專利名稱：基于圖像的水墨畫畫風(fēng)圖像生成方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)圖像處理領(lǐng)域，具體涉及一種水墨畫畫風(fēng)圖像生成方法。
背景技術(shù)：
中國水墨畫是一種典型的東方傳統(tǒng)繪畫藝術(shù)，它非常特別又極富魅力，具有很高的藝術(shù)價(jià)值和鑒賞價(jià)值。從顏色上，中國傳統(tǒng)水墨畫與東亞書法相似只使用黑墨；從工具上，中國傳統(tǒng)水墨畫用毛筆、墨、硯臺(tái)和宣紙來完成繪畫；從形式上，中國傳統(tǒng)水墨畫通常高度抽象化，其描繪的物體一般僅限于植物，村莊和山水。目前水墨畫畫風(fēng)圖像生成方法大體可以分為兩種，基于圖像的算法和非基于圖像的算法。非基于圖像的算法主要將研究重點(diǎn)放在對(duì)筆刷、筆劃的建模上。它們利用這些模型來建立一個(gè)需要交互的繪畫系統(tǒng)。這類的方法主要嘗試在計(jì)算機(jī)模擬的畫紙上生成逼真的筆畫，即模擬真實(shí)繪畫的感受。一些方法認(rèn)為繪制性能是很重要的一個(gè)方面，他們使用紋理映射或者其他的一些非基于物理的技術(shù)來加速繪制。與之相反的是，另外一些研究認(rèn)為逼真的模擬結(jié)果更重要。他們不關(guān)心他們的方法有多慢，而是追求最真實(shí)的水墨畫模擬繪制效果。因此，這些方法通常會(huì)包含復(fù)雜的數(shù)學(xué)或物理模型。^iang等人基于二維細(xì)胞自動(dòng)機(jī)計(jì)算模型提出了一個(gè)簡單的水與墨水顆粒的行為模型，參見aiang，Q.，Sato, Y.， Takahashi, J. ， Muraoka, K. ， Chiba, N. :Simple cellular automaton-based simulation of ink behavior and its application to suibokuga一like 3d rendering of trees. Visualization and Computer Animation 10 (1)，27-37 (1999)。這個(gè)模型用于繪制類水墨畫的三維樹木。Lee提出了一種基于粒子的方法用真實(shí)的擴(kuò)散效果來繪制東方式黑白水墨 ΙΗΙ #JAL Lee, J. -Diffusion rendering of black ink paintings using new paper and ink models. Computer & Graphics25 O)，四5_308 Q001)。Chu 等人基于玻爾茲曼網(wǎng)格方程 (Lattice Boltzmann Equation, LBE)提出了一種方法來模擬墨水?dāng)U散效果并用其開發(fā)了一個(gè)可以實(shí)現(xiàn)各種真實(shí)水墨擴(kuò)散效果的數(shù)字繪畫系統(tǒng)，參見Chu，N. S. H.，Tai, C. L. =Moxi real-time ink dispersion in absorbent paper. In :SIGGRAPH,pp.504-511. ACM Press, New York，NY，USAQ005)。這些方法可以創(chuàng)造出良好的結(jié)果，但是這些非基于圖像的方法都有個(gè)共同的缺點(diǎn)——需要人工交互。也即是說，用戶自己需要在系統(tǒng)上繪畫才能獲取很好的效果，而這對(duì)于繪畫技巧較弱的人來說非常困難?；趫D像的算法基本都是圖像修飾算法。為了模擬中國水墨畫畫風(fēng)，這些方法將一些用戶定義的模板或紋理映射到待繪制圖像上。手工效果是用一些筆刷紋理原語來模擬的。在2007年，Wang等人提出了一種基于物理的彩色水墨擴(kuò)散算法來合成具水墨擴(kuò)散效果的圖像，參見Wang，C. M.，Wang，R. J. Image-based color ink diffusion rendering. IEEE Transactions on Visualization and Computer Graphics 13 (2)，235-246 (2007)。它生成的水墨畫圖像有較好的視覺效果。這種方法使我們不需要用筆畫模擬就可以輕松地生成水墨畫圖像。但是，它有一個(gè)很大的缺點(diǎn)一繪制速度過慢。例如，要繪制一幅590X520 的圖像，它大約需要幾分鐘的時(shí)間。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種效果逼真、生成速度快的基于圖像的水墨畫畫風(fēng)圖像生成方法。為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為一種基于圖像的水墨畫畫風(fēng)圖像生成方法，實(shí)施步驟如下1)輸入原始圖像，根據(jù)視覺感知模型獲取原始圖像的視覺興趣區(qū)域，將原始圖像進(jìn)行邊緣提取并結(jié)合所述視覺興趣區(qū)域獲取視覺重要邊緣圖；2)將原始圖像依次進(jìn)行抽象化處理、水墨擴(kuò)散處理，得到水墨擴(kuò)散效果抽象化圖像；3)將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像合成，得到彩色水墨畫畫風(fēng)圖像；4)將彩色水墨畫畫風(fēng)圖像去色處理、增加黑白對(duì)比度，得到黑白水墨畫畫風(fēng)圖像；5)根據(jù)黑白水墨畫畫風(fēng)圖像的內(nèi)置紋理將黑白水墨畫畫風(fēng)圖像進(jìn)行紋理擬合，得到最終水墨畫畫風(fēng)的圖像。作為本發(fā)明技術(shù)方案的進(jìn)一步改進(jìn)所述步驟1)中獲取原始圖像的視覺興趣區(qū)域的詳細(xì)步驟如下獲取原始圖像的亮度、顏色和對(duì)比度三個(gè)特征；根據(jù)亮度、顏色和對(duì)比度分別構(gòu)造亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔；將所述亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔的各層分別進(jìn)行差分計(jì)算得到亮度差分圖、顏色差分圖和對(duì)比度差分圖；將亮度差分圖、顏色差分圖和對(duì)比度差分圖進(jìn)行正則化處理，分別得到亮度特征圖、顏色特征圖和對(duì)比度特征圖；將亮度特征圖、顏色特征圖和對(duì)比度特征圖依次進(jìn)行加權(quán)平均、正則化處理得到圖像的視覺注意力分布圖；將視覺注意力分布圖進(jìn)行高斯平滑處理，得到對(duì)應(yīng)視覺興趣區(qū)域的興趣域函數(shù)圖。所述所述構(gòu)造構(gòu)造亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔時(shí)，首先利用高斯濾波器得到亮度高斯金字塔的底層和顏色高斯金字塔的底層，利用Gabor濾波器得到對(duì)比度高斯金字塔的底層；然后使用mipmap紋理技術(shù)分別生成亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔的底層以上的各層。所述步驟1)中將原始圖像進(jìn)行邊緣提取時(shí)，首先根據(jù)基于流的高斯插值濾波來提取原始圖像的邊緣，然后根據(jù)C' =CX S重新生成原始圖像的邊緣，其中C為像素的原始邊緣值，C'為像素的新邊緣值，S為興趣域函數(shù)圖。所述步驟2~)中將原始圖像進(jìn)行抽象化處理的詳細(xì)步驟如下建立一個(gè)連貫的特征流場(chǎng)；對(duì)原始圖像沿特征流場(chǎng)的流場(chǎng)方向和垂直于特征流場(chǎng)的流場(chǎng)方向進(jìn)行雙邊濾波， 同時(shí)利用基于特征流場(chǎng)的高斯差分算法抽取原始圖像的線條區(qū)域，將所述雙邊濾波的結(jié)果和抽取的線條區(qū)域相乘，得到抽象化處理后的圖像。所述步驟2、中將抽象化處理后的圖像進(jìn)行水墨擴(kuò)散處理的詳細(xì)步驟如下設(shè)定擴(kuò)散半徑r;將待處理圖像中的每一個(gè)像素P(x，y)使用像素P(x+rx，y+ry)取代，其中rx， ry e r ；根據(jù)P(x，y) = median(P1,P2, '".Pn2I對(duì)待處理圖像進(jìn)行中值濾波，得到水墨擴(kuò)散處理后的圖像。所述步驟幻中將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像合成是指將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像進(jìn)行線性疊加。所述步驟4)中去色處理時(shí)，根據(jù)R = 1/3 (R+G+B)、G = 1/3 (R+G+B)和B = 1/3(R+G+B)計(jì)算每一個(gè)像素點(diǎn)的顏色值，其中R、G和B分別為像素點(diǎn)的紅綠藍(lán)顏色值。所述步驟4)中通過
‘0, C< Lmm C=UC- Lmm ) /(Zmax - Lmm ), Lmm <C< Zmax .1，C > Lmax來增加黑白對(duì)比度，其中C是圖像去色處理后的顏色通道值，C'是增強(qiáng)黑白對(duì)比度后的通道值，Lmin和Lmax為用于控制增強(qiáng)幅度的閾值參數(shù)。所述步驟幻中將黑白水墨畫畫風(fēng)圖像進(jìn)行紋理擬合時(shí)，通過C' = C(l-wg(l-C) (p-o. 5))進(jìn)行紋理擬合，其中C和C'表示擬合前和擬合后的顏色值，P表示內(nèi)置紋理的灰度值，Wg表示紋理顆粒感的權(quán)重值。本發(fā)明具有下述優(yōu)點(diǎn)本發(fā)明通過視覺興趣區(qū)域、抽象化處理、水墨擴(kuò)散處理，將視覺重要邊緣圖與水墨擴(kuò)散效果抽象化圖像合成、去色處理、增加黑白對(duì)比度以及紋理擬合，可以根據(jù)用戶輸入的原始圖像自動(dòng)實(shí)時(shí)地生成計(jì)算機(jī)模擬的水墨畫效果圖像，充分利用計(jì)算機(jī)的處理器和顯卡資源進(jìn)行計(jì)算，算法明確、界面友好、結(jié)果逼真，具有效果逼真、生成速度快的優(yōu)點(diǎn)，為非繪畫專業(yè)人士提供了一種簡單易行的水墨畫畫風(fēng)圖像生成方法的解決方案。


圖1為本發(fā)明實(shí)施例的實(shí)施流程示意圖。
具體實(shí)施例方式如圖1所示，本發(fā)明實(shí)施例的基于圖像的水墨畫畫風(fēng)圖像生成方法，實(shí)施步驟如下1)輸入原始圖像，根據(jù)視覺感知模型獲取原始圖像的視覺興趣區(qū)域，將原始圖像進(jìn)行邊緣提取并結(jié)合視覺興趣區(qū)域獲取視覺重要邊緣圖；2)將原始圖像依次進(jìn)行抽象化處理、水墨擴(kuò)散處理，得到水墨擴(kuò)散效果抽象化圖像；3)將視覺重要邊緣圖與水墨擴(kuò)散效果抽象化圖像合成，得到彩色水墨畫畫風(fēng)圖像；4)將彩色水墨畫畫風(fēng)圖像去色處理、增加黑白對(duì)比度，得到黑白水墨畫畫風(fēng)圖像；5)根據(jù)黑白水墨畫畫風(fēng)圖像的內(nèi)置紋理將黑白水墨畫畫風(fēng)圖像進(jìn)行紋理擬合，得到最終水墨畫畫風(fēng)的圖像。本實(shí)施例中，原始圖像為RGB圖像，原始圖像包含亮度用L表示、顏色用C表示、對(duì)比度用0表示。
步驟1)中獲取原始圖像的視覺興趣區(qū)域的詳細(xì)步驟如下獲取原始圖像的亮度 L、顏色C和對(duì)比度0三個(gè)特征；根據(jù)亮度L、顏色C和對(duì)比度0分別構(gòu)造亮度高斯金字塔Bp 顏色高斯金字塔 和對(duì)比度高斯金字塔~ ；將亮度高斯金字塔&、顏色高斯金字塔 和對(duì)比度高斯金字塔~的各層分別進(jìn)行差分計(jì)算得到亮度差分圖Q、顏色差分圖Cc和對(duì)比度差分圖C0 ；將亮度差分圖Q、顏色差分圖Cc和對(duì)比度差分圖Ctj進(jìn)行正則化處理，分別得到亮度特征圖&、顏色特征圖F。和對(duì)比度特征圖Ftj ；將亮度特征圖&、顏色特征圖F。和對(duì)比度特征圖Ftj依次進(jìn)行加權(quán)平均、正則化處理得到圖像的視覺注意力分布圖；將視覺注意力分布圖進(jìn)行高斯平滑處理，得到對(duì)應(yīng)視覺興趣區(qū)域的興趣域函數(shù)圖S。構(gòu)造構(gòu)造亮度高斯金字塔Bp顏色高斯金字塔 和對(duì)比度高斯金字塔~時(shí)，首先利用高斯濾波器得到亮度高斯金字塔&的底層和顏色高斯金字塔 的底層，利用Gabor濾波器得到對(duì)比度高斯金字塔~的底層；然后使用mipmap紋理技術(shù)分別生成亮度高斯金字塔&、顏色高斯金字塔 和對(duì)比度高斯金字塔~的底層以上的各層。mipmap紋理技術(shù)可以充分利用計(jì)算機(jī)的圖形處理器資源，具有生成速度快、資源利用充分的優(yōu)點(diǎn)。亮度L為顏色空間轉(zhuǎn)換后CIE-Lab顏色空間中圖像的亮度值，顏色C為輸入的實(shí)時(shí)圖像的紅綠藍(lán)平均值， 對(duì)比度O為Gabor濾波器計(jì)算結(jié)果。為了加快計(jì)算速度，高斯濾波器可以用重復(fù)的Bartlett 卷積來近似。對(duì)金字塔各層進(jìn)行差分計(jì)算得到亮度差分圖Cp顏色差分圖C。和對(duì)比度差分圖Q，再對(duì)各差分圖進(jìn)行正則化處理得到三個(gè)特征對(duì)應(yīng)的亮度特征圖&、顏色特征圖F。和對(duì)比度特征圖&。為了加速正則化處理，將特征圖從圖形硬件讀回CPU端，計(jì)算出每個(gè)圖各自的最小值，最大值，及平均值，再將這些統(tǒng)計(jì)值當(dāng)作參數(shù)送回圖形硬件進(jìn)行后續(xù)計(jì)算。最后加權(quán)平均并正則化得到實(shí)時(shí)的圖像的視覺注意力分布圖。默認(rèn)情況下，三個(gè)特征圖的權(quán)值都是1/3。為了加快計(jì)算速度，高斯濾波器可以用重復(fù)的Bartlett卷積來近似。Bartlett卷積如下式表示 利用圖形硬件的雙線性插值特性，該卷積只需要兩次紋理查找即可完成。對(duì)得到的金字塔各層進(jìn)行差分計(jì)算得到亮度差分圖Q、顏色差分圖C。和對(duì)比度差分圖Q，各層僅需要一次雙線性紋理查找。再對(duì)各差分圖進(jìn)行正則化處理，就是將所得的結(jié)果縮放到區(qū)間
之間，得到三個(gè)特征對(duì)應(yīng)的亮度特征圖!V顏色特征圖F。和對(duì)比度特征圖&。為了加速正則化處理，將特征圖從圖形硬件讀回CPU端，，計(jì)算出每個(gè)圖各自的最小值，最大值，及平均值，再將這些統(tǒng)計(jì)值當(dāng)作參數(shù)送回圖形硬件進(jìn)行后續(xù)計(jì)算。先將差分圖進(jìn)行線性縮放到W，l]區(qū)間之間，再乘以(1-m)2，式中，m表示特征圖的平均值。最后加權(quán)平均并正則化得到實(shí)時(shí)的圖像的視覺注意力分布圖。默認(rèn)情況下，三個(gè)特征圖的權(quán)值都是1/3。然后，利用閾值tm將圖像的視覺注意力分布圖轉(zhuǎn)換為的黑白模板，視覺注意力分布圖的計(jì)算數(shù)值大于或等于閾值tm的令其等于1，小于閾值tm的令其等于0，1即為白色，O即為黑色。黑白模板中的白色區(qū)域表示視覺上比較吸引注意力的區(qū)域，而黑色區(qū)域表示視覺上的背景區(qū)域。tm 越大，表示視覺注意力區(qū)域越??；而1越小，表示視覺注意力區(qū)域越大。經(jīng)驗(yàn)性地，tm位于區(qū)間
內(nèi)。
權(quán)利要求
1.一種基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于實(shí)施步驟如下1)輸入原始圖像，根據(jù)視覺感知模型獲取原始圖像的視覺興趣區(qū)域，將原始圖像進(jìn)行邊緣提取并結(jié)合所述視覺興趣區(qū)域獲取視覺重要邊緣圖；2)將原始圖像依次進(jìn)行抽象化處理、水墨擴(kuò)散處理，得到水墨擴(kuò)散效果抽象化圖像；3)將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像合成，得到彩色水墨畫畫風(fēng)圖像；4)將彩色水墨畫畫風(fēng)圖像去色處理、增加黑白對(duì)比度，得到黑白水墨畫畫風(fēng)圖像；5)根據(jù)黑白水墨畫畫風(fēng)圖像的內(nèi)置紋理將黑白水墨畫畫風(fēng)圖像進(jìn)行紋理擬合，得到最終水墨畫畫風(fēng)的圖像。
2.根據(jù)權(quán)利要求1所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟1)中獲取原始圖像的視覺興趣區(qū)域的詳細(xì)步驟如下獲取原始圖像的亮度、顏色和對(duì)比度三個(gè)特征；根據(jù)亮度、顏色和對(duì)比度分別構(gòu)造亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔；將所述亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔的各層分別進(jìn)行差分計(jì)算得到亮度差分圖、顏色差分圖和對(duì)比度差分圖；將亮度差分圖、顏色差分圖和對(duì)比度差分圖進(jìn)行正則化處理，分別得到亮度特征圖、顏色特征圖和對(duì)比度特征圖；將亮度特征圖、顏色特征圖和對(duì)比度特征圖依次進(jìn)行加權(quán)平均、正則化處理得到圖像的視覺注意力分布圖；將視覺注意力分布圖進(jìn)行高斯平滑處理，得到對(duì)應(yīng)視覺興趣區(qū)域的興趣域函數(shù)圖。
3.根據(jù)權(quán)利要求2所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述構(gòu)造構(gòu)造亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔時(shí)，首先利用高斯濾波器得到亮度高斯金字塔的底層和顏色高斯金字塔的底層，利用Gabor濾波器得到對(duì)比度高斯金字塔的底層；然后使用mipmap紋理技術(shù)分別生成亮度高斯金字塔、顏色高斯金字塔和對(duì)比度高斯金字塔的底層以上的各層。
4.根據(jù)權(quán)利要求3所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟1)中將原始圖像進(jìn)行邊緣提取時(shí)，首先根據(jù)基于流的高斯插值濾波來提取原始圖像的邊緣，然后根據(jù)C' =CXS重新生成原始圖像的邊緣，其中C為像素的原始邊緣值，C'為像素的新邊緣值，S為興趣域函數(shù)圖。
5.根據(jù)權(quán)利要求1所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟2)中將原始圖像進(jìn)行抽象化處理的詳細(xì)步驟如下建立一個(gè)連貫的特征流場(chǎng)；對(duì)原始圖像沿特征流場(chǎng)的流場(chǎng)方向和垂直于特征流場(chǎng)的流場(chǎng)方向進(jìn)行雙邊濾波，同時(shí)利用基于特征流場(chǎng)的高斯差分算法抽取原始圖像的線條區(qū)域，將所述雙邊濾波的結(jié)果和抽取的線條區(qū)域相乘，得到抽象化處理后的圖像。
6.根據(jù)權(quán)利要求5所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟 2)中將抽象化處理后的圖像進(jìn)行水墨擴(kuò)散處理的詳細(xì)步驟如下設(shè)定擴(kuò)散半徑r ；將待處理圖像中的每一個(gè)像素P (X，y)使用像素P(x+rx，y+ry)取代，其中rx，ry e r ；根據(jù)P(x，y) =median(P1, P2, "'.Pn2I對(duì)待處理圖像進(jìn)行中值濾波，得到水墨擴(kuò)散處理后的圖像。
7.根據(jù)權(quán)利要求1所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟3)中將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像合成是指將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像進(jìn)行線性疊加。
8.根據(jù)權(quán)利要求1所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟 4)中去色處理時(shí)，根據(jù) R = 1/3 (R+G+B)、G = 1/3 (R+G+B)和 B = 1/3 (R+G+B)計(jì)算每一個(gè)像素點(diǎn)的顏色值，其中R、G和B分別為像素點(diǎn)的紅綠藍(lán)顏色值。
9.根據(jù)權(quán)利要求1所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟4)中通過
10.根據(jù)權(quán)利要求1 9中任意一項(xiàng)所述的基于圖像的水墨畫畫風(fēng)圖像生成方法，其特征在于所述步驟幻中將黑白水墨畫畫風(fēng)圖像進(jìn)行紋理擬合時(shí)，通過C' =Cd-Wg(I-C) (p-o. 5))進(jìn)行紋理擬合，其中C和C'表示擬合前和擬合后的顏色值，P表示內(nèi)置紋理的灰度值，Wg表示紋理顆粒感的權(quán)重值。
全文摘要
本發(fā)明公開了一種基于圖像的水墨畫畫風(fēng)圖像生成方法，實(shí)施步驟如下1)輸入原始圖像，獲取原始圖像的視覺注意力分布圖，將原始圖像進(jìn)行邊緣提取并結(jié)合所述視覺注意力分布圖獲取視覺重要邊緣圖；2)將原始圖像依次進(jìn)行抽象化處理、水墨擴(kuò)散處理，得到水墨擴(kuò)散效果抽象化圖像；3)將視覺重要邊緣圖與所述水墨擴(kuò)散效果抽象化圖像合并，得到彩色水墨畫畫風(fēng)圖像；4)將彩色水墨畫畫風(fēng)圖像去色處理，并增加水墨畫的黑白對(duì)比度，得到黑白水墨畫畫風(fēng)圖像；5)根據(jù)黑白水墨畫畫風(fēng)圖像的內(nèi)置紋理，將黑白水墨畫畫風(fēng)圖像進(jìn)行紋理擬合，得到最終水墨畫畫風(fēng)的圖像。本發(fā)明具有效果逼真、生成速度快的優(yōu)點(diǎn)。
文檔編號(hào)G06T11/00GK102254333SQ201110208739
公開日2011年11月23日 申請(qǐng)日期2011年7月25日 優(yōu)先權(quán)日2011年7月25日
發(fā)明者盧書芳, 董立星, 金小剛 申請(qǐng)人:浙江大學(xué)