CN105335926A - 一种基于像素值量化和小波分析的全自动照片油画化方法 - Google Patents
一种基于像素值量化和小波分析的全自动照片油画化方法 Download PDFInfo
- Publication number
- CN105335926A CN105335926A CN201510712551.5A CN201510712551A CN105335926A CN 105335926 A CN105335926 A CN 105335926A CN 201510712551 A CN201510712551 A CN 201510712551A CN 105335926 A CN105335926 A CN 105335926A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel value
- wavelet
- oil painting
- uniformity coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010428 oil painting Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 238000013139 quantization Methods 0.000 title claims abstract description 17
- 230000000694 effects Effects 0.000 title claims abstract description 9
- 238000009877 rendering Methods 0.000 title abstract description 5
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000011002 quantification Methods 0.000 claims abstract description 10
- 238000002156 mixing Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000010422 painting Methods 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 9
- 230000010339 dilation Effects 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000001737 promoting effect Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000004040 coloring Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Generation (AREA)
Abstract
一种基于像素值量化和小波分析的全自动照片油画化方法。该方法利用小波分析技术将数字照片的内容划分为平滑区域和纹理区域，然后分别采用不同的量化步长对平滑区域和纹理区域分别进行像素值量化，最后在小波域中进行图像纹理融合，从而得到具有油画风格的图像。本发明具体包括以下步骤：计算均匀度；获得细节图；像素值量化；纹理融合。与现有技术相比，本发明具有以下明显的优势和有益的效果。照片油画化的所有步骤均由计算机算法实现，无需额外的人工处理步骤；算法实现的过程是全自动的，在算法执行过程中不需要人工设置任何技术参数，仅需给定输入的照片图像即可获得结果，操作简单；计算量较小，算法运行速度快。
Description
技术领域
本方法属于数字图像/视频信号处理领域，尤其涉及一种基于像素值量化和小波分析的全自动照片油画化方法。
背景技术
随着生活水平的不断提高，如今人们不仅关注衣食住行等物质层面上的基本需要，而且越来越注重精神层面上的艺术享受。油画作为一种历史悠久、表现力强的艺术形式，受到了广大艺术爱好者的青睐。然而，绘制油画需要具备专业绘画技能，不具备专业绘画技能的人无法自己绘制油画。近年来，照片油画化技术的出现突破了专业绘画技能的限制。该技术以真实照片为基础，采用图像处理等手段使照片具有类似于油画的显示风格。照片油画化技术使不具备任何专业绘画技能的人也能制作出极具艺术气息的油画，在很大程度上满足了人们的艺术创作愿望。
申请号为CN200910148465.0的专利公开了一种通过图像制备油画的方法。该方法将图像按照不同颜色进行分块，然后采用人工或软件处理方式修正分块线框图，最后将该线框图打印并进行人工上色。该方法虽然降低了油画的绘画难度，但仍需要制作者具备一定的绘画技巧，整体的油画制作工序也较为复杂。
申请号为CN201010142541.X的专利公开了一种图像的油画风格化方法。该方法首先根据能量值将图像划分成面积不等的区域，再根据区域的面积在区域内布置相应尺寸的笔划，然后根据原始图像的笔划方向场来渲染布置的笔划，最后为渲染结果添加光照效果。该方法虽然能够避免人工上色过程，但是制作过程中的阈值选择、笔划刷设定都依赖人工来完成，参数的设置过程较为繁琐，对油画制作者的要求较高。
申请号为CN201110385358.7的专利公开了一种基于图像处理的照片转化为数字油画的方法。该方法通过滤波、取样、聚类过程将图像中的颜色转化为数字油画允许的颜色，从而完成油画化处理。但是，聚类中心需要人工选取。而且聚类结果很可能不理想，此时甚至需要反复选取聚类中心，来获得符合条件的结果。该技术方案的油画制作过程仍然比较复杂。
申请号为CN201410616110.0的专利公开了一种基于图像的数字油画画布的自动生成方法。该方法虽然能够自动地划分出不同的油画颜色区域，但制作油画时仍然依赖人工上色，不能自动生成油画。
现有的照片油画化技术存在的不足可以大致总结为以下几点：
1.只能根据照片生成相应的填涂框架，仍需要进行后续的人工上色才能完成油画制作；
2.需要手工设定的参数较多。为了获得较好的效果，油画制作者首先需要对各步骤中的参数逐个了解才能进行具体操作；
3.油画生成过程步骤繁复，油画制作耗时较长。
发明内容
针对上述技术存在的问题，本发明提出了一种基于像素值量化和小波分析的全自动照片油画化方法。该方法利用小波分析技术将数字照片的内容划分为平滑区域和纹理区域，然后分别采用不同的量化步长对平滑区域和纹理区域分别进行像素值量化，最后在小波域中进行图像纹理融合，从而得到具有油画风格的图像。
为实现上述目的，本发明采用以下技术方案：
本发明提出的基于像素值量化和小波分析的全自动照片油画化方法的总体流程图如图1所示，具体包括以下步骤：
步骤1，计算均匀度。
步骤1.1，图像灰度化。将原始的彩色照片图像转化为灰度图像。
步骤1.2，获得灰度直方图。统计步骤1.1中得到的灰度图像的灰度直方图。
步骤1.3，计算均匀度A。统计直方图中频数超过总像素数0.7％的灰度级数目，该数值即定义为均匀度A。均匀度A能够近似表征直方图的分布均匀程度。灰度直方图分布越均匀，则均匀度A的数值越大。
步骤1.4，均匀度A下限控制。若步骤1.3计算出的均匀度A小于25，则将均匀度A设定为25；若步骤1.3计算出的均匀度A大于或等于25，则跳过此步骤。
步骤2，获得细节图。
步骤2.1，基于小波分析的边缘检测。对步骤1.1中得到的灰度图像进行小波变换，然后将小波域中的低频子带系数全部置零，最后进行小波反变换，得到边缘检测结果。
步骤2.2，图像二值化。将步骤2.1中得到的边缘检测结果进行二值化处理，二值化阈值取0.4倍的A。
步骤2.3，中值滤波。对步骤2.2中得到的二值化图像进行中值滤波去噪，中值滤波窗口尺寸设置为5×5。
步骤2.4，形态学膨胀。对步骤2.3中得到的滤波结果进行形态学膨胀运算，获得细节图，膨胀运算半径设置为3。
步骤3，像素值量化。
步骤3.1，区域划分。根据步骤2.4中得到的细节图对原始的彩色照片图像进行区域划分。细节图中为白色的部分对应原始彩色照片图像的纹理区域；细节图中为黑色的部分对应原始彩色照片图像的平滑区域。
步骤3.2，纹理区域像素值量化。对原始彩色照片图像中的纹理区域的RGB三个颜色通道的像素值进行量化，量化步长选为A。
步骤3.3，平滑区域像素值量化。对原始彩色照片图像中的平滑区域的RGB三个颜色通道的像素值进行量化，量化步长选为3倍的A。
步骤3.4，自动合成。完成步骤3.2和步骤3.3后，纹理区域和平滑区域的像素值都已经过量化处理，它们自动合成得到完整的原始照片图像量化结果。
步骤4，纹理融合。
步骤4.1，画布纹理提取。对没有任何绘画内容的油画画布图像进行小波变换，然后将低频子带系数置零，只保留细节子带系数。
步骤4.2，量化图像的小波变换。对步骤3.4中得到的量化后图像进行小波变换，得到各个子带的小波系数。
步骤4.3，小波域纹理融合。将步骤4.1中得到的小波系数和步骤4.2中得到的小波系数对应相加，然后进行小波反变换，得到最终的照片油画化结果。
与现有技术相比，本发明具有以下明显的优势和有益的效果。
1.照片油画化的所有步骤均由计算机算法实现，无需额外的人工处理步骤；
2.算法实现的过程是全自动的，在算法执行过程中不需要人工设置任何技术参数，仅需给定输入的照片图像即可获得结果，操作简单；
3.计算量较小，算法运行速度快。
附图说明
图1为本发明所涉及的基于像素值量化和小波分析的全自动照片油画化方法的总体流程图；
图2为步骤1的详细流程图；
图3为步骤2的详细流程图；
图4为步骤3的详细流程图；
图5为步骤4的详细流程图；
图6为三张油画化处理前的原始照片图像；
图7为采用本发明的技术方案得到的三张照片油画化处理结果。
具体实施方式
以下结合附图和具体实施方式对本发明做进一步说明。
如图1所示，本发明所涉及的基于像素值量化和小波分析的全自动照片油画化方法包含4个主要步骤：计算均匀度、获得细节图、像素值量化和纹理融合。接下来对每一个步骤的具体实施方式进行详细介绍：
1.计算均匀度
该步骤的详细流程如图2所示。首先，将原始的照片图像转化为灰度图像，接着得到灰度图像的灰度直方图，然后统计直方图中频数超过总像素数0.7％的灰度级数目，该数目即定义为均匀度A。均匀度A可以近似表征直方图的分布均匀程度。灰度直方图分布越均匀，则均匀度A的数值越大。均匀度A将作为后续计算步骤的重要参考指标。为保证后续步骤的有效进行，设置均匀度A下限值为25。若按照上述方法计算出的均匀度A不足25，则均匀度A按25计算。
2.获得细节图
该步骤的详细流程如图3所示。将步骤1中得到的灰度图像利用小波变换进行边缘检测，然后对边缘检测结果进行二值化处理，二值化阈值取0.4A，之后对二值化图像进行中值滤波去噪，最后进行形态学膨胀运算得到最终的细节图。细节图中，白色部分代表纹理区域，黑色部分代表平滑区域。
3.像素值量化
该步骤的详细流程如图4所示。步骤2中得到的细节图能够将原始照片图像划分为纹理区域与平滑区域。对于纹理区域，采用大步长进行量化，用来模拟油画局部的粗糙感；对于平滑区域，采用小步长进行量化，在保持概貌基本不变的情况下增加颜色的分层效果，提升层次感。本实施例取纹理区域的量化步长为3A，取平滑区域的量化步长为A。
4.纹理融合
该步骤的详细流程如图5所示。此步骤旨在使处理结果表现出类似于油画画布的粗糙质感。本实施例选取了一幅空白的油画画布图像，然后对画布图像进行小波变换，并且将小波的低频系数置零。之后对步骤3得到的照片图像量化结果进行小波变换，并把画布的小波系数与该变换结果进行叠加。最后进行小波反变换，从而得到照片油画化的处理结果。
图6所示的是油画化处理前的原始照片图像。
图7所示的是采用本发明所述的技术方案得到的照片油画化处理结果。
本说明书实施例描述的内容仅仅是对发明构思的实现形式的举例说明，本发明的保护范围不应当被视为仅限于实施例所述的具体形式。本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (2)
1.一种基于像素值量化和小波分析的全自动照片油画化方法，该方法利用小波分析技术将数字照片的内容划分为平滑区域和纹理区域，然后分别采用不同的量化步长对平滑区域和纹理区域分别进行像素值量化，最后在小波域中进行图像纹理融合，从而得到具有油画风格的图像；
其特征在于：本方法具体包括以下步骤：
步骤1，计算均匀度；
步骤1.1，图像灰度化；将原始的彩色照片图像转化为灰度图像；
步骤1.2，获得灰度直方图；统计步骤1.1中得到的灰度图像的灰度直方图；
步骤1.3，计算均匀度A；统计直方图中频数超过总像素数0.7％的灰度级数目，该数值即定义为均匀度A；均匀度A能够近似表征直方图的分布均匀程度；灰度直方图分布越均匀，则均匀度A的数值越大；
步骤1.4，均匀度A下限控制；若步骤1.3计算出的均匀度A小于25，则将均匀度A设定为25；若步骤1.3计算出的均匀度A大于或等于25，则跳过此步骤；
步骤2，获得细节图；
步骤2.1，基于小波分析的边缘检测；对步骤1.1中得到的灰度图像进行小波变换，然后将小波域中的低频子带系数全部置零，最后进行小波反变换，得到边缘检测结果；
步骤2.2，图像二值化；将步骤2.1中得到的边缘检测结果进行二值化处理，二值化阈值取0.4倍的A；
步骤2.3，中值滤波；对步骤2.2中得到的二值化图像进行中值滤波去噪，中值滤波窗口尺寸设置为5×5；
步骤2.4，形态学膨胀；对步骤2.3中得到的滤波结果进行形态学膨胀运算，获得细节图，膨胀运算半径设置为3；
步骤3，像素值量化；
步骤3.1，区域划分；根据步骤2.4中得到的细节图对原始的彩色照片图像进行区域划分；细节图中为白色的部分对应原始彩色照片图像的纹理区域；细节图中为黑色的部分对应原始彩色照片图像的平滑区域；
步骤3.2，纹理区域像素值量化；对原始彩色照片图像中的纹理区域的RGB三个颜色通道的像素值进行量化，量化步长选为A；
步骤3.3，平滑区域像素值量化；对原始彩色照片图像中的平滑区域的RGB三个颜色通道的像素值进行量化，量化步长选为3倍的A；
步骤3.4，自动合成；完成步骤3.2和步骤3.3后，纹理区域和平滑区域的像素值都已经过量化处理，它们自动合成得到完整的原始照片图像量化结果；
步骤4，纹理融合；
步骤4.1，画布纹理提取；对没有任何绘画内容的油画画布图像进行小波变换，然后将低频子带系数置零，只保留细节子带系数；
步骤4.2，量化图像的小波变换；对步骤3.4中得到的量化后图像进行小波变换，得到各个子带的小波系数；
步骤4.3，小波域纹理融合；将步骤4.1中得到的小波系数和步骤4.2中得到的小波系数对应相加，然后进行小波反变换，得到最终的照片油画化结果。
2.根据权利要求1所述的一种基于像素值量化和小波分析的全自动照片油画化方法，其特征在于：本发明所涉及的基于像素值量化和小波分析的全自动照片油画化方法包含4个主要步骤：计算均匀度、获得细节图、像素值量化和纹理融合；接下来对每一个步骤的具体实施方式进行详细介绍：
1.计算均匀度
首先，将原始的照片图像转化为灰度图像，接着得到灰度图像的灰度直方图，然后统计直方图中频数超过总像素数0.7％的灰度级数目，该数目即定义为均匀度A；均匀度A可以近似表征直方图的分布均匀程度；灰度直方图分布越均匀，则均匀度A的数值越大；均匀度A将作为后续计算步骤的重要参考指标；为保证后续步骤的有效进行，设置均匀度A下限值为25；若按照上述方法计算出的均匀度A不足25，则均匀度A按25计算；
2.获得细节图
将步骤1中得到的灰度图像利用小波变换进行边缘检测，然后对边缘检测结果进行二值化处理，二值化阈值取0.4A，之后对二值化图像进行中值滤波去噪，最后进行形态学膨胀运算得到最终的细节图；
3.像素值量化
步骤2中得到的细节图能够将原始照片图像划分为纹理区域与平滑区域；对于纹理区域，采用大步长进行量化，用来模拟油画局部的粗糙感；对于平滑区域，采用小步长进行量化，在保持概貌基本不变的情况下增加颜色的分层效果，提升层次感；取纹理区域的量化步长为3A，取平滑区域的量化步长为A；
4.纹理融合
此步骤旨在使处理结果表现出类似于油画画布的粗糙质感；选取一幅空白的油画画布图像，然后对画布图像进行小波变换，并且将小波的低频系数置零；之后对步骤3得到的照片图像量化结果进行小波变换，并把画布的小波系数与该变换结果进行叠加；最后进行小波反变换，从而得到照片油画化的处理结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510712551.5A CN105335926B (zh) | 2015-10-28 | 2015-10-28 | 一种基于像素值量化和小波分析的全自动照片油画化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510712551.5A CN105335926B (zh) | 2015-10-28 | 2015-10-28 | 一种基于像素值量化和小波分析的全自动照片油画化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105335926A true CN105335926A (zh) | 2016-02-17 |
| CN105335926B CN105335926B (zh) | 2018-08-07 |
Family
ID=55286436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510712551.5A Expired - Fee Related CN105335926B (zh) | 2015-10-28 | 2015-10-28 | 一种基于像素值量化和小波分析的全自动照片油画化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105335926B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107343200A (zh) * | 2017-07-06 | 2017-11-10 | 中南大学 | 一种基于光学方法的多彩色图像压缩及解压缩方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050220345A1 (en) * | 2004-03-31 | 2005-10-06 | Fuji Xerox Co., Ltd. | Generating a highly condensed visual summary |
| CN101588438A (zh) * | 2009-06-10 | 2009-11-25 | 拓维信息系统股份有限公司 | 由彩照转化为不同风格图片的手机动画创作方法 |
| CN101794454A (zh) * | 2010-04-08 | 2010-08-04 | 西安交通大学 | 一种基于图像的油画风格化方法 |
| CN102496139A (zh) * | 2011-11-28 | 2012-06-13 | 江南大学 | 基于图像处理的照片转换为数字油画的方法 |
| CN102567946A (zh) * | 2011-09-29 | 2012-07-11 | 深圳市万兴软件有限公司 | 一种计算机油画的生成方法和系统 |
-
2015
- 2015-10-28 CN CN201510712551.5A patent/CN105335926B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050220345A1 (en) * | 2004-03-31 | 2005-10-06 | Fuji Xerox Co., Ltd. | Generating a highly condensed visual summary |
| CN101588438A (zh) * | 2009-06-10 | 2009-11-25 | 拓维信息系统股份有限公司 | 由彩照转化为不同风格图片的手机动画创作方法 |
| CN101794454A (zh) * | 2010-04-08 | 2010-08-04 | 西安交通大学 | 一种基于图像的油画风格化方法 |
| CN102567946A (zh) * | 2011-09-29 | 2012-07-11 | 深圳市万兴软件有限公司 | 一种计算机油画的生成方法和系统 |
| CN102496139A (zh) * | 2011-11-28 | 2012-06-13 | 江南大学 | 基于图像处理的照片转换为数字油画的方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107343200A (zh) * | 2017-07-06 | 2017-11-10 | 中南大学 | 一种基于光学方法的多彩色图像压缩及解压缩方法及装置 |
| CN107343200B (zh) * | 2017-07-06 | 2019-12-17 | 中南大学 | 一种基于光学方法的多彩色图像压缩及解压缩方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105335926B (zh) | 2018-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110148095B (zh) | 一种水下图像增强方法及增强装置 | |
| CN105574827B (zh) | 一种图像去雾的方法、装置 | |
| CN103034986A (zh) | 一种基于曝光融合的夜视图像增强方法 | |
| Sihotang | Implementation of Gray Level Transformation Method for Sharping 2D Images | |
| CN110428379B (zh) | 一种图像灰度增强方法及系统 | |
| US9449253B2 (en) | Learning painting styles for painterly rendering | |
| US9813614B2 (en) | Method and system for analog/digital image simplification and stylization | |
| CN105374007A (zh) | 融合骨架笔画和纹理特征的铅笔画生成方法和装置 | |
| Hou et al. | Image companding and inverse halftoning using deep convolutional neural networks | |
| CN105809643B (zh) | 一种基于自适应块通道拉伸的图像增强方法 | |
| CN110232668B (zh) | 一种多尺度图像增强方法 | |
| CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
| TW201610915A (zh) | 用以轉換二維影像為三維模型的影像處理方法 | |
| Yee et al. | Segmentation and adaptive assimilation for detail-preserving display of high-dynamic range images | |
| CN103702116B (zh) | 一种图像的宽动态压缩方法和装置 | |
| JP2021077365A (ja) | 畳み込みニューラルネットワークスタイル転送を使用したグラフィックデザインの作成の自動化 | |
| CN111489322A (zh) | 给静态图片加天空滤镜的方法及装置 | |
| CN104134198A (zh) | 一种对图像进行局部处理的方法 | |
| CN115660964A (zh) | 基于阈值分区加权亮度分量的夜间道路图像增强方法 | |
| CN108648160B (zh) | 一种水下海参图像去雾增强方法及系统 | |
| Deussen et al. | Halftoning and stippling | |
| CN105335926A (zh) | 一种基于像素值量化和小波分析的全自动照片油画化方法 | |
| Hassan | A uniform illumination image enhancement via linear transformation in CIELAB color space | |
| CN104835121B (zh) | 基于无穷范数约束与最大熵原则的色调映射方法 | |
| CN109003243B (zh) | 一种用于激光雕刻的浮雕效果图像处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180807 Termination date: 20211028 |