CN115803787A - 纹理图像生成方法及装置 - Google Patents

纹理图像生成方法及装置 Download PDF

Info

Publication number
CN115803787A
CN115803787A CN202280004727.XA CN202280004727A CN115803787A CN 115803787 A CN115803787 A CN 115803787A CN 202280004727 A CN202280004727 A CN 202280004727A CN 115803787 A CN115803787 A CN 115803787A
Authority
CN
China
Prior art keywords
information
texture image
generating
pattern
similarity
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
CN202280004727.XA
Other languages
English (en)
Inventor
申铉俊
梁明贤
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.)
Kelou Virtual Fashion Co ltd
Original Assignee
Kelou Virtual Fashion 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
Priority claimed from KR1020220082625A external-priority patent/KR20230008621A/ko
Application filed by Kelou Virtual Fashion Co ltd filed Critical Kelou Virtual Fashion Co ltd
Publication of CN115803787A publication Critical patent/CN115803787A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • 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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth

Landscapes

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

Abstract

根据一实施例，生成虚拟织物的纹理图像的方法可以包括以下步骤：生成被包括在分析对象区域中的基本纸样与分割所述分析对象区域的多个子区域之间的每个相似度信息；基于所述相似度信息生成所述基本纸样的重复数信息和所述基本纸样的重复方向信息中的至少一个；以及基于所述基本纸样、所述重复数信息及所述重复方向信息，在预定区域中排列多个基本纸样，从而生成虚拟织物的纹理图像。

Description

纹理图像生成方法及装置
技术领域
以下实施例涉及一种纹理图像生成方法及装置。
背景技术
通过编织方法制造的织物可以具有规则的纸样。通常，纸样提取方法可以是基于人的视觉直觉的提取方法。并且可以通过合成所提取的纸样来生成纹理。为了在虚拟模拟中使用实际织物，可能需要以纹理(texture)的形式来制造织物。然而，可能需要重复执行许多操作才能生成纹理。因此，对各种实际织物进行虚拟模拟可能需要大量的时间和人力资源。
用于服装模拟的虚拟织物(virtual fabric)可以由用于表达物理特性的部分(例如，网格(mesh))和用于表达视觉特性的部分组成。通常，表达视觉特性的部分可以是纹理(texture)。纹理可以由用于表示织物颜色的部分和表示不均匀性的法线贴图(normalmap)组成。
发明内容
解决问题的技术方法
根据一实施例，生成虚拟织物的纹理图像的方法可以包括以下步骤：生成被包括在分析对象区域中的基本纸样与分割分析对象区域的多个子区域之间的每个相似度信息；基于相似度信息生成基本纸样的重复数信息和基本纸样的重复方向信息中的至少一个；以及基于基本纸样、重复数信息及重复方向信息，在预定区域中排列多个基本纸样，从而生成虚拟织物的纹理图像。
根据一实施例，分析对象区域可以包括基于由用户输入在包括织物(fabric)的输入图像中确定的选定区域来确定的区域。
根据一实施例，还可以包括以下步骤：基于纸样校正信息、重叠区域信息及亮度校正信息中的至少一个来校正纹理图像。
根据一实施例，选定区域可以包括基于用户在输入图像中输入的信息来确定的区域。
根据一实施例，选定区域可以包括在纹理图像中包括作为重复对象的基本纸样的区域。
根据一实施例，输入图像包括彩色图像和正常图像中的至少一个，并且相似度信息可以基于以下中的至少一个来确定：彩色图像中的基本纸样与作为选定区域的至少一部分的多个子区域之间的每个第一相似度信息；以及正常图像中的基本纸样与作为选定区域的至少一部分的多个子区域之间的每个第二相似度信息。
根据一实施例，相似度信息可以基于第一相似度信息和第二相似度信息的加权和来确定。
根据一实施例，重复数信息可以包括关于分析对象区域中与基本纸样的相似度为预定标准以上的子区域的数量有关的信息。
根据一实施例，重复方向信息可以包括方向相关信息，所述方向基于在分析对象区域中与基本纸样的相似度为预定标准以上的子区域的分布方向来确定。
根据一实施例，重复方向信息可以包括：第一方向，其基于基本纸样的位置，分布与基本纸样的相似度为预定标准以上的子区域；以及第二方向，其基于基本纸样的位置，分布与基本纸样的相似度为预定标准以上的子区域。
根据一实施例，生成纹理图像的步骤可以包括以下步骤：确定基本纸样的位置；基于基本纸样的位置及重复方向信息来确定第一方向及第二方向；基于重复数信息及重复方向信息，计算沿第一方向分布的多个子区域的第一重复数及沿第二方向分布的多个子区域的第二重复数；以及基于第一方向、第二方向、第一重复数及第二重复数来重复排列基本纸样，从而生成纹理图像。
根据一实施例，生成重复数信息及重复方向信息中的至少一个的步骤，可以包括以下步骤：模糊处理相似度信息以消除噪声；基于模糊处理的相似度信息，仅提取相似度为阈值以上的区域；使用快速傅里叶变换来变换仅提取阈值以上的区域的相似度信息；以及基于变换的相似度信息来获取重复数信息及重复方向信息中的至少一个。
根据一实施例，基于纸样校正信息来校正纹理图像的步骤，可以包括以下步骤：将第一方向与第二方向之间的角度转换为垂直；基于第一方向及第二方向来对准布置在生成的纹理图像中的多个基本纸样；当沿第一方向的第一基准线为曲线时，校正第一基准线为直线，以使第一基准线相对于第二方向垂直；以及当沿第二方向的第二基准线为曲线时，校正第二基准线为直线，以使第二基准线相对于第一方向垂直。
根据一实施例，基于所述重叠区域信息来校正所述纹理图像的步骤，可以包括以下步骤：将纹理图像分割为多个补丁；重新排列所述多个补丁；在重新排列的多个补丁相互接触的区域中判断是否存在纸样不连续区域；基于纸样不连续区域的存在与否，确定多个补丁的重叠区域；以及基于重叠区域来重叠多个补丁。
根据一实施例，还可以包括以下步骤：使用多频段融合方法来平滑多个补丁。
根据一实施例，基于亮度校正信息来校正纹理图像的步骤，可以包括以下步骤：基于亮度校正信息来校正多个基本纸样的亮度，以解决纹理图像中包括的多个基本纸样之间的亮度不一致。
根据一实施例，生成虚拟织物的纹理图像的方法还可以包括以下步骤：将在3D分身上穿戴根据纹理图像生成的3D服装的模拟结果输出到屏幕。
根据一实施例，生成虚拟织物的纹理图像的方法还可以包括以下步骤：接收与控制纹理图像的尺寸有关的用户输入；以及根据对纹理图像的尺寸控制输入，控制3D服装上表示的纹理图像的尺寸。
根据另一实施例的电子装置可以包括处理器，其中所述处理器被配置为：生成被包括在分析对象区域中的基本纸样与分割所分析对象区域的多个子区域之间的每个相似度信息；基于相似度信息生成基本纸样的重复数信息和基本纸样的重复方向信息中的至少一个；以基于基本纸样、重复数信息及重复方向信息，在预定区域中排列多个基本纸样，从而生成虚拟织物的纹理图像。
附图说明
图1为示出根据一实施例的生成纹理图像的方法的附图。
图2为示出根据一实施例的分析对象区域、选定区域及基本纸样区域的附图。
图3为示出根据一实施例的相似度信息的附图。
图4为示出根据一实施例的重复数信息和重复方向信息的附图。
图5为示出根据一实施例的纹理图像的生成方法的附图。
图6为示出根据一实施例的基于纸样校正信息来校正纹理图像的方法的附图。
图7为示出根据一实施例的基于重叠区域信息来校正纹理图像的方法的附图。
图8为示出根据一实施例的重叠区域的附图。
图9为示出根据一实施例的通过去除重叠区域来生成校正后的纹理图像的方法的附图。
图10为示出根据一实施例的基于亮度校正信息来校正纹理图像的方法的附图。
图11为示出根据一实施例的生成纹理的方法的流程图。
图12为示出根据一实施例的反映纹理图像的3D服装模拟的附图。
图13a及图13b为示出根据一实施例的将输入图像和纹理图像中的至少一个输出到屏幕的方法的附图。
图14为示出根据一实施例的在3D服装模拟中调整纹理图像的尺寸的方法的附图。
图15为示出根据各种实施例的电子装置的框图。
具体实施方式
本说明书中所公开的具体结构或功能描述仅用于说明根据技术概念的实施例的目的，并且实施例可以以各种其他形式实施，并且实施例并不限于本文所述的实施例。
第一或第二等术语能够用于说明多种构成要素，然而，这些术语仅用于将一个构成要素区别于其他构成要素。例如，第一构成要素能够命名为第二构成要素，类似地，第二构成要素同样能够命名为第一构成要素。
当说明一构成要素“连接”或“耦合”到另一构成要素时，能够是直接连接或附加到该另一构成要素，然而，也能够理解为在它们之间存在其他构成要素。相反地，当说明一构成要素“直接连接”或“直接耦合”到另一构成要素时，可以理解为在它们之间不存在其他构成要素。描述构成要素之间关系的表达方式，例如“之间”、“直接之间”或“相邻”、“直接相邻”等，应将其解释为相似。
在内容中没有特别说明的情况下，单数表达包括复数含义。在本说明书中，“包括”或者“具有”等术语用于表达存在说明书中所记载的特征、数字、步骤、操作、构成要素、配件或其组合，并不排除还具有一个或以上的其他特征、数字、步骤、操作、构成要素、配件或其组合，或者附加功能。
在没有其他定义的情况下，包括技术或者科学术语在内的在此使用的全部术语，都具有本领域普通技术人员所理解的通常的含义。通常使用的与词典定义相同的术语，应理解为与相关技术的通常的内容相一致的含义，在本申请中没有明确言及的情况下，不能过度理想化或解释为形式上的含义。
下面，参照附图对实施例进行详细说明。每个附图中相同的附图标记表示相同的构成要素。
图1为示出根据一实施例的生成纹理图像的方法的附图。
本发明可以包括在将实际织物转换为虚拟织物的过程中将实际织物的视觉特性真实有效地反映到虚拟织物中的方法。
为了在虚拟织物中反映实际织物的视觉特性，只能通过VIZOO等特殊扫描仪获得精确的纹理图像。由于尺寸、成本等问题，此类设备可能难以商业化。此外，用于扫描的实际织物的尺寸也可能很大。(例如，1码(YARD)以上)。
然而，根据本发明，可以使用小型装置来扫描实际织物。此外，还可以使用尺寸相对较小的实际织物的扫描图像来生成接近真实的虚拟织物。
下面，将详细描述生成虚拟织物的纹理图像的方法。
根据一实施例的处理器1210可以分析并提取在织物的扫描图像中重复显示的纸样。根据一实施例的处理器1210可以合成所提取的纸样以生成纹理图像，并校正生成的纹理图像。由此，处理器1210可以生成反映织物的视觉特性的纹理图像。下面，将详细描述生成并校正纹理图像的方法。
图1示出了输入图像110、纸样提取部120、确定分析对象区域121、获取相似度信息122、重复数信息123、重复方向信息124、纹理图像130、纹理生成部140、纸样校正信息141、重叠区域信息142、亮度校正信息143及校正的纹理图像150。
根据一实施例的输入图像110可以是包括织物的图像。根据一实施例的输入图像110可以包括彩色图像和/或普通图像。根据一实施例的织物可以包括作为服装原料的织物。输入图像110可以包括从图像获取装置获得的图像。图像获取装置可以是能够获取包括织物的图像的任何装置。图像获取装置可以包括相机、扫描仪等，但并不限于此。
根据一实施例的纸样提取部120可以包括用于从输入图像110提取纸样的模块。在本发明中，纸样可以是织物中重复的视觉特性。处理器1210可以使用纸样提取部120从输入图像110提取纸样。根据一实施例的处理器1210可以使用纸样提提部120从输出图像110生成纹理图像130。
根据一实施例的纸样提取部120可以确定分析对象区域(121)。将参照图2描述分析对象区域210。根据一实施例的分析对象区域210可以包括输入图像110的至少一部分。根据一实施例的选定区域230可以包括用户选择的区域。根据一实施例的处理器1210可以基于用户输入的信息来确定输入图像110中的选定区域230。用户输入信息可以包括与用户选择的区域相关的信息。根据一实施例的用户可以从输入图像中选择用于提取纸样的区域。根据一实施例的处理器1210可以确定选定区域230，然后基于选定区域210从输入图像110确定分析对象区域210。例如，当确定选定区域230时，处理器1210可以确定比选定区域大4倍的分析对象区域210。根据一实施例的处理器1210可以从选定区域230和/或分析对象区域210确定基本纸样区域250。根据一实施例的基本纸样区域250可以包括用于生成纹理图像的单元纸样。因此，处理器1210可以复制并排列多个基本纸样区域250，以生成纹理图像。
当根据一实施例的基本纸样区域250被确定时，处理器1210可以计算基本纸样区域25与分析对象区域210的至少一部分之间的每个相似度信息，以分析基本纸样区域210在分析对象区域210中重复了多少。因此，处理器1210可以分析基本纸样区域250在分析对象区域210中沿哪个方向重复了多少，从而分析整个纸样。
根据一实施例的纸样提取部120可以获得相似度信息370(122)。将参照图3详细描述相似度信息340。根据一实施例的基本纸样区域250可以是分析对象区域210的至少一部分。根据另一实施例的基本纸样区域250可以选定区域230的至少一部分。根据一实施例的处理器1210可以生成基本纸样区域250和分析对象区域210中包括的多个子区域211、212、213中的每个子区域之间的每个相似度信息(370)。图3中所示的子区域的数量仅为一示例，本公开并不限于此。
根据一实施例的处理器1210可以执行相似度检查310，以检查基本纸样区域250与子区域211、212、213之间的相似度。根据一实施例的处理器1210可以通过相似度检查310来生成相似度信息370。根据一实施例的微处理器1210可以基于互相关系数(crosscorrelation coefficient)方法来生成基本纸样区域250与子区域211、212、213之间的每个相似度信息。
根据一实施例的输入图像可以包括彩色(color)图像和普通(normal)图像中的至少一个。根据一实施例的彩色图像可以包括输入图像的颜色信息。根据一实施例的正常图像可以包括输入图像中包括的每个像素的法向量(normal vector)信息。根据一实施例的处理器1210可以使用彩色图像来生成相似度信息370。根据一实施例的处理器1210可以使用普通图像来生成相似度信息370。根据一实施例的处理器2120可以使用彩色图像和普通图像来生成相似度信息370。根据一实施例的处理器1210可以使用在正常图像中检测到的相似度信息来校正在彩色图像中未检测到的相似度信息。
根据一实施例的相似度信息370可以基于彩色图像的基本纸样区域与作为选定区域的至少一部分的多个子区域之间的每个第一相似度信息330和正常图像的基本纸样区域与作为选定区域的至少一部分的多个子区域之间的每个第二相似度信息350中的至少一个来确定。
根据一实施例的相似度信息370可以基于第一相似度信息330和第二相似度信息350的加权和来确定。例如，如果输入图像中包括的织物的颜色纸样包括各种颜色，相似度信息370可以通过对第一相似度信息330施加比第二相似度信息350更大的权重来生成。在这种情况下，处理器1210可以将第一相似度信息330确定为相似度信息370。即，处理器12110可以不考虑第二相似度信息350。作为另一示例，如果织物的颜色纸样包括少量颜色，或者如果每个颜色之间的差异不大，处理器1210则可以通过对第二相似度信息350施加比第一相似度信息330更大的权重来生成相似度信息370。作为又另一示例，如果织物包括各种颜色但不包括重复纸样，处理器1210则可以通过对第二相似度信息350施加比第一相似度信息330更大的权重来生成相似度信息370。
根据一实施例的纸样提取部120可以获得重复数信息123。根据一实施例的纸样提取部120可以获得重复方向信息124。将参照图4详细描述生成重复数信息123和重复方向信息124的方法。根据一实施例的处理器1210可以基于相似度信息370来生成基本纸样区域的重复数信息123和基本纸样区的重复方向信息124中的至少一个。根据一实施例的处理器1210可以对在图3中生成的相似度信息170执行后处理，以生成重复数信息123和/或重复方向信息124。
根据一实施例的处理器1210可以模糊处理相似度信息370以消除噪声。根据一实施例的模糊处理可以指软化或模糊图像的特定区域。根据一实施例的模糊处理可以包括高斯模糊(Gaussian Blur)。
根据一实施例的处理器1210可以计算相似度阈值，以仅提取在分析对象区域210中与基本纸样区域250的相似度为特定标准以上的区域和/或点。根据一实施例的相似度阈值可以通过使用直方图的阈值提取方法来确定。因此，处理器1210可以将相似度阈值以上的区域确定为与基本纸样区域相似的区域。
根据一实施例的处理器1210可以对相似度信息370执行快速傅里叶变换(FastFourier Transform)410。根据一实施例的处理器1210可以通过对相似度信息370执行快速傅里叶变换来生成傅里叶变换图像430。根据一实施例的傅里叶变换图像430可以包括与基本纸样区域250类似的子区域的位置信息。
根据一实施例的处理器1210可以对傅里叶变换图像430执行纸样重复方向检查450。此外，处理器1210还可以对傅立叶变换图像410执行纸样重复数检查。
根据一实施例的处理器1210可以获得重复方向信息124。
根据一实施例的重复方向信息124可以包括基于分析对象区域210中与基本纸样区域250的相似度为预定标准(例如，相似度阈值)以上的子区域的分布方向来确定的方向相关信息。
根据一实施例的重复方向信息124可以包括第一方向和第二方向，其中第一方向基于基本纸样区域250的位置，分布与基本纸样区域250的相似度为预定标准以上的子区域；其中第二方向基于基本纸样区域250的位置，分布与基本纸样区域250的相似度为预定标准以上的子区域。例如，基本纸样区域250的位置可以包括第一方向471与第二方向472相交的区域和/或点。例如，第一方向可以是以基本纸样区域250的位置为基准的水平方向。此外，第二方向可以是以基本纸样区域250的位置为基准的垂直方向。根据一实施例的沿着第一方向的第一基准线和沿着第二方向的第二基准线可以是直线，也可以是根据输入图像中包括的织物的曲率弯曲的曲线。
根据一实施例的重复数信息可以包括关于分析对象区域210中与基本纸样区域250的相似度为预定标准(例如，相似度阈值)以上的子区域的数量的信息。根据另一实施例的重复数信息123可以包括关于选定区域230中与基本纸样区域250的相似度为预定标准以上的子区域的数量的信息。
根据一实施例的重复数信息123可以基于沿第一方向分布的多个子区域的第一重复数和沿第二方向分布的多个子区域的第二重复数来确定。例如，图4中沿第一方向471分布的多个子区域的第一重复数可以是10。在这种情况下，可以意味着与基本纸样区域250相似的子区域在分析对象区域中沿第一方向(例如，水平方向)重复11个(1个基本纸样区域+10个子区域)基本纸样区域。作为另一示例，图4中沿第二方向472分布的多个子区域的第二重复数可以是10。在这种情况下，可以意味着与基本纸样区域250相似的子区域在分析对象区域中沿第二方向(例如，垂直方向)重复11个(1个基本纸样区域+10个子区域)基本纸样区域。如果第一重复数为10且第二重复数为10，处理器1210则可以获得在分析对象区域210中总共有121个(11个*11个)基板纸样区域重复的信息。
根据一实施例的纸样提取部120可以生成纹理图像510(例如，图5的纹理图像510)。将参照图5详细描述根据一实施例的纹理图像130的生成。在根据一实施例的图5中，可以示出纹理图像510。基本纸样区域250可以被包括在纹理图像130中。处理器1210可以确定基本纸样区域250的位置。根据一实施例的处理器1210可以基于基本纸样区域250的位置及重复方向信息124来确定第一方向471和第二方向472。根据一实施例的处理器1210可以基于重复数信息123和重复方向124来计算沿第一方向分布的多个子区域的第一重复数及沿第二方向472分布的多个子区域的第二重复数。
根据一实施例的处理器1210可以基于第一方向471、第二方向472、第一重复数及第二重复数来重复配置基本纸样区域，从而生成纹理图像510(例如，图5的纹理图像510)。例如，在图5中，沿第一方向471分布的子区域的第一重复数可以为7，而沿第二方向472分布的子区域的第二重复数可以为8。因此，可以沿第一方向重复总8个(基本纸样区域1个+子区域7个)基本纸样区域。此外，可以沿第二方向472重复总9个(基本纸样区域1个+子区域8个)基本纸样区域。因此，纹理图像510(例如，图5的纹理图像510)可以包括其中重复布置总共72个基本纸样区域250的图像。
根据一实施例，第一方向471和第二方向472之间可能存在角度530。
根据一实施例的纹理生成部140可以包括用于校正纹理图像130的模块。根据一实施例的纹理生成部可以基于纸样校正信息141、重叠区域信息142及亮度校正信息143中的至少一个来生成校正的纹理图像150。
根据一实施例，第一方向471和第二方向472之间可能存在角度530。当角度530不是直角时，纹理图像510(例如，图5的纹理图像510)中可能会出现纸样错位。例如，在获取输入图像的过程中可能会出现纸样错位。根据观察实际织物的图像获取装置的视点，输入图像中包括的织物可能会发生变形，但并不限于此。作为另一示例，当实际织物中存在褶皱时，也可能会发生纸样错位。参照图6，在发生纸样错位的情况下，第一方向471和第二方向472之间的角度530可能不是直角。因此，可能需要通过将第一方向471和第二方向472之间的角度530校正为直角来校正纸样错位。通过校正纸样错位，可以解决纸样重复期间纹理图像中重复出现的基本纸样不一致或不连续的问题。下面，将参照图6详细描述校正纹理图像130的方法。
根据一实施例的处理器1210可以基于纸样校正信息来校正纹理图像610。根据一实施例的纸样校正信息可以包括用于校正纸样错位所需的信息。如图6所示，当第一方向471和第二方向472之间的角度530不是直角时，纹理图像130中可能会出现纸样错位。因此，处理器1210可以将第一方向472和第二方472之间角度530转换为直角。
当沿第一方向471的第一基准线为曲线时，根据一实施例的处理器1210可以校正第一基准线，使其相对于所述第二方向垂直。例如，当输入图像110中包括的织物中存在曲线时，第一基准线可以是曲线。在这种情况下，处理器1210可以对作为曲线的第一基准线校正为直线。
当沿第二方向472的第二基准线为曲线时，根据一实施例的处理器1210可以校正第二基准线，使其相对于第一方向垂直。例如，当输入图像110中包括的织物中存在曲线时，第二基准线可以是曲线。在这种情况下，处理器1210可以对作为曲线的第二基准线校正为直线。
根据一实施例的处理器1210可以基于重叠区域信息142来校正纹理图像。将参照图7详细描述基于重叠区域信息142校正纹理图像的方法。
当多个基本纸样区域被布置在根据一实施例的重叠区域信息142中时，在多个基本纸样区域相交的区域中可能会出现不连续纸样。例如，不连续纸样可能是接缝线(seamline)。为了消除这种不连续纸样，可以确定相邻基本纸样区域之间的重叠区域，以相互重叠基本纸样区域。通过这个过程，可以消除影响纸样连续性的因素。
根据一实施例的处理器1210可以将纹理图像130分割为多个补丁。例如，补丁可以对应于一个基本纸样区域。作为另一示例，补丁可以包括多个基本纸样区域。当根据一实施例将纹理图像130分割为4个区域时，可以生成第一补丁710、第二补丁730、第三补丁750及第四补丁770。根据一实施例的纹理图像130可以具有与分析对象区域相同的尺寸。由于分析对象区域210包括选定区域230，因此可以基于选定区域230在纹理图像130中的位置信息来确定选定区域。当将纹理图像130分割为多个补丁时，根据一实施例的处理器1210可以基于选定区域230来执行分割。因此，第一补丁710可以被包括在与第一补丁710对应的选定区域中。相应地，第二补丁730、第三补丁750及第四补丁770也可以被包括在选定区域中。
根据一实施例的处理器1210可以重新排列多个补丁。如701所示，根据一实施例的处理器1210可以将纹理图像130中包括的每个补丁重新排列为第一补丁711、第二补丁731、第三补丁751及第四补丁771。因此，如701所示，选定区域中的补丁720、740、760、780也可以重新排列为区域721、741、761、781。
在重新排列的第一补丁711、第二补丁731、第三补丁751及第四补丁771相互重叠的部分中，可以生成纸样不连续纸区域(例如，接缝线(seamline))。例如，通过重新排列，第一补丁711与第二补丁731之间、第一补丁711与第三补丁751之间、第二补丁731与第四补丁771之间以及第三补丁751与第四补丁771之间的区域可以重新重叠。当重复排列图7所示的图像700时，该相邻部分可以彼此相邻。因此，为了去除由于图像700的重复而产生的新相邻区域中出现的不连续纸样(例如，接缝线)，可以在第一补丁711与第二补丁731之间、第一补丁711与第三补丁751之间、第二补丁731与第四补丁771之间以及第三补丁751与第四补丁771之间生成重叠区域并进行合成。根据一实施例的处理器1210可以确定在第一补丁711与第二补丁731之间、第一补丁711与第三补丁751之间、第二补丁731与第四补丁771之间、以及第三补丁751与第四补丁771之间是否存在纸样不连续区域。如果存在纸样不连续区域，处理器1210则可以确定补丁的重叠区域。例如，当第一补丁711与第三补丁751之间存在纸样不连续区域时，处理器1210可以生成第二重叠区域781。并且，还可以重新排列补丁，使其与该第二重叠区域781重叠。可以对其他相邻区域执行相同的过程。例如，处理器1210可以生成第一补丁711与第二补丁731重叠的第三重叠区域782。作为另一示例，处理器1210可以生成第二补丁731与第四补丁771重叠的第四重叠区域783。作为另一示例，处理器1210可以生成第一重叠区域780，其中第三补丁751与第四补丁771重叠。
根据一实施例的处理器1210可以搜索补丁中的重叠区域。参照图8，处理器1210可以在补丁810中搜索重叠区域(830)。搜索结果可以如图8所示。因此，处理器1210可以使用关于搜索的重叠区域850的信息来重叠多个补丁。
根据一实施例的处理器1210可以基于重叠区域来重叠多个补丁。参照图9，处理器1210可以基于第一补丁710、第二补丁730、第三补丁750及第四补丁750的每个重叠区域850来重叠补丁。根据另一实施例的处理器1210可以基于重新排列的第一补丁711、第二补丁731、第三补丁751及第四补丁771的每个重叠区域850来重叠补丁。当根据一实施例的处理器1210重叠多个补丁时，可以使用多图像合成方法来进行重叠。根据一实施例的多图像合成方法可以是指在合成由多相机获得的图像的过程中获得无边界噪声的图像匹配和合成结果的方法。
根据一实施例的处理器1210可以执行平滑操作以平滑重叠的补丁。根据一实施例的处理器1210可以使用多频段融合(multi-band blending)方法来平滑多个补丁。
根据一实施例的处理器1210可以基于亮度校正信息143来校正纹理图像。将参照图10详细描述基于亮度校正信息143来校正纹理图像的方法。图10中所示的第一补丁1011和第二补丁1012可以各自具有不同的亮度。在这种情况下，如果补丁之间的亮度互不相同，则可能无法表示纹理图像的整体的自然的亮度变化。因此，可能需要对整个纹理图像应用均匀的亮度。因此，处理器1210可以使用亮度校正信息143来解决通过复制多个基本纸样区域250而处理的纹理图像的亮度不一致问题。根据一实施例的亮度校正信息143可以包括用于校正由照明引起的区域亮度不一致的信息。例如，如1030所示，亮度可能在左上角较高，但在右下角可能会变低。这种亮度变化趋势可以表示为亮度变化方向1010。因此，可能需要校正纹理图像中包括的补丁(或基本纸样区域)的亮度。
根据一实施例的处理器1210可以基于亮度校正信息143来校正多个基本纸样区域的亮度，以减少纹理图像中包括的多个基本纸样区域之间的亮度不一致。根据一实施例的处理器1210可以通过滑动窗口方式来校正基本纸样区域的亮度。例如，处理器1210可以根据亮度校正方向1020移动基本纸样区域，并以基本纸样区域为单位来校正亮度。
处理器1210可以通过根据一实施例的生成并校正纹理图像的方法来轻松提取织物的重复纸样。处理器1210还可以通过生成并校正由重复纸样组成的纹理形式的结果，将织物应用于虚拟模拟。因此，处理器1210可以视觉地表示服装模拟中被包括在输入图像中的表示织物的纹理。
图2为示出根据一实施例的分析对象区域、选定区域及基本纸样区域的附图。
图2示出了分析对象区域210、选定区域230和基本纸样区域250。
根据一实施例的分析对象区域210可以包括输入图像110的至少一部分。根据一实施例的选定区域230可以包括用户选择的区域。根据一实施例的处理器1210可以基于用户输入的信息来确定输入图像110中的选定区域230。用户输入信息可以包括与用户所选的区域相关的信息。根据一实施例的用户可以从输入图像中选择用于提取纸样的区域。根据一实施例的处理器1210可以确定选定区域230，然后基于选定区域210从输入图像110确定分析对象区域210。例如，当确定选定区域230时，处理器1210可以确定比选定区域大4倍的分析对象区210。根据一实施例的处理器1210可以从选定区域230和/或分析对象区域210确定基本纸样区域250。根据一实施例的基本纸样区域250可以包括用于生成纹理图像的单元纸样。因此，处理器1210可以复制并排列多个基本纸样区域250，以生成纹理图像。
图3为示出根据一实施例的相似度信息的附图。
图3示出了分析对象区域210、多个子区域211、212、213、基本纸样区域250、相似度检查310、第一相似度信息330、第二相似度信息350及相似度信息370。
根据一实施例的纸样提取部120可以获得相似度信息370(122)。将参照图3详细描述相似度信息340。根据一实施例的基本纸样区域250可以是分析对象区域210的至少一部分。根据另一实施例的基本纸样区域250可以是选定区域230的至少一部分。根据一实施例的处理器1210可以生成基本纸样区域250和分析对象区域210中包括的多个子区域211、212、213中的每个子区域之间的每个相似度信息(370)。图3中所示的子区域的数量仅为一示例，本公开并不限于此。
根据一实施例的处理器1210可以执行相似度检查310，以检查基本纸样区域250与子区域211、212、213之间的相似度。根据一实施例的处理器1210可以通过相似度检查310来生成相似度信息370。根据一实施例的微处理器1210可以基于互相关系数(crosscorrelation coefficient)方法来生成基本纸样区域250与子区域211、212、213之间的每个相似度信息。
根据一实施例的输入图像可以包括彩色图像和普通图像中的至少一个。根据一实施例的彩色图像可以包括输入图像的颜色信息。根据一实施例的正常图像可以包括输入图像中包括的每个像素的法向量(normal vector)信息。根据一实施例的处理器1210可以使用彩色图像来生成相似度信息370。根据一实施例的处理器1210可以使用普通图像来生成相似度信息370。根据一实施例的处理器2120可以使用彩色图像和普通图像来生成相似度信息370。根据一实施例的处理器1210可以使用在正常图像中检测到的相似度信息来校正在彩色图像中未检测到的相似度信息。
根据一实施例的相似度信息370可以基于彩色图像的基本纸样区域与作为选定区域的至少一部分的多个子区域之间的每个第一相似度信息330和正常图像的基本纸样区域与作为选定区域的至少一部分的多个子区域之间的每个第二相似度信息350中的至少一个来确定。
根据一实施例的相似度信息370可以基于第一相似度信息330和第二相似度信息350的加权和来确定。例如，如果输入图像中包括的织物的颜色纸样包括各种颜色，相似度信息370可以通过对第一相似度信息330施加比第二相似度信息350更大的权重来生成。在这种情况下，处理器1210可以将第一相似度信息330确定为相似度信息370。即，处理器12110可以不考虑第二相似度信息350。作为另一示例，如果织物的颜色纸样包括少量颜色，或者如果每个颜色之间的差异不大，处理器1210则可以通过对第二相似度信息350施加比第一相似度信息330更大的权重来生成相似度信息370。作为又另一示例，如果织物包括各种颜色但不包括重复纸样，处理器1210则可以通过对第二相似度信息350施加比第一相似度信息330更大的权重来生成相似度信息370。
图4为示出根据一实施例的重复数信息和重复方向信息的附图。
图4示出了相似度信息370、快速傅里叶变换410、傅里叶变换图像430、纸样重复方向检查450、重复方向信息470、第一方向471及第二方向472。
根据一实施例的处理器1210可以基于相似度信息370来生成基本纸样区域的重复数信息123和基本纸样区的重复方向信息124中的至少一个。根据一实施例的处理器1210可以对在图3中生成的相似度信息170执行后处理，以生成重复数信息123和/或重复方向信息124。
根据一实施例的处理器1210可以模糊处理相似度信息370以消除噪声。根据一实施例的模糊处理可以指软化或模糊图像的特定区域。根据一实施例的模糊处理可以包括高斯模糊(Gaussian Blur)。
根据一实施例的处理器1210可以计算相似度阈值，以仅提取在分析对象区域210中与基本纸样区域250的相似度为特定标准以上的区域和/或点。根据一实施例的相似度阈值可以通过使用直方图的阈值提取方法来确定。因此，处理器1210可以将相似度阈值以上的区域确定为与基本纸样区域相似的区域。
根据一实施例的处理器1210可以对相似度信息370执行快速傅里叶变换(FastFourier Transform)410。根据一实施例的处理器1210可以通过对相似度信息370执行快速傅里叶变换来生成傅里叶变换图像430。根据一实施例的傅里叶变换图像430可以包括与基本纸样区域250类似的子区域的位置信息。
根据一实施例的处理器1210可以对傅里叶变换图像430执行纸样重复方向检查450。此外，处理器1210还可以对傅立叶变换图像410执行纸样重复数检查。
根据一实施例的处理器1210可以获得重复方向信息124。
根据一实施例的重复方向信息124可以包括基于分析对象区域210中与基本纸样区域250的相似度为预定标准(例如，相似度阈值)以上的子区域的分布方向来确定的方向相关信息。
根据一实施例的重复方向信息124可以包括第一方向和第二方向，其中第一方向基于基本纸样区域250的位置，分布与基本纸样区域250的相似度为预定标准以上的子区域；其中第二方向基于基本纸样区域250的位置，分布与基本纸样区域250的相似度为预定标准以上的子区域。例如，基本纸样区域250的位置可以包括第一方向471与第二方向472相交的区域和/或点。例如，第一方向可以是以基本纸样区域250的位置为基准的水平方向。此外，第二方向可以是以基本纸样区域250的位置为基准的垂直方向。根据一实施例的沿着第一方向的第一基准线和沿着第二方向的第二基准线可以是直线，也可以是根据输入图像中包括的织物的曲率弯曲的曲线。
根据一实施例的重复数信息可以包括关于分析对象区域210中与基本纸样区域250的相似度为预定标准(例如，相似度阈值)以上的子区域的数量的信息。根据另一实施例的重复数信息123可以包括关于选定区域230中与基本纸样区域250的相似度为预定标准以上的子区域的数量的信息。
根据一实施例的重复数信息123可以基于沿第一方向分布的多个子区域的第一重复数和沿第二方向分布的多个子区域的第二重复数来确定。例如，图4中沿第一方向471分布的多个子区域的第一重复数可以是10。在这种情况下，可以意味着与基本纸样区域250相似的子区域在分析对象区域中沿第一方向(例如，水平方向)重复11个(1个基本纸样区域+10个子区域)基本纸样区域。作为另一示例，图4中沿第二方向472分布的多个子区域的第二重复数可以是10。在这种情况下，可以意味着与基本纸样区域250相似的子区域在分析对象区域中沿第二方向(例如，垂直方向)重复11个(1个基本纸样区域+10个子区域)基本纸样区域。如果第一重复数为10且第二重复数为10，处理器1210则可以获得在分析对象区域210中总共有121个(11个*11个)基板纸样区域重复的信息。
图5为示出根据一实施例的纹理图像的生成方法的附图。
图5示出了纹理图像510、基本纸样区域250、第一方向471、第二方向472、角度530及基本纸样区域的位置550。
在根据一实施例的图5中，可以示出纹理图像510。基本纸样区域250可以被包括在纹理图像510中。处理器1210可以确定基本纸样区域250的位置。根据一实施例的处理器1210可以基于基本纸样区域250的位置及重复方向信息124来确定第一方向471和第二方向472。根据一实施例的处理器1210可以基于重复数信息123和重复方向124来计算沿第一方向分布的多个子区域的第一重复数及沿第二方向472分布的多个子区域的第二重复数。
根据一实施例的处理器1210可以基于第一方向471、第二方向472、第一重复数及第二重复数来重复配置基本纸样区域，从而生成纹理图像510。例如，在图5中，沿第一方向471分布的子区域的第一重复数可以为7，而在图5中，沿第二方向472分布的子区的第二重复数可以为8。因此，可以沿第一方向重复总8个(基本纸样区域1个+子区域7个)基本纸样区域。此外，可以沿第二方向472重复总9个(基本纸样区域1个+子区域8个)基本纸样区域。因此，纹理图像510可以包括其中重复布置总共72个基本纸样区域250的图像。
根据一实施例，第一方向471和第二方向472之间可能存在角度530。
图6为示出根据一实施例的基于纸样校正信息来校正纹理图像的方法的附图。
图6示出了纹理图像130、基于纸样校正信息来校正纹理图像610及校正的纹理图像630。
根据一实施例的处理器1210可以基于纸样校正信息来校正纹理图像610。根据一实施例的纸样校正信息可以包括用于校正纸样错位所需的信息。如图6所示，当第一方向471和第二方向472之间的角度530不是直角时，纹理图像130中可能会出现纸样错位。因此，处理器1210可以将第一方向472和第二方472之间角度530转换为直角。
当沿第一方向471的第一基准线为曲线时，根据一实施例的处理器1210可以校正第一基准线，使其相对于所述第二方向垂直。例如，当输入图像110中包括的织物中存在曲线时，第一基准线可以是曲线。在这种情况下，处理器1210可以对作为曲线的第一基准线校正为直线。
当沿第二方向472的第二基准线为曲线时，根据一实施例的处理器1210可以校正第二基准线，使其相对于第一方向垂直。例如，当输入图像110中包括的织物中存在曲线时，第二基准线可以是曲线。在这种情况下，处理器1210可以对作为曲线的第二基准线校正为直线。
图7为示出根据一实施例的基于重叠区域信息来校正纹理图像的方法的附图。
图7示出了多个补丁710、730、750、770，选定区域中的多个补丁720、740、760、780，重新排列的多个补丁711、731、751、771，重新排列的选定区域中的多个补丁721、741、761、781，以及多个重叠区域780、781、782、783。
根据一实施例的处理器1210可以将纹理图像130分割为多个补丁。例如，补丁可以对应于一个基本纸样区域。作为另一示例，补丁可以包括多个基本纸样区域。当根据一实施例将纹理图像130分割为4个区域时，可以生成第一补丁710、第二补丁730、第三补丁750及第四补丁770。根据一实施例的纹理图像130可以具有与分析对象区域相同的尺寸。由于分析对象区域210包括选定区域230，因此可以基于选定区域230在纹理图像130中的位置信息来确定选定区域。当将纹理图像130分割为多个补丁时，根据一实施例的处理器1210可以基于选定区域230来执行分割。因此，第一补丁710可以被包括在与第一补丁710.对应的选定区域中。相应地，第二补丁730、第三补丁750及第四补丁770也可以被包括在选定区域中。
根据一实施例的处理器1210可以重新排列多个补丁。如701所示，根据一实施例的处理器1210可以将纹理图像130中包括的每个补丁重新排列为第一补丁711、第二补丁731、第三补丁751及第四补丁771。因此，如701所示，选定区域中的补丁720、740、760、780也可以重新排列为区域721、741、761、781。
在重新排列的第一补丁711、第二补丁731、第三补丁751和第四补丁771相互重叠的部分中，可以生成纸样不连续纸区域(例如，接缝线(seamline))。例如，通过重新排列，第一补丁711与第二补丁731之间、第一补丁711与第三补丁751之间、第二补丁731与第四补丁771之间以及第三补丁751与第四补丁771之间的区域可以重新重叠。当重复排列图7所示的图像700时，该相邻部分可以彼此相邻。因此，为了去除由于图像700的重复而产生的新相邻区域中出现的不连续纸样(例如，接缝线)，可以在第一补丁711与第二补丁731之间、第一补丁711与第三补丁751之间、第二补丁731与第四补丁771之间以及第三补丁751与第四补丁771之间生成重叠区域并进行合成。根据一实施例的处理器1210可以确定在第一补丁711与第二补丁731之间、第一补丁711与第三补丁751之间、第二补丁731与第四补丁771之间、以及第三补丁751与第四补丁771之间是否存在纸样不连续区域。如果存在纸样不连续区域，处理器1210则可以确定补丁的重叠区域。例如，当第一补丁711与第三补丁751之间存在纸样不连续区域时，处理器1210可以生成第二重叠区域781。并且，还可以重新排列补丁，使其与该第二重叠区域781重叠。可以对其他相邻区域执行相同的过程。例如，处理器1210可以生成第一补丁711与第二补丁731重叠的第三重叠区域782。作为另一示例，处理器1210可以生成第二补丁731与第四补丁771重叠的第四重叠区域783。作为另一示例，处理器1210可以生成第一重叠区域780，其中第三补丁751与第四补丁771重叠。
图8为示出根据一实施例的重叠区域的附图。
图8示出了补丁810、搜索重叠区域830及重叠区域850。
根据一实施例的处理器1210可以搜索补丁中的重叠区域。参照图8，处理器1210可以在补丁810中搜索重叠区域830。搜索结果可以如图8所示。因此，处理器12110可以使用针对搜索的重叠区域850的信息来重叠多个补丁。
图9为示出根据一实施例的通过去除重叠区域来生成校正后的纹理图像的方法的附图。
图9示出了第一补丁710、第二补丁730、第三补丁750、第四补丁770、重叠区域850及校正的纹理图像910。
根据一实施例的处理器1210可以基于重叠区域来重叠多个补丁。参照图9，处理器1210可以基于第一补丁710、第二补丁730、第三补丁750及第四补丁750的每个重叠区域850来重叠补丁。根据另一实施例的处理器1210可以基于重新排列的第一补丁711、第二补丁731、第三补丁751及第四补丁771的每个重叠区域850来重叠补丁。当根据另一实施例的处理器1210重叠多个补丁时，可以使用多图像合成方法来进行重叠。根据一实施例的多图像合成方法可以是指在合成由多相机获得的图像的过程中获得无边界噪声的图像匹配和合成结果的方法。
根据一实施例的处理器1210可以执行平滑操作以平滑重叠的补丁。根据一实施例的处理器1210可以使用多频段融合(multi-band blending)方法来平滑多个补丁。
图10为示出根据一实施例的基于亮度校正信息来校正纹理图像的方法的附图。
图10示出了亮度变化方向1010、第一补丁1011、第二补丁1012、亮度校正方向1020及亮度变化程度1030。
根据一实施例的处理器1210可以基于亮度校正信息143来校正纹理图像。将参照图10详细描述基于亮度校正信息143来校正纹理图像的方法。图10中所示的第一补丁1011和第二补丁1012可以各自具有不同的亮度。在这种情况下，如果补丁之间的亮度互不相同，则可能无法表示纹理图像的整体的自然的亮度变化。因此，可能需要对整个纹理图像应用均匀的亮度。因此，处理器1210可以使用亮度校正信息143来解决通过复制多个基本纸样区域250而处理的纹理图像的亮度不一致问题。根据一实施例的亮度校正信息141可以包括用于校正由照明引起的区域亮度不一致的信息。例如，如1030所示，亮度可能在左上角较高，但在右下角可能会变低。这种亮度变化趋势可以表示为亮度变化方向1010。因此，可能需要校正纹理图像中包括的补丁(或基本纸样区域)的亮度。
根据一实施例的处理器1210可以基于亮度校正信息143来校正多个基本纸样区域的亮度，以减少纹理图像中包括的多个基本纸样区域之间的亮度不一致。根据一实施例的处理器1210可以通过滑动窗口方式来校正基本纸样区域的亮度。例如，处理器1210可以根据亮度校正方向1020移动基本纸样区域，并以基本纸样区域为单位来校正亮度。
图11为示出根据一实施例的生成纹理的方法的流程图。
根据一实施例的电子装置1200(例如，图12的电子装置1200)可以确定1110输入图像中包括织物(fabric)的选定区域。
根据一实施例的电子装置1200可以基于选定区域来确定输入图像中的分析对象区域1120。
根据一实施例的电子装置1200可以生成分析对象区域的至少一部分的基本纸样区域与被包括在分析对象区域中的多个子区域之间的每个相似度信息(1130)。
根据一实施例的电子装置1200可以基于相似度信息生成基本纸样区域的重复数信息和基本纸样区域的重复方向信息中的至少一个(1140)。
根据一实施例的电子装置1200可以基于基本纸样区域、基本纸样区域的位置、重复数信息及重复方向信息中的至少一个，通过在预定区域中配置多个基本纸样区域来生成纹理图像(1160)。
图12为示出根据一实施例的反映纹理图像的3D服装模拟的附图。
图12示出了3D模拟屏幕1310、织物类型1320、尺寸1330、输入图像显示对象1350、纹理图像显示对象1360、输入图像和纹理图像显示对象1370、打开对象1390、存储对象1391、应用对象1392、取消对象1393及输入图像1380。
3D模拟屏幕1310可以是输出3D服装的屏幕，基于输入图像1380的纹理图像应用于该3D服装。根据一实施例的处理器1210可以基于纹理图像生成3D服装，并将3D模拟输出到屏幕1310。因此，当输入图像或纹理图像发生变化时，处理器1210可以生成与输入图像或纹理图像对应的3D服装，并将其输出到3D模拟屏幕1310。
织物类型1320可以是处理器1210能够接收用户输入的有关织物类型信息的对象。例如，用户可以通过织物类型1320输入织物类型。织物类型可以包括，例如，平布(Plain)、重复纸样(Repeat Pattern)、随机颜色纸样(Random Color Pattern)及非织物(Non-Fabric)等。
尺寸1330可以是显示输入图像或纹理图像尺寸的对象。
输入图像显示对象1350可以是用于将输入图像输出到屏幕的对象。当根据一实施例的处理器1210接收到输入图像显示对象1350的选择输入时，可以将输入图像1380输出到屏幕。
纹理图像显示对象1360可以是用于将纹理图像输出到屏幕的对象。将参照下面的图13a详细描述纹理图像显示对象1360。
输入图像和纹理图像显示对象1370可以是用于同时将输入图像和纹理图像输出到屏幕的对象。将参照下面的图13b详细描述输入图像和纹理图像显示对象1370。
打开对象1390可以是用于加载其他输入图像或纹理图像的对象。存储对象1391可以是用于存储当前输入图像或纹理图像的对象。应用对象1392可以是用于基于输入图像或纹理图像生成3D服装的对象。取消对象1393可以是用于停止基于输入图像或纹理图像生成3D服装的过程的对象。
图13a及图13b为示出根据一实施例的将输入图像和纹理图像中的至少一个输出到屏幕的方法的附图。
当接收到纹理图像显示对象1360的选择输入时，根据一实施例的处理器1210可以将纹理图像1410输出到屏幕。
当接收到输入图像和纹理图像显示对象1370的选择输入时，根据一实施例的处理器1210可以将输入图像1420和纹理图像1430输出到屏幕。
通过该过程，用户可以将输入图像和纹理图像中的至少一个输出到屏幕，并通过屏幕确认将输入图像和纹理图像中的至少一个应用到3D服装的模拟结果。
图14为示出根据一实施例的在3D服装模拟中调整纹理图像的尺寸的方法的附图。
图14示出了3D服装的部分区域1510、纹理图像1520、选定区域1530及对应于选定区域的纹理图像1540。
根据一实施例的处理器1210可以生成应用纹理图像的至少一部分区域的3D服装。用户只能将基于输入图像生成的纹理图像中的一部分区域用于服装设计。为此，处理器1210可以基于纹理图像的至少一部分来生成3D服装。此外，处理器1210可以在屏幕上输出模拟结果，其中3D分身穿着基于纹理图像的至少一部分而生成的3D服装。例如，处理器1210可以从用户接收选定区域1530，该区域是纹理图像1520的部分区域。处理器1210可以基于选定区域1530将对应于选定区域的纹理图像1540输出到屏幕。处理器1210可以基于对应于选定区域的纹理图像1540来生成3D服装，并可以将穿着该3D服装的3D分身输出到屏幕上。
根据一实施例的处理器1210可以调整纹理图像的尺寸。根据一实施例的处理器1210可以调整3D服装中表示的纹理图像的尺寸。当调整纹理图像的尺寸时，可以调整3D服装中表示的图案和纸样的大小。例如，处理器1210可以接收3D服装的部分区域1510的选择输入。3D服装的部分区域1510可以是一个纸样(例如，身体前方纸样)。根据一实施例的处理器1210可以相对于3D服装的部分区域1510调整纹理图像的尺寸。在这种情况下，可以调整3D服装的部分区域上显示的纹理图像的尺寸。例如，如果用户放大纹理图像，3D服装的部分区域上显示的纹理图像的尺寸可能会增大。如果纹理图像中包括纸样，则该纸样可能会变大。
图15为示出根据各种实施例的电子装置的框图。
图15为示出根据一实施例的电子装置的框图。参照图15，根据一实施例的电子装置1200包括存储器1220、处理器1210及通信接口1230。存储器1220、处理器1210及通信接口1230可以通过通信总线1240彼此连接。
存储器1220可以存储在上述处理器1210执行的处理过程中生成的各种信息。另外，存储器1220可以存储其他各种数据和程序等。存储器1220可以包括易失性或非易失性存储器。存储器1220可以包括大容量存储介质，例如硬盘等，并存储各种数据。
另外，处理器1210可以是由具有执行期望操作(desired operations)的物理结构的电路的硬件实现的数据处理设备。例如，期望的操作可以包括程序中包括的代码(code)或指令(instructions)。例如，由硬件实现的分类装置可以包括微处理器(microprocessor)、中央处理单元(Central Processing Unit，CPU)、图形处理器(GraphicProcessing Unit，GPU)、处理器内核(processor core)、多核处理器(multi-coreprocessor)、多处理器(multiprocessor)、专用集成电路(Application SpecificIntegrated Circuits，ASICS)、现场可编程门阵列(field programmable gate array，FPGA)及神经处理单元(Neural Processing Unit，NPU)等。
处理器1210可以执行程序，并控制自动股票交易装置。处理器1210执行的程序代码可以被存储在存储器1220中。
以上说明的实施例能够通过硬件构成要素、软件构成要素，和/或硬件构成要素及软件构成要素的组合实现。例如，实施例中说明的装置及构成要素，能够利用例如处理器、控制器、算术逻辑单元(arithmetic logic unit，ALU)、数字信号处理器(digital signalprocessor)、微型计算机、现场可编程阵列(field programmable array，FPA)、可编程逻辑单元(programmable logic unit，PLU)、微处理器、或能够执行与应答指令(instruction)的任何其他装置，能够利用一个以上的通用计算机或特殊目的计算机进行体现。处理装置能够执行操作系统(OS)及在所述操作系统中执行的一个以上的应用软件。并且，处理装置应答软件的执行，从而访问、存储、操作、处理及生成数据。为方便理解，说明为仅具有一个处理装置的方式，但本领域普通技术人员应理解处理装置能够包括多个处理元件(processing element)和/或多个类型的处理要素。例如，处理装置能够包括多个处理器或一个处理器及一个控制器。并且，也能够包括类似于并行处理器(parallel processor)的其他处理配置(processing configuration)。
软件能够包括计算机程序(computer program)、代码(code)、指令(instruction)，或其中的一个以上的组合，能够使加工装置按照所期待的方式操作，或者，单独或共同(collectively)命令加工装置。为通过加工装置进行解释或者向加工装置提供命令或数据，软件和/或数据能够永久或临时体现于(embody)任何类型的设备、构成要素(component)、物理装置、虚拟装置(virtual equipment)、计算机存储介质或装置，或者传送的信号波(signal wave)。软件分布于通过网络连接的计算机系统上，能够以分布式存储或执行。软件及数据能够存储于一个以上的计算机读写存储介质中。
根据实施例的方法以能够通过多种计算机手段执行的程序命令的形式体现，并记录在计算机读写介质中。所述计算机读写介质能够以单独或者组合的形式包括程序命令、数据文件、数据结构等。记录在所述介质的程序指令能够是为实现实施例而特别设计与构成的指令，或者是计算机软件领域普通技术人员能够基于公知使用的指令。计算机读写记录介质能够包括硬盘、软盘以及磁带等磁性媒介(magnetic media)；与CD-ROM、DVD等类似的光学媒介(optical media)；与光磁软盘(floptical disk)类似的磁光媒介(magneto-optical media)，以及与只读存储器(ROM)、随机存取存储器(RAM)、闪存等类似的为存储并执行程序命令而特别构成的硬件装置。程序指令的例子不仅包括通过编译器生成的机器语言代码，还包括通过使用解释器等能够由计算机执行的高级语言代码。
为执行实施例的操作，所述硬件装置能够构成为以一个以上的软件模块实现操作的方式，反之亦然。
综上，通过有限的附图对实施例进行了说明，本领域普通技术人员能够基于所述记载进行多种更改与应变。例如，所说明的技术按照与说明的方法不同的顺序执行，和/或所说明的系统、结构、装置、电路等构成要素按照与说明的方法不同的形态进行结合或组合，或者由其他构成要素或者等同物置换或代替，也能得到适当的结果。
由此，其他体现，其他实施例以及权利要求范围的等同物，均属于本发明的权利要求范围。

Claims (20)

1.一种生成虚拟织物的纹理图像的方法，其特征在于，
包括以下步骤：
生成被包括在分析对象区域中的基本纸样与分割所述分析对象区域的多个子区域之间的每个相似度信息；
基于所述相似度信息生成所述基本纸样的重复数信息和所述基本纸样的重复方向信息中的至少一个；以及
基于所述基本纸样、所述重复数信息及所述重复方向信息，在预定区域中排列多个基本纸样，从而生成虚拟织物的纹理图像。
2.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述分析对象区域包括基于由用户输入在包括织物的输入图像中确定的选定区域来确定的区域。
3.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
还包括以下步骤：
基于纸样校正信息、重叠区域信息及亮度校正信息中的至少一个来校正所述纹理图像。
4.根据权利要求2所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述选定区域包括基于用户在所述输入图像中输入的信息来确定的区域。
5.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述选定区域包括在所述纹理图像中包括作为重复对象的基本纸样的区域。
6.根据权利要求2所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述输入图像包括彩色图像和正常图像中的至少一个，
所述相似度信息基于以下中的至少一个来确定：
所述彩色图像中的所述基本纸样与作为所述选定区域的至少一部分的多个子区域之间的每个第一相似度信息；以及
所述正常图像中的所述基本纸样与作为所述选定区域的至少一部分的多个子区域之间的每个第二相似度信息。
7.根据权利要求5所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述相似度信息基于所述第一相似度信息和所述第二相似度信息的加权和来确定。
8.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述重复数信息包括关于所述分析对象区域中与所述基本纸样的相似度为预定标准以上的子区域的数量有关的信息。
9.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述重复方向信息包括方向相关信息，所述方向基于在所述分析对象区域中与所述基本纸样的相似度为预定标准以上的子区域的分布方向来确定。
10.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
所述重复方向信息，包括：
第一方向，其基于基本纸样的位置，分布与所述基本纸样的相似度为预定标准以上的子区域；以及
第二方向，其基于基本纸样的位置，分布与所述基本纸样的相似度为预定标准以上的子区域。
11.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
生成所述纹理图像的步骤，包括以下步骤：
确定基本纸样的位置；
基于所述基本纸样的位置及所述重复方向信息来确定第一方向及第二方向；
基于所述重复数信息及所述重复方向信息，计算沿第一方向分布的多个子区域的第一重复数及沿第二方向分布的多个子区域的第二重复数；以及
基于所述第一方向、所述第二方向、第一重复数及第二重复数来重复排列所述基本纸样，从而生成纹理图像。
12.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
生成所述重复数信息及所述重复方向信息中的至少一个的步骤，包括以下步骤：
模糊处理所述相似度信息以消除噪声；
基于所述模糊处理的相似度信息，仅提取相似度为阈值以上的区域；
使用快速傅里叶变换来变换仅提取所述阈值以上的区域的相似度信息；以及
基于所述变换的相似度信息来获取所述重复数信息及所述重复方向信息中的至少一个。
13.根据权利要求3所述的生成虚拟织物的纹理图像的方法，其特征在于，
基于所述纸样校正信息来校正所述纹理图像的步骤，包括以下步骤：
将第一方向与第二方向之间的角度转换为垂直；
基于所述第一方向及所述第二方向来对准布置在所述生成的纹理图像中的多个基本纸样；
当沿所述第一方向的第一基准线为曲线时，校正所述第一基准线为直线，以使所述第一基准线相对于所述第二方向垂直；以及
当沿所述第二方向的第二基准线为曲线时，校正所述第二基准线为直线，以使所述第二基准线相对于所述第一方向垂直。
14.根据权利要求3所述的生成虚拟织物的纹理图像的方法，其特征在于，
基于所述重叠区域信息来校正所述纹理图像的步骤，包括以下步骤：
将所述纹理图像分割为多个补丁；
重新排列所述多个补丁；
在所述重新排列的多个补丁相互接触的区域中判断是否存在纸样不连续区域；
基于所述纸样不连续区域的存在与否，确定所述多个补丁的重叠区域；以及
基于所述重叠区域来重叠所述多个补丁。
15.根据权利要求14所述的生成虚拟织物的纹理图像的方法，其特征在于，
还包括以下步骤：
使用多频段融合方法来平滑所述多个补丁。
16.根据权利要求3所述的生成虚拟织物的纹理图像的方法，其特征在于，
基于所述亮度校正信息来校正所述纹理图像的步骤，包括以下步骤：
基于所述亮度校正信息来校正所述多个基本纸样的亮度，以解决所述纹理图像中包括的所述多个基本纸样之间的亮度不一致。
17.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
还包括以下步骤：
将在3D分身上穿戴根据所述纹理图像生成的3D服装的模拟结果输出到屏幕。
18.根据权利要求1所述的生成虚拟织物的纹理图像的方法，其特征在于，
还包括以下步骤：
接收与控制所述纹理图像的尺寸有关的用户输入；以及
根据对所述纹理图像的尺寸控制输入，控制3D服装上表示的纹理图像的尺寸。
19.一种与硬件结合存储在计算机可读记录介质中的计算机程序，以执行权利要求1所述的方法。
20.一种电子装置，其特征在于，
包括处理器，
所述处理器被配置为：
生成被包括在分析对象区域中的基本纸样与分割所述分析对象区域的多个子区域之间的每个相似度信息；
基于所述相似度信息生成所述基本纸样的重复数信息和所述基本纸样的重复方向信息中的至少一个；以及
基于所述基本纸样、所述重复数信息及所述重复方向信息，在预定区域中排列多个基本纸样，从而生成虚拟织物的纹理图像。
CN202280004727.XA 2021-07-07 2022-07-06 纹理图像生成方法及装置 Pending CN115803787A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
KR20210088927 2021-07-07
KR10-2021-0088927 2021-07-07
KR10-2022-0082625 2022-07-05
KR1020220082625A KR20230008621A (ko) 2021-07-07 2022-07-05 텍스처 영상 생성 방법 및 장치
PCT/KR2022/009747 WO2023282614A1 (ko) 2021-07-07 2022-07-06 텍스처 영상 생성 방법 및 장치

Publications (1)

Publication Number Publication Date
CN115803787A true CN115803787A (zh) 2023-03-14

Family

ID=84800760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280004727.XA Pending CN115803787A (zh) 2021-07-07 2022-07-06 纹理图像生成方法及装置

Country Status (4)

Country Link
US (1) US20230245367A1 (zh)
EP (1) EP4191536A1 (zh)
CN (1) CN115803787A (zh)
WO (1) WO2023282614A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030055A (zh) * 2023-03-29 2023-04-28 凯尔菱电（山东）电梯有限公司 一种电梯相关配件质量检测方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116385705B (zh) * 2023-06-06 2023-08-29 北京智拓视界科技有限责任公司 用于对三维数据进行纹理融合的方法、设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8908962B2 (en) * 2011-09-30 2014-12-09 Ebay Inc. Item recommendations using image feature data
KR101806840B1 (ko) * 2016-12-15 2017-12-11 인천대학교 산학협력단 다수의 카메라를 이용한 고해상도 ３６０도 동영상 생성 시스템
KR20190037636A (ko) * 2017-09-29 2019-04-08 윤영웅 원단별 웹브라우저 미리보기를 위한 이미지 분석 방법 및 서버

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116030055A (zh) * 2023-03-29 2023-04-28 凯尔菱电（山东）电梯有限公司 一种电梯相关配件质量检测方法

Also Published As

Publication number Publication date
EP4191536A1 (en) 2023-06-07
WO2023282614A1 (ko) 2023-01-12
US20230245367A1 (en) 2023-08-03
TW202320020A (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN115803787A (zh) 纹理图像生成方法及装置
Gao et al. Flow-edge guided video completion
CN109509146B (zh) 图像拼接方法及装置、存储介质
US8867784B2 (en) Apparatus and method for detecting a vertex of an image
Beyeler OpenCV with Python blueprints
US11416978B2 (en) Image processing apparatus, control method and non-transitory computer-readable recording medium therefor
AU2019200269B2 (en) An interactive user interface and its corresponding engine for improving image completion quality
TWI842007B (zh) 產生虛擬織物之紋理影像之方法、與硬體結合儲存在電腦可讀記錄媒體中之電腦程式及電子裝置
CN112426711A (zh) Bloom效果处理的方法、系统、电子装置和存储介质
US11830177B2 (en) Image processing apparatus, control method and non-transitory computer-readable recording medium therefor
CN109063601A (zh) 唇纹检测方法、装置、计算机设备和存储介质
KR20230008621A (ko) 텍스처 영상 생성 방법 및 장치
CN112543950B (zh) 图像处理装置、图像处理方法及计算机可读取的记录介质
CN110140148A (zh) 在从多个相机得到的图像中对接缝进行多频带混合的方法和装置
US10586311B2 (en) Patch validity test
JP5563390B2 (ja) 画像処理装置およびその制御方法、及びプログラム
JP4123548B2 (ja) 刺繍データ処理装置及び記録媒体
Nakov et al. Parallel image stitching based on multithreaded processing on gpu
CN111063001A (zh) 图片合成方法、装置、电子设备以及存储介质
JP4346620B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US20220366531A1 (en) Method and apparatus with image display
CN116362973B (zh) 图案拼接方法、设备及存储介质
WO2024142361A1 (ja) 映像合成装置、映像合成方法、及び映像合成プログラム
Sawicki et al. Geometrical Picture Integration in SEMI-CAVE Virtual Reality.
Stirb Highlight image filter significantly improves optical character recognition on text images

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: 42nd Floor, Jiangnan Financial Center, 152 Teheran Road, Jiangnan District, Seoul, South Korea

Applicant after: Kelou virtual Fashion Co.,Ltd.

Address before: 17-4, 8th Street, Doosan Road, Jiangnan District, Seoul, Korea

Applicant before: Kelou virtual Fashion Co.,Ltd.

CB02 Change of applicant information
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40086378

Country of ref document: HK