基于增量Voronoi序列的即时彩色点画算法

作为流行的图像风格化技术之一,数字点画是具有吸引力的一项研究课题.现有的大部分工作针对黑白点画,而彩色点画作为一种多类别采样问题,其计算成本较大,为此提出一种即时彩色点画算法,采用离线计算的方式得到蓝噪声性质的点集,以此构建增量Voronoi序列;然后将单类别阈值策略扩展到多类别阈值策略来确定各个采样点的颜色;最后根据采样点的颜色生成彩色点画.通过与其他合成策略在不同颜色空间中的对比,结果表明文中确定性算法可以在保证效率和鲁棒性的同时,生成与当前最先进算法质量相当的结果.

基于自适应聚类和线性规划最优选点的彩色图像低成本打印方法

彩色点画是一种从视觉上由大量小像素点构建图像的艺术技术,像素个数的多少直接影响着构图的成本。其优化选点构图方法为实现低成本打印提供了一个重要的方式。目前,点画生成存在着多通道采样点难以均匀分布,颜色层次难以兼顾等难点,并耗费大量的计算成本。对此,提出了一种基于超像素自适应聚类和线性规划最优选点的彩色点画生成方法,该方法在初步超像素划分图像的基础上,使用基于颜色密度峰值的自适应聚类方法得到最佳聚类个数,并进一步划分子聚类,然后根据每个子聚类的颜色均值作为子聚类内部选点的最佳间隔距离,在选点的同时依据SSIM指标,建立目标优化模型,通过数学优化器Gurobi实现模型选点,使点保留最少个数的目标基础上,同时保持聚类内部分布均匀和颜色渐变层次,以提高所生成的点画图像的可视化效果。实验结果表明,本文算法极大地降低了像素个数并在生成的点画的平均结构相似性(mean structural similarity index measure,SSIM)、峰值信噪比(peak signal to noise ratio,PSNR)等评价指标方面均优于当前方法。