数字图像处理在绘画中的恢复和存档.docxVIP

数字图像处理在绘画中的恢复和存档 N. Nikolaidis and I. Pitas Department of Informatics, Aristotle University of Thessaloniki Thessaloniki 54006, Greece E-mail:  HYPERLINK mailto:pitas@zeus.csd.auth.gr pitas@zeus.csd.auth.gr 摘要 数字图像处理和分析可以是恢复艺术作品的一种重要工具。本文介绍了在这三个领域的图像处理应用：一种数字裂纹修复绘画的方法，一种老旧绘画还原的技术和一种对曲面彩绘艺术作品的部分图像拼接的方法。数字艺术作品归档制度也在本文中列出。 1.引言 绘画的恢复是一个非常苛刻的领域，需要大量的专业知识。由于恢复程序（比如化学清洗的污垢层）是不可逆的，在每次行动之前大量的计划是必要的，尤其是当一件具有重大的历史意义和艺术价值的艺术作品的恢复工作时。 数字图像处理和分析可以大大的帮助绘画恢复专家、博物馆馆长和艺术史学家。它的贡献将是翻倍的：（A）用一个虚拟的方式来提供非破坏性的方法来规划和测试恢复操作（即在数字图像上）在进行对绘画实际执行之前。（B）对艺术史学家和广大观众会如何看待绘画的初始状态，就像没有物理损坏过提供线索。在绘画修复中应用的三种图像处理方法将列在本文中：一种数字裂纹修复绘画的方法，一种老旧绘画还原的技术和一种对曲面彩绘艺术作品的部分图像拼接的方法。 另一个技术成就了艺术道路上的重大影响是数据库管理系统的引入。专门针对存档和绘画编目的需要的这样一个系统，也将在本文中列出。 2.数字绘画色彩还原 清漆是一种氧化现象，会降低古画的外观。灰尘、烟雾和其他病害会进一步降低绘画的面貌。结果是其色彩和画作出现棕色或褐色。这特别是在蜡烛烟降低图标的色彩的教堂壁面上。经过保护专家长时间的氧化层清除工作，并不总是能保证成功的。在许多情况下，对绘画一小部分的试验和执行错误的做法是用来选择最适当是物质来清洗整个绘画。数字图像处理技术可以用来模拟这些广泛的化学油漆清洗表面后的颜色恢复。 让我们假设某均匀着色的画，其色域已清除化学物质和各自的修补程式的代表性地区数字化这些构成了“干净”的图像数据集 设 Si，i=1，…，N，包括每一个像???。我们也会数字化在清洗前或者相同的油漆弄脏的同一块区域。这些区域构成了“肮脏”的图像数据集，设为Xi，i=1，…，N。这两套选择方式是为了确保他们有一个要素是一一对应，即，Si 是“干净”版本里的Xi。 让向量和，i=1，…，N风别来代表样本均值第i干净和氧化区域。此外，分别让向量和表示样本均值的第i干净和氧化区域矩阵： 和。我们的目标是从这些数据和样品中找到颜色转换函数S=f（x），随后适用于整个图像。在CIELAB色彩空间中已经被使用了，展示了知觉和实际的颜色差异之间的良好转化。在下面，两种色彩还原方法将加以说明。 2.1．线性逼近 该转换功能的简单而有效的选择是： I是3*3的单位矩阵，A=[a1,a2,a3]T是一个3*3的系数矩阵。位移向量d=s-x，可以理解为d=Ax。系数矩阵A可以通过多项式回归计算来获得。 2.2.白点改造 另一种方法是基于这样的一个事实：一个对象在不同的光照条件下看起来是不同的。因此，我们可以假设，如果我们用“褐色”光源照亮了一个干净的样品（特点是其参考白点WXYZ），相信我们可以得到肮脏的样品。因此，在外观上的差异可以纯粹的归结为CIEXYZ到CIELAB色彩变换中使用了不同的白点。让Slab表示一CIELAB值对应到一个干净的样本的载体，让Xxyz表示一个包含相应的氧化样品的三刺激值载体。 对于恢复,一白点向量WXYZ应被确定哪些会产生一个干净的样本估计: 其中T{.，.}表示从CIEXYZ非线性变换到CIELAB。由于样本均值的氧化样品误差可以表示为： 瞬时误差函数ε=tr（eTe）可以最小化WXYZ，产生白点的最小例程使用功能载体的解决方案。虽然这是一个次优的解决方案，但它可以产生令人满意的结果，并且计算开销会很少。 大量氧化拜占庭图标的主观评价表示满意的结果可以通过两种方法（图1）。[1]中,可以找到这些方法以及其他低效率的方法的详细说明。 3.拼接曲面上的绘画 在某些情况下（壁画中的拱门和拱顶，画室内画的圆柱物体表面，如瓶子等），其中一幅画创建的表面不是扁的而是弯曲的。为了能够更好地了解这种画的恢复，它优于有时的展开和拼合，就像获取一个视图一样，在一个平面上会如何看他们。 因为在大多数的情况下这些画有相当大的尺寸，在图像采集中部分重叠的部分，必须竟然减少几何/失真，并取得有效的决议。其后子图像合成获得整体形象，这就是被大家所知道的拼接过程