盛家川

天津財(cái)經(jīng)大學(xué)理工學(xué)院，天津 300200

◎博士論壇◎

基于直方圖的水墨畫(huà)藝術(shù)風(fēng)格研究

盛家川

天津財(cái)經(jīng)大學(xué)理工學(xué)院，天津 300200

基于內(nèi)容的照片或自然圖像分析和檢索已經(jīng)得到廣泛的研究，但多數(shù)都基于顏色特征，不能直接用于水墨畫(huà)藝術(shù)作品的分析。對(duì)圖像進(jìn)行預(yù)處理，提出基于灰度直方圖描述水墨畫(huà)筆道力度分布信息及構(gòu)圖風(fēng)格，并利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)水墨畫(huà)整體技法風(fēng)格特征，依據(jù)此特征進(jìn)行不同藝術(shù)家間的分類。實(shí)驗(yàn)結(jié)果表明，通過(guò)對(duì)整體風(fēng)格特征的提取，直方圖模型能夠有效表征畫(huà)家不同的藝術(shù)風(fēng)格，實(shí)現(xiàn)了水墨畫(huà)的自動(dòng)分類。

水墨畫(huà)；特征提取；BP神經(jīng)網(wǎng)絡(luò)；直方圖

1 引言

隨著互聯(lián)網(wǎng)的發(fā)展，越來(lái)越多的水墨畫(huà)出現(xiàn)在網(wǎng)絡(luò)中。如何方便地檢索和分類水墨畫(huà)成為近年來(lái)科學(xué)研究的熱點(diǎn)。中國(guó)畫(huà)不同于西方的藝術(shù)，其形成借助于中國(guó)的毛筆，墨汁，水和色彩。由于中國(guó)畫(huà)主要是以線為造型之基礎(chǔ)，而西方畫(huà)強(qiáng)調(diào)用光表現(xiàn)物體神態(tài)活現(xiàn)，這就使中西繪畫(huà)在造型手段上有明顯之分別[1-2]。所以一些已有的針對(duì)西方畫(huà)的研究不能直接用于水墨畫(huà)的分析中。近年來(lái)，一些文獻(xiàn)對(duì)中國(guó)畫(huà)進(jìn)行了研究。高眾等[3]通過(guò)提取顏色和紋理特征，區(qū)分國(guó)畫(huà)和非國(guó)畫(huà)，并將國(guó)畫(huà)進(jìn)一步分類為工筆、寫(xiě)意、勾勒、設(shè)色四種表現(xiàn)形式。Jiang等[4-5]以顏色直方圖、顏色連續(xù)向量、紋理特征、邊緣尺寸直方圖等作為低級(jí)圖像特征，用C4.5決策樹(shù)的方法來(lái)區(qū)分國(guó)畫(huà)和非國(guó)畫(huà)，并采用ESH和AC相結(jié)合的方法，運(yùn)用SVM將國(guó)畫(huà)進(jìn)一步分類為工筆和寫(xiě)意。但是，由于水墨畫(huà)不用色或少用色，故以上基于顏色特征提取的分類算法，不適合針對(duì)水墨畫(huà)的研究。呂鵬[6]學(xué)習(xí)水墨作品各個(gè)局部的技法風(fēng)格特征，并將這種特征賦予另外一幅畫(huà)，體現(xiàn)出被賦予的“藝術(shù)風(fēng)格特征”。而本文注重研究水墨畫(huà)的整體藝術(shù)風(fēng)格分類，故該方法也不適用。

本文提出一種利用計(jì)算機(jī)分類檢索技術(shù)，通過(guò)圖像處理的手段提取水墨畫(huà)的藝術(shù)風(fēng)格特征的算法，以智能地識(shí)別和分類畫(huà)家水墨畫(huà)的藝術(shù)風(fēng)格。

2 水墨畫(huà)藝術(shù)風(fēng)格分析

無(wú)論是西方油畫(huà)還是中國(guó)畫(huà)的藝術(shù)珍品，都蘊(yùn)藏著藝術(shù)家獨(dú)特個(gè)性的構(gòu)圖理念或者典型筆畫(huà)的創(chuàng)作風(fēng)格。在西方藝術(shù)畫(huà)中，許多印象派大師都是根據(jù)典型的一筆或幾個(gè)筆畫(huà)，形成了自己獨(dú)特的創(chuàng)作風(fēng)格。例如，梵高運(yùn)用其獨(dú)特的點(diǎn)彩畫(huà)法來(lái)表現(xiàn)與世界之間的一種極度痛苦但又非常真實(shí)的關(guān)系。再比如，法國(guó)新印象派畫(huà)家修拉用小圓點(diǎn)和純色色點(diǎn)進(jìn)行點(diǎn)彩的方法進(jìn)行繪畫(huà)，形成了其代表性的筆觸風(fēng)格[1]。

同樣地，許多中國(guó)藝術(shù)家也都具有其標(biāo)志性的獨(dú)特筆觸特征。鄭板橋和劉旦宅雖然同畫(huà)竹子，但其藝術(shù)風(fēng)格迥異。劉旦宅畫(huà)竹，融工筆、線描、潑墨為一體，古樸脫俗。鄭板橋繪墨竹的風(fēng)格，忽濃忽淡，干濕并用。畫(huà)瘦葉、小葉多用中鋒，肥葉則多用側(cè)鋒[1]。

因此針對(duì)水墨畫(huà)自身特點(diǎn)的藝術(shù)風(fēng)格分析在圖像分類的研究中尤為重要。對(duì)書(shū)畫(huà)作者來(lái)說(shuō)，每個(gè)人由于執(zhí)筆方式、書(shū)畫(huà)習(xí)慣、運(yùn)筆的遲速輕重、筆鋒的轉(zhuǎn)折變化以及墨色的濃淡干濕等各不相同，都會(huì)形成其獨(dú)特的筆墨性格和形態(tài)。

3 水墨畫(huà)整體藝術(shù)風(fēng)格特征提取及分析

3.1 基于灰度直方圖的整體風(fēng)格分析

近年來(lái)，基于顏色的藝術(shù)作品檢索和分類被廣泛研究。但考慮到以下因素，本章只采用像素的亮度信息，作為圖像分類的基礎(chǔ)。

（1）由于大多數(shù)水墨畫(huà)不用色或少用色，強(qiáng)調(diào)“墨即是色”，突出水墨互滲所造成的豐富的表現(xiàn)效果，以體現(xiàn)自然的意趣，故顏色在水墨畫(huà)分類研究中不是一個(gè)必要因素。

（2）即使水墨畫(huà)中會(huì)用到顏色，也只是有限幾種顏色，無(wú)法充分提供畫(huà)家的風(fēng)格特征。

（3）由于水墨畫(huà)歷史悠久，創(chuàng)作時(shí)間早，放置時(shí)間長(zhǎng)久會(huì)使顏色發(fā)生扭曲。

（4）排除顏色因素，而只采用灰度直方圖進(jìn)行分類，便于觀測(cè)該算法的運(yùn)行效果。

綜上，為剔除顏色的影響，首先對(duì)輸入的水墨畫(huà)進(jìn)行灰度變換的預(yù)處理。

水墨畫(huà)的風(fēng)格特征主要表現(xiàn)在筆墨技法、形象、字體、構(gòu)圖等方面，它與特定的書(shū)畫(huà)方式、工具材料、思想文化等有關(guān)。對(duì)書(shū)畫(huà)作者來(lái)說(shuō)，每個(gè)人由于執(zhí)筆方式、書(shū)畫(huà)習(xí)慣、運(yùn)筆的遲速輕重、筆鋒的轉(zhuǎn)折變化以及墨色的濃淡干濕等各不相同，都會(huì)形成其獨(dú)特的筆墨性格和形態(tài)。

水墨畫(huà)非常講究空白的布置和物體的“氣勢(shì)”，既用焦點(diǎn)透視法，也用散點(diǎn)透視法；既有嚴(yán)守真實(shí)的畫(huà)面空間和布白，也有打破真實(shí)按構(gòu)圖需要而平列的空間和布白。這些留白的特點(diǎn)和獨(dú)特的“氣勢(shì)”都是通過(guò)整幅畫(huà)卷的筆墨分布情況來(lái)具體體現(xiàn)出來(lái)的[1，7]。因此，研究水墨畫(huà)的筆墨力度分布特征可以很好地捕捉和分析不同畫(huà)家的整體水墨畫(huà)藝術(shù)風(fēng)格。

中國(guó)畫(huà)家主要依靠不同的線條力度，或者以輕重緩急筆觸所表現(xiàn)出的層次豐富的布局，在他們的作品中表達(dá)不同的外觀和情感。筆觸的力度、寬度、分布密度等信息能夠用來(lái)辨別藝術(shù)風(fēng)格，比如一件藝術(shù)作品的筆觸是否細(xì)膩、粗獷或是整齊劃一。因此，在判別藝術(shù)家風(fēng)格時(shí)筆觸信息起著決定性作用，不同藝術(shù)家用墨方式的不同決定了他們的筆觸力度等信息千差萬(wàn)別。

受到圖像處理技術(shù)相關(guān)文獻(xiàn)的啟發(fā)[8-12]，進(jìn)行了實(shí)證研究，通過(guò)提取簡(jiǎn)單的灰度直方圖代表整體的特征。發(fā)現(xiàn)灰度直方圖能有效描述筆畫(huà)力度分布信息、空白的布置和物體的“氣勢(shì)”，在中國(guó)畫(huà)的自動(dòng)分類方面有很好的應(yīng)用潛力，圖1顯示不同藝術(shù)家整體風(fēng)格有明顯差異。徐悲鴻和劉旦宅在灰度級(jí)230～250附近出現(xiàn)明顯的波峰值，驗(yàn)證了他們的構(gòu)圖風(fēng)格中習(xí)慣使用大塊的留白。另外，徐悲鴻作畫(huà)最具代表性的特點(diǎn)是其擅用手畫(huà)曲線的技術(shù)在馬的頭、頸、腹部、腿、蹄用厚重濃密的筆觸進(jìn)行勾勒，力透紙背。這一點(diǎn)與圖1中灰度級(jí)為10附近徐悲鴻的曲線中有明顯的小波峰相吻合，印證了徐悲鴻擅用著墨力度大、粗線條的筆觸用墨汁勾勒出精確的輪廓。相比之下，黃公望作畫(huà)基本不留白，如圖2（c）所示，黃公望用墨呈現(xiàn)出一種精細(xì)分散的均勻分布態(tài)勢(shì)，這恰恰與他的用墨風(fēng)格相吻合。黃公望作畫(huà)喜好用平滑的線條，大范圍的潑墨，書(shū)法的風(fēng)格寫(xiě)意，巖石形狀豎直、平行，水面紋理細(xì)膩。

圖1 基于直方圖的不同畫(huà)家的整體風(fēng)格對(duì)比圖

圖2 藝術(shù)家風(fēng)格代表作品

綜上分析，直方圖能夠很好地反映出不同藝術(shù)家藝術(shù)風(fēng)格的差異。基于以上的實(shí)驗(yàn)分析，本文提出一種基于灰度直方圖的水墨畫(huà)整體風(fēng)格特征提取的方法。此算法從整體的著墨力度、筆畫(huà)分布、畫(huà)面布局信息來(lái)描述一幅水墨畫(huà)的整體特征，并依據(jù)此特征進(jìn)行不同藝術(shù)家間的分類。具體算法如下：

令{R1，R2，…，Ri，…，RT}表示在圖像亮度標(biāo)度范圍[0，255]內(nèi)的T個(gè)灰度級(jí)，水墨畫(huà)整體特征提取如下：

Ci是灰度級(jí)為Ri亮度標(biāo)度范圍內(nèi)的圖像中的像素?cái)?shù)，W×H代表圖像尺寸。T控制直方圖灰度級(jí)個(gè)數(shù)，即整體特征提取的維數(shù)，由實(shí)驗(yàn)本文取T=60得到較好的特征便于分類。

3.2 BP神經(jīng)網(wǎng)絡(luò)

訓(xùn)練神經(jīng)網(wǎng)絡(luò)是為了逼近期望的決策函數(shù)。Hornik等[13]已經(jīng)證明，三層網(wǎng)絡(luò)在隱層中使用S型傳輸函數(shù)，在輸出層中使用線性傳輸函數(shù)，就幾乎可以以任意精度逼近任何感興趣的函數(shù)，只要隱層中有足夠的單元可以使用。由此，本文選擇三層網(wǎng)絡(luò)的BP神經(jīng)網(wǎng)絡(luò)模型。

下面確定每一層的神經(jīng)元節(jié)點(diǎn)數(shù)。首先考慮輸出層輸出的數(shù)據(jù)，風(fēng)格學(xué)習(xí)系統(tǒng)的輸出數(shù)據(jù)個(gè)數(shù)為1，即輸出某個(gè)畫(huà)家標(biāo)簽。由于輸出數(shù)據(jù)個(gè)數(shù)與輸出層個(gè)數(shù)相等，故本文得到輸出層的神經(jīng)節(jié)點(diǎn)數(shù)為1。

在實(shí)際應(yīng)用時(shí)，綜合考慮計(jì)算速度、誤差等因素后，以精度要求作為網(wǎng)絡(luò)性能評(píng)估指標(biāo)，確定一個(gè)合理的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)[14-15]。實(shí)驗(yàn)中，隱含層節(jié)點(diǎn)數(shù)按以下公式計(jì)算。

上式中，pk為隱含層節(jié)點(diǎn)數(shù)，pm為輸入數(shù)據(jù)個(gè)數(shù)，pn為輸出層節(jié)點(diǎn)數(shù)，c為常數(shù)，通常c=1，2，…，10。為了計(jì)算隱層節(jié)點(diǎn)數(shù)，需要先確定輸入數(shù)據(jù)的個(gè)數(shù)。輸入數(shù)據(jù)（即特征提取器抽取的特征參數(shù)集合）的個(gè)數(shù)pm=60，pn=1，可以通過(guò)公式（2）得出pk=7，8，…，16。

利用BP神經(jīng)網(wǎng)絡(luò)對(duì)國(guó)畫(huà)藝術(shù)風(fēng)格研究通過(guò)兩個(gè)階段實(shí)現(xiàn)：

（1）根據(jù)選擇的具有代表性的水墨畫(huà)訓(xùn)練集樣本數(shù)據(jù)，對(duì)BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

（2）將訓(xùn)練好的BP網(wǎng)絡(luò)作為藝術(shù)風(fēng)格分類器對(duì)測(cè)試集中的水墨畫(huà)進(jìn)行藝術(shù)風(fēng)格分類。

4 實(shí)驗(yàn)結(jié)果及分析

為了評(píng)估本文提出的算法，建立了水墨畫(huà)數(shù)據(jù)庫(kù)，其數(shù)據(jù)全部采集自天津美術(shù)學(xué)院，并從數(shù)據(jù)庫(kù)中隨機(jī)選取5位畫(huà)家每人40幅進(jìn)行分類實(shí)驗(yàn)，從元朝至現(xiàn)代時(shí)期包括徐悲鴻，吳昌碩，黃公望，鄭板橋，劉旦宅五位藝術(shù)家。其中對(duì)每一個(gè)畫(huà)家，其所有水墨畫(huà)被分成對(duì)等的兩部分，分別作為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，從而保證實(shí)際的測(cè)試中，輸入的水墨畫(huà)是分類器沒(méi)有學(xué)習(xí)過(guò)的。

另外值得注意的是，在構(gòu)建神經(jīng)網(wǎng)絡(luò)過(guò)程中，增加隱層節(jié)點(diǎn)數(shù)可以減少訓(xùn)練誤差，但超過(guò)13以后測(cè)試誤差產(chǎn)生波動(dòng)，即泛化能力發(fā)生變化。根據(jù)經(jīng)驗(yàn)，綜合比較各個(gè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差和測(cè)試誤差，決定隱層節(jié)點(diǎn)數(shù)選用13。下面專門(mén)考察隱層節(jié)點(diǎn)數(shù)為13的神經(jīng)網(wǎng)絡(luò)。

本文采用查準(zhǔn)率和查全率來(lái)評(píng)價(jià)算法的執(zhí)行結(jié)果。為給出較全面的實(shí)驗(yàn)結(jié)果，除了利用BP神經(jīng)網(wǎng)絡(luò)（ANN），本文還對(duì)其他兩種常用的機(jī)器學(xué)習(xí)方法包括決策樹(shù)（C4.5）和支持向量機(jī)（SVM）進(jìn)行測(cè)試和對(duì)比實(shí)驗(yàn)，如表1所示。

表1 水墨畫(huà)整體藝術(shù)風(fēng)格分類結(jié)果

由表1分析可知，基于直方圖提取出的整體技法風(fēng)格特征描述符能夠有效地識(shí)別和分類中國(guó)畫(huà)。對(duì)比實(shí)驗(yàn)結(jié)果表明在此實(shí)驗(yàn)中基于ANN方法所取得的查準(zhǔn)率0.766和查全率0.74，均優(yōu)于其他兩種被比較的分類器。

另一方面，為了驗(yàn)證算法的通用性，實(shí)驗(yàn)數(shù)據(jù)中特意加入了一些藝術(shù)家畫(huà)同種類事物的水墨畫(huà)作品，如圖2（b）和圖2（c）所示，分別為劉旦宅和黃公望的山水畫(huà)，雖然作品內(nèi)容相近，但兩位畫(huà)家由于不同的用筆技法體現(xiàn)出不同的風(fēng)格特征。如圖3所示，基于直方圖的特征提取算法能夠很好地描述出兩位畫(huà)家的不同作畫(huà)風(fēng)格。黃公望的山水畫(huà)皴點(diǎn)多而墨不費(fèi)，設(shè)色重而筆不沒(méi)，這與圖3中灰度級(jí)150附近黃公望的曲線出現(xiàn)明顯波峰值相吻合。而劉旦宅在灰度級(jí)30和240附近出現(xiàn)波峰值，印證了他融工筆、線描、潑墨為一體的作畫(huà)風(fēng)格。實(shí)驗(yàn)表明，本文提出的算法對(duì)不同畫(huà)家內(nèi)容相似的作品也具有很好的識(shí)別能力，驗(yàn)證了算法的通用性。

圖3 劉旦宅和黃公望山水畫(huà)整體風(fēng)格對(duì)比圖

5 結(jié)論

本文針對(duì)水墨畫(huà)整體藝術(shù)風(fēng)格提出了相應(yīng)的特征提取算法，并建立了水墨畫(huà)藝術(shù)風(fēng)格分類的BP神經(jīng)網(wǎng)絡(luò)模型，在用樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練獲得網(wǎng)絡(luò)參數(shù)后，將網(wǎng)絡(luò)模型用于分類水墨畫(huà)的整體筆墨力度分布特征，得出畫(huà)家識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明，直方圖模型能夠有效地識(shí)別不同藝術(shù)風(fēng)格的畫(huà)家。在后續(xù)研究中，還可以找出水墨畫(huà)低階特征與情感的映射關(guān)系，實(shí)現(xiàn)水墨畫(huà)的情感分類。

[1]劉松巖.中國(guó)傳統(tǒng)山水畫(huà)技法解析：歷代傳世名作步驟圖[M].北京：人民美術(shù)出版社，2006.

[2]甄巍.西洋油畫(huà)與中國(guó)水墨[M].上海：學(xué)林出版社，2009.

[3]高眾，盧官明.基于內(nèi)容的中國(guó)畫(huà)識(shí)別與分類方法[J].重慶科技學(xué)院學(xué)報(bào)：自然科學(xué)版，2009（1）：116-118.

[4]Jiang S Q，Gao W，Wang W Q.Classifying traditional Chinese painting images[C]//ICICS-PCM，2003：1816-1820.

[5]Jiang S Q，Huang Q M，Ye Q X，et al.An effective method to detect and categorize digitized traditional Chinese paintings[J].Pattern Recognition Letters，2006，27：734-746.

[6]呂鵬.基于神經(jīng)網(wǎng)絡(luò)的中國(guó)水墨畫(huà)藝術(shù)風(fēng)格學(xué)習(xí)[D].天津：天津大學(xué)，2009.

[7]陳洪綬.中國(guó)古代名家作品選粹[M].北京：人民美術(shù)出版社，2011.

[8]Xiang S J，Huang L W.Histogram-based audio watermarking against time-scale modification and cropping attacks[J]. IEEE Transactions on Multimedia，2007，9（7）：1357-1372.

[9]Johnson C，Hendriks E.Image processing for artist identification[J].Signal Processing Magazine，2008，25（4）：37-48.

[10]Sen D，Sankar K.Automatic exact histogram specification for contrast enhancement and visual system based quantitative evaluation[J].IEEE Trans on Image Process，2010，20（5）：1211-1220.

[11]Gonzalez R，Woods R.數(shù)字圖像處理[M].阮秋琦，譯.3版.北京：電子工業(yè)出版社，2011.

[12]Konstantinidis K，Vonikakis V.A center-surround histogram for content-based image retrieval[J].Pattern Analysis and Application，2011，14（3）：251-260.

[13]Hornik K M，Stinchcombe M，White H.Multilayer feed forward networks are universal approximators[J].Neural Networks，1989，5：359-366.

[14]鄭美珠，趙景秀，孫利杰，等.基于模糊熵和BP神經(jīng)網(wǎng)絡(luò)的彩色圖像邊緣檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（33）：187-190.

[15]盛家川.神經(jīng)網(wǎng)絡(luò)在食用香精性能評(píng)價(jià)中的應(yīng)用研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（28）：240-243.

SHENG Jiachuan

School of Science&Technology,Tianjin University of Finance and Economics,Tianjin 300200,China

In recent years,content-based retrieval and classification of nature images is widely studied,most of which take advantage of color component.Therefore,such methods are not suitable for IWPs analysis.In this paper,after image preprocessing,grayscale histogram is applied to describing the intensity distribution and compositional style.Based on Back-Propagation（BP）neural networks,Chinese arts are classified by observation and analysis.The experimental results prove that it is feasible to extract global feature based on histogram,and it can achieve high accuracy of automated classification.

Ink and Wash Paintings（IWPs）;feature extraction;BP neural networks;histogram

A

TP751.1

10.3778/j.issn.1002-8331.1211-0118

SHENG Jiachuan.Research on IWPs（Ink and Wash Paintings）artistic style based on histogram.Computer Engineering and Applications,2014,50（21）：1-3.

天津市高校科技發(fā)展基金項(xiàng)目（No.20140816）；天津市科技發(fā)展戰(zhàn)略研究計(jì)劃項(xiàng)目（No.12ZLZLZF01700，No.13ZLZLZF04600）。

盛家川（1982—），女，博士，講師，主研方向：圖像處理，機(jī)器學(xué)習(xí)。E-mail：jc_sheng@163.com

2012-11-12

2013-02-18

1002-8331（2014）21-0001-03