椭圆形的肖像的阅读答案（共2篇）
我拿着书，一一对着画欣赏起来。不知不觉已至半夜，烛台的位置离我很远，我又不忍心唤醒酣睡的随从，费了好大力气才将烛台端在手中，以便照亮手中的这本书。
烛台上插着好多支蜡烛，交织的烛光照在了室内的一个壁龛上，原先这个壁龛被一根柱子遮住了。此时我转过身来才发现刚才根本没有注意到的一幅画，画的是一个妙龄少女。我朝画匆匆地瞥了一眼，就闭上了眼睛。连我自己都不理解为什么我会这样。稍后，我寻思一下，我之所以闭上眼睛是为了能平静地思考一下是否视觉欺骗了我，也是为了能定睛看个清楚。片刻之后，我便睁开眼睛仔细端详起这幅画来。
我已经看得很清楚，再也不用怀疑什么了。烛光把画面照得通亮，刚才那种恍惚的幻觉已经荡然无存了，我的神志也变得十分清醒。
正如我开始所见，画上是一个少女。只画了头部和双肩，用的是半身晕映画像法，和萨利的头像画法很接近。双膀、胸脯、明亮的头发和画面背景协调地融为一体。画框是椭圆形的，还镀了金，作为一件艺术品，这幅画真令人赞叹不已。但是，不论是作品的高超艺术，还是画中人的美色艳姿，都不至于这样突如其来地打动我的心弦。不管我怎样神志不清，总不会把画中人当成现实活动中的人。我半坐半倚，一边认真地思考着，一边还是紧紧地盯着画像。就这样，大约过了一个时辰。我逐渐领会到了这幅画的构思、画法、画框的特色以及其中的奥秘，于是我把烛台放回原来的地方，然后仰面躺在床上。是的，是画中人的神情逼真生动的魅力，才使我初见这幅画时心情十分激动，由于躺在床上看不到画像，于是我拿起那本评述这些绘画及指明出处的书来。翻到标明“椭圆形的肖像”的那一页，看到了如下一段文字枯涩、词句含蓄的说明：
“她是个绝代佳人，无忧无虑地过着日子。当她与画家一见钟情、结为夫妻之后，命运开始变化。画家勤奋好学、严肃矜持、酷爱艺术。她天真活泼、美丽可爱。她热爱一切，心里只恨被她视为情敌的艺术，她恨那些调色板、画笔等，因为令人生烦的画具夺走了他对她的爱。当她听说画家要给她画像的时候，又气又怕。但她天性温柔恭顺，为了丈夫她还是在塔楼顶上一间幽暗的小屋里一连坐了几个星期，那里仅有一缕光线从头顶照射到画布上。画家的心全部沉浸在他的作品中，已经忘却了世间除此之外的一切，因此他也丝毫没有注意到自己已经摧残了新娘的心。她毫无怨言，始终如一地展现着笑容，因为她开始理解这位享有盛名的画家的甘苦和如醉如痴的乐趣，是艺术的感召力使他夜以继日地专心绘画，她心里像一团火似的爱着他，可身体却日见憔悴。大凡见过这幅画的人，无不为之感动，皆认为它是一个奇迹。从画面上不仅可以看出画家精湛的技能，而且也可以看出他对妻子挚爱的深度。当他的工作接近尾声的时候，他的专心致志也到了发狂的程度，他不准许任何人进入塔楼，只顾两眼盯着画布，根本不理睬妻子的容貌。他甚至已经忘记了画布上涂抹的色彩来自妻子的朱颜。几个星期以后，除了嘴唇和眼睛尚未着色以外，其他部分都画好了。这时画家妻子的精神又突然地振作起来，于是，嘴唇和眼睛也画好了。待画稿完成后，画家站在自己用心血创作的画像前，一时看得出了神，过了一会儿，他不禁自言自语道：‘简直像活的一样!’说完他猛地转过头去看妻子，她已经死了!”
(有删改)
12.小说的标题“椭圆形的肖像”有何作用?请简要分析。(4分)
______________________________________________________________
______________________________________________________________
【解析】 本题考查分析小说标题的作用的能力。从语言风格上看，小说标题有设置悬念、吸引读者阅读兴趣的作用;从结构上看，有线索的作用;从内容上看，有点明写作对象的作用。从语言、结构、内容这些角度入手分析，不难得出答案。
【答案】 ①能让读者产生无穷的联想和想象，吸引读者的阅读兴趣。②点明了文章的写作对象，是文章的行文线索，本文是围绕椭圆形的肖像展开的。(每点2分)
13.赏析文中画线部分。(4分)
______________________________________________________________
______________________________________________________________
【解析】 本题考查品味精彩的语言表达艺术的能力。画线部分在文章第三段，紧承前文内容，交代了“我”看到椭圆形的肖像后的强烈反应。具体分析句子可知，“瞥”“闭”是动作描写，“连我自己都不理解”“我寻思”是心理描写，突出了人物的心理变化过程。同时，这一反应也说明了椭圆形的肖像画的技艺的高超。
【答案】 ①运用动作、心理等描写手法，生动传神地揭示了椭圆形的肖像给“我”带来的强烈震撼。②与上文的“神志不甚清醒”形成对比，突出椭圆形的肖像画的技艺的高超。(每点2分)
14.故事中的画家是一个怎样的形象?请分点概括。(6分)
______________________________________________________________
______________________________________________________________
【解析】 本题考查分析人物形象的能力。从题目来看，答案的信息来源都在最后一段。对画家进行介绍的句子很明确，“勤奋好学、严肃矜持、酷爱艺术”，那么具体是怎样的，还要从画家绘画的过程、与妻子的相处中去分析总结。注意作答时要分条，语言要简洁。
【答案】 ①勤奋好学、严肃矜持，工作起来就全身心投入。②对绘画有着超乎寻常的痴迷与执着，画技高超。③深爱妻子，但对艺术的爱超过了对妻子的爱。(每点2分)
15.鲁迅说“悲剧将人生的有价值的东西毁灭给人看”，画家和他的妻子的爱情悲剧中有价值的东西表现在哪里?请简要分析。(6分)
______________________________________________________________
______________________________________________________________
【解析】 本题考查探究能力。赏析爱情悲剧中有价值的东西，应从爱情双方分别加以分析。从画家的妻子的角度看，她爱画家，画家要给她画像，天性温顺的她在幽暗的小屋里一连坐了几个星期;她理解画家，毫无怨言，始终如一地展现着笑容，直至失去生命。从画家的角度看，画家酷爱艺术，全身心沉浸在创作中，忘却世间的一切;他把对妻子的挚爱融入精湛的绘画技能中，使画像像活的一样。将这些内容加以归纳，分点作答即可。
【答案】 ①画家的妻子为爱牺牲。她虽然“憎恨”艺术，但为了画家的艺术追求，依然给画家当模特。②画家为艺术的痴狂。画家为了艺术上的追求，可以废寝忘食，甚至可以忘掉身边的一切。③画家对爱的执着。画像之所以逼真，让观者震撼，是因为画中渗透着画家对妻子深沉的爱。(每点2分)
唐卡是流行于藏区的一种宗教卷轴画, 其题材包括了西藏文化的方方面面, 可以说是西藏文化的“百科全书”, 它不仅具有很高的艺术性, 而且是藏学研究领域极为珍贵的形象资料和实物史料, 在国内外都有极高的学术价值。因此, 近年来越来越多的学者对唐卡图像进行了深入的研究, 并在数字唐卡图像修复[1,2,3]、模式识别[4]以及唐卡图像语义检索[5,6,7]上取得了一些成果。
肖像类唐卡图像作为最具代表性的一类唐卡图像, 其具有非常丰富的特征属性, 如头饰、手势、法器和坐台等。其中, 头饰拥有非常丰富的宗教信息, 它是佛像地位和神圣性的体现。所以在一些研究中, 头饰已经被作为最重要的研究对象。钱建君等[5]通过手工的方式将头饰划定在一个较小的区域提取头饰的轮廓特征, 实现图像识别。然而, 随着数字唐卡图像的发展, 特别是在高层语义检索领域, 手动分割已经不再满足图像处理的需要。所以, 需要寻求一种自动分割唐卡头饰的方法。尹路等[8]研究发现, 通常在佛像头饰的背后有一个圆形的亮色区域, 唐卡图像称之为头光。在复杂而又丰富的唐卡全图中, 头光具有以下几个特点:第一, 颜色相对单一, 变化不大;第二, 基本上可以将头饰和头部区域包含在内;第三, 位置相对固定, 处于全图的中间偏上部位。因此, 尹路等[9]提出了一种以头光的定位和检测为基础的唐卡头饰自动分割算法。该算法首先通过阈值定位头饰所在的大概区域, 然后利用视觉注意力模型和区域连通性检测头光区域, 最后将被头光区域包围的区域作为头饰。
针对唐卡头光的上述特点, 本文提出了一种新的头饰分割方法, 该方法利用R H T圆检测的方法定位头饰所在区域, 并在此区域内利用头光颜色的空间分布特征、头饰外轮廓以及边缘检测结果实现头饰分割。本文方法的过程包括头饰区域定位、头光颜色提取、外轮廓提取、头饰初分割及边缘去噪。
2.头饰区域定位
针对唐卡头光区域呈圆形的特点, 本文采用R H T圆检测算法定位头光的大概位置, 并将其外切圆作为头饰区域。
2.1边缘线段采样策略
考虑到肖像类唐卡图像边缘复杂的特点以及为了降低随机采样的点数。本文采用ED Lines算法[10]对肖像类唐卡图像进行边缘线段检测, 该算法能够在线性时间内将连续的边缘点拟合成定位准确的且假线段较少的边缘线段, 使多个点映射到一条线段上, 这大大减少了边缘点数。如图1所示, 图1a采用C anny算子对肖像类唐卡图像进行检测, 边缘点数达到了23704个。图1b采用ED Lines算法检测出了227条线段和454个端点。比较图1中的两个图像可知, 图1a和图1b都比较准确地检测出了对象的边缘, 但是图1b更接近于对象的轮廓, 去除了不必要的细节, 减少了边缘点和噪声的数量。
为了减少无效采样的概率, 在随机选择出两条线段后, 需要对它们进行验证, 以确保它们的四个端点共圆。随机选择出的两条线段有两种关系, 一种是两条线段相互连接, 另一种是两条线段相离, 所以验证需要分为两步。验证方法如下:
(1) 线段夹角验证。当随机选择出的两条线段相互连接时, 若它们的夹角过小, 则认为它们接共线;若它们的夹角过大, 则认为它们是具有直角的图形 (如正方形等) 的一部分。因此, 根据文献[11], 本文将两条线段的最小夹角设置为6�, 最大夹角设置为60�, 仅当两条相互连接的线段的夹角取值在此范围内时, 才可能在同一个圆上。夹角计算公式如下:
其中Vi= (xi, yi) 和Vi+1= (xi+1, yi+1) 表示向量, Qi表示Vi和Vi+1的夹角。
(2) 圆幂定理验证。当两条直线相离或满足线段夹角验证时, 采用圆幂定理验证两条线段的四个端点是否共圆。首先计算出两条线段的交点P, 以及交点P到四个端点的距离 (PA、PB、PC、PD) , 再计算出|PA·PB-PC·PD|。最后, 当|PA·PB-PC·PD|<ε, (ε是误差允许量) , 则认为随机选出的两条线段在同一个圆上。
2.2圆参数计算
根据上述采样策略随机选择的两条线段上的四个端点满足任意三点都不共线。设P1, P2, P3是两条线段上的任意三个端点, 即有 (x2-x1) (y3-y1) - (x3-x1) (y2-y1) ≠0。圆O的中心坐标为C (a, b) , 半径为r, 则根据文献[12]得到圆O的参数分别为:
由于肖像类唐卡图像的头光区域都是关于X=w/2对称的[4], w表示图像的宽, 所以只要圆心满足|a-X|<α (α是允许误差) , 则认为该圆参数是候选圆的圆参数。
2.3真圆确认
为了去除虚假圆和使圆满足人类视觉感知特性。本文结合文献[12]和文献[13]中去除虚假圆的方法。首先, 计算圆上所有线段的长度和, 并对其归一化:
其中, n表示圆上的线段数, (xi1, yi1) , (xi2, yi2) 分别表示第i条线段的第一个端点和第二个端点的坐标, χc表示归一化后的参数, 2πr表示圆的周长。然后, 计算圆上目标线段分布状态的模糊置信度:
其中, A (n) 表示圆内接n边形的面积, 表示当条线段的n个端点在圆上以均匀离心角分布时, 圆内接标准n边形的面积。最后, 将χc与χd结合起来, 首先利用χc去除错误累积造成的虚假圆, 然后再利用χd从同一个圆的多个输出中提取出最接近视觉感知特性的圆作为唯一输出。这样, 进一步提高了圆检测准确性。
最后, 将圆的外切矩形作为头饰区域。图2是圆检测和头饰区域提取的结果。
3.头光颜色提取
上述圆检测过程已经提取出了头饰区域 (图2b) , 该区域主要包含了头光区域、头饰和脸部。其中, 头光区域所占的比例最大, 属于头饰区域中的背景部分, 并且头光区域内颜色具有良好的一致性以及其像素点分布在头饰和脸部的外侧[8], 靠近头饰区域的边缘。因此, 本文利用头光区域颜色的空间分布特征来检测头光区域的颜色。
3.1颜色量化
唐卡所运用的色彩以红、黄、蓝、白、黑、绿、金、银色为主[14]。粉红色是头饰区域中常用的颜色之一。金、银这两种颜色很少用到。由于人脸的存在, 需要将黄色细分为棕黄色和黄色。因此, 本文只考虑唐卡头饰区域中的红色、粉红色、黄色、棕黄色、蓝色、绿色、白色和黑色这8种颜色。
本文在改进的H SV颜色空间[15]内对颜色进行量化。量化方法如下:
当像素点的颜色在黑白区域内 ( (s<0.1&&v>0.8) | (v<0.15) ) 时, 通过饱和度 (s) 和亮度 (v) 进行量化。当像素点的颜色在彩色区域时, 通过色调 (h) 进行量化。每一个数字都代表一种颜色, 其对应关系如表1所示。图3a是头饰区域量化结果的灰度图, 在该图中头光区域具有一致的灰度值, 其量化后的颜色是绿色。图3b是量化后头饰区域内颜色的统计结果, 从该图可以看出头光颜色在头饰区域中占据的比例最大。
3.2颜色提取
从图2b和图3可以看出, 相对纯色的头光区域将头饰和脸部包围在内部, 其像素点的分布集中在头饰区域的左右两侧和上方, 且头光区域是对称的。本文正是采用这一特点来提取头光区域颜色。具体步骤如下:
(1) 将头饰图像归一化到统一的大小 (150×150) , 并进行分块处理, 每一个分块的大小为3×3。
(2) 计算出每一分块的分块主色[15], 并将分块主色的颜色索引值放入分块颜色矩阵 (矩阵大小为50×50) 的对应项中, 若分块主色为红色, 则分块颜色矩阵对应项的值为0。由于圆检测算法提取的头饰区域会将圆外的像素点带入到头饰区域中, 从而带来干扰。为了降低干扰, 需要将头饰区域的范围适当缩小。所以本文在计算分块的主色时, 设置了一个阈值χ, 只有当分块内所有像素点到圆心距离的平均值小于χ时, 才计算该分块的主色。否则, 在分块颜色矩阵中将与该分块对应的项设置为-1。
(3) 将上一步得到的分块颜色矩阵中值为-1的行和列去掉, 得到新矩阵M。在此新矩阵中, 分别统计在x=c/2, (c是M的列数) 的左右两侧都出现过的颜色以及出现的次数, 只有当左右两侧同一种颜色出现次数满足一定条件时, 该颜色才被作为候选头光颜色。设左侧颜色出现次数lnumi, 右侧颜色出现次数rnumi, i表示颜色索引。当|rnumi-lnumi|<α (α为允许误差) 时, 索引i对应的颜色是满足左右对称的颜色, 并将其作为候选头光颜色。
(4) 统计M中前n/2-1 (n是M的行数) 行中出现次数最多的颜色j (j是颜色索引) , 当i=j时, 表示索引j (或者i) 对应的颜色是头光颜色, 并记为cindex。如图3a所示的头光颜色索引为cindex=3。
4.头饰轮廓提取
如图2b和图3a所示, 除了头光之外, 部分头饰也被量化成了头光的颜色。所以, 需要将头饰的轮廓补全。根据文献[8]可知头饰一定在头光区域的内部, 所以只需要在头光区域的内部获得头饰的边缘像素点, 再和头光区域的内轮廓叠加, 就形成了完整的头饰轮廓。具体方法步骤如下:
(1) 将所有颜色索引值不为cindex以及分块平均距离大于χ的像素点的颜色值设置为黑色, 其余设置为白色, 生成一幅头光区域二值图像 (图4a) 。
(2) 提取上述二值图像的外轮廓。由于头饰大小和颜色量化的问题, 可能会提取出多个外轮廓, 所以需要去除多余的外轮廓。本文首先获得面积最大的外轮廓, 然后将其余外轮廓的面积与其面积相比, 并将差值大于某一阈值的外轮廓去除, 获得最后的头光区域外轮廓 (图4b) 。经过统计, 阈值设定为1000。
(3) 采用文献[16]中的方法对图2b进行边缘检测 (图4c) 。
(4) 对外轮廓图 (图4b) 的每一行从左至右扫描, 获得每一行外轮廓的第一个点和最后一个点的x值 (m inx、m axx) ;然后根据边缘检测结果 (图4c) , 获得每一行位于m inx和m axx之间的所有边缘点, 生成头饰边缘图像 (图4d) 。
(5) 在外轮廓图中 (图4b) , 提取最内层的轮廓 (图4e) , 并将此轮廓和上一步获得的头饰边缘叠加 (图4d) , 形成完整的头饰轮廓 (图4f) 。
(6) 建立一个与图像大小相等的二维数组, 用来存放轮廓信息, 使每个像素点对应二维数组中的一个元素。如果一个像素点是白色, 则将其相对应的二维数组中的数字赋值1, 否则, 赋值为0。
(7) 在上述二维数组内寻找连通区域, 并将轮廓点数大于100的轮廓作为头饰的最后轮廓 (图4g) 。
5.头饰初分割及边缘去噪
(1) 头饰初分割
在头饰轮廓提取完成以后, 对头饰轮廓 (图4g) 的每一行进行扫描, 获得每一行头饰轮廓的第一个点和最后一个点的x值 (m inx、m axx) ;然后在头饰图像 (图2b) 中, 将每一行位于m inx和m axx之间的图像信息显示出来, 就完成了对头饰的初步分割。除了有效的头饰信息外, 其他背景全部涂成白色。如图5a所示。
从图5a可以看出来, 头饰虽然被分割出来了, 但是边缘处附着了很多头光的颜色信息, 不够平滑, 影响分割的视觉效果。所以需要对分割出来的头饰进行边缘去噪。
(2) 边缘去噪
去除头饰边缘的多余图像信息, 主要是原有的头光色彩没有切分干净, 这些冗余信息会模糊真正的头饰边缘。具体的边缘去噪做法是, 首先统计头光区域的平均颜色;然后计算头饰边缘像素点的颜色与该平均颜色的色差;最后将色差小于某一阈值的像素点的像素值设为白色, 其余保持不变。图5b是头饰最终分割结果。
6.实验结果及分析
本文的3个实验是在3.00G B内存的Inter C ore22.66G H z计算机上用V C++和O pen C V编程实现的。实验图像的大小为 (360×360) , 每个图像具有不同类型的头饰, 分别为发簪、僧帽和头冠。
为了测试本文算法的性能, 将其与文献[9]提出的基于显著图的头饰分割算法进行比较, 本文称文献[9]中的方法为H D B SM算法。本文提出的头饰分割算法和H D B SM算法都需要先定位头饰所在的区域, 头饰分割的准确度和完整性, 很大程度上取决于头饰区域定位的准确性。H D B SM算法获得头饰区域的方法是设定4个阈值, 这4个阈值分别表示了头饰区域4个边界相对于原唐卡图像 (如图2a) 4个边界的相对位置, 而本文算法是通过R H T圆检测的方法来提取头饰区域。由于唐卡图像头饰区域的位置参数是未知的, 而且分割的完整性也无法用数据说明, 所以只能从视觉角度对这两种算法进行评价。
实验1.在肖像类唐卡图像中, 如图6a所示的这类图像是比较常见的形式。在该类型图像中, 主尊位于图像的中心区域且在整幅图像中占据的比例较大, 这使头饰区域的位置靠近图像的上边缘。因此, H D B SM算法采用的4个阈值刚好将头饰限定在一个较好的区域内 (图6d) , 所以提取的效果也很好 (图6e) 。图6b和图6c分别为本文算法定位的头饰区域和分割的头饰图像, 从图6b和图6d中可以看出本文提取出的头饰区域比H D B SM算法提取出的头饰区域更加准确。在这种情况下, 这两种算法都能完整、准确地分割出头饰。
实验2.在构图上, 图7a和图6a是一样的, 都是主尊位于中心区域, 不同的是主尊所占的比例。图6a主尊在整幅图像中所占比例达到了80%以上, 而图7a主尊所占比例大约在50%~60%之间, 这导致头饰区域的位置靠近中心。所以, 由于固定阈值设定的问题导致H D B SM算法提取出的头饰区域定位不准确。如图7d所示, 该头饰区域没有包括全部的头饰, 导致最终的分割结果只包含了部分头饰 (图7e) 。H D B SM算法获得的头饰区域实质上是人为规定的区域范围, 虽然该区域的位置和大小可以根据图像的大小自动变化, 但是当图像中主尊大小发生变化时, 这种区域定位的方式将不再准确。而本文通过R H T圆检测算法定位主尊的头饰区域, 圆检测算法可以自动识别出图像中的圆形对象, 并获得该对象的圆心和半径。所以, 本文方法可以自动获得头饰区域的位置和大小, 如图7b所示。在这种情况下, 本文算法可以获得较完整的头饰, 如图7c所示。
实验3.图6a和图7a中主尊的头饰都被完全包含在头光之中, 所以H D B SM算法可以分割出头饰。但是对于图8a中的主尊头饰, 由于头饰较大, 没有完全包含在头光之中, 造成在寻找连通区域定位头背光时, 定位的不完全, 所以该算法无法分割出头饰。如图8d所示, 白色区域为该算法定位出的头光区域。本文算法是根据头光的颜色来定位头光区域的, 在图8a所示的头饰区域中, 头光区域的颜色被量化为绿色, 颜色索引值为3。将所有颜色索引值为3的像素点的颜色值设置为白色, 如图8b所示, 白色区域为本文算法定位的头光区域。从该图可以看出本文算法定位出了全部的头光区域。图8c是本文算法分割出的头饰。
7.结语
针对肖像类唐卡图像头光区域呈圆形的特点, 利用R H T圆检测算法自动定位和剪切头饰区域, 并在此基础之上, 根据头光区域颜色的空间分布特征、头饰外轮廓以及头饰边缘检测结果实现头饰的自动分割。实验结果表明, 本文提出的头饰分割算法, 可以准确地定位头饰区域, 并且不会因为主尊比例和头饰大小的变化而导致头饰分割的不完整。但是对于不存在圆形头光和头光颜色不纯以及头饰和头光颜色相近的唐卡图像不能检测出其头饰, 这是下一步的研究工作。
摘要：针对肖像类唐卡图像头光区域呈圆形的特点, 将圆检测算法应用到肖像类唐卡图像头光区域的定位中, 并在此基础之上提出了一种自动分割头饰的算法。该算法首先利用圆检测算法定位出头光所在的大概位置;然后利用头光颜色的空间分布特征、头饰外轮廓以及边缘检测结果实现头饰分割。实验结果表明, 该算法在肖像类唐卡图像头饰的分割中具有头饰定位准确的特点, 并且主尊比例和头饰大小的变化不会影响分割效果。
