CN113487697A - 简笔画生成方法、装置、电子设备及存储介质 - Google Patents
简笔画生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113487697A CN113487697A CN202110819084.1A CN202110819084A CN113487697A CN 113487697 A CN113487697 A CN 113487697A CN 202110819084 A CN202110819084 A CN 202110819084A CN 113487697 A CN113487697 A CN 113487697A
- Authority
- CN
- China
- Prior art keywords
- line
- pixel
- points
- splitting
- split
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种简笔画生成方法、装置、电子设备及存储介质,属于图像处理技术领域。该方法包括:对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,拆分点是基于各个线条上线条像素点的像素坐标确定的;根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条的拆分点确定的;基于所述拆分线条图像集生成简笔画绘制步骤。
Description
技术领域
本申请属于图像处理技术领域,具体涉及一种简笔画生成方法、装置、电子设备及存储介质。
背景技术
由于绘画可以培养人的创造力、想象力和空间思维能力等,越来越多的人们开始注重绘画艺术的培养。通常,在学习绘画过程中,用户难以一次画出很复杂的线条,于是通过绘画简笔画,来对图像或者实物进行描绘学习。
然而,目前为用户提供绘画学习的简笔画主要是通过人工绘制的方式得到,由于人工绘制的局限,获得一套进行描绘学习的简笔画往往都会花费很长时间,对于复杂的简笔画,人工所花费的时间则会更久,效率极低。
因此,如何便捷高效地实现简笔画的生成已经成为业界关注的重点。
发明内容
本申请实施例的目的是提供一种简笔画生成方法、装置、电子设备及存储介质,能够便捷高效地实现简笔画生成的问题。
第一方面,本申请实施例提供了一种简笔画生成方法,该方法包括:
对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;
根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;
基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条的拆分点确定的;
基于所述拆分线条图像集生成简笔画绘制步骤。
第二方面,本申请实施例提供了一种简笔画生成装置,包括:
分析单元,用于对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;
第一生成单元,用于根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;
拆分单元,用于基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条上的拆分点确定的;
第二生成单元,用于基于所述拆分线条图像集生成简笔画绘制步骤。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
在本申请实施例中,通过基于待拆分线条图像线条上像素点的像素坐标,来确定影响图像中线条形态的点,并将其作为拆分点,进而通过对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个线条上的拆分点,从而可以根据各个线条上相邻拆分点之间的线条确定出临接边集合;基于各个线条上不同类型的拆分点,确定第一线条拆分策略,以确定对各个临接边进行拆分的顺序,依次对临接边集合进行拆分,并存储每次拆分后的临接边集合,得到待拆分线条图像对应的拆分线条图像集,并基于拆分线条图像集,将其中依次存储的拆分线条图像进行逆序排序,生成简笔画绘制步骤,从而方便用户可以快捷高效地获取简笔画绘画素材,有助于用户更好地进行简笔画学习。
附图说明
图1是本申请实施例提供的简笔画生成方法的流程示意图之一;
图2是本申请提供的生成拆分线条图像集的流程示意图;
图3是本申请提供的生成简笔画绘制步骤的示意图;
图4是本申请实施例提供的线条上线条交点像素点的示意图之一;
图5是本申请实施例提供的线条上线条交点像素点的示意图之二;
图6是本申请实施例提供的第二无交点子线条上线条转折像素点的示意图;
图7是本申请实施例提供的对第二无交点线条上线条转折像素点进行识别的示意图;
图8是本申请实施例提供的简笔画生成方法的流程示意图之二;
图9是本申请实施例提供的简笔画生成装置的结构示意图;
图10是本申请实施例提供的电子设备结构示意图;
图11为实现本申请实施例的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的一种简笔画生成方法、装置、电子设备及存储介质进行详细地说明。
图1是本申请实施例提供的简笔画生成方法的流程示意图之一,如图1所示,包括:
步骤110,对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;
具体地,本申请所描述的待拆分线条图像指的是由线条构成的图像,其可以通过对图像进行图像预处理和图像边缘提取得到,也可以通过使用深度神经网络对图像进行边缘提取得到。
在本申请实施例中,对图像进行的图像预处理可以包括直方图均衡化处理以及图像灰度化处理,进而对得到的灰度图像进行图像边缘提取时,可以使用Canny算子边缘检测算法来实现。
在本申请的实施例中,可以通过膨胀运算和腐蚀运算,对待拆分线条图像的线条宽度进行压缩,在保证线条完整性的情况下,将线条的宽度压缩到两个像素点及以下,以便后续更高效地进行线条拆分。
本申请所描述的线条像素点指的是位于各个待拆分线条上的像素点,其可以基于待拆分线条图像中像素点的灰度值进行确定。
考虑到用户绘画线条图像时使用线条勾勒形体的表达习惯,通过找到图像中影响线条延伸、走向和转折等形态的点,并将其作为拆分点,由此,拆分点的类型可以包括线条端点、线条交点和线条转折点,基于不同类型的拆分点,对待拆分图像进行线条拆分,可以保证后续获得的拆分线条图像更加符合用户绘画的习惯。
本申请所描述的拆分点指的是对待拆分线条图像中各个线条进行拆分的断点。
本申请实施例中,可以将待拆分线条图像中线条宽度压缩至两个像素点及以下,各个线条上的拆分点可以基于各个线条上线条像素点的像素坐标进行确定。
进一步地,根据各个线条上线条像素点的像素坐标及周围像素点的像素坐标,对待拆分线条图像中各个线条上的拆分点进行分析,可以得到各个线条上的拆分点。
步骤120,根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条确定的;
具体地,本发明所描述的临接边集合是基于各个线条上相邻拆分点之间的线条像素点确定的,临接边集合中的临接边是由相邻拆分点之间线条上的线条像素点连接构成的。
因此,根据拆分点的像素坐标和各个线条上的线条像素点,就可以确定待拆分线条图像中各个线条上相邻拆分点之间的线条像素点连接,即得到各个临接边,从而得到待拆分线条图像对应的临接边集合。
本申请实施例中,在得到各个线条上拆分点的基础上,通过进一步确定临接边,各个线条可以被划分为多条临接边,从而将线条拆分为更小单元的临接边,以保证后续更加合理地对线条图像进行拆分。
步骤130,基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条上的拆分点确定的。
具体地,本申请所描述的第一线条拆分策略是基于各个线条的拆分点确定的临接边拆分策略,具体可以是根据拆分点的像素坐标、拆分点的类型等信息,确定拆分点所处临接边的拆分顺序,进而针对绘画学习中分步教学的特点,分为多个步骤进行线条拆分的策略,其中,所分步骤的数量可以为10、9、8或其他,具体根据实际计算需求确定。
在本申请实施例中,为了保证线条拆分的合理性,具体使用的第一线条拆分策略可以包括:优先拆分最短的临接边;优先拆分位于拆分点密集区域的临接边。
进一步地,可以基于第一线条拆分策略,根据各个临接边上拆分点的像素坐标,确定各个临接边的拆分顺序,依次对临接边集合中的临接边进行拆分。
在本申请实施例中,基于多个步骤进行线条拆分后,当每次拆分的临接边数量达到预设拆分量时,存储拆分后的临接边集合,从而可以获得使用户更好地进行分步绘画学习的拆分线条图像。
根据每次存储拆分后的临接边集合对应的线条图像,可以得到待拆分线条图像每次拆分对应的拆分线条图像,即生成待拆分线条图像对应的拆分线条图像集。
图2是本申请提供的生成拆分线条图像集的流程示意图,如图2所示,图2中的(a)表示待拆分线条图像对应的临接边集合,基于第一线条拆分策略,依次对临接边集合进行七次拆分,并存储每次拆分后的临接边集合,即经过第一次拆分,由图2中的线条图(a)得到图2中的线条图(b),对线条图(b)进行存储,依次经过七次拆分,最后得到图2中的线条图(h),对线条图(h)进行存储,这样就可以得到待拆分线条图像对应的拆分线条图像集,拆分线条图像集中包括图2中的线条图(b)、(c)、(d)、(e)、(f)、(g)和(h)。
步骤140,基于所述拆分线条图像集生成简笔画绘制步骤。
本申请所描述的简笔画绘制步骤指的是用于用户进行学习简笔画的绘画步骤。
进一步地,基于拆分线条图像集,将按照拆分顺序拆分后存储的拆分线条图像进行逆序排序,可以生成简笔画绘制步骤。
图3是本申请提供的生成简笔画绘制步骤的示意图,如图3所示,通过将图2中按照拆分顺序得到的待拆分线条图像对应的拆分线条图像集,进行逆序排序,生成简笔画的绘制步骤;对应地,简笔画绘制步骤包括:第一步,绘制图2中的线条图(h);第二步,绘制图2中的线条图(g);第三步,绘制图2中的线条图(f);第四步,绘制图2中的线条图(e);第五步,绘制图2中的线条图(d);第六步,绘制图2中的线条图(c);第七步,绘制图2中的线条图(b);第八步,绘制图2中的线条图(a)。本申请实施例的方法,通过基于待拆分线条图像线条上像素点的像素坐标,来确定影响图像中线条形态的点,并将其作为拆分点,进而通过对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个线条上的拆分点,从而可以根据各个线条上相邻拆分点之间的线条确定出临接边集合;基于各个线条上不同类型的拆分点,确定第一线条拆分策略,以确定对各个临接边进行拆分的顺序,依次对临接边集合进行拆分,并存储每次拆分后的临接边集合,得到待拆分线条图像对应的拆分线条图像集,并基于拆分线条图像集,将其中依次存储的拆分线条图像进行逆序排序,生成简笔画绘制步骤,从而方便用户可以快捷高效地获取简笔画绘画素材,有助于用户更好地进行简笔画学习。
可选地,所述对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,包括:
基于所述各个线条像素点的像素坐标,确定每个线条像素点对应的像素块,其中,所述线条像素点位于所述像素块的中心;
基于各个所述像素块中的像素点信息,确定各个所述线条上的线条端点像素点和线条交点像素点;
基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点;
基于所述线条端点像素点、线条交点像素点和所述线条转折像素点,确定所述线条的拆分点。
具体地,本申请所描述的像素块指的是以各个线条像素点为中心的像素块区域,具体可以是以各个像素点为中心,周围八个像素点组成的像素块区域,也可以是以各个像素点为中心,及其周围八个像素点作为一个区块,由该区块周围的十六个像素点组成的像素块区域。
本申请所描述的像素块中的像素点信息指的是像素块中的各个像素点与其周围线条像素点的联通状态信息,其中,联通状态信息包括联通状态和非联通状态。通过判断像素点与其周围各个像素点的联通状态信息,确定周围处于联通状态的像素点为联通像素点,联通像素点构成区域为联通区域。
在本申请实施例中,首先对拆分点的类型进行定义,便于后续可以更好地进行线条拆分,拆分点的类型可以包括:线条端点像素点和线条交点像素点。
本申请所描述的线条端点像素点指的是线条两端端点处的线条像素点;本申请所描述的线条交点像素点指的是线条上具有两个以上方向进行联通的线条像素点。
由于线条端点像素点和线条交点像素点具有明显的位置特征,易于识别,本申请实施例中首先对线条端点像素点和线条交点像素点进行识别。
进一步地,基于各个像素块中的像素点信息,确定各个线条上的线条端点像素点和线条交点像素点,其具体确定方式可以包括:
对于线条上的任一像素点,若其周围八个像素点中只有一个联通像素点,则认为该像素点是线条端点像素点,其中,联通像素点指的是与该像素点可以构成线条的像素点;
对于线条上的任一像素点,其与周围八个像素点构成一个区块,若该区块周围的十六个像素点中仅有一个联通像素点,则认为该像素点是线条端点像素点;若该区块周围十六个像素点中有两个联通像素点,且这两个联通像素点相邻,则认为该像素点是线条端点像素点;若该区块周围十六个像素点中有两个联通像素点,且这两个联通像素点不相邻,则不认为该像素点是线条端点像素点;若该区块周围十六个像素点中有三个及以上的联通像素点,且联通像素点分别归属于两个联通区域,则不认为该像素点是线条端点像素点,其中,联通区域指的是联通像素点的联通方向上的区域;
对于线条上的任一像素点,其与周围八个像素点构成一个区块,若该区块周围十六个像素中有三个及以上的联通像素点,且分别归属于三个及以上的联通区域,则认为该像素点是线条交点像素点。
因此,根据线条上各个像素点周围预设区域内的像素点信息,可以确定线条上的线条端点像素点和线条交点像素点。
图4是本申请实施例提供的线条上线条交点像素点的示意图之一,如图4所示,线条相交处的像素点41可以从三个方向上进行联通,则像素点41为线条交点像素点。
图5是本申请实施例提供的线条上线条交点像素点的示意图之二,如图5所示,在线条相交处的像素点51可以从四个方向上进行联通,则像素点51为线条交点像素点。其中,本申请实施例中拆分点若出现区域性联通,则选择区域中点作为唯一的拆分点,也就是说,如图5所示,线条相交处为线段,则取该线段中点,作为线条上的拆分点,亦即线条交点像素点。
本申请实施例中,拆分点的类型还可以包括:线条转折像素点。
本申请所描述的线条转折像素点指的是存在转折形态的线条上转折区域处的线条像素点,可以基于线条像素点上的像素坐标进行确定。
基于线条上的线条端点像素点和线条交点像素点的分布情况,可以确定线条转折像素点所处的线条,进而在该线条上确定出线条转折像素点。
由此,可以找出各个线条上的线条端点像素点、线条交点像素点和线条转折像素点,通过找到的各个类型拆分点,可以确定待拆分线条图像中各个线条上的所有拆分点。
本申请实施例的方法,由于线条的端点和交点易于识别,根据线条上各个像素点周围预设区域内的像素点信息,可以有效地确定出线条上的线条端点像素点和线条交点像素点,在确定线条端点像素点和线条交点像素点基础上,对线条上的转折像素点进行进一步识别,通过确定各种类型拆分点,从而可以准确地获取待拆分线条图像中各个线条上的所有拆分点,有利于后续可以快捷高效地生成待拆分线条图像对应的拆分线条图像集。
可选地,所述基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点,包括:
根据所述线条交点像素点,从各个所述线条中,筛选出第一无交点线条;
获取所述第一无交点线条中除所述线条端点像素点之外的其它像素点,得到第二无交点线条,并对所述第二无交点线条进行等距划分,得到多个第二无交点子线条;
基于所述第二无交点子线条上各个像素的像素坐标,确定所述第二无交点子线条内的线条转折像素点。
具体地,本申请实施例中,在确定出线条上的线条端点像素点和线条交点像素点后,可以进一步对线条上的线条转折像素点进行识别。
本申请所描述的第一无交点线条指的是线条上线条端点像素点之间不存在线条交点像素点的线条。
本申请所描述的第二无交点线条指的是第一无交点线条除去线条端点像素点后的线条。
本申请所描述的第二无交点子线条指的是对第二无交点线条进行等距划分得到的线条段,其中,等距划分中的划分尺度可以为20个线条像素点,也可以为15个线条像素点,可根据实际计算需求进行确定。
本申请实施例中,结合线条转折像素点的位置特征,确定线条转折像素点的方式可以为:通过在第二无交点子线条上任意取一线条像素点为中心,基于线条像素点的像素坐标,计算该线条像素点与线条段两端线条像素点构成的向量之间的夹角,若计算出的夹角小于预设阈值时,则认为该线条像素点为线条转折像素点,其中,预设阈值可以是120°、115°、110°等。
图6是本申请实施例提供的第二无交点子线条上线条转折像素点的示意图,如图6所示,取第一无交点线条上的某一第二无交点子线条6,以该线条段内的任一线条像素点63为中心,若线条像素点63分别与第二无交点子线条两端的线条像素点61和线条像素点62构成的向量之间的夹角θ度数小于预设阈值,则认为该线条像素点63为线条转折像素点。
在本申请实施例中,若某一第二无交点子线条内的线条转折像素点若有多个,则任意取其中一个作为该第二无交点子线条内的线条转折像素点。
示例性地,若划分尺度为15个线条像素点,在第二无交点线条上取一段第二无交点子线条,则该段第二无交点子线条为15个线条像素点组成,使用上述角度判别方法,判别该段第二无交点子线条上的15个线条像素点内是否存在的线条转折像素点,若存在多个,则可以任意取其中一个作为该段第二无交点子线条上的线条转折像素点。
进一步地,可以从各个线条中,筛选出第一无交点线条;获取第一无交点线条中除所述线条端点像素点之外的其它像素点,确定第二无交点线条,并对第二无交点线条进行等距划分,得到多个第二无交点子线条;根据第二无交点子线条上各个像素点的像素坐标,进行夹角计算,在计算出的夹角度数处于预设角度范围内时,则可以确定出线条转折像素点,进而可以确定出各个第二无交点子线条内的线条转折像素点。
图7是本申请实施例提供的对第二无交点线条上线条转折像素点进行识别的示意图,如图7所示,等距划分第二无交点线条的划分尺度为d,如d=20个线条像素点,首先,记录所有的线条端点像素点和线条交点像素点,加入到集合T;然后进行第二无交点线条7上线条转折像素点的识别计算,以划分尺度为d,对第二无交点线条7进行等距划分,得到多段第二无交点子线条,将每段第二无交点子线条内的20个线条像素点的像素坐标,加入到候选拆分点集合Candidate_T中;遍历Candidate_T中的每个线条像素点,根据线条转折像素点的定义,判断候选拆分点是否为线条转折像素点,若是则返回为对应的点坐标point,若不是,则返回空坐标,若point不为空,则加入到集合T中,直至Candidate_T中每个候选拆分点均被遍历过一遍,得到每段第二无交点子线条上的线条转折像素点,从而最后得到待拆分线条图像中的所有拆分点。
本申请实施例的方法,基于线条上的线条端点像素点和线条交点像素点可以确定线条上线条端点像素点之间不存在线条交点像素点的第一无交点线条,并对除去线条端点像素点的第一无交点线条,即第二无交点线条进行等距划分,结合线条转折像素点的位置特征,基于第二无交点子线条上各线条像素点的像素坐标进行向量夹角计算,进而对各个第二无交点子线条上的线条转折像素点进行逐一识别,可以准确有效地识别出第二无交点线条上的所有线条转折像素点,从而达到高效地识别出待拆分线条图像中的所有拆分点的效果。
可选地,在所述基于第一线条拆分策略,依次对所述临接边集合进行拆分之前,还包括:
根据所述临接边集合中各个临接边上拆分点的像素坐标,确定各个所述临接边的边距离;
根据各个所述临接边的边距离大小,确定预拆分临接边集合;
根据所述预拆分临接边集合中各个预拆分临接边上拆分点的联通度,确定各个所述预拆分临接边的拆分顺序,以得到第一线条拆分策略,其中,所述联通度是基于所述拆分点所处的临接边数量确定的。
具体地,本申请所描述的临接边的边距离指的是临接边两端拆分点之间的欧氏距离。
因此,根据临接边集合中各个临接边上拆分点的像素坐标,计算各个临接边上拆分点之间的欧氏距离,就可以确定各个临接边的边距离。
本申请所描述的预拆分临接边指的是预选进行拆分的临接边,可以基于各个临接边的边距离大小和临接边上的拆分点,从临接边集合中筛选得到。
由此,在确定各个临接边的边距离之后,可以确定预拆分临接边,进而根据所选的各个预拆分临接边上的拆分点的联通度,确定出预拆分临接边集合。
本申请所描述的联通度是基于拆分点所处的临接边数量确定的,拆分点的联通度与拆分点所处的临接边数量一一对应,具体地,若拆分点处于两条临接边上,则该拆分点的联通度为二;若拆分点同时处于三条临接边上,则该拆分点的联通度为三。
由此,在确定各个临接边的边距离之后,可以确定预拆分临接边,进而根据所选的各个预拆分临接边上的拆分点的联通度,确定出预拆分临接边集合。
考虑到用户学习绘画中绘制线条图画的教学顺序特点,往往是先勾勒大线条骨架来圈定图画的整体结构,最后再通过绘画繁杂的小线条来对图画中的细节进行丰富。本申请实施例中,对待拆分线条图像进行依次拆分后,将每次拆分后存储的图像进行逆序编排,就可以得到为用户提供学习绘画的线条拆分图像。因此,在本申请实施例中,需优先删除繁杂的小线条,即可以依据拆分点的联通度,确定出繁杂线条,进而确定拆分点所在临接边的拆分顺序。
进一步地,根据预拆分临接边集合中各个预拆分临接边上拆分点的联通度,确定各个临接边分布位置的繁密情况,从而确定各个预拆分临接边的拆分顺序,由此得到第一线条拆分策略。
在本申请实施例中,第一线条拆分策略可以包括:优先拆分联通度为一、三及以上的拆分点所处的临接边;对于联通度为二的拆分点所处的临接边,将各个临接边依据从右至左,从下到上的顺序进行拆分删除。
本申请实施例的方法,通过结合用户学习绘画中绘制线条图画的教学顺序特点,计算各个临接边的边距离,确定预拆分临接边集合,并基于拆分点的联通度,对临接边集合中各个临接边的拆分顺序进行有效排序,由此得到第一线条拆分策略,有利于后续快捷有效地得到待拆分线条图像对应的拆分线条图像集。
可选地,所述根据各个所述临接边的边距离大小,确定预拆分临接边集合,包括:
根据所述临接边集合中的各个临接边的边距离,从所述临接边集合中选取预设数量的目标临接边;
确定各个所述目标临接边中边距离最大的第一边距离,并确定各个所述目标临接边上的拆分点在第一边距离范围内的第一拆分点数量;
根据各个所述目标临接边对应的所述第一拆分点数量,确定预拆分临接边集合。
具体地,考虑到实际中拆分线条图画的教学顺序特点,在本申请实施例中,优先对小线条及复杂繁密线条进行拆分,即优先拆分边距离最短的临接边,确保生成的拆分线条图像与绘画教学中最后进行小线条丰富的线条图像对应。
本申请所描述的目标临接边指的是对临接边集合中各个临接边按照边距离由短及长的顺序进行排序,从边距离最短的临接边开始,依次选取预设数量的临接边,其中,预设数量可以根据实际算法效率进行调整,可以是10、8或其他数量,此处不做具体限定。
本申请所描述的第一边距离指的是目标临接边中临接边的边距离的最大值;本申请所描述的第一拆分点数量可以表征拆分点的密集度,临接边上拆分点密集度越高,说明临接边周边的临接边越多,线条越复杂繁密。
因此,在确定各个目标临接边中边距离最大的第一边距离后,可以进一步确定出各个目标临接边上拆分点在第一边距离范围内的第一拆分点数量,便于判断目标临接边所处线条及周围线条的繁密程度,进而,根据优先拆分复杂繁密线条的原则,在确定各个目标临接边对应的第一拆分点数量后,将较大第一拆分点数量对应的目标临接边作为预拆分临接边,确定出预拆分临接边集合,其中,预拆分临接边的数量可以为8、7、5或其他,具体根据目标临接边的数量及实际计算需求确定。
本申请实施例的方法,通过结合实际中拆分线条图画的教学顺序特点,优先拆分复杂繁密线条的原则,在根据各个临接边的边距离,选出目标临接边后,确定各目标临接边上拆分点在最大边距离范围内的第一拆分点数量,从而判断出目标临接边所处线条及周围线条的繁密程度,最终确定出预拆分临接边集合,保证了临接边集合中各个临接边拆分顺序的准确度和可靠性。
在本申请的实施例中,示例性地,一幅待拆分线条图像可以分为M步完成拆分,例如,M可以为10。每步拆分的数量记为Number,其可以通过公式length(L)/(M-1)确定,其中length(L)表示临接边集合L中临接边的总数量;当从集合L中拆分的临接边数量del_number达到Number的n倍时,将集合L中剩余的临接边保存为第n步的拆分线条图像,其中,1≤n≤M,且n为正整数;每步拆分多次,每次从集合L中拆分1条临接边。
为了提高边裁剪的效果,使用的第一线条拆分策略包括:优先拆分边距离最短的临接边;优先拆分删除拆分点密集区域的临接边;优先拆分删除拆分点联通度不为二的临接边;
进一步地,根据临接边的边距离,每次从集合L中获取当前集合中预设数量的目标临接边,如取集合L中当前较短的10条作为目标临接边,加入到集合top_10_line中。根据拆分点的密集度,从集合top_10_line的10条目标临接边中选择拆分点密集度较高的预拆分临接边,如选取5条预拆分临接边,作为预拆分临接边集合,将其标记为集合Top_5_line:具体地,可从集合top_10_line中确定边距离最大的第一边距离D,计算集合top_10_line中10条目标临接边的20个线条端点像素点在各自距离D的范围内存在的第一拆分点数量,进而对目标临接边两端线条端点像素点对应的第一拆分点数量求和,作为目标临接边对应的密集度,对10条目标临接边对应的密集度进行排序,取其中密集度较高的5条预拆分临接边,得到预拆分集合Top_5_line;
遍历集合Top_5_line中的各个预拆分临接边,若预拆分临接边两端拆分点的联通度均为2,则将该预拆分临接边加入到集合two_lines中;若该预拆分临接边两端中有一端拆分点的联通度为一、三或以上,则将该预拆分临接边加入集合del_lines中;
对于集合del_lines中的各个预拆分临接边,从集合L中进行直接拆分删除,del_number加1,并检测此时拆分数量值是否达到Number;
对于集合two_lines中的各个预拆分临接边,按照从右至左,从下到上的顺序进行排序,进而删除结合two_lines排序后的第一条边,del_number加1,并检测此时拆分数量值是否达到Number;
最后,将拆分过程中保存的M-1张线条拆分图像进行逆序排序,即可得到待拆分线条图像对应的拆分线条图像集。
通过本申请实施例的方法,能够实现对任意图像中的实体生成拆分线条图像集,便于用户可以逐步进行绘画学习。
可选地,在所述对待拆分线条图像中各个线条上的线条像素点进行分析之前,还包括:
在初始线条图像中,随机选择多个预设尺寸的像素块作为起始扩展区域,得到多个所述起始扩展区域;
分别根据各个所述起始扩展区域中每个像素点的灰度值及预设灰度阈值,对所述初始线条图像进行像素点范围扩展计算,得到多个像素点扩展范围;
从所述多个像素点扩展范围中,得到所述初始线条图像对应的最大实体范围,以生成所述待拆分线条图像。
具体地,本申请所描述的初始线条图像指的是对图像进行图像预处理和图像边缘提取得到的黑白线条图像,也可以是未经任何处理的黑白线条图像。
本申请所描述的预设尺寸指的是预先设置的像素块尺寸,可以是3*3的像素块,也可以是4*4的像素块,或者其他尺寸。
本申请实施例中,通过像素点范围扩展计算,可以滤除掉除初始线条图像中实体线条部分以外的其他无用线条,有利于提高后续待拆分线条图像拆分算法的效率。
进一步地,对初始线条图像进行像素点范围扩展计算的步骤如下:
随机初始化初始线条图像中的像素点坐标(i,j),以(i,j)为中心选择预设尺寸的像素块,如3*3的像素块block(i,j),作为起始扩展区域I。将起始扩展区域I的周边像素点,作为候选点,加入到候选队列Q中;设像素点标记集合R,用于标记像素点是否使用过。
每次从候选队列Q中取出一个候选点point,先加入R中,如果点point不在I中,并且其对应的灰度值大于预设灰度阈值α0(预设灰度阈值可以设为127),则对I区域进行像素点范围扩展;
以point为中心,遍历其周围的block区域,不在R中,则加入到候选队列Q中,循环上述步骤,直到Q队列为空,则停止扩展。
如果起始扩展区域I的像素点灰度值均小于初始阈值α0,则停止扩展,并标记为不可用区域。
在本申请的实施例中,实现上述步骤的程序可以如下所示:
遍历像素点集合:R
一般来说,图像中的实体线条部分占据整个线条图像的核心中心区域,估计至少占据图像区域的1/4以上。因此,通过像素点范围扩展计算,可以有效地确认出初始线条图像中的实体范围。
进一步地,重复上述步骤N次(N=min((width/3)*(height/3)/9,100)),其中,width表示初始线条图像的像素宽度,height表示初始线条图像的像素宽度。对N组联通区域进行最大覆盖度计算,可以得到N个像素点扩展范围,进而投票选出其中最大的实体范围Imax(leftmax,rightmax,topmax,bottommax),作为初始线条图像对应的最大实体范围线条图像,将该最大实体范围线条图像作为待拆分线条图像。。
本申请实施例的方法,通过对初始线条图像进行最大实体范围扩展计算,可以滤除初始线条图像中实体范围周围其他无用的线条,获得待拆分线条图像,从而减小计算负荷,提高算法效率。
图8是本申请实施例提供的简笔画生成方法的流程示意图之二,如图8所示,包括:
步骤810,对图像进行图像预处理,获得图像对应的灰度图像;
在本申请实施例中,对于不是线条图像的图像,可以经过图像预处理及图像边缘提取,来得到对应的线条图像。
对图像进行图像预处理包括直方图均衡化和图像灰度化。
其中,直方图均衡化的作用是图像增强,对背景和前景都太亮或者太暗的图像进行像素拉伸,将图像像素值均匀分布在最小和最大像素级之间;
图像灰度化处理过程包括:对于BGB图像,需要将其转化为黑白图像。常用方法为Y=f(R,G,B)=0.299R+0.587G+0.114B。对于RGB图像中的每个像素点的值用上述公式进行计算,转化为对应的灰度值;对于其他无法进行灰度转化的图片,可以使用深度学习自编码器进行提取计算。
步骤820,对图像对应的灰度图像进行图像边缘提取,获得图像对应的线条图像;
进一步地,对上述灰度图像进行图像边缘提取,常用的边缘检测算法使用Canny算子。主要步骤为:
首先进行高斯滤波,即将灰度图像中的待滤波的像素点及其邻域点的灰度值按照高斯公式生成的参数规则进行加权平均,这样可以有效滤除图像中叠加的高频噪声。
其次,计算梯度图像与角度图像。Canny算子中使用的梯度检测算子是使用高斯滤波器进行梯度计算得到的滤波器,得到的结果也类似于Sobel算子,即距离中心点越近的像素点权重越大。角度图像的计算则较为简单,其作用为非极大值抑制的方向提供指导。
进而对梯度图像进行非极大值抑制。从上一步得到的梯度图像存在边缘粗宽、弱边缘干扰等众多问题,可以使用非极大值抑制来寻找像素点局部最大值,将非极大值所对应的灰度值置为0,这样可以剔除一大部分非边缘的像素点。
最后,使用双阈值进行边缘连接。经过以上三步之后,得到的边缘质量很高,但还是存在很多伪边缘,因此Canny算法中所采用的算法为双阈值法,具体思路为选取两个阈值,将小于低阈值的点认为是假边缘,置为0,将大于高阈值的点认为是强边缘,置为1,介于中间的像素点需进行进一步的检查。根据高阈值图像中把边缘链接成轮廓,当到达轮廓的端点时,该算法会在断点的八个邻域点中寻找满足低阈值的点,再根据此点收集新的边缘,直到整个图像闭合。
步骤830,识别图像对应的线条图像中的实体范围,获取待拆分线条图像,识别过程可采用前述实体范围扩展计算方法,在此不做赘述;
步骤840,生成待拆分线条图像对应的拆分线条图像集,生成方法可采用前述拆分线条图像集生成方法,在此不做赘述;
步骤850,展示简笔画绘制步骤:基于拆分线条图像集,将其中依次存储的拆分线条图像进行逆序排序,生成简笔画绘制步骤,进而展示简笔画绘制步骤。
通过本申请实施例的方法,方便用户可以快捷高效地获取简笔画绘画素材,有助于用户更好地进行简笔画学习。需要说明的是,本申请实施例提供的简笔画生成方法,执行主体可以为简笔画生成装置,或者该简笔画生成装置中的用于执行线条图像拆分的方法的控制模块。本申请实施例中以简笔画生成装置执行线条图像拆分的方法为例,说明本申请实施例提供的线条图像拆分的装置。
图9是本申请实施例提供的简笔画生成装置的结构示意图,如图9所示,包括:分析单元910、第一生成单元920、拆分单元930和第二生成单元940,其中,分析单元910用于对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;第一生成单元920用于根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;拆分单元930用于基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条上的拆分点确定的;第二生成单元940用于基于所述拆分线条图像集生成简笔画绘制步骤。
可选地,所述分析单元910还用于:
基于所述各个线条像素点的像素坐标,确定每个线条像素点对应的像素块,其中,所述线条像素点位于所述像素块的中心;
基于各个所述像素块中的像素点信息,确定各个所述线条上的线条端点像素点和线条交点像素点;
基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点;
基于所述线条端点像素点、线条交点像素点和所述线条转折像素点,确定所述线条的拆分点。
可选地,所述分析单元910,还用于:
根据所述线条交点像素点,从各个所述线条中,筛选出第一无交点线条;
获取所述第一无交点线条中除所述线条端点像素点之外的其它像素点,得到第二无交点线条,并对所述第二无交点线条进行等距划分,得到多个第二无交点子线条;
基于所述第二无交点子线条上各个像素的像素坐标,确定所述第二无交点子线条内的线条转折像素点。
可选地,所述拆分单元930还用于:
根据所述临接边集合中各个临接边上拆分点的像素坐标,确定各个所述临接边的边距离;
根据各个所述临接边的边距离大小,确定预拆分临接边集合;
根据所述预拆分临接边集合中各个预拆分临接边上拆分点的联通度,确定各个所述预拆分临接边的拆分顺序,以得到第一线条拆分策略,其中,所述联通度是基于所述拆分点所处的临接边数量确定的。
可选地,所述拆分单元930还用于:
根据所述临接边集合中的各个临接边的边距离,从所述临接边集合中选取预设数量的目标临接边;
确定各个所述目标临接边中边距离最大的第一边距离,并确定各个所述目标临接边上的拆分点在第一边距离范围内的第一拆分点数量;
根据各个所述目标临接边对应的所述第一拆分点数量,确定预拆分临接边集合。
可选地,所述装置还包括:扩展单元;
所述扩展单元用于在初始线条图像中,随机选择多个预设尺寸的像素块作为起始扩展区域,得到多个所述起始扩展区域;
分别根据各个所述起始扩展区域中每个像素点的灰度值及预设灰度阈值,对所述初始线条图像进行像素点范围扩展计算,得到多个像素点扩展范围;
从所述多个像素点扩展范围中,得到所述初始线条图像对应的最大实体范围,以生成所述待拆分线条图像。
通过基于待拆分线条图像线条上像素点的像素坐标,来确定影响图像中线条形态的点,并将其作为拆分点,进而通过对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个线条上的拆分点,从而可以根据各个线条上相邻拆分点之间的线条确定出临接边集合;基于各个线条上不同类型的拆分点,确定第一线条拆分策略,以确定对各个临接边进行拆分的顺序,依次对临接边集合进行拆分,并存储每次拆分后的临接边集合,得到待拆分线条图像对应的拆分线条图像集,并基于拆分线条图像集,将其中依次存储的拆分线条图像进行逆序排序,生成简笔画绘制步骤,从而方便用户可以快捷高效地获取简笔画绘画素材,有助于用户更好地进行简笔画学习。。
本申请实施例中的简笔画生成装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personaldigital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(NetworkAttached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的简笔画生成装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统,可以为iOS操作系统,还可以为其他可能的操作系统,本申请实施例不作具体限定。
本申请实施例提供的简笔画生成装置能够实现图1至图8的方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,图10是本申请实施例提供的电子设备结构示意图,如图10所示,本申请实施例还提供一种电子设备1000,包括处理器1001,存储器1002,存储在存储器1002上并可在所述处理器1001上运行的程序或指令,该程序或指令被处理器1001执行时实现上述简笔画生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图11为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备1100包括但不限于:射频单元1101、网络模块1102、音频输出单元1103、输入单元1104、传感器1105、显示单元1106、用户输入单元1107、接口单元1108、存储器1109、以及处理器1110等部件。
本领域技术人员可以理解,电子设备1100还可以包括给各个部件供电的电源(比如电池),电源可以通过电源管理系统与处理器1110逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图11中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置,在此不再赘述。
处理器1110用于对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;
处理器1110还用于根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;
处理器1110还用于基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条上的拆分点确定的;
处理器1110还用于基于所述拆分线条图像集生成简笔画绘制步骤。
可选地,处理器1110还用于:
基于所述各个线条像素点的像素坐标,确定每个线条像素点对应的像素块,其中,所述线条像素点位于所述像素块的中心;
基于各个所述像素块中的像素点信息,确定各个所述线条上的线条端点像素点和线条交点像素点;
基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点;
基于所述线条端点像素点、线条交点像素点和所述线条转折像素点,确定所述线条的拆分点。
可选地,处理器1110还用于:
根据所述线条交点像素点,从各个所述线条中,筛选出第一无交点线条;
获取所述第一无交点线条中除所述线条端点像素点之外的其它像素点,得到第二无交点线条,并对所述第二无交点线条进行等距划分,得到多个第二无交点子线条;
基于所述第二无交点子线条上各个像素的像素坐标,确定所述第二无交点子线条内的线条转折像素点。
可选地,处理器1110还用于:
根据所述临接边集合中各个临接边上拆分点的像素坐标,确定各个所述临接边的边距离;
根据各个所述临接边的边距离大小,确定预拆分临接边集合;
根据所述预拆分临接边集合中各个预拆分临接边上拆分点的联通度,确定各个所述预拆分临接边的拆分顺序,得到第一线条拆分策略其中,所述联通度是基于所述拆分点所处的临接边数量确定的。
可选地,处理器1110还用于:
根据所述临接边集合中的各个临接边的边距离,从所述临接边集合中选取预设数量的目标临接边;
确定各个所述目标临接边中边距离最大的第一边距离,并确定各个所述目标临接边上的拆分点在第一边距离范围内的第一拆分点数量;
根据各个所述目标临接边对应的所述第一拆分点数量,确定预拆分临接边集合。
可选地,处理器1110还用于:
在初始线条图像中,随机选择多个预设尺寸的像素块作为起始扩展区域,得到多个所述起始扩展区域;
分别根据各个所述起始扩展区域中每个像素点的灰度值及预设灰度阈值,对所述初始线条图像进行像素点范围扩展计算,得到多个像素点扩展范围;
从所述多个像素点扩展范围中,得到所述初始线条图像对应的最大实体范围,以生成所述待拆分线条图像。
通过基于待拆分线条图像线条上像素点的像素坐标,来确定影响图像中线条形态的点,并将其作为拆分点,进而通过对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个线条上的拆分点,从而可以根据各个线条上相邻拆分点之间的线条确定出临接边集合;基于各个线条上不同类型的拆分点,确定第一线条拆分策略,以确定对各个临接边进行拆分的顺序,依次对临接边集合进行拆分,并存储每次拆分后的临接边集合,得到待拆分线条图像对应的拆分线条图像集,并基于拆分线条图像集,将其中依次存储的拆分线条图像进行逆序排序,生成简笔画绘制步骤,从而方便用户可以快捷高效地获取简笔画绘画素材,有助于用户更好地进行简笔画学习。。
应理解的是,本申请实施例中,输入单元1104可以包括图形处理器(GraphicsProcessing Unit,GPU)11041和麦克风11042,图形处理器11041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1106可包括显示面板11061,可以采用液晶显示器、有机发光二极管等形式来配置显示面板11061。用户输入单元1107包括触控面板11071以及其他输入设备11072。触控面板11071,也称为触摸屏。触控面板11071可包括触摸检测装置和触摸控制器两个部分。其他输入设备11072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。存储器1109可用于存储软件程序以及各种数据,包括但不限于应用程序和操作系统。处理器1110可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1110中。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述简笔画生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述简笔画生成方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可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,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (12)
1.一种简笔画生成方法,其特征在于,包括:
对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;
根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;
基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条上的拆分点确定的;
基于所述拆分线条图像集生成简笔画绘制步骤。
2.根据权利要求1所述的简笔画生成方法,其特征在于,所述对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,包括:
基于所述各个线条像素点的像素坐标,确定每个线条像素点对应的像素块,其中,所述线条像素点位于所述像素块的中心;
基于各个所述像素块中的像素点信息,确定各个所述线条上的线条端点像素点和线条交点像素点;
基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点;
基于所述线条端点像素点、线条交点像素点和所述线条转折像素点,确定所述线条的拆分点。
3.根据权利要求2所述的简笔画生成方法,其特征在于,所述基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点,包括:
根据所述线条交点像素点,从各个所述线条中,筛选出第一无交点线条;
获取所述第一无交点线条中除所述线条端点像素点之外的其它像素点,得到第二无交点线条,并对所述第二无交点线条进行等距划分,得到多个第二无交点子线条;
基于所述第二无交点子线条上各个像素的像素坐标,确定所述第二无交点子线条内的线条转折像素点。
4.根据权利要求1所述的简笔画生成方法,其特征在于,在所述基于第一线条拆分策略,依次对所述临接边集合进行拆分之前,还包括:
根据所述临接边集合中各个临接边上拆分点的像素坐标,确定各个所述临接边的边距离;
根据各个所述临接边的边距离大小,确定预拆分临接边集合;
根据所述预拆分临接边集合中各个预拆分临接边上拆分点的联通度,确定各个所述预拆分临接边的拆分顺序,以得到第一线条拆分策略,其中,所述联通度是基于所述拆分点所处的临接边数量确定的。
5.根据权利要求4所述的简笔画生成方法,其特征在于,所述根据各个所述临接边的边距离大小,确定预拆分临接边集合,包括:
根据所述临接边集合中的各个临接边的边距离,从所述临接边集合中选取预设数量的目标临接边;
确定各个所述目标临接边中边距离最大的第一边距离,并确定各个所述目标临接边上的拆分点在第一边距离范围内的第一拆分点数量;
根据各个所述目标临接边对应的所述第一拆分点数量,确定预拆分临接边集合。
6.根据权利要求1所述的简笔画生成方法,其特征在于,在所述对待拆分线条图像中各个线条上的线条像素点进行分析之前,还包括:
在初始线条图像中,随机选择多个预设尺寸的像素块作为起始扩展区域,得到多个所述起始扩展区域;
分别根据各个所述起始扩展区域中每个像素点的灰度值及预设灰度阈值,对所述初始线条图像进行像素点范围扩展计算,得到多个像素点扩展范围;
从所述多个像素点扩展范围中,得到所述初始线条图像对应的最大实体范围,以生成所述待拆分线条图像。
7.一种简笔画生成装置,其特征在于,包括:
分析单元,用于对待拆分线条图像中各个线条上的线条像素点进行分析,得到各个所述线条上的拆分点,其中,所述拆分点是基于各个所述线条上线条像素点的像素坐标确定的;
第一生成单元,用于根据所述拆分点和各个所述线条,生成所述待拆分线条图像对应的临接边集合,其中,所述临接边集合是基于各个所述线条上相邻拆分点之间的线条像素点确定的;
拆分单元,用于基于第一线条拆分策略,依次对所述临接边集合进行拆分,并存储每次拆分后的临接边集合,得到所述待拆分线条图像对应的拆分线条图像集,其中所述第一线条拆分策略是基于各个所述线条的拆分点确定的;
第二生成单元,用于基于所述拆分线条图像集生成简笔画绘制步骤。
8.根据权利要求7所述的简笔画生成装置,其特征在于,所述分析单元还用于:
基于所述各个线条像素点的像素坐标,确定每个线条像素点对应的像素块,其中,所述线条像素点位于所述像素块的中心;
基于各个所述像素块中的像素点信息,确定各个所述线条上的线条端点像素点和线条交点像素点;
基于所述线条端点像素点和所述线条交点像素点,确定所述线条上的线条转折像素点;
基于所述线条端点像素点、线条交点像素点和所述线条转折像素点,确定所述线条的拆分点。
9.根据权利要求8所述的简笔画生成装置,其特征在于,所述分析单元还用于:
根据所述线条交点像素点,从各个所述线条中,筛选出第一无交点线条;
获取所述第一无交点线条中除所述线条端点像素点之外的其它像素点,得到第二无交点线条,并对所述第二无交点线条进行等距划分,得到多个第二无交点子线条;
基于所述第二无交点子线条上各个像素的像素坐标,确定所述第二无交点子线条内的线条转折像素点,将所述线条转折像素点作为第二目标拆分点。
10.根据权利要求7所述的简笔画生成装置,其特征在于,所述拆分单元还用于:
根据所述临接边集合中各个临接边上拆分点的像素坐标,确定各个所述临接边的边距离;
根据各个所述临接边的边距离大小,确定预拆分临接边集合;
根据所述预拆分临接边集合中各个预拆分临接边上拆分点的联通度,确定各个所述预拆分临接边的拆分顺序,以得到第一线条拆分策略,其中,所述联通度是基于所述拆分点所处的临接边数量确定的。
11.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-6任一项所述的简笔画生成方法的步骤。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-6任一项所述的简笔画生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819084.1A CN113487697A (zh) | 2021-07-20 | 2021-07-20 | 简笔画生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110819084.1A CN113487697A (zh) | 2021-07-20 | 2021-07-20 | 简笔画生成方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487697A true CN113487697A (zh) | 2021-10-08 |
Family
ID=77942338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110819084.1A Pending CN113487697A (zh) | 2021-07-20 | 2021-07-20 | 简笔画生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487697A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688811A (zh) * | 2021-10-26 | 2021-11-23 | 北京美摄网络科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-20 CN CN202110819084.1A patent/CN113487697A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688811A (zh) * | 2021-10-26 | 2021-11-23 | 北京美摄网络科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN113688811B (zh) * | 2021-10-26 | 2022-04-08 | 北京美摄网络科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738207B (zh) | 一种融合文字图像中文字区域边缘信息的文字检测方法 | |
CN113012185B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN112381183B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN109816669A (zh) | 一种识别电力设备缺陷的改进Mask R-CNN图像实例分割方法 | |
US9401027B2 (en) | Method and apparatus for scene segmentation from focal stack images | |
CN105389541A (zh) | 指纹图像的识别方法及装置 | |
CN110910401A (zh) | 半自动化图像分割数据标注方法、电子装置及存储介质 | |
CN112634301A (zh) | 设备区域图像提取方法及装置 | |
CN111951283A (zh) | 一种基于深度学习的医学图像识别方法及系统 | |
CN111062331A (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN109635755A (zh) | 人脸提取方法、装置及存储介质 | |
CN111614959B (zh) | 一种视频打码方法、装置以及电子设备 | |
CN113487697A (zh) | 简笔画生成方法、装置、电子设备及存储介质 | |
CN111178310A (zh) | 手掌特征识别方法、装置、计算机设备和存储介质 | |
CN108900895B (zh) | 一种对视频流的目标区域的屏蔽方法及其装置 | |
CN112070792B (zh) | 一种用于图像分割的边缘生长连接方法及装置 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
JP2012003358A (ja) | 背景判別装置、方法及びプログラム | |
CN111508045B (zh) | 一种图片合成的方法及装置 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN114647361A (zh) | 一种基于人工智能的触摸屏物体定位方法及装置 | |
CN114548218A (zh) | 图像匹配方法、装置、存储介质和电子装置 | |
CN113760429A (zh) | 一种控制方法及控制装置 |
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 |