厦门市重大项目实施总结报告gao

1、厦门市数字产业创新由硬件层、技术支撑层和接口层三部分构成。其中硬件层是整个平台运行的硬件基础，包括云计算平台和适配用硬件。技术支撑层是厦门市数字产业创新的，负责向中小型数字企业提供平台的各种服务，由面向动漫开发的软件工具库、面向动漫开发的构件库、数字内容素材库、面向智能终端的适配系统四部分。接口层是将平台提供的服务面向客户展示的接口，主要包括平台门户。本项目建设完成了“厦门市数字产业创新”。该平台主要服务于厦门市从事动漫与开发的中小型数字企业，为它们提供从设计、制作以及发布贯穿整个研发全生命周期的支持。厦门市数字产业创新由硬件层、技术支撑层和接口层三部分构成。其中硬件层是整个平台运行的硬件基础

2、，包括云计算平台和适配用硬件。技术支撑层是厦门市数字产业创新的，负责向中小型数字企业提供平台的各种服务，由政策服务、培训服务、服务、文创系统管理和硬件服务六部分。接口层是将平台提供的服务面向客户展示的接口，主要包括平台门户。平台的体系结构图如图 2 所示。平台门户服务提供层政策服务培训服务服务文创系统管理硬件服务硬件层图 2 厦门市数字产业创新体系结构图2移动终端/适配用硬件云计算平台服务服务计算服务子系统统一认证1. 培训服务模块培训服务模块所提供的主要功能是：为从事相关产业的企业、个人提供培训发布、参与的平台，可以通过该模块方便的发布、管理、参与培训。培训服务的功能模块如图 3 所示。图

3、3 培训服务功能模块图1.1 培训发布培训发布功能为企业提供，可以通过该功能发布培训信息并填写资料，包括主办信息、时间、地点、培训简要描述、人数等，经管理员审核通过后，用户即可查看并报名参加培训，实现界面如图 4 所示。图 4 培训发布界面31.2 培训报名用户可以在通过审核的培训中选择进行报名、参与，在确认参与后，还可以对培训情况进行点评和评分，实现界面如图 5、6 所示。图 5 培训发布界面图 6 培训审核与评分界面2服务模块服务模块主要为入住本平台的企业、个人提供类似于市场的交流服务，企业可以发布职位信息供用户，而用户也可以在平台发布相应的简历。服务功能模块图如图 7 所示。4图 7服务

4、功能模块图2.1 企业信息入驻本平台的企业可以通过企业信息管理功能设置的企业信息，包括名称、行业、性质、规模、简介以及公司标志灯信息，使他人更好的了解该企业，实现界面如图 8 所示。图 8 企业管理界面2.2 职位管理企业可以通过职位管理功能发布职位信息，包括名称、薪资、工作地点、性质、人数、职位要求等信息，供平台用户查看，实现界面如图 9 所示5图 9 职位管理界面2.3 个人简历管理个人用户可以通过个人简历管理功能管理并发布的简历，填写个人的基本信息，工作履历，自我评价，技能水平等，通过简历向用人企业的情况，实现界面如图 10 所示。图 10 个人简历管理界面3. 硬件服务硬件服务模块主要

5、提供本平台的终端硬件设备相关服务，管理员可以通过该平台添加硬件属性、型号，管理平台设备，用户可以添加的设备，租用平台硬件设备，企业还可以发布基于某一硬件终端的测试需求，供平台用户参与。硬件服务的功能模块图如图 11 所示。6图 11 硬件服务功能模块图3.1 硬件属性管理管理员可以对设备的属性（如品牌、分辨率等）进行预先设置，以规范平台设备相关信息，如图 12 为分辨率管理。图 12 分辨率管理界面3.2 设备型号管理管理员可以添加具体的设备型号，并填写该型号设备的相关信息，如分辨率、品牌、操、屏幕等，并设定消耗的值，如图 13 所示。7图 13 设备型号管理界面3.3 设备管理管理员可以通过

6、该功能添加平台设备，供企业和个人用户租用，普通用户也可添加的设备，作为参与测试时的依据，如图 14 所示。图 14 设备管理界面3.4 设备审核为了避免用户随意添加设备，所有添加的设备管理员通过设备审核功能进行审核，方可进入系统的设备列表中，如图 15 所示。8图 15 设备审核界面3.5 设备租用用户可通过设备租用功能申请租用管理员已添加的平台设备，经管理员审核后即可租用，如图 16 所示。图 16 设备租用界面3.6 测试发布企业用户可以通过测试发布功能提交测试需求，填写相应的申请说明和所需的设备型号，经管理员审核后，即可发布测试，如图 17 所示。9图 17 测试发布界面3.7 测试参与

7、用户可利用自身设备或租用设备申请参与企业所发布的测试，企业给予确认。在测试结束后，用户可通过该功能向企业提交相应的测试报告，如图 18 所示。图 18 测试参与界面4. 文创文创模块具有文创相关的功能，目前平台提供了 100软件工具，2000软件构件和 10000 余个素材可供平台用户挑选使用，同时，用户也可将独创的发布到平台，进行。文创模功能模块图如图19 所示。10图 19 文创功能模块图4.1 素材浏览用户可以浏览平台中的商品，并可通过最热门、最好评、最新等三种排列方式对平台中的商品进行排序浏览，并可根据类别、名称来更有效地查找相关商品，如图 20 所示。图 20 素材浏览界面114.2

8、 买家功能买家可以在浏览商品时将商品加入购物车，当挑选完需要的商品后，即可将购物车商品生成订单，进行，如图 21 所示。图 21 买家功能界面同时，买家可以查看之间过的订单，附件，并对订单进行评价和评分，如图 22 所示。图 22 素材评价界面4.3 卖家功能用户可以提交申请，填写说明，上传相应的资质证明材料，经管理员审核后，可成为卖家，添加商品在平台易，如图 23 所示。12图 23 卖家功能界面卖家可以为的添加商品，输入商品信息，包括名称、类别、图片和商品的定价等信息，在管理员审核通过后，该商品即可上架销售，如图 24 所示。图 24 添加素材界面卖家还可对已卖出的物品进行查看，确认其销售

9、情况，如图 25 所示。13图 25 销售情况查看界面4.4管理本平台当前的等等均基于虚拟进行，用户可通过该功能对的积分进行查看，并可的变更状况，如图 26 所示。图 26管理界面5. 政策服务政策服务模块为入驻本平台的企业和个人提供当前相关产业的政策、公告通知、统计信息、政务信息等内容的分类别查看，如图 27 所示。14图 27 政策服务界面6. 系统管理系统管理模块可令管理员灵活地管理整个系统，动态地配置新的菜单，管理用户及，以及数据字典等元数据信息的管理。6.1 菜单管理管理员可以通过菜单管理功能为平台添加新的菜单项，并指定其类型、名称、图标、关联等相关信息，如图 28 所示。图 28

10、菜单管理界面156.2管理管理员可以通过该功能对进行管理，包括已有和新建，可以配置的相应权限范围，如图 29 所示。图 29管理界面6.3用户管理管理员可以通过该功能对平台内的所有用户信息进行管理，包括、名称、登录名以及等信息，如图 30 所示。图 30 用户管理界面6.4 数据字典16数据字典中储存了本平台中的一些“元数据”，包括内置下拉框的内容、选项的，管理员可以通过该功能对其进行管理，如图 31 所示。图 31 数据字典界面二、项目执行情况厦门市数字产业创新由厦门大学软件学院、厦门软件产业投资发展以及厦门中小信息服务三家合作完成。其中厦门大学软件学院主要负责平台的搭建与开发并参与平台运营

11、，包括平台的硬件平台搭建、软件开发和平台运营过与技术相工作等。厦门软件产业投资发展主要负责平台运营与维护，包括平台的硬件采购、平台运营及客户服务等工作。如对各库中所的软件、构件、素材等内容进行维护；回答平台客户关于平台使用的各种问题；平台服务费的收取等。厦门中小信息服务有限公司主要负责推广与宣传，包括向厦门广大的中小型数字企业对平台进行推广和宣传等工作。厦门大学软件学院主要负责平台运营后所产生的各种技术问题或平台对外提供的各种技术服务问题。平台运行后的主要技术问题包括：对软件库、构件库、素材库和适配系统的软件进行改进或升级，对平台运行过出现的软件错误进行等。平台对外提供的技术服务包括：对动漫和

12、开发企业提品适配外包服务，帮助企业对在不同智能终端的适配情况进试等。17厦门市软件产业投资发展主要负责平台的日常维护和客户支持等。平台的日常维护主要包括对软件库、构件库、素材库中的软件、构件和素材进行添加、删除、修改等维护工作；对平台所包含的硬件设备进行维护升级工作；对平台门户的信息进行实时更新等工作；对使用平台提供服务的客户收取费用，并支付平台运行过产生的各种费用。客户支持指，平台投入运行后，中小型手机动漫和企业将使用平台提供的各种服务，软投将负责回答客户在平台使用过出现的各种平台使用问题和业务问题，如服务项目的具体内容、服务的收费。厦门中小信息服务主要负责将平台面向的推广工作。厦门中小信息

13、服务将发挥厦门中小的公和集聚力优势，以“线上平台为依托，线下服务相结合”的服务模式，通过互联网、移动互联网、网、平面、线下实体“五维”一体，对数字产业创新进行推广，将其打造成为我市数字产业服务对接的重要窗口。三、技术创新点和技术解决方案实现在分辨率、长宽比等各异的显示终端屏幕上快速显示高分辨率源图像，同时突出和保持图像中的显著区域或重要物体信息。不但能做到动漫素材的重要性衡量尺度有效地适配过程，减少重要内容的扭曲；而且能分析动漫图片中特征线条之间的相互关系并保持它们之间的这种相关系，从而保持重要内容的形状。1. 基于全局对比度的显著性区域检测显著性源于视觉的独特性、不可性、稀缺性以及奇异性，而

14、且它经常被归因像属性的变化，比如颜色、梯度、边缘和边界等。视觉显著性是通过包括认知心理学、神经生物学和计算机视觉在内的多学科研究出来的，与我们感知和处理视觉刺激密切相关。人类注意力理论假设人类视力系统仅仅详细处理了部分图像，同时保持其他的图像基本未处理。在考虑了各种因素的影响下，我们选择了基于全局对比度的显著性区域检测方法来实现动漫图片的显著性区域检测。1.1 基于直方图的对比度生物学视力系统对于视觉信号的对比度很敏感，在对这个生物学视力观察的基础上，我们应用了一种直方图对比度方法(HistogramContrast,HC)来为用输18入图像颜色统计特征的图像像素定义显著值。明确说是，一个像素

15、的显著值是通过与图像中的所有其它像素的色差来定义的。比如，图像 I 中的像素 Ik 的显著值被定义如下：其中 D(Ik,Ii)是空间 L*a*b 中的像素 Ik 和 Ii 之间的颜色距离度量。方程 1经过扩展像素等级得到以下形式，其中 N 是图像 I 中的像素数量。很容易察觉在这种定义之下，由于测量没有考虑空间关系，同样颜色值的像素具有相同的显著值。因此，从具有相同颜色值cj 的像素被组合在一起的角度重新整理方程 2，就得到每个颜色的显著值如下，其中，cl 是像素 Ik 中的颜色值，n 是不同像素颜色的数量， fj 是图像 I中像素颜色 cj 出现的频率。需要注意的是，为了避免显著区域颜色统计

16、受到其他区域相似颜色的破坏，可以使用变化的窗口面具来开发一个相似的方案。然而，考虑到高效率的要求，这里使用简单的全局方法。1.1.1 基于直方图的如果简简单单的使用方程 1 来评估每个图像像素的显著值的话，所花的时间O（N2）算起来即使中等大小的图像也是很多的。然而如果采用方程式 3 中的等价的表示形式，所花的时间是 O(N)+O(n2)，意味着如果 O(n2)O(N)，那么计算效率可以被提高到 O(N)。因此，加快速度的关键在于减少图像中的像素数目。然而，真彩色空间包含了 2563 种可能的颜色，这比图像的像素数量要多的多。实际上，我们所用的方法用全颜色空间代替了仅使用亮度。为减少需要被考虑

17、的颜色数量，首先将每个颜色通道量化为 12 个不同值，这就讲颜色的数量减小到了。考虑到自然图像中的颜色仅仅包含了全颜色空间中很小的一部分，我们所用的方法通过忽略出现频率较低的颜色来进一步减少颜色数量。通过选择高频颜色并且保证这些颜色覆盖图像像素不低于 95%的颜色，最终达到了 n=85 个颜19色。剩下的像素颜色，包含不高于 5%的图像像素，这部分颜色被直方图中最邻近的颜色替代。图 32 中为典型的量化样例。图 32 输入图像（左），我们计算出图像的颜色直方图（中）。直方图中每一个 bin 对应的颜色显示在下方的条形中。量化后的图像（右）仅仅使用了 43 种直方图 bin 色彩并且依然保留了显

18、著性检测所需的足够的视觉质量。颜色空间平滑尽管通过使用颜色量化和选取高频颜色来建立紧凑的颜色直方图可以高效率地计算出颜色对比度，但是量化本身可能带入瑕疵。一些相似的颜色可能被数量化为不同的值。为了减少这类由于随机性给显著结果引入的噪声，可以采取一套平滑每个颜色的显著值，用相似颜色的显著值平均来代替每个颜色（以 L*a*b*距离测量）的显著值。实际上这是一个对颜色特征空间的平滑处理。我们所用的方法选择m=n/4 个最近的颜色作为代表来颜色c 的显著值，如下：其中，是颜色 c 和它的 m 个最近的颜色 ci 之间的距离之和，化因数来自公式。值得注意一下，这里使（TD(c，ci)）来为颜色特征空间中

19、与 c 相近的颜用一个线性变化的平滑色赋予较大的。在实验中，会发现这样的线性变化的衰减过于剧烈的要好。图 33 是颜色空间平滑后的效果，按显著值降序排列。20图 33 颜色空间平滑前（左）、后（右）每种颜色的显著性值（化为范围0,1）。相应的显著图显示在相应的插图中。实现细则为了把颜色空间量化为 123 种不同的颜色，我们所用的方法同样把每个颜色通道分为 12 个不同标准。尽管对于颜色的量化是在 RGB 颜色空间中进行的，但是为了与人类感知更加符合，在 L*a*b*的颜色空间中测量颜色的距离。然而，这里没直接在 L*a*b*的颜色空间中进行量化，因为不是所有在范围 L*0,100， a*，b*

20、127,127中的颜色都与实际颜色必然对应。实验中，可以观察到使用直接的 L*a*b*颜色空间量化得到较差的效果。通过在 RGB 颜色空间中量化，而在 L*a*b*的颜色空间中测量距离，可以得到最好的结果，然而，无论单独在 RGB 颜色空间或单独在 L*a*b*颜色空间中同时进展量化和距离计算，都得到的结果。图 34 通过 Felzenszwalb 和 Huttenlocher 的分割方法产生的图像区域（），基于区域对比的带距离分割图像（）、基于区域对比的不带距离分割图像（右二）。整合空间内容，我们所用的方法得到一个高质量的显著性切割图（右一），能比得上人工分割结果。1.2 基于区域的对比度人

21、们对于与周围环境具有强烈对比的那些图像目标区域更注意。除了对比度，空间关系也在人类注意力中扮演了重要。通常一个目标区域的显著性，与周围目标区域的高对比度要比与远处目标区域的高对比度更显著。既然当计算像素等级对比度时直接引入空间关系算起来很耗时，这里将采用了一个对比度分析方法：区域对比度(RegionContrast,RC)，为的是将空间关系整合到区域等级对比度计算当中。在 RC 当中，首先把输入图像分割成数个目标区域，然后计算区域等级上的颜色对比度，并且用这个区域与图像中其他目标区域对比度的21和为每个区域定义显著性。的设置是依照区域空间距离来的，空间距离较远的目标区域被赋予较小的。由稀疏直方

22、图对比得到区域对比度首先使用一种基形的图像分割方法把输入图像分割为数个区域。然后采用第 3 部分的每个区域建立颜色直方图。对于一个区域 rk，通过测量其与图像中的其他区域的颜色对比度来计算它的显著值，如下：其中 w (ri)是区域 ri 的，Dr(rk,ri)是两个区域间的颜色距离度量。这里我们使用 ri 中的像素数目 w (ri)来强调与更大区域的颜色对比度。区域 r1和 r2 之间的颜色距离被定义如下：其中 f (ck, i)是第 i 个颜色 ck,i 在第 k 个区域 rk 中的所有的 nk 个颜色中的出现频率。注意，这里使用一个颜色出现在这个区域中的频率作为这个颜色的，来的反映这个颜色

23、与主要颜色之间的差别。由于每个区域只包含整个图像的颜色直方图里的一小部分颜色，因此为每个区域和计算正则矩阵是低效率的。这里可以使用一个稀疏直方图表示法来高效的和计算。空间的区域对比度通过在方程式 5 中引入的一个空间条款，这里进一步包含空间信息，以此来增加较近区域的影响并减少较远区域的影响。特别地，对于任何区域 rk，基于空间区域对比度的显著性是这样定义的：其中，Ds(rk,ri)是区域 rk 和区域 ri 之间的空间距离，s空间的强度。越大的s 值越能减少空间的影响，使得较远的区域更有助于当前区域的显著性值。两个区域之间的空间距离被定义为与各自区域的重心之间的欧几里得距离。222. 基于网格

24、变形的适配方法网格模型的变形作为数字几何处理领域的一个技术，近年来受到国内外研宄的极大关注。在计算机动画、模拟、工业品创新设计等领域，网格变形技术都得到了广泛的应用。理论上的网格变形技术是在原有网格的基础上对网格上的顶点进行逐点操作，从而得到具有新形状的符合用户需要的网格结构。然而，对于具有成千上万顶点的网格结构来说，逐点地进行编辑，不但很耗费人工，而且也很难保证每个顶点在编辑之后和与它邻接的其他顶点之间的局部平滑等几何属性。因此，如何通过较少的，在保持原有网格特征的基础上对网格结构进行整体或局部的变形技术，成为了人们研宄的重点。现有的网格变形算法根据用户操作网格方式的不同，大致分为基于网格的

25、自由变形技术、骨架驱动变形技术、基于网格曲面的变形技术等几种。动漫图片适配软件中所采用的网格变形技术非均匀缩放优化的适配方法是基于网格曲面变形技术的一种，我们通过线性计算获得网格变形的结果。针对以往适配方法运用的四边形网格结构不能很好地保持图像特息的缺点，我们提出用三角网格结构替换原有的 四边形网格结构，利用三角形网格可以更灵活地应用于特征约束的优势进行网 格变形。因为我们构造的三角网格中包含原图像的显著性信息和其他重要几何特征，所以适配问题可以转化为三角网格进行非均匀缩放变换得到与原网格具有相同拓扑结构和显著性信息的新的网格结构的问题。2.1 基于非均匀缩放优化的变形模型为了完成在问题描述中

26、所说的从源网格 Mp 到目标网格 Mq 的变形，我们应用了一个基于非均匀缩放优化变形的算法框架，以期将图像适配问题转化为三角网格的非均匀缩放最优化问题来解决。缩放变换能量我们希望在变形的过尽量地保证显著性区域的比不变。理论上，就必须对在显著性区域中的重要三角形进行均匀缩放，而对于其他的非重要三角形进行非均匀的缩放。由于三角形容易旋转而造成图像的扭曲，所以我们希望网格中的三角形在沿着 x 轴和 y 轴方向的缩放过程当中尽量不出现旋转。根据原网格23中的每个三角形 tpMp 沿 x 轴和 y 轴的缩放因子 stx 和 sty，我们可以得到一个放缩矩阵，记作:然而，事实上网格中的每个三角形 tpMp

27、 所做的是一个从 tp 到 tq 的仿射变换。每个仿射变换的线性部分（即旋转和缩放）都可以用一个 2X2 的矩阵来表示。而这些矩阵对于每个三角形来说是一个定值。这些比矩阵记作 Jt(q)，因为它们的值取决于变形后的网格 Mq。特别地，Jt(q)与三角形 tq 中的所有顶点是线性相。因此，缩放变换的能量方程为：（8）其中 At 为三角形 tp 的面积，ll.llF 表示 Frobenius。虽然有很多种矩阵供选择，但是这里采用 Frobenius。因为该得到的能量方程为完全平方的形式，有利于之后对能量方程的极小值进行求解。另外，Frobenius还可以确保两个对应的矩阵近乎相等。根据 Pinka

28、ll 和 Polthier 等人的结果，公式（8）所表示的缩放变换能量可以写成显示形式：（9）其中，it 是三角形 t 中与边（pit，pi+1t）相对的角，如图 35 所示。24图 35 参数化网格中三角形之间的变换最小化缩放变换的能量 Es 使得仿射变换的线性部分尽可能的趋近于非均匀放缩变换 Gt，也就是使得所有三角形都趋于进行没有旋转的非均匀缩放变。平滑度能量为了避免适配后的图片出现不连续的问题，我们引入了一个平滑度能量。这里所说的平滑，并不是直接对变形后的网格进行平滑处理，而是对放缩变换中的三角形应用平滑值进行衡量。换句话说，也就是我们希望在网格放缩变换的过程当中相邻三角形的非均匀放缩

29、矩阵尽可能地接近，即保证三角形朝向的一致，如图 36 所示，这样得到的网格变换就会比较连续，目的图像也会更加的自然。图 36 三角形朝向的一致性因此，平滑度能量方程表示如下：（10）25其中𝐴𝑠𝑡=(𝐴𝑠𝐴𝑡 )2, 𝜎𝑠𝑡=(𝜎𝑠𝜎𝑡 )2观察公式（9）和公式（10）我们可以发现，网格变形的这两部分能量𝐸𝑠和𝐸⻕

30、8;是关于目标网格坐标顶点 q=𝑞𝑣,𝑣𝑉和三角形非均匀放缩矩阵 G=𝐺𝑡,𝑡𝑇的二次型函数。这样不同的网格变形问题实际上可以由在不同的约束条件下来求解能量极小的问题得到：（11）虽然我们需要同时求解G 和q，但最终其实只是对网格的顶点坐标 q 感，而 G 只是作为一个辅助的变量。特征保持能量每一条特征曲线经过采样，都可以用一系列点所组集合 c=𝑐1,𝑐𝑘来表示。上文中所说，点集中所有的点以及它们的连线所组边Ү

31、88;𝑖𝑐𝑖+1( i=1,k-1)其实也都是三角形网格中的顶点和边。我们的目的是在目标图片中保持 c 的几何特性不发生改变，即保证结果图中 c 的形状与原图中 c 的形状尽可能的相似。其实有很多种表示特征曲线内在结构的方法可供选择，比如说用一个顶点的集合来表示，或者用边的长度和两边之间的夹角的内在关系来表示，更可以用拉斯坐标来表示。本文中采用的是利用边长比例与连续边之间的夹角固定不变的方法来展现特征曲线的结构特性。因为该方法在很好的体现曲线的几何特性的同时，也具有较好的执行效率。任取原网格 Mp 的特征曲线 Cp 中的三个连续的点 Cpi, C

32、pi+1, Cpi+2，由此三个连两条边的以表示如下：（12）其中𝑟𝑖是（Cpi, Cpi+1）和（Cpi+1, Cpi+2）之间的边长比例，𝜃𝑖为两边之间的夹角，如图 37 所示。该夹角的旋转矩阵可以用仿射变换的旋转矩阵 Ri 来表示。特殊地，当特征曲线是一条直线时，该曲线所有的夹角𝜃𝑖均等于 0。其中，26图 37 特征曲线中的边角关系为了保证在目标网格𝑀𝑞中𝑐𝑞的形状不变，我们需要最小化如下的特征保持能量：（12）我们通过最小化&

33、#119864;𝑓就可以尽量保证𝑐𝑞中的边长比例和夹角与𝑐𝑝中的一样。换言之，要保证𝑐𝑞的形状和𝑐𝑝尽可能的相似，只需要通过最小化𝐸𝑓来得到。网格变形约束（1）显著度约束我们的目的是希望重要三角形可以进行均匀缩放即可以保持它们的比不变，对于非重要的三角形就可以进行更加严重的拉伸。所以在这里我们专门设计了一个重要三角形进行均匀放缩变换的矩阵如下：其中 S0=maxSx，Sy,𝛽是用户定义的缩放参数。该参数用

34、来表示我们希望重要区域在目标图像𝐼𝑞中的大小。𝛽的值越大，重要物体在目标图像中也会呈现的越大。（2）边界约束由于三角形容易旋转，所以我们必须确定在源图像四边形边界上的顶点坐标在网格变形以后依然在新图像的四边形边界上。要做到这一点，我们就有两种类型的边界约束需要考虑。27A、位置约束：对于目标网格𝑀𝑞上的边界点 qi 来说如果 pi 在左边界上，则 qix=0。如果 pi 在右边界上，则 qix=width-1，其中 width 是目标图像的宽度。如果 pi 在上边界上，则 qiy=height-1，其中 heigh

35、t 是目标图像的高度。如果 pi 在下边界上，则 qiy=0。B、放缩比例约束：对于目标网格𝑀𝑞上的边界点 qi 来说如果 pi 在左边界和右边界上，则 sty=sy。如果 pi 在上边界和下边界上，则 stx=sx。总的能量方程因此，网格变形的总能量可以通过上述的三个能量求和得到：（13）其中和是用户自定义的权重。通过上文的描述我们可以容易的看出总的网格变形能量方程是一个只与目标网格𝑀𝑞顶点坐标有二次型函数。未知变量qi的集合（i=1,n,其中 n 为三角形网格中三角形的个数）标记z。这样（13）中总的能量方程就可以被简写为：（

36、14）其中 C 是一个从（13）中分离出来的一个已知的稀疏矩阵。因此，我们的最终目的：最小化网格变形的能量方程（14）可以通过求解一个稀疏线性系统来得到。参数方程的 Cholesky 分解是最早被计算出来的。之后整个线性系统的求解也就可以很快被计算出来。由于算法的大部分时间都在求解 Cholesky 分解上，其他的计算时间可以忽略不计，所以算法的总体执行效率还是比较高的。2.2 三角网格结构拓扑拓扑需求28因为我们的网格结构是二维图像生，因此在拓扑结构上的需求比较简单。（1）网格是封闭的。（2）网格中没有复杂孤立点,复杂孤立点如图示。（3）网格结构式可定向的，且是逆时针朝向。（4）相对于四边形

37、网格，三角网格在灵活性方面更具优势，因此我们的网格结构只需要支持单纯的三角形网格而不需要支持多边形网格。图 38 非流形网格中的孤立点（左）和复杂边（右）根据上述拓扑需求，我们所要构造是一个非的、可定向的、二维流形的三角网格结构。算法需求由于我们使用的变形算法需要频繁地对某顶点 1-邻域（所有邻接的顶点）以及相邻的面进行遍历，所以网格结构中需要包含以下几种基本操作：（1）可以网格中任意一个顶点、面。（2）以逆时针方向遍历一个面中所有的边。从而，对于网格中的任意一条边，我们可以快速的找到它所在面上的前一条后一条边。（3）可以通过一条给定的边，该在的面。因为我们的定义的是顺时针方向，因此需要找到是

38、流形网格结构中该对应的右边那个面。（4）可以通过给定的边，该边的起始顶点或终止顶点。（5）给定一个顶点，通过该顶点我们至少可以以它为起点的一条以它为顶点的一个面。进而通过该面遍历流形网格结构中的一个顶点 1 邻域内的所有元素，包括所在的边、面和相邻的顶点。29我们的算法需求，有三种著名的数据结构（如图 39 所示）可供我们选择，即翼边结构、四方边缘结构半边结构。图 39 翼边结构（左）四方边缘结构（右）最终我们选择了特别适合进行几何处理的，可以有效枚举相邻的点集和面集的半边结构。半边数据结构半边数据结构是几何处理领域操作最便捷、最具灵活性的数据结构之一。该数据结构可以表示任意多边形网格结构，是

39、二维可定向流形网格结构的一个子集。在半边数据结构中每条边被分离为两条方向相反的半有半一致地沿着某一特定的方向（顺时针或逆时针）连成每一个面和边界，如图 40 所示。图 40 半边数据结构对于每一个半边数据结构来说，至少需要以下几个数据成员：（1）半边的起始点（2）与它相邻的面。如果半边界上，该成员为空。（3）它所在面或边界上的下一条边（为逆时针方向）。30（4）它的终止点。（5）它所在面上的前一条边。（6）它在三角网格中的序号在我们定义的半边结构中，保存了每个半边的起始点和终止点，这样做有两个好处：第一，因为半是成对出现的，我们保存了其中一个边的起始点和终止点，就不用再显示地保存它的相反边，因

40、为该边可以简单地将起始点和终止点取反得到。第二，这个半边的结构里面也暗含了的信息，当我们需要对进行操作时，不用进行额外的运算就可以实现。半边结构的面结构中至少需要包含一个按逆时针方向围成该面的半边的数组，而在半边结构中的顶点结构中，至少包含一个以它为起始点的出边的数组，以此来遍历该顶点的 1 邻域面、顶点，其中该出边数组按顺时针排列。通过上述定义的简单的网格结构，我们就可以快速的网格中的所有元素（包括顶点、边、面）以及与该元素相邻的所有元素（例如我们通过一个点可以找到以它为起始点的所有出边，进而可以找到与该顶点相邻的所有的面和顶点。同样地，通过一个面，我们可以该面中的三条半边，对半边取反我们就

41、可以找到与该面相邻的所有的面，不进行半边取反，就可以得到该面的三个顶点）。因此，我们定义的三角网格结构是十分有效的，即任意给定网格中的一个元素我们就可以快速的遍历局部或整体网格。3. 软件适配工具开况软件系统总体设计：动漫素材实时适配功能的特点，系统划分成两大功能模块，具体工恩给你划分如下：显著性特征区域检测（1）自动检测图片显著性特征区域（2）手动选取显著性特征区域a、挑选不同工具进行选取b、擦除（3）显著性特征图功能a、生成显著性特征图b、保存显著性特征图31c、导入显著性特征图图片实时适配（1）生成三角网格（2）显示/隐藏三角网格（3）显示/隐藏显著性三角形（4）拖拽图片实时适配动漫素材

42、实时适配软件显著性特征区域检测图片实时适配自动检测显著性生成三角网格显示或隐藏三角网格显示或隐藏显著三角形拖拽图片实时适配手动选取显著性显著性特征图功能挑选不同工具选取生成显著性特征图保存显著性特征图导入显著性特征图擦除图 41 软件功能模块图32详细功能的界面可以划分为六大块：菜单栏、公共栏、工具栏、调板区、状态栏和主画布。各大模块的大概布局设计如图 42 所示：图 42总体界面布局设计界面详细设计如图 43 所示：图 43详细界面设计下面将分别详细说明这五大块里的各种功能。菜单栏菜单栏目前分为文件、视图、窗口、显著区域选择、显示、适配、帮助七部分。图 44 菜单栏33文件（File）图 4

43、5 文件菜单栏文件菜单栏主要有以下功能：新建：新建空白窗口，以加载本地图片进行编辑。打开：打开本地图片。保存：保存编辑好的图片。另存为：如果未保存，则直接保存，否则另外保存。关闭：关闭当前窗口，如果图片未保存则提示保存，否则直接关闭。最近打开：显示最近打开文件的：程序视图（View）图 46 视图菜单栏视图菜单栏主要有以下功能：工具栏：工具栏的显示。状态栏：状态栏的显示。窗口（Window）图 47 窗口菜单栏34窗口菜单栏主要有以下功能：新建窗口：创建新的窗口以加载图片。层叠：窗口以层叠方式显示。平铺：窗口以平铺方式显示。排列：窗口以排列方式显示。显著性区域选择（Salience）图 48

44、显著性区域选择菜单栏显著性区域选择菜单栏主要有以下功能：矩形工具：创建矩形显著性选区。椭圆工具：创建椭圆显著性选区。多边形工具：创建多边形显著性选区。曲线工具：创建不规则形状显著性选区。画笔工具：使用画笔创建显著性选区。画刷工具：使用画刷创建显著性选区显示 Salient 图片：显示 Salient 图片添加至 Salient 选区：将用户的选择添加到 Salient 选区。保存 Salience：将用户制作的 Salient 图片保存至本地。加载 Salience：从本地加载 Salient 图片。清空 Salience：清空 Salient 选区，以便重新选择。显示（Show）35图 49

45、 显示菜单栏显示菜单栏主要有以下功能：显示原图：仅显示原始图片。显示 Salient 图片：仅显示 Salient 图片。显示 Canny 边缘曲线：显示图片 Canny 边缘线条。显示 Canny 边缘点：显示 Canny 线条的稀疏点。显示 Salient 三角网格：显示显著性区域的三角网格。显示全部网格：显示图片的整体网格。适配（Adapter）图 50 适配菜单栏适配菜单栏主要有以下功能：网格计算：计算整张图片的三角形网格。变形计算：进行变形前的预处理。公共栏公共栏在菜单栏下，放置一些常规工具和状态选择按钮。图 51 公共栏主要操作包括：撤销：撤销当前操作。放大：放大当前窗口内的图片。

46、36缩小：缩小当前窗口内的图片。Salient 区域选择工具：同前面的矩形、椭圆等选区工具，提供快捷方式。图片参数显示工具：同前面的显示工具，提供快捷方式。工具栏工具栏中的工具是整个系统的工具，技术的体现。工具栏大致分为四个部分：图 52 图像大小编辑通过输入百分比或者像素大小等参数，进行图片的缩放。图 53 显著性区域选择显著性区域进行操作，包括显著性区域的选择、修改、保存等，画笔和画刷两项功能可以由用户调整参数。37图 54 选择区域调整通过直线或者曲线工具对区域进行调整。图 55 显示一系列图像的显示。图像面板图像面板位于界面中心，是用来绘制和显示图片的地方，所有的操作都是针对画布上的线

47、条或图片的。图 56 图像面板区38图 57 图像适配操作图像面板区主要包括：图像窗口：加载待处理图像。选择工具箱的处理按钮，直接在窗口内对图像进行操作。状态栏状态栏位于界面底部，显示当前的一些状态信息。图 58 状态栏状态栏主要包括：当前操作状态以及操作对象信息。图像适配的流程图像适配的一般过程图 59 图像适配一般过程图动漫图片适配软件的过程39本软件在进行图片内容感知适配时基本符合上述一般过程，具体如图 60 所示。首先我们从内存中导入一张动漫图片，如（a）所示。然后软件会就原图（a）进行 canny 轮廓检测，生成一张 canny 检测图，如（b）所示。（b）中白色的线条即为软件就原图

48、（a）检测出来的物体轮廓线。生canny 轮廓线、边界线以及其他可人为添加的几何信息，最后都会被离散成一系列的点，三角网格的一部分。接着可对原图（a）进行显著性特征区域的检测，生成一张 saliency图片，如（c）所示。saliency 图中白色部分标记为显著性区域，黑色部分标记为非显著性区域。当所有信息都准备好了以后，软件会根据这些信息生成半格，如图（d）所示。对应图（c），从（d）中我们可以看出，三角形即为显著性的三角形，绿色三角形即为非显著性的三角形。这时我们可以对图片调整大小，得到调整后的图片，如（e）所示。最后将图片还原成图（f），图中重要物体都得到了很好的保护。（a）（b）（c）

49、（d）40（e）（f）图 60 软件图像适配过程图目标网格中边的理想长度计算目标网格𝑀𝑞的形状可以由其所有边的边长所确定。由于重要物体的我们设定的缩放比例𝛽所决定的，因此我们只需要计算𝑀𝑞中非显著区域内的边。直观上讲，图像适配过的目标网格𝑀q 是由原网格𝑀p 经过变形得到的，因此𝑀q 中的边也应该是由𝑀p 中对应的边经过缩放得到的。然而在实际的适配过，突出的重要物体会对其邻接的边（也就是非显著区域中的边）产生挤压。所以，这些边的缩放因子不仅会受到适配过

50、图像分辨率的影响，而且还会受到该边相对于重要物体的位置的影响。我们需要在 x 和 y 轴方向地求解目标网格𝑀q 中每一条边相对于原网格𝑀p 中边的缩放比例。以 x 轴方向为例，为求解该的缩放比例，首先我们需要对原网格按照如图 61 所示的划分，然后为每个网格的顶点计算一个虚拟的缩放比例，进而边的缩放比例即为其出点和入点缩放比例的均值。图 61 缩放比例的计算41源图像和目标图像的分辨率分别记作𝑤𝑝×𝑤𝑝和𝑤𝑞×𝑤𝑞。

51、这样对于𝑀p 中的顶点 pi=(pix,piy)T, i=1，···,n，如果 pi 为3-1 中的最上方或者最下方的红色矩形中，那么其理想的缩放比例是 wt/ws。如果 pi 位于中间的三个矩形（即图 3-1 所示的矩形和绿色矩形）中，那么其缩放比例还与重要物体的缩放比例有关。我们假设直线 y=yt 是与重要物体相交所形线段的长度𝑙𝑂𝑝𝑗|j=1,J,则顶点𝑝𝑖=（𝑥𝑖，𝑦𝑖）的理想缩放比

52、例如下：(3-1)其中，Z𝑂𝑝𝑗是𝑂𝑝𝑗的缩放因子，如图 3-1(a)中的网格所示。如果𝑝𝑖=(x，yt)在红色的矩形当中，那么𝑙𝑂𝑝1 = 𝑙𝑂𝑝2=0；如果 Pi 在或者绿色的矩形中，则0𝑙𝑂𝑝1=在 y 轴0 而𝑙𝑂𝑝2>0;否则𝑙𝑂&

53、#119901;1 和𝑙𝑂𝑝2 均小于 0。同理，我们可以计算出顶点𝑝𝑖的虚拟缩放比例。进而每条边 e(pi, pj)的缩放比例通过求取 x 和y的出点𝑝𝑖和入点𝑝j 缩放比例因子的均值得到。具体算法如下所示：算法 3-1 计算目标网格顶点的缩放比例Input：m_tmTriMesh：Mesh 数据类型，用来存放原网格𝑀p 的结构p,q:Point 数据类型，用来存放线段的两个端点bLineParYAxis：boolean 数据类型，标示求取缩放比例的

54、方向Output：ratio：double 数据类型，存放顶点的虚拟缩放比例Begin得到 m_tmTriMesh 与线段(p, q)相交面的集合 fList分别计算出原图像和目标图像在 x 或 y的长度 dLengthOrig，dLengthRetargetdMaxRatio=Math.max(m_d_x_ratio,m_d_y_ratio)*st_dSaliencyEncourage;for(fList 中的每个面 f)if(f 中有孤立点)42continue；if(f 是重要三角形)continue；找到 f 中的三个顶点 a，b，c线段 s 为三角形(a,b,c)与线段(p, q)相

55、交所得到的线段if(s)dLengthTemp=s.getLength();dLengthOrig-=dLengthTemp;dLengthRetarget-=dLengthTemp*dMaxRatio;ratio=dLengthOrig<1.0e-10?1.0:dLengthRetarget/dLengthOrig;return ratio;End假设𝑠𝑥𝑖𝑗和𝑠𝑦𝑖𝑗分别为原网格𝑀𝑝中的边 e(𝑝⻕

56、4;, 𝑝𝑗)在 x 和 y的缩放因子，则边 e(𝑝𝑖, 𝑝𝑗)在x 和 y中边 e(𝑞𝑖, 𝑞𝑗)的合理长度如下：的长度就为(𝑙𝑥𝑖𝑗, 𝑙𝑦𝑖𝑗)。那么目标网格𝑀𝑞（3-2）具体算法如下：算法 3-2 计算目标网格中边的理想长度Input：m_tmTriMesh：Mesh 数据类型，用来存放原网格 Mp 的结构Output：m_vRetargetEdgeLengthList：ArrayList<double>数据类型，存放目标网格边的理想长度BeginFor(m_tmTriMesh 中的每一个顶点 v)43调用算法 3-1 计算顶点 v 在 x 和 y的缩放比例for(m_tmTriMesh 中的每一条边 e)vEdgee 的出点-e 的入点；计算 e 的出点和入点序号保持在 nVer0 和 nVer1 中dou