CN116797450B - 基于曲线的图像风格化方法 - Google Patents

基于曲线的图像风格化方法 Download PDF

Info

Publication number
CN116797450B
CN116797450B CN202311095482.9A CN202311095482A CN116797450B CN 116797450 B CN116797450 B CN 116797450B CN 202311095482 A CN202311095482 A CN 202311095482A CN 116797450 B CN116797450 B CN 116797450B
Authority
CN
China
Prior art keywords
square
image
area
current
curve
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
CN202311095482.9A
Other languages
English (en)
Other versions
CN116797450A (zh
Inventor
刘圣军
左卜雷
默罕默德·阿卜杜拉·诺孟
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.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202311095482.9A priority Critical patent/CN116797450B/zh
Publication of CN116797450A publication Critical patent/CN116797450A/zh
Application granted granted Critical
Publication of CN116797450B publication Critical patent/CN116797450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于曲线的图像风格化方法，包括获取目标图像及数据信息并预处理；确定灰度分级阈值；在预处理图像上的每个单元内进行递归细分得到不同层级的区域；遍历图像中的所有单元，确定每个单元内不同正方形区域的连接顺序，并插入过渡曲线连接每个单元中的正方形区域；根据得到的图像数据信息完成目标图像的风格化。本发明能够采用一条曲线来实现正方形空间的填充和图像内容进行表征，而且不出现曲线自相交的情况，同时也未添加过多的纹理特征；因此本发明方法的可靠性更高，得到的图像更为自然，而且图像质量更好。

Description

基于曲线的图像风格化方法
技术领域
本发明属于图像处理领域，具体涉及一种基于曲线的图像风格化方法。
背景技术
随着经济技术的发展和人们生活水平提高，计算机视觉技术已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。
图像风格化是计算机视觉技术的重要组成部分；图像风格化方案，能够使得处理后的原始图像具有与参考艺术图像相同或类似的艺术风格，从而极大的提高原始图像的美观度和观赏性。因此，图像风格化方案，在游戏图像处理、VR图像处理等计算机视觉领域，有着极为广泛的应用。
现有的图像风格化方案，一般都是基于深度学习方案来实现；该类方案通过定义一种生成网络，并基于数据驱动实现生成网络的优化，最后在优化后的生成网络上进行图像的风格化处理。但是，这类基于深度学习的图像风格化方案，在输出图像上增加了过多的纹理特征，使得风格化后的图像不自然，风格化后的图像质量相对较差，而且可靠性也较差。
发明内容
本发明的目的在于提供一种可靠性高、图像更为自然且图像质量较好的基于曲线的图像风格化方法。
本发明提供的这种基于曲线的图像风格化方法，包括如下步骤：
S1. 获取目标图像及图像对应的数据信息；
S2. 对步骤S1获取的目标图像进行图像预处理；所述的预处理包括将图像转换为灰度图像和调整图像大小；
S3. 基于灰度直方图算法，确定灰度分级阈值；
S4. 根据预处理图像的灰度值和步骤S3得到的灰度分级阈值，在预处理图像上的每个单元内进行递归细分，得到不同层级的区域；
S5. 根据步骤S4得到的图像数据信息，遍历图像中的所有单元，确定每个单元内不同正方形区域的连接顺序，并插入过渡曲线连接每个单元中的正方形区域；
S6. 获取步骤S5得到的图像数据信息，完成目标图像的风格化。
所述的步骤S1，具体包括如下步骤：
获取目标图像，并由用户指定使用的最大曲线层数N，目标图像的横向单元数为/>，目标图像的纵向单元数为/>。
所述的步骤S2，具体包括如下步骤：
计算目标图像的亮度值，并根据亮度值将彩色的目标图像转换为灰度图像；
将灰度图像进行大小调整：整后目标图像的大小为，共包括个/>大小的单元。
所述的步骤S3，具体包括如下步骤：
确定的灰度分级阈值表示为，其中/>为第0个灰度阈值且/>，/>为第N个灰度阈值且/>；然后，基于灰度直方图算法，确定剩余的灰度分级阈值/>，iii取值为/>。
所述的步骤S4，具体包括如下步骤：
获取当前单元的数据信息，获取的数据信息表示为一个三元组，该三元组/>确定一个正方形区域，其中/>表示当前单元的正方形区域中左下角的坐标，i为当前单元的正方形区域的层级，且当前单元的正方形区域的边长为/>；
采用如下步骤，对当前单元进行递归细分，得到不同层级的区域：
A. 根据当前区域内像素与灰度阈值的平均误差，判定当前区域是否需要细分：若不需要细分，则将当前区域内的所有像素记录为属于当前区域，本步骤S4完成；若需要细分，则进行后续步骤；
B. 将当前区域划分为四个大小相等的子区域；
C. 依次将各个子区域作为当前区域；
D. 重复步骤A~C直至当前区域的边长小于或等于一个像素，完成对当前单元的递归细分；
E. 记录所有像素所归属的正方形区域的编号。
所述的步骤A，具体包括如下步骤：
对于当前的正方形区域，采用如下算式计算得到当前区域与当前等级的误差/>：
式中为原始图像的灰度值；/>为当前等级所对应的灰度分级阈值；
对于当前的正方形区域，采用如下算式计算得到当前区域与下一等级的误差/>：/>式中/>为下一等级所对应的灰度分级阈值；
对计算得到的误差和/>进行比较：
若，则判定当前区域不需要进行细分；
若，则判定当前区域需要进行细分。
所述的步骤E，具体包括如下步骤：
对所有正方形区域进行编号，得到正方形区域队列；
对图像中的所有像素进行标号，得到像素归属矩阵P，像素归属矩阵P记录了图像中每个像素属于的正方形区域的编号。
所述的步骤S5，具体包括如下步骤：
（1）按照设定的规则，遍历图中所有的单元；
（2）计算希尔伯特曲线的编码矩阵，并根据像素归属矩阵P，确定每个单元内不同正方形区域的连接顺序；
（3）采用过渡曲线连接每个单元中的正方形区域，所述的过渡曲线仅由水平线和竖直线构成。
所述的步骤（1），具体为按照奇数行从左到右、偶数行从右到左的顺序，遍历图中的所有单元。
所述的步骤（2），具体包括如下步骤：
初始化正方形区域遍历队列Q；
计算希尔伯特曲线的编码矩阵：依次遍历当前单元内的各个像素，第一层曲线对应的编码矩阵/>，第i层曲线对应的编码矩阵/>为，其中/>为/>的转置，/>表示矩阵/>沿反对角线的转置矩阵；
对于每一个像素，根据归属矩阵P确定该像素所属的正方形区域：若该区域还没有被加入到队列中，则将对应的正方形区域加入到正方形区域遍历队列Q中；
最终，正方形区域遍历队列Q中的顺序，为每个单元内不同正方形区域的连接顺序。
所述的步骤（3），具体包括如下步骤：
按照正方形区域遍历队列Q中的顺序，连接正方形区域的中心点；
连接过程中，若存在j，使得正方形区域遍历队列Q中第j个正方形区域的层级与第j+1个正方形区域的层级不一致，则将第j个正方形区域和第j+1个正方形区域中面积较小的正方形区域，与面积较大的正方形区域相邻的边的中点作为过渡点；依次连接面积较小的正方形区域的中点、过渡点和面积较大的正方形区域的中点；
在连接过程中，采用过渡曲线进行连接；所述的过渡曲线仅由水平线和竖直线构成，且过渡曲线的总长度最短。
本发明提供的这种基于曲线的图像风格化方法，能够采用一条曲线来实现正方形空间的填充和图像内容进行表征，而且不出现曲线自相交的情况，同时也未添加过多的纹理特征；因此本发明方法的可靠性更高，得到的图像更为自然，而且图像质量更好。
附图说明
图1为本发明的方法流程示意图。
图2为本发明方法的风格化效果示意图。
具体实施方式
如图1所示为本发明的方法流程示意图：本发明的这种图像风格化方法，使用一根不间断、不自交的分段线性曲线对固定颜色的背景进行填充以产生最终的风格化结果，并且其中使用的曲线具有固定的粗细和固定的颜色；因此，本发明公开的这种基于曲线的图像风格化方法，包括如下步骤：
S1. 获取目标图像及图像对应的数据信息；具体包括如下步骤：
获取目标图像，并由用户指定使用的最大曲线层数N，目标图像的横向单元数为/>，目标图像的纵向单元数为/>；
S2. 对步骤S1获取的目标图像进行图像预处理；所述的预处理包括将图像转换为灰度图像和调整图像大小；具体包括如下步骤：
计算目标图像的亮度值，并根据亮度值将彩色的目标图像转换为灰度图像；
将灰度图像进行大小调整：将目标图像的每个单元调整为边长为的正方形；调整后目标图像的大小为/>，共包括/>个/>大小的单元；
S3. 基于灰度直方图算法，确定灰度分级阈值；具体包括如下步骤：
确定的灰度分级阈值表示为，其中/>为第0个灰度阈值且/>，/>为第N个灰度阈值且/>；然后，基于灰度直方图算法，确定剩余的灰度分级阈值/>，iii取值为/>；
S4. 根据预处理图像的灰度值和步骤S3得到的灰度分级阈值，在预处理图像上的每个单元内进行递归细分，得到不同层级的区域；具体包括如下步骤：
获取当前单元的数据信息，获取的数据信息表示为一个三元组，该三元组/>确定一个正方形区域，其中/>表示当前单元的正方形区域中左下角的坐标，i为当前单元的正方形区域的层级，且当前单元的正方形区域的边长为/>；
采用如下步骤，对当前单元进行递归细分，得到不同层级的区域：
A. 根据当前区域内像素与灰度阈值的平均误差，判定当前区域是否需要细分：若不需要细分，则将当前区域内的所有像素记录为属于当前区域，本步骤S4完成；若需要细分，则进行后续步骤；具体包括如下步骤：
对于当前的正方形区域，采用如下算式计算得到当前区域与当前等级的误差/>：/>式中/>为原始图像的灰度值；/>为当前等级所对应的灰度分级阈值；
对于当前的正方形区域，采用如下算式计算得到当前区域与下一等级的误差/>：/>式中/>为下一等级所对应的灰度分级阈值；
对计算得到的误差和/>进行比较：
若，则判定当前区域不需要进行细分；
若，则判定当前区域需要进行细分；
B. 将当前区域划分为四个大小相等的子区域；具体实施时，对于一个正方形区域，划分得到4个等大小的子区域，用三元组表示为/>、、/> 和/>；
C. 依次将各个子区域作为当前区域；在每一个子区域的迭代中，都会返回一个矩阵，其大小为，表示在子区域中每一个像素所属的正方形区域的编号；得到四个子区域所对应的矩阵/>后，将这四个矩阵进行拼接，可以得到一个大小为/>的矩阵M，用于表示当前区域中每一个像素所属的正方形区域编号；每次迭代时，都记录该矩阵M；
D. 重复步骤A~C直至当前区域的边长小于或等于一个像素，完成对当前单元的递归细分；
E. 记录所有像素所归属的正方形区域的编号；具体包括如下步骤：
对所有正方形区域进行编号，得到正方形区域队列；
对图像中的所有像素进行标号，得到像素归属矩阵P，像素归属矩阵P记录了图像中每个像素属于的正方形区域的编号；
S5. 根据步骤S4得到的图像数据信息，遍历图像中的所有单元，确定每个单元内不同正方形区域的连接顺序，并插入过渡曲线连接每个单元中的正方形区域；具体包括如下步骤：
（1）按照设定的规则，遍历图中所有的单元；具体实施时，可以按照奇数行从左到右、偶数行从右到左的顺序，遍历图中的所有单元；
（2）计算希尔伯特曲线的编码矩阵，并根据像素归属矩阵P，确定每个单元内不同正方形区域的连接顺序；具体包括如下步骤：
初始化正方形区域遍历队列Q；
计算希尔伯特曲线的编码矩阵：依次遍历当前单元内的各个像素，第一层曲线对应的编码矩阵/>，第i层曲线对应的编码矩阵/>为，其中/>为/>的转置，/>表示矩阵/>沿反对角线的转置矩阵；
对于每一个像素，根据归属矩阵P确定该像素所属的正方形区域：若该区域还没有被加入到队列中，则将对应的正方形区域加入到正方形区域遍历队列Q中；
最终，正方形区域遍历队列Q中的顺序，为每个单元内不同正方形区域的连接顺序；
（3）采用过渡曲线连接每个单元中的正方形区域，所述的过渡曲线仅由水平线和竖直线构成；具体包括如下步骤：
按照正方形区域遍历队列Q中的顺序，连接正方形区域的中心点；
连接过程中，若存在j，使得正方形区域遍历队列Q中第j个正方形区域的层级与第j+1个正方形区域的层级不一致，则将第j个正方形区域和第j+1个正方形区域中面积较小的正方形区域，与面积较大的正方形区域相邻的边的中点作为过渡点；依次连接面积较小的正方形区域的中点、过渡点和面积较大的正方形区域的中点；
在连接过程中，采用过渡曲线进行连接；所述的过渡曲线仅由水平线和竖直线构成，且过渡曲线的总长度最短；
S5. 获取步骤S5得到的图像数据信息，完成目标图像的风格化。
如图2所示为本发明方法在测试图片上的风格化效果示意图，其中所有的测试结果使用的曲线层数均为4层；通过图2可以看到，对于不同类型的图片，如人、动物等，本方法生成的类希尔伯特曲线均能够较好地表现图像的灰度变化以及细节特征，同时本方法实现效果中曲线分布均匀整齐，视觉效果良好，并且不同层级曲线交界处产生的边界线能够较好地保留图像的边缘信息，例如图像中人物的五官以及动物的条纹都可以通过本发明方法进行清晰展现，达到了简洁但图像信息清晰完整，得到具有优秀视觉效果的图像风格化结果。
本发明的这种图像风格化方法，适用于在工业生产中利用线状纹理对图像进行表示，以增加工业制品的美观性，特别是在纹理颜色不可变的情况下，本方法具有更强的优异性，如在3D打印中可以利用该方法生成的曲线在打印出的模型表面生成较为美观的纹理；另外，还可以用于生成窗格、屏风等产品。

Claims (3)

1.一种基于曲线的图像风格化方法，其特征在于包括如下步骤：
S1. 获取目标图像及图像对应的数据信息；
S2. 对步骤S1获取的目标图像进行图像预处理；所述的预处理包括将图像转换为灰度图像和调整图像大小；
S3. 基于灰度直方图算法，确定灰度分级阈值；具体包括如下步骤：
确定的灰度分级阈值表示为，其中/>为第0个灰度阈值且/>，/>为第N个灰度阈值且/>；然后，基于灰度直方图算法，确定剩余的灰度分级阈值/>，iii取值为/>；
S4. 根据预处理图像的灰度值和步骤S3得到的灰度分级阈值，在预处理图像上的每个单元内进行递归细分，得到不同层级的区域；具体包括如下步骤：
获取当前单元的数据信息，获取的数据信息表示为一个三元组，该三元组确定一个正方形区域，其中/>表示当前单元的正方形区域中左下角的坐标，i为当前单元的正方形区域的层级，且当前单元的正方形区域的边长为/>；
采用如下步骤，对当前单元进行递归细分，得到不同层级的区域：
A. 根据当前区域内像素与灰度阈值的平均误差，判定当前区域是否需要细分：若不需要细分，则将当前区域内的所有像素记录为属于当前区域，本步骤S4完成；若需要细分，则进行后续步骤；具体包括如下步骤：
对于当前的正方形区域，采用如下算式计算得到当前区域与当前等级的误差：/>式中/>为原始图像的灰度值；为当前等级所对应的灰度分级阈值；
对于当前的正方形区域，采用如下算式计算得到当前区域与下一等级的误差：/>式中/>为下一等级所对应的灰度分级阈值；
对计算得到的误差和/>进行比较：
若，则判定当前区域不需要进行细分；
若，则判定当前区域需要进行细分；
B. 将当前区域划分为四个大小相等的子区域；
C. 依次将各个子区域作为当前区域；
D. 重复步骤A~C直至当前区域的边长小于或等于一个像素，完成对当前单元的递归细分；
E. 记录所有像素所归属的正方形区域的编号；具体包括如下步骤：
对所有正方形区域进行编号，得到正方形区域队列；
对图像中的所有像素进行标号，得到像素归属矩阵P，像素归属矩阵P记录了图像中每个像素属于的正方形区域的编号；
S5. 根据步骤S4得到的图像数据信息，遍历图像中的所有单元，确定每个单元内不同正方形区域的连接顺序，并插入过渡曲线连接每个单元中的正方形区域；具体包括如下步骤：
（1）按照设定的规则，遍历图中所有的单元；具体为按照奇数行从左到右、偶数行从右到左的顺序，遍历图中的所有单元；
（2）计算希尔伯特曲线的编码矩阵，并根据像素归属矩阵P，确定每个单元内不同正方形区域的连接顺序；具体包括如下步骤：
初始化正方形区域遍历队列Q；
计算希尔伯特曲线的编码矩阵：依次遍历当前单元内的各个像素，第一层曲线对应的编码矩阵/>，第i层曲线对应的编码矩阵/>为/>，其中/>为/>的转置，/>表示矩阵/>沿反对角线的转置矩阵；
对于每一个像素，根据归属矩阵P确定该像素所属的正方形区域：若该区域还没有被加入到队列中，则将对应的正方形区域加入到正方形区域遍历队列Q中；
最终，正方形区域遍历队列Q中的顺序，为每个单元内不同正方形区域的连接顺序；
（3）采用过渡曲线连接每个单元中的正方形区域，所述的过渡曲线仅由水平线和竖直线构成；具体包括如下步骤：
按照正方形区域遍历队列Q中的顺序，连接正方形区域的中心点；
连接过程中，若存在j，使得正方形区域遍历队列Q中第j个正方形区域的层级与第j+1个正方形区域的层级不一致，则将第j个正方形区域和第j+1个正方形区域中面积较小的正方形区域，与面积较大的正方形区域相邻的边的中点作为过渡点；依次连接面积较小的正方形区域的中点、过渡点和面积较大的正方形区域的中点；
在连接过程中，采用过渡曲线进行连接；所述的过渡曲线仅由水平线和竖直线构成，且过渡曲线的总长度最短；
S6. 获取步骤S5得到的图像数据信息，完成目标图像的风格化。
2.根据权利要求1所述的基于曲线的图像风格化方法，其特征在于所述的步骤S1，具体包括如下步骤：
获取目标图像，并由用户指定使用的最大曲线层数N，目标图像的横向单元数为/>，目标图像的纵向单元数为/>。
3.根据权利要求2所述的基于曲线的图像风格化方法，其特征在于所述的步骤S2，具体包括如下步骤：
计算目标图像的亮度值，并根据亮度值将彩色的目标图像转换为灰度图像；
将灰度图像进行大小调整：整后目标图像的大小为，共包括/>个大小的单元。
CN202311095482.9A 2023-08-29 2023-08-29 基于曲线的图像风格化方法 Active CN116797450B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311095482.9A CN116797450B (zh) 2023-08-29 2023-08-29 基于曲线的图像风格化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311095482.9A CN116797450B (zh) 2023-08-29 2023-08-29 基于曲线的图像风格化方法

Publications (2)

Publication Number Publication Date
CN116797450A CN116797450A (zh) 2023-09-22
CN116797450B true CN116797450B (zh) 2023-11-10

Family

ID=88046849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311095482.9A Active CN116797450B (zh) 2023-08-29 2023-08-29 基于曲线的图像风格化方法

Country Status (1)

Country Link
CN (1) CN116797450B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118279436B (zh) * 2024-05-30 2024-08-13 中南大学 基于线框表示的图像风格化方法、系统及百叶窗生产方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6636216B1 (en) * 1997-07-15 2003-10-21 Silverbrook Research Pty Ltd Digital image warping system
JP2012230663A (ja) * 2011-04-11 2012-11-22 Canon Inc 画像処理装置および画像処理方法
CN107240141A (zh) * 2017-05-19 2017-10-10 华南理工大学 一种基于图像处理的纸张纤维素纤维二维结构重建方法
CN109584371A (zh) * 2018-12-07 2019-04-05 中南大学 空间曲线覆盖三角网格曲面的方法
CN109754386A (zh) * 2019-01-15 2019-05-14 哈尔滨工程大学 一种递进式前视声纳图像融合方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019237045A1 (en) * 2018-06-08 2019-12-12 Digimarc Corporation Generating signal bearing art using stipple, voronoi and delaunay methods and reading same

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6636216B1 (en) * 1997-07-15 2003-10-21 Silverbrook Research Pty Ltd Digital image warping system
JP2012230663A (ja) * 2011-04-11 2012-11-22 Canon Inc 画像処理装置および画像処理方法
CN107240141A (zh) * 2017-05-19 2017-10-10 华南理工大学 一种基于图像处理的纸张纤维素纤维二维结构重建方法
CN109584371A (zh) * 2018-12-07 2019-04-05 中南大学 空间曲线覆盖三角网格曲面的方法
CN109754386A (zh) * 2019-01-15 2019-05-14 哈尔滨工程大学 一种递进式前视声纳图像融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
空间采样点的隐式曲面表示与优化;刘圣军;韩旭里;金小刚;;中国图象图形学报(第03期);全文 *

Also Published As

Publication number Publication date
CN116797450A (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN110211192B (zh) 一种基于深度学习的三维模型到二维图像的渲染方法
CN112669447B (zh) 一种模型头像创建方法、装置、电子设备和存储介质
CN108875935B (zh) 基于生成对抗网络的自然图像目标材质视觉特征映射方法
CN116797450B (zh) 基于曲线的图像风格化方法
Thasarathan et al. Automatic temporally coherent video colorization
US11727628B2 (en) Neural opacity point cloud
CN111986075B (zh) 一种目标边缘清晰化的风格迁移方法
US20050248582A1 (en) Dynamic wrinkle mapping
CN115512073A (zh) 基于可微分渲染下多阶段训练的三维纹理网格重建方法
CN108197555B (zh) 一种基于人脸追踪的实时人脸融合方法
CN109003287A (zh) 基于改进遗传算法的图像分割方法
CN111899295A (zh) 一种基于深度学习的单目场景深度预测方法
CN104822030B (zh) 一种基于图像变形的不规则视频矩形化矫正方法
CN114359269A (zh) 基于神经网络的虚拟食品盒缺陷生成方法及系统
CN115862131A (zh) 一种用于人体运动识别的视频数据筛选方法
Chen et al. Image vectorization with real-time thin-plate spline
CN114881879A (zh) 一种基于亮度补偿残差网络的水下图像增强方法
CN111311517B (zh) 基于抠图的颜色校正优化方法
CN111369435B (zh) 基于自适应稳定模型的彩色图像深度上采样方法及系统
JP4392082B2 (ja) 彫版風ハーフトーン画像生成方法・装置
CN117078556A (zh) 一种水域自适应水下图像增强方法
CN115984510A (zh) 一种风格化人脸纹理建模方法及系统、设备、存储介质
CN114882197B (zh) 一种基于图神经网络的高精度三维人脸重建方法
CN107270875B (zh) 运动模糊效应下的视觉特征三维重建方法
CN115082640A (zh) 基于单张图像的3d人脸模型纹理重建方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant