De izquierda a derecha: el original, equipado con un campo (campo de cuadro) y el resultado final. Basado en una imagen de mapa de bits ruidosa en escala de grises, se calcula un campo enmarcado que está alineado con las líneas de la imagen. En ángulos agudos como las intersecciones X y T, los vectores se superponen en ambas direcciones. Luego se extrae la topología del dibujo de este campo, y se realiza la generación final de curvas vectorialesLa vectorización de imágenes es un componente fundamental del flujo de trabajo en diseño gráfico, tecnología y animación por computadora. Transforma dibujos aproximados de artistas y diseñadores en curvas suaves necesarias para la edición.
Los primeros algoritmos de vectorización de imágenes aparecieron a principios de la década de 1990 y
utilizado en herramientas de edición de vectores como Adobe Illustrator (Live Trace), CorelDRAW (PowerTRACE) e Inkscape. A pesar de su adopción generalizada en la industria, estos algoritmos aún sufren serias deficiencias y están en desarrollo activo. En varias industrias donde la vectorización es crítica, incluida la animación tradicional y la ingeniería, a menudo se realiza manualmente. Los diseñadores trazan minuciosamente la imagen escaneada utilizando herramientas de dibujo.
Desafortunadamente, los algoritmos modernos, incluso para dibujos limpios, no vectorizan con precisión las intersecciones X y T, por lo que se obtienen dibujos vectoriales con conectividad incorrecta. Debido a estos problemas, los diseñadores a menudo dudan en usar herramientas de vectorización automáticas. Su fiabilidad está en duda. Más precisamente, este fue el caso hasta que dos investigadores, Mikhail Bessmeltsev y Justin Solomon, del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del Instituto de Tecnología de Massachusetts, adaptaron los conocidos algoritmos matemáticos para vectorizar imágenes de mapa de bits.
El procesamiento incorrecto de uniones e intersecciones de líneas es el principal inconveniente de todos los algoritmos de vectorización. Estos errores conducen a la generación de una topología incorrecta y una falla en la conectividad. El nuevo método de vectorización se basa en algoritmos matemáticos modernos para procesar campos enmarcados. El algoritmo está especialmente adaptado para eliminar la ambigüedad en las uniones de líneas sin pérdida de calidad.
a) El enfoque local para la vectorización de transición, propuesto por Noris y colegas en 2013, puede conducir a conexiones incorrectas o inexactas. b) El método Favreaux et al. (2016) puede producir un resultado que se desvía significativamente del ráster original. (c) El nuevo método propuesto por Bessmeltsev y Solomon es superior a los diseños de vectorización anterioresEl problema se ve exacerbado por el ruido de los gráficos ráster originales, que permanece después de escanear el original en papel. La interrupción de la conectividad no permite el uso de herramientas automáticas de relleno / color, es decir, tales dibujos vectoriales todavía deben ser recordados manualmente.
Dados estos problemas de los métodos existentes, los autores del trabajo científico propusieron un nuevo método de rastreo para imágenes, incluidas aquellas con procesamiento especial de intersecciones en forma de T y X, donde la información inicial puede interpretarse de manera ambigua. La principal innovación técnica es el uso de un campo aparejado con dos pares de vectores para cada punto en el plano.
En un campo aparejado, al menos una dirección, el campo está alineado en la curva original, y cerca de las intersecciones X y T, está alineado en ambas direcciones.Los autores del trabajo científico dicen que los campos equipados son lógicos y naturales para seguir la orientación de las curvas en transiciones tan nítidas, pero por alguna razón nunca se han utilizado para vectorizar imágenes. Los resultados mostrados demuestran que la calidad de la vectorización es significativamente mayor que la de los métodos anteriores. Incluso en originales muy ruidosos, la geometría de las curvas no se pierde y coincide con los estilos originales.
Ejemplos
(la imagen de alta resolución se abre al hacer clic)
Sensibilidad de la herramienta a pequeños cambios en la imagen original.
El método no es sensible a la resolución de la imagen original.
La vectorización funciona bien incluso en un original muy ruidosoLa nueva herramienta facilitará enormemente la vida de los diseñadores e ilustradores: “Según una estimación aproximada, ahorrará de 20 a 30 minutos al trabajar con herramientas automatizadas [en cada imagen]. Este es un resultado significativo para los animadores que procesan muchos bocetos ”,
dice Mikhail Bessmeltsev, autor principal del trabajo científico, ex empleado de CSAIL y ahora profesor asistente en la Universidad de Montreal. "Esperamos hacer que las herramientas de vectorización automatizadas sean más convenientes para los artistas que se preocupan por la calidad de su trabajo".
El artículo científico se
publicó el 5 de enero de 2018 en el sitio de preimpresión arXiv.org (la
segunda versión del artículo es el 5 de septiembre de 2018, arXiv: 1801.01922v2). Se acepta su publicación en la revista científica
ACM Transactions on Graphics .