CN111127596B - 一种基于增量Voronoi序列的分层油画笔刷绘制方法 - Google Patents

一种基于增量Voronoi序列的分层油画笔刷绘制方法 Download PDF

Info

Publication number
CN111127596B
CN111127596B CN201911201590.3A CN201911201590A CN111127596B CN 111127596 B CN111127596 B CN 111127596B CN 201911201590 A CN201911201590 A CN 201911201590A CN 111127596 B CN111127596 B CN 111127596B
Authority
CN
China
Prior art keywords
brush
streamline
sequence
voronoi
current position
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.)
Active
Application number
CN201911201590.3A
Other languages
English (en)
Other versions
CN111127596A (zh
Inventor
柳有权
荆树旭
陈颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201911201590.3A priority Critical patent/CN111127596B/zh
Publication of CN111127596A publication Critical patent/CN111127596A/zh
Application granted granted Critical
Publication of CN111127596B publication Critical patent/CN111127596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/80—Creating or modifying a manually drawn or painted image using a manual input device, e.g. mouse, light pen, direction keys on keyboard

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)

Abstract

本发明公开了一种基于增量Voronoi序列的分层油画笔刷绘制方法，首先使用增量Voronoi序列和图像切线方向场确定笔刷流线；然后依据笔刷流线使用笔刷的样式与笔刷高度场进行纹理贴图对笔刷流线进行渲染模拟油画的物理效果；最后使用不同尺度的笔刷按照从大到小的顺序迭代并绘制出最终结果。本发明不仅能模拟真实的油画绘制过程，而且生成的油画效果层次感强，充分体现了图像的结构特征和油画细节。

Description

一种基于增量Voronoi序列的分层油画笔刷绘制方法
技术领域
本发明属于非真实感渲染的图像风格化领域，涉及一种基于增量Voronoi序列的分层油画笔刷绘制方法。
背景技术
为了实现逼真的油画效果，多数传统的图像油画风格化方法通过对油画笔刷的大小、方向等特征进行模拟来生成油画结果。还有一些方法从纹理合成的角度入手，从参考油画图像中提取纹理并应用到目标图像上，以得到油画风格化效果。此外，一些工作使用流体仿真来模拟笔刷、油、画布之间的交互，以获得高度真实感的油画细节。非真实感渲染主要用于突出图像表达的信息，忽略图像当中不重要的细节信息；或者模拟艺术家绘画，生成具有艺术效果的图像。非真实感渲染通常用于模拟各种视觉艺术的绘制风格(如国画、水彩、素描、油画、版画等)或根据具体应用需求来制定渲染风格，在动画、游戏等娱乐领域和工程、工业设计中有着广阔的应用。在非真实感渲染中，将真实图像转化成具有艺术风格的图像是近年来一类热门研究话题。在各种非真实感渲染风格中，油画以悠久的历史、深厚的底蕴和丰富的表现力而广为流传，它既可以精确地描绘场景，也可以通过一定的艺术夸张手段传达画家的情感。创作一幅高质量的油画作品需将绘画工具、技巧和经验有效的结合。
发明内容
针对现有技术中的缺陷和不足，本发明提供了一种基于增量Voronoi序列的分层油画笔刷绘制方法，采用不同尺度的笔刷按照从粗到细的顺序逐层绘制的方法。
为达到上述目的，本发明采取如下的技术方案：
一种基于增量Voronoi序列的分层油画笔刷绘制方法，根据增量Voronoi序列和图像切线方向场确定笔刷流线，并依据笔刷流线使用不同尺度的笔刷按照从粗到细的顺序逐层绘制得到最终绘制结果，具体包括以下步骤：
步骤1、确定输入内容及初始化：
步骤1.1，输入目标图像、笔刷、增量Voronoi序列和当前层画布，初始状态时的当前层画布为白色画布；
步骤1.2，定义采样点计数器，并设置其值为0；定义笔刷流线顶点数组，顶点数组中包含绘制一笔笔刷流线所需点的坐标，并设置该顶点数组为空；
步骤2、计算步骤1.1中的当前层画布与目标图像间各位置的像素差异；利用Sobel滤波计算目标图像各位置的切线方向；
步骤3、生成笔刷流线并进行渲染：
步骤3.1，比较采样点计数器的值和增量Voronoi序列长度的大小，若采样点计数器的值小于增量Voronoi序列的长度，执行下一步；否则，转步骤4；
步骤3.2，通过采样点计数器的值得到增量Voronoi序列相应值，得到当前笔刷流线的初始位置，将该位置记为当前位置；得到当前位置的切线方向和颜色值；将采样点计数器的值增加1；
步骤3.3，确定笔刷流线的顶点数组：
步骤3.3.1，比较当前笔刷流线的顶点数组的长度与笔刷绘制的最长长度；若顶点数组的长度小于笔刷绘制的最长长度，执行下一步；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.2，对当前位置的像素差异、切线方向及颜色值进行阈值判断；若没有超出阈值，执行下一步；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.3，判断当前位置是否在当前层已经被绘制；若没有被绘制，执行下一步；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.4，将当前位置加入到顶点数组中；
步骤3.3.5，根据当前位置的切线方向和笔刷半径计算新的当前位置，并利用新的当前位置更新当前位置，同时，转步骤3.3.1，对更新后的当前位置循环执行步骤3.3.1至3.3.5，直至笔刷流线顶点数组的长度大于笔刷绘制的最长长度则转步骤3.4；
步骤3.4，根据笔刷流线的顶点数组生成笔刷流线并进行渲染：
步骤3.4.1，比较顶点数组的长度与笔刷绘制的最短长度，若顶点数组的长度大于笔刷绘制的最短长度，执行下一步；否则，否则，将笔刷流线的顶点数组置空并转步骤3，循环步骤3.1至3.4绘制更多的笔刷流线；
步骤3.4.2，连接顶点数组中各顶点生成笔刷流线，依据笔刷流线使用笔刷的样式与笔刷高度场进行纹理贴图对笔刷流线进行渲染；同时，将笔刷流线的顶点数组置空并转
步骤3，循环步骤3.1至3.4绘制更多的笔刷流线，直至采样点计数器的值大于等于增量Voronoi序列的长度，转步骤4；
步骤4，输出当前层画布，并采用输出的当前层画布作为步骤1的输入，同时更换笔刷的半径，再次执行步骤1至步骤4进行下一层画布的绘制，n次迭代后得到最终油画绘制结果。
本发明还包括如下技术特征：
具体的，步骤1所述笔刷的属性包括笔刷的样式、笔刷高度场、笔刷的半径、笔刷绘制的最长长度及笔刷绘制的最短长度。
具体的，所述增量Voronoi序列的生成为：首先在采样空间内随机生成种子点，根据种子点对采样空间进行Voronoi划分，从而得到对应的Delaunay三角形；然后，将Delaunay三角形中最大外接圆的圆心作为新的采样点加入到增量Voronoi序列；最后，通过不断的迭代生成最终的增量Voronoi序列；增量Voronoi序列最终样本点的数量为该序列的长度。
具体的，步骤3.3.2所述的阈值判断包括：从步骤2中得到的当前层画布和目标图像各位置的像素差异中当前位置的像素差异；从步骤2中得到的目标图像各位置的切线方向中当前位置的切线方向与顶点数组中位于当前位置前一位置切线方向的差值；当前位置坐标与笔刷流线的顶点数组的第一个顶点坐标的颜色值差值。
本发明与现有技术相比，有益的技术效果是：
本发明提供的一种基于增量Voronoi序列的分层油画笔刷绘制方法，采用不同尺度的笔刷按照从粗到细的顺序逐层绘制。不仅能模拟真实的油画绘制过程，而且生成的油画效果层次感强，充分体现了图像的结构特征和油画细节。
附图说明
图1为本发明方法的绘制流程图；
图2为本发明方法的增量Voronoi序列的采样点分布图；
图3为本发明方法绘制一笔笔刷流线的流线生成及渲染图，其中，图3(a)为一笔笔刷流线顶点数组中的各顶点；图3(b)为连接顶点数组中各顶点生成的笔刷流线；图3(c)为使用笔刷的样式对笔刷流线进行渲染的结果；图3(d)为使用笔刷的样式和笔刷高度图对笔刷流线进行渲染的结果；
图4为本发明方法从大到小不同笔刷半径的笔刷流线图，其中，图4(a)为目标图像；图4(b)为第一层笔刷流线图；图4(c)为第二层笔刷流线图；图4(d)为第三层笔刷流线图；
图5为本发明方法从大到小不同笔刷半径逐层绘制的结果,其中，图5(a)为目标图像；图5(b)为第一层油画绘制结果；图5(c)为第二层油画绘制结果；图5(d)为最终油画绘制结果。
具体实施方式
本发明给出一种基于增量Voronoi序列的分层油画笔刷绘制方法，如图1所示为本方法的绘制流程图，根据增量Voronoi序列和图像切线方向场确定笔刷流线；然后依据笔刷流线使用笔刷的样式与笔刷高度场进行纹理贴图对笔刷流线进行渲染模拟油画的物理效果；再使用不同尺度的笔刷按照从大到小的顺序迭代并绘制出最终结果。本实施方式中的增量Voronoi序列引用自(Ma L,Chen Y Y,Qian Y L,et al.Incremental Voronoi setsfor instant stippling[J].The Visual Computer,2018,34(6-8):863-873)。
该方法具体包括以下步骤：
步骤1、确定输入内容，并初始化需要的数据：
步骤1.1，输入目标图像、笔刷、增量Voronoi序列和当前层画布(初始状态时的当前层画布为白色画布)；步骤1笔刷的属性包括笔刷的样式、笔刷高度场、笔刷的半径、笔刷绘制的最长长度及笔刷绘制的最短长度；步骤1增量Voronoi序列的生成为：首先在采样空间内随机生成种子点，根据种子点对采样空间进行Voronoi划分，从而得到对应的Delaunay三角形；然后，将Delaunay三角形中最大外接圆的圆心作为新的采样点加入到增量Voronoi序列；最后，通过不断的迭代生成最终的增量Voronoi序列。其中，增量Voronoi序列最终样本点的数量为该序列的长度；如图2所示，为增量Voronoi序列长度为2048的采样点分布图。
步骤1.2，定义采样点计数器，并设置其值为0；定义笔刷流线顶点数组(该数组中包含绘制一笔笔刷流线所需点的坐标)，并设置该数组为空；
步骤2、计算步骤1.1中的当前层画布与目标图像间各位置的像素差异，本发明使用RGB颜色的L2范数来衡量画布与目标之间的像素差异；利用Sobel滤波计算目标图像各位置的切线方向；
步骤3、生成笔刷流线并进行渲染：
步骤3.1，比较采样点计数器的值和增量Voronoi序列长度的大小，若采样点计数器的值小于增量Voronoi序列的长度，执行步骤3.2；否则，转步骤4，输出当前层画布；
步骤3.2，首先，通过采样点计数器的值对应增量Voronoi序列相应值，得到当前笔刷流线的初始位置，将该位置记为当前位置；然后，得到该位置的切线方向和颜色值；最后，将采样点计数器的值增加1；
步骤3.3，确定笔刷流线的顶点数组：
步骤3.3.1，比较笔刷流线的顶点数组的长度和笔刷绘制的最长长度；若顶点数组的长度小于笔刷最长长度，执行步骤3.3.2；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.2，对当前位置的像素差异、切线方向及颜色值进行阈值判断；若没有超出阈值，执行步骤3.3.3；否则，转步骤3.4生成并渲染笔刷流线；步骤3.3.2中阈值判断的具体内容包括：从步骤2中得到的当前层画布和目标图像各位置的像素差异中当前位置的像素差异；从步骤2中得到的目标图像各位置的切线方向中当前位置的切线方向与顶点数组中位于当前位置前一位置切线方向的差值；当前位置坐标与笔刷流线的顶点数组的第一个顶点坐标的颜色值差值。将这三方面的内容分别与自定义的阈值进行比较，从而得到最终的判断结果。本发明定义的像素差异阈值、颜色阈值以及方向阈值分别为0.1、0.3、0.5。
步骤3.3.3，判断当前位置是否在当前层画布已经被绘制；若没有被绘制，执行步骤3.3.4，否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.4，将当前位置加入到顶点数组中；
步骤3.3.5，根据当前位置的切线方向和笔刷半径计算新的当前位置，并利用新的当前位置更新当前位置，同时，转步骤3.3.1，对更新后的当前位置循环执行步骤3.3.1至3.3.5，直至笔刷流线顶点数组的长度大于笔刷绘制的最长长度则转步骤3.4，如图3(a)表示的是绘制一笔笔刷流线顶点数组中的各顶点；
步骤3.4，根据笔刷流线的顶点数组生成笔刷流线并进行渲染：
步骤3.4.1，比较顶点数组的长度与笔刷绘制的最短长度，若顶点数组的长度大于笔刷绘制的最短长度，执行步骤3.4.2；否则，将笔刷流线的顶点数组置空并转步骤3，循环步骤3.1至3.4绘制更多的笔刷流线；
步骤3.4.2，连接顶点数组中各顶点生成笔刷流线，如图3(b)所示；依据笔刷流线使用笔刷的样式与笔刷高度图进行纹理贴图对笔刷流线进行渲染，如图3(c)、(d)所示；同时，将笔刷流线的顶点数组置空并转步骤3，循环步骤3.1至3.4绘制更多的笔刷流线，直至采样点计数器的值大于等于增量Voronoi序列，转步骤4；
步骤4、输出当前层画布，如图5(b)所示，为输出的当前层画布，图4(b)为当前层绘制的所有笔刷流线；采用输出的当前层画布作为步骤1的输入，同时更换笔刷的半径，再次执行步骤1至步骤4进行下一层画布的绘制，n次迭代后得到最终油画绘制结果，最终的绘制结果如图5(d)所示。

Claims (4)

1.一种基于增量Voronoi序列的分层油画笔刷绘制方法，其特征在于，根据增量Voronoi序列和图像切线方向场确定笔刷流线，并依据笔刷流线使用不同尺度的笔刷按照从粗到细的顺序逐层绘制得到最终绘制结果，具体包括以下步骤：
步骤1、确定输入内容及初始化：
步骤1.1，输入目标图像、笔刷、增量Voronoi序列和当前层画布，初始状态时的当前层画布为白色画布；
步骤1.2，定义采样点计数器，并设置其值为0；定义笔刷流线顶点数组，顶点数组中包含绘制一笔笔刷流线所需点的坐标，并设置该顶点数组为空；
步骤2、计算步骤1.1中的当前层画布与目标图像间各位置的像素差异；利用Sobel滤波计算目标图像各位置的切线方向；
步骤3、生成笔刷流线并进行渲染：
步骤3.1，比较采样点计数器的值和增量Voronoi序列长度的大小，若采样点计数器的值小于增量Voronoi序列的长度，执行下一步；否则，转步骤4；
步骤3.2，通过采样点计数器的值得到增量Voronoi序列相应值，得到当前笔刷流线的初始位置，将该位置记为当前位置；得到当前位置的切线方向和颜色值；将采样点计数器的值增加1；
步骤3.3，确定笔刷流线的顶点数组：
步骤3.3.1，比较当前笔刷流线的顶点数组的长度与笔刷绘制的最长长度；若顶点数组的长度小于笔刷绘制的最长长度，执行下一步；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.2，对当前位置的像素差异、切线方向及颜色值进行阈值判断；若没有超出阈值，执行下一步；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.3，判断当前位置是否在当前层已经被绘制；若没有被绘制，执行下一步；否则，转步骤3.4生成并渲染笔刷流线；
步骤3.3.4，将当前位置加入到顶点数组中；
步骤3.3.5，根据当前位置的切线方向和笔刷半径计算新的当前位置，并利用新的当前位置更新当前位置，同时，转步骤3.3.1，对更新后的当前位置循环执行步骤3.3.1至3.3.5，直至笔刷流线顶点数组的长度大于笔刷绘制的最长长度则转步骤3.4；
步骤3.4，根据笔刷流线的顶点数组生成笔刷流线并进行渲染：
步骤3.4.1，比较顶点数组的长度与笔刷绘制的最短长度，若顶点数组的长度大于笔刷绘制的最短长度，执行下一步；否则，否则，将笔刷流线的顶点数组置空并转步骤3，循环步骤3.1至3.4绘制更多的笔刷流线；
步骤3.4.2，连接顶点数组中各顶点生成笔刷流线，依据笔刷流线使用笔刷的样式与笔刷高度场进行纹理贴图对笔刷流线进行渲染；同时，将笔刷流线的顶点数组置空并转步骤3，循环步骤3.1至3.4绘制更多的笔刷流线，直至采样点计数器的值大于等于增量Voronoi序列的长度，转步骤4；
步骤4，输出当前层画布，并采用输出的当前层画布作为步骤1的输入，同时更换笔刷的半径，再次执行步骤1至步骤4进行下一层画布的绘制，n次迭代后得到最终油画绘制结果。
2.如权利要求1所述的基于增量Voronoi序列的分层油画笔刷绘制方法，其特征在于，步骤1所述笔刷的属性包括笔刷的样式、笔刷高度场、笔刷的半径、笔刷绘制的最长长度及笔刷绘制的最短长度。
3.如权利要求1所述的基于增量Voronoi序列的分层油画笔刷绘制方法，其特征在于，所述增量Voronoi序列的生成为：首先在采样空间内随机生成种子点，根据种子点对采样空间进行Voronoi划分，从而得到对应的Delaunay三角形；然后，将Delaunay三角形中最大外接圆的圆心作为新的采样点加入到增量Voronoi序列；最后，通过不断的迭代生成最终的增量Voronoi序列；增量Voronoi序列最终样本点的数量为该序列的长度。
4.如权利要求1所述的基于增量Voronoi序列的分层油画笔刷绘制方法，其特征在于，步骤3.3.2所述的阈值判断包括：从步骤2中得到的当前层画布和目标图像各位置的像素差异中当前位置的像素差异；从步骤2中得到的目标图像各位置的切线方向中当前位置的切线方向与顶点数组中位于当前位置前一位置切线方向的差值；当前位置坐标与笔刷流线的顶点数组的第一个顶点坐标的颜色值差值。
CN201911201590.3A 2019-11-29 2019-11-29 一种基于增量Voronoi序列的分层油画笔刷绘制方法 Active CN111127596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911201590.3A CN111127596B (zh) 2019-11-29 2019-11-29 一种基于增量Voronoi序列的分层油画笔刷绘制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911201590.3A CN111127596B (zh) 2019-11-29 2019-11-29 一种基于增量Voronoi序列的分层油画笔刷绘制方法

Publications (2)

Publication Number Publication Date
CN111127596A CN111127596A (zh) 2020-05-08
CN111127596B true CN111127596B (zh) 2023-02-14

Family

ID=70497194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911201590.3A Active CN111127596B (zh) 2019-11-29 2019-11-29 一种基于增量Voronoi序列的分层油画笔刷绘制方法

Country Status (1)

Country Link
CN (1) CN111127596B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066715A (zh) * 2020-07-30 2022-02-18 北京达佳互联信息技术有限公司 图像风格迁移方法、装置、电子设备以及存储介质
CN112070854B (zh) * 2020-09-02 2023-08-08 北京字节跳动网络技术有限公司 一种图像生成方法、装置、设备及存储介质
CN113064540B (zh) * 2021-03-23 2022-11-01 网易（杭州）网络有限公司 基于游戏的绘制方法、绘制装置、电子设备及存储介质
CN114119847B (zh) * 2021-12-05 2023-11-07 北京字跳网络技术有限公司 一种图形处理方法、装置、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6011536A (en) * 1998-04-17 2000-01-04 New York University Method and system for generating an image having a hand-painted appearance
CN101853517A (zh) * 2010-05-26 2010-10-06 西安交通大学 一种基于笔划限制和纹理的真实图像油画自动生成方法
CN109949384A (zh) * 2019-02-14 2019-06-28 云南大学 基于增量Voronoi序列即时生成彩色点画的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6478067B2 (ja) * 2016-05-31 2019-03-06 京セラドキュメントソリューションズ株式会社 画像形成装置、画像形成プログラム、画像形成システムおよび画像形成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6011536A (en) * 1998-04-17 2000-01-04 New York University Method and system for generating an image having a hand-painted appearance
CN101853517A (zh) * 2010-05-26 2010-10-06 西安交通大学 一种基于笔划限制和纹理的真实图像油画自动生成方法
CN109949384A (zh) * 2019-02-14 2019-06-28 云南大学 基于增量Voronoi序列即时生成彩色点画的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于多分辨率和统计的笔刷绘制方法;赵芳芳等;《计算机工程》;20090720(第14期);全文 *
利用平面虚拟点光源的素描图像绘制;佟强等;《计算机学报》;20100515(第05期);全文 *

Also Published As

Publication number Publication date
CN111127596A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111127596B (zh) 一种基于增量Voronoi序列的分层油画笔刷绘制方法
Lindemeier et al. Hardware‐Based Non‐Photorealistic Rendering Using a Painting Robot
WO2013106984A1 (en) Learning painting styles for painterly rendering
US9013485B2 (en) Systems and methods for synthesizing high fidelity stroke data for lower dimension input strokes
US20090157366A1 (en) System for simulating digital watercolor image and method therefor
Igno-Rosario et al. Interactive system for painting artworks by regions using a robot
US10922852B2 (en) Oil painting stroke simulation using neural network
Bergen et al. Automatic and interactive evolution of vector graphics images with genetic algorithms
Tang et al. Animated construction of Chinese brush paintings
CN101697234A (zh) 一种基于笔画分段建模的手写汉字隶书美化方法
Yang et al. Easy drawing: Generation of artistic Chinese flower painting by stroke-based stylization
Xie et al. Stroke-based stylization learning and rendering with inverse reinforcement learning
Zhang et al. Video-based running water animation in Chinese painting style
CN102572305A (zh) 视频图像处理方法及系统
Yang et al. Animating Chinese ink painting through generating reproducible brush strokes
Zheng et al. Example-based brushes for coherent stylized renderings
Kim et al. An Example‐based Approach to Synthesize Artistic Strokes using Graphs
CN103679794B (zh) 模拟三维素描铅笔画的绘制方法
Li et al. Image stylization with enhanced structure on GPU
CN108171766A (zh) 一种具有笔画轮廓纠正功能的图像生成方法
Beardsley et al. Editable parametric dense foliage from 3D capture
Yin et al. HUA: an interactive calligraphy and ink-wash painting system
Barile et al. Animated drawings rendered by genetic programming
Yang et al. Sketch-based stroke generation in Chinese flower painting.
Huang et al. A GPU implementation of watercolor painting image generation

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
GR01 Patent grant
GR01 Patent grant