一种基于非真实感的钢笔淡彩艺术效果绘制方法

摘要

本发明涉及一种基于非真实感的钢笔淡彩艺术效果绘制方法，属信息技术领域。本发明的方法为：求取原图像的梯度信息，沿梯度方向使用DoG滤波器进行滤波处理，通过与阈值的比较求取原图像的边缘图像；采用局部窗口的方差和均值计算线性滤波系数，并对原图像进行线性滤波处理，在此基础上采用双边滤波进行抽象化，得到色彩扩散效果；将边缘图像与色彩扩散图像进行叠加，获得初步的钢笔线条效果；为了获得原图像的色彩信息，采用光照明模型对色彩进行传输；采用对比度增强的方法增强图像的对比度，获得最终的钢笔淡彩艺术效果。本发明的优点在于：更符合人们的审美观，处理速度快，灵活性好，应用范围广，是非真实感模拟不同艺术效果的一种有益补充。

说明书

技术领域：

本发明公开了一种基于非真实感的钢笔淡彩艺术效果绘制方法，涉及计算机图形图像处 理中钢笔淡彩艺术效果的模拟仿真绘制方法，属信息技术领域。

背景技术：

随着科技的进步和人们审美情趣的不断提高，非真实感绘制技术(Non-Photorealistic  Rendering)得到了人们的广泛重视，普遍存在于影视作品、广告宣传、景点漫游、游戏娱乐 等领域中，所扮演的角色越来越突出。非真实感绘制重视图形图像的手绘艺术特性，风格灵 活多样，其绘制的主要目标往往不需要表现出图形的真实感，而主要突出图形中主体的某些 艺术特质。

非真实感绘制技术侧重模拟具有各种不同风格的艺术作品，如油画、水彩画、铅笔画、 抽象画等风格作品，现实中具有的艺术风格作品举不胜举，利用计算机仿真具有彩色的钢笔 画淡彩艺术风格作品，是非真实感绘制效果的有益补充，是非真实感艺术特质模拟的一项重 要技术。在公知的技术中，刘英芹(<山东师范大学硕士论文，2010>)采用图象分割技术将 静态图象渲染为卡通风格的艺术效果；韩波(<西安科技大学硕士论文，2011>)对非真实感 的色彩传输进行了研究，提出了颜色传输效果评价指标；康丽锋(<辽宁师范大学硕士论文， 2009>)将输入的二维静态图象处理为具有水彩风格的艺术效果图像；赵彬如(<电子科技大 学硕士论文，2009>)基于光照明模型实现了卡通风格和黑白钢笔风格化的非真实感效果，钢 笔画风格采用轮廓提取，描影和纹理合成方法实现了单色的树形躯干；艾立超(<华南理工大 学硕士论文，2010>)设计了卡通风格艺术风格渲染系统；牛晓东(<四川师范大学硕士论文， 2011>)设计了水墨画风格的绘制系统；钱文华(<云南大学博士论文，2010>)设计了铅笔画、 流体艺术风格的渲染系统；黄华等(<计算机学报>，2009，32(10)：2023-2030)实现了实 时的素描风格化艺术效果；肖甫等(<中国图象图形学报>，2009，14(4)：738-744)模拟生 成了线条波动感的非真实感艺术图象，构成可漫游的艺术感虚拟环境；闵峰等(<中国图象图 形学报>，2009，32(8)：1595-1602)采用与或图生成具有多种风格的肖像画艺术效果；胡 事民等(<专利CN200810114120.9>，2008)基于水流结构图模拟画家作画的规则，自动生成 中国水墨画；黄华等(<专利CN200910023002.1>，2009)根据素描以及人眼视觉的特点，生 成素描风格化的艺术效果；李云夕等(<专利CN2001110210312.1>，2011)公开了一种计算 机素描画的生成方法及系统；刘皓等(<专利CN200510121488.4>，2005)提出了一种交互式 水墨风格实时3D渲染及实时动画渲染方法。

相对公知的计算机钢笔艺术效果模拟方法，本发明以线性滤波技术为基础，提出一种基 于非真实感的钢笔淡彩艺术效果绘制方法。经文献检索，未见与本发明相同的公开报道。

发明内容：

本发明的目的在于提供一种更符合实际情形，更具有一般性和通用性的基于非真实感的 钢笔淡彩艺术效果绘制方法。

本发明以线性滤波为核心，以产生具有彩色钢笔画艺术效果为出发点，对输入的静态图 像进行处理，给出了将输入图像进行DoG边缘提取获取钢笔轮廓的方法，提出了以线性滤波 和抽象处理模拟淡彩效果的方法，以及基于光照明模型的色彩传递方法。

本发明按以下步骤完成：

基于非真实感的钢笔淡彩艺术效果绘制方法工艺流程为：首先，求取原图像的梯度信息， 沿梯度方向使用DoG滤波器进行滤波处理，通过与阈值的比较求取原图像的边缘图像；接着， 采用局部窗口的方差和均值计算线性滤波系数，并对原图像进行线性滤波处理，在此基础上 采用双边滤波进行抽象化，得到色彩扩散效果；然后，将边缘图像与色彩扩散图像进行叠加， 获得初步的钢笔线条效果；为了获得原图像的色彩信息，采用光照明模型对色彩进行传输； 最后，采用对比度增强的方法增强图像的对比度，获得最终的钢笔淡彩艺术效果；具体步骤 如下：

(1)DoG边缘提取

求取原图像Input的梯度，沿梯度方向使用DoG滤波器进行滤波，将滤波器的输出沿真 实边缘放大，即累积各个滤波器的响应得到F(s)：

$F\left(s\right)={\int }_{-T}^T\mathrm{Input}\left(l\left(t\right)\right)f\left(t\right)\mathrm{dt}$

式中，l(t)是输入图像Input在梯度直线l上的值，f(t)是采用高斯函数的滤波器。

将F(s)沿梯度方向积分以增强线条的连续性，得到线条增强的图像A(x)：

$A\left(x\right)={\int }_{-S}^S{G}_{\sigma }\left(s\right)F\left(s\right)\mathrm{ds}$

式中，G_σ(x)是标准差为σ的一维高斯函数。

最后，将A(x)与阈值τ比较，二值化后得到一幅黑白的边缘图像edge：

(2)线性滤波模糊

对原图像Input采用系数a_k，b_k进行线性滤波，得到滤波模糊结果M：

M＝a_kInput+b_k，i∈w_k

$a_k=\frac{\frac{1}{\left|w\right|}{\Sigma }_{i\in w_k}({{\mathrm{Input}}_i}^2-{\delta }_k\overline{{\mathrm{Input}}_k})}{{\psi }_k^2+e}$

$b_k=\overline{{\mathrm{Input}}_k}-a_k{\delta }_k$

式中，δ_k和为窗口w_k内的均值和方差，|w|表示窗口w_k中的像素个数，为输入图 像Input在窗口w_k中的均值。

(3)抽象处理

将模糊图像M从RGB色彩空间转换为LAB色彩空间，对亮度通道L采用Blur的半径大小 对象素位置为x的邻域Sur进行非线性扩散，得到L通道的扩散结果L′：

$L^{\prime }\left(x\right)=\frac{\int e^{-\frac{1}{2}{\left(\frac{|x-\mathrm{Sur}|}{\mathrm{Blur}}\right)}^2}\mathrm{Weight}(\mathrm{Sur},x)*M\left(\mathrm{Sur}\right)\mathrm{dSur}}{\int e^{-\frac{1}{2}{\left(\frac{|x-\mathrm{Sur}|}{\mathrm{Blur}}\right)}^2}\mathrm{Weight}(\mathrm{Sur},x)\mathrm{dSur}}$

式中，Weight是当前像素与周围邻域像素之间的误差值。对L′采用参数为Width的宽度区间 进行量化处理，得到抽象结果L″：

式中，系数控制量化颜色数目的多少，参数Q_Boundray是L′的边缘信息。

将L″与色彩通道AB从LAB色彩空间转换到RGB色彩空间，得到抽象处理结果图像C。

(4)边缘增强

将抽象图像C与DoG提取的边缘图像edge按比例系数n混合，得到结果图像G：

G＝n*C+(1-n)*edge  0＜n＜1

(5)色彩传递

将边缘增强得到的结果图像G采用光照明偏离映射的方法，将参考图像的颜色信息传递 到结果图像E中：

E(i，j)＝H+G(i，j)cos(α)+Kcos^m(α)

式中，H参数是环境光，参数K和m控制颜色传递的数量，cos(α)表示传递偏离角度，采 用G图像的亮度分量在像素位置(i，j)进行计算：

$\cos \alpha (i,j)=\frac{M(i,j)}{255}$

(6)对比度增强

采用对比度增强算法对色彩转递的结果图像E进行增强处理，得到色彩对比度增强的效 果图像Z：

$Z(x,y)=E(x,y)-\frac{a}{m*n-1}\mathrm{\Sigma E}(x^{\prime },y^{\prime })$

式中，Z(x，y)是对比度增强后在(x，y)点处的像素值，E(x，y)是图像E在(x，y)点处的像素值， E(x′，y′)是像素点(x，y)的邻域内的像素，m*n是邻域大小，a为抑制强度因子。

本发明的优点及积极效果在于：

1、利用计算机对输入图像进行处理，获得非真实感的钢笔淡彩艺术效果，在简单钢笔艺 术效果的基础上突出了一定的色彩信息，更符合人们的审美观。

2、以DoG边缘提取和线性滤波计算为基础，与公知的计算机绘制非真实感钢笔画效果相 比，减少了绘制时间，提高了处理速度。

3、通过光照明模型进行色彩传递，并采用对比度增强的方法改变色彩对比度效果，以满 足不同用户对色彩的需求，具有更好的灵活性。

4、建立了一种计算机模拟非真实感钢笔淡彩效果的绘制方法，是非真实感模拟不同艺术 效果的一种有益补充，在影视作品、游戏动画、及广告宣传领域具有较大的潜在需求；为钢 笔画艺术作品模拟提供了一种新的绘制方法，也为蜡染、刺绣、扎染等不同艺术效果的计算 机模拟提供了有力的技术支持。

附图说明：

图1为本发明的技术路线图。

图2为输入的静态彩色图像。

图3为原图像转换得到的灰度图像。

图4为灰度图像采用DoG滤波得到的边缘图像。

图5为原图像线性滤波得到的模糊图像。

图6为将模糊图像转换到LAB色彩空间后，对L通道进行滤波扩散并转换回RGB色彩空 间得到的结果图像。

图7为在滤波扩散的基础上对亮度通道进行量化后得到的RGB结果图像。

图8为将量化得到的结果图像与DoG滤波得到的边缘图像进行融合后得到的融合图像。

图9为在融合图像基础上采用光照明模型进行色彩传递后得到的钢笔淡彩效果图像。

图10为通过对比度增强后得到的最终钢笔淡彩效果图像(a＝0.6)。

图11为通过对比度增强后得到的最终钢笔淡彩效果图像(a＝0.3)。

图12为通过对比度增强后得到的最终钢笔淡彩效果图像(a＝0.8)。

具体实施方式：

本实施例为针对输入的一副静态二维图像进行钢笔淡彩艺术效果绘制，其具体步骤如下：

(1)DoG边缘提取

将原图像Input转换为灰度图像(如图3)，求取灰度图像的梯度，沿梯度方向使用DoG 滤波器进行滤波，将滤波器的输出沿真实边缘放大，即累积各个滤波器的响应得到F(s)。

$F\left(s\right)={\int }_{-T}^T\mathrm{Input}\left(l\left(t\right)\right)f\left(t\right)\mathrm{dt}$

式中，l(t)是输入图像Input在梯度直线l上的值，f(t)是采用高斯函数的滤波器。

将F(s)沿梯度方向积分以增强线条的连续性，得到线条增强的图像A(x)：

$A\left(x\right)={\int }_{-S}^S{G}_{\sigma }\left(s\right)F\left(s\right)\mathrm{ds}$

式中，G_σ(x)是标准差为σ的一维高斯函数，我们设定标准差为0.7。

最后，将A(x)与阈值τ比较：

式中的阈值τ为经验值，通常采用0.3，二值化后得到一幅黑白的边缘图edge(如图4)。

(2)线性滤波模糊

对原图像Input采用系数a_k，b_k进行线性滤波，得到滤波模糊结果图像M(如图5)：

M＝a_kInput+b_k，i∈w_k

$a_k=\frac{\frac{1}{\left|w\right|}{\Sigma }_{i\in w_k}({{\mathrm{Input}}_i}^2-{\delta }_k\overline{{\mathrm{Input}}_k})}{{\psi }_k^2+e}$

$b_k=\overline{{\mathrm{Input}}_k}-a_k{\delta }_k$

式中，δ_k和为窗口w_k内的均值和方差，窗口w_k的大小是经验值，w_k大小通常取12*12，|w| 表示窗口w_k中的像素个数，为输入图像Input在窗口w_k中各象素的均值。

(3)抽象处理

将模糊图像M从RGB色彩空间转换为LAB色彩空间，对亮度通道L采用Blur的半径大小 对象素位置为x的邻域Sur进行非线性扩散，Blur通常取4.25，得到L通道的扩散结果L′， 将L′AB转换回RGB色彩空间，得到扩散结果图像(如图6)：

$L^{\prime }\left(x\right)=\frac{\int e^{-\frac{1}{2}{\left(\frac{|x-\mathrm{Sur}|}{\mathrm{Blur}}\right)}^2}\mathrm{Weight}(\mathrm{Sur},x)*M\left(\mathrm{Sur}\right)\mathrm{dSur}}{\int e^{-\frac{1}{2}{\left(\frac{|x-\mathrm{Sur}|}{\mathrm{Blur}}\right)}^2}\mathrm{Weight}(\mathrm{Sur},x)\mathrm{dSur}}$

式中的Sur通常取5*5，Weight是当前像素与周围邻域像素之间的误差值。

在LAB色彩空间对L′采用参数为Width的宽度区间进行量化处理，Width通常取5，得 到抽象结果L″：

式中，系数控制量化颜色数目的多少，我们取值为3，参数Q_Boundray是L′通道的边缘信息。

将L″与色彩通道AB从LAB色彩空间转换到RGB色彩空间，得到抽象处理结果图像C(如 图7)。

(4)边缘增强

将抽象图像C与DoG提取的边缘图像edge按比例系数n混合，得到结果图像G(如图8)。

G＝n*C+(1-n)*edge  0＜n＜1

式中，比例系数n是一个经验值，我们通常取0.7。

(5)色彩传递

将边缘增强得到的结果图像G采用光照明偏离映射的方法，将参考图像的颜色信息传递 到结果图像E中(如图9)：

E(i，j)＝H+G(i，j)cos(α)+Kcos^m(α)

式中，cos(α)表示每个象素传递时的偏离角度，采用G图像的亮度分量在像素位置(i，j) 计算：

$\cos \alpha (i,j)=\frac{M(i,j)}{255}$

式中的环境光参数H我们通常取120，K取值为0.7，m取值为2。

(6)对比度增强

采用图象对比度增强算法对色彩转递的结果图像E进行增强处理，得到色彩对比度增强 的效果图像Z(如图10)：

$Z(x,y)=E(x,y)-\frac{a}{m*n-1}\mathrm{\Sigma E}(x^{\prime },y^{\prime })$

式中，Z(x，y)是对比度增强后在(x，y)点处的像素值，E(x，y)是图像E在(x，y)点处的像素值， E(x′，y′)是像素点(x，y)的邻域内的像素，m*n是邻域大小，我们取值为9*9；a为抑制强度因 子，根据经验取0.6。

包括以下六个主要部分：DoG边缘提取、线性滤波模糊、抽象处理、边缘增强、色彩传 递、对比度增强。