CN111524204B - 一种人像发丝动漫化纹理生成方法 - Google Patents

一种人像发丝动漫化纹理生成方法 Download PDF

Info

Publication number
CN111524204B
CN111524204B CN202010370247.8A CN202010370247A CN111524204B CN 111524204 B CN111524204 B CN 111524204B CN 202010370247 A CN202010370247 A CN 202010370247A CN 111524204 B CN111524204 B CN 111524204B
Authority
CN
China
Prior art keywords
image
hair
pixel
label
connected domain
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
CN202010370247.8A
Other languages
English (en)
Other versions
CN111524204A (zh
Inventor
胡耀武
李云夕
熊永春
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.)
Hangzhou Xiaoying Innovation Technology Co ltd
Original Assignee
Hangzhou Xiaoying Innovation Technology Co ltd
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 Hangzhou Xiaoying Innovation Technology Co ltd filed Critical Hangzhou Xiaoying Innovation Technology Co ltd
Priority to CN202010370247.8A priority Critical patent/CN111524204B/zh
Publication of CN111524204A publication Critical patent/CN111524204A/zh
Application granted granted Critical
Publication of CN111524204B publication Critical patent/CN111524204B/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
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人像发丝动漫化纹理生成方法。它具体包括如下步骤：输入图像S；对图像S进行头发区域分割，输入RGB原图，输出单通道的黑白Mask；将原图像S和头发Mask进行融合，得到头发区域图像A；对图像A进行XDOG增强，得到图像B；连通域判断，得到连通域标签数组Label，数组中为图像B1对应的像素连通域的标号；线条生成模块，Label中每一个标号L对应的像素构成一个连通域C进行线条生成，将线条绘制在空白图像D内；对图像D进行LIC线积分运算，即得到光滑的动漫风格头发纹理线条。本发明的有益效果是：基于XDOG纹理增强、连通域、贝塞尔曲线拟合、LIC线积分处理，得到动漫人像头发线条效果好。

Description

一种人像发丝动漫化纹理生成方法
技术领域
本发明涉及图像处理相关技术领域，尤其是指一种人像发丝动漫化纹理生成方法。
背景技术
目前移动端app或者PC图像处理软件中常见各种漫画风格特效，在这些特效中，如何根据真实的用户头发照片生成具有动漫风格的头发纹理，将直接影响动漫效果的好坏。
发明内容
本发明是为了克服现有技术中存在上述的不足，提供了一种动漫效果好的人像发丝动漫化纹理生成方法。
为了实现上述目的，本发明采用以下技术方案：
一种人像发丝动漫化纹理生成方法，具体包括如下步骤：
(1)输入图像S；
(2)对图像S进行头发区域分割：使用Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask；
(3)将原图像S和头发Mask进行融合，得到头发区域图像A；
(4)对图像A进行XDOG增强，得到图像B；
(5)连通域判断：对图B进行二值化处理后得到图像B1，对图像B1进行连通域判断，得到连通域标签数组Label[i,j]，数组中为图像B1对应的像素连通域的标号；
(6)线条生成模块：Label中每一个标号L对应的像素构成一个连通域C，对C进行线条生成，将线条绘制在空白图像D内，即得到头发区域动漫风格纹理线条图；
(7)对图像D进行LIC线积分运算，即得到光滑的动漫风格头发纹理线条。
本方法设计了一种头发纹理趋势判断方法和动漫化线条生成方法，根据用户的头发照片绘制符合动漫人物形象的线条风格头发特效，对原图基于语义分割模型，定义照片中人像头发区域；设计漫画线条生成算法，基于XDOG纹理增强和连通域信息判断，生成头发不同区域的漫画线条点位，结合贝塞尔曲线拟合绘制线条；对漫画线条进行LIC线积分处理，得到最终动漫风格的人像头发线条效果，动漫效果好。
作为优选，在步骤(2)中，具体操作方法为：使用基于深度学习的语义分割算法，将图像S划分为人像头发区域和背景区域两个部分，使用Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask，其中白色区域表示头发区域，黑色区域表示背景区域。
作为优选，在步骤(3)中，假设原图像S中(i,j)位置像素为Ps(i,j)，头发Mask中(i,j)位置像素为PMask(i,j)，图像A对应为PA(i,j)，融合公式如下：
Figure BDA0002477953450000021
作为优选，在步骤(4)中，XDOG增强步骤如下：
(41)对图像A进行灰度化得到图像A1，灰度化公式：
Gray＝(Red+Green+Blue)/3；
(42)对图像A1进行半径R1和R2的高斯滤波，得到图像A2和图像A3，R1<R2，高斯滤波公式如下：
Figure BDA0002477953450000031
其中，x表示像素RGB值，μ表示半径Radius范围内的像素值均值，σ表示半径Radius范围内像素值的方差；
(43)遍历图像A1像素P(i,j)，计算XDOG增强结果图像B，公式如下：
PB(i,j)＝(1.0-k)×PA2(i,j)+k×(PA2(i,j)-PA3(i,j))
其中，k为比例系数，取值范围[0，1]。
作为优选，在步骤(5)中，具体操作方法为：对图像B进行阈值为128的二值化处理，得到图像B1，对图像B1进行连通域判断，得到连通域标签数组Label[i,j]，数组中为图像B1对应的像素连通域的标号，假设背景区域为黑色0，头发区域为白色255，定义标签数组Label，连通域判断步骤如下：
(51)遍历图像B1中每一个像素P(i,j)，从左上角第一个像素开始，若P(i,j)为0，则Label(i,j)＝0，若不为0，Label(i,j)＝count，count初始为1；
(52)对Label(i,j)不等于0的像素P，判断它的上下左右四个位置像素值，若存在白色像素点P(m,n)＝255，则Label(m,n)＝count；
(53)使用步骤(52)的方法对(i,j)四邻域像素进行递归判断，直到(i,j)位置周围没有白色像素，或者碰到边界条件，此时遍历下一个像素位置，同时count累加1；若下一个像素的Label不为0，则继续下一个像素；
(54)经过上面步骤后，得到一个Label数组，数组中存放的是每个像素的标号，标号相同的像素值属于同一个连通域内，count的数值为连通域的总个数。
作为优选，在步骤(6)中，线条生成的步骤如下：
(61)将C中标号L的像素位置对应到图像B中，得到图像B中的连通域图像，将该图像从上到下均分为四等分，分别记为C1，C2，C3，C4；
(62)线条点位计算，以C1为例，计算C1图像内所有像素的梯度方向，并统计每个方向内像素个数，取像素数最多的梯度方向作为C1内头发的走势，这些像素梯度方向一致，因此，属于同一种头发走势，计算该梯度方向下像素对应的质心位置(Cx,Cy)；重复该步骤，依次计算C2，C3，C4三个图像的头发走势线条点，分别得到四个点位，记作P1，P2，P3，P4；
(63)使用贝塞尔曲线拟合，由P1，P2，P3，P4生成一条曲线，该曲线即为一条动漫头发线条Line；
(64)对Label中的每个连通域图像，重复步骤(61)到步骤(63)，分别得到count条动漫头发线条Line，将线条绘制在空白图像D内，记得到头发区域动漫风格纹理线条图。
作为优选，在步骤(62)中，梯度方向计算公式如下：
Gx(i,j)＝-P(i-1,j-1)-2P(i-1,j)-P(i-1,j+1)+P(i+1,j-1)+2P(i+1,j)+P(i+1,j+1)
Gy(i,j)＝-P(i-1,j-1)-2P(i,j-1)-P(i+1,j-1)+P(i-1,j+1)+2P(i,j+1)+P(i+1,j+1)
θ＝arctan(Gy/Gx)
其中：将圆周360度均匀划分为8个方向区间，量化到8个方向内，统计每个区间内的像素个数，个数最多的那个区间，即代表了当前区域的头发走势。
作为优选，在步骤(62)中，质心计算公式如下：
Figure BDA0002477953450000041
Figure BDA0002477953450000042
其中：质心位置(Cx,Cy)即图像C1的头发走势线条点。
作为优选，在步骤(7)中，LIC的步骤如下：
(71)对图像D进行局部区域流向计算，得到流向信息F0，F1，公式如下：
E＝Gx×Gx
G＝Gy×Gy
F＝Gx×Gy
Figure BDA0002477953450000051
F0＝F
F1＝lambda-G
其中，Gx和Gy的计算方法与步骤(62)中的计算方法相同；
(72)对图像D中任意一点(i,j)，假设流线长度为3，即以(i,j)为中心点，构建一条线，向前3个像素长度，向后3个像素长度，共6个像素长度的一条线；对于F0通道，对应6个位置的值分别记作FP0，FP1，FP2，FP3，FP4，FP5；对于F1通道，对应6个位置的值分别记作FP00，FP01，FP02，FP03，FP04，FP05；设图像D中(i,j)位置对应的像素值为M；LIC计算公式如下：SumX＝(M(FP0)+M(FP1)+M(FP2)+M(FP3)+M(FP4)+M(FP5))/(FP0+FP1+FP2+FP3+FP4+FP5)；
SumY＝M(FP00)+M(FP01)+M(FP02)+M(FP03)+M(FP04)+M(FP05)/(FP00+FP01+FP02+FP03+FP04+FP05)；
M＝(SumX+SumY)/2。
本发明的有益效果是：对原图基于语义分割模型，定义照片中人像头发区域；设计漫画线条生成算法，基于XDOG纹理增强和连通域信息判断，生成头发不同区域的漫画线条点位，结合贝塞尔曲线拟合绘制线条；对漫画线条进行LIC线积分处理，得到最终动漫风格的人像头发线条效果，动漫效果好。
附图说明
图1是本发明的方法流程图；
图2是头发区域分割图；
图3是步骤(6)处理后的效果图；
图4是步骤(7)处理的效果图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例中，一种人像发丝动漫化纹理生成方法，具体包括如下步骤：
(1)输入图像S，bgra32格式或者其他格式；
(2)对图像S进行头发区域分割：使用Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask；具体操作方法为：使用基于深度学习的语义分割算法，如Unet、PSPNet、BiseNet等，将图像S划分为人像头发区域和背景区域两个部分，这里以Unet语义分割为例(实际并不局限于该算法，可以是任何一种语义分割网络)，使用Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask，其中白色区域表示头发区域，黑色区域表示背景区域，如图2所示。
(3)将原图像S和头发Mask进行融合，得到头发区域图像A；假设原图像S中(i,j)位置像素为Ps(i,j)，头发Mask中(i,j)位置像素为PMask(i,j)，图像A对应为PA(i,j)，融合公式如下：
Figure BDA0002477953450000071
(4)对图像A进行XDOG增强，得到图像B；XDOG增强步骤如下：
(41)对图像A进行灰度化得到图像A1，灰度化公式：
Gray＝(Red+Green+Blue)/3；
(42)对图像A1进行半径R1和R2的高斯滤波，得到图像A2和图像A3，R1<R2，高斯滤波公式如下：
Figure BDA0002477953450000072
其中，x表示像素RGB值，μ表示半径Radius范围内的像素值均值，σ表示半径Radius范围内像素值的方差，这里R1＝1，R2＝2；
(43)遍历图像A1像素P(i,j)，计算XDOG增强结果图像B，公式如下：
PB(i,j)＝(1.0-k)×PA2(i,j)+k×(PA2(i,j)-PA3(i,j))
其中，k为比例系数，取值范围[0，1]，默认0.5。
(5)连通域判断：对图B进行二值化处理后得到图像B1，对图像B1进行连通域判断，得到连通域标签数组Label[i,j]，数组中为图像B1对应的像素连通域的标号；具体操作方法为：对图像B进行阈值为128的二值化处理，得到图像B1，对图像B1进行连通域判断，得到连通域标签数组Label[i,j]，数组中为图像B1对应的像素连通域的标号，假设背景区域为黑色0，头发区域为白色255，定义标签数组Label，连通域判断步骤如下(以四邻域为例)：
(51)遍历图像B1中每一个像素P(i,j)，从左上角第一个像素开始，若P(i,j)为0，则Label(i,j)＝0，若不为0，Label(i,j)＝count，count初始为1；
(52)对Label(i,j)不等于0的像素P，判断它的上下左右四个位置像素值，若存在白色像素点P(m,n)＝255，则Label(m,n)＝count；
(53)使用步骤(52)的方法对(i,j)四邻域像素进行递归判断，直到(i,j)位置周围没有白色像素，或者碰到边界条件，此时遍历下一个像素位置，同时count累加1；若下一个像素的Label不为0，则继续下一个像素；
(54)经过上面步骤后，得到一个Label数组，数组中存放的是每个像素的标号，标号相同的像素值属于同一个连通域内，count的数值为连通域的总个数。
(6)线条生成模块：Label中每一个标号L(L＝0，...count)对应的像素构成一个连通域C，对C进行线条生成，将线条绘制在空白图像D内，即得到头发区域动漫风格纹理线条图；线条生成的步骤如下：
(61)将C中标号L的像素位置对应到图像B中，得到图像B中的连通域图像，将该图像从上到下均分为四等分，分别记为C1，C2，C3，C4；
(62)线条点位计算，以C1为例，计算C1图像内所有像素的梯度方向，并统计每个方向内像素个数，取像素数最多的梯度方向作为C1内头发的走势，这些像素梯度方向一致，因此，属于同一种头发走势，计算该梯度方向下像素对应的质心位置(Cx,Cy)；重复该步骤，依次计算C2，C3，C4三个图像的头发走势线条点，分别得到四个点位，记作P1，P2，P3，P4；
梯度方向计算公式如下：
Gx(i,j)＝-P(i-1,j-1)-2P(i-1,j)-P(i-1,j+1)+P(i+1,j-1)+2P(i+1,j)+P(i+1,j+1)
Gy(i,j)＝-P(i-1,j-1)-2P(i,j-1)-P(i+1,j-1)+P(i-1,j+1)+2P(i,j+1)+P(i+1,j+1)
θ＝arctan(Gy/Gx)
其中：将圆周360度均匀划分为8个方向区间，量化到8个方向内，统计每个区间内的像素个数，个数最多的那个区间，即代表了当前区域的头发走势；质心计算公式如下：
Figure BDA0002477953450000091
Figure BDA0002477953450000092
其中：质心位置(Cx,Cy)即图像C1的头发走势线条点。
(63)使用贝塞尔曲线拟合(这里使用3贝塞尔曲线拟合)，由P1，P2，P3，P4生成一条曲线，该曲线即为一条动漫头发线条Line；
(64)对Label中的每个连通域图像，重复步骤(61)到步骤(63)，分别得到count条动漫头发线条Line，将线条绘制在空白图像D内，记得到头发区域动漫风格纹理线条图。
(7)对图像D进行LIC线积分运算，即得到光滑的动漫风格头发纹理线条；LIC的步骤如下：
(71)对图像D进行局部区域流向计算，得到流向信息F0，F1，公式如下：
E＝Gx×Gx
G＝Gy×Gy
F＝Gx×Gy
Figure BDA0002477953450000093
F0＝F
F1＝lambda-G
其中，Gx和Gy的计算方法与步骤(62)中的计算方法相同；
(72)对图像D中任意一点(i,j)，假设流线长度为3，即以(i,j)为中心点，构建一条线，向前3个像素长度，向后3个像素长度，共6个像素长度的一条线；对于F0通道，对应6个位置的值分别记作FP0，FP1，FP2，FP3，FP4，FP5；对于F1通道，对应6个位置的值分别记作FP00，FP01，FP02，FP03，FP04，FP05；设图像D中(i,j)位置对应的像素值为M；LIC计算公式如下：SumX＝(M(FP0)+M(FP1)+M(FP2)+M(FP3)+M(FP4)+M(FP5))/(FP0+FP1+FP2+FP3+FP4+FP5)；
SumY＝M(FP00)+M(FP01)+M(FP02)+M(FP03)+M(FP04)+M(FP05)/(FP00+FP01+FP02+FP03+FP04+FP05)；
M＝(SumX+SumY)/2。
如图3所示，头发区域为步骤(6)中生成的动漫头发线条；如图4所示，右边为步骤(7)中LIC运算后的动漫风格线条，线条平滑且有长度，具有较强的漫画风格。本方法对原图基于语义分割模型，定义照片中人像头发区域；设计漫画线条生成算法，基于XDOG纹理增强和连通域信息判断，生成头发不同区域的漫画线条点位，结合贝塞尔曲线拟合绘制线条；对漫画线条进行LIC线积分处理，得到最终动漫风格的人像头发线条效果，动漫效果好。

Claims (9)

1.一种人像发丝动漫化纹理生成方法，其特征是，具体包括如下步骤：
(1)输入图像S；
(2)对图像S进行头发区域分割：使用Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask；
(3)将原图像S和头发Mask进行融合，得到头发区域图像A；
(4)对图像A进行XDOG增强，得到图像B；
(5)连通域判断：对图B进行二值化处理后得到图像B1，对图像B1进行连通域判断，得到连通域标签数组Label[i,j]，数组中为图像B1对应的像素连通域的标号；
(6)线条生成模块：Label中每一个标号L对应的像素构成一个连通域C，对C进行线条生成，将线条绘制在空白图像D内，即得到头发区域动漫风格纹理线条图；
(7)对图像D进行LIC线积分运算，即得到光滑的动漫风格头发纹理线条。
2.根据权利要求1所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(2)中，具体操作方法为：使用基于深度学习的语义分割算法，将图像S划分为人像头发区域和背景区域两个部分，使用Unet网络，对10000+的头发样本进行分割网络模型训练，输入RGB原图，输出单通道的黑白Mask，其中白色区域表示头发区域，黑色区域表示背景区域。
3.根据权利要求2所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(3)中，假设原图像S中(i,j)位置像素为Ps(i,j)，头发Mask中(i,j)位置像素为PMask(i,j)，图像A对应为PA(i,j)，融合公式如下：
Figure FDA0004182629180000011
4.根据权利要求3所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(4)中，XDOG增强步骤如下：
(41)对图像A进行灰度化得到图像A1，灰度化公式：
Gray＝(Red+Green+Blue)/3；
(42)对图像A1进行半径R1和R2的高斯滤波，得到图像A2和图像A3，R1<R2，高斯滤波公式如下：
Figure FDA0004182629180000021
其中，x表示像素RGB值，μ表示半径Radius范围内的像素值均值，σ表示半径Radius范围内像素值的方差；
(43)遍历图像A1像素PA1(i,j)，计算XDOG增强结果图像B。
5.根据权利要求4所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(5)中，具体操作方法为：对图像B进行阈值为128的二值化处理，得到图像B1，对图像B1进行连通域判断，得到连通域标签数组Label[i,j]，数组中为图像B1对应的像素连通域的标号，假设背景区域为黑色0，头发区域为白色255，定义标签数组Label，连通域判断步骤如下：
(51)遍历图像B1中每一个像素PB1(i,j)，从左上角第一个像素开始，若PB1(i,j)为0，则Label(i,j)＝0，若不为0，Label(i,j)＝count，count初始为1；
(52)对Label(i,j)不等于0的像素P，判断它的上下左右四个位置像素值，若存在白色像素点P(m,n)＝255，则Label(m,n)＝count；
(53)使用步骤(52)的方法对(i,j)四邻域像素进行递归判断，直到(i,j)位置周围没有白色像素，或者碰到边界条件，此时遍历下一个像素位置，同时count累加1；若下一个像素的Label不为0，则继续下一个像素；
(54)经过上面步骤后，得到一个Label数组，数组中存放的是每个像素的标号，标号相同的像素值属于同一个连通域内，count的数值为连通域的总个数。
6.根据权利要求5所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(6)中，线条生成的步骤如下：
(61)将C中标号L的像素位置对应到图像B中，得到图像B中的连通域图像，将该图像从上到下均分为四等分，分别记为C1，C2，C3，C4；
(62)线条点位计算，以C1为例，计算C1图像内所有像素的梯度方向，并统计每个方向内像素个数，取像素数最多的梯度方向作为C1内头发的走势，这些像素梯度方向一致，因此，属于同一种头发走势，计算该梯度方向下像素对应的质心位置(Cx,Cy)；重复该步骤，依次计算C2，C3，C4三个图像的头发走势线条点，分别得到四个点位，记作P1，P2，P3，P4；
(63)使用贝塞尔曲线拟合，由P1，P2，P3，P4生成一条曲线，该曲线即为一条动漫头发线条Line；
(64)对Label中的每个连通域图像，重复步骤(61)到步骤(63)，分别得到count条动漫头发线条Line，将线条绘制在空白图像D内，记得到头发区域动漫风格纹理线条图。
7.根据权利要求6所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(62)中，梯度方向计算公式如下：
Gx(i,j)＝-P(i-1,j-1)-2P(i-1,j)-P(i-1,j+1)+P(i+1,j-1)+2P(i+1,j)+P(i+1,j+1)
Gy(i,j)＝-P(i-1,j-1)-2P(i,j-1)-P(i+1,j-1)+P(i-1,j+1)+2P(i,j+1)+P(i+1,j+1)
θ＝arctan(Gy/Gx)
其中：将圆周360度均匀划分为8个方向区间，量化到8个方向内，统计每个区间内的像素个数，个数最多的那个区间，即代表了当前区域的头发走势。
8.根据权利要求6或7所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(62)中，质心计算公式如下：
Figure FDA0004182629180000041
Figure FDA0004182629180000042
其中：质心位置(Cx,Cy)即图像C1的头发走势线条点。
9.根据权利要求7所述的一种人像发丝动漫化纹理生成方法，其特征是，在步骤(7)中，LIC的步骤如下：
(71)对图像D进行局部区域流向计算，得到流向信息F0，F1，公式如下：
E＝Gx×Gx
G＝Gy×Gy
F＝Gx×Gy
Figure FDA0004182629180000043
F0＝F
F1＝lambda-G
其中，Gx和Gy的计算方法与步骤(62)中的计算方法相同；
(72)对图像D中任意一点(i,j)，假设流线长度为3，即以(i,j)为中心点，构建一条线，向前3个像素长度，向后3个像素长度，共6个像素长度的一条线；对于F0通道，对应6个位置的值分别记作FP0，FP1，FP2，FP3，FP4，FP5；对于F1通道，对应6个位置的值分别记作FP00，FP01，FP02，FP03，FP04，FP05；设图像D中(i,j)位置对应的像素值为M；LIC计算公式如下：
SumX＝(M(FP0)+M(FP1)+M(FP2)+M(FP3)+M(FP4)+M(FP5))/(FP0+FP1+FP2+FP3+FP4+FP5)；
SumY＝M(FP00)+M(FP01)+M(FP02)+M(FP03)+M(FP04)+M(FP05)/(FP00+FP01+FP02+FP03+FP04+FP05)；
M＝(SumX+SumY)/2。
CN202010370247.8A 2020-05-06 2020-05-06 一种人像发丝动漫化纹理生成方法 Active CN111524204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010370247.8A CN111524204B (zh) 2020-05-06 2020-05-06 一种人像发丝动漫化纹理生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010370247.8A CN111524204B (zh) 2020-05-06 2020-05-06 一种人像发丝动漫化纹理生成方法

Publications (2)

Publication Number Publication Date
CN111524204A CN111524204A (zh) 2020-08-11
CN111524204B true CN111524204B (zh) 2023-06-27

Family

ID=71907569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010370247.8A Active CN111524204B (zh) 2020-05-06 2020-05-06 一种人像发丝动漫化纹理生成方法

Country Status (1)

Country Link
CN (1) CN111524204B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111986212B (zh) * 2020-08-20 2023-10-03 杭州小影创新科技股份有限公司 一种人像发丝流动特效实现方法
CN112581358B (zh) * 2020-12-17 2023-09-26 北京达佳互联信息技术有限公司 图像处理模型的训练方法、图像处理方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2105858A1 (fr) * 1991-03-12 1992-09-13 Odile Leflond Reacteur melangeur tournant immerge, notamment pour la fermentation anaerobie des ordures menageres humidifiees
JPH08212373A (ja) * 1994-11-10 1996-08-20 Matsushita Electric Ind Co Ltd 多関節体の動きを生成するように複数の動きユニットを操作する方法及びそのシステム
AU2002249011B2 (en) * 2001-04-30 2008-05-15 The Commonwealth Of Australia An event handling system
CN101477696A (zh) * 2009-01-09 2009-07-08 彭振云 一种人物漫画图像生成方法及装置
EP2194504A1 (en) * 2008-12-02 2010-06-09 Koninklijke Philips Electronics N.V. Generation of a depth map
CA2743644A1 (en) * 2010-06-18 2011-12-18 Ronald Dicke Digital comic book frame transition method
CN106897989A (zh) * 2016-03-01 2017-06-27 闽南师范大学 一种基于线密度计算的指纹图像分割方法
WO2018082185A1 (zh) * 2016-11-03 2018-05-11 广州视源电子科技股份有限公司 图像处理方法和装置
CN109410220A (zh) * 2018-10-16 2019-03-01 腾讯科技（深圳）有限公司 图像分割方法、装置、计算机设备及存储介质
JP2019133568A (ja) * 2018-02-02 2019-08-08 株式会社エクシヴィ 仮想空間におけるキャラクタの制御方法
CN110610526A (zh) * 2019-08-12 2019-12-24 江苏大学 一种基于wnet对单目人像进行分割和景深渲染的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8768001B2 (en) * 2009-12-10 2014-07-01 The Chinese University Of Hong Kong Apparatus and methods for generating and processing manga-style images
US9652829B2 (en) * 2015-01-22 2017-05-16 Samsung Electronics Co., Ltd. Video super-resolution by fast video segmentation for boundary accuracy control

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2105858A1 (fr) * 1991-03-12 1992-09-13 Odile Leflond Reacteur melangeur tournant immerge, notamment pour la fermentation anaerobie des ordures menageres humidifiees
JPH08212373A (ja) * 1994-11-10 1996-08-20 Matsushita Electric Ind Co Ltd 多関節体の動きを生成するように複数の動きユニットを操作する方法及びそのシステム
AU2002249011B2 (en) * 2001-04-30 2008-05-15 The Commonwealth Of Australia An event handling system
EP2194504A1 (en) * 2008-12-02 2010-06-09 Koninklijke Philips Electronics N.V. Generation of a depth map
CN101477696A (zh) * 2009-01-09 2009-07-08 彭振云 一种人物漫画图像生成方法及装置
CA2743644A1 (en) * 2010-06-18 2011-12-18 Ronald Dicke Digital comic book frame transition method
CN106897989A (zh) * 2016-03-01 2017-06-27 闽南师范大学 一种基于线密度计算的指纹图像分割方法
WO2018082185A1 (zh) * 2016-11-03 2018-05-11 广州视源电子科技股份有限公司 图像处理方法和装置
JP2019133568A (ja) * 2018-02-02 2019-08-08 株式会社エクシヴィ 仮想空間におけるキャラクタの制御方法
CN109410220A (zh) * 2018-10-16 2019-03-01 腾讯科技（深圳）有限公司 图像分割方法、装置、计算机设备及存储介质
CN110610526A (zh) * 2019-08-12 2019-12-24 江苏大学 一种基于wnet对单目人像进行分割和景深渲染的方法

Also Published As

Publication number Publication date
CN111524204A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN103914699B (zh) 一种基于色彩空间的自动唇彩的图像增强的方法
CN108932693B (zh) 基于人脸几何信息的人脸编辑补全方法及装置
EP1372109B1 (en) Method and system for enhancing portrait images
CN111445384B (zh) 一种通用人像照片漫画风格化方法
CN110322468A (zh) 一种图像自动编辑方法
CN111524204B (zh) 一种人像发丝动漫化纹理生成方法
CN107220990A (zh) 一种基于深度学习的头发分割方法
CN111563908B (zh) 一种图像处理方法及相关装置
CN110544300B (zh) 一种基于二维手绘图像特征自动生成三维模型的方法
CN110766697B (zh) 一种界面草图的图形界面控件图像识别的方法和装置
CN110268442B (zh) 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品
CN108694719A (zh) 图像输出方法和装置
CN106530265A (zh) 一种基于色度坐标的自适应图像融合方法
CN110992247A (zh) 一种人像照片头发拉直特效的实现方法及系统
CN108596992B (zh) 一种快速实时的唇彩化妆方法
CN110969631A (zh) 一种精细化照片染发方法及系统
CN108711160A (zh) 一种基于hsi增强性模型的目标分割方法
CN111243051A (zh) 基于肖像照片的简笔画生成方法、系统及存储介质
CN107845127A (zh) 一种人脸卡通动漫形象设计方法
CN111652022B (zh) 图像数据的显示、直播方法、装置、电子设备和存储介质
CN111010605B (zh) 一种视频画中画窗口的显示方法
CN109448093A (zh) 一种风格图像生成方法及装置
CN114549694B (zh) 一种证件照换装方法及系统
Zhang et al. Automatic genaration of sketch-like pencil drawing from image
CN113781372B (zh) 一种基于深度学习的戏曲脸谱生成方法及系统

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
CB02 Change of applicant information

Address after: 22nd floor, block a, Huaxing Times Square, 478 Wensan Road, Xihu District, Hangzhou, Zhejiang 310000

Applicant after: Hangzhou Xiaoying Innovation Technology Co.,Ltd.

Address before: 16th Floor, Hanggang and Metallurgical Technology Building, No. 294 Tianmushan Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Applicant before: HANGZHOU QUWEI SCIENCE & TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant