抽象流体的梵高风格化油画生成方法

非真实感绘制(Non-Photorealistic Rendering,NPR)技术是近些年来计算机图形学领域最热门的研究方向之一。它借鉴艺术的表现形式,同时以人类认知为基础,借助计算机数字模拟的算法生成手绘风格的图像。其目的并不在于表现图像的真实性,而在于表现图像的艺术性、模拟艺术作品、增强视觉信息的交流。它的应用领域已经渗透很多行业,有着广泛的应用和巨大的市场前景,模拟的效果往往能给人带来强烈的视觉冲击与无尽的想象。对油画艺术风格进行了研究和模拟实现,通过自适应的LIC(Line Integral Convolution,LIC)和引入抽象的ETF(Edge Tangent Flow,ETF)模型,生成抽象流体的梵高风格化油画,模拟效果较好。

基于区块划分与矢量折线填充方法的仿手工刺绣质感模拟

刺绣质感的矢量模拟在纺织品数码印花领域有着广阔的应用前景,其中尤其是对传统手工刺绣肌理效果的模拟。在现有的研究中,对刺绣效果的模拟通常借助位图图像处理软件,因此易导致印花面料刺绣图案失真等。本文提出了一种基于区块划分与矢量折线填充方法的仿手工刺绣质感的模拟技术,该技术采用不同的区块组合来表示刺绣图案的不同区域,并在不同区块内填充不同参数的折线形成模拟刺绣效果。基于区块划分与矢量折线填充的刺绣图案模拟方法解决了传统位图法模拟刺绣效果清晰度差与风格单调的问题。实验结果表明,本文所提方法能够实现对手工刺绣效果的视觉质感模拟,通过该方法绘制的刺绣图案能够较好地应用在丝绸面料数码印花领域。

图像抽象化的实时增强型绘制

现有的图像抽象化绘制算法主要采用基于图像分割或边缘保持的平滑滤波技术,导致所生成的抽象化图像经常存在明暗对比度较低、画质昏暗模糊、画面色彩表现力不强等问题,为此提出一种增强对比度的图像抽象化绘制算法.首先利用结构张量平滑技术生成光滑连续、显著特征保持的特征流场,然后基于该流场对图像进行沿边缘切向流方向的自适应平滑和沿梯度方向的对比度增强处理,最后使用改进的基于流场的双边滤波或者Kuwahara滤波算法实现图像抽象化的实时绘制.实验结果表明,该算法可显著改善已有抽象化方法的绘制质量,抽象化图像的边界特征明显增强,画质更清晰、层次感更分明.

基于特征流的抽象线条画绘制

为了将照片图像转换为具有一定艺术美感的线条画图像,文中设计了3种基于特征流的各向异性滤波器:FGsD滤波器、FGaD滤波器和FLSM滤波器.这些滤波器的主要任务是提取图像的边缘信息,并将其显示为光滑连续的风格化线条.前两种滤波器是在分析数字图像中基于一阶微分和二阶微分边缘检测算法的性能后,将高斯一阶导滤波结果和高斯差分滤波结果进行适当的混合作为边缘检测的微分响应,然后对混合的微分响应值进行柔和阈值化处理提取边缘点.第3种滤波器是专门针对图像中的线型边结构提出的,通过计算局部亮度相似度质量来判断该像素是否属于边缘点.如果将FGsD滤波结果和FLSM滤波结果进行叠加,还可以得到明暗对比度增强的抽象线条画效果.与已有的线条画绘制算法相比,采用文中算法所生成的线条画视觉特征更鲜明、风格化效果更突出、艺术表现力更强烈.

基于边缘切向流与颜色量化的图像抽象化

图像抽象化绘制旨在以模糊、抽象的艺术手法展现图像。提出了基于边缘切向流与颜色量化的图像抽象化绘制方法,首先,在RGB(Red,green,blue)颜色空间提取各颜色通道的梯度,并对其进行融合,对融合后的梯度图像求边缘切向流,并使用高斯差分滤波(flow-based difference-of-gaussians,FDOG)方法提取图像的特征线条;然后,对原始图像用非线性方法进行平滑处理,并在(hue-saturation-intensity,HSI)颜色空间进行量化;最后,将量化图像和特征线条图像进行融合,得到原图像的抽象化图像。实验证明该方法增强了图像轮廓的主要特征并忽略了局部细节,突出了图像的层次感,使图像简洁清晰,抽象化效果显著。

基于边缘切线流场的多尺度结构张量图像检索算法

为减小基于草图的检索技术中弱边缘的影响并提高特征的平移不变性,提出了一种基于边缘切线流场的多尺度结构张量检索算法.该算法采用边缘切线流场取代梯度场,在显著强边缘上计算结构张量以抑制弱边缘的影响,并在多尺度分区架构下进行结构张量特征的提取以增强特征的平移不变性.实验结果表明,与传统的结构张量方法相比,该算法有效地抑制了弱边缘的影响,避免了使用图像梯度方向描述图像显著边缘方向的不稳定性,增强了特征的平移不变性,提高了检索性能.

基于语义分割的简洁线条肖像画生成方法

针对目前主流的线条提取算法对于区域对比度不明显的边缘的检测能力较弱,且对于所有区域采用无差别、统一化的处理策略,所生成的线条画往往较复杂,非常不利于机器人机械臂绘图的问题,本文提出了一种基于语义分割的简洁线条肖像画生成方法(concise line portrait generation based on semantic segmentation,CLPG-SS)。首先,对人脸图像进行语义分割,将人脸划分为不同的区域,基于不同区域提取边缘轮廓与五官细节线条,进行边缘切向流优化,从而加强方向信息;在此基础上,利用线条图来生成调和图像,并利用优化后的边缘切向流、人脸语义分割结果以及调和图像,针对不同的分割区域调整线条提取方法的参数,实现对细节无关区域的线条过滤和细节重点区域的线条加强,生成简洁线条肖像画。实验结果表明:本文提出的CLPG-SS方法能够有效提取人脸主轮廓线条,并针对不同区域实现了对细节线条的针对性调节,提高了机器人机械臂的绘制效率。

一种优化的风格化边缘的生成方法

非真实感绘制技术是近几年计算机图形学领域的热点,通常会涉及到对各种风格化绘制边缘的数字模拟。提出一种优化的风格化边缘的生成方法,这种边缘具有抽象线性特征,可以模拟刻制特征的边缘。对边缘切线流(Edge Tangent Flow,ETF)的平滑模型作出改进,生成一种由强边信息组成的抽象线性流;由此生成的风格化边缘也具有抽象线性特征,并且由强边信息组成。

基于新的边缘保真项的有偏法向梯度向量流snakes模型

梯度向量流(GVF)有效解决了主动轮廓(snakes)模型初始化和凹陷区域收敛的问题,但由于其各向同性的扩散特性,使得对弱边缘和角点的捕获能力不足。因此,致力于寻求一种GVF各向异性扩散机制。通过将拉普拉斯算子进行正交分解,分析了GVF模型的法向和切向扩散作用,发现(类似)角点处的GVF场存在明显的曲率收缩和切向退化,进一步揭示了角点和弱边缘丢失的原因。在此基础上,通过对法向GVF(NGVF)模型引入新的边缘保真项和有偏的权重系数,提出一种新的外力模型。最后,通过实验对该方法的分割准确性和计算效率进行了比较分析。实验结果表明,该方法在保持一定计算优势同时,能准确地捕获弱边缘和角点。

自适应的线条画绘制

目的 基于参考图像的线条画生成是非真实感绘制最为常见的应用之一。尽可能模拟艺术家的创作风格生成疏密得当、具有层次感的线条画是这类工作的主要目标和挑战。本文提出一个自适应线画图绘制算法。方法 首先,将场景图像分割成若干个区域,分别计算每个区域亮度的方差以及每个像素到边界的最小距离,将每个区域的方差和面积的比值作为该区域的复杂度。然后,计算能反映其显著视觉特征的边缘切向流场。最后,使用基于流的各向异性高斯差分滤波生成线条画。在构造边缘切向流时,每个位置的切向量由其邻域的切向量加权而得到。文中增加了一个新的系数项,对于邻域的任意一个位置,如果它和参考位置在区域分类中属同一个类别。则该位置的权值更大。基于流的高斯差分自适应滤波过程中,高斯差分滤波的尺度参数和复杂度以及到区域边界距离有关。细节越丰富,离边界越近,尺度参数取值越小,这样得到的边缘比较细,同时可以防止将相邻小细线条连接成粗线条。然后,将高斯差分滤波结果沿着流线方向进行高斯滤波,对于细节丰富的区域,边缘比较多,尺度参数取值比较小,所连接边缘比较短,可以减少错误边缘可能。结果 对生物、树林、建筑、山河等具有代表性的图像,采用本文算法进行自动实时进行线条绘制,实验结果表明,采用本文算法所生成的线条随着区域场景的复杂程度呈现不同粗细和浓淡的变化,具有一定的层次感。因而本文算法能生成视觉特征鲜明、风格化效果突出的线条画,且能处理各种复杂场景的图像。结论 本文自适应参数的线条画生成算法,其算法参数调节以及算法效果优于固定参数的算法,本文算法在处理日常生活中各类主题场景的图像时均能取得良好效果。

带有局部耦合项的冲击扩散方程与图像锐化

提出了带有局部耦合项的冲击扩散方程,其沿着等照度线(边缘)的梯度方向实施反向扩散(冲击)以锐化边缘;相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像。为了克服二值的零交叉决策过程导致的虚假的分片常数图像,利用双曲正切函数代替符号函数,柔和地控制边缘的零交叉点两侧像素的灰度值变化。同时为了进一步控制扩散行为,使其逼近于稳定的过程,并消除数值“爆炸”和过冲,在冲击扩散方程中增加局部耦合项。实际结果显示,本文算法可以显著地提高图像的视觉质量。

利用形体特征的铅笔素描画生成

铅笔素描是以单色线条来表现物体的艺术。画家观察物体的形体结构,以线塑型表现物体明暗层次和形体特征。为了表现物体的立体感,提出一种利用形体特征的铅笔素描画生成方法。首先对图像进行双边滤波处理,去除图像微小细节;然后由亮度图像计算其向量场,根据物体的形体特征对向量进行平滑,使其符合原图像的形体特征;最后利用线积分卷积的方法生成铅笔素描纹理,调整明暗对比后得到铅笔素描的效果。实验结果表明,该方法能有效地绘制铅笔素描的立体感和明暗关系。

多变量高斯差分的风格化方法

针对扩展的高斯差分参数可控性的特点,提出了一种基于参数调整的风格化方法.该方法定义输入图像的ETF流,在基于此ETF流的基础上同时进行梯度轴和流线轴的高斯差分滤波.通过对参数进行调整,得到一系列的风格化效果:包括铅笔画、炭笔画、反走样以及反向边缘的效果.实验结果表明,该方法实现简单,风格多样,效果比单一系统更为理想.