摘要：在动画电影领域,现有目标检测方法存在清晰度不佳、对比度较低的问题。为此,本文介绍了一种改进YOLOv8的动画电影视觉图像目标检测方法。该方法改进YOLOv8结构,提出了YOLOv8-WSX模型,在主干网络中加入SGE模块,变换原始图像中每个像素的灰度值,基于动画电影图像具有独特的背景特性,依据背景值对识别结果进行放大处理,针对图像中的细节部分实施颜色衰减操作,利用颜色特征和空间特征计算目标视觉特征值,最终得到目标视觉特征。

　　关键词：改进YOLOv8；动画电影；视觉图像；目标检测

　　0引言

　　当下,电影产业蓬勃发展,动画影片以其独特的视觉风格,向观众传达创意想法、引发情感共鸣。动画电影中精心雕琢的角色造型与场景布置图像蕴含着海量信息,其本质是视觉艺术的一种表现形式,凭借精妙的视觉设计,推动着故事情节的发展,在潜移默化中对观众的情感与思维产生深远影响[1]。但在一些复杂的动画场景中,现有的目标检测算法对角色与背景视觉图像细节处理效果较差,导致目标检测准确率较低。

　　改进YOLOv8算法通过优化特征网络,引入注意力机制突出角色与背景图像目标检测位置,进一步提升检测效率。为此,本文提出改进YOLOv8的动画电影视觉图像目标检测方法,基于YOLOv8-WSX模型,实现动画电影视觉图像目标检测,提高目标检测率,为动画电影的智能化发展提供技术支持。

　　1改进YOLOv8算法

　　本文以YOLOv8算法为基准网络,将其应用于视觉图像目标检测中,可以提高检测速度与精准度。然而,YOLOv8在检测一些特定类型的动画电影视觉图像目标时存在不足,比如距离镜头较远、像素低、分辨率差,以及背景包含树木、花草等复杂元素的图像目标。鉴于此,本文针对YOLOv8的结构开展了一系列改进工作,提出了YOLOv8-WSX模型,其结构如图1所示。具体改进内容为在主干网络中引入SGE模块,增强模型对角色画面遮挡样本的检测性能。

　　2动画电影视觉图像预处理

　　2.1动画电影视觉图像去噪处理与灰度变换

　　为了有效应对噪声问题,本文引入均值滤波器算法,对动画电影角色脸部的视觉图像噪点进行专业且精准的去噪处理。其基本原理是选定一个动画图像模板,以图像中的目标像素点为核心,将其周边特定区域内的其他像素点汇聚起来,共同构建成滤波器模板。在后续的计算环节,排除目标像素点自身的数值干扰,对模板内其余所有像素点的值进行细致的求取平均值操作。

　　为防止去噪处理后的动画电影角色轮廓边缘变得平滑模糊,在完成去噪操作后,需对像素点开展线性滤波处理,以确保角色轮廓边缘细节清晰。构建灰度映射关系,对原始图像中每个像素的灰度值实施变换。通过动态变换操作,降低光芒区域的亮度或增强图像的对比度,使电影中的各种物体更加清晰可辨,达到动画图像增强的目的。

　　2.2动画电影视觉特性识别

　　结合图像灰度变换结果,在动画电影中设定像素点,将其划分为角色片段、场景片段和特效片段等不同的视觉处理片段,对应设置测定节点,并根据实际需求,对动画电影中的角色图像进行视觉特性的定向识别处理[2]。设定基础指标参数测定表,如表1所示。

　　根据表1提供的基础指标参数标准和调整范围,整合动画电影视觉图像特征,提升动画电影的视觉质量。

　　2.3动画电影视觉图像细节颜色衰减处理

　　在动画电影图像分析领域,为深入挖掘图像内在特征,引入先验图谱知识作为关键要素,取代动画电影图像中所存在的暗原色成分。在此基础上,融合模糊特征分解方法,确定动画电影场景的中心距Π(α,β),如式（1）所示：

　　式中,μ1为场景圆心坐标；μ2为初始场景图像的点坐标[3]。基于上述基础,提出一种基于颜色空间分解的图像增强方法,融合引导滤波器的暗信道知识,深入挖掘图像信息。对动画电影图像进行处理,获取其在HSV色彩空间下的直方图。依据动画电影图像的背景值对识别结果进行放大处理,区分出动画电影中的背景和前景区域,对于前景区域中图像的细节部分,实施颜色衰减处理。

　　3动画电影视觉图像目标检测实现

　　针对图2测试图像,利用改进YOLOv8方法计算目标视觉特征,检测得出灰度图像,如图3所示。由图3可知,所提方法在处理过程中能够有效抑制背景产生的噪声因素,突出目标物体的关键特征,减少背景信息对目标检测的干扰。

　　4结语

　　本文以YOLOv8算法作为基准网络,对YOLOv8的结构进行了一系列改进。在去噪处理后,对电影图像的像素点进行线性滤波处理,实现图像灰度动态变换,提出了一种基于颜色空间分解的图像增强方法,利用颜色特征和空间特征计算目标视觉特征值,最终实现对目标视觉特征的检测。实验验证了改进方法可以有效提升整体的增强效果。

参考文献

　　[1]胡贵恒.基于机器视觉的二维动画图像分割方法[J].齐齐哈尔大学学报(自然科学版),2024,40(3):16-21.

　　[2]凌本新.动画图像细节模糊增强方法研究[J].兵工自动化,2025,44(1):57-61.

　　[3]徐秋梅.基于同态滤波的二维动画图像边缘细节增强方法[J].通讯世界,2024,31(11):157-159.