李晨

摘? 要： 為了提升平面設(shè)計的用戶體驗效果，提出基于用戶體驗效果的平面視覺傳達設(shè)計方法。采用計算機視覺成像技術(shù)進行平面視覺傳達的圖像信息采樣，結(jié)合邊緣輪廓提取的方法進行平面視覺傳達設(shè)計的圖像輪廓檢測，提取平面視覺圖像的多尺度局部結(jié)構(gòu)特征信息。根據(jù)用戶體驗效果的需求進行平面視覺傳達設(shè)計過程中的邊界特征檢測和多層次結(jié)構(gòu)分解。通過相鄰像素信息融合的方法進行平面視覺傳達設(shè)計的低層視覺結(jié)構(gòu)重構(gòu)，建立平面視覺設(shè)計圖像的用戶體驗效果評價模型。根據(jù)用戶體驗效果，實現(xiàn)平面視覺傳達設(shè)計優(yōu)化。仿真測試結(jié)果表明，采用該方法進行平面視覺傳達設(shè)計的用戶體驗效果較好，視覺傳達能力較強，提高了平面視覺傳達的設(shè)計效果。

關(guān)鍵詞： 用戶體驗效果; 平面視覺傳達; 圖像信息采樣; 局部結(jié)構(gòu)特征; 邊緣輪廓; 多層次結(jié)構(gòu)分解

中圖分類號： TN911.73?34; TP181? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）11?0111?04

Research on graphic visual communication design based on user experience effect

LI Chen

（Jinzhong University， Jinzhong 030600， China）

Abstract： In order to improve the user experience effect of graphic design， a graphic visual communication design method based on user experience effect is proposed. The computer vision imaging technology is used to sample the image information communicated by graphic vision. The edge outline extraction method is used to detect the image profile of graphic vision communication design and extract the multi?scale local structure feature information of graphic visual image. The boundary feature detection and multi?level structure decomposition in the process of graphic visual communication design are carried out according to the needs of user experience effect. The method of adjacent pixel information fusion is used to reconstruct the low?level visual structure of graphic visual communication design and establish the user experience effect evaluation model of graphic visual design image. The graphic visual communication design is optimized according to the user experience effect. The simulation results show that the user experience effect of graphic visual communication design obtained with the proposed method is better and the visual communication performance of the proposed method is more excellent， which improves the effect of graphic visual communication design.

Keywords： user experience effect; graphic vision communication; image information sampling; local structural feature; edge profile; multi?level structure decomposition

0? 引? 言

在平面藝術(shù)設(shè)計中，需要結(jié)合用戶體驗效果進行平面設(shè)計中的視覺信息傳達，提高平面設(shè)計的針對性和表達能力，提升平面設(shè)計視覺審美元素的表現(xiàn)能力。通過計算機視覺圖像處理技術(shù)，進行平面設(shè)計視覺審美元素的多維信息特征分析，采用計算機圖像圖形處理方法進行平面視覺傳達設(shè)計，提高平面視覺傳達的效果和用戶的體驗效果。相關(guān)的平面視覺傳達設(shè)計方法研究在藝術(shù)設(shè)計中具有重要意義[1]。平面設(shè)計又稱“視覺傳達設(shè)計”，通過平面設(shè)計，將文字、圖像、色彩等藝術(shù)元素特征進行多維信息融合和特征重建，建立平面視覺傳達設(shè)計的多維信息分布式重構(gòu)模型，基于用戶的體驗效果，使平面設(shè)計突破空間的限制，提高平面設(shè)計的全方位和多元化的視覺傳遞能力[2]。本文提出基于用戶體驗效果的平面視覺傳達設(shè)計方法。首先進行平面視覺傳達的圖像采樣分析;然后進行平面視覺傳達設(shè)計的特征提取和視覺信息重構(gòu)，根據(jù)用戶體驗效果，實現(xiàn)平面視覺傳達設(shè)計;最后進行仿真實驗分析，展示了本文方法在提高平面視覺傳達設(shè)計效果方面的優(yōu)越性能。

1? 平面視覺傳達的圖像分析

1.1? 圖像信息采樣

為了實現(xiàn)基于用戶體驗效果的平面視覺傳達設(shè)計，首先需要結(jié)合平面設(shè)計視覺圖像的審美特征進行用戶體驗效果分析，建立平面視覺傳達設(shè)計的圖像信息采樣模型，對平面設(shè)計視覺圖像的審美元素進行多維化特征重構(gòu)處理。采用邊緣結(jié)構(gòu)化特征提取的方法進行圖像采樣和特征重構(gòu)[3]，得到平面視覺傳達設(shè)計的像素信息為：

[I（x）=J（x）t（x）+A（1-t（x））] （1）

計算平面設(shè)計視覺圖像每個像素的直方圖，采用直方圖均衡化處理的方法，建立平面設(shè)計視覺的特征空間分布模型，根據(jù)圖像的平均梯度與信息熵進行平面視覺傳達的空間特征加權(quán)[4]，得到平面視覺傳達設(shè)計的圖像信息采樣模型，定義為：

[minimize f（x）， x=（x1，x2，…，xn）∈Rns.t. gj（x）≤0，? ? j=1，2，…，lhj（x）=0，? ? j=l+1，…，p] （2）

采用圖像加權(quán)融合方法構(gòu)建平面視覺傳達設(shè)計的圖像特征向量融合模型[5]，得到平面設(shè)計視覺傳達的信息輸出特征集為：

[L=Jw，e-i=1NaiwTφxi+b+ei-yi] （3）

以像素[x]為中心的局部鄰域，進行平面設(shè)計中的用戶體驗審美元素多維化表達。采用模板匹配技術(shù)[6]得到在像素模板[m×n]中的平面視覺傳達設(shè)計的像素三顏色通道表述為：

[Iifx，y=I?Gx，y，σi] （4）

[Iivx，y=I?stdfiltx，y，wi] （5）

[Sgifx，y=-logPifx，y] （6）

[Sgivx，y=-logPivx，y] （7）

式中[Gx，y，σi]表示空間鄰近度特征分布函數(shù)，在各梯度方向上進行3×3模板匹配。

采用計算機視覺成像技術(shù)進行平面視覺傳達的圖像信息采樣，結(jié)合邊緣輪廓提取的方法進行平面視覺傳達設(shè)計的圖像輪廓檢測[7]。

1.2? 平面視覺傳達圖像輪廓檢測

在上述進行圖像樣本采樣的基礎(chǔ)上，提取平面視覺圖像的多尺度局部結(jié)構(gòu)特征信息，根據(jù)用戶體驗效果的需求進行平面視覺傳達設(shè)計過程中的邊界特征檢測和多層次結(jié)構(gòu)分解。采用結(jié)構(gòu)化的審美元素多維化特征重構(gòu)方法，進行平面視覺傳達的三維重建。采用場景表面陰影與透射率局部融合的方法，提高圖像空間視覺的表現(xiàn)能力[8]。采用直方圖均衡化處理的技術(shù)，得到圖像輪廓特征檢測描述：

[L={mii∈S}mi=ai1，ai2，ai3，bi1，bi2，bi3，ci1，ci2，ci3T]? （8）

根據(jù)平面視覺傳達過程中的細節(jié)信息進行圖像的美術(shù)元素提取[9]，結(jié)合多尺度的小波特征分解方法，得到適應度函數(shù)：

[fitness（x）=f（x）， feasible1+rG（x）， otherwise] （9）

采用徑向紋理特征模型進行平面視覺傳達設(shè)計，利用高斯過程的性質(zhì)進行聯(lián)合加權(quán)，得到空間加權(quán)的函數(shù)族[ψa，b]，由[ψ（t）]經(jīng)過紋理特征分解，得到平面視覺傳達設(shè)計的輪廓形狀為：

[ψa，b（t）=1aψt-ba] （10）

式中[U（a，b）]是Euclidean距離。

得到平面設(shè)計的目標先驗形狀特征為：

[c=j=1mP（z（k）mj（k）， zk-1）P（mj（k）zk-1）=j=1mΛj（k）cj]? （11）

根據(jù)統(tǒng)計學分析方法，建立圖像視覺輪廓檢測模型，平面設(shè)計的圖像輪廓特征檢測輸出為：

[M=i=1nmin（P1（i），P2（i））j=1nmax（P1（j），P2（j））]? （12）

式中[P1]和[P2]分別是鄰域內(nèi)像素點的一階和二階適應度函數(shù)[10]。

根據(jù)上述分析進行平面視覺傳達圖像輪廓檢測，根據(jù)檢測結(jié)果進行平面視覺傳達設(shè)計。

2? 平面視覺傳達設(shè)計優(yōu)化

2.1? 用戶體驗效果的多層次結(jié)構(gòu)分解

根據(jù)用戶體驗效果的需求進行平面視覺傳達設(shè)計過程中的邊界特征檢測和多層次結(jié)構(gòu)分解，通過相鄰像素信息融合的方法進行平面視覺傳達設(shè)計的低層視覺結(jié)構(gòu)重構(gòu)。提出基于用戶體驗效果的平面視覺傳達設(shè)計，以輪廓邊緣最遠的點作為中心像素點，進行圖像尺度分解。根據(jù)平面設(shè)計的審美元素特征分布，進行三維信息重構(gòu)[11]，得到三維信息分布特征點[i]的鄰域[Ni]：

[Ni={i∈S[dist（i，i）]2≤r，i≠i}]? （13）

在平面設(shè)計中，根據(jù)視覺傳達圖像的白平衡特征，進行三維特征映射，建立平面視覺圖像的色差融合模型。采用模板匹配和三維信息重建的方法，進行圖像融合[12]，用[dist（i，i）]來描述中心點誤差的偏移量，建立平面設(shè)計視覺鄰域分布式重構(gòu)模型[13]，在灰度像素點的分布區(qū)域內(nèi)，以[r]為覆蓋半徑，進行平面視覺傳達的色差融合處理，得到多重色差層次結(jié)構(gòu)分解模型為：

[Ri=1γij∈Ωgjd（i-j2）l（gi-gj1） ]? （14）

對中心點誤差進行模糊約束補償控制，并為先驗概率提供似然概率，得到平面視覺傳達設(shè)計的模型化結(jié)構(gòu)分布為：

[fs，τ（t）=sf（s（t-τ））]? （15）

根據(jù)用戶體驗效果的需求進行平面視覺傳達設(shè)計過程中的邊界特征檢測，用戶體驗效果的多層次結(jié)構(gòu)分解結(jié)果為：

[fi（t）=Kt0-t，t≤T2]? （16）

式中：[K=TfmaxfminB]，[fmin，fmax]分別為最小和最大采樣頻率;[t0=f0TB]，[f0]表示平面視覺信息采樣的初始頻率。根據(jù)用戶體驗效果的多層次結(jié)構(gòu)分解結(jié)果，進行平面視覺傳達設(shè)計的效果評價[14]。

2.2? 平面視覺傳達設(shè)計的用戶體驗效果評價

通過相鄰像素信息融合的方法進行平面視覺傳達設(shè)計的低層視覺結(jié)構(gòu)重構(gòu)，建立平面視覺設(shè)計圖像的用戶體驗效果評價模型，得到用戶體驗效果的優(yōu)化適應度函數(shù)為：

[fitness（x）=f（x）+（Ct）αj=1pGβj（x）]? （17）

根據(jù)訓練集中的觀測值進行平面視覺傳達設(shè)計的尋優(yōu)控制，用戶體驗效果的評價集表示為：

[miny=f（x）=（f1（x），f2（x），…，fm（x））]? ?（18）

式中：[x=（x1，x2，…，xn）∈X][?][Rn]為用戶體驗效果評價的初始值向量，[X]為優(yōu)化控制決策函數(shù);[y∈Y?Rm]為平面設(shè)計審美元素特征差異性融合特征量，[Y]為平面設(shè)計審美元素特征分布集。

根據(jù)平面視覺傳達元素的多維化重構(gòu)信息疊加值[15]，得到平面視覺傳達設(shè)計的均勻遍歷分布為：

[Gj（x）=max0，gj（x），1≤j≤lmax0，hj（x）-δ， l+1≤j≤p]? （19）

在多維化的平面設(shè)計模型中，得到自適應權(quán)重分布向量為[umn=LmnL-1]，[L=max（Lmn）]，根據(jù)平面形狀、大小、色彩的變化，得到優(yōu)化平面視覺傳達的傳遞函數(shù)為：

[G（x）=j=1pGj（x）]? （20）

根據(jù)平面設(shè)計的藝術(shù)結(jié)構(gòu)信息，進行視覺審美元素多維化重構(gòu)。根據(jù)重構(gòu)結(jié)果，基于用戶體驗效果，實現(xiàn)平面視覺傳達設(shè)計。

3? 仿真實驗與結(jié)果分析

將平面視覺傳達設(shè)計的仿真實驗建立在Matlab 7實驗平臺中。原始的平面視覺傳達圖像采樣的像素集為500[×]500的JPEG圖像，分塊模板匹配值為[25×25]，灰度鄰域分布閾值為[ε]=1.0，平均灰度值設(shè)定為[F=]24 Pixel，視覺成像的光圈大小為14 mm。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行平面視覺傳達設(shè)計，得到平面視覺傳達設(shè)計的初始輪廓如圖1所示。

根據(jù)初始邊緣輪廓檢測結(jié)果建立平面視覺設(shè)計圖像的用戶體驗效果評價模型，根據(jù)用戶體驗效果，實現(xiàn)平面視覺傳達設(shè)計，經(jīng)過多次迭代，得到的設(shè)計效果如圖2所示。

分析圖2得知，采用本文方法進行平面視覺傳達設(shè)計，經(jīng)過多次迭代后，具有很好的用戶體驗效果。測試設(shè)計的輸出峰值信噪比和時間開銷，得到對比結(jié)果見表1，分析得知，本文方法進行平面視覺傳達設(shè)計的峰值信噪比較高，且運算時間較短，說明設(shè)計的效果較好。

4? 結(jié)? 語

本文提出基于用戶體驗效果的平面視覺傳達設(shè)計方法。采用計算機圖像圖形處理方法，進行平面視覺傳達設(shè)計，提高平面視覺傳達的效果和用戶的體驗效果。建立平面設(shè)計視覺的特征空間分布模型，根據(jù)圖像的平均梯度與信息熵，進行平面視覺傳達的空間特征加權(quán)，以輪廓邊緣最遠的點作為中心像素點，進行圖像尺度分解，根據(jù)用戶體驗效果，實現(xiàn)平面視覺傳達設(shè)計優(yōu)化。測試得知，采用該方法進行平面視覺傳達設(shè)計的用戶體驗效果較好，峰值信噪比較高，時間開銷較小，提高了平面視覺傳達設(shè)計效果。

參考文獻

[1] 于曉.平面設(shè)計中的符號藝術(shù)與表達：以民族圖案的應用為例[J].西南交通大學學報（社會科學版），2013，14（2）：121?124.

[2] 許丹桂.手繪藝術(shù)在現(xiàn)代平面設(shè)計中的應用及創(chuàng)新體現(xiàn)[J].北京印刷學院學報，2018，26（9）：54?57.

[3] 余瑪俐，張海.基于低秩矩陣填充與全變分約束的HDR成像[J].計算機工程，2019，45（4）：262?266.

[4] YANG J， WEI C H. Testing serial correlation in partially linear additive models [J]. Acta mathematica applicate sinica （English serie）， 2019（2）： 401?411.

[5] ZHANG Xin， HE Yunhui. Modified interpolator projection method for weakly singular integral equation eigenvalue problems [J]. Acta mathematica applicate sinica （English serie）， 2019， 35（2）： 327?339.

[6] DOU Q， CHEN H， YU L Q， et al. Multi?level contextual 3D CNNs for false positive reduction in pulmonary nodule detection [J]. IEEE transactions on biomedical engineering， 2017， 64（7）： 1558?1567.

[7] KAMNITSAS K， LEDIG C， NEWCOMBE V F J， et al. Efficient multi?scale 3D CNN with fully connected CRF for accurate brain lesion segmentation [J]. Medical image analysis， 2016， 36： 61?78.

[8] DOU Q， CHEN H， YU L Q， et al. Automatic detection of cerebral microbleeds from MR images via 3D convolutional neural networks [J]. IEEE transactions on medical imaging， 2016， 35（5）： 1182?1195.

[9] 程德強，白春夢，郭昕，等.基于分層區(qū)域的自適應圖像配準算法[J].計算機工程與應用，2019，55（17）：199?206.

[10] 律睿慜，楊帆，陸菁，等.針對色彩教育的游戲化設(shè)計及效果分析[J].計算機應用，2019，39（8）：2456?2461.

[11] DE SOUSA BORGES S， DURELLI V H S， REIS H M， et al. A systematic mapping on gamification applied to education [C]// Proceedings of the 29th Annual ACM Symposium on Applied Computing. New York： ACM， 2014： 216?222.

[12] FITZ?WALTER Z， WYETH P， TJONDRONEGORO D， et al. Driven to drive： designing gamification for a learner logbook smartphone application [C]// Proceedings of the 1st International Conference on Gameful Design， Research， and Applications. New York： ACM， 2013： 42?49.

[13] PAN Chengsheng， JIA Yaru， CAI Ruiyan， et al. Routing strategy for spatial information network based on MPLS [J]. Computer engineering， 2019， 45（3）： 85?90.

[14] LEE G M， LEE J H. On nonsmooth optimality theorems for robust multiobjective optimization problems [J]. Journal of nonlinear and convex analysis， 2015， 16（10）： 2039?2052.

[15] 丁勇，李楠.基于高維度特征分析的非局部圖像質(zhì)量評價方法[J].電子與信息學報，2016，38（9）：2365?2370.