CN105701782A - 纹理效果显著的人脸简约图生成方法 - Google Patents

Abstract

本发明公开了一种纹理效果显著的人脸简约图生成方法，包括：步骤1、输入人脸测试照片；步骤2、对上述测试照片进行边缘强化处理；步骤3、对强化后的测试照片进行拉普拉斯锐化处理；步骤4、在测试照片和训练照片之间使用K-NN近邻搜索，从而得到简约图；步骤5、对得到的简约图进行去除噪音处理；步骤6、输出简约图。实现增强简约图的纹理效果的目的。

Description

纹理效果显著的人脸简约图生成方法

技术领域

本发明涉及计算机图形图像处理技术领域，具体地，涉及一种纹理效果显著的人脸简约图生成方法。

背景技术

简约图，即平时所说的素描图。素描可以说是一个最接近艺术的形式之一，只需要一个绘图工具，一些纸，和愿意从事创造性工作的意愿。但是很多人不具备基本的艺术训练，而随着数码相机以及智能手机的普及，普通的数码照片已经不能满足人们的需求，将数码照片转换成其他艺术形式的照片已经成为了日常生活中的一种娱乐方式。

关于简约图的合成，一般有两种基本的方法，基于图像的方法和基于样本的方法：

基于图像的脸部简约图合成方法是根据输入图像的边缘产生笔画和阴影。例如文献:Gastal,E.S.,Oliveira,M.M.,“Domaintransformforedge-awareimageandvideoprocessing”,SIGGRAPH,2011。应用对颜色边缘回应的双边权重来产生简约图像。这种简约图合成方法在某种意义上能产生有意义的效果，但是其结果通常更像是照片，而不像艺术家的艺术作品。

基于样本的脸部简约图合成方法的研究源自监督的方式转型框架。它们可以处理那些难以用参数描述的类型。同时他们的系统指令可以由用户随时地轻松地扩展。例如文献:YibingSong,LinchaoBao,QingxiongYang,MingHsuanYang,“Real-timeexemplar-basedfacesketchsynthesis”,EuropeanConferenceonComputerVision(ECCV),2014。提出了一种脸部简约图合成方法：用K-NN近邻搜索方法得到有噪声的简约图，然后利用去噪方法得到最终的简约图，如图3。但是利用这种方法得到的简约图纹理效果大大被弱化。

发明内容

本发明的目的在于，针对上述问题，提出一种纹理效果显著的人脸简约图生成方法，以实现增强简约图的纹理效果的目的。

为实现上述目的，本发明采用的技术方案是：

一种纹理效果显著的人脸简约图生成方法，包括：

步骤1、输入人脸测试照片；

步骤2、对上述测试照片进行边缘强化处理；

步骤3、对强化后的测试照片进行拉普拉斯锐化处理；

步骤4、在测试照片和训练照片之间使用K-NN近邻搜索，从而得到简约图；

步骤5、对得到的简约图进行去除噪音处理；

步骤6、输出简约图。

优选的，所述步骤2中对上述测试照片进行边缘强化处理，具体包括：

寻找能将照片从高维空间转换到低维空间的转型t和定义在低维空间上的滤波器H，使得任何输入照片I，使用滤波器H能产生和使用高维空间内具有边缘保护功能的滤波器F等效的结果。

优选的，将照片从高维空间转换到低维空间过程中使用保矩变换。

优选的，所述滤波器H采用归一化卷积。

优选的，所述步骤3对强化后的测试照片进行拉普拉斯锐化处理，具体为使用拉普拉斯算子对测试照片进行拉普拉斯滤波从而得到拉普拉斯图像，然后将原照片和拉普拉斯图像叠加得到锐化后的照片；

所述拉普拉斯算子具体为：

${\▿}^{2}f=\frac{{\∂}^{2}f}{\∂x^2}+\frac{{\∂}^{2}f}{\∂y^2};$

拉普拉斯锐化公式即为：

$g(x,y)=f(x,y)+c{\▿}^{2}f(x,y),$ 其中f(x,y)和g(x,y)分别表示输入照片和锐化后的照片，常数c＝-1。

优选的，所述步骤4在测试照片和训练照片之间使用K-NN近邻搜索，从而得到简约图具体为：在每个像素位置找到前K匹配的碎片并产生位移矢量,然后在每个像素位置采用线性组合法计算相应的简约图估计。

优选的，所述步骤5对得到的简约图进行去除噪音处理中，具体采用空间简约图去噪。

优选的，所述空间简约图去噪过程中，采用局部线性模型对简约图估计进行分组。

本发明的技术方案具有以下有益效果：

本发明技术方案对真实照片进行边缘强化和滤波作用，过程简单易行，并且最后合成的简约图能够很好地保留原照片的纹理效果。使用边缘强化技术和拉普拉斯滤波锐化技术，大大增强了简约图的纹理效果。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明实施例所述的纹理效果显著的人脸简约图生成方法的流程图；

图2为发明实施例所用的测试照片；

图3为现有技术中仅使用K-NN搜索算法和图像去噪算法得到的简约图；

图4为本发明实施例中经过边缘强化处理后的照片；

图5为本发明实施例中经过拉普拉斯锐化处理后的照片；

图6为采用本发明实施例所述的纹理效果显著的人脸简约图生成方法最终合成的简约图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种纹理效果显著的人脸简约图生成方法，包括：

步骤1、输入人脸测试照片；

步骤2、对上述测试照片进行边缘强化处理；

步骤3、对强化后的测试照片进行拉普拉斯锐化处理；

步骤4、在测试照片和训练照片之间使用K-NN近邻搜索，从而得到简约图；

步骤5、对得到的简约图进行去除噪音处理；

步骤6、输出简约图。

下面对各个步骤进行详细说明：

(1)、输入一张符合要求的人脸测试照片，如图2：

本实施例中图片具体要求为：后缀名是.png的图片格式，图片大小为200*250，且是正面的人脸图片，最好左眼中心和右眼中心的像素坐标分别大约为(75,125),(125,125)。

(2)、对输入的测试照片进行边缘强化处理：

对测试照片进行边缘强化处理，使得在进行K-NN近邻搜索时能够找到更为匹配的照片碎片，并且通过线性估计调整每个碎片的权重参数从而创造出纹理效果更好的简约图匹配碎片。

进行边缘强化的处理旨在寻找一个能将图像从高维空间转换到低维空间的一个转型t和一个定义在低维空间上的滤波器H，使得任何一个输入图像I，使用滤波器H能产生和使用高维空间内具有边缘保护功能的滤波器F等效的结果，得到的图像如图4所示。

寻找保矩变换：为了导出等距的一维变换，令I:是一个一维信号，它在R²上由曲线图(x,I(x))定义了一个曲线C，其中x∈Ω。我们的目标是找到一个变换t:R²→R。在R中通过一些度量能保留R和C之间原有的距离。令ct是定义在R²的曲线C到R的演变，同时它保护了相邻样本之间的距离。

寻找低维空间的滤波器：令是一个2维的RGB彩色图像，设是一个5维的边缘保护滤波器。用滤波器F对I进行滤波，可以获得图像J：这里我们采用的是归一化卷积，可供参考的文献：Gastal,E.S.,Oliveira,M.M.,“Domaintransformforedge-awareimageandvideoprocessing”,SIGGRAPH,2011.

(3)、对强化后的测试照片进行拉普拉斯锐化处理：

拉普拉斯算子是各向同性微分算子；各向同性滤波器是旋转不变的，滤波器的响应与滤波器作用的图像的突变方向无关。一个二维函数f(x,y)的拉普拉斯算子定义为：以离散形式描述为

f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y)

由于拉普拉斯算子是一种微分算子，它强调图像中的灰度突变，而不强调灰度渐变的区域，因此拉普拉斯滤波将产生把灰色边线和突变点叠加到暗色背景中的图像；拉普拉斯锐化图像是将原图像和拉普拉斯图像叠加的结果：其中f(x,y)和g(x,y)分别表示输入图像和锐化后的图像，常数c＝-1；(加大中心点灰度和邻域灰度的差异)得到的图像如图5所示。

(4)、K-NN近邻搜索：

对于测试图片中每个像素中心的碎片，我们在每个训练照片中选择前K相似的碎片。当执行K-NN搜索时我们通过连续不断地改变训练照片来计算不同的关于测试照片的图像块来产生一个成本量。然后文献:Viola,P.,Jones,M.,“Rapidobjectdetectionusingaboostedcascadeofsimplefeatures”,CVPR,2001.中提到的框过滤器应用于成本量过滤(过滤值是碎片匹配值)。在测试照片中以T_p表示一个向量，它包含以像素P为中心的碎片的像素值，到分别表示包含前K对应匹配的碎片的像素值的向量。对于测试碎片T_p的前K个匹配碎片的线性映射函数的系数可以通过求解下面的线性方程得到其中到均是系数。当K较小(在本发明中K＝3)，这是一个低阶系统并且系数可以通过使用共轭梯度求解器被有效地计算出来。

(5)、简约图去除噪声：

在上一过程中，K位移矢量被计算出来，相应的线性映射函数由在每个像素位置P的系数表示。设S表示训练简约图图像，那么到符合上节中在像素p处通过K-NN搜索得到的简约图值。为了表示任意两简约图图像像素之间的相似性，我们主要研究被认为是类似的分组简约图估计,而不是决定一个更好的权重w(p,q)的表示。本发明使用的分组方案是基于局部线性模型。在这种假设下，线性映射函数计算由K-NN搜索方法得到的像素q可以和位移矢量一起使用，不仅可以计算像素q处的简约图估计，而且还可以计算像素q周围邻近的所有像素p的简约图估计。令表示在像素p的简约图估计，是基于线性映射函数和在像素q位置使用K-NN获得的位移矢量的简约图估计计算，我们有根据局部线性模型，简约图估计和E_p一样是有保证的，只要像素p和q相近。因此，去噪的过程是如此简单。设表示去噪后的简约图，在像素位置p去噪后的简约图值是其中|ψ_p|是碎片ψ_p处的像素数。本发明称这种简约图的去噪方法为空间简约图去噪。

(6)、输出简约图：

如图6所示，是采用本发明技术方案输出的简约图，相比较于图3，它的纹理效果明显增强。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种纹理效果显著的人脸简约图生成方法，其特征在于，包括：

步骤1、输入人脸测试照片；

步骤2、对上述测试照片进行边缘强化处理；

步骤3、对强化后的测试照片进行拉普拉斯锐化处理；

步骤4、在测试照片和训练照片之间使用K-NN近邻搜索，从而得到简约图；

步骤5、对得到的简约图进行去除噪音处理；

步骤6、输出简约图。

2.根据权利要求1所述的纹理效果显著的人脸简约图生成方法，其特征在于，所述步骤2中对上述测试照片进行边缘强化处理，具体包括：

寻找能将照片从高维空间转换到低维空间的转型t和定义在低维空间上的滤波器H，使得任何输入照片I，使用滤波器H能产生和使用高维空间内具有边缘保护功能的滤波器F等效的结果。

3.根据权利要求2所述的纹理效果显著的人脸简约图生成方法，其特征在于，将照片从高维空间转换到低维空间过程中使用保矩变换。

4.根据权利要求2所述的纹理效果显著的人脸简约图生成方法，其特征在于，所述滤波器H采用归一化卷积。

5.根据权利要求1所述的纹理效果显著的人脸简约图生成方法，其特征在于，所述步骤3对强化后的测试照片进行拉普拉斯锐化处理，具体为使用拉普拉斯算子对测试照片进行拉普拉斯滤波从而得到拉普拉斯图像，然后将原照片和拉普拉斯图像叠加得到锐化后的照片；

所述拉普拉斯算子具体为：

${\▿}^{2}f=\frac{{\∂}^{2}f}{\∂x^2}+\frac{{\∂}^{2}f}{\∂y^2};$

拉普拉斯锐化公式即为：

$g(x,y)=f(x,y)+c{\▿}^{2}f(x,y),$ 其中f(x,y)和g(x,y)分别表示输入照片和锐化后的照片，常数c＝-1。

6.根据权利要求1所述的纹理效果显著的人脸简约图生成方法，其特征在于，所述步骤4在测试照片和训练照片之间使用K-NN近邻搜索，从而得到简约图具体为：在每个像素位置找到前K匹配的碎片并产生位移矢量,然后在每个像素位置采用线性组合法计算相应的简约图估计。

7.根据权利要求6所述的纹理效果显著的人脸简约图生成方法，其特征在于，所述步骤5对得到的简约图进行去除噪音处理中，具体采用空间简约图去噪。

8.根据权利要求7所述的纹理效果显著的人脸简约图生成方法，其特征在于，所述空间简约图去噪过程中，采用局部线性模型对简约图估计进行分组。