丁楠

摘? 要： 文字圖形化能夠大大提升廣告的宣傳效果，為了準(zhǔn)確評價廣告文字圖形化處理視覺干預(yù)質(zhì)量，提出廣告文字圖形化處理視覺干預(yù)質(zhì)量評價方法。通過基于圖像美化技術(shù)的視覺傳達(dá)設(shè)計方法，實(shí)現(xiàn)廣告文字圖形化處理視覺干預(yù)處理，再采用視覺興趣度的圖像質(zhì)量評價方法實(shí)現(xiàn)廣告文字圖形化處理視覺干預(yù)質(zhì)量評價。研究結(jié)果表明，此方法可準(zhǔn)確評價廣告文字圖形化處理視覺干預(yù)質(zhì)量，且某廣告部門使用該方法后，廣告設(shè)計采納率較高，對該方法的滿意率高達(dá)98.98%。

關(guān)鍵詞： 廣告文字; 圖形化處理; 視覺干預(yù); 質(zhì)量評價; 視覺興趣度; 廣告圖像

中圖分類號： TN911.73?34; TP391.41? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）21?0047?04

Research on quality evaluation technology of visual intervention

in graphic processing of advertising text

DING Nan

（Pingdingshan University， Pingdingshan 467000， China）

Abstract： Graphical text can greatly improve the advertised publicity result. In order to accurately evaluate the visual intervention quality of advertising text graphical processing， an evaluation method of visual intervention quality of the advertising text graphical processing is put forward. The visual intervention treatment of advertising text graphical processing is implemented by means of the visual communication design method based on image beautification technique， and then the visual intervention quality evaluation of advertising text graphical processing is implemented with image quality evaluation method according to the visual interest degree. The research results show that this method can accurately evaluate the visual intervention quality of the advertising text graphic processing. The adoption rate of advertisement design becomes higher， and the satisfaction rate of this method is as high as 98.98% after using this method in an advertising department.

Keywords： advertising text; graphic processing; vision intervention; quality evaluation; visual interest degree; advertising image

0? 引? 言

廣告視覺傳達(dá)設(shè)計是通過形態(tài)與色彩把有價值的內(nèi)容描述出來的造型模式，其由文字、標(biāo)記、符號等元素組建。圖形和文字屬于廣告設(shè)計的核心，兩者缺一不可，相互協(xié)助[1]。圖形存在感性屬性，通過建立合適的氛圍，可以吸引人們的眼球，以此傳輸意念，而人們針對圖形語義的分析，經(jīng)常遭到大眾思想意識與文化水平所約束。但文字傳輸?shù)囊饽钍诛@著，文字屬于約定類的視覺符號，其可以充分解讀畫面，呈現(xiàn)指定的含義，并可以豐富畫面、提升廣告美感[2]。

廣告文字圖形化處理時，為了充分描述情感，常把文字形態(tài)[3]和視覺圖像加以融合，將文字的筆畫設(shè)成基本因素，根據(jù)字體基本形態(tài)分割重構(gòu)，把文本再次融合，此過程即為文字圖形化。伴隨社會經(jīng)濟(jì)的高速發(fā)展，廣告文字圖形化也逐漸被普及應(yīng)用，廣告行業(yè)的競爭愈演愈烈，廣告文字圖形化處理的優(yōu)劣對廣告設(shè)計效果存在十分關(guān)鍵的影響[4]。為此，廣告文字圖形化處理視覺干預(yù)質(zhì)量評價技術(shù)十分關(guān)鍵，評價高的廣告設(shè)計作品將被大眾所喜愛。為此，本文提出一種廣告文字圖形化處理視覺干預(yù)質(zhì)量評價方法，實(shí)現(xiàn)廣告文字圖形化處理視覺干預(yù)質(zhì)量的有效評價。

1? 廣告文字圖形化處理視覺干預(yù)質(zhì)量評價方法

1.1? 基于圖像美化技術(shù)的視覺傳達(dá)設(shè)計方法

1.1.1? 基于文字圖形化的廣告界面設(shè)計描述方式

廣告僅使用文字不能符合用戶的情感需求，必須使用圖像化的媒介完成用戶和廣告間的溝通。圖形化文字能夠使用圖形因素描述文字，增強(qiáng)文字的表達(dá)能力[5]。廣告設(shè)計時，使用合適的圖形化符號刻畫差異信息，可以將用戶的認(rèn)知感受實(shí)施直接、高精度地傳輸。把大量的文字變換為存在邏輯關(guān)系的圖形描述，激勵用戶的興趣度，保證用戶獲取的信息有價值[6]。

1.1.2? 廣告界面設(shè)計的信息傳遞設(shè)計

1） 信息傳遞形式設(shè)計。廣告界面視覺傳達(dá)設(shè)計時的信息傳遞模式是：設(shè)計師把信息變成視覺語言后實(shí)施編碼，將其變?yōu)閳D形化的廣告界面，用戶可對信息實(shí)施解碼轉(zhuǎn)換，獲取需要的高價值信息，具體過程如圖1所示。

使用圖形能夠?qū)⒃O(shè)計人員、用戶和廣告界面互動的步驟實(shí)施高精度描述，實(shí)現(xiàn)信息傳遞和獲取。設(shè)計人員和廣告界面完成互動的流程可以看作原始數(shù)據(jù)轉(zhuǎn)換為視覺信息的步驟;用戶和廣告界面間的互動可以看作視覺信息轉(zhuǎn)換為知識的步驟?；诮Y(jié)構(gòu)和符號學(xué)原理能夠把以上兩個步驟看作“編碼”和“解碼”，兩個步驟可以對廣告視覺傳遞過程實(shí)施直觀表達(dá)[7]。

信息傳遞時必須先分析廣告界面上的初始數(shù)據(jù)，把此類數(shù)據(jù)轉(zhuǎn)換為信息，完成差異數(shù)據(jù)解析。經(jīng)過組織和加工的初始數(shù)據(jù)可以轉(zhuǎn)換為有價值的信息，為用戶提供溝通的橋梁。將廣告設(shè)計人員經(jīng)過分析和總結(jié)得到的數(shù)據(jù)信息使用合適的方法完成描述，完成視覺信息快速、高精度地傳遞。把設(shè)計師設(shè)定完畢的數(shù)據(jù)通過廣告文字圖形化處理后，以視覺信息的形式傳遞至用戶，此數(shù)據(jù)轉(zhuǎn)換過程即為信息的“編碼”過程[8]。

2） 信息接收模式設(shè)計。信息接收模式為“譯碼”的過程，若廣告界面中的視覺信息得到了用戶的喜愛，用戶便會按照自己的需求理解此視覺信息，使用合適的形式分析此類信息[9]。人的信息操作系統(tǒng)由感覺器官、中樞神經(jīng)系統(tǒng)和運(yùn)動器官構(gòu)成，如圖2所示。

中樞神經(jīng)系統(tǒng)對感覺器官實(shí)施控制，獲取外界信息，然后基于中樞神經(jīng)系統(tǒng)將信息完成加工，實(shí)現(xiàn)信息分辨、記載和研究，傳輸有關(guān)的處理指令[10]。廣告界面實(shí)施視覺傳達(dá)時，人們注重廣告界面的視覺信息，建立有關(guān)信息活動，最后獲取廣告界面信息。顧及到差異用戶的心理和生理元素。質(zhì)量較好的廣告界面視覺傳遞設(shè)計時，必須保障視覺存在高清晰度與直觀性，圖形美化技術(shù)能夠完成此目標(biāo)，保障廣告界面視覺傳遞設(shè)計美觀性，提升用戶的興趣度[11]。同時，使用圖形美化方法能夠增強(qiáng)用戶對廣告界面信息的“解碼”速度和對廣告信息的認(rèn)知能力。

1.2? 基于視覺興趣度的圖像質(zhì)量評價方法

1.2.1? 視覺興趣度測量

視覺經(jīng)驗(yàn)表明，針對一幅經(jīng)過文字圖形化的廣告圖像，人眼對它各個區(qū)域感興趣的水平存在差異。針對廣告文字圖形化處理后的感興趣區(qū)域，若它的面積逐漸變小，人眼對它失真便愈發(fā)敏感，可理解為人眼對其興趣水平和面積存在反比關(guān)系，若感興趣度蔓延到整個廣告圖像后，人眼對它的興趣便變小至最小。

針對不感興趣的區(qū)域，感興趣區(qū)域?qū)λ呐d趣水平存在屏蔽作用，若感興趣區(qū)域的面積很大，伴隨感興趣區(qū)域面積的變大，人眼對不感興趣區(qū)域的興趣便慢慢提高;但若感興趣區(qū)域的面積變小，伴隨感興趣區(qū)域的變小，即使人眼對感興趣區(qū)域的興趣愈發(fā)顯著，而因?yàn)椴桓信d趣區(qū)域的逐漸變大，讓觀察者愈發(fā)忽視它的存在，則人眼對不感興趣區(qū)域的興趣水平逐漸變大[12?13]。

把上述視覺干預(yù)經(jīng)驗(yàn)實(shí)施定量化，便能夠完成對廣告圖像視覺興趣度的定量檢測。視覺興趣度測量的主要任務(wù)為怎樣設(shè)置加權(quán)值[w]，按照以往的視覺經(jīng)驗(yàn)，對于只具有一個感興趣的廣告圖像，本文提出一個簡單的質(zhì)量評價模型，設(shè)置的[w]必須符合下述兩種近似條件：

1） 若用戶對經(jīng)過文字圖形化處理后的廣告圖感興趣的面積[A1]從0提升至整幅面積[A]時，質(zhì)量評價結(jié)果便會從[+∞]降低為1。

2） 若用戶對經(jīng)過文字圖形化處理后的廣告圖感興趣的面積[A1]從0提升至[A2]時，質(zhì)量評價結(jié)果便從1降低至大于0的常數(shù)。但若用戶對經(jīng)過文字圖形化處理后的廣告圖感興趣的面積[A1]從[A2]提升至[A]時，質(zhì)量評價結(jié)果便從大于0的常數(shù)提升至1。

（1） [w2]設(shè)置為：

[w2=1-2tAA1A-A1] （1）

式中：[t]代表調(diào)整因子，其體現(xiàn)了人眼對經(jīng)過文字圖形化處理后的廣告圖像不感興趣區(qū)域或感興趣區(qū)域的重視水平。

[w1]設(shè)置為：

[w1=1-AA11-w2+w2] （2）

（2） 根據(jù)[A1（A-A1）≤A2]可知：[w2≥1-t]，若[A1=A2]，[w2=1-t];若[A1=A]或[A1=0]時，[w2=1]，因此式（1）符合[w2]的邊界條件。

通過對式（1）進(jìn)行量化操作，得到[w2]的近似值為：

[w′2=-tA-2A1AA1A-A1]? ? ? ? （3）

通過式（3）可知：若[A1>A2]時，[w′2>0]，當(dāng)[A>A1>A2]時，[w2]為[A1]的嚴(yán)格單調(diào)遞增函數(shù)。如果[A1

[limA→0w=limA→01+2tAA1-1-2tAA1A-A1]? （4）

通過對式（2）進(jìn)行量化操作，得到[w1]的近似值為：

[w′1=AA21（1-w2）+1-AA1w′2]? ? ?（5）

綜合式（1）和式（3）得到：

[w′1=2tA21A1A-A1-1-AA1tA-2A1AA1A-A1]? （6）

式中：[w′1<0]，則[w′1]屬于[A1]的嚴(yán)格單調(diào)遞減函數(shù)，[w1]的構(gòu)造函數(shù)符合近似條件1），完成評價[15]。

2? 仿真實(shí)驗(yàn)

2.1? 多幅廣告圖像評價

為了測試本文方法的有效性，隨機(jī)從某電視廣告中獲取11幅廣告圖像，該組廣告圖像主要使用文字圖形化處理。采用標(biāo)準(zhǔn)壓縮方法對其實(shí)施壓縮，合理的變化量化其參數(shù)，建立質(zhì)量存在差異的11幅圖像，如表1所示。之后通過主觀評價、峰值信噪比（PSNR）、圖像質(zhì)量參數(shù)（ISNR）三組參數(shù)指標(biāo)依次對此組廣告圖像實(shí)施質(zhì)量評價。

主觀評價方法：請10位專家依次對此11幅圖像實(shí)施評價，評價級別分為非常好、較好、普通、不好、非常不好5種。評價時，雙眼平視屏幕，并和屏幕存在至少41～80 cm的間距。最后把此10位專家的評價實(shí)施加權(quán)平均，獲取結(jié)果見表1。

采用本文方法對這11幅圖像質(zhì)量也進(jìn)行評價，并和表1專家評價結(jié)果實(shí)施對比，判斷本文方法評價結(jié)果與其契合度，并通過相似度進(jìn)行分辨，結(jié)果如表2所示。對比表1和表2可知，本文方法的評價結(jié)果中，僅對第10張廣告圖像的評價結(jié)果和表1存在差異，但差異不大，屬于正常范圍。由此可知，本文方法能夠有效評價廣告文字圖形化處理視覺干預(yù)質(zhì)量。

2.2? 單幅廣告圖像評價

以圖3為例，采用本文方法對其進(jìn)行質(zhì)量評價，結(jié)果如圖4所示。分析圖4可知，本文方法對圖3的評價較高，和專家評價結(jié)果的契合度高達(dá)99.9%。由此可知，本文方法評價結(jié)果可信。

2.3? 應(yīng)用效果測試

將本文方法應(yīng)用于某企業(yè)的廣告設(shè)計部門，主要用戶評價該部門廣告設(shè)計師的作品，進(jìn)而掌握作品不足之處并實(shí)施改進(jìn)，為此，測試該部門使用本文方法后，不同類型廣告作品的采納率，結(jié)果如圖5所示。分析圖5可知，本文方法應(yīng)用后，該部門的廣告設(shè)計采納率最低值為0.98，表明該部門的廣告作品大多數(shù)都被采用。由此可知，本文方法的評價效果極好，能夠作為廣告企業(yè)提升廣告質(zhì)量的應(yīng)用方法之一。

采用基于模糊綜合評價方法的廣告效果測定方法、基于FCB模式的網(wǎng)絡(luò)廣告效果評價方法作為本文方法的對比方法，分析圖5中6類廣告設(shè)計人員對三種方法的滿意率并對比，結(jié)果如圖6所示。分析圖6可知，6類廣告設(shè)計部門的人員對三種方法的滿意率存在差異，對本文方法的滿意率最高值為98.98%，基于模糊綜合評價方法的廣告效果測定方法、基于FCB模式的網(wǎng)絡(luò)廣告效果評價方法的滿意率低于本文方法，且始終低于90%，再次驗(yàn)證本文方法應(yīng)用效果最佳。

3? 結(jié)? 語

針對廣告設(shè)計人員而言，文字的圖形化設(shè)計讓文字的表達(dá)性能更佳，并且深入人心，提高了文字的空間表現(xiàn)。針對廣告商而言，將文字和圖形相融，可以提升商家的利益，而廣告作品的好壞和廣告商的最終利益存在較大關(guān)聯(lián)。為此，本文提出一種廣告文字圖形化處理視覺干預(yù)質(zhì)量評價方法，該方法不僅評價結(jié)果和專家評價結(jié)果存在較高的契合度，且對廣告設(shè)計產(chǎn)品的質(zhì)量提升存在較高的幫助，是一種有價值的廣告文字圖形化處理視覺干預(yù)質(zhì)量評價方法。

參考文獻(xiàn)

[1] 王賽嬌.感知特征互補(bǔ)的圖像質(zhì)量評價[J].電子技術(shù)應(yīng)用，2019，45（6）：37?40.

[2] 曹欣，李戰(zhàn)明，胡文瑾.一種彩色圖像質(zhì)量評價方法[J].應(yīng)用科學(xué)學(xué)報，2019，37（3）：398?406.

[3] 陳寅棟，李朝鋒，桑慶兵.卷積神經(jīng)網(wǎng)絡(luò)結(jié)合深度森林的無參考圖像質(zhì)量評價[J].激光與光電子學(xué)進(jìn)展，2019，56（11）：123?129.

[4] 王曉紅，盧輝，麻祥才，等.不同亮度下無參考圖像質(zhì)量評價方法[J].光學(xué)技術(shù)，2018，44（5）：569?575.

[5] 郭慶.綠茶廣告設(shè)計中的反完善視覺表現(xiàn)應(yīng)用分析[J].福建茶葉，2017，39（11）：227.

[6] 董天陽，楊麗錦，張鑫鵬.用戶多維感知的3D圖像體驗(yàn)質(zhì)量評價[J].中國圖象圖形學(xué)報，2019，24（5）：782?793.

[7] 唐祎玲，江順亮，徐少平，等.基于眼優(yōu)勢的非對稱失真立體圖像質(zhì)量評價[J].自動化學(xué)報，2019，45（11）：2092?2106.

[8] 王一波，柳建.面向三維測量的光刀圖像質(zhì)量評價研究[J].激光與紅外，2019，49（6）：768?772.

[9] 齊新宇，陸世培，楊鑫，等.基于三維參數(shù)定量評價CBCT圖像質(zhì)量方法及可行性分析[J].中華放射腫瘤學(xué)雜志，2019，28（10）：799?800.

[10] 李一凡，李朝鋒，桑慶兵.四元數(shù)小波變換優(yōu)化單目圖的無參考立體圖像質(zhì)量評價[J].激光與光電子學(xué)進(jìn)展，2019，56（18）：143?151.

[11] 沈麗麗，杭寧.聯(lián)合多種邊緣檢測算子的無參考質(zhì)量評價算法[J].工程科學(xué)學(xué)報，2018，40（8）：996?1004.

[12] 褚少微.振動觸覺的量化感知與觸覺文字編碼設(shè)計[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，2019，31（6）：1046?1052.

[13] 李春橋，許忠保，劉爽，等.一種可用于纖維圖像的聚焦評價函數(shù)[J].棉紡織技術(shù)，2019，47（9）：22?27.

[14] 劉長齊，邵堃，霍星，等.基于加權(quán)質(zhì)量評價函數(shù)的K?means圖像分割算法[J].計算機(jī)科學(xué)，2019，46（z1）：158?160.

[15] 郝福得，陳曉冬，席佳祺，等.基于圖像內(nèi)容評價因子的動態(tài)場景曝光融合算法[J].光學(xué)技術(shù)，2018，44（4）：480?486.

作者簡介：丁? 楠（1984—），女，河南鄧州人，碩士，講師，主要研究方向?yàn)橐曈X傳達(dá)設(shè)計。