CN108133508A - 基于改进etf模型的刻制边缘的数字生成方法及系统 - Google Patents
基于改进etf模型的刻制边缘的数字生成方法及系统 Download PDFInfo
- Publication number
- CN108133508A CN108133508A CN201711440877.2A CN201711440877A CN108133508A CN 108133508 A CN108133508 A CN 108133508A CN 201711440877 A CN201711440877 A CN 201711440877A CN 108133508 A CN108133508 A CN 108133508A
- Authority
- CN
- China
- Prior art keywords
- edge
- etf
- vector
- models
- smooth
- 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 24
- 239000013598 vector Substances 0.000 claims abstract description 72
- 238000010606 normalization Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 206010042008 Stereotypy Diseases 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010428 oil painting Methods 0.000 description 1
- 238000010421 pencil drawing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
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
本发明属于数字图像处理技术领域,公开了一种基于改进ETF模型的刻制边缘的数字生成方法及系统,初始的边缘向量场与平滑后的边向量均不进行归一化,只在生成风格化边缘前把平滑后的流场归一化;单调递增的模值权重公式进行了简化;权重跟随平滑后的边向量模值变化;当平滑次数大时,可以生成体现强边信息的局部线性流。而这种抽象的线性流恰能够生成刻制风格的边缘。本发明改进的ETF模型除了能够生成传统的边缘向量流场和风格化边缘,还可以生成具有抽象线性特征的边缘向量流场和风格化边缘,它们在平滑次数较大时产生;平滑次数较小时生成的是传统风格;本发明生成的抽象线性特征的风格化边缘可以用于模拟刻制的边缘。
Description
技术领域
本发明属于数字图像处理技术领域,尤其涉及一种基于改进ETF模型的刻制边缘的数字生成方法及系统。
背景技术
非真实感绘制(Non-Photorealistic Rendering,简称NPR)技术一直在计算机图形学领域的最热门行列之一。非真实感绘制技术是以人类认知为基础,借鉴艺术的创作规则和科学的技术方法,使用计算机产生手绘风格的图像。其目的不在于表现图像的真实性,而在于表现图像的艺术性、模拟艺术作品、增强视觉信息的交流。对于一些不需要精确模拟,或需要艺术表现的应用,如影视行业、广告、网络游戏、互联网络、科普图示、医学成像等诸多领域。NPR有着广泛的应用和巨大的市场前景,其绘制结果往往能带给人巨大的视觉冲击和无尽的想象,现已在油画、水粉画、铅笔画、卡通画等方面均有模拟研究成果。
非真实感各种风格的绘制离不开对边缘的模拟,常用的边缘模拟方法有:robert算子、Sobel算子、Prewitt算子、拉普拉斯高斯算子、Canny算子、风格化边缘等。其中,风格化边缘的效果最好,模拟的边缘最为连续、平滑,常用于各种风格绘制边缘的模拟。
对刻制边缘的模拟,目前最接近的方案就是传统的风格化边缘生成方法,但是这种方法生成的风格化边缘不具有刻制特征。
传统的风格化边缘生成方法如下:
1.首先将输入的彩色图像转变为灰度图像。
Gray=R*0.299+G*0.587+B*0.114
2.然后求取灰度图像的梯度向量。首先用Sobel算子对灰度图像求出每一个像素的梯度。二维函数f(x,y)的梯度和梯度的模值分别用▽f和Mag(▽f)表示,梯度的计算公式如下所示。
对图像I上的任意像素点(x,y),对这个像素点使用3*3的模版,在x、y方向分别对f求偏导,从而得到梯度的坐标Gx和Gy。Gx与Gy分别用和做近似计算,其中代表Sobel梯度操作。
3.再根据梯度向量,求出图像初始边缘向量。
Vx=-Gy与Vy=Gx
4.利用边缘正切流模型来迭代更新初始边缘向量,得到平滑的边缘向量流ETF。
ETF模型为:
其中N(x)是当前中心像素x的邻域像素y所构成的集合,M为向量归一化因子。ei(z)代表像素点z当前的归一化切线向量,ei+1(z)表示像素点z平滑后的归一化切线向量,i是平滑次数。
W为单调递增的模值权重函数,在ETF模型中,
其中表示像素点z的归一化后的梯度模值。
S(x,y)为邻域像素点的边缘矢量的调向函数,它的定义为:
5.在生成平滑的边缘向量流场的基础上,通过使用迭代的各向异性的DOG滤波器并二值化,最后可得风格化边缘。
各向异性的DoG滤波器(ADoG)定义为:
I(ls(t))表示输入图像I在直线ls(t)上的值。
f(t)=Gσc(t)-ρ·Gσs(t)
其中Gσ是标准差为σ的一维高斯函数。
σ为高斯滤波器的唯一参数。DoG滤波器能够有效地检测边缘信息,若只要粗糙的边缘,可以增加σ使非显著特征被抑制。实验中令σs=1.6σc,σc=1,ρ=0.99。沿着梯度方向积分,以增加线条的宽度;之后F(s)沿着边缘cx(s)积分以增强线条的连续性。
得到A(x)后,把A(x)二值化,最终得到一幅黑白的边缘图。
目前,对边缘的数字模拟方法:robert算子、Sobel算子、Prewitt算子、拉普拉斯高斯算子、Canny算子、风格化边缘等均模拟不了刻制风格的边缘,因为这些边缘都是对图像边缘的真实提取,没有做其他的过程处理,它们都比较圆滑,因此不具有刻制特征。
而在非真实感绘制中,像版画、壁刻画等需要的是刻制风格的边缘,这些图像又可以制成特殊风格的动画,潜在一定的艺术和商业价值,因此,对这种刻制风格的边缘的模拟有研究的必要。
综上所述,现有技术存在的问题是:提取的边缘线条太真实化,不具有抽象特征。当前的技术还未涉及抽象边缘这一块的研究,而此类边缘确实有开发的必要,以便于涉及新的领域。
发明内容
针对现有技术存在的问题,本发明提出了一种基于改进ETF模型的刻制边缘的数字生成方法及系统。本发明能生成一种刻制风格的边缘。风格化边缘由平滑后的边缘流场生成,要改变风格化边缘的风格就需要对ETF模型进行改进。通过对ETF模型改进,以生成刻制风格的风格化边缘。
本发明迭代使用DOG滤波器,以使边缘更加连续、完整。
本发明是这样实现的:一种基于改进ETF模型的刻制边缘的数字生成方法,包括:对ETF模型进行改进,改进后的模型能够生成一种抽象线性流,此流可以生成刻制的风格化边缘。
改进的ETF模型如下:
其中,ei(z)表示像素点z当前的切线向量,不进行归一化;ei+1(z)表示像素点z平滑后的切线向量,不进行归一化。
W(x,y)=g(y),
g(z)表示像素点z的梯度模值,不归一化的梯度模值,梯度模值始终按等于切向量模值操作;M为常数100。
进一步,改进的ETF模型的方法包括:
(1)、初始的边缘向量场与平滑后的边向量均不进行归一化,只在生成风格化边缘前把平滑后的流场归一化;
(2)、W(x,y)用g(y)确定,单调递增的模值权重公式进行简化;
(3)、把g(y)的值跟随平滑后的边向量模值变化,M设为较大常数,进行放大较大边向量,缩小较小边向量。
进一步,M可以放大较大边向量,缩小较小边向量,因为边缘向量平滑模型公式为:
使M=100,得
若大于100,在保留原来平滑结果的方向的基础上,放大原平滑结果的模值;
若小于100,缩小原平滑结果的模值;
通过不断迭代,大向量越来越放大,小向量越来越小,弱向量被抑制,对周围的影响作用变小,强向量被放大,影响变大,平滑结果趋于强边方向;
经过多次平滑,使弱边向量被同化成强边向量方向,当平滑次数较大时,生成体现强边信息的局部线性流。
进一步,改进的ETF模型中W(x,y)用g(y)确定,单调递增的模值权重公式进行简化,具体包括:
对于x点的不同邻域点y,单调递增的模值权重公式中的都是相同值,W(x,y)只受的变化而变化;将去掉、其他常数去掉,由g(y)决定大小,则W(x,y)用g(y)决定,得到简化;
对于W(x,y)由g(y)确定,g(y)值跟随平滑后的边向量模值变化,可使平滑结果更大程度趋于强边方向;促使在平滑次数较大时,生成抽象线性流。
进一步,抽象线性流生成的风格化边缘即为刻制的边缘。
本发明的另一目的在于提供一种基于改进ETF模型的刻制边缘的数字生成系统,包括抽象边缘流场的生成模块、刻制边缘的生成模块;
抽象边缘流场的生成模块,用于提取图像的初始边缘流场;使用改进的ETF模型迭代平滑边缘流场;在平滑次数较大时,一即能生成抽象的边缘流场;
刻制边缘的生成模块,用于将抽象的边缘流场和原图像进行迭代的DOG滤波,生成刻制的风格化边缘。
本发明的优点及积极效果为:
本发明改进的ETF模型生成的风格化边缘具有抽象线性特征。刻制的边缘是由一刀刀刻出,不会很圆滑的过渡,会呈现一定的局部线性规律,并且刻制的线条风格简洁,只体现主体的信息,而本发明生成的风格化边缘具有这样的刻制特征,且只体现主要的强边信息,正好满足这两大特点,因此,它可以用于模拟刻制的边缘。
本发明改进的ETF模型除了能够生成传统的边缘向量流场和风格化边缘,还可以生成具有抽象线性特征的边缘向量流场和风格化边缘,它们在平滑次数较大时产生;平滑次数较小时生成的是传统风格,也就是传统ETF生成的风格。
附图说明
图1是本发明改进的ETF模型要点图。
图2是迭代的DOG流程图。
图3是本发明基于改进ETF模型的刻制边缘的数字生成流程图。
图4A是原图;B是本发明改进的ETF模型平滑2次后的流场;C是平滑6次后的流场。
图5A是传统的风格化边缘;B是本发明生成的刻制特征的风格化边缘。
图6A是传统的风格化边缘实验结果;B是本发明改进的ETF模型生成的风格化边缘实验结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图3为本发明的具体实施例,首先对源图像灰度化,然后利用sobel算子求出每个像素点的梯度向量,再根据边缘向量和梯度向量的关系:Vx=-Gy与Vy=Gx,求出各像素点边缘切线向量。使用本发明改进的ETF模型迭代更新边缘向量场,把平滑次数设在4之上,得到平滑后的抽象线性边缘流场,根据灰度化的源图像和抽象的边缘流,通过使用迭代的各项异性的DOG滤波器并二值化,可得到刻制的风格化边缘。
本发明的核心内容是对ETF模型的改进,改进的模型生成了抽象边缘流,进一步促使了抽象边缘的生成。
下面结合附图对本发明的应用原理作进一步描述。
如图1所示,本发明实施例中改进的ETF模型的要求包括:
S101:初始的边缘向量场与平滑后的边向量均不进行归一化,只在生成风格化边缘前把平滑后的流场归一化;
S102:单调递增的模值权重公式进行简化;
S103:模值权重跟随平滑后的边向量模值变化,M设为较大常数例如:100,可以放大较大边向量,缩小较小边向量;若大于100,在保留原来平滑结果的方向的基础上,放大原平滑结果的模值;若小于100,缩小原平滑结果的模值;通过不断迭代,大向量越来越放大,小向量越来越小,弱向量被抑制,对周围的影响作用变小,强向量被放大,影响变大,平滑结果趋于强边方向;经过多次平滑,使弱边向量被同化成强边向量方向,当平滑次数较大时,体现的是强边信息的局部线性流。
图2是迭代的DOG流程图。
下面对本发明作进一步描述。
针对传统的ETF模型,本发明提出了一个能够生成抽象线性流的边缘向量平滑模型,此模型如下:
其中,ei(z)表示像素点z当前的切线向量,并不进行归一化。ei+1(z)表示像素点z平滑后的切线向量,也不进行归一化。
W(x,y)=g(y)
g(z)表示像素点z的梯度模值,它是不归一化的梯度模值,梯度模值始终按等于切向量模值操作。此外,本发明把M设为较大常数,如:100。
本发明改进的ETF模型的改进点:
(1):初始的边缘向量场与平滑后的边向量均不进行归一化,只需在生成风格化边缘前把平滑后的流场归一化即可,以减少迭代归一化操作。
(2):W(x,y)用g(y)确定,权重公式得到简化,之所以能简化在于:对于x点的不同邻域点y来说,原公式中的都是相同值,W(x,y)只受的变化而变化,可以去掉,其他常数也可去掉,而由g(y)决定大小,所以可以进行简化。
(3):g(y)若设为定值即y点初始的梯度大小,模型的平滑结果与原模型相同。为了进一步生成更抽象化的结果,本发明把g(y)的值跟随平滑后的边向量模值变化,M设为较大常数,可以放大较大边向量,缩小较小边向量,因为平滑公式中,
例:M=100,
如果大于100,其结果是在保留原来平滑结果的方向的基础上,放大原平滑结果的模值,若小于100,就缩小了原平滑结果的模值。通过不断迭代,大向量越来越放大,小向量越来越小,也就是弱向量被抑制,对周围的影响作用变小,强向量被放大,影响变大,平滑结果更大程度趋于强边方向。W(x,y)由平滑后的边向量模值决定,也可以加大平滑结果趋于强边方向,经过多次平滑,使弱边向量被同化成强边向量方向,出现局部平行的强边线性流,当平滑次数较大时结果是主要体现强边信息的局部线性流。
图4中,A是原图;B是本发明的ETF模型平滑2次后的流场;C是平滑6次后的流场。从图4中,可以看出本发明改进的ETF模型在平滑次数较小时,能够生成写实风格的流场,也是传统ETF模型生成的风格;在平滑次数较大时,可以生成一种抽象线性风格的流场,它是一种新的风格。
由这种抽象线性特征的流场生成的风格化边缘也具有抽象线性特征且只反映强边信息。风格化边缘对比效果如图5所示,图A:传统的风格化边缘;图B:本发明生成的刻制特征的风格化边缘。具体的实验效果对比如图6所示,A是传统的风格化边缘实验结果;B是本发明改进的ETF模型生成的刻制特征的风格化边缘实验结果。
从图6实验结果中可以看出,本发明改进的ETF模型生成的抽象风格化边缘具有局部线性特征,并且线条简洁。刻制的边缘是由一刀刀刻出,不会很圆滑的过渡,会呈现一定的局部线性规律,并且刻制的线条风格简洁,只体现主体的信息,而本发明生成的风格化边缘具有这样的刻制特征,且只体现主要的强边信息,正好满足这两大特点,因此,它可以用于模拟刻制的边缘。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于改进ETF模型的刻制边缘的数字生成方法,其特征在于,所述基于改进ETF模型的刻制边缘的数字生成方法包括:对ETF模型进行改进,
改进的ETF模型如下:
其中,ei(z)表示像素点z当前的切线向量,不进行归一化;ei+1(z)表示像素点z平滑后的切线向量,不进行归一化;
W(x,y)=g(y),
g(z)表示像素点z的梯度模值,不归一化的梯度模值,梯度模值始终按等于切向量模值操作;M为常数100。
2.如权利要求1所述的基于改进ETF模型的刻制边缘的数字生成方法,其特征在于,改进的ETF模型的方法包括::
(1)、初始的边缘向量场与平滑后的边向量均不进行归一化,只在生成风格化边缘前把平滑后的流场归一化;
(2)、W(x,y)用g(y)确定,单调递增的模值权重公式进行简化;
(3)、把g(y)的值跟随平滑后的边向量模值变化,M设为较大常数,进行放大较大边向量,缩小较小边向量。
3.如权利要求2所述的基于改进ETF模型的刻制边缘的数字生成方法,其特征在于,M可以放大较大边向量,缩小较小边向量,因为边缘向量平滑模型公式为:
使M=100,得
若大于100,在保留原来平滑结果的方向的基础上,放大原平滑结果的模值;
若小于100,缩小原平滑结果的模值;
通过不断迭代,大向量越来越放大,小向量越来越小,弱向量被抑制,对周围的影响作用变小,强向量被放大,影响变大,平滑结果趋于强边方向;
经过多次平滑,使弱边向量被同化成强边向量方向,当平滑次数较大时,生成体现强边信息的局部线性流。
4.如权利要求2所述的基于改进ETF模型的刻制边缘的数字生成方法,其特征在于,改进的ETF模型中W(x,y)用g(y)确定,单调递增的模值权重公式进行简化,具体包括:
对于x点的不同邻域点y,单调递增的模值权重公式中的都是相同值,W(x,y)只受的变化而变化;将去掉、其他常数去掉,由g(y)决定大小,则W(x,y)用g(y)决定,得到简化;
对于W(x,y)由g(y)确定,g(y)值跟随平滑后的边向量模值变化,可使平滑结果更大程度趋于强边方向;促使在平滑次数较大时,生成抽象线性流。
5.如权利要求4所述的基于改进ETF模型的刻制边缘的数字生成方法,其特征在于,抽象线性流生成的风格化边缘即是刻制的边缘。
6.一种如权利要求1所述基于改进ETF模型的刻制边缘的数字生成方法的基于改进ETF模型的刻制边缘的数字生成系统,其特征在于,所述基于改进ETF模型的刻制边缘的数字生成系统包括抽象边缘流场的生成模块、刻制边缘的生成模块;
抽象边缘流场的生成模块,用于提取图像的初始边缘流场;使用改进的ETF模型迭代平滑边缘流场;在平滑次数较大时,即能生成抽象的边缘流场;
刻制边缘的生成模块,用于将抽象的边缘流场和原图像进行迭代的DOG滤波,生成刻制的风格化边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711440877.2A CN108133508A (zh) | 2017-12-27 | 2017-12-27 | 基于改进etf模型的刻制边缘的数字生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711440877.2A CN108133508A (zh) | 2017-12-27 | 2017-12-27 | 基于改进etf模型的刻制边缘的数字生成方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108133508A true CN108133508A (zh) | 2018-06-08 |
Family
ID=62392954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711440877.2A Pending CN108133508A (zh) | 2017-12-27 | 2017-12-27 | 基于改进etf模型的刻制边缘的数字生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133508A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111143A (zh) * | 2021-04-09 | 2021-07-13 | 河南交通发展研究院有限公司 | 公路多源异构数据重构整合及支撑共享成套方法及系统 |
CN113984103A (zh) * | 2021-10-29 | 2022-01-28 | 自然资源部第二海洋研究所 | 一种海洋观测自动测试系统及测试方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256039B1 (en) * | 1998-08-14 | 2001-07-03 | The Board Of The Leland Stanford Junior University | Methods for manipulating curves constrained to unparameterized surfaces |
CN102930576A (zh) * | 2012-10-15 | 2013-02-13 | 中国科学院软件研究所 | 一种基于特征流的抽象线条画生成方法 |
CN103413340A (zh) * | 2013-07-25 | 2013-11-27 | 长安大学 | 深度增强的图像线条画生成算法 |
-
2017
- 2017-12-27 CN CN201711440877.2A patent/CN108133508A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256039B1 (en) * | 1998-08-14 | 2001-07-03 | The Board Of The Leland Stanford Junior University | Methods for manipulating curves constrained to unparameterized surfaces |
CN102930576A (zh) * | 2012-10-15 | 2013-02-13 | 中国科学院软件研究所 | 一种基于特征流的抽象线条画生成方法 |
CN103413340A (zh) * | 2013-07-25 | 2013-11-27 | 长安大学 | 深度增强的图像线条画生成算法 |
Non-Patent Citations (1)
Title |
---|
解婉誉: "一种改进的ETF模型及其在绝版套刻版画模拟中的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111143A (zh) * | 2021-04-09 | 2021-07-13 | 河南交通发展研究院有限公司 | 公路多源异构数据重构整合及支撑共享成套方法及系统 |
CN113984103A (zh) * | 2021-10-29 | 2022-01-28 | 自然资源部第二海洋研究所 | 一种海洋观测自动测试系统及测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11288499B2 (en) | Interactive method for generating strokes with Chinese ink painting style and device thereof | |
Suveeranont et al. | Example-based automatic font generation | |
CN106709964B (zh) | 基于梯度修正和多向纹理提取的素描画生成方法及装置 | |
US10210636B2 (en) | Automatic snap for digital sketch inking | |
US10019817B2 (en) | Example-based edge-aware directional texture painting | |
Iluz et al. | Word-as-image for semantic typography | |
CN105374007A (zh) | 融合骨架笔画和纹理特征的铅笔画生成方法和装置 | |
CN108734078B (zh) | 图像处理方法、装置、电子设备、存储介质及程序 | |
Parakkat et al. | A Delaunay triangulation based approach for cleaning rough sketches | |
Zhang et al. | AI Painting: an aesthetic painting generation system | |
CN108133508A (zh) | 基于改进etf模型的刻制边缘的数字生成方法及系统 | |
CN108171650B (zh) | 一种具有笔画优化功能中国花卉水墨画风格笔画生成方法 | |
Zhang et al. | Styleavatar3d: Leveraging image-text diffusion models for high-fidelity 3d avatar generation | |
Kang et al. | A unified scheme for adaptive stroke-based rendering | |
Zhang et al. | NK-CDS: A creative design system for museum art derivatives | |
Kanaya et al. | Simulated designer’s eyes: Classification of aesthetic surfaces | |
US20170132251A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
Qian et al. | Simulating chalk art style painting | |
CN109934058B (zh) | 人脸图像处理方法、装置、电子设备、存储介质及程序 | |
Hiraoka | A high-speed method for generating edge-preserving bubble images | |
Zhou et al. | Pencil Drawing Generation Algorithm Based on GMED | |
Wu et al. | Field Coupling‐Based Image Filter for Sand Painting Stylization | |
Yajima et al. | Interactive edge-aware segmentation of character illustrations for articulated 2D animations | |
Liu | An Improved Oil Painting Formation Using Advanced Image Processing | |
Rezaei et al. | Hybrid filter blending to maintain facial expressions in rendered human portraits |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180608 |
|
RJ01 | Rejection of invention patent application after publication |