CN101588438A - 由彩照转化为不同风格图片的手机动画创作方法 - Google Patents

Abstract

本发明公开了一种由数字化彩色照片转化为不同风格数字化图片的手机动画创作方法。其特征在于使用灰度化、锐化、钝化、边缘检测、负片和图像缩放中的一种或多种方式对原图像进行处理，从而创作出具有素描、水彩、水墨、油画、木刻等不同绘画风格、非常适合手机上运行的动画图片，在减小了画面数据量，从而在加快了手机运行效率的前提下，使人们获得独有的艺术享受。

Description

由彩照转化为不同风格图片的手机动画创作方法

技术领域

本发明属于数字图像处理技术领域，涉及一种由彩照转化为不同风格图片的手机动画创作方法。

背景技术

不同于《大闹天宫》等银幕动漫音像作品，受制于无线网络的传输速度，特别是手机屏幕尺寸和手机的计算能力，手机动画作品多以尺寸小巧、画面简洁、寓教于乐、耐人寻味取胜。手机动画作品十分追求新的创意，而不以画面的精细、层次的繁复取胜；绘画风格大致相当于中国画的水墨画和西洋画的油画、铅笔素描，而不像中国画的工笔画。

在当前计算机技术的支持下，大量音像画面多以彩色、完全真实、显露全部细节的全数字彩色画面出现，这时如果出现了以水墨画和油画、素描等不同风格的图片，就好像是在一群浓妆艳抹、坦肩露背的仕女丛中出现一个不施脂粉的年轻村姑，无疑将迅速聚焦观众的目光。例如，获得第三届中国原创手机动漫大赛全部57,436件参赛作品中的最高奖项的作品《出水莲》，就是运用中国传统水墨画风格，用蜻蜓，莲，鲤鱼，水等国画常用元素营造出一幅中国写意水墨画卷，配合以音调古朴，风格淡雅的背景音乐，给观众带来回味无穷的古典风情。当然，我们无意排斥画面精细、层次繁复的工笔画，只是认为精彩纷呈的大干世界必须兼容多种绘画风格、以多种表现形态来迎合不同层次观众的不同审美爱好。使用手机的人们也希望通过手机平台能实现对图像的多种效果的呈现，从而给手机用户的生活带来更多姿色和欢乐。

发明内容

本发明的目的在于提供一种由彩照转化为不同风格图片的手机动画创作方法，从而创作出具有素描、水彩、水墨、油画、木刻等不同绘画效果的手机动画图片，使之别有一番艺术情趣，迎合不同层次观众的不同审美爱好。本发明提供的动画图片非常适合在手机上运行，因为本发明极大地减小了画面数据量(众所周知，黑白图像的数据量仅为彩色图像的三分之一，而且本发明的技术流程中还适当地加入了图像缩放)，从而在加快了手机运行效率的前提下，使人们获得独有的艺术享受。

为实现上述目的，本发明的技术方案为：

一种由彩照转化为不同风格图片的手机动画创作方法，其特征在于，使用灰度化、锐化、钝化、边缘检测、负片和图像缩放中的一种或多种方式对原图像进行处理；

所述的灰度化过程为：处理后的像点的灰度值I＝0.3B+0.59G+0.11R，其中R、G、B为彩色图像像素的三个分量；

所述的锐化过程为：对图像各点f(x，y)进行锐化操作后形成新的图像像点值为G(x，y)：

$G(x,y)=\left\{\begin{array}{cc}G\left[f(x,y)\right]+\mathrm{\α},& G\left[f(x,y)\right]\≥T\\ f(x,y),& \mathrm{other}\end{array}\right.;$

其中G[f(x，y)]＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|；

所述的钝化过程为：采用邻域平均法、中值滤波法和选择式掩膜平滑法对图像进行钝化；

所述的边缘检测过程为：边缘检测处理后原像点f(x，y)的取值由

代替，其中：

$|\▿f(x,y)|={(G_x^2+G_y^2)}^{1/2}={\{{[f(x,y)-f(x+1,y)]}^2+{[f(x,y)-f(x,y+1)]}^2\}}^{1/2};$

工程上采用Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子以及高斯-拉普拉斯算子来实现；

所述的负片处理过程为：对原像点的值f(i，j)求逆操作，即求逆后的像点像素值g(x，y)＝256-f(x，y)；

所述的图像缩放的处理过程为：缩放后输出图像(x，y)点的像素值g(x，y)对应于原图中座标为(u，v)的像素值f(u，v)，g(x，y)＝f(u，v)＝bt₁+(1-b)t₂，其中，

t₁＝af([u]+1，[v]+1)+(1-a)f([u]，[v]+1)，

t₂＝af([u]+1，[v])+(1-a)f([u]，[v])，

a＝u-[u]，b＝v-[v]，这里[u]表示对u取整数，[v]表示对v取整数。

本发明的有益效果如下：

本发明使用简单实用的数字图像处理算法，注意减少数据量和提高CPU运行效率，使受制约于手机屏幕尺寸和手机计算能力的手机动漫作品能够以低廉的创作成本和快速的运行效果，为广大观众提供具有素描、水彩、水墨、油画、木刻等不同绘画风格、回味无穷的艺术享受。

本发明提供的动画图片非常适合在手机上运行，因为本发明极大地减小了画面数据量(黑白图像的数据量仅为彩色图像的三分之一，而且本发明的技术流程中还适当地加入了图像缩放)，从而在加快了手机运行效率的前提下，使人们获得独有的艺术享受。特别是，经由本发明所创作的具有不同绘画风格的画片，可以作为再创作的“描红模板”，由创作人员借由手工绘画工具进行局部性修改后，可以创作出更具手工绘画特征的作品。

附图说明：

图1对图片的实际处理实例图，其中a：灰度图，b：将图a钝化获得的水墨画效果图，c：将图a边缘检测获得素描效果图。

图2真正的人工作品与由本发明的部分成果对比；其中a：真正的素描；b：由本发明创作的素描；c：对应图b的原图；d：真正的木刻；e：由本发明创作的木刻，f：对应图e的原图。

图3本发明的技术处理流程。

图4本发明的图像缩放处理示意图。

具体实施方式

对照附图3描述的技术处理流程，依次撰写如下：

一、灰度化

因为我们的目标是产生用铅笔画的素描效果的图片，所以第一步，我们要将彩色的图像转变为灰度的图像。鉴于彩色图像每一像素占3字节(24位)，而灰度图像占1字节，像素的灰度值反映彩色图像像素的亮度，对于一个3分量为R、G、B的彩色图像像素，对应点的亮度一般按以下公式计算：

I＝0.3B+0.59G+0.11R                                             (1)

二、锐化

对图像进行锐化滤波操作能减弱图像中的低频分量。因为低频分量对应图像中灰度值变化缓慢的区域(如脸颊)；而眼睑周围属于度值变化迅速的区域，为突出眼睑内外的对比度、使眼睑附近的图像更为清晰，通常施加锐化操作。概言之，图像锐化的目的有二：一是增强图像边缘，使图像更适合人眼观察；其次是使图像边缘更鲜明，以便提取目标的边缘。

图像锐化的主要方法是对图像进行微分运算，而图像处理中实现一阶微分的最简单方法是梯度法。

一个连续图像函数f(x，y)，它在点(x，y)处的梯度可定义为一矢量：

$\stackrel{\→}{G}\left[f(x,y)\right]==\left[\begin{array}{cc}\frac{\∂f}{\∂x}& \frac{\∂f}{\∂y}\end{array}\right]---\left(2\right)$

梯度的方向在f(x，y)变化率最大的方向上，梯度的幅度

$G\left[f(x,y)\right]=\sqrt{[{\left(\frac{\∂f}{\∂x}\right)}^2+{\left(\frac{\∂f}{\∂y}\right)}^2]}---\left(3\right)$

由公式(3)可知梯度的数值就是f(x，y)在其最大变化率方向上单位距离的增量，可以将微分用绝对值之差近似：

G[f(x，y)]＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|           (4)

应用中采用分段阈值法以改善锐化效果，对图像各点进行锐化操作后形成新的图像：

$G(x,y)=\left\{\begin{array}{cc}G\left[f(x,y)\right]+\mathrm{\α},& G\left[f(x,y)\right]\≥T\\ f(x,y),& \mathrm{other}\end{array}---\left(5\right)\right.$

其中α为常数，T为阈值，且当G[f(i，j)]＜T时取原像素值(即不予锐化)。

由公式4可见G[f(i，j)]为对角线上相邻点，考虑到一般情况下，这样相邻的两点灰度不会差很多，所以一般常取T＝30。而取α＝120，即位于全黑到全白(0～255)的1/2，也即使该点变白亮些。

三、钝化

邻域平均

与图像的锐化相反，图像钝化将削弱图像中的高频分量，即削弱灰度值变化较大的图像边缘区域，减小局部灰度起伏，使图像变得平滑、朦胧。图像钝化还可用于消除噪声或在提取较大目标前除去过小的细节。在空间域中通常可采用邻域平均法、中值滤波法和选择式掩膜平滑法等处理手法。

邻域平均法十分简单，设f(x，y)为处理前图像，g(x，y)为平滑后图像，则 $g(x,y)=\frac{\mathrm{\Σf}(x,y)}{N},$ (x，y)∈M，M为所取邻域中各相邻像素的座标，N为邻域中包含的邻近像素个数。通常可取其大小为3×3、5×5、7×7的邻域，邻域越大减小噪声的效果越明显。工程中通常采用加权的模板，例如对大小为3×3的邻域，可以设计成强调中心像素和上下左右四邻的加权平均模板：

$g(x,y)=\frac{\left[\begin{array}{ccc}f(x-1,y-1)& 2f(x,y-1)& f(x+1,y-1)\\ 2f(x-1,y)& 4f(x,y)& 2f(x+1,y)\\ f(x-1,y+1)& 2f(x,y+1)& f(x+1,y+1)\end{array}\right]}{16}---\left(6\right)$

中值滤波

邻域平均中选定位于中央的像素具有最高的权值，这种一视同仁的做法，往往会使某些有意义但区域较小的特征被模糊化。

与之相比稍优一筹的是中值滤波。标准一维中值滤波器的定义为：

y_k＝med{x_k-n，x_k-n+1，...，x_k，...，x_k+n-1，x_k+n}

式中，med表示取中值操作。由此可见，中值滤波是将滑动窗口的各像素的灰度(即上式中的x_k-n，x_k-n+1，...，x_k，...，x_k+n-1，x_k+n)从上而下排序，选中间取值作为该像素的代表。当滑动窗口较大而使滑动窗口内像素很多(设为m)时，要进行排序操作很消耗计算能力(需要做m(m-2)/2次比较操作。为此我们引用了快速排序算法，减小计算量约0.47倍。简述其思路如下：为便于描述，称3×3窗口内各行像素为：第0行p₀，p₁，p₂，第1行p₃，p₄，p₅，第2行p₆，p₇，p₈。首先对窗口内每一列像素计算得到最大值组、中值组、最小值组：

最大值组：Max₀＝max[p₀，p₃，p₆]，Max₁＝max[p₁，p₄，p₇]，Max₂＝max[p₂，p₅，p₈]；相仿地有中值组Med₀，Med₁，Med₂，和最小值组Min₀，Min₁，Min₂。进一步求出：MaxMin＝min[Max₀，Max₁，Max₂]，相仿地求出MedMed，MinMax；进一步求出：MED＝med[MaxMin，MedMed，MinMax]即为真正的中值。

四、边缘检测

图像中的边缘是图像局部特性不连续(或突变)的结果。例如颜色的突变、纹理的突变等。不失一般性，对图像取值在X方向取一阶导数如出现极大值或二阶导数过零，则表明图像在此处有突变。

对于一个连续图像函数f(x，y)，它在点(x，y)处的梯度可定义为一矢量：

$\▿f(x,y)={[G_x,G_y]}^T={\left[\begin{array}{cc}\frac{\∂f}{\∂x}& \frac{\∂f}{\∂y}\end{array}\right]}^T---\left(7\right)$

其中G_x和G_y分别为沿x方向和y方向的梯度，梯度的幅度

和方向角分别为：

$|\▿f(x,y)|={(G_x^2+G_y^2)}^{1/2}---\left(8\right)$

对数字图像而言，公式(2)梯度的幅度

可由差分代替微分并作为所形成图像各像素点的取值。

公式(2)可改写为：

$|\▿f(x,y)|={(G_x^2+G_y^2)}^{1/2}={\{{[f(x,y)-f(x+1,y)]}^2+{[f(x,y)-f(x,y+1)]}^2\}}^{1/2}---\left(9\right)$

公式9是差分的数学表述，工程上是用算子完成这一表述。

工程实现上常常以各种微分算子为基础，结合使用模板、门限等手段提取边缘。

常用的边缘检测算子有Roberts(罗伯特)算子、Sobel(索贝尔)算子、Prewitt(普利维特)算子、拉普拉斯算子以及高斯-拉普拉斯算子等。

其中Roberts算子是2×2算子，利用局部差分算子寻找边缘，计算沿45°方向的一阶差分，图像某点的梯度为两个45°方向的梯度向量和，直接计算图像差分，不包含平滑，故不能抑制噪声，对具有陡峭边界的低噪声图像效果好。

表一：Roberts算子

Sobel算子和Prewitt算子都对图像进行差分和滤波，只是平滑部分的权值有些差异，但对灰度渐变和噪声较高的图像效果较好。它们都对图像中的每一点用两个模板做卷积操作，其中一个对应像素点的横向梯度G_x，另一个对应像素点的纵向梯度G_y。

表二：Sobel算子

表三：Prewitt算子

拉普拉斯算子也是常用的边缘检测算子，用于检测屋顶型边缘的效果不错，但对噪声较敏感，而其过零点算法如直接用于检测阶跃型边缘，则过零点门限难于选择，而且检测精度较低。它是各向同性的二阶导数

${\▿}^{2}f(x,y)={\left[\begin{array}{cc}\frac{{\∂}^{2}f}{\∂x^2}& \frac{{\∂}^{2}f}{\∂y^2}\end{array}\right]}^T$

对数字图像而言，f(x，y)的二阶偏导数可以表示为：

$\frac{{\∂}^{2}f(x,y)}{\∂x^2}=[f(x+1,y)-f(x,y)]-[f(x,y)-f(x-1,y)];$

$=f(x+1,y)-2f(x,y)+f(x-1,y)$

$\frac{{\∂}^{2}f(x,y)}{\∂y^2}=f(x,y-1)-2f(x,y)+f(x,y+1);$

所以，

${\▿}^{2}f(x,y)=\frac{{\∂}^{2}f}{\∂x^2}+\frac{{\∂}^{2}f}{\∂y^2}=f(x+1,y)+f(x-1,y)+f(x,y-1)+f(x,y+1)-4f(x,y)---\left(10\right)$

表四：拉普拉斯算子

高斯-拉普拉斯算子

拉普拉斯算子对噪声较敏感，而高斯-拉普拉斯算子把高斯平滑滤波器和拉普拉斯边缘检测算子结合起来，先平滑掉噪声再检测边缘，效果较好。下图是常用的5×5拉普拉斯算子：

-2	-4	-4	-4	-2
					-4	0	8	0	-4
-4	8	24	8	-4
					-4	0	8	0	-4
-2	-4	-4	-4	-2

表五：高斯-拉普拉斯算子

我们比较了上述几种算子对脸部器官的检测效果，采用了Sobel算子。

五、负片

为观察的需要，经过边缘检测处理的图像，需要对每一像素的灰度值求逆，即执行运算：

g(x，y)＝256-f(x，y)                                        (11)

其中，f(x，y)和g(x，y)分别为原像点的像数值以及原像点求逆后的像点像素值。

当然对于结果为彩色的图片而言，就不需要进行负片的操作。

六、缩放

设图像X轴方向的缩放比为k_x，Y轴方向的缩放比为k_y，缩放后输出图像(x，y)点的像素值g(x，y)对应于原图中座标为(u，v)的像素值f(u，v)，即

g(x，y)＝f(u，v)                                        (12)

x＝u×k_x即 $u=\frac{x}{k_x}$

y＝v×k_y即 $v=\frac{y}{k_y}$

这里，我们选取计算量适中，处理效果较好的双线性插值法完成(x，y)点到(u，v)的映射。

从式(12)可见，通常u和v为带小数的数值。f(u，v)的上下左右4角点示于图4。

若令a＝u-[u]，b＝v-[v]，其中[u]表示对u取整数，[v]表示对v取整数，则g(x，y)的取值由如下公式计算：

g(x，y)＝f(u，v)＝bt₁+(1-b)t₂                                (13)

其中，

t₁＝af([u]+1，[v]+1)+(1-a)f([u]，[v]+1)；

t₂＝af([u]+1，[v])+(1-a)f([u]，[v])。

Claims (1)

1.一种由数字化彩色照片转化为不同风格数字化图片的手机动画创作方法，其特征在于，使用灰度化、锐化、钝化、边缘检测、负片和图像缩放中的一种或多种方式对原图像进行处理：

所述的灰度化过程为：处理后的像点的灰度值I＝0.3B+0.59G+0.11R，其中R、G、B为彩色图像像素的三个分量；

所述的锐化过程为：对图像各点f(x，y)进行锐化操作后形成新的图像像点值为G(x，y)：

$G(x,y)=\left\{\begin{array}{cc}G\left[f(x,y)\right]+\mathrm{\α},& G\left[f(x,y)\right]\≥T\\ f(x,y),& \mathrm{other}\end{array}\right.;$

其中G[f(x，y)]＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|；

所述的钝化过程为：采用邻域平均法、中值滤波法和选择式掩膜平滑法对图像进行钝化；

所述的边缘检测过程为：边缘检测处理后原像点f(x，y)的取值由

代替，其中：

$|\▿f(x,y)|={(G_x^2+G_y^2)}^{1/2}={\{{[f(x,y)-f(x+1,y)]}^2+{[f(x,y)-f(x,y+1)]}^2\}}^{1/2};$

具体采用Roberts算子、Sobel算子、Prewitt算子、拉普拉斯算子以及高斯-拉普拉斯算子来实现；

所述的负片处理过程为：对原像点的值f(x，y)求逆操作，即求逆后的像点像素值g(x，y)＝256-f(x，y)；

所述的图像缩放的处理过程为：缩放后输出图像(x，y)点的像素值g(x，y)对应于原图中座标为(u，v)的像素值f(u，v)，g(x，y)＝f(u，v)＝bt₁+(1-b)t₂，其中，

t₁＝af([u]+1，[v]+1)+(1-a)f([u]，[v]+1)，

t₂＝af([u]+1，[v])+(1-a)f([u]，[v])，

a＝u-[u]，b＝v-[v]，其中[u]表示对u取整数，[v]表示对v取整数。

Images