1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

フキダシの輪郭を楕円から超楕円にする

1
Posted at

楕円のフキダシは一回り大きい

マンガのフキダシ(吹き出し)をプログラムで描くとき、輪郭は楕円にするのが定番です。中心と半径 2 つで決まるし、包含判定もしっぽの計算も簡単なので、よく使われているのを見ます。

ところが、複数行のセリフを入れると気になることがあります。

  • 文字ブロックは矩形なので、楕円で囲むと四隅を通すために全体が一回り膨らむ
  • 上下の端に向かって急速に幅が狭くなり、そこには文字を置けないのに面積だけ食う
  • 結果としてコマの中でフキダシばかり大きく見える

要するに「矩形を楕円で囲むのは効率が悪い」という話です。矩形の半幅を $w$、半高を $h$ とし、中心を矩形の中心に置いて主軸を矩形の辺と平行にとると、四隅 $(\pm w, \pm h)$ を通る最小面積の楕円は縦横とも $\sqrt{2}$ 倍、つまり 1.414 倍になります。

01_concept.png

これを楕円の式に指数を 1 つ足しただけの 超楕円(ラメ曲線) に置き換えると、同じ文字が一回り小さい輪郭に収まります。右の図がそれで、1.26 倍で済んでいます。今回はその式と、フィット・包含判定・しっぽの計算を超楕円に置き換える方法をまとめます。

式

楕円は

\left(\frac{x}{r_x}\right)^2 + \left(\frac{y}{r_y}\right)^2 = 1

です。指数の 2 を $n$ に一般化したものが超楕円で、

\left(\frac{|x|}{r_x}\right)^n + \left(\frac{|y|}{r_y}\right)^n = 1

と書けます。$n = 2$ が楕円と完全に一致し、$n$ を上げるほど上下左右の辺が平らになって角丸矩形に近づきます。$n \to \infty$ の極限では、内部を含む領域 $\left(|x|/r_x\right)^n + \left(|y|/r_y\right)^n \le 1$ が矩形 $|x| \le r_x,\ |y| \le r_y$ に収束します(有限の $n$ で矩形になるわけではありません)。絶対値がついているのは $n$ が奇数や非整数のときに負の座標で困らないようにするためです。

$n$ は正の実数なら何でも取れますが、$n < 1$ では内部が凸でなくなって星形になります。この記事ではフキダシ用途に絞って $n \ge 2$ だけを扱います。$n \ge 1$ なら内部は凸なので、後で出てくる「四隅を含めば矩形全体を含む」という話が成り立ちます。

描画には媒介表示を使います。

\begin{aligned}
x(t) &= r_x \, \mathrm{sgn}(\cos t) \, |\cos t|^{2/n} \\
y(t) &= r_y \, \mathrm{sgn}(\sin t) \, |\sin t|^{2/n}
\end{aligned}
\qquad t \in [0, 2\pi)

$n = 2$ を入れると $x = r_x \cos t,\ y = r_y \sin t$ に戻るので、楕円の描画ルーチンの指数を差し替えるだけです。

包含判定(文字が輪郭からはみ出していないか)も同じ式で、

\left(\frac{|x|}{r_x}\right)^n + \left(\frac{|y|}{r_y}\right)^n \le 1 + \varepsilon

です。$\varepsilon$ は境界上の点を浮動小数の誤差で弾かないためのもので、$10^{-6}$ 程度にしています。

Python で書くとこれだけです。

import math

def sgn(v):
    return -1.0 if v < 0 else 1.0

def se_point(rx, ry, n, t):
    """超楕円の媒介表示"""
    c, s = math.cos(t), math.sin(t)
    return (rx * sgn(c) * abs(c) ** (2.0 / n),
            ry * sgn(s) * abs(s) ** (2.0 / n))

def se_outline(rx, ry, n, steps=360):
    return [se_point(rx, ry, n, 2 * math.pi * i / steps) for i in range(steps)]

def se_contains(rx, ry, n, x, y, eps=1e-6):
    return (abs(x) / rx) ** n + (abs(y) / ry) ** n <= 1.0 + eps

同じ矩形に対して $n$ を変えたときの輪郭がこちらです。

02_n_sweep.png

矩形にフィットさせる

半幅 $w$、半高 $h$ の矩形を囲む超楕円のうち、面積が最小のものを求めます。ここで動かすのは $r_x, r_y$ だけです。指数 $n$ は決め打ちで、中心は矩形の中心、軸は矩形の辺と平行に固定します($n$ まで動かしてよいなら $n \to \infty$ で矩形に潰れてしまい、比較になりません)。

内部は凸なので、四隅を含めば矩形全体を含みます。しかも最適解では四隅が必ず輪郭上に乗ります。もし四隅が内側に浮いていたら、$r_x, r_y$ を共通の倍率で少し縮めても矩形を含んだままで、面積をさらに減らせるからです。そこで制約は等号で

\left(\frac{w}{r_x}\right)^n + \left(\frac{h}{r_y}\right)^n = 1

と置けます。$a = (w / r_x)^n$、$b = (h / r_y)^n$ とおくと $a + b = 1$ で、面積のほうは

r_x r_y = w h \, (ab)^{-1/n}

です。つまり $ab$ を最大にすればよく、相加相乗平均の不等式から $ab \le \left(\frac{a + b}{2}\right)^2 = \frac{1}{4}$、等号は $a = b = 1/2$ のときです。したがって

r_x = 2^{1/n} \, w, \qquad r_y = 2^{1/n} \, h

になります。$n = 2$ なら $\sqrt{2} = 1.414$、$n = 3$ なら $\sqrt[3]{2} = 1.260$ 。冒頭の図の数字はこれです。

def fit_rect(w, h, n):
    """半幅 w, 半高 h の矩形を囲む、n 固定・軸平行の超楕円のうち面積最小の (rx, ry)"""
    k = 2.0 ** (1.0 / n)
    return w * k, h * k

行ごとに長さが違うなど、文字ブロックが矩形でない場合は輪郭の点群に対してフィットします。縦横比 $k = r_y / r_x$ を固定すれば、点群を全部含む最小の $r_x$ は

r_x = \max_{(x, y)} \left( |x|^n + \left|\frac{y}{k}\right|^n \right)^{1/n}

と一発で求まるので、$k$ を適当な範囲で走査して $r_x r_y$ が最小のものを採ります。楕円のときに hypot で書いていた部分の指数が $n$ になるだけです。

ただしこれは $k$ を有限個に離散化した探索なので、返ってくるのは「探索した範囲と刻みの中で最小だったもの」で、真の最小面積を保証するものではありません。最適な $k$ が k_lo と k_hi の外にあれば div をいくら増やしても見つかりませんし、点群に文字の四隅しか入れていなければ、含まれるのが保証されるのはその凸包までです。フキダシ用途では十分ですが、そういう近似だと思って使ってください。

def fit_points(points, n, k_lo=0.25, k_hi=4.0, div=48):
    """点群を囲む超楕円を、縦横比 k = ry/rx の離散探索で近似的に面積最小化する"""
    best = None
    for i in range(div + 1):
        k = k_lo * (k_hi / k_lo) ** (i / div)
        rx = max((abs(x) ** n + abs(y / k) ** n) ** (1.0 / n) for x, y in points)
        ry = k * rx
        if best is None or rx * ry < best[0] * best[1]:
            best = (rx, ry)
    return best

同じ文字ブロックでの比較

文字サイズ 10、行送り 1.35、余白 0.4 文字分で、縦書き 2 種と横書き 1 種を並べました。参考にカプセル(両端が半円の角丸)も点線で入れてあります。

03_compare.png

外接矩形の寸法(幅 × 高さ)はこうなります。

ケース 文字ブロック 楕円 n=2 n=2.5 n=3 カプセル
縦書き 3行×8字 37 × 80 64 × 124 59 × 116 57 × 111 48 × 120
縦書き 5行×10字 64 × 100 102 × 153 95 × 143 91 × 136 78 × 156
横書き 3行×12字 120 × 37 181 × 64 169 × 59 161 × 57 163 × 46

$n = 3$ で幅・高さがそれぞれ約 11% 縮み、外接矩形の面積は約 21% 減ります($2^{1/3} / \sqrt{2} = 0.891$ の 2 乗)。楕円は上下端に向かって細くなりながら四隅に届かせているのに対し、$n = 3$ は上下端が文字ブロックの幅をほぼ保ったまま角を包んでいるのが図から分かります。

カプセルは外接矩形だけ見ればさらに小さいのですが、直線区間が長いぶん機械的に見えやすく、後述するしっぽの根元が直線部に来たときに三角形が浮きます。

しっぽ

フキダシにはしっぽ(口元に向かう三角形)が要ります。楕円のときは「中心から口元方向に見た縁までの距離」と「縁の点に対応する媒介変数 $t_0$」を出して、そこから曲線に沿って左右に歩いて根元の 2 点を決めていました。超楕円でも同じ構成で書けます。

口元の相対位置を $(d_x, d_y)$、その距離を $d = \sqrt{d_x^2 + d_y^2}$ とします。口元が中心に一致すると方向が決まらず以下の式は $0/0$ になるので、口元は中心と異なる点であることを前提にします。その方向の縁までの距離は

\mathrm{edge} = \frac{d}{\left( \left(\frac{|d_x|}{r_x}\right)^n + \left(\frac{|d_y|}{r_y}\right)^n \right)^{1/n}}

です。方向ベクトルを $s$ 倍したときに式の左辺が $s^n$ 倍になることから出てきます。

縁の点の媒介変数は、媒介表示を逆に解いて $|\cos t| = (|x| / r_x)^{n/2}$ なので

t_0 = \mathrm{atan2}\left( \mathrm{sgn}(d_y) \left|\frac{d_y}{r_y}\right|^{n/2},\ \mathrm{sgn}(d_x) \left|\frac{d_x}{r_x}\right|^{n/2} \right)

となります。縁の点を $(x, y) = s,(d_x, d_y)$ と書くと、atan2 の両引数に共通して $s^{n/2}$ が掛かるだけで打ち消し合うので、縁の点でなく口元の座標 $(d_x, d_y)$ をそのまま入れて構いません。

def se_edge(rx, ry, n, dx, dy):
    """中心から (dx, dy) 方向に見た縁までの距離"""
    dist = math.hypot(dx, dy)
    return dist / ((abs(dx) / rx) ** n + (abs(dy) / ry) ** n) ** (1.0 / n)

def se_param_of_dir(rx, ry, n, dx, dy):
    """(dx, dy) 方向の縁の点に対応する媒介変数 t"""
    return math.atan2(sgn(dy) * abs(dy / ry) ** (n / 2.0),
                      sgn(dx) * abs(dx / rx) ** (n / 2.0))

def walk(rx, ry, n, t0, arc, steps=2000):
    """t0 から曲線に沿って符号付き弧長 arc だけ歩いた点 (折れ線で近似)"""
    dt = (2 * math.pi / steps) * (1 if arc > 0 else -1)
    remain = abs(arc)
    t = t0
    p = se_point(rx, ry, n, t)
    while remain > 0:
        q = se_point(rx, ry, n, t + dt)
        seg = math.hypot(q[0] - p[0], q[1] - p[1])
        if seg >= remain:
            f = remain / seg
            return (p[0] + (q[0] - p[0]) * f, p[1] + (q[1] - p[1]) * f)
        remain -= seg
        t += dt
        p = q
    return p

def tail_shape(rx, ry, n, mouth, base_half):
    """しっぽの三角形 (根元 2 点 + 口元)"""
    dx, dy = mouth
    t0 = se_param_of_dir(rx, ry, n, dx, dy)
    a = walk(rx, ry, n, t0, +base_half)
    b = walk(rx, ry, n, t0, -base_half)
    return a, b, (dx, dy)

赤丸が縁の点、緑の四角が曲線に沿って歩いた根元の 2 点です。walk は小区間の折れ線の長さを足していくので、歩いているのは弧長(の折れ線近似)です。

04_tail.png

超楕円でも $t$ は弧長パラメータではなく、とくに $n > 2$ では場所によって $t$ あたりの進む距離の差が大きくなりやすいので、根元は角度ではなく弧長で歩くのが大事です。角度で $\pm \Delta t$ してしまうと、平らな辺のあたりで根元の幅が場所によって変わります。同じ理由で、se_outline のように $t$ を等間隔に刻んだ輪郭は点の間隔が一定ではありません。線を太く描く程度なら問題ありませんが、きれいに描きたいなら弧長で再サンプリングするか適応分割するのが候補になります。

実際に文字を入れると

同じセリフを同じサイズで入れ、しっぽも同じ口元に向けています。

05_real.png
右のほうが手描きのフキダシに近い丸みで、なおかつ小さい。左の楕円は上下に文字のない空間が目立ちます。

なぜカプセルではなく超楕円か

角丸矩形やカプセルで描く手もあるのに超楕円にしたのは、次の理由からです。

  • 1 本の式で楕円を含む。 $n = 2$ が楕円そのものなので、フィット・包含判定・しっぽの縁計算・叫びや思考型の変調が、すべて同じ関数に指数を渡すだけで済みます。カプセルは直線と円弧の場合分けが要り、しっぽの根元計算を別に書くことになります。
  • 既存のデータを壊さない。 $n > 2$ の輪郭は同じ $r_x, r_y$ の楕円を内側に完全に含みます。楕円の内部では正規化座標 $u = |x| / r_x$、$v = |y| / r_y$ がどちらも 1 以下なので、$n \ge 2$ に対して $u^n \le u^2$、$v^n \le v^2$ です。よって $u^2 + v^2 \le 1$ なら $u^n + v^n \le 1$ になります。手で半径を指定してあるフキダシは、指数を変えても中の文字が必ず収まったままです。包含判定は緩くなる方向にしか変わりません。
  • 調整が 1 つの数で済む。 丸みの好みは $n$ だけで変えられ、フキダシの種類ごとに変える余地もあります。

叫びや思考のフキダシも、同じ媒介表示に対して半径を変調するだけで作れます。

06_variants.png

n はいくつがいいか

私は $n = 3$ を使っています。楕円との差がはっきり出て、それでいて角が立たず、手描きのフキダシに近い丸みが残ります。

  • $n = 2.5$ はほぼ気づかれない程度の差
  • $n = 3$ は差が見えて、まだ丸い
  • $n = 4$ 以上は角丸矩形に見えはじめる

角丸矩形に見えてよい種類(ナレーションなど)は $n$ を大きく、思考型は $n = 2$ のままなど、型ごとに使い分けるのもありです。

おまけ

超楕円の面積には閉形式があり、ガンマ関数を使って

A = 4 r_x r_y \frac{\Gamma(1 + 1/n)^2}{\Gamma(1 + 2/n)}

と書けます。$n = 2$ で $\pi r_x r_y$ になるのを確認できます。$n = 3$ では係数が約 3.533 で、同じ $r_x, r_y$ なら楕円より面積は大きくなります。

ただし同じ矩形を同じ規則でフィットした場合、$r_x, r_y$ は $2^{1/3} / \sqrt{2} = 0.891$ 倍に縮むので、実際にフキダシが占める面積は

3.533 \times 0.891^2 / \pi \approx 0.89

で、楕円より約 11% 小さくなります。外接矩形が 21% 縮むのに比べると控えめですが、コマの中で効くのはむしろ外接矩形のほうなので、見た目の印象は数字以上に変わります。この 11% は矩形フィットの話で、点群にフィットしたときは点の並びしだいで変わります。

そんな小ネタでした。図の生成に使ったスクリプトは記事の関数をそのまま使っているので、$n$ や余白を変えて遊んでみてください。

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?