[发明专利]基于骨架与色调的铅笔画生成方法及装置在审
申请号: | 201910780664.7 | 申请日: | 2019-08-22 |
公开(公告)号: | CN110610504A | 公开(公告)日: | 2019-12-24 |
发明(设计)人: | 王瑜;田恒屹;罗广征 | 申请(专利权)人: | 北京工商大学 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06T11/20 |
代理公司: | 11201 北京清亦华知识产权代理事务所(普通合伙) | 代理人: | 王艳斌 |
地址: | 100048 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 铅笔画生成 自然图像 轮廓图 色调图 素描 色调 延展性 彩色铅笔画 抗噪声能力 直方图匹配 边缘特征 彩色铅笔 参数模型 光照变化 灰度图像 局部边缘 模式算法 纹理信息 原始图像 不敏感 鲁棒性 像素点 可变 绘图 融合 应用 | ||
本发明公开了一种基于骨架与色调的铅笔画生成方法及装置,其中,方法包括:获取至少一副自然图像,并利用可变局部边缘模式算法提取至少一副自然图像的边缘特征,生成铅笔画生成轮廓图;利用原始图像的灰度图像确定每个像素点色调值,并通过参数模型进行直方图匹配,生成色调图;根据铅笔画生成轮廓图与色调图融合生成素描铅笔画,并根据素描铅笔画扩展得到彩色铅笔绘图。根据本发明实施例的生成方法,不但抗噪声能力强,对强纹理信息和光照变化不敏感,而且可以直接应用于彩色自然图像,生成彩色铅笔画,具有很强的鲁棒性和可延展性。
技术领域
本发明涉及图像处理和计算机视觉技术领域,特别涉及一种基于骨架与色调的铅笔画生成方法及装置。
背景技术
铅笔画是目前快速发展并受人喜爱的一种绘图风格,主要是彩色铅笔画出物理的轮廓并涂出和谐的纹理。铅笔画通常由画师手工绘制,然而,受画手绘画功底限制很大,且用时很长,因此无法满足目前大量平面设计需求。由于目前手机、数码相机等图像采集设备的发展和计算机技术的进步,利用计算机将自然图像转化为铅笔画可以很好解决这个问题。
铅笔画技术本质上与物体轮廓绘制和细节纹理处理相关,由于计算机没有人对于图案和色彩的感知,因此提取的轮廓图通常缺失一些结构信息,颜色饱和度非常高,并不接近真实的铅笔画绘制。需要说明的是,没有物体的三维模型,复杂的纹理和空间变化的光照会使铅笔画生成过程更加复杂。
相关技术中,利用骨架与色调的两阶段生成铅笔画是一个图像转换(imagetransformation)的过程,即对原始图像的视觉效果发生改变。然而,从自然图像中绘制铅笔画是一个固有的难题,因为不仅要有选择地保存结构信息,而且要使铅笔的外观接近真实的绘画。
因此,一种适用于多种类型的自然图像,并能产生视觉上令人信服结果的通用算法是很难开发的。没有三维模型,自然图像中各异的复杂的纹理和空间变化的光照会使这个过程更加复杂。由于噪声、纹理和区域边界的变化,基于局部梯度直接生成边缘轮廓图和阴影通常效果不佳,亟待改进。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于骨架与色调的铅笔画生成方法,该方法可以直接应用于彩色自然图像,生成彩色铅笔画,具有很强的鲁棒性和可延展性。
本发明的另一个目的在于提出一种基于骨架与色调的铅笔画生成装置。
为达到上述目的,本发明一方面实施例提出了一种基于骨架与色调的铅笔画生成方法,包括以下步骤:获取至少一副自然图像,并利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征,生成铅笔画生成轮廓图;利用原始图像的灰度图像确定每个像素点色调值,并通过参数模型进行直方图匹配,生成色调图;根据所述铅笔画生成轮廓图与所述色调图融合生成素描铅笔画,并根据所述素描铅笔画扩展得到彩色铅笔绘图。
本发明实施例的基于骨架与色调的铅笔画生成方法,可以基于骨架与色调处理纹理,根据生成的铅笔画生成轮廓图与生成的色调图融合生成素描铅笔画,并根据素描铅笔画扩展得到彩色铅笔绘图,不但抗噪声能力强,对强纹理信息和光照变化不敏感,而且可以直接应用于彩色自然图像,生成彩色铅笔画,具有很强的鲁棒性和可延展性。
另外,根据本发明上述实施例的基于骨架与色调的铅笔画生成方法还可以具有以下附加的技术特征:
其中,在本发明的一个实施例中,所述利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征,生成铅笔画生成轮廓图,包括:获取所有方向的响应映射,并选取所述所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。
可选地,在本发明的一个实施例中,所述骨架笔画图像为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工商大学,未经北京工商大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910780664.7/2.html,转载请声明来源钻瓜专利网。