纹理特征是测定图像纹理特征值的一种算法，它的主要原理是利用6个特征向量来对图像进行对比，其中，方向度、粗糙度和对比度的测量是图像特征提取的重要的步骤。

3.2 图像的颜色特征

图像的颜色特征是技术人员在对图像特征进行识别时不可忽略的一项重要因素，由于颜色在人们的日常生活中扮演着重要的作用，因此图像的颜色可以被称作是最可靠和最鲜明的视觉特征，它不受图像的大小和展示方向的影响，因此在图像过程处理中，关于图像颜色特征的处理应当占有较大的比例，颜色特征、颜色空间等指标的测量都是图像颜色特征测定中必须进行的工作[2]。

4 OpenCV在对国画作品进行图像处理的应用

通常来说，国画作品的线条越写意、色彩的掌控越深刻，越能给人们带来愉悦感。而国画作品中信息量越大，代表其容纳的像素就越多。图像增强作为一项能够改变原始像素的算法，一方面可以弥补图像中存在缺陷的细节，另一方面还可以让图像产生一定程度的失真。图像在实际的采集过程会受到一部分外界因素的干扰，例如光线、采集设备、环境中的杂光等，都会对采集的图像质量产生一定影响，图像增强技术就可以在上述情况中完成对图像的调节与整改，进而提升图像的整体质量。

4.1 直方图均衡算法

由于国画中水墨画占据有重要的比例，因此文章主要针对水墨画中的图像处理技术为分析对象。研究人员应当根据该图像生成一副灰度直方图，由于水墨画的整体色调偏白，并且呈现水墨画的摄影作品细节并不清晰，即黑色线条与白色基底的界限相对不明显，因此研究人员应当对该图像进行均衡化处理，在实际操作过程中，为了减少直方图过调现象出现的可能性，研究人员应当采用带掩膜的直方图进行相关处理，而不对画面中的留白部分进行统计。

4.2 Gamma校正算法

Gamma校正算法是指将目标图像的亮度进行相应的调整。在国画的采集过程中，相机的曝光时间存在过短或过长的情况，这将导致得到的图像亮度过暗或者过亮，Gamma校正算法可以针对不同情况下图像的整体视觉效果进行一定的调整。例如，如果原画中的亮度过低，这是因为留白部分的灰度值数值过小，结果给人一种昏暗的视觉体验。研究人员可以调整Gamma的数值大小，使其明显小于1，进而得到一定的校正图像，这样一来，留白处的亮度会有明显的提升，而墨色的部分则没有显著的变化，进而导致图像的对比度加强，昏暗的视觉体验最终消失[3]。

5 结语

国画作为我国的传统技艺之一，是人类文明的一项瑰宝，为了得到较好的展示效果，古往今来的艺术家采取了多种多样的改进手段，而在科学技术得到飞速发展的今天，技术人员尝试利用信息化技术手段来对国画进行优化并且取得了显著的成效。OpenCV算法作为常用手段之一，能够融入艺术家创作国画作品的过程中，使艺术作品展现更直观的美感。