绘图和绘画机器人的算法 - 任何提示？

Posted 2023-02-24

【中文标题】绘图和绘画机器人的算法 - 任何提示？

【英文标题】：An algorithm for a drawing and painting robot - any tips?

【发布时间】：2010-11-08 07:01:38

【问题描述】：

绘图机器人的算法 -

你好

我想编写一个分析图像的软件，然后生成一个图像，该图像捕获人眼在原始图像中的感知，使用最少的颜色和不透明度变化的贝塞尔路径对象。

与最近的 twitter 超级压缩大赛不同(see: ***.com/questions/891643/twitter-image-encoding-challenge)，我的目标不是创建一个忠实于图像的复制品，而是复制人类观看图像的体验.

例如，如果原始图像在左上角显示一个红色气球，而复制品的左上角有一个看起来像红色气球的东西，那么我将实现我的目标，即使气球在复制品的位置不完全相同，大小或颜色也不完全相同。

当我说“被人类感知”时，我的意思是非常有限的。我不是试图分析图像的含义，我不需要知道图像是什么，我只对人眼会注意到的关键视觉特征感兴趣，只要这可以由算法无法将其实际观察到的内容概念化。

为什么人们对摄影准确性的这种不同寻常的感知标准？

该软件将用于驱动绘图机器人，该机器人将与人类艺术家合作(see: video.google.com/videosearch?q=mr%20squiggle)。

算法不应将人为的不完美的标记视为必然错误，而应设法将画布上已有的内容合并到最终图像中。

因此，相对亮度、色调、饱和度、大小和位置比在照片上与原始照片相同更重要。保持特征的拓扑结构、色块、渐变、凸凹曲线将更重要的是这些特征的确切尺寸形状和颜色

还和我在一起吗？

我的问题是“当你有一把锤子时，一切看起来都像钉子”综合症。对我来说，这样做的方法似乎是使用遗传算法与 retrievr 使用的小波变换比较（参见：grail.cs.washington.edu/projects/query/）（参见：labs.systemone.at/retrievr/） /em> 选择合适的解决方案。

但我认为这是答案的主要原因是，这些是我所知道的技术，可能有更优雅的解决方案使用我现在不知道的技术。

考虑人类视觉系统分析图像的方式会特别有趣，因此可能需要特别注意直线、角度、高对比度边框和大块相似颜色。

您对我应该阅读的有关视觉、图像算法、遗传算法或类似项目的内容有什么建议吗？

谢谢

垫子

PS。上面的某些拼写对您和您的拼写检查来说可能是错误的。这只是国际拼写变化，可能与您所在国家/地区的标准有所不同：例如澳大利亚标准：颜色与美国标准：颜色

【问题讨论】：

为了新用户的利益，我想指出，如果今天发布，这个问题将不允许存在。它非常广泛，要求提供一般性建议，并且没有明确的答案。出于历史目的，它可能仍然存在，因此不要将其用作提出好问题的模板

【参考方案1】：

有一个模型可以实现为算法来计算图像的显着性图，确定图像的哪些部分最能引起人类的注意。

该模型称为itti Koch模型 你可以找到一篇起始论文here 还有更多资源和c++源代码here

【讨论】：

metafilter 的一个好处是您可以分配多个正确答案，这里我只有一个选择。我会

（续）..本来想给每个人一个绿色的勾，但这个答案给了我最有趣的探索方向，感谢大家

【参考方案2】：

我不能直接回答你的问题，但你真的应该看看艺术家/程序员（Lisp）Harold Cohen的绘画机Aaron。

【讨论】：

像许多从事技术工作的先驱艺术家一样，他早在 70 年代就开始从事这项工作，我认为他已载入史册。如果你能设法在某个地方见到他，他愿意将这个过程告诉其他程序员。

【参考方案3】：

这是一项艰巨的任务。您可能对图像矢量化感兴趣（不知道它的正式名称），它用于获取光栅化图像（例如您用相机拍摄的照片）并输出一组近似的贝塞尔线（我认为）您输入的图像。由于好的算法通常会输出非常高质量（阅读：复杂）的线集，您也会对可以提供巨大帮助的简化算法感兴趣。

【讨论】：

感谢 rcix，我打算花三个月左右的时间，经验表明会更长。

【参考方案4】：

很遗憾，我不在图书馆旁边，或者我可以推荐一些关于知觉心理学的书籍。

您首先必须考虑的是人眼的生理特性，当我们检查图像或场景时，我们一次只能捕捉到非常小的片段，因为我们的眼睛会快速四处移动。我们的大脑将不同的部分拼凑在一起，试图形成一个整体。

您可能首先要找到一种算法来计算眼球在四周飞舞时的路径。也许它被对比所吸引？

接下来是我们的眼睛根据上下文调整“曝光”。就像那些高动态范围的图像，如果它们不是通过对整个场景进行多次曝光，而是通过许多小图像拼凑在一起，每个图像都独立平衡，而是融入周围环境，形成一个高动态范围。

现在在猴子的大脑中发现，如果在其视野的左上角有一条对角线，就会有一个神经元亮起。可以在猴子视野的各个区域的垂直线和水平线中找到类似的神经元。 “对角线”决定了神经元放电的频率。

人们可能会推测可能会发现其他神经元并将其映射到其他特性，例如发红、纹理和其他事物。

有些事情是人类可以做到的，而我从未见过计算机程序能够做到。这就是所谓的“关闭”，人类能够填写他们所看到的东西的信息，而这些信息实际上并不存在于图像中。一个例子：

          *






*                    *

那是三角形吗？如果您提前知道它，那么您可能可以编写一个程序来连接这些点。但如果只是点呢？你怎么知道？我不会尝试这个，除非我有一些非常聪明的方法来处理那个。

还有许多其他关于人类感知的事实，您也许可以使用。祝你好运，你没有选择一个简单的任务。

【讨论】：

你给了我一个非常好的主意，如果我可以跟踪艺术家对源图像的注视，我可以确定图像中吸引注意力的关键区域、人脸等，并使用这是为了确定需要更加小心地复制图像的哪些部分。我想我会让三角形保持原样，三颗星，这表明了一种更好的方式来说明我的目标，以再现一个图像，该图像保留了传达图像大部分体验的特征。我不能希望绘制出看到图像的体验，我将把它留给观看者在三颗星中找到三角形

【参考方案5】：

我认为可以帮助您完成这项艰巨任务的是人类参与。我的意思是数据。就像你可以让很多人坐着盯着随机的点（就像上一篇文章中的一样），然后按照他们认为正确的方式连接它们。你可以利用这些数据。