CN110610504A - 基于骨架与色调的铅笔画生成方法及装置 - Google Patents

Abstract

本发明公开了一种基于骨架与色调的铅笔画生成方法及装置，其中，方法包括：获取至少一副自然图像，并利用可变局部边缘模式算法提取至少一副自然图像的边缘特征，生成铅笔画生成轮廓图；利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图；根据铅笔画生成轮廓图与色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图。根据本发明实施例的生成方法，不但抗噪声能力强，对强纹理信息和光照变化不敏感，而且可以直接应用于彩色自然图像，生成彩色铅笔画，具有很强的鲁棒性和可延展性。

Description

基于骨架与色调的铅笔画生成方法及装置

技术领域

本发明涉及图像处理和计算机视觉技术领域，特别涉及一种基于骨架与色调的铅笔画生成方法及装置。

背景技术

铅笔画是目前快速发展并受人喜爱的一种绘图风格，主要是彩色铅笔画出物理的轮廓并涂出和谐的纹理。铅笔画通常由画师手工绘制，然而，受画手绘画功底限制很大，且用时很长，因此无法满足目前大量平面设计需求。由于目前手机、数码相机等图像采集设备的发展和计算机技术的进步，利用计算机将自然图像转化为铅笔画可以很好解决这个问题。

铅笔画技术本质上与物体轮廓绘制和细节纹理处理相关，由于计算机没有人对于图案和色彩的感知，因此提取的轮廓图通常缺失一些结构信息，颜色饱和度非常高，并不接近真实的铅笔画绘制。需要说明的是，没有物体的三维模型，复杂的纹理和空间变化的光照会使铅笔画生成过程更加复杂。

相关技术中，利用骨架与色调的两阶段生成铅笔画是一个图像转换(imagetransformation)的过程，即对原始图像的视觉效果发生改变。然而，从自然图像中绘制铅笔画是一个固有的难题，因为不仅要有选择地保存结构信息，而且要使铅笔的外观接近真实的绘画。

因此，一种适用于多种类型的自然图像，并能产生视觉上令人信服结果的通用算法是很难开发的。没有三维模型，自然图像中各异的复杂的纹理和空间变化的光照会使这个过程更加复杂。由于噪声、纹理和区域边界的变化，基于局部梯度直接生成边缘轮廓图和阴影通常效果不佳，亟待改进。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种基于骨架与色调的铅笔画生成方法，该方法可以直接应用于彩色自然图像，生成彩色铅笔画，具有很强的鲁棒性和可延展性。

本发明的另一个目的在于提出一种基于骨架与色调的铅笔画生成装置。

为达到上述目的，本发明一方面实施例提出了一种基于骨架与色调的铅笔画生成方法，包括以下步骤：获取至少一副自然图像，并利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征，生成铅笔画生成轮廓图；利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图；根据所述铅笔画生成轮廓图与所述色调图融合生成素描铅笔画，并根据所述素描铅笔画扩展得到彩色铅笔绘图。

本发明实施例的基于骨架与色调的铅笔画生成方法，可以基于骨架与色调处理纹理，根据生成的铅笔画生成轮廓图与生成的色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图，不但抗噪声能力强，对强纹理信息和光照变化不敏感，而且可以直接应用于彩色自然图像，生成彩色铅笔画，具有很强的鲁棒性和可延展性。

另外，根据本发明上述实施例的基于骨架与色调的铅笔画生成方法还可以具有以下附加的技术特征：

其中，在本发明的一个实施例中，所述利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征，生成铅笔画生成轮廓图，包括：获取所有方向的响应映射，并选取所述所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。

可选地，在本发明的一个实施例中，所述骨架笔画图像为：

其中，是第i个方向的线段，C_i是所述第i个方向的最大响应图；

所述最大响应图的计算公式为：

其中，G_i是所述响应映射；

所述响应映射的计算公式为：

其中，G为最终的梯度图像；

所述最终的梯度图像的计算公式为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像；

所述边缘强度图像的计算公式为：

其中，是半径为R、近邻点个数为P、角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

进一步地，在本发明的一个实施例中，所述通过参数模型进行直方图匹配，生成色调图，包括：获取多个预设色调的经验公式，并设定具有铅笔画色调特征的固定直方图；将目标图片的直方图映射到所述固定直方图，并进行纹理渲染。

可选地，在本发明的一个实施例中，融合公式为：

R＝S·T，

其中，S为所述铅笔画生成轮廓图，T为所述色调图。

为达到上述目的，本发明另一方面实施例提出了一种基于骨架与色调的铅笔画生成装置，包括：第一生成模块，用于获取至少一副自然图像，并利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征，生成铅笔画生成轮廓图；第二生成模块，用于利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图；融合模块，用于根据所述铅笔画生成轮廓图与所述色调图融合生成素描铅笔画，并根据所述素描铅笔画扩展得到彩色铅笔绘图。

本发明实施例的基于骨架与色调的铅笔画生成装置，可以基于骨架与色调处理纹理，根据生成的铅笔画生成轮廓图与生成的色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图，不但抗噪声能力强，对强纹理信息和光照变化不敏感，而且可以直接应用于彩色自然图像，生成彩色铅笔画，具有很强的鲁棒性和可延展性。

另外，根据本发明上述实施例的基于骨架与色调的铅笔画生成装置还可以具有以下附加的技术特征：

其中，在本发明的一个实施例中，所述第一生成模块包括：映射单元，用于获取所有方向的响应映射，并选取所述所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。

可选地，在本发明的一个实施例中，所述骨架笔画图像为：

其中，是第i个方向的线段，C_i是所述第i个方向的最大响应图；

所述最大响应图的计算公式为：

其中，G_i是所述响应映射；

所述响应映射的计算公式为：

其中，G为最终的梯度图像；

所述最终的梯度图像的计算公式为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像；

所述边缘强度图像的计算公式为：

其中，是半径为R、近邻点个数为P、角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

进一步地，在本发明的一个实施例中，所述第二生成模块包括：设定单元，用于获取多个预设色调的经验公式，并设定具有铅笔画色调特征的固定直方图；映射单元，用于将目标图片的直方图映射到所述固定直方图，并进行纹理渲染。

可选地，在本发明的一个实施例中，融合公式为：

R＝S·T，

其中，S为所述铅笔画生成轮廓图，T为所述色调图。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的基于骨架与色调的铅笔画生成方法的流程图；

图2为根据本发明一个实施例的基于骨架与色调的铅笔画生成方法的详细流程图；

图3为根据本发明一个实施例的基于骨架与色调的铅笔画生成方法过程示意图；

图4a为根据本发明一个实施例的一个自然数字图像示意图；

图4b为根据本发明一个实施例的对图4a操作后提取的骨架示意图；

图5a为根据本发明一个实施例的一个自然数字图像示意图；

图5b为相关技术中对图5a生成的铅笔画对比示意图；

图5c为根据本发明一个实施例的对图5a生成的铅笔示意画；

图6a为本发明一个实施例的自然图像的示意图；

图6b为根据本发明一个实施例的对图6a提取轮廓的骨架示意图；

图6c为根据本发明一个实施例的对图6a生成的单层图像示意图；

图6d为根据本发明一个实施例的对图6a生成的最终图像示意图；

图7为根据本发明实施例的基于骨架与色调的铅笔画生成装置的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

基于骨架与色调的铅笔画生成方法及装置，首先将参照附图描述根据本发明实施例提出的基于骨架与色调的铅笔画生成方法。

图1是本发明实施例的基于骨架与色调的铅笔画生成方法的流程图。

如图1所示，该基于骨架与色调的铅笔画生成方法包括以下步骤：

在步骤S101中，获取至少一副自然图像，并利用可变局部边缘模式算法提取至少一副自然图像的边缘特征，生成铅笔画生成轮廓图。

可以理解的是，通过输入自然图像的梯度信息提取铅笔画骨架的重要特征，如输入一幅自然图像，利用VIEP(varied local edge pattern，可变局部边缘模式)算法进行边缘提取，模拟铅笔画生成轮廓图。

其中，VLEP是一种灵活的、可以刻画图像局部空间尺度和不同方向信息的圆形局部边缘检测算子。该算子包括P个近邻点并均匀分布在半径为R的圆上，其中P是能被4整除的非零偶数，R是正实数。

给定半径为R的圆形边缘检测算子的圆心坐标t_c(x_c,y_c)，则近邻点的坐标t_p(x_l,y_l)为(x_c+Rcosθ,y_c-Rsinθ)，其中，θ代表方向角度且θ＝2πl/P(l＝0,…,P-1)。过圆心t_c(x_c,y_c)作水平方向线，位于水平方向线上的两个邻近点赋值为0，位于两侧的其他近邻点分别赋值为1和-1，该局部边缘检测算子表示0°边缘。以圆心为旋转中心，不断的将边缘方向线旋转固定角度360°/P，可以衍生出不同方向的局部边缘检测算子。因此，如果考虑对称性，一组局部边缘检测算子共有P/2个代表不同边缘模式的边缘算子。由于P、R取值可以任意变化，所以可以得到不同组的VLEP算子。

其中，在本发明的一个实施例中，利用可变局部边缘模式算法提取至少一副自然图像的边缘特征，生成铅笔画生成轮廓图，包括：获取所有方向的响应映射，并选取所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。

也就是说，计算所有方向的响应映射G_i，选取各个方向的响应中最大值作为结果，通过方向线段和方向映射得到的骨架笔画图像。

可选地，在本发明的一个实施例中，骨架笔画图像为：

其中，是第i个方向的线段，C_i是第i个方向的最大响应图；

最大响应图的计算公式为：

其中，G_i是响应映射；

响应映射的计算公式为：

其中，G为最终的梯度图像；

最终的梯度图像的计算公式为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像；

边缘强度图像的计算公式为：

其中，是半径为R、近邻点个数为P、角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

具体而言，在本发明的实施例中，骨架笔画图像为：

其中，是第i个方向的线段，视为卷积核，C_i为方向i的最大响应图。

方向i的最大响应图C_i为：

其中，G_i为响应映射。

计算某一方向的响应映射G_i为：

其中，是第i个方向的线段，视为卷积核，G为最终的梯度图像。

最终的梯度图像G为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像。

边缘强度图像即大致轮廓图像为：

其中，是半径为R，近邻点个数为P，角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

在步骤S102中，利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图。

可以理解的是，通过直方图匹配和纹理渲染得到色调信息，如利用原始图像的灰度图像确定每个像素点色调值，用参数模型进行直方图匹配，生成色调图。

进一步地，在本发明的一个实施例中，通过参数模型进行直方图匹配，生成色调图，包括：获取多个预设色调的经验公式，并设定具有铅笔画色调特征的固定直方图；将目标图片的直方图映射到固定直方图，并进行纹理渲染。

举例而言，观察大量图片色调直方图得出三种色调(如高光色调、柔和色调、暗调)经验公式，设定一个具有铅笔画色调特征的固定直方图，将目标图片自身直方图映射到这个直方图，并进行纹理渲染。

具体地，目标图像的色调分布参数模型为：

其中，v是色调值，p(v)给出铅笔画中值是v值的概率，Z是使的归一化因子。

三种色调经验公式可以为：

(1)高光色调：

其中，σ_b表示分布的规模。

(2)柔和色调：

与高光色调层不同，柔和色调层并不一定在特定的灰度水平达到峰值。通常使用不同压力的笔触来表达深度和不同层次的细节，使用均匀分布，并充分利用不同的灰度级来丰富铅笔绘画。它表示为

其中，u_a和u_b是定义分布范围的两个控制参数。

(3)暗色调：

暗色调强调物体的深度变化和几何轮廓，可以将建模为：

其中，_μd是暗线条的平均值，而σ_d尺度参数，并且暗色调层像素值的变化比高光层像素值的变化大。

经验公式中参数可以为：

其中，x_i为像素值，N为层中像素的个数。

铅笔纹理图为：

其中，β通过以下方程求解：

其中，λ可以为0.2。

在步骤S103中，根据铅笔画生成轮廓图与色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图。

可选地，在本发明的一个实施例中，融合公式为：

R＝S·T，

其中，S为铅笔画生成轮廓图，T为色调图。

可以理解的是，如图3所示，获得包含自然图像重要笔画特征的线条画和色度画，并将二者融合，最后得到铅笔画，如将轮廓图和色调图进行融合生成一幅素描铅笔画，将生成的素描铅笔素描扩展到彩色铅笔绘图，不但抗噪声能力强，对强纹理信息和光照变化不敏感，同时可以直接应用于彩色自然图像，生成彩色铅笔画，具有很强的鲁棒性和可延展性。通过实验，这种方法生成的图像效果比现存算法更加清晰、丰满、自然，且更加接近艺术家手绘彩铅画。

下面以一个具体实施例对本发明实施例的方法进行详细描述。

结合图1与图2所示，本发明实施例的基于骨架与色调的铅笔画生成方法，包括如下步骤：

步骤S101，通过可变局部边缘模式生成边缘轮廓图(对应图2所示的步骤S202)，并按照指定的角度进行运动模糊模拟铅笔画的效果，生成最终的骨架图(对应图2所示的步骤S203)，如图4所示，轮廓图笔画可以表示为：

其中，是第i个方向的线段，视为卷积核，C_i为方向i的最大响应图。

最大响应图C_i为：

方向的响应映射G_i为：

其中，是第i个方向的线段，视为卷积核，G为最终的梯度图像。

最终的梯度图像G为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像。

大致轮廓图像为：

其中，是半径为R，近邻点个数为P，角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

如图5所示，自然图像包含许多纹理表面和细节，如树叶和草，它们的梯度通常是有噪声的，如图5(b)所示。将这些噪声状纹理连接成连续的线条是很困难的。同样，用一般方法寻找一个主导方向来生成笔画也是不现实的。由于用短线条来模拟轮廓图，可以看出，在图5(c)中的结果生成了来自原始噪声梯度场的可靠笔画，不仅轮廓由粗线高亮显示，而且照明和阴影也被提出的色调图很好地保存。

步骤S102，生成骨架图之后，利用原始灰度图像确定每个像素的色调值(对应图2所示的步骤S204)，再用参数模型进行直方图匹配(对应图2所示的步骤S205)。

具体而言，根据参数模型进行直方图匹配包括如下步骤：

步骤S1：根据提出的一个参数模型来表示目标图像的色调分布：

其中，v是色调值，p(v)给出的铅笔画中值是v值的概率，Z是使的归一化因子。

步骤S2：三种色调p_i(v)占了铅笔画中的三个色调层,而ωs粗略的在每个色调层对应了一定的像素点。再将值缩放到[0，1]范围，以抵消计算分布时的亮度差异。

σ_b表示分布的规模。与明亮层不同，柔和色调层并不一定在特定的灰度水平达到峰值。艺术家通常使用不同压力的笔触来表达深度和不同层次的细节。提出方法只是简单地使用均匀分布，并充分利用不同的灰度级来丰富铅笔绘画。它表示为：

其中，u_a和u_b是定义分布范围的两个控制参数。

最后，深色笔画强调物体的深度变化和几何轮廓，将它们建模为：

_μd是暗线条的平均值，而σ_d尺度参数，并且暗层像素值的变化一般要比亮层像素值的变化大得多。

步骤S3：根据实验结果确定公式中的经验参数为：

其中，x_i为像素值，N为层中像素的个数。基于参数p₁，p₂，p₃对于每一个新的输入图像，使用简单的直方图匹配对三个色调图进行调整，并再次叠加。用J表示输入I的最终色调调整图像，要注意：ω1、ω2和ω3的权重可以表明在暗层和亮层能产生不同风格的结果。需要注意的地方：一般采用：ω1:ω2:ω3＝2:22:76，因为铅笔画较淡，ω3越大，图片越亮，但对于有些图片，如果太亮，有些较暗的细节就会消失，此时可以选择ω1:ω2:ω3＝11:37:52，此外也可以根据最后效果调整三个参数大小，一般，ω3介于52～76间，ω1最好在10以下。

步骤S4：纹理渲染。

还需要β参数使图像局部显得更平滑。通过求解下式得到：

最后的铅笔纹理图T通过指数运算计算得到。

步骤S103，将边缘轮廓图和渲染后的色调图融合获得最后的铅笔画(对应步骤S206)。

根据铅笔笔划S和色调纹理T，将铅笔笔划和色调纹理结合起来，通过将每个像素的笔划和纹理值相乘来突出重要的轮廓，表示为：

R＝S·T。

如图6所示，使用短线条来模拟铅笔画轮廓图是非常有效的。卷积步骤扩展了两条线在交点处的端点。值得注意的是，原始边缘图中只有很长的直线才会被显著地扩展，因为方向卷积只会沿着严格的直线进行卷积。长线条中心的像素会接收到来自两边的像素值，这使得线条中心比末端更暗，这在铅笔画中是可取的。提出方法还帮助连接了在原始边缘图中不一定连接的像素，当附近的像素基本上沿直线对齐时，再模仿人类手绘直线的过程，并抵抗噪声，效克服了传统铅笔画生成方法无法有效保存结构信息的缺陷，使得图像生成视觉感逼真，信息丰富，该方法对噪声，强纹理信息和光照变化不敏感。通过实验，这种方法生成的图像效果比现存算法更加清晰丰满，且更加接近艺术家手绘彩铅画。

根据本发明实施例的基于骨架与色调的铅笔画生成方法，可以基于骨架与色调处理纹理，根据生成的铅笔画生成轮廓图与生成的色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图推导出轮廓图提取公式，有效克服了传统铅笔画生成方法提取轮廓图丢失结构信息及图案不真实的缺陷，使得轮廓图有选择地保存结构信息，且外观接近真实的铅笔绘画。同时对噪声、光照、强纹理信息不敏感，可以直接应用于彩色自然图像，生成清晰丰满的彩色铅笔画，具有鲁棒性和可延展性。

其次参照附图描述根据本发明实施例提出的基于骨架与色调的铅笔画生成装置。

图7是本发明实施例的基于骨架与色调的铅笔画生成装置的方框示意图。

如图7所示，该基于骨架与色调的铅笔画生成装置10包括：第一生成模块100、第二生成模块200和融合模块300。

其中，第一生成模块100用于获取至少一副自然图像，并利用可变局部边缘模式算法提取至少一副自然图像的边缘特征，生成铅笔画生成轮廓图。

第二生成模块200用于利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图。

融合模块300用于根据铅笔画生成轮廓图与色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图。

其中，在本发明的一个实施例中，第一生成模块100包括：映射单元。

其中，映射单元用于获取所有方向的响应映射，并选取所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。

可选地，在本发明的一个实施例中，骨架笔画图像为：

其中，是第i个方向的线段，C_i是第i个方向的最大响应图；

最大响应图的计算公式为：

其中，G_i是响应映射；

响应映射的计算公式为：

其中，G为最终的梯度图像；

最终的梯度图像的计算公式为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像；

边缘强度图像的计算公式为：

其中，是半径为R、近邻点个数为P、角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

进一步地，在本发明的一个实施例中，第二生成模块200包括：设定单元和映射单元。

其中，设定单元用于获取多个预设色调的经验公式，并设定具有铅笔画色调特征的固定直方图。

映射单元用于将目标图片的直方图映射到固定直方图，并进行纹理渲染。

可选地，在本发明的一个实施例中，融合公式为：

R＝S·T，

其中，S为铅笔画生成轮廓图，T为色调图。

需要说明的是，前述对基于骨架与色调的铅笔画生成方法实施例的解释说明也适用于该实施例的基于骨架与色调的铅笔画生成装置，此处不再赘述。

根据本发明实施例的基于骨架与色调的铅笔画生成装置，可以基于骨架与色调处理纹理，根据生成的铅笔画生成轮廓图与生成的色调图融合生成素描铅笔画，并根据素描铅笔画扩展得到彩色铅笔绘图，不但抗噪声能力强，对强纹理信息和光照变化不敏感，而且可以直接应用于彩色自然图像，生成彩色铅笔画，具有很强的鲁棒性和可延展性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于骨架与色调的铅笔画生成方法，其特征在于，包括以下步骤：

获取至少一副自然图像，并利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征，生成铅笔画生成轮廓图；

利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图；以及

根据所述铅笔画生成轮廓图与所述色调图融合生成素描铅笔画，并根据所述素描铅笔画扩展得到彩色铅笔绘图。

2.根据权利要求1所述的方法，其特征在于，所述利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征，生成铅笔画生成轮廓图，包括：

获取所有方向的响应映射，并选取所述所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。

3.根据权利要求2所述的方法，其特征在于，

所述骨架笔画图像为：

其中，是第i个方向的线段，C_i是所述第i个方向的最大响应图；

所述最大响应图的计算公式为：

其中，G_i是所述响应映射；

所述响应映射的计算公式为：

其中，G为最终的梯度图像；

所述最终的梯度图像的计算公式为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像；

所述边缘强度图像的计算公式为：

其中，是半径为R、近邻点个数为P、角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

4.根据权利要求1所述的方法，其特征在于，所述通过参数模型进行直方图匹配，生成色调图，包括：

获取多个预设色调的经验公式，并设定具有铅笔画色调特征的固定直方图；

将目标图片的直方图映射到所述固定直方图，并进行纹理渲染。

5.根据权利要求1所述的方法，其特征在于，融合公式为：

R＝S·T，

其中，S为所述铅笔画生成轮廓图，T为所述色调图。

6.一种基于骨架与色调的铅笔画生成装置，其特征在于，包括：

第一生成模块，用于获取至少一副自然图像，并利用可变局部边缘模式算法提取所述至少一副自然图像的边缘特征，生成铅笔画生成轮廓图；

第二生成模块，用于利用原始图像的灰度图像确定每个像素点色调值，并通过参数模型进行直方图匹配，生成色调图；以及

融合模块，用于根据所述铅笔画生成轮廓图与所述色调图融合生成素描铅笔画，并根据所述素描铅笔画扩展得到彩色铅笔绘图。

7.根据权利要求6所述的装置，其特征在于，所述第一生成模块包括：

映射单元，用于获取所有方向的响应映射，并选取所述所有方向的每个方向的响应中最大值以通过方向线段和方向映射得到骨架笔画图像。

8.根据权利要求7所述的装置，其特征在于，

所述骨架笔画图像为：

其中，是第i个方向的线段，C_i是所述第i个方向的最大响应图；

所述最大响应图的计算公式为：

其中，G_i是所述响应映射；

所述响应映射的计算公式为：

其中，G为最终的梯度图像；

所述最终的梯度图像的计算公式为：

其中，Θ＝2π/P，是边缘方向为θ的边缘强度图像；

所述边缘强度图像的计算公式为：

其中，是半径为R、近邻点个数为P、角度为θ(θ＝2πi/P(i＝0,…,P/2-1))的局部边缘检测算子，I是输入的灰度图像。

9.根据权利要求7所述的装置，其特征在于，所述第二生成模块包括：

设定单元，用于获取多个预设色调的经验公式，并设定具有铅笔画色调特征的固定直方图；

映射单元，用于将目标图片的直方图映射到所述固定直方图，并进行纹理渲染。

10.根据权利要求6所述的装置，其特征在于，融合公式为：

R＝S·T，

其中，S为所述铅笔画生成轮廓图，T为所述色调图。