CN105096359A - 一种葫芦烙画艺术风格绘制方法 - Google Patents

Abstract

本发明公开了一种葫芦烙画艺术风格绘制方法，包括如下步骤：S1、前景图像各向异性滤波；S2、求取前景图像张量；S3、求取前景图像灰度图像；S4、前景图像细节增强；S5、前景图像变形；S6、前景和背景图像融合。本发明采用各向异性的图像滤波方法对前景图像进行滤波，获得具有抽象的前景图像，并对抽象的前景图像进行细节增强处理，与公知的计算机绘制非真实感烙画艺术效果方法相比，能更好的显示出线条的流畅性，同时提高了处理速度，减少了绘制时间；采用基于等边三角形的方法对前景图像进行变形处理，使得前景图像更好的与葫芦背景图像融合，能产生不同的烙画艺术效果，提高了灵活性。

Description

一种葫芦烙画艺术风格绘制方法

技术领域

本发明涉及计算机图形图像处理中线条增强的、烙画艺术效果的仿真绘制方法，属信息技术领域，具体为一种葫芦烙画艺术风格绘制方法。

背景技术

近年来，非真实感绘制(NPR：NonPhotorealisticRendering)是计算机图形学的有益补充，它建立在人类感知的基础上，结合了艺术的绘画规则与科学的技术方法，主要通过计算机模拟生成具有卡通、油画、水彩等不同手绘风格的图像。非真实感绘制的特点在于表现图形的艺术特质、模拟艺术作品，甚至能表现出人的主观情感，在自然艺术风格的模拟、图像信息的增强、动画的生成、数据的艺术表现以及医学、建筑学、教育学等方面都发挥着越来越重要的作用。此外，非真实感绘制能适应图像内容信息，忽略次要细节，有效地将用户的注意力吸引到关键或者重要的区域；能节省大量的人力、物力和时间来完成动画的制作、艺术效果的生成过程，能提高绘制效率，在影视作品、景点漫游、广告宣传、游戏娱乐、网络传输等领域中，扮演着越来越重要的角色。

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、钢笔画、铅笔画、抽象画等艺术风格作品，千百年来形成了众多的艺术风格作品，利用计算机仿真具有烙画艺术风格的绘画作品，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。

具有民族和地域特色的烙画艺术作品是用烙铁为笔，高温为墨，待烙铁烧热后，在竹木、葫芦、扇骨、梳篦、纸、绢等材质上进行艺术创作，云南省武定和丽江地区为其主要生产基地，此外，在河南、河北、江苏、安徽等地也对其进行艺术创作。烙画艺术作品一般呈焦、黑、褐、黄色，古朴典雅，清晰秀丽，其特有的高低不平的肌理变化具有一定的浮雕效果，在把握火候、力度的同时，注重“意在笔先、落笔成形”，别具一格。其悠悠古韵和现代人们的审美追求融会贯通，相得益彰，成为中国民族艺术的一朵奇葩，并以其淳厚的艺术内涵和生动的历史痕迹受到人们的喜爱。

在非真实感绘制公知的技术中，王东等人采用纹理合成和纹理传输的方法将静态图像渲染为烙画风格的艺术效果(<系统仿真学报，2010，22(12):2929-2933>)；此外，王东等人采用动态权重控制的变形及纹理传输方法模拟了葫芦烙画艺术风格(<计算机应用，2010，30(9):2473-2478>)；钱文华等人采用背景纹理合成及偏离映射的方法获得了烙画艺术风格(<中国图像图形学报，2013，18(7):836-843>)；曹毅采用基于图像的方法模拟绘制了中国水墨画艺术效果(<吉林大学博士毕业论文，2012>)；陈钊针对具体场景设计了地形处理部分和地形水墨渲染两个模块，设计了写意水墨画绘制系统(<吉林大学硕士论文，2011>)；Meng等人对人脸等结构特征进行了研究，采用变形、数据库构建实现了人物肖像画的剪纸效果(<吉林大学博士论文，2012>)；周杰等人采用参数化方法模拟了乱针刺绣艺术效果(<计算机辅助设计与图形学学报，2014，26(3):436-444>)；陈圣国设计了计算机辅助乱针刺绣艺术效果模拟过程(<计算机学报，2011，34(3):526-532>)；钟秋月从网格和纹理贴图的风格化两方面模拟皮影的风格特征，设计了具有皮影风格的人影三维模型(<电子科技大学硕士毕业论文，2012>)；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；董立新公开了一种基于图像的水墨画画风图像生成方法(<专利CN201110208739.8>，2011)；郝雯公开了一种带特征线风格化的三维风格模型非真实感渲染方法(<专利CN201010541055.5>，2011)。钱文华公开了一种基于非真实感的艺术插画效果绘制方法(<专利CN201210135344.4>，2012)，之后，钱文华公开了一种基于非真实感的钢笔淡彩效果绘制方法(<专利CN201210105833.5>，2012)。

相对公知的计算机非真实感烙画等艺术效果模拟方法，本发明突出目标图像的主体特征，以图像滤波和图像抽象为基础，结合图像变形、图像融合技术，提出一种基于非真实感的葫芦烙画艺术效果绘制方法。

发明内容

本发明的目的在于提供一种葫芦烙画艺术风格绘制方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种葫芦烙画艺术风格绘制方法，包括如下步骤：

S1、前景图像各向异性滤波

求取输入前景图像Input(x,y)的亮度图像信息L(x,y)：

L(x,y)＝0.299×Input_R(x,y)+0.587×Input_G(x,y)+0.114×Input_B(x,y)

式中：(x,y)表示象素的坐标位置，Input_R(x,y)，Input_G(x,y)，Input_B(x,y)表示输入图像Input(x,y)的红、绿、蓝三通道值；

S2、求取前景图像张量

求取亮度图像信息L(x,y)中每一象素点的张量信息Z(x,y)：

$Z(x,y)=G(x,y)\&times;G{(x,y)}^T=\left[\begin{array}{cc}{Z}_{11}(x,y)& Z_{12}(x,y)\\ Z_{21}(x,y)& Z_{22}(x,y)\end{array}\right]$

式中：(x,y)表示象素的坐标位置，G(x,y)表示L(x,y)图像中象素点(x,y)的梯度向量，G(x,y)^T表示G(x,y)的转置，Z₁₁(x,y)、Z₁₂(x,y)、Z₂₁(x,y)、Z₂₂(x,y)表示张量矩阵的四个分量值；

S3、求取前景图像灰度图像

根据张量值Z(x,y)求取前景图像Input(x,y)的各向异性滤波结果C(x,y)：

$C(x,y)=\frac{\underset{i=-l(x,y)}{\overset{l(x,y)}{\&Sigma;}}k{(x,y)}_i\&times;S{(x,y)}_i}{\underset{i=-l}{\overset{l}{\&Sigma;}}k{(x,y)}_i}$

式中：(x,y)表示象素的坐标位置，S(x,y)_i表示前景图像Input(x,y)以(x,y)为的一条流线，i表示流线上的某一象素位置，k(x,y)_i表示高斯卷积核函数，表明起始点为(x,y)的一条流线上象素位置为i的高斯卷积核函数，l(x,y)表示该流线的长度，用张量特征值进行计算：

l(x,y)＝arctan(v_1,2(x,y)/v_2,2(x,y))

式中：v_1,2(x,y)表示Z₁₂(x,y)的特征值，v_2,2(x,y)表示Z₂₂(x,y)的特征值；

S4、前景图像细节增强

对C(x,y)采用系数a_k,b_k进行线性滤波，得到线性滤波结果图像B(x,y)：

B(x,y)＝a_kC(x,y)+b_k,(x,y)∈w

$a_k=\frac{\frac{1}{\left|w\right|}{\mathrm{\&Sigma;}}_{(x,y)\&Element;w}(C{(x,y)}^2-\mathrm{\&delta;}\stackrel{\&OverBar;}{C(x,y)})}{{\mathrm{\&psi;}}^2+e}$

$b_k=\stackrel{\&OverBar;}{C(x,y)}-a_k\mathrm{\&delta;}$

式中，(x,y)表示象素的坐标位置，w表示滤波窗口大小(2＜w＜10)，|w|表示窗口w中的象素个数，参数e用来控制a_k的大小(0＜e＜3)，δ表示滤波窗口为w的盒式滤波器的均值，ψ表示滤波窗口为w的盒式滤波器的方差，表示C(x,y)在滤波窗口w中象素值的均值；

计算C(x,y)与线性滤波结果图像B(x,y)的差值E(x,y)，实现细节信息的增强：

E(x,y)＝(C(x,y)-B(x,y))×c+C(x,y)

式中，c控制细节增强的程度(1＜c＜5)；

S5、前景图像变形

对E(x,y)构建等边三角形网格，求取三角形的顶点坐标v(x,y)'：

v(x,y)'＝v(x,y)+l'sinR

式中，v(x,y)表示E(x,y)中等边三角形的其中一个顶点(初始值x＝0，y＝0)，l'表示等边三角形构建的步长(1＜l'＜10)，R表示等边三角形中边与边之间的夹角(R＝60°)；

选择n(2<n<8)个三角形的顶点坐标v(x,y)'，对n个顶点坐标v(x,y)'拖动变形，获得变形之后的结果图像O(x,y)：

$\left\{\begin{array}{c}{x}^{\&prime;}=a_1\&times;x+b_1\&times;y+c_1;\\ y^{\&prime;}=a_2\&times;x+b_2\&times;y+c_2;\end{array}\right.$

式中，x表示v(x,y)'的横坐标，y表示v(x,y)'的纵坐标，x'表示拖动变形后的结果图像O(x,y)的顶点横坐标，y'表示拖动变形后的结果图像O(x,y)的顶点纵坐标，参数a₁、b₁、c₁表示对横坐标x拖动变形的程度(1<a₁<10，1<b₁<10，0<c₁<5)，参数a₂、b₂、c₂表示对纵坐标y拖动变形的程度(1<a₂<10，1<b₂<10，0<c₂<5)；

S6、前景和背景图像融合

选取葫芦背景图像H(x,y)，采用正片叠底的方法将H(x,y)与O(x,y)进行图像融合，获得最终的葫芦烙画艺术结果图像P(x,y)：

$\left\{\begin{array}{c}{P}_R(x,y)=H_R(x,y)\&times;O_R(x,y)/255\\ P_G(x,y)=H_G(x,y)\&times;O_G(x,y)/255\\ P_B(x,y)=H_B(x,y)\&times;O_B(x,y)/255\end{array}\right.$

式中，(x,y)表示象素的坐标位置，H_R(x,y)，H_G(x,y)，H_B(x,y)表示H(x,y)的红、绿、蓝三通道值，O_R(x,y)，O_G(x,y)，O_B(x,y)表示G(x,y)的红、绿、蓝三通道值，P_R(x,y)，P_G(x,y)，P_B(x,y)表示P(x,y)的红、绿、蓝三通道值，将P(x,y)的红、绿、蓝三通道值进行合并：

p(x,y)＝p_R(x,y)+p_G(x,y)+p_B(x,y)

式中，P(x,y)表示最终的葫芦烙画结果图像。

本发明以数字图像滤波和图像抽象技术为基础，以产生具有彩色的葫芦烙画艺术效果为出发点，对输入的静态图像进行处理，给出了对彩色图像进行细节增强、图像变形的方法，提出了采用图像融合技术，将前景图像融合到葫芦背景图像中的方法。本发明基于非真实感的葫芦烙画艺术效果将输入葫芦图像作为背景图像，输入的其它目标图像作为前景图像，绘制方法工艺流程为：首先，对输入的前景静态二维图像进行各向异性滤波，获得具有抽象的艺术效果图像；接着，采用图像增强方法对抽象图像细节进行增强；然后，根据葫芦的外形，对增强后的前景图像进行变形处理，使得前景图像与背景葫芦的形状保持一致，最后，将处理后的前景图像和背景葫芦图像进行图像融合，获得最终的彩色的葫芦烙画艺术效果图像，

本发明提出一种葫芦烙画艺术风格绘制方法，利用计算机对输入图像进行处理，能获得非真实感的葫芦烙画艺术效果，针对不同的输入图像，通过方便灵活的操作，可获得不同的葫芦烙画艺术效果，更符合人们的审美观。采用各向异性的图像滤波方法对前景图像进行滤波，获得具有抽象的前景图像，并对抽象的前景图像进行细节增强处理，与公知的计算机绘制非真实感烙画艺术效果方法相比，能更好的显示出线条的流畅性，同时提高了处理速度，减少了绘制时间。采用基于等边三角形的方法对前景图像进行变形处理，使得前景图像更好的与葫芦背景图像融合，能产生不同的烙画艺术效果，提高了灵活性。建立了一种计算机模拟非真实感葫芦烙画艺术效果的绘制方法，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、以及广告宣传领域具有较大的潜在需求。为葫芦烙画艺术作品模拟提供了一种新的绘制方法，也为扎染、刺绣、及蜡染等不同艺术效果的计算机模拟提供了有力的理论基础和技术支持。

附图说明

图1为本发明提出的一种葫芦烙画艺术风格绘制方法的流程图。

图2为输入图像经过图像去色得到的结果图像。

图3为各向异性滤波之后的前景图像。

图4为对前景图像进行细节增强得到的结果图像。

图5为经过等边三角形网格划分及选取控制点之后的结果图像。

图6为经过图像变形之后的结果图像。

图7为去除三角形网格之后的结果图像。

图8为输入的葫芦背景图像。

图9为前景图像和背景图像融合之后得到的葫芦烙画结果图像。

具体实施方式

如图1-9所示，图1为本发明提出的一种葫芦烙画艺术风格绘制方法的流程图；图2为输入图像经过图像去色得到的结果图像；图3为各向异性滤波之后的前景图像；图4为对前景图像进行细节增强得到的结果图像；图5为经过等边三角形网格划分及选取控制点之后的结果图像；图6为经过图像变形之后的结果图像；图7为去除三角形网格之后的结果图像；图8为输入的葫芦背景图像；图9为前景图像和背景图像融合之后得到的葫芦烙画结果图像。

参照图1-9，本发明提出的一种葫芦烙画艺术风格绘制方法，针对输入的一幅静态二维图像进行葫芦烙画艺术风格效果绘制，包括如下步骤：

S1、前景图像各向异性滤波

如图2所示，求取输入前景图像Input(x,y)的亮度图像信息L(x,y)：

L(x,y)＝0.299×Input_R(x,y)+0.587×Input_G(x,y)+0.114×Input_B(x,y)

式中：(x,y)表示象素的坐标位置，Input_R(x,y)，Input_G(x,y)，Input_B(x,y)表示输入图像Input(x,y)的红、绿、蓝三通道值，(x,y)表示输入图像和亮度图像中的某一象素位置；

S2、求取前景图像张量

求取亮度图像信息L(x,y)中每一象素点的张量信息Z(x,y)：

$Z(x,y)=G(x,y)\&times;G{(x,y)}^T=\left[\begin{array}{cc}{Z}_{11}(x,y)& Z_{12}(x,y)\\ Z_{21}(x,y)& Z_{22}(x,y)\end{array}\right]$

式中：(x,y)表示象素的坐标位置，G(x,y)表示L(x,y)图像中象素点(x,y)的梯度向量，G(x,y)^T表示G(x,y)的转置，Z₁₁(x,y)、Z₁₂(x,y)、Z₂₁(x,y)、Z₂₂(x,y)表示张量矩阵的四个分量值；

S3、求取前景图像灰度图像

如图3所示，根据张量值Z(x,y)求取前景图像Input(x,y)的各向异性滤波结果C(x,y)：

$C(x,y)=\frac{\underset{i=-l(x,y)}{\overset{l(x,y)}{\&Sigma;}}k{(x,y)}_i\&times;S{(x,y)}_i}{\underset{i=-l}{\overset{l}{\&Sigma;}}k{(x,y)}_i}$

式中：(x,y)表示象素的坐标位置，S(x,y)_i表示前景图像Input(x,y)以(x,y)为的一条流线，i表示流线上的某一象素位置，k(x,y)_i表示高斯卷积核函数，表明起始点为(x,y)的一条流线上象素位置为i的高斯卷积核函数，l(x,y)表示该流线的长度，用张量特征值进行计算：

l(x,y)＝arctan(v_1,2(x,y)/v_2,2(x,y))

式中：v_1,2(x,y)表示Z₁₂(x,y)的特征值，v_2,2(x,y)表示Z₂₂(x,y)的特征值；

S4、前景图像细节增强

对C(x,y)采用系数a_k,b_k进行线性滤波，得到线性滤波结果图像B(x,y)：

B(x,y)＝a_kC(x,y)+b_k,(x,y)∈w

$a_k=\frac{\frac{1}{\left|w\right|}{\mathrm{\&Sigma;}}_{(x,y)\&Element;w}(C{(x,y)}^2-\mathrm{\&delta;}\stackrel{\&OverBar;}{C(x,y)})}{{\mathrm{\&psi;}}^2+e}$

$b_k=\stackrel{\&OverBar;}{C(x,y)}-a_k\mathrm{\&delta;}$

式中，(x,y)表示象素的坐标位置，w表示滤波窗口大小(2＜w＜10)，根据经验，我们取值为6；|w|表示窗口w中的象素个数，参数e用来控制a_k的大小(0＜e＜3)，根据经验，我们取值为2；δ表示滤波窗口为w的盒式滤波器的均值，ψ表示滤波窗口为w的盒式滤波器的方差，表示C(x,y)在滤波窗口w中象素值的均值；

如图4所示，计算C(x,y)与线性滤波结果图像B(x,y)的差值，得到细节增强图像E(x,y)，实现细节信息的增强：

E(x,y)＝(C(x,y)-B(x,y))×c+B(x,y)

式中，c控制细节增强的程度(1＜c＜5)，根据经验，我们取值为3；

S5、前景图像变形

对E(x,y)构建等边三角形网格，求取三角形的顶点坐标v(x,y)'：

v(x,y)'＝v(x,y)+l'sinR

式中，v(x,y)表示E(x,y)中等边三角形的其中一个顶点，l'表示等边三角形构建的步长(1＜l'＜10)，根据经验，我们取值为5；R表示等边三角形中边与边之间的夹角(R＝60°)；

选择n(2<n<8，根据经验，我们取值为4)个三角形的顶点坐标v(x,y)'，如图5所示，对n个顶点坐标v(x,y)'拖动变形，如图6所示，获得变形之后的结果图像O(x,y)，如图7所示，其中：

$\left\{\begin{array}{c}{x}^{\&prime;}=a_1\&times;x+b_1\&times;y+c_1;\\ y^{\&prime;}=a_2\&times;x+b_2\&times;y+c_2;\end{array}\right.$

式中，x表示v(x,y)'的横坐标，y表示v(x,y)'的纵坐标，x'表示拖动变形后的结果图像O(x,y)的顶点横坐标，y'表示拖动变形后的结果图像O(x,y)的顶点纵坐标，参数a₁、b₁、c₁表示对横坐标x拖动变形的程度(1<a₁<10，1<b₁<10，0<c₁<5)，根据经验，我们a₁取值为5，b₁取值为5，c₁取值为3；参数a₂、b₂、c₂表示对纵坐标y拖动变形的程度(1<a₂<10，1<b₂<10，0<c₂<5)，根据经验，我们a₁取值为5，b₁取值为5，c₁取值为3；

S6、前景和背景图像融合

选取葫芦背景图像H(x,y)，如图8所示，采用正片叠底的方法将H(x,y)与O(x,y)进行图像融合，获得最终的葫芦烙画结果图像P(x,y)，如图9所示，其中：

$\left\{\begin{array}{c}{P}_R(x,y)=H_R(x,y)\&times;O_R(x,y)/255\\ P_G(x,y)=H_G(x,y)\&times;O_G(x,y)/255\\ P_B(x,y)=H_B(x,y)\&times;O_B(x,y)/255\end{array}\right.$

式中，(x,y)表示象素的坐标位置，H_R(x,y)，H_G(x,y)，H_B(x,y)表示H(x,y)的红、绿、蓝三通道值，O_R(x,y)，O_G(x,y)，O_B(x,y)表示G(x,y)的红、绿、蓝三通道值，P_R(x,y)，P_G(x,y)，P_B(x,y)表示P(x,y)的红、绿、蓝三通道值，将P(x,y)的红、绿、蓝三通道值进行合并：

p(x,y)＝p_R(x,y)+p_G(x,y)+p_B(x,y)

式中，P(x,y)表示最终的葫芦烙画结果图像。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种葫芦烙画艺术风格绘制方法，其特征在于：包括如下步骤：

S1、前景图像各向异性滤波

求取输入前景图像Input(x,y)的亮度图像信息L(x,y)：

L(x,y)＝0.299×Input_R(x,y)+0.587×Input_G(x,y)+0.114×Input_B(x,y)

式中：(x,y)表示象素的坐标位置，Input_R(x,y)，Input_G(x,y)，Input_B(x,y)表示输入图像Input(x,y)的红、绿、蓝三通道值；

S2、求取前景图像张量

求取亮度图像信息L(x,y)中每一象素点的张量信息Z(x,y)：

$Z(x,y)=G(x,y)\&times;G{(x,y)}^T=\left[\begin{array}{cc}{Z}_{11}(x,y)& Z_{12}(x,y)\\ Z_{21}(x,y)& Z_{22}(x,y)\end{array}\right]$

式中：(x,y)表示象素的坐标位置，G(x,y)表示L(x,y)图像中象素点(x,y)的梯度向量，G(x,y)^T表示G(x,y)的转置，Z₁₁(x,y)、Z₁₂(x,y)、Z₂₁(x,y)、Z₂₂(x,y)表示张量矩阵的四个分量值；

S3、求取前景图像灰度图像

根据张量值Z(x,y)求取前景图像Input(x,y)的各向异性滤波结果C(x,y)：

$C(x,y)=\frac{\underset{i=-l(x,y)}{\overset{l(x,y)}{\&Sigma;}}k{(x,y)}_i\&times;S{(x,y)}_i}{\underset{i=-l}{\overset{l}{\&Sigma;}}k{(x,y)}_i}$

式中：(x,y)表示象素的坐标位置，S(x,y)_i表示前景图像Input(x,y)以(x,y)为的一条流线，i表示流线上的某一象素位置，k(x,y)_i表示高斯卷积核函数，表明起始点为(x,y)的一条流线上象素位置为i的高斯卷积核函数，l(x,y)表示该流线的长度，用张量特征值进行计算：

l(x,y)＝arctan(v_1,2(x,y)/v_2,2(x,y))

式中：v_1,2(x,y)表示Z₁₂(x,y)的特征值，v_2,2(x,y)表示Z₂₂(x,y)的特征值；

S4、前景图像细节增强

对C(x,y)采用系数a_k,b_k进行线性滤波，得到线性滤波结果图像B(x,y)：

B(x,y)＝a_kC(x,y)+b_k,(x,y)∈w

$a_k=\frac{\frac{1}{\left|w\right|}{\mathrm{\&Sigma;}}_{(x,y)\&Element;w}(C{(x,y)}^2-\mathrm{\&delta;}\stackrel{\&OverBar;}{C(x,y)})}{{\mathrm{\&psi;}}^2+e}$

$b_k=\stackrel{\&OverBar;}{C(x,y)}-a_k\mathrm{\&delta;}$

式中，(x,y)表示象素的坐标位置，w表示滤波窗口大小(2＜w＜10)，|w|表示窗口w中的象素个数，参数e用来控制a_k的大小(0＜e＜3)，δ表示滤波窗口为w的盒式滤波器的均值，ψ表示滤波窗口为w的盒式滤波器的方差，表示C(x,y)在滤波窗口w中象素值的均值；

计算C(x,y)与线性滤波结果图像B(x,y)的差值E(x,y)，实现细节信息的增强：

E(x,y)＝(C(x,y)-B(x,y))×c+C(x,y)

式中，c控制细节增强的程度(1＜c＜5)；

S5、前景图像变形

对E(x,y)构建等边三角形网格，求取三角形的顶点坐标v(x,y)'：

v(x,y)'＝v(x,y)+l'sinR

式中，v(x,y)表示E(x,y)中等边三角形的其中一个顶点(初始值x＝0，y＝0)，l'表示等边三角形构建的步长(1＜l'＜10)，R表示等边三角形中边与边之间的夹角(R＝60°)；

选择n(2<n<8)个三角形的顶点坐标v(x,y)'，对n个顶点坐标v(x,y)'拖动变形，获得变形之后的结果图像O(x,y)：

$\left\{\begin{array}{c}{x}^{\&prime;}=a_1\&times;x+b_1\&times;y+c_1;\\ y^{\&prime;}=a_2\&times;x+b_2\&times;y+c_2;\end{array}\right.$

式中，x表示v(x,y)'的横坐标，y表示v(x,y)'的纵坐标，x'表示拖动变形后的结果图像O(x,y)的顶点横坐标，y'表示拖动变形后的结果图像O(x,y)的顶点纵坐标，参数a₁、b₁、c₁表示对横坐标x拖动变形的程度(1<a₁<10，1<b₁<10，0<c₁<5)，参数a₂、b₂、c₂表示对纵坐标y拖动变形的程度(1<a₂<10，1<b₂<10，0<c₂<5)；

S6、前景和背景图像融合

选取葫芦背景图像H(x,y)，采用正片叠底的方法将H(x,y)与O(x,y)进行图像融合，获得最终的葫芦烙画艺术结果图像P(x,y)：

$\left\{\begin{array}{c}{P}_R(x,y)=H_R(x,y)\&times;O_R(x,y)/255\\ P_G(x,y)=H_G(x,y)\&times;O_G(x,y)/255\\ P_B(x,y)=H_B(x,y)\&times;O_B(x,y)/255\end{array}\right.$

式中，(x,y)表示象素的坐标位置，H_R(x,y)，H_G(x,y)，H_B(x,y)表示H(x,y)的红、绿、蓝三通道值，O_R(x,y)，O_G(x,y)，O_B(x,y)表示G(x,y)的红、绿、蓝三通道值，P_R(x,y)，P_G(x,y)，P_B(x,y)表示P(x,y)的红、绿、蓝三通道值，将P(x,y)的红、绿、蓝三通道值进行合并：

p(x,y)＝p_R(x,y)+p_G(x,y)+p_B(x,y)

式中，P(x,y)表示最终的葫芦烙画结果图像。