CN107862664A - 一种图像非真实感绘制方法及系统 - Google Patents
一种图像非真实感绘制方法及系统 Download PDFInfo
- Publication number
- CN107862664A CN107862664A CN201711130510.0A CN201711130510A CN107862664A CN 107862664 A CN107862664 A CN 107862664A CN 201711130510 A CN201711130510 A CN 201711130510A CN 107862664 A CN107862664 A CN 107862664A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- interest
- photorealistic
- sub
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000009877 rendering Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000009499 grossing Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 239000003086 colorant Substances 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 14
- 238000007499 fusion processing Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008451 emotion Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 11
- 230000035807 sensation Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000010429 water colour painting Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010428 oil painting Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/02—Non-photorealistic rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种图像非真实感绘制方法及系统，包括：提取源图像中的感兴趣区域；对感兴趣区域进行分水岭变换，将感兴趣区域图像分割成多个子区域；通过均值漂移算法对每个子区域进行处理，并将处理后的子区域进行填充色彩；对填充色彩的子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。本申请把提取感兴趣区域的技术引入图像分析中，在一定程度上消除了图像的冗余信息，突出了图像的主要内容，消除了次要内容带来的干扰，改善图像NPR时间效率的算法，实现一类具有水彩风格的非真实感艺术效果的图像，并且尽可能减少了处理过程中的人工干预，提供友好的用户界面。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像非真实感绘制方法及系统。
背景技术
非真实感绘制(Non-Photorealistic Rendering，简称NPR)是一种利用计算机生成具有手绘风格的图像处理技术，是计算机图形学和图像处理中一个崭新的领域，这一领域已逐渐成为计算机图形学的研究热点之一。目前，NPR技术在诸多领域都有广泛的应用，例如艺术，数字娱乐，影视制作，科学医学和工业设计等领域。国内外的NPR技术研究，已经能够实现多种艺术作品的模拟创作，例如，用计算机模拟水彩画、水墨画，油画等艺术效果。
在图像非真实感绘制技术的实际应用中，不仅要求NPR处理具有良好的艺术效果，还需要NPR处理耗时在用户可接受的范围之内。经文献研究发现，现有的多种NPR实现方法时间复杂度都较高，NPR处理耗时较长。
例如现有的均值漂移(Mean-Shift)图像分割算法的分割结果具有绘画效果，适合用来实现非真实感绘制。但是由于它在处理的过程，需要对图像每个像素点进行有限次数的迭代，需要耗费较长的计算时间。目前，Mean-Shift的一些改进算法也被相继提出，例如结合分水岭的Mean-Shift图像分割算法等。改进的算法虽然在时间效率上有一定的提高，但在图像非真实感绘制技术的实际应用中，时间效率仍需进一步提高。
因此，如何提供一种新的方法来有效提高改善图像NPR的时间效率，是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种图像非真实感绘制方法及系统，可以用于模拟水彩画一类的艺术风格，并能有效提高非真实感绘制的时间效率。其具体方案如下：
一种图像非真实感绘制方法，包括：
提取源图像中的感兴趣区域；
对所述感兴趣区域进行分水岭变换，将所述感兴趣区域图像分割成多个子区域；
通过均值漂移算法对每个所述子区域进行处理，并将处理后的所述子区域进行填充色彩；
对填充色彩的所述子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。
优选地，在本发明实施例提供的上述图像非真实感绘制方法中，在提取源图像中的感兴趣区域之前，还包括：
将源图像的划分成多个图像块，计算出每个所述图像块的变异度；
根据计算出的所述变异度，确定所述源图像的感兴趣区域。
优选地，在本发明实施例提供的上述图像非真实感绘制方法中，计算出每个所述图像块的变异度，具体包括：
确定每个所述图像块的灰度平均值；
根据每个所述图像块的灰度平均值，计算出每个所述图像块的方差；
根据每个所述图像块的方差和所述源图像的平均灰度值，计算出每个所述图像块的变异度。
优选地，在本发明实施例提供的上述图像非真实感绘制方法中，根据计算出的所述变异度，确定所述源图像的感兴趣区域，具体包括：
将计算出的所述变异度与预设阈值进行比较，将大于所述预设阈值的变异度的图像块进行标记；
对标记的所述图像块，通过凸包算法，求取出所述源图像的感兴趣区域。
优选地，在本发明实施例提供的上述图像非真实感绘制方法中，对填充色彩的所述子区域进行融合处理和边缘平滑处理，具体包括：
通过小区域融合方法对填充色彩的所述子区域进行融合处理；
通过Canny边缘检测算法对融合处理的所述子区域进行边缘平滑处理。
优选地，在本发明实施例提供的上述图像非真实感绘制方法中，在得到非真实感绘制的图像之后，还包括：
根据所述源图像，从图库中检索出相应情感的图像作为色彩传递源图；
根据色彩传递源图，对所述非真实感绘制的图像进行配色。
本发明实施例还提供了一种图像非真实感绘制系统，包括：
感兴趣区域提取模块，用于提取源图像中的感兴趣区域；
分水岭变换模块，用于对所述感兴趣区域进行分水岭变换，将所述感兴趣区域图像分割成多个子区域；
均值漂移处理模块，用于通过均值漂移算法对每个所述子区域进行处理，并将处理后的所述子区域进行填充色彩；
融合和边缘平滑处理模块，用于对填充色彩的所述子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。
优选地，在本发明实施例提供的上述图像非真实感绘制系统中，还包括：
感兴趣区域确定模块，用于将源图像的划分成多个图像块，计算出每个所述图像块的变异度；根据计算出的所述变异度，确定所述源图像的感兴趣区域。
优选地，在本发明实施例提供的上述图像非真实感绘制系统中，所述感兴趣区域确定模块，具体包括：
灰度平均值确定单元，用于确定每个所述图像块的灰度平均值；
方差计算单元，用于根据每个所述图像块的灰度平均值，计算出每个所述图像块的方差；
变异度计算单元，用于根据每个所述图像块的方差和所述源图像的平均灰度值，计算出每个所述图像块的变异度。
优选地，在本发明实施例提供的上述图像非真实感绘制系统中，还包括：
图像配色模块，用于根据所述源图像，检索出相应情感的图像作为色彩传递源图；根据色彩传递源图，对所述非真实感绘制的图像进行配色。
本发明所提供的一种图像非真实感绘制方法及系统，包括：提取源图像中的感兴趣区域；对感兴趣区域进行分水岭变换，将感兴趣区域图像分割成多个子区域；通过均值漂移算法对每个子区域进行处理，并将处理后的子区域进行填充色彩；对填充色彩的子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。本发明把提取感兴趣区域的技术引入图像分析中，在一定程度上消除了图像的冗余信息，突出了图像的主要内容，消除了次要内容带来的干扰，改善图像NPR时间效率的算法，实现一类具有水彩风格的非真实感艺术效果的图像，并且尽可能减少了处理过程中的人工干预，提供友好的用户界面。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的图像非真实感绘制方法的流程图之一；
图2为本发明实施例提供的图像非真实感绘制方法的流程图之二；
图3a至图3h分别为本发明实施例提供的图像非真实感绘制方法在各步骤执行后的效果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种图像非真实感绘制方法，如图1所示，包括以下步骤：
S101、提取源图像中的感兴趣区域(Regions of Interest，简称ROI)；
S102、对感兴趣区域进行分水岭变换，将感兴趣区域图像分割成多个子区域；
S103、通过均值漂移(Mean-Shift)算法对每个子区域进行处理，并将处理后的子区域进行填充色彩；
S104、对填充色彩的子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。
在本发明实施例提供的上述图像非真实感绘制方法中，把提取ROI的技术引入图像分析中，在一定程度上消除了图像的冗余信息，突出了图像的主要内容，消除了次要内容带来的干扰，改善图像NPR时间效率的算法，实现一类具有水彩风格的非真实感艺术效果的图像，并且尽可能减少了处理过程中的人工干预，提供友好的用户界面。
需要说明的是，由于图像的感兴趣区域是指图像中最能引起用户兴趣、最能表现图像内容的区域，包含了图像的大部分信息，是图像的主要内容，具有针对性，而非感兴趣部分，例如背景，对图像的表达没有多大影响，因此在用Mean-Shift算法处理之前，可以先利用感兴趣区域的提取方法，忽略图像中的非感兴趣区域，从而缩短Mean-Shift算法的处理时间，提高NPR的时间效率，有助于实时的图像NPR处理。
在具体实施时，在本发明实施例提供的上述图像非真实感绘制方法中，由于传统的ROI提取方法提取区域尺寸不易控制，也容易受纹理等噪声干扰，因此为了提高感兴趣区域提取的准确度，如图2所示，在执行步骤S101提取源图像中的感兴趣区域之前，还可以包括以下步骤：
S201、将源图像的划分成多个图像块，计算出每个图像块的变异度；
S202、根据计算出的变异度，确定源图像的感兴趣区域。
使用上述步骤可以更准确地找出图像的边缘，同时区分图像的纹理区和边缘区。需要说明的是，边缘是图像的重要部分。它不仅勾画了图像的轮廓，也是认识图像的重要依据。图像在内容上发生变化的区域就是重要的区域，由此想到可以利用图像的边缘信息，来提取图像的感兴趣区域。此处，我们将源图像的划分成多个图像块，采用计算每个图像块的变异度的方法来提取图像的感兴趣区域。利用变异度来提取图像的感兴趣区域避免了方差阈值选取的不稳定性，且提取算法简单，速度较快。
在具体实施时，在本发明实施例提供的上述图像非真实感绘制方法中，步骤S201计算出源图像的变异度，具体可以包括以下步骤：
首先，确定每个图像块的灰度平均值；
然后，根据每个图像块的灰度平均值，计算出每个图像块的方差；
最后，根据每个图像块的方差和源图像的平均灰度值，计算出每个图像块的变异度。
进一步地，在具体实施时，在本发明实施例提供的上述图像非真实感绘制方法中，步骤S202根据计算出的变异度，确定源图像的感兴趣区域，具体可以包括以下步骤：
首先，将计算出的变异度与预设阈值进行比较，将大于预设阈值的变异度的图像块进行标记；
然后，对标记的图像块，通过凸包算法，求取出源图像的感兴趣区域。
具体地，下面以一个具体的实施例描述下步骤S201和步骤S202的详细实现步骤：
在图像处理问题中，一般将源图像划分成为若干小块进行分析，下面以150×150的源图像为例，算法实现如下：
步骤1、将图像划分成大小为5×5个的图像块；
步骤2、求每个图像块的灰度平均值
步骤3、对每个图像块计算方差s；
标准方差的计算公式如下：
其中n为块Bk中元素的个数；f(x,y)为块Bk中像素点的灰度值；f为块Bk的平均灰度；
步骤4、求整个图像的平均灰度值
步骤5、计算每个图像块的变异度c；
变异度c的计算公式：
其中为图像的平均灰度值；
步骤6、对变异度大于阈值的图像块，对其进行标记。
步骤7、对已标记的点，利用凸包算法，求取图像的感兴趣区域。
需要说明的是，确定源图像的感兴趣区域，除了计算变异度，还可以有其他方式，包括计算拐点、灰度、视觉注意等等。对于确定源图像的感兴趣区域的方式，可以根据实际情况而定。
在具体实施时，在本发明实施例提供的上述图像非真实感绘制方法中，步骤S104对填充色彩的子区域进行融合处理和边缘平滑处理，具体可以包括：
通过小区域融合方法对填充色彩的子区域进行融合处理；
通过Canny边缘检测算法对融合处理的子区域进行边缘平滑处理。
在具体实施时，在本发明实施例提供的上述图像非真实感绘制方法中，由于传统NPR配色方案，实现过程较为复杂，主观因素强，自动化程度不够高，因此为了提高配色方案的自动化程度，如图2所示，在执行步骤S104得到非真实感绘制的图像之后，还可以包括以下步骤：
S105、根据源图像，从图库中检索出相应情感的图像作为色彩传递源图；
S106、根据色彩传递源图，对非真实感绘制的图像进行配色。
具体地，下面以一个具体的实施例描述下本发明实施例提供的上述图像非真实感绘制方法的详细实现步骤：
步骤一、采取合适的ROI提取方法(包括基于变异度系数的ROI提取方法)，提取图像的ROI；图3a为源图像，图3b为执行步骤一后的效果示意图；
步骤二、对感兴趣区域进行分水岭变换，将感兴趣区域图像分割成m个区域，记为Sj(j＝1,2,…m)；图3c为执行步骤二后的效果示意图；
步骤三、对每个区域Sj，用下述公式一计算其均值向量Mj：
其中Nj表示第j个区域中的像素点个数；xj为区域Sj中的第i个像素点。
上述步骤中，每个初始分割区域被抽象成为一个样本点；
步骤四、用下述公式二对每个均值向量Mj进行迭代运算，直到满足下述公式三为止，将最后收敛的值Mi k+1记为Zj。
其中，G为高斯核函数；h1、h2分别为空间信息和色彩(或灰度等)信息的带宽；
步骤五、Zb,1≤a,b≤m,a≠b，如果两者相邻且满足下述公式四，则将区域、Sb合并为同一区域；否则，不合并；
||Za-Zb||≤εv 公式四
步骤六、填充区域色彩；
步骤七、利用小区域融合技术，对Mean-Shift分割后的结果进行处理；3d为执行步骤三至步骤七后的效果示意图；
步骤八、利用Canny边缘检测算法平滑其结果，消除边缘抖动；图3e为执行步骤八后的效果示意图；图3f为NPR效果示意图；
步骤九、采用色彩传递的方法改善视觉效果；图3g为依据情感检索出的色彩传递源图；图3h为执行步骤九后的效果示意图。
基于同一发明构思，本发明实施例还提供了一种图像非真实感绘制系统，由于该系统解决问题的原理与前述一种图像非真实感绘制方法相似，因此该系统的实施可以参见图像非真实感绘制方法的实施，重复之处不再赘述。
在具体实施时，本发明实施例提供的图像非真实感绘制系统，具体包括：
感兴趣区域提取模块，用于提取源图像中的感兴趣区域；
分水岭变换模块，用于对感兴趣区域进行分水岭变换，将感兴趣区域图像分割成多个子区域；
均值漂移处理模块，用于通过均值漂移算法对每个子区域进行处理，并将处理后的子区域进行填充色彩；
融合和边缘平滑处理模块，用于对填充色彩的子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。
在本发明实施例提供的上述图像非真实感绘制系统中，可以通过上述四个模式的相互作用，得到具有较好的艺术效果的NPR图像，简约写意，而且在时间效率上有很大的提高，并且尽可能减少了处理过程中的人工干预，提供友好的用户界面。
进一步地，在具体实施时，在本发明实施例提供的上述图像非真实感绘制系统中，为了提高感兴趣区域提取的准确度，还可以包括：
感兴趣区域确定模块，用于将源图像的划分成多个图像块，计算出每个图像块的变异度；根据计算出的变异度，确定源图像的感兴趣区域。
在具体实施时，在本发明实施例提供的上述图像非真实感绘制系统中，感兴趣区域确定模块，具体可以包括以下几部分：
灰度平均值确定单元，用于确定每个图像块的灰度平均值；
方差计算单元，用于根据每个图像块的灰度平均值，计算出每个图像块的方差；
变异度计算单元，用于根据每个图像块的方差和源图像的平均灰度值，计算出每个图像块的变异度。
在具体实施时，在本发明实施例提供的上述图像非真实感绘制系统中，为了提高配色方案的自动化程度，还可以包括：
图像配色模块，用于根据源图像，检索出相应情感的图像作为色彩传递源图；根据色彩传递源图，对非真实感绘制的图像进行配色。
本发明实施例提供的一种图像非真实感绘制方法及系统，包括：提取源图像中的感兴趣区域；对感兴趣区域进行分水岭变换，将感兴趣区域图像分割成多个子区域；通过均值漂移算法对每个子区域进行处理，并将处理后的子区域进行填充色彩；对填充色彩的子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。本发明把提取感兴趣区域的技术引入图像分析中，在一定程度上消除了图像的冗余信息，突出了图像的主要内容，消除了次要内容带来的干扰，改善图像NPR时间效率的算法，实现一类具有水彩风格的非真实感艺术效果的图像，并且尽可能减少了处理过程中的人工干预，提供友好的用户界面。
最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的图像非真实感绘制方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种图像非真实感绘制方法，其特征在于，包括：
提取源图像中的感兴趣区域；
对所述感兴趣区域进行分水岭变换，将所述感兴趣区域图像分割成多个子区域；
通过均值漂移算法对每个所述子区域进行处理，并将处理后的所述子区域进行填充色彩；
对填充色彩的所述子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。
2.根据权利要求1所述的图像非真实感绘制方法，其特征在于，在提取源图像中的感兴趣区域之前，还包括：
将源图像的划分成多个图像块，计算出每个所述图像块的变异度；
根据计算出的所述变异度，确定所述源图像的感兴趣区域。
3.根据权利要求2所述的图像非真实感绘制方法，其特征在于，计算出每个所述图像块的变异度，具体包括：
确定每个所述图像块的灰度平均值；
根据每个所述图像块的灰度平均值，计算出每个所述图像块的方差；
根据每个所述图像块的方差和所述源图像的平均灰度值，计算出每个所述图像块的变异度。
4.根据权利要求3所述的图像非真实感绘制方法，其特征在于，根据计算出的所述变异度，确定所述源图像的感兴趣区域，具体包括：
将计算出的所述变异度与预设阈值进行比较，将大于所述预设阈值的变异度的图像块进行标记；
对标记的所述图像块，通过凸包算法，求取出所述源图像的感兴趣区域。
5.根据权利要求1所述的图像非真实感绘制方法，其特征在于，对填充色彩的所述子区域进行融合处理和边缘平滑处理，具体包括：
通过小区域融合方法对填充色彩的所述子区域进行融合处理；
通过Canny边缘检测算法对融合处理的所述子区域进行边缘平滑处理。
6.根据权利要求1-5任一项所述的图像非真实感绘制方法，其特征在于，在得到非真实感绘制的图像之后，还包括：
根据所述源图像，从图库中检索出相应情感的图像作为色彩传递源图；
根据色彩传递源图，对所述非真实感绘制的图像进行配色。
7.一种图像非真实感绘制系统，其特征在于，包括：
感兴趣区域提取模块，用于提取源图像中的感兴趣区域；
分水岭变换模块，用于对所述感兴趣区域进行分水岭变换，将所述感兴趣区域图像分割成多个子区域；
均值漂移处理模块，用于通过均值漂移算法对每个所述子区域进行处理，并将处理后的所述子区域进行填充色彩；
融合和边缘平滑处理模块，用于对填充色彩的所述子区域进行融合处理和边缘平滑处理，得到非真实感绘制的图像。
8.根据权利要求7所述的图像非真实感绘制系统，其特征在于，还包括：
感兴趣区域确定模块，用于将源图像的划分成多个图像块，计算出每个所述图像块的变异度；根据计算出的所述变异度，确定所述源图像的感兴趣区域。
9.根据权利要求8所述的图像非真实感绘制系统，其特征在于，所述感兴趣区域确定模块，具体包括：
灰度平均值确定单元，用于确定每个所述图像块的灰度平均值；
方差计算单元，用于根据每个所述图像块的灰度平均值，计算出每个所述图像块的方差；
变异度计算单元，用于根据每个所述图像块的方差和所述源图像的平均灰度值，计算出每个所述图像块的变异度。
10.根据权利要求7-9任一项所述的图像非真实感绘制系统，其特征在于，还包括：
图像配色模块，用于根据所述源图像，检索出相应情感的图像作为色彩传递源图；根据色彩传递源图，对所述非真实感绘制的图像进行配色。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711130510.0A CN107862664A (zh) | 2017-11-15 | 2017-11-15 | 一种图像非真实感绘制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711130510.0A CN107862664A (zh) | 2017-11-15 | 2017-11-15 | 一种图像非真实感绘制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107862664A true CN107862664A (zh) | 2018-03-30 |
Family
ID=61701928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711130510.0A Pending CN107862664A (zh) | 2017-11-15 | 2017-11-15 | 一种图像非真实感绘制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107862664A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108777783A (zh) * | 2018-07-09 | 2018-11-09 | 广东交通职业技术学院 | 一种图像处理方法及装置 |
| CN108921916A (zh) * | 2018-07-03 | 2018-11-30 | 广东工业大学 | 图片中多目标区域的上色方法、装置、设备及存储介质 |
| CN109597918A (zh) * | 2018-11-09 | 2019-04-09 | 朱光兴 | 一种自然资源要素级产品制作方法 |
| CN109741248A (zh) * | 2018-12-29 | 2019-05-10 | 深圳美图创新科技有限公司 | 水彩风格绘制方法及装置 |
| CN109919834A (zh) * | 2019-03-08 | 2019-06-21 | 广东交通职业技术学院 | 一种基于svd的图像水彩风格转换方法及装置 |
| CN110660030A (zh) * | 2019-09-12 | 2020-01-07 | 中实信息(深圳)有限公司 | 图像处理方法以及装置 |
| CN113192044A (zh) * | 2021-05-13 | 2021-07-30 | 江南大学 | 一种基于图像处理的印花面料软打样方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050690A (zh) * | 2014-06-28 | 2014-09-17 | 福州大学 | 布局可调的中国山水画计算机创意生成方法 |
| CN104598891A (zh) * | 2015-02-03 | 2015-05-06 | 大连恒锐科技股份有限公司 | 基于穿鞋足迹图像的人身特征分析的方法及装置 |
| CN106097382A (zh) * | 2016-05-30 | 2016-11-09 | 重庆大学 | 一种基于区域离散性的隧道场景环境光照干扰抑制方法 |
| CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
| CN107330849A (zh) * | 2017-06-12 | 2017-11-07 | 浙江大华技术股份有限公司 | 一种全景图像拼接的方法、装置、设备及存储介质 |
-
2017
- 2017-11-15 CN CN201711130510.0A patent/CN107862664A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050690A (zh) * | 2014-06-28 | 2014-09-17 | 福州大学 | 布局可调的中国山水画计算机创意生成方法 |
| CN104598891A (zh) * | 2015-02-03 | 2015-05-06 | 大连恒锐科技股份有限公司 | 基于穿鞋足迹图像的人身特征分析的方法及装置 |
| CN106097382A (zh) * | 2016-05-30 | 2016-11-09 | 重庆大学 | 一种基于区域离散性的隧道场景环境光照干扰抑制方法 |
| CN106251361A (zh) * | 2016-08-30 | 2016-12-21 | 兰州交通大学 | 一种钢轨表面缺陷图像自适应分割方法 |
| CN107330849A (zh) * | 2017-06-12 | 2017-11-07 | 浙江大华技术股份有限公司 | 一种全景图像拼接的方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| LI HE等: "Image color transfer to evoke different emotions based on color combinations", 《SIGNAL, IMAGE AND VIDEO PROCESSING》 * |
| 程琳琳等: "基于感兴趣区域的图像非真实感绘制算法", 《计算机工程》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108921916A (zh) * | 2018-07-03 | 2018-11-30 | 广东工业大学 | 图片中多目标区域的上色方法、装置、设备及存储介质 |
| CN108921916B (zh) * | 2018-07-03 | 2022-09-16 | 广东工业大学 | 图片中多目标区域的上色方法、装置、设备及存储介质 |
| CN108777783A (zh) * | 2018-07-09 | 2018-11-09 | 广东交通职业技术学院 | 一种图像处理方法及装置 |
| CN109597918A (zh) * | 2018-11-09 | 2019-04-09 | 朱光兴 | 一种自然资源要素级产品制作方法 |
| CN109741248A (zh) * | 2018-12-29 | 2019-05-10 | 深圳美图创新科技有限公司 | 水彩风格绘制方法及装置 |
| CN109741248B (zh) * | 2018-12-29 | 2023-06-13 | 深圳美图创新科技有限公司 | 水彩风格绘制方法及装置 |
| CN109919834A (zh) * | 2019-03-08 | 2019-06-21 | 广东交通职业技术学院 | 一种基于svd的图像水彩风格转换方法及装置 |
| CN110660030A (zh) * | 2019-09-12 | 2020-01-07 | 中实信息(深圳)有限公司 | 图像处理方法以及装置 |
| CN113192044A (zh) * | 2021-05-13 | 2021-07-30 | 江南大学 | 一种基于图像处理的印花面料软打样方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862664A (zh) | 一种图像非真实感绘制方法及系统 | |
| JP7540127B2 (ja) | 人工知能に基づく画像処理方法、画像処理装置、コンピュータプログラム及びコンピュータ機器 | |
| JP5645842B2 (ja) | スケールスペースを使用した画像処理装置及び方法 | |
| CN110222722A (zh) | 交互式图像风格化处理方法、系统、计算设备及存储介质 | |
| CN110533594B (zh) | 模型训练方法、图像重建方法、存储介质及相关设备 | |
| US8670615B2 (en) | Refinement of segmentation markup | |
| CN109583509B (zh) | 数据生成方法、装置及电子设备 | |
| US11803950B2 (en) | Universal style transfer using multi-scale feature transform and user controls | |
| CN108885683A (zh) | 用于位姿估计的方法和系统 | |
| CN108241861A (zh) | 一种数据可视化方法及设备 | |
| CN112163577A (zh) | 游戏画面中的文字识别方法、装置、电子设备和存储介质 | |
| Ueno et al. | Continuous and gradual style changes of graphic designs with generative model | |
| CN110889854A (zh) | 一种基于多尺度深度学习的草图部件分割方法、系统、装置及存储介质 | |
| Uchida et al. | Stylized line-drawing of 3D models using CNN with line property encoding | |
| CN117237542B (zh) | 基于文本的三维人体模型生成方法和装置 | |
| Syahputra et al. | Finger recognition as interaction media in Augmented Reality for historical buildings in Matsum and Kesawan regions of Medan City | |
| CN117011493B (zh) | 基于符号距离函数表示的三维人脸重建方法、装置及设备 | |
| RU2710659C1 (ru) | Совместная неконтролируемая сегментация объектов и подрисовка | |
| Srivastava et al. | xcloth: Extracting template-free textured 3d clothes from a monocular image | |
| CN116310028A (zh) | 三维人脸模型的风格迁移方法及系统 | |
| An et al. | HFT6D: Multimodal 6D object pose estimation based on hierarchical feature transformer | |
| CN109785435A (zh) | 一种墙体重建方法及装置 | |
| Wan et al. | Dense feature pyramid network for cartoon dog parsing | |
| Li et al. | A review of image colourisation | |
| Li et al. | Video vectorization via bipartite diffusion curves propagation and optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180330 |
|
| WD01 | Invention patent application deemed withdrawn after publication |