一种基于笔划限制和纹理的真实图像油画自动生成方法
阅读：17发布：2020-11-17
专利汇可以提供一种基于笔划限制和纹理的真实图像油画自动生成方法专利检索，专利查询，专利分析的服务。并且一种基于笔划限制和纹理的真实图像油画自动生成方法，针对Hertzmann多层绘制 算法 存在得到的油画轮廓不够清楚、纹理不够强烈的问题，本 发明 使用均值漂移(Mean Shift)方法将 图像分割 成不同区域，以分割结果为依据限定油画笔划的生长，使得绘制结果轮廓清晰；基于笔划生成对应的油画纹理场，使用线积分卷积(Linear Integral Convolution，LIC)方法做场 可视化 ，并与油画结果相合成，构造油画笔划的纹理，以增强绘制结果的纹理效果。实验结果表明，本发明可以明显地提升图像油画 风 格化的绘制效果。，下面是一种基于笔划限制和纹理的真实图像油画自动生成方法专利的具体信息内容。
1.一种基于笔划限制和纹理的真实图像油画自动生成方法，包括以下步骤：
1)由原始图像与不同卷积尺度高斯核做卷积产生一系列高斯金字塔参考图像，作为绘制油画过程中进行多层绘制的各层参考，其中高斯核卷积尺度与油画笔划半径大小成正比，油画笔划半径大小依次为8、4、2个像素距离；
2)将画布图像与当前层的高斯金字塔参考图像划分成均等的栅格，计算各栅格内对应位置像素点的颜色差异总值，所述对应位置像素点的颜色差异是以像素点颜色值的欧式距离衡量的，如果栅格内颜色差异总值超过了一定的阈值，则该栅格内有新笔划起始点，且新笔划起始点为栅格内对应位置像素颜色差异最大的像素点位置；
3)以当前层的高斯金字塔参考图像的梯度信息为指导，结合得到的新笔划起始点，沿着笔划点的梯度正交方向移动当前层笔划半径距离，各层依次为8、4、2，遵循原始图像均值漂移Mean Shift分割结果为约束，依次产生笔划结构点序列，将这些笔划结构点拟合成曲线，以该曲线为中心当前层笔划大小半径范围内所有的像素点构成一个笔划；
4)以笔划结构点为节点，将笔划分成若干段，将各段像素点赋予相对应节点相同的梯度信息，构造一条笔划的纹理场；
5)重复步骤3)产生所有笔划并随机在画布上进行布置，完成一层的油画绘制；重复步骤4)产生所有笔划相对应的纹理场并与笔划采用相同的布置方式，完成一层的纹理场生成；
6)重复步骤5)依次完成各层的油画绘制和各层的纹理场生成；
7)将得到的纹理场采用线积分卷积LIC方法做场可视化，将得到的可视化结果与得到的画布图像采用Phong三维光照模型相结合，为已得到的画布油画图像引入油画纹理，生成最终的油画图像。
2.如权利要求1所述的基于笔划限制和纹理的真实图像油画自动生成方法，其特征在于：在笔划结构点序列的产生过程中，采用原始图像Mean Shift分割结果限制笔划的生长；为笔划构造纹理场，并生成最终的油画纹理场，使用LIC可视化后与生成的画布油画图像通过Phong三维光照模型相结合，得到最终的油画图像，其具体过程如下：
(a)为了防止产生的笔划线条误画到不恰当的区域，在产生曲线笔划的控制点时，使用Mean Shift图像分割方法对原始图像做分割，然后根据图像分割的结果判断新产生的笔划控制点是否与曲线的第一个点属于同一个区域，如果相同则新产生的控制点保留；如果不相同则该新产生的控制点不予保留，且该条笔划中止生成后续控制点；
(b)对一条笔划的每个像素点，设定它的方向为笔划曲线的切线方向，如此使得LIC可视化后的结果可以反映出沿着笔划方向的纹理，为了减少计算量，采用近似算法；由于相邻笔划控制点之间距离仅为当前层笔划半径大小，相邻笔划控制点切线方向变化不大，因此，以笔划骨架控制点为节点，沿着笔划曲线垂直方向将该笔划覆盖路径分成若干段；以节点为参照，给各段内的像素点赋予与对应节点相同的梯度信息，由此生成一条笔划的纹理场；
与逐层放置笔划一样，在对应笔划的纹理场也逐层布置生成，得到最终的油画纹理场；
将生成的纹理场使用LIC进行可视化，则得到用于构建油画纹理的纹理图像；
将生成的LIC纹理场可视化结果视为油画纹理的三维高度信息，通过Phong光照模型为绘制的油画引入LIC纹理。
一种基于笔划限制和纹理的真实图像油画自动生成方法
技术领域
背景技术
[0002] 在基于真实图像的油画风格化方面，近二十年来，研究人员已做出了一些贡献。Haelberi提出了一种基于笔划模型的绘制方法，允许用户通过创建一系列已被着色的笔划对原始真实图像进行绘制，该模型需要设定笔划大小、形状、颜色等大量的人工交互操作。
Litwinowicz在Haelberi方法基础上提出了一种基于笔划的自动绘制算法，将图像划分成大小均等的栅格，由用户设定笔划大小和长度，以图像的梯度正交方向为笔划方向，在每个栅格内进行笔划布置，生成油画图像。Hertzmann提出了一种基于笔划的多层绘制模型，首先由原始图像建立高斯金字塔参考图像序列，然后将参考图像与画布划分成大小均等的栅格，计算栅格内颜色差异来决定笔划的起始点和颜色，计算参考图像的梯度信息来决定笔划的走向，再按照笔划半径从粗到细逐层实现笔划在画布上的布置，生成油画图像。由于多层绘制精度较差，Hertzmann提出了由人工交互输入一些加权区域并对图像做松弛迭代来改进绘制精度。Guo等提出了一种从样例油画图像提取典型笔划构建笔划库，学习样例油画图像风格和艺术特征来完成真实图像油画风格化的方法。Lee等基于连续的图像序列来提取图像的运动信息，根据运动信息的强弱决定笔划的方向，以增强表现对象的真实感和动态感。
Litwinowicz在Haelberi方法基础上提出了一种基于笔划的自动绘制算法，将图像划分成大小均等的栅格，由用户设定笔划大小和长度，以图像的梯度正交方向为笔划方向，在每个栅格内进行笔划布置，生成油画图像。Hertzmann提出了一种基于笔划的多层绘制模型，首先由原始图像建立高斯金字塔参考图像序列，然后将参考图像与画布划分成大小均等的栅格，计算栅格内颜色差异来决定笔划的起始点和颜色，计算参考图像的梯度信息来决定笔划的走向，再按照笔划半径从粗到细逐层实现笔划在画布上的布置，生成油画图像。由于多层绘制精度较差，Hertzmann提出了由人工交互输入一些加权区域并对图像做松弛迭代来改进绘制精度。Guo等提出了一种从样例油画图像提取典型笔划构建笔划库，学习样例油画图像风格和艺术特征来完成真实图像油画风格化的方法。Lee等基于连续的图像序列来提取图像的运动信息，根据运动信息的强弱决定笔划的方向，以增强表现对象的真实感和动态感。
[0003] 整体而言，在众多的由真实图像生成油画风格画的处理方法中，Hertzmann油画绘制框架不需要人工交互，且多层绘制油画模式符合艺术家手工创作油画的过程，生成的油画风格化图像具有明显的油画艺术特征，成为目前为止经典的基于真实图像的油画风格化方法。
发明内容
[0004] 本发明的目的是提供了一种能够使图像油画风格化生成效果良好的基于笔划限制和纹理的真实图像油画自动生成方法。
[0005] 为了达到上述目的，本发明采用的技术方案是：
[0006] 1)由原始图像与不同卷积尺度高斯核做卷积产生一系列高斯金字塔参考图像，作为绘制油画过程中进行多层绘制的各层参考，其中高斯核卷积尺度与油画笔划半径大小成正比，油画笔划半径大小依次为8、4、2个像素距离；
[0007] 2)将画布图像与当前层的高斯金字塔参考图像划分成均等的栅格，计算各栅格内对应位置像素点的颜色差异(以像素点颜色值的欧式距离衡量)总值，如果栅格内颜色差异总值超过了一定的阈值，则该栅格内有新笔划起始点，且新笔划起始点为栅格内对应位置像素颜色差异最大的像素点位置；
[0008] 3)以当前层的高斯金字塔参考图像的梯度信息为指导，结合得到的新笔划起始点，沿着笔划点的梯度正交方向移动当前层笔划半径距离(各层依次为8、4、2)，遵循原始图像均值漂移(Mean Shift)分割结果为约束，依次产生笔划结构点序列，将这些笔划结构点拟合成曲线，以该曲线为中心当前层笔划大小半径范围内所有的像素点构成一个笔划；
[0009] 4)以笔划结构点为节点，将笔划分成若干段，将各段像素点赋予相对应节点相同的梯度信息，构造一条笔划的纹理场；
[0010] 5)重复步骤3)产生所有笔划并随机在画布上进行布置，完成一层的油画绘制；重复步骤4)产生所有笔划相对应的纹理场并与笔划采用相同的布置方式，完成一层的纹理场生成；
[0011] 6)重复步骤5)依次完成各层的油画绘制和各层的纹理场生成；
[0012] 7)将得到的纹理场采用线积分卷积(LIC)方法做场可视化，将得到的可视化结果与得到的画布图像采用Phong三维光照模型相结合，为已得到的画布油画图像引入油画纹理，生成最终的油画图像。
[0013] 本发明的笔划结构点序列的产生过程中，采用原始图像Mean Shift分割结果限制笔划的生长；为笔划构造纹理场，并生成最终的油画纹理场，使用LIC可视化后与生成的画布油画图像通过Phong三维光照模型相结合，得到最终的油画图像，其具体过程如下：
[0014] (a)为了防止产生的笔划线条误画到不恰当的区域，在产生曲线笔划的控制点时，使用Mean Shift图像分割方法对原始图像做分割，然后根据图像分割的结果判断新产生的笔划控制点是否与曲线的第一个点属于同一个区域，如果相同则新产生的控制点保留；如果不相同则该新产生的控制点不予保留，且该条笔划中止生成后续控制点；
[0015] (b)对一条笔划的每个像素点，设定它的方向为笔划曲线的切线方向，如此使得LIC可视化后的结果可以反映出沿着笔划方向的纹理，为了减少计算量，采用近似算法；由于相邻笔划控制点之间距离仅为当前层笔划半径大小，相邻笔划控制点切线方向变化不大，因此，以笔划骨架控制点为节点，沿着笔划曲线垂直方向将该笔划覆盖路径分成若干段；以节点为参照，给各段内的像素点赋予与对应节点相同的梯度信息，由此生成一条笔划的纹理场；
[0016] 与逐层放置笔划一样，在对应笔划的纹理场也逐层布置生成，得到最终的油画纹理场；
[0017] 将生成的纹理场使用LIC进行可视化，则得到用于构建油画纹理的纹理图像；
[0018] 将生成的LIC纹理场可视化结果视为油画纹理的三维高度信息，通过Phong光照模型为绘制的油画引入LIC纹理。
[0019] 本发明对Hertzmann方法进行了改进，使用Mean Shift方法将图像分割成不同区域，以分割结果为依据限定油画笔划的生长，使得绘制结果轮廓清晰；将基于笔划生成的纹理场LIC可视化结果与油画结果相合成，构造油画笔划的纹理，使得绘制结果纹理强烈。附图说明
[0020] 图1是Hertzmann油画绘制框架基于真实图像油画风格化的流程图；
[0021] 图2是Hertzmann框架油画绘制基于真实图像油画风格化的效果图，其中图2(a)为原始图像，图2(b)为Hertzmann框架绘制油画效果图像；
[0022] 图3是本发明基于真实图像油画风格化的流程图；
[0023] 图4是Mean Shift图像分割结果示意图；
[0024] 图5是单条笔划控制点生成示意图；
[0025] 图6是单条笔划纹理场生成示意图；
[0026] 图7是生成白噪声示意图；
[0027] 图8是LIC流线示意图；
[0028] 图9是LIC纹理示意图
[0029] 图10是油画生成过程及效果对比示意图，图10(a)为原始图像，图10(b)为Hertzmann油画绘制框架结果图像，图10(c)为引入图像分割信息对笔划限制后结果图像，图10(d)为引入LIC纹理后最终结果图像。
具体实施方式
[0030] 下面结合附图对本发明进行详细说明。
[0031] 通常情况下，艺术家在创作油画时首先采用较为粗糙的笔划来勾勒油画的大致轮廓，然后分块采用较为精细的笔划来添加油画的细节完成油画作品的创作。同时，油画是以快干型的植物油调和颜料，用画笔或者画刀在亚麻布、纸板或木板上进行制作的，因此，油画的纹理较强烈。
[0032] 观察Hertzmann算法的绘制结果，可以发现该算法存在两个问题：生成的油画笔划容易误画至不同的区域，使得油画轮廓不够清楚；平滑区域油画纹理不够强烈。针对以上问题，本发明对Hertzmann算法进行了改进，使用Mean Shift方法将图像分割成不同区域，以分割结果为依据限定油画笔划的生长，使得绘制结果轮廓清晰；将基于笔划生成的纹理场LIC可视化结果与油画结果相合成，构造油画笔划的纹理，使得绘制结果纹理强烈。实验结果表明，改进后的算法可以明显地提升图像油画风格化的绘制效果。
[0033] Hertzmann油画绘制框架
[0034] 参见图1，Hertzmann提出的基于笔划绘制油画的多层绘制模型，首先由原始图像与高斯核做卷积产生一系列高斯金字塔参考图像，然后按照笔划半径递减逐层在画布上进行油画绘制。对于每一层的油画绘制，先将画布与当前层参考图像划分成均等的栅格，对比各栅格内对应像素点颜色差异，决定画布上新笔划的起始点；其次以当前层参考图像的梯度信息为指导，结合得到的新笔划起始点，沿着笔划点的梯度正交方向移动当前层笔划半径距离，依次产生笔划结构点序列，将这些笔划结构点拟合成曲线，以该曲线为中心当前层笔划大小半径范围内的所有像素点构成一个笔划；产生所有笔划并随机在画布上进行布置，完成一层的油画绘制。按照同样的方式，依次完成各层的油画绘制，生成最终的油画风格画。
[0035] 高斯金字塔参考图像序列
[0036] Hertzman油画绘制框架是按照油画笔划半径从大到小逐层进行绘制的。通常情况下可进行三层绘制，且笔划半径大小由8、4、2递减。在每一层绘制过程中，首先通过模糊原始图像来创建一个参考图层。将高斯核与原始图像卷积可以实现这一目标。
[0037] 记f为原始输入图像，fG为经过高斯卷积后的参考图层图像：
[0038]
[0039] 式(1)中，xi和xj是两相邻像素的位置向量；σd＝Rdelt·Rl，σd为高斯核的卷积尺度，其中Rl为第l层油画绘制时的笔划半径大小，随层数的增加逐层减小，Rdelt为控制高斯滤波核大小的系数，Rdelt越大，生成参考图层越抽象模糊，在这里取Rdelt＝1.0。
[0040] 单层绘制
[0041] 在生成参考图层之后，每一层油画的绘制都由两个后续过程组成。首先将画布与参考图层做比较，在两者差异较大的区域，确定画布上是否需要布置新笔划；然后以确定的新笔划区域坐标为笔划起始点，结合图像的梯度场为指导，生成笔划并随机顺序在画布上渲染所有笔划，完成当前层的绘制。
[0042] 1)新笔划区域坐标的确定
[0043] 要确定画布上需要布置新笔划的区域，首先要确定画布与参考图层之间的差异。在这里，将图像分割成RGrid×RGrid大小的栅格，其中RGrid＝Rgrid·Rl，Rgrid为栅格系数，控制栅格大小，在这里取Rgrid＝1.0。则图像栅格差异Aerror可通过式(2)表示：
[0044]
[0045] 式中，(rPi，gPi，bPi)为画布布图像fP上的的像素点，fP在第一层绘制之前为任意纯颜色的图像；(rGi，gGi，bGi)为参考图层fG上的像素点；Aerrorm为画布图像与参考图层在第m个栅格内的差异大小。
[0046] 如果图像栅格差异高于某一阈值T，则判定画布在该栅格内需要布置新的笔划。并且以该栅格内对应位置像素点颜色差异最大的像素点坐标作为该笔划的起始点，颜色作为该笔划的颜色。
[0047] 2)新笔划的生成布置
[0048] 在确定了当前层绘制所有新笔划的起始点以后，结合图像的梯度场来生成油画笔划。利用Sobel算子可获得图像的梯度信息。Sobel算子有两个，一个是检测水平边沿的，另一个是检测垂直边沿的，每一个逼近一个偏导数，如式(3)所示。
[0049]
[0050] 在获取到图像梯度信息后，顺着前一个笔划控制点的切线方向，移动Rl距离，产生后一个笔划控制点，依次可产生一系列笔划控制点。
[0051] 假设当前笔划控制点的两个方向上的梯度分别为gx和gy，则产生下一个笔划控制点的方向dx和dy为：
[0052] dx＝-gy，dy＝gx (4)
[0053] 这只是当前笔划控制点切线方向所在直线，还需要判断其走向是否与前一笔划控制点的切线方向保持一致。令上一笔划骨架点的切线方向为Dx和Dy，若
[0054] dx□Dx+dy□Dy＜0 (5)
[0055] 说明该方向与上一笔划控制点的切线方向相反，则应取当前切线方向的反方向，即
[0056] dx＝-dx，dy＝-dy (6)
[0057] 归一化为
[0058] (dx，dy)＝(dx，dy)/(dx2+dy2)1/2 (7)
[0059] 此外，为了能够产生不同风格的油画笔划，引入参数fc对切线方向做修正，从而可以调整笔划的弯曲程度
[0060] (dx，dy)＝fc□(dx，dy)+(1-fc)□(Dx，Dy) (8)
[0061] 由此得到了下一笔划控制点的产生方向，这样可以计算出该笔划下一个笔划骨架点坐标为
[0062] (x，y)＝(x+R□dx，y+R□dy) (9)
[0063] 为了增强笔划生成的合理性，遵照以下两个约束条件来停止笔划的生长：
[0064] (1)当参考图像与画布图像对应位置像素颜色距离小于参考图像对应位置像素颜色与该条笔划颜色差异时，不再产生后续笔划控制点；
[0065] (2)当笔划的长度超过设定的最长长度M时，不再产生后续笔划控制点。
[0066] 在生成笔划控制点序列后，使用B样条曲线拟合笔划控制点序列，产生一条笔划骨架曲线，离骨架Rl距离范围内的所有像素点，共同构成这一条笔划。将该笔划所有像素点在画布fP对应位置的像素值替换成该笔划对应的颜色，即完成该条笔划在画布fP上的渲染。为了增强人工手绘时笔划的随机性，随机将所有笔划布置在当前层画布上，完成当前层的油画绘制。
[0067] 多层绘制
[0068] 完成前一层的绘制过程后，在得到的当前画布图像fP基础上，将fP与当前层的参考图像对比，继续完成当前层的绘制。如此完成多层绘制。图2给出了一幅真实图像以及对应的Hertzman算法结果。
[0069] 观察Hertzmann框架油画绘制结果，生成的风格化图像有明显的抽象感，具备油画风格艺术特征。但是不难发现，生成的结果也存在一些不足之处。在Hertzmann油画绘制框架中，油画笔划的生成首先由画布与参考图像在栅格内计算对应像素点颜色差异来确定笔划起始点，并沿着笔划切线方向生长，产生出一系列曲笔划控制点，拟合笔划控制点生成笔划的主干骨架；然后以拟合的控制点曲线为中心，当前层笔划半径范围内的所有像素点共同构成该条笔划的覆盖路径。通过两个约束条件来终止笔划的生成：油画笔划的长度不能超过一定的长度；画布与参考图像对应像素点的颜色差异小于画布与该笔划颜色的颜色差异。该算法的笔划生成模型中，没有类似于艺术家创作油画时勾勒的线条轮廓带来的区域约束。由于油画笔划生成终止条件约束不够鲁棒，有些笔划生长至非合理区域，导致最后生成油画结果轮廓不够清晰，如在图2(b)中，人物的眼睛、嘴巴等部位在表现上显得笔划过于凌乱。此外，相比于手工创作油画过程中由于笔刷的划痕、颜料堆积的不一致以及用力大小的不平衡等因素所造成的丰富纹理和强烈的立体质感，Hertzmann油画绘制框架中的油画笔划只是一条单一颜色的线条，因此生成的油画风格化图像纹理较弱，在颜色差异较大的区域，还可以看出笔划的纹理，在颜色差异小的区域，基本上成为一个同色色块，纹理感较弱。如在图2(b)中，画面背景颜色变化较小区域生成的油画结果纹理感很弱。
[0070] 基于以上对Hertzmann油画绘制框架的分析，本发明对该框架存在的两个问题进行改进。在油画笔划生成过程中引入Mean Shift图像分割约束，以增强对象的轮廓表达；使用基于笔划产生的纹理场LIC可视化结果为油画绘制引入纹理，提升油画纹理质感。本发明改进算法的框架图如图3所示。
[0071] 基于图像分割的笔划生成
[0072] 在艺术家手工创作油画艺术作品的过程中，通常需要先在画布上用线条勾勒出作品的大致轮廓。一方面可以完成作品所表达对象的造型和布局，直观可见地体现出表达对象的大体形状；另一方面，为了避免造型不被打乱，艺术家通常是分块来进行油画绘制的。这些轮廓线条实际上担当着将画布分割成不同区域的作用，防止笔划画至不同的区域。
[0073] 通常而言，在一个场景中，同一个局部对象所在的区域颜色变化不大，图像分割技术可以将组成不同对象的像素分别聚类到对应的不同区域，也就是说，图像分割的结果通常情况是语义的。因此，可以模拟艺术家的创作特点，将图像分割成不同的区域，以分割的边界作为绘制过程的轮廓，并限制油画笔划仅在一个区域生成，从而防止笔划画到不同区域。
[0074] Mean Shift图像分割是一种基于非参数估计的图像分割方式。与目前大多数依赖于对图像特征先验知识假设和掌握的聚类算法相比，Mean Shift方法在不需要任何先验知识的条件下对任何维度、任何分布的数据集进行聚类，运用于图像分割时可以得到良好的分割结果。因此，本发明选取Mean Shift方法对原始图像做分割，得到用于笔划生成限制的区域划分。
[0075] 对于任意分布形式的多维特征数据集，都可以用Parazon方法来估计其概率密度函数。其中每个数据点，在满足一定条件的情况下，沿着其概率密度函数的梯度方向飘移迭代，必定可以找到一个局部概率密度极值点。因此，Mean Shift图像分割方法以像素点颜色和坐标组成空间多维数据点，对于每个数据点，通过多次漂移迭代，收敛到不同聚类点。依据聚类中心的不同划分为n个类，并将数量过小的类合并至其他相邻类，形成图像分割的最终结果。本文图2(a)的分割结果如图4所示。
[0076] 为了防止产生的笔划线条误画到不恰当的区域，在产生曲线笔划的控制点时，判断新产生的控制点是否与曲线的第一个点属于同一个区域，如果相同则新产生的控制点保留；如果不相同则该新产生的控制点不予保留，且该条笔划中止生成后续控制点。
[0077] 在图5中，给出了一条笔划生成控制点示意图。其中p1为由参考图像与画布在栅格内做颜色差异对比确定的笔划起始点，沿着p1的梯度正交方向，按照原有笔划模型，移动当前层笔划半径大小距离，产生下一个笔划控制点p2。然后从p2开始，同理依次产生后续系列笔划控制点p3，…，pi，pi+1…，pn。如果对原始图像做图像分割后，前i个控制点与后n-i不处于一个区域。为了避免笔划画至不合理的区域，本发明使用Mean Shift图像分割结果来约束笔划的生成。因为pi+1，…，pn笔划控制点与笔划起始点p1不在同一个区域，则从pi+1开始后续的笔划控制点不再生成，构成该条笔划的结构控制点最终为p1，…，pi。在得到了该笔划的控制点后，以拟合的控制点曲线为中心，当前层笔划半径范围内的所有像素点共同构成该条笔划的覆盖路径。
[0078] 虽然图像分割的结果通常情况下是语义的，但是在不同区域边界处分界线并不一定光滑，存在较多的毛刺。为了避免这种毛刺破坏笔划的平滑性，在由笔划曲线骨架扩张成完整的笔划过程中，笔划自由扩张不受区域限制，以消除边界毛刺的影响，这样可以保证每一条笔划产生时的完整性，增强了笔划生成的随机感。改进后的结果如图10(c)所示。
[0079] 基于LIC的纹理生成
[0080] 凭借颜料的遮盖力和透明性，油画能充分地表现描绘对象，色彩丰富，立体质感强。这种立体质感也与所采用的绘画工具在画布上留下的痕迹纹理关系密切。
[0081] 因此，可以引入适当的油画笔划纹理，以提升油画风格化的绘制效果。
[0082] LIC是一种向量场可视化技术，它通过用低通滤波器沿着流线方向对白噪声做卷积，其结果能够体现出流线的纹理。观察艺术家创作的油画笔划纹理，LIC场可视化的纹理与油画笔划勾勒的纹理很相似。因此，本发明结合油画的逐层绘制过程，首先基于油画笔划生成一张纹理场图，然后使用LIC方法对该纹理场做可视化，并与原结果相合成，以构建油画风格画的纹理，提升油画风格化的效果。
[0083] 任意一条笔划的生成过程，都是先得到笔划的骨架控制点，然后以骨架控制点拟合曲线成骨架曲线，以骨架曲线为中心当前层笔划半径范围内所有像素点构成该条笔划的覆盖路径。在笔划生成过程中相对应地生成了一条笔划的纹理场。因为LIC场可视化技术可以体现出场的内部方向结构，因此对一条笔划的每个像素点，设定它的方向为笔划曲线的切线方向，如此使得LIC可视化后的结果可以反映出沿着笔划方向的纹理。为了减少计算量，这里采用一种近似算法，如图6所示。由于相邻笔划控制点之间距离仅为当前层笔划半径大小，相邻笔划控制点切线方向变化不大，因此，以笔划骨架控制点为节点，沿着笔划曲线垂直方向将该笔划覆盖路径分成若干段；以节点为参照，给各段内的像素点赋予与对应节点相同的梯度信息，由此生成一条笔划的纹理场。
[0084] 在Hertzmann绘制框架进行多层绘制的过程中，与逐层放置笔划一样，在对应笔划的纹理场也逐层布置生成，得到最终的油画纹理场。
[0085] 将生成的纹理场使用LIC进行可视化，则得到用于构建油画纹理的纹理图像。首先根据随机输入数值做二值化生成一张白噪声图，如图7所示；然后对图像上每一点，以像素点所在区域场信息为指导，沿着该点矢量正、反方向依次取点生成流线，如图8所示；最后将流线上所有像素点对应的白噪声值与低通滤波器卷积核做卷积，得到的结果作为输出纹理的像素值。如图9所示。
[0086] 油画纹理的合成
[0087] 本发明通过Phong光照模型为绘制的油画引入LIC纹理。Phong光照模型是一个三维光照模型，将物体表面的光反射看成是环境光反射、光源漫反射和光源镜面反射三者的组合，其数学表达式如式(10)所示。
[0088]
[0089] 其中，I为物体表面最终的光照强度，Acolor为环境光照强度，Acoeff为环境光照强度反射系数，Dcolor为物体表面散射光照强度，也就是物体表面材料的颜色，Dcoeff为物体表面散射光照强度反射系数，Lcolor为入射光照强度，Scolor为镜面反射关照强度，Scoeff为镜面反正关照强度反射系数，N为物体表面的法向量，Li为物体表面点指向第i个光源的向量，R为镜面反射方向向量，可由R＝2N(N□L)计算，V为视线方向向量。
[0090] 在本发明中，将生成的LIC纹理场可视化结果视为油画纹理的三维高度信息，因此，求得LIC纹理图的梯度即为油画表面的法向量N。基于笔划限制的油画生成结果对应上公式的Dcolor，也就是物体表面材料的颜色。通常情况，其他参数设置为固定常数，Acolor＝(1.0，1.0，1.0)，Acoeff＝0.9，Dcoeff＝0.3，Lcolor＝(1.0，1.0，1.0)，Scolor＝(1.0，1.0，1.0)，Scoeff＝0.2，i＝1，光源位置坐标为(0.0，0.0，300.0)，观察位置坐标为(0.0，0.0，
300.0)。。通过这种方式，以生成的LIC纹理场可视化结果为输入，为油画绘制引入纹理，结果如图10(d)所示。
300.0)。。通过这种方式，以生成的LIC纹理场可视化结果为输入，为油画绘制引入纹理，结果如图10(d)所示。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种电连接器加速退化试验方案优化方法 | 2020-05-12 | 9 |
| 一种用于视觉跟踪的具有光照鲁棒性的色空间构建方法 | 2020-05-08 | 518 |
| 一种面向无人船组合导航信息融合的多尺度数据分块算法 | 2020-05-11 | 374 |
| 一种基于海洋环境噪声的声学监测系统及方法 | 2020-05-15 | 270 |
| 一种基于滤波最优平滑确定故障首达时刻的故障诊断方法 | 2020-05-16 | 371 |
| 眼部疲劳度检测系统及方法 | 2020-05-08 | 737 |
| 性能退化产品可靠度置信区间估计数值仿真方法 | 2020-05-12 | 535 |
| 基于容积脉搏波信号的连续血压测量方法、装置以及设备 | 2020-05-13 | 171 |
| 融合时空聚类和支持向量机的居民出行特征提取方法 | 2020-05-14 | 117 |
| 胎儿心电信号实时转换为胎儿胎音的计算机仿真转换方法 | 2020-05-14 | 117 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈