CN115543236A - 一种基于人工智能的中国水墨画分层打印方法及装置 - Google Patents

一种基于人工智能的中国水墨画分层打印方法及装置 Download PDF

Info

Publication number
CN115543236A
CN115543236A CN202211384606.0A CN202211384606A CN115543236A CN 115543236 A CN115543236 A CN 115543236A CN 202211384606 A CN202211384606 A CN 202211384606A CN 115543236 A CN115543236 A CN 115543236A
Authority
CN
China
Prior art keywords
color
printing
ink
painting
oxidation
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
Application number
CN202211384606.0A
Other languages
English (en)
Inventor
张克俊
陈铭威
王柏林
蔡世轩
沈寒暑
陈泽文
沈心逸
沈吕可晟
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202211384606.0A priority Critical patent/CN115543236A/zh
Publication of CN115543236A publication Critical patent/CN115543236A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1202—Dedicated interfaces to print systems specifically adapted to achieve a particular effect
    • G06F3/1203—Improving or facilitating administration, e.g. print management
    • G06F3/1208—Improving or facilitating administration, e.g. print management resulting in improved quality of the output result, e.g. print layout, colours, workflows, print preview
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
    • B41M5/00—Duplicating or marking methods; Sheet materials for use therein

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开了一种基于人工智能的中国水墨画分层打印方法及装置，其中，打印装置包括：台基、支撑结构、色彩管理模块、微喷勾勒打印模块、雾化晕染打印模块、氧化光‑液系统模块以及电子信息模块。同时，利用人工智能算法等技术手段对图像进行数据采集、图层分割和参数校调等打印预处理，结合打印装置在宣纸上分层分时叠加打印线条勾勒层和水墨晕染层，并对画面整体进行延时氧化处理，最终获得还原度较高的宣纸水墨晕染叠加和古拙历史效果。利用本发明，可以较真实地还原中国水墨画中的宣纸水墨晕染叠加效果，能够有效改善目前中国画复制品打印领域存在的反光死板、缺乏层次感、晕染衍生、色彩失真等问题，具有广泛的科研与文化应用价值。

Description

一种基于人工智能的中国水墨画分层打印方法及装置
技术领域
本发明涉及水墨画打印领域，尤其是涉及一种基于人工智能的中国水墨画分层打印装置及方法。
背景技术
中国水墨画是中国传统艺术的典型代表之一，有丰富的历史价值和文化底蕴。历朝历代的文人墨客挥毫泼墨，为我们留下了无数珍贵而精美的画作。过去大部分水墨画作品原件都藏于博物馆或美术馆，因文物保护和时间空间的局限性，很少有机会能够向世界展示它的美。随着文物数字化技术的发展，越来越多的中国传统水墨画作品被高清扫描后汇成绘画大系数据库。高清水墨画复制品的印刷制作，是希望能够多途径近距离的向观众展示中国水墨画的美，同时打破时间和空间的限制，让传统艺术活起来走出去，有助于中华文化的传承和传播。
公开号为CN111524111A的中国专利文献公开了基于艺术作品的打印处理方法及装置，包括：获取预设光源下，采用预设拍摄工具拍摄的艺术作品对应的图像数据；确定艺术作品的测量点，采用点测型分光光度计，获取测量点的光谱数据；根据获取的预设摄像工具的特性曲线及白场参数、图像数据、测量点的光谱数据，获得待打印的输出的图像文件；采用打印机中已配置的打印机与介质的ICC预置文件对待打印的输出的图像文件进行打印处理，以在介质上获取已拍摄的艺术作品。
公开号为CN103465664A的中国专利文献公开了一种古书画艺术品复制方法，该方法使用高像素数码照相机对古书画艺术品进行拍照，生成原稿数码图像，使用彩色喷墨打印机将原稿数码图像输出打印在低温宣纸上，生成打印画稿，将打印画稿在常温干燥环境中进行紫外光照射，形成复制初稿，使用高象素数码照相机对复制初稿进行拍照，生成初稿数码图像，根据原稿数码图像的数据对初稿数码图像进行修正，生成复制数码图像，启动打印机，将复制数码图像输出打印在低温宣纸上生成复制画稿，对复制画稿覆膜，形成古书画复制品。
现有技术中多采用高清微喷技术彩色打印在光面卡纸上进行复制品制作，一维的图层打印模式虽然能够高清地呈现画面细节，但是总体观感难以体现中国水墨画多维度的叠加晕染效果和笔触，存在肌理僵硬、反光死板、缺乏层次感等问题。
也有技术尝试直接将宣纸作为打印媒介进行打印，但是由于宣纸的疏水性和晕染特性不同于光面卡纸，如果将高清色彩图片直接打印上去会存在严重的干湿色彩偏差和晕染衍生偏差。
发明内容
本发明提供了一种基于人工智能的中国水墨画分层打印方法及装置，可以较真实地还原中国水墨画中的宣纸水墨晕染叠加效果。
首先，本发明提供了一种中国水墨画分层打印装置，包括：
台基，用于承载被打印的宣纸；
支撑结构，固定在台基上，用于支撑连接各个模块以保证各模块正常工作运行；
色彩管理模块，用于存储和提供不同打印方式下所需染剂及晕染溶剂；
微喷勾勒打印模块，用于线条勾勒层的线打印；
雾化晕染打印模块，用于水墨晕染层的面打印；
氧化光-液系统模块，用于延时氧化处理；
电子信息模块，用于数据运行处理与发送接收。
另外，本发明还提供了一种基于人工智能的中国水墨画分层打印方法，基于上述中国水墨画分层打印装置，具体包括以下步骤：
(1)依据宣纸的晕染属性，进行参数化实验并采集数据，推导获得衍生比例和干湿色差经验公式，构建墨痕数据库；
(2)根据纸本氧化变色规律，进行参数化实验并采集数据，推导获得光-液氧化时间经验公式，构建光-液氧化数据库；
(3)通过墨染画笔色彩分层算法和墨染画笔重叠分割算法对导入的水墨画图像进行色彩分层、重叠填充及属性判断，实现勾勒与晕染的多属性分层；
(4)将多属性分层后的各图层信息比对墨痕数据库，通过墨染画笔边界收敛算法计算线条色块的原始及衍生范围，进行打印边界收敛；
通过墨染画笔色彩还原算法计算纸本原始色彩及干湿线条叠加色彩参数，进行打印色彩还原；
(5)对打印线条和色块均分别进行区域路径规划和时间顺序规划，利用微喷勾勒打印模块和雾化晕染打印模块在宣纸上分层分时叠加打印线条勾勒层和水墨晕染层；
(6)将背景图层对比光-液氧化数据库，通过墨染画笔氧化算法求解出最优方案，利用氧化光-液系统模块对画面整体进行延时氧化处理，最终获得还原度较高的宣纸水墨晕染叠加和古拙历史效果。
本发明用人工智能算法等技术手段对水墨画图像进行打印前置的数据采集、图层分割和参数校调等预处理，结合配套开发装置实施一种基于人工智能的中国水墨画分层打印方法，从而较真实地还原中国水墨画中的宣纸水墨晕染叠加效果。
步骤(1)的具体过程为：
(1-1)搭建L.a.b色彩实验环境，取各向同性且疏水性质差异小于5％的打印宣纸并测得原始RGB值；
(1-2)将10g书画打印水性染剂均匀分成100份，按照5％的克重递增幅度将溶剂混合调配并进行阵列打印，用高清全彩相机实时采集不同水墨比条件下实验色块的原始区域、晕染衍生边界和线条色块干湿色彩参数；
(1-3)根据采集结果，计算推导晕染衍生比例和RGB干湿色差经验公式；
(1-4)对书画打印用途的多种常用色水性染剂进行重复实验，形成面向多层打印需求的墨痕数据库。
步骤(2)的具体过程为：
(2-1)搭建L.a.b色彩实验环境，取各向同性且疏水性质差异小于5％的特定打印宣纸并测得原始RGB值；
(2-2)采用光辐照度均匀、波长在300-800nm、紫外光密度在1.0W/m2的面光源对纸面进行照射延时氧化试验，并每间隔60s用浓度1％的溶剂进行微潮化处理，过程用高清全彩相机采集氧化色数据；
(2-3)根据采集结果，推导光-液氧化时间经验公式；
(2-4)使用紫外光密度为1～10W/m2的面光源、浓度为1％～10％的溶剂重复实验，形成光-液氧化数据库。
步骤(3)的具体过程为：
(3-1)导入需要分层打印的高清全彩水墨画图片文件；
(3-2)利用墨染画笔色彩分层算法，统计画面色彩总数，并根据颜色分类及透明度值划分10-20个区间色域，进行色彩分层，并记录对应RGB区间；
(3-3)根据色彩分布闭环路径和颜色渐变叠加规律，通过墨染画笔重叠分割算法判断色彩叠加区域范围及叠加顺序，确定重叠闭环区域及交叉区域的色彩归属，进行重叠填充，生成新的图层；
(3-4)根据线条色块极限长宽比和画面总占比，匹配勾勒和晕染属性，并进行分层排序。
步骤(4)的具体过程为：
(4-1)导入一个分层图层，对比墨痕数据库；
(4-2)根据晕染衍生比例参数，通过墨染画笔边界收敛算法推导计算出线条色块的原始范围和衍生边界，进行打印边界收敛，生成新的打印边界和区域，用于打印路径规划；
(4-3)根据色彩属性和RGB干湿色差对应参数，通过墨染画笔色彩还原算法进行打印色彩还原，推导出原始色彩及干湿线条对比叠加参数，用于打印调色；
(4-4)对分层后的图层集重复以上步骤，生成面向分层打印的图层集。
步骤(5)的具体过程为：
(5-1)打印准备，将与实验同性的打印宣纸放入打印装置的台基并展平；
(5-2)利用打印装置的电子信息模块接收面向分层打印的图层集，图像集中包含有参数化打印路径文件和色彩文件；
(5-3)按照图层集叠加顺序，打印装置的微喷勾勒打印模块对线条勾勒层进行线性打印，雾化晕染打印模块对水墨晕染层进行面性打印；
(5-4)完成分层打印，整体送风烘干。
步骤(6)的具体过程为：
(6-1)导入区间色域范围最大的背景图层，对比光-液氧化数据库；
(6-2)利用墨染画笔氧化算法求解出最优延时氧化方案；
(6-3)利用打印装置中氧化光-液系统模块对纸本进行氧化处理；
(6-4)采集氧化后纸本色彩数据对比原色彩数据，进行二次调校氧化或补色处理，完成作品。
与现有技术相比，本发明具有以下有益效果：
1、本发明通过算法将一维中国水墨画高清图片进行多维分层处理和重叠区域边界填充，能够较好地处理色块色彩交接拓扑关系，通过微喷勾勒打印模块实现线条勾勒层的线性打印，通过雾化晕染打印模块实现水墨晕染层的面性打印，分层打印过程中还原画面线条色块和色彩叠加晕染的层次感，以期较真实地还原中国水墨画中的宣纸水墨晕染叠加效果。
2、本发明通过参数化试验采集获得墨痕大数据库，总结出符合特定宣纸条件下的晕染衍生比例和RGB干湿色差经验公式，对每一层图层进行数据分析、衍生边界收敛、干湿色彩还原，对每一幅作品能够较精准地计算获得面向宣纸多层打印的色块色彩参数化调整方案，生成新的打印区域和打印色彩参数，能够较有效规避现有打印方法下宣纸打印较严重的干湿色彩偏差和晕染衍生偏差问题。
3、本发明通过参数化实验采集获得光-液氧化数据库，总结出符合特定宣纸条件下的氧化时间经验公式，通过氧化光-液系统模块对作品进行参数化可控的延时氧化，还原纸本老化肌理，让中国水墨画复制品更贴近历史，去除印刷的新气。在环境条件一致的情况下，无需重复劳动，可作为行业标准进行推广使用，有助于该打印领域的科学数据化和产业规模化。
附图说明
图1为本发明一种中国水墨画分层打印装置的结构示意图；
图2为本发明一种基于人工智能的中国水墨画分层打印方法流程图；
图3为本发明实施例中实现勾勒与晕染的多属性分层示意图；
图4为本发明实施例中对水墨画图片进行预处理的示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细描述，需要指出的是，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。
如图1所示，一种中国水墨画分层打印装置，包括台基1、支撑结构2、色彩管理模块3、微喷勾勒打印模块4、雾化晕染打印模块5、氧化光-液系统模块6和电子信息模块7。
其中，台基1用于承载被打印的宣纸；支撑结构2固定在台基上，用于支撑连接各个模块以保证各模块正常工作运行；色彩管理模块3用于存储和提供不同打印方式下所需染剂及晕染溶剂；微喷勾勒打印模块4用于线条勾勒层的线打印；雾化晕染打印模块5用于水墨晕染层的面打印；氧化光-液系统模块6用于延时氧化处理；电子信息模块7用于数据运行处理与发送接收。
如图2所示，一种基于人工智能的中国水墨画分层打印方法，包括以下步骤：
步骤(1)，参数化实验，构建墨痕数据库。
参考特定宣纸的晕染属性，进行参数化实验并采集数据，推导获得衍生比例和干湿色差经验公式，构建墨痕数据库。
(1.1)搭建L.a.b色彩实验环境，取各向同性且疏水性质差异小于5％的特定打印宣纸并测得原始RGB值。
(1.2)将10g特定书画打印水性染剂均匀分成100份，按照5％的克重递增幅度将溶剂混合调配并进行阵列打印，用高清全彩相机实时采集不同水墨比条件下实验色块的原始区域、晕染衍生边界和线条色块干湿色彩参数。
(1.3)根据采集结果，计算推导晕染衍生比例和RGB干湿色差经验公式。
(1.4)对21种特定书画打印用途的常用色水性染剂进行重复实验，形成面向多层打印需求的墨痕数据库。
步骤(2)，参数化实验，构建光-液氧化数据库。
参考纸本氧化变色规律，进行参数化实验并采集数据，推导获得光-液氧化时间经验公式，构建光-液氧化数据库。
(2.1)搭建L.a.b色彩实验环境，取各向同性且疏水性质差异小于5％的特定打印宣纸并测得原始RGB值。
(2.2)采用光辐照度均匀、波长在300-800nm、紫外光密度在1.0W/m2的面光源对纸面进行照射延时氧化试验，并每间隔60s用浓度1％的特定溶剂(三氯化铁溶液)进行微潮化处理，过程用高清全彩相机采集氧化色数据。
(2.3)根据采集结果，推导光-液氧化时间经验公式。
(2.4)对紫外光密度为1～10W/m2的面光源、浓度为1％～10％的特定溶剂重复实验，形成光-液氧化数据库。
步骤(3)，导入图片，多属性分层。
通过墨染画笔色彩“分层”算法和墨染画笔重叠“分割”算法对导入图片进行色彩分层、重叠填充及属性判断，实现“勾勒与晕染”的多属性分层。
(3.1)录入需要分层打印的高清全彩水墨画图片文件，格式为PSD或PNG。
(3.2)利用墨染画笔色彩“分层”算法，统计画面色彩总数，并根据颜色分类及透明度值划分10-20个区间色域，进行色彩分层，并记录对应RGB区间。
本实施例中，墨染画笔色彩“分层”算法的具体步骤为：
第一步，构建相应的色彩分割数据集。
可以采用labelme(开源)标注工具对不同色彩层区域进行相应的标注，获取色彩层区域的标注信息，并对标注进行One-hot编码，非色彩层区域值为0，其他色彩层按标注序号1，2，3,…n依次递增(n为整数)。
第二步，分割模型的构建。
搭建相应的分割网络模型，主要有编码器(Encoder)和解码器(解码器)构成。在编码阶段会融合不同尺度下的特征并与解码器的特征进行相加，使得模型能够覆盖多种色层及形状。
第三步，损失函数的构建。
损失函数由交叉熵损失函数和FocalLoss组成，其中交叉熵损失对图像每一个像素分类，Focalloss是为了解决色彩层数量不均衡的问题。
第四步，模型预测。
通过前三步得到相应的色彩分层模型，将待分层图像进行缩放等处理后输入到网络进行相应的预测。对预测结果有概率值转化为0，1，2，3，，，n值，通过对1，2，3，…n值的获取进行色彩分层。
如图3所示，展示了水墨画图像经过“勾勒与晕染”多属性分层后对应的每一个图层。
(3.3)根据色彩分布闭环路径和颜色渐变叠加规律，通过墨染画笔重叠“分割”算法判断色彩叠加区域范围及叠加顺序，确定重叠闭环区域及交叉区域的色彩归属，进行重叠填充，生成新的图层。
本实施例中，墨染画笔重叠“分割”算法的具体步骤为：
第一步：构建相应的画笔重叠分割数据集。
可以采用labelme(开源)标注工具对重叠区域进行相应的标注，获取重叠区域的标注信息，并对标注进行One-hot编码，重叠区域标记为1，其他区域标记为0。
第二步：分割模型的构建。
搭建U-Net型神经网络模型，主要由编码器(Encoder)和解码器(解码器)构成，相同尺度的编、解码器之间进行特征融合。使得模型结合低层视觉特征和高维语义特征更好的对重叠区域进行检测。
第三步：构建模型收敛的损失函数。
损失函数采用二进制交叉熵损失函数，通过最小化模型预测结果与打标数据集中的测试数据进行模型的优化。
第四步：模型预测。
通过前三步得到相应的重叠分割模型，将待分割图像进行缩放等处理后输入到网络进行相应的预测。对预测结果有概率值转化为0，1值，最后转化成0和255的结果。其中图像255表示重叠的区域。
(3.4)根据线条色块极限长宽比和画面总占比，匹配“勾勒”和“晕染”属性，并进行分层排序。
步骤(4)，边界收敛，色彩还原。
将各图层信息比对墨痕数据库，通过墨染画笔边界“收敛”算法推理线条色块的原始及衍生范围，进行打印边界收敛，通过墨染画笔色彩“还原”算法计算推理纸本原始色彩及干湿线条叠加色彩参数，进行打印色彩还原。
(4.1)将一个分层图层导入模型，对比墨痕数据库。
(4.2)根据晕染衍生比例参数，通过墨染画笔边界“收敛”算法推导计算出线条色块的原始范围和衍生边界，进行打印边界收敛，生成新的打印边界和区域，用于打印路径规划。
本实施例中，墨染画笔边界“收敛”算法的具体步骤为：
第一步，采集相应的边界“收敛”数据，数据包含纸张材质w1，稳定后墨染区域的大小s2，落笔时墨水浓度n1，落笔区域大小s1，构建相应的数据集。
第二步，构建边界“收敛”的神经网络模型，采用多层感知机mlp基础模型，构建落笔时墨水浓度n1，落笔区域大小s1与纸张材质w1，稳定后墨染区域的大小s2的关系；
第三步，模型预测和查表的方式进行落笔时墨水浓度n1和落笔区域大小s1的预测。
(4.3)根据色彩属性和RGB干湿色差对应参数，通过墨染画笔色彩“还原”算法进行打印色彩还原，推导出原始色彩及干湿线条对比叠加参数，用于打印调色。
本实施例中，墨染画笔色彩“还原”算法的具体步骤为：
第一步，采集相应的色彩数据，数据包含纸张材质W1,墨水浓度n2，稳定后墨染区域的最终颜色c，构建相应的数据集。
第二步，构建色彩“还原”的神经网络模型，采用多层感知机mlp基础模型，构建墨水浓度n2与材质W1、墨染区域最终颜色c的关系
第三步，通过模型预测相应的墨水浓度。
如图4所示，展示了水墨画图像经过色彩分层、重叠填充、边界收敛及色彩还原等预处理过程后结果。
步骤(5)，路径时序规划，分层打印。
对打印线条和色块均进行区域路径规划和时间顺序规划，利用微喷勾勒打印模块和雾化晕染打印模块在特定宣纸上分层分时叠加打印线条勾勒层和水墨晕染层。
(5.1)打印准备，将与实验同性的特定打印宣纸放入台基并展平。
(5.2)利用电子信息模块接收面向分层打印的图层集，图层集中包含有参数化打印路径文件和色彩文件。
(5.3)按照图层集叠加顺序，微喷勾勒打印模块对线条勾勒层进行线性打印，雾化晕染打印模块对水墨晕染层进行面性打印。
(5.4)完成分层打印，整体送风烘干。
步骤(6)，图像背景分析，延时氧化。
将背景图层对比光-液氧化数据库，通过墨染画笔“氧化”算法求解出最优方案，利用氧化光-液系统模块对画面整体进行延时氧化处理，即可获得还原度较高的宣纸水墨晕染叠加和古拙历史效果。
(6.1)导入区间色域范围最大的背景图层，对比光-液氧化数据库。
(6.2)利用墨染画笔“氧化”算法求解出最优延时氧化方案。
本实施例中，墨染画笔“氧化”算法的具体步骤为：
第一步，采集相应的画笔“氧化”数据，包含纸张材质W1，紫外线光强y1，光照时间y2,稳定后纸张颜色c1,构建相应的数据集
第二步，构建“氧化”还原的神经网络模型，采用多层多层感知机mlp基础模型，构建紫外线光强y1,光照时间y2与纸张材料W1,纸张颜色c1的关系。
第三步，模型预测和查库的方式进行紫外线光强y1和光照时间y2预测。
(6.3)利用氧化光-液系统模块对纸本进行氧化处理。
(6.4)采集氧化后纸本色彩数据对比原色彩数据，进行二次调校氧化或补色处理，完成作品。
以上所述的实施例对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的具体实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换，均应包含在本发明的保护范围之内。

Claims (8)

1.一种中国水墨画分层打印装置，其特征在于，包括：
台基，用于承载被打印的宣纸；
支撑结构，固定在台基上，用于支撑连接各个模块以保证各模块正常工作运行；
色彩管理模块，用于存储和提供不同打印方式下所需染剂及晕染溶剂；
微喷勾勒打印模块，用于线条勾勒层的线打印；
雾化晕染打印模块，用于水墨晕染层的面打印；
氧化光-液系统模块，用于延时氧化处理；
电子信息模块，用于数据运行处理与发送接收。
2.一种基于人工智能的中国水墨画分层打印方法，其特征在于，基于权利要求1所述的中国水墨画分层打印装置，具体包括以下步骤：
(1)依据宣纸的晕染属性，进行参数化实验并采集数据，推导获得衍生比例和干湿色差经验公式，构建墨痕数据库；
(2)根据纸本氧化变色规律，进行参数化实验并采集数据，推导获得光-液氧化时间经验公式，构建光-液氧化数据库；
(3)通过墨染画笔色彩分层算法和墨染画笔重叠分割算法对导入的水墨画图像进行色彩分层、重叠填充及属性判断，实现勾勒与晕染的多属性分层；
(4)将多属性分层后的各图层信息比对墨痕数据库，通过墨染画笔边界收敛算法计算线条色块的原始及衍生范围，进行打印边界收敛；
通过墨染画笔色彩还原算法计算纸本原始色彩及干湿线条叠加色彩参数，进行打印色彩还原；
(5)对打印线条和色块均进行区域路径规划和时间顺序规划，利用微喷勾勒打印模块和雾化晕染打印模块在宣纸上分层分时叠加打印线条勾勒层和水墨晕染层；
(6)将背景图层对比光-液氧化数据库，通过墨染画笔氧化算法求解出最优方案，利用氧化光-液系统模块对画面整体进行延时氧化处理，最终获得还原度较高的宣纸水墨晕染叠加和古拙历史效果。
3.根据权利要求2所述的基于人工智能的中国水墨画分层打印方法，其特征在于，步骤(1)的具体过程为：
(1-1)搭建L.a.b色彩实验环境，取各向同性且疏水性质差异小于5％的打印宣纸并测得原始RGB值；
(1-2)将10g书画打印水性染剂均匀分成100份，按照5％的克重递增幅度将溶剂混合调配并进行阵列打印，用高清全彩相机实时采集不同水墨比条件下实验色块的原始区域、晕染衍生边界和线条色块干湿色彩参数；
(1-3)根据采集结果，计算推导晕染衍生比例和RGB干湿色差经验公式；
(1-4)对书画打印用途的多种常用色水性染剂进行重复实验，形成面向多层打印需求的墨痕数据库。
4.根据权利要求2所述的基于人工智能的中国水墨画分层打印方法，其特征在于，步骤(2)的具体过程为：
(2-1)搭建L.a.b色彩实验环境，取各向同性且疏水性质差异小于5％的打印宣纸并测得原始RGB值；
(2-2)采用光辐照度均匀、波长在300-800nm、紫外光密度在1.0W/m2的面光源对纸面进行照射延时氧化试验，并每间隔60s用浓度1％的溶剂进行微潮化处理，过程用高清全彩相机采集氧化色数据；
(2-3)根据采集结果，推导光-液氧化时间经验公式；
(2-4)使用紫外光密度为1～10W/m2的面光源、浓度为1％～10％的溶剂重复实验，形成光-液氧化数据库。
5.根据权利要求2所述的基于人工智能的中国水墨画分层打印方法，其特征在于，步骤(3)的具体过程为：
(3-1)导入需要分层打印的高清全彩水墨画图片文件；
(3-2)利用墨染画笔色彩分层算法，统计画面色彩总数，并根据颜色分类及透明度值划分10-20个区间色域，进行色彩分层，并记录对应RGB区间；
(3-3)根据色彩分布闭环路径和颜色渐变叠加规律，通过墨染画笔重叠分割算法判断色彩叠加区域范围及叠加顺序，确定重叠闭环区域及交叉区域的色彩归属，进行重叠填充，生成新的图层；
(3-4)根据线条色块极限长宽比和画面总占比，匹配勾勒和晕染属性，并进行分层排序。
6.根据权利要求2所述的基于人工智能的中国水墨画分层打印方法，其特征在于，步骤(4)的具体过程为：
(4-1)导入一个分层图层，对比墨痕数据库；
(4-2)根据晕染衍生比例参数，通过墨染画笔边界收敛算法推导计算出线条色块的原始范围和衍生边界，进行打印边界收敛，生成新的打印边界和区域，用于打印路径规划；
(4-3)根据色彩属性和RGB干湿色差对应参数，通过墨染画笔色彩还原算法进行打印色彩还原，推导出原始色彩及干湿线条对比叠加参数，用于打印调色；
(4-4)对分层后的图层集重复以上步骤，生成面向分层打印的图层集。
7.根据权利要求6所述的基于人工智能的中国水墨画分层打印方法，其特征在于，步骤(5)的具体过程为：
(5-1)打印准备，将与实验同性的打印宣纸放入打印装置的台基并展平；
(5-2)利用打印装置的电子信息模块接收面向分层打印的图层集，图层集中包含有参数化打印路径文件和色彩文件；
(5-3)按照图层集叠加顺序，打印装置的微喷勾勒打印模块对线条勾勒层进行线性打印，雾化晕染打印模块对水墨晕染层进行面性打印；
(5-4)完成分层打印，整体送风烘干。
8.根据权利要求2所述的基于人工智能的中国水墨画分层打印方法，其特征在于，步骤(6)的具体过程为：
(6-1)导入区间色域范围最大的背景图层，对比光-液氧化数据库；
(6-2)利用墨染画笔氧化算法求解出最优延时氧化方案；
(6-3)利用打印装置中氧化光-液系统模块对纸本进行氧化处理；
(6-4)采集氧化后纸本色彩数据对比原色彩数据，进行二次调校氧化或补色处理，完成作品。
CN202211384606.0A 2022-11-07 2022-11-07 一种基于人工智能的中国水墨画分层打印方法及装置 Pending CN115543236A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211384606.0A CN115543236A (zh) 2022-11-07 2022-11-07 一种基于人工智能的中国水墨画分层打印方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211384606.0A CN115543236A (zh) 2022-11-07 2022-11-07 一种基于人工智能的中国水墨画分层打印方法及装置

Publications (1)

Publication Number Publication Date
CN115543236A true CN115543236A (zh) 2022-12-30

Family

ID=84720823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211384606.0A Pending CN115543236A (zh) 2022-11-07 2022-11-07 一种基于人工智能的中国水墨画分层打印方法及装置

Country Status (1)

Country Link
CN (1) CN115543236A (zh)

Similar Documents

Publication Publication Date Title
CN109190722B (zh) 基于满文字符图片的字体风格迁移变换方法
US11048932B2 (en) Transformation of hand-drawn sketches to digital images
US5285297A (en) Apparatus and method for color calibration
CN112270722B (zh) 一种基于深度神经网络的数码印花织物缺陷检测方法
Shi et al. Deep multispectral painting reproduction via multi-layer, custom-ink printing
CN105128589A (zh) 一种用uv-led喷墨打印机实现油画立体复制的方法
US8930302B2 (en) Apparatus and method for identifying the creator of a work of art
CN110853119B (zh) 一种鲁棒的基于参考图片的妆容迁移方法
US7387355B2 (en) High-image-quality halftone process
JP5634154B2 (ja) 画像処理装置および画像処理方法
JP2012034031A (ja) 画像処理装置および画像処理方法
CN111340698A (zh) 一种基于神经网络的多光谱图像光谱分辨率增强方法
Eckhard et al. Adaptive global training set selection for spectral estimation of printed inks using reflectance modeling
US9665324B2 (en) Simulation of preprinted forms
CN115543236A (zh) 一种基于人工智能的中国水墨画分层打印方法及装置
Kuznetsov Principles of image printing technology
Wan et al. Robust RGB-Guided Super-Resolution of Hyperspectral Images via $\text {TV}^{3} $ Minimization
JP2003341216A (ja) 図柄に視覚的な立体感を有する印刷物及びその製造方法
Jolly et al. Bringing monochrome to life: A GAN-based approach to colorizing black and white images
CN113763498B (zh) 一种面向工业制造的肖像简笔画区域自适应颜色匹配方法及系统
Kuo et al. Integrating a genetic algorithm and a self-organizing map network for an automatically separating color printed fabric system
Kim et al. Classification of oil painting using machine learning with visualized depth information
CN113500873A (zh) 高仿真油画复制方法
CN105599296A (zh) 2.5d图像打印方法
CN110254030B (zh) 基于3d打印的珂罗版数字化制版方法

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