CN117274452A - 一种生成图像绘制过程动画的方法、系统、计算设备及存储介质 - Google Patents
一种生成图像绘制过程动画的方法、系统、计算设备及存储介质 Download PDFInfo
- Publication number
- CN117274452A CN117274452A CN202311033564.0A CN202311033564A CN117274452A CN 117274452 A CN117274452 A CN 117274452A CN 202311033564 A CN202311033564 A CN 202311033564A CN 117274452 A CN117274452 A CN 117274452A
- Authority
- CN
- China
- Prior art keywords
- stage
- image
- generating
- animation
- pixels
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims abstract description 11
- 238000010845 search algorithm Methods 0.000 claims description 11
- 238000004040 coloring Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000009877 rendering Methods 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- 230000004927 fusion Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000007591 painting process Methods 0.000 abstract description 3
- 238000010422 painting Methods 0.000 abstract 1
- 230000001172 regenerating effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种生成图像绘制过程动画的方法、系统、计算设备及存储介质,可以应用于视频制作等领域;在所述方法中,首先将图像绘制过程分解为多个阶段,在每个阶段中,先通过边缘检测、颜色聚类等算法生成草稿;再生成复杂度图;接着根据生成的草稿和复杂度图,使用搜索算法展开像素搜索,规划绘制顺序;然后逐步显示像素以生成当前阶段的动画;最终将不同阶段的绘制过程动画拼接在一起,形成完整的图像绘制过程动画。通过本申请中的技术方案,可以模拟图像从空白状态到完全绘制的真实绘画过程,从而创造更具真实感的绘制过程动画,用以在视频制作中丰富画面内容。
Description
技术领域
本发明涉及一种视频生成方法,具体地说,涉及一种用于生成图像绘制过程动画的方法。该方法基于图像处理和视频生成技术,通过分阶段的图像处理和视频合成,模拟图像从空白状态到完全绘制的真实绘画过程。该方法可应用于影视制作、动画制作等领域,用于创造更加逼真的绘制过程动画。
背景技术
在视频制作、动画制作领域,常常需要将静态的图像从无到有地呈现出来。现有的技术往往使用传统的视频转场或简单的扫描形式来呈现图像,所产生的画面内容缺乏丰富性。
本发明的背景在于解决现有技术中存在的上述问题。在进行视频制作过程中,需要一种方法,能够仅根据一张已经完成的图像,生成其从空白到被完整绘制的过程的动画,使得观众可以感受到更加丰富多变的视频内容。
聚类算法用于将数据集中的对象分组成不同的类别,使得同一类别内的对象更相似。在图像处理中,聚类算法可用于将颜色或特征相似的像素分组,将画面内的颜色数量缩减到指定大小。
搜索算法是一类用于在图像或数据集中寻找特定信息的方法。其中,深度优先搜索和广度优先搜索是两种常见的搜索策略。深度优先搜索通过从起始点开始,沿着一个分支尽可能深入,直到找到目标或无法继续为止。广度优先搜索则从起始点开始,依次探索相邻节点,逐层扩展搜索范围。
边缘检测算法是一种用于检测图像中物体边界的技术。通过分析像素之间的灰度或颜色差异,边缘检测算法可以找出图像中的边界位置。
发明内容
为了实现上述绘制过程动画生成的目标,基于上述技术,本发明提出一种生成图像绘制过程动画的方法、系统、计算设备及存储介质,其内容如下。
第一方面,本发明包括一种图像绘制过程动画的生成方法。这一方法的核心在于将图像的绘制过程分解为多个阶段,并通过以下步骤生成图像绘制过程动画:
a.阶段分解:首先,将绘制过程分解为不同的阶段,其中包括线稿阶段和着色阶段,着色阶段进一步细分为细化阶段和成品阶段;在生成过程中的每个阶段,可以根据实际需要跳过或以不同参数进行多次,以适应不同的需求;
b.各阶段子步骤:对于每个阶段,依次执行以下子步骤:
i.生成草稿:通过对输入的图像进行图像处理,生成当前阶段的草稿,作为该阶段动画内容的基础;
ii.生成复杂度图:利用边缘检测对草稿进行处理,将草稿分割为多个区块,并统计边缘像素数量生成复杂度图,以评估画面不同区域的复杂度;
iii.规划笔刷:根据复杂度图选择初始像素,并应用搜索算法展开相似像素的搜索;一轮搜索结束后,重新根据复杂度图选择初始像素并开始新一轮搜索,反复进行以确定画面中所有像素的绘制顺序;
iv.生成视频:根据像素绘制顺序逐步显示像素,将像素叠加到前一阶段的阶段完成图像上,从而生成当前阶段的绘制过程动画;
c.拼接动画:将不同阶段的绘制过程动画拼接在一起,形成完整的图像绘制过程动画;下面对各步骤进行详细说明。
在生成草稿时,对于线稿阶段,通过边缘检测算法和/或特定颜色部分的提取,生成线稿草稿;对于着色阶段,通过聚类算法,生成着色草稿。边缘检测算法适用于输入图像无明显线条的情况,而提取特定颜色部分适用于已存在明显线条的情况。生成线稿草稿和着色草稿时,可以根据实际需要调整算法的参数,以生成不同复杂度的草稿,满足不同阶段需要的表达效果的需求。
在生成复杂度图的过程中,首先对草稿进行边缘检测并将其分割为多个区块,统计每个区块内的边缘像素数量,并根据统计结果统一设定整个区块内所有像素的像素值,生成当前区块划分的区块复杂度图。使用不同精细程度分割区块并执行上述区块复杂度图生成步骤,将得到的各区块复杂度图进行图像模糊处理,最后将各区块复杂度图叠加,形成完整的复杂度图,以评估各区域的画面复杂程度。
使用搜索算法搜索到画面中各像素的顺序作为像素的绘制顺序,可选用深度优先搜索或广度优先搜索。先根据复杂度图选定起始像素,再使用搜索算法根据颜色相似性判断依据,在单轮搜索中展开相似像素搜索。对于上述搜索方法,可以自定义临近像素的相对位置以控制颜色扩散时的形状。在每轮搜索结束后,如果画面中仍有剩余像素未排序,则继续根据复杂度图选择新的初始像素,开始新的搜索轮次,直到所有像素都排序完毕。
在生成视频的过程中,将前一个阶段的阶段完成图像作为下一阶段的背景,对于整个生成过程的第一个阶段,指定一张初始画布图像作为背景。根据像素绘制顺序逐步将像素叠加到背景图像上,形成当前阶段的绘制过程动画。
通过将各个阶段的动画拼接在一起,形成完整的图像绘制过程动画。
第二方面,本发明包括实现上述方法的视频生成系统,该系统包括图像读取模块、参数设置模块和视频生成模块。图像读取模块用于读取输入图像,参数设置模块用于设置生成动画的参数,视频生成模块接受输入图像和参数,根据上述方法生成绘制过程动画。
第三方面,本发明包括实现上述方法、系统的计算设备和计算机可读存储介质。其中计算设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现上述方法及系统所述的绘制过程动画生成方法步骤;计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述方法及系统所述的绘制过程动画生成实现方法的步骤。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图 1是本申请实施例提供的一种将生成过程分为若干阶段,最后拼接为完整动画的流程示意图。
图 2是本申请实施例提供的一种单个阶段内生成本阶段绘制过程动画的流程示意图。
图 3是本申请实施例提供的将原始图像经过算法处理为复杂度不同的线稿草稿和着色草稿的效果示意图。
图 4是本申请实施例提供的通过原始图像生成其对应的复杂度图的效果及流程示意图。
图 5是本申请实施例提供的在使用广度优先策略规划笔刷时的一种生成绘制排序的流程示意图。
图 6是本申请实施例提供的通过在使用搜索算法时自定义临近像素的相对位置控制颜色扩散形状的示意图。
图 7是本申请实施例提供的一种电子设备的结构示意图。
Claims (10)
1.一种图像绘制过程动画生成方法,其特征在于,该方法包括以下步骤:
a. 将图像的绘制过程分解为多个阶段,其中包括线稿阶段、着色阶段;
b. 对于每个阶段,执行以下子步骤: i. 生成草稿:通过对输入的图像进行图像处理,生成该阶段的草稿; ii. 生成复杂度图:对草稿进行边缘检测,将草稿分割为多个区块,通过统计边缘像素数量生成复杂度图,用于评估各区域的画面复杂度; iii. 规划笔刷:基于复杂度图选择初始像素,并使用搜索算法确定像素绘制顺序; iv. 生成视频:基于上一步骤得到的像素绘制顺序,依次显示像素以形成该阶段的绘制过程动画;
c. 将不同阶段的绘制过程动画拼接在一起,形成完整的图像绘制过程动画。
2.根据权利要求1-a,其中着色阶段,其特征在于,进一步细分为细化阶段和成品阶段;
生成过程中的每个阶段,其特征在于,可以根据实际需要跳过或以不同参数进行多次。
3.根据权利要求1,其中b-i草稿的生成方法,其特征在于,包括:使用边缘检测算法和/或提取画面中特定颜色部分生成线稿草稿,使用颜色聚类算法生成着色草稿;
对于线稿草稿的生成,边缘检测算法适用于输入图像无明显勾线线条的情况,提取画面中特定颜色部分适用于输入图像已存在明显线条的情况;
在生成线稿草稿和着色草稿时,可以根据实际需要调整边缘检测参数、特定颜色范围、聚类目标种类等参数从而生成不同复杂度的线稿草稿和着色草稿的复杂度,从而满足该草稿所属于的阶段的需要。
4.根据权利要求1,其中b-ii复杂度图的生成方法,其特征在于,包括:将图像分割成多个区块,统计每个区块内边缘像素数量,并根据统计结果统一设定整个区块内所有像素的像素值,生成当前区块划分的区块复杂度图;
使用不同精细度分割区块并执行上述区块复杂度图生成步骤,将得到的各区块复杂度图进行图像模糊处理,最后将各区块复杂度图叠加,形成完整的复杂度图。
5.根据权利要求1,其中b-iii中搜索算法,其特征在于,单轮搜索可以是深度优先搜索算法或广度优先搜索算法;
搜索算法以初始像素为起始点展开相似像素搜索,其中相似的判断依据为待搜索像素的颜色与初始像素颜色的相似度是否大于某一阈值,该阈值的具体数值作为一个参数视实际需要而定;
对于上述搜索方法,通过进一步自定义临近像素从而实现对颜色扩散时的形状的控制;
在一轮搜索结束后,若画面中还存在剩余像素未被排序,则继续根据复杂度图选定新的初始像素,开始新一轮搜索,直到画面中所有像素均被加入排序;
根据复杂度图确定初始像素的方法为,按照复杂度从高到低、从低到高或其他更复杂的人为规定的规则,选定一个未被加入排序的像素;
像素绘制顺序的确定方式为:将搜索算法搜索到各个像素的顺序作为像素绘制的顺序。
6.根据权利要求1,其中b-iv生成视频方法,其特征在于,将前一个阶段的阶段完成图像作为下一阶段的背景,对于整个生成过程的第一个阶段,指定一张初始画布图像作为背景;
根据像素绘制顺序将像素顺次叠加在当前阶段的背景上,叠加方式根据实际需要可以选择直接覆盖、以指定透明度融合等;
将所有像素均按顺序叠加至背景上的图像作为当前阶段的阶段完成图像,将每n个像素叠加至背景上的图像作为一个输出帧,其中n为某一人为设定的确定值或根据某种规则动态变化的值,将各个输出帧合成的视频作为改阶段的绘制过程动画。
7.根据权利要求1、3、5,其中的颜色聚类、颜色相似度判断,涉及对两个像素值的近似程度的评估,其特征在于,可以量化评估两个颜色值的相似程度。
8.一种视频生成系统,其特征在于,包括:
图像读取模块,用于读取需要生成其绘制过程动画的输入图像;
参数设置模块,用于读取生成动画的参数并将该参数传递给后续的视频生成步骤,其中参数包括组成完整视频的各个绘制阶段,每个阶段各自需要的初始参数、阈值;
视频生成模块,用于接受图像读取模块和参数设置模块传递的输入图像和参数,根据权利要求1-7所述方法生成完整绘制过程动画视频。
9.一种计算设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的绘制过程动画生成实现方法步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的绘制过程动画生成实现方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311033564.0A CN117274452A (zh) | 2023-08-16 | 2023-08-16 | 一种生成图像绘制过程动画的方法、系统、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311033564.0A CN117274452A (zh) | 2023-08-16 | 2023-08-16 | 一种生成图像绘制过程动画的方法、系统、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117274452A true CN117274452A (zh) | 2023-12-22 |
Family
ID=89211255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311033564.0A Pending CN117274452A (zh) | 2023-08-16 | 2023-08-16 | 一种生成图像绘制过程动画的方法、系统、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274452A (zh) |
-
2023
- 2023-08-16 CN CN202311033564.0A patent/CN117274452A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830912B (zh) | 一种深度特征对抗式学习的交互式灰度图像着色方法 | |
Zhang et al. | Style transfer via image component analysis | |
CN109919209A (zh) | 一种领域自适应深度学习方法及可读存储介质 | |
CN110503146B (zh) | 数据增强方法、装置、计算设备及计算机存储介质 | |
CN111612891A (zh) | 模型生成方法、点云数据处理方法、装置、设备及介质 | |
CN111401293A (zh) | 一种基于Head轻量化Mask Scoring R-CNN的手势识别方法 | |
CN111583378B (zh) | 一种虚拟资产处理的方法及装置、电子设备、存储介质 | |
CN109064525A (zh) | 一种图片格式转换方法、装置、设备和存储介质 | |
CN111696079A (zh) | 一种基于多任务学习的表面缺陷检测方法 | |
CN114170227A (zh) | 产品表面缺陷检测方法、装置、设备及存储介质 | |
CN110163055A (zh) | 手势识别方法、装置和计算机设备 | |
CN105264604A (zh) | 经由密集运动域向底层视频序列的图像编辑传播 | |
CN114758054A (zh) | 光斑添加方法、装置、设备及存储介质 | |
US11361189B2 (en) | Image generation method and computing device | |
CN110390724B (zh) | 一种带有实例分割的slam方法 | |
CN108810319A (zh) | 图像处理装置和图像处理方法 | |
CN117274452A (zh) | 一种生成图像绘制过程动画的方法、系统、计算设备及存储介质 | |
Tous | Pictonaut: movie cartoonization using 3D human pose estimation and GANs | |
Khoroshiltseva et al. | Relaxation labeling meets gans: solving jigsaw puzzles with missing borders | |
Endo et al. | A practical monochrome video colorization framework for broadcast program production | |
JP7106144B2 (ja) | 画像解析装置 | |
Zheng et al. | Visual Sensing Technology for Digital Image-Oriented Public Art Design | |
Liu et al. | Prediction with Visual Evidence: Sketch Classification Explanation via Stroke-Level Attributions | |
CN113223022B (zh) | 一种基于多元纹理图像分析算法的多元图像分割方法 | |
CN112837388B (zh) | 多光源图片生成方法 |
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 |