一种基于非真实感的艺术插画效果绘制方法

摘要

本发明涉及一种基于非真实感的艺术插画效果绘制方法，属信息技术领域。该绘制方法为：对输入原图像采用数字抠图的方法对图像进行分割，提取前景图像和背景图像，求取前景图像的灰度图像；对灰度图像进行色调分离，在此基础上通过与阈值的比较调整局部图像的亮度信息；将原输入图像的色彩信息采用色彩传递的方法传递到结果图像中；采用DoG滤波器对原输入图像进行滤波处理，求取边缘图像，并基于形态学膨胀处理扩展边缘；将色彩传递的结果图像、边缘扩展图像以及背景图像按系数进行合并，获得最终的艺术插画效果图像；本发明的优点在于：更符合人们的审美观，应用范围广，处理速度快，灵活性好，是非真实感模拟不同艺术效果的一种有益补充。

说明书

技术领域：

本发明公开了一种基于非真实感的艺术插画效果绘制方法，涉及计算 机图形图像处理中艺术插画效果的模拟仿真绘制方法，属信息技术领 域。

背景技术：

非真实感绘制(NPR:Non Photorealistic Rendering)建立在人类感 知的基础上，结合了艺术的绘画规则与科学的技术方法，利用计算机 生成具有手绘风格的图形，主要在于表现图形的艺术特质、模拟艺术 作品，并且在自然艺术风格的模拟，图像信息的增强，动画的生成， 数据的艺术表现以及医学、建筑学、教育学等方面都发挥着越来越重 要的作用。此外，NPR适应图像内容，忽略次要细节，有效地将用户的 注意力吸引到关键部分；能节省大量的人力、物力和时间来完成动画 的制作、艺术效果的生成过程，在影视作品、景点漫游、广告宣传、 游戏娱乐等领域中，扮演着越来越重要的角色。

非真实感绘制技术侧重模拟具有各种不同风格的艺术作品，如水彩画 、钢笔画、铅笔画、抽象画等风格作品，现实中具有的艺术风格作品 举不胜举，利用计算机仿真具有彩色的艺术插画风格作品，是非真实 感绘制效果的有益补充，是非真实感艺术特质模拟的一项重要技术。 在公知的技术中，刘英芹（<山东师范大学硕士论文，2010>）采用图 像分割技术将静态图像渲染为卡通风格的艺术效果；韩波（<西安科技 大学硕士论文，2011>）对非真实感的色彩传输进行了研究，提出了颜 色传输效果评价指标；康丽锋（<辽宁师范大学硕士论文，2009>）将 输入的二维静态图像处理为具有水彩风格的艺术效果图像；赵彬如（ <电子科技大学硕士论文，2009>）基于光照明模型实现了卡通风格和 黑白钢笔风格化的非真实感效果，采用轮廓提取、描影和纹理合成方 法实现了单色的树形躯干；艾立超（<华南理工大学硕士论文，2010> ）设计了卡通风格艺术风格渲染系统；牛晓东（<四川师范大学硕士论 文，2011>）设计了水墨画风格的绘制系统；钱文华（<云南大学博士 论文，2010>）设计了铅笔画、流体艺术风格的渲染系统；黄华等（< 计算机学报>，2009，32（10）：2023-2030）实现了实时的素描风格 化艺术效果；肖甫等（<中国图像图形学报>，2009，14（4）：738-7 44）模拟生成了线条波动感的非真实感艺术图像，构成可漫游的艺术 感虚拟环境；闵峰等（<中国图像图形学报>，2009，32（8）：1595- 1602）采用与或图生成具有多种风格的肖像画艺术效果；胡事民等（ <专利CN200810114120.9>，2008）基于水流结构图模拟画家作画的规 则，自动生成中国水墨画；黄华等（<专利CN200910023002.1>，2009 ）根据素描以及人眼视觉的特点，生成素描风格化 的艺术效果；李云夕等（<专利CN2001110210312.1>，2011）公开了一 种计算机素描画的生成方法及系统；刘皓等（<专利CN200510121488. 4>，2005）提出了一种交互式水墨风格实时3D渲染及实时动画渲染方 法。

相对公知的计算机非真实感艺术效果模拟方法，本发明在不改变背景 图像的情况下，以色调分离和边缘扩展等技术为基础，提出一种基于 非真实感的艺术插画效果绘制方法。经文献检索，未见与本发明相同 的公开报道。

发明内容：

本发明的目的在于提供一种更符合实际情形，更具有一般性和通用性 的基于非真实感的艺术插画效果绘制方法。

本发明以色调分离技术为核心，以产生具有彩色艺术插画效果为出发 点，对输入的静态图像进行处理，给出了将输入图像进行数字抠图的 方法，提出了以色调分离处理方式模拟插画效果的方法，以及采用形 态学膨胀技术进行边缘扩展的方法。

本发明按以下步骤完成：

基于非真实感的艺术插画效果绘制方法工艺流程为：首先，对输入的 静态二维图像采用数字抠图的方法对图像进行分割，提取前景图像， 对提取的前景图像从RGB彩色图像转换为灰度图像；接着，对灰度图像 进行色调分离，在此基础上，通过与阈值的比较调整局部图像的亮度 信息，平滑局部边缘；然后，为了得到彩色的艺术效果，将原输入图 像的色彩信息采用色彩传递的方法传递到结果图像中；再次，采用Do G滤波器对原输入图像进行滤波处理，求取边缘图像，并基于形态学膨 胀处理扩展边缘；最后，将色彩传递的结果图像、边缘扩展图像以及 输入原图像的背景图像按系数进行合并，获得最终的艺术插画效果图 像；具体步骤如下：

(1)前景图像数字抠图

将输入图像Input采用Poisson掩模图像数字抠图的方法进行图像分割 ，获得前景图像K和背景图像Background：

$K=\arg \min {\int \int }_{(x,y)\in \Omega }{\left|\right|▿{\alpha }_{(x,y)}-\frac{1}{F_{(x,y)}-B_{(x,y)}}{▿I}_{(x,y)}\left|\right|}^{2}d(x,y)$

$\mathrm{Background}(x,y)=\mathrm{Input}(x,y)-K(x,y)$

式中：I表示输入自然图像，F是掩模图像中的前景区域，B是掩模图像 中的背景区域，Ω表示掩模图像中的未知区域，为求梯度操作，d表 示求偏导过程，表示掩模图像的梯度，(x,y)表示输入图像中的某一 像素。

(2)灰度图像色调分离

将数字抠图的结果图像K转换到灰度图像H：

$H=0.299*R+0.587*G+0.114*B$

式中：R ,G, B为图像K的红绿蓝三通道值，对灰度图像H进行色调分 离，获得初步的插画艺术效果灰度图像C：

$C\left(x\right)=\frac{{\int e}^{-\frac{1}{2}{\left(\frac{|x-n|}{b}\right)}^2}W(n,x)*H\left(n\right)\mathrm{dn}}{\int e^{-\frac{1}{2}{\left(\frac{|x-n|}{b}\right)}^2}W(n,x)*\mathrm{\lambda dn}}$

式中：b表示积分半径；n表示象素位置为x的邻域大小；W是当前像素 与周围邻域像素之间的亮度误差值，系数λ用来控制色调分离的程度 。

(3)阈值调整

对色调分离的结果图像C采用阈值调整的方法消除局部色块的不连续性 ，得到调整后的结果图像Y：

式中：(x,y)表示图像C中的某一像素，系数Width表示亮度的级数；系 数控制阈值调整的程度。

(4)色彩传递

将图像Input的色彩信息传递到灰度图像Y中，将图像Input从RGB色彩 空间转换为LAB色彩空间，将AB色彩通道的信息传递到Y中，得到LAB色 彩空间中的色调分离结果图像的三通道值：

$L^{\prime }=Y*\psi ;A^{\prime }=A;B^{\prime }=B$

式中：L′表示LAB色彩空间中色调分离图像亮度值，参数ψ用来控制 L′通道中亮度信息的多少；A′B′表示LAB色彩空间中色调分离结果 的色彩信息，将L′A′B′从LAB颜色空间转换到RGB颜色空间，得到彩 色的色调分离结果图像S。

(5)边缘求取和扩展

求取原图像Input的梯度，沿梯度方向使用DoG滤波器进行滤波，累积 各个滤波器的响应得到F(s)；

$F\left(s\right)={\int }_{-T}^T\mathrm{Input}\left(l\left(t\right)\right)f\left(t\right)\mathrm{dt}$

式中：l(t)是输入图像Input在梯度直线l上的值，f(t)是采用高斯函 数的滤波器；

将F(s)沿梯度方向积分以增强线条的连续性，得到线条增强的图像A( x)：

$A\left(x\right)={\int }_{-S}^S{G}_{\sigma }\left(s\right)F\left(s\right)\mathrm{ds}$

式中：G_σ(x)是标准差为σ的一维高斯函数；将A(x)与阈值τ比较，二 值化后得到一幅黑白的边缘图像E：

采用形态学膨胀技术对边缘图像E的边缘进行扩展，得到结果图像edg e：

$\mathrm{edge}=\cup \{E+d|d\in D\left(r\right)\}$

式中：D为结构元素，r为结构元素半径大小。

(6)边缘和背景图像融合

将扩展后的边缘图像edge与图像S混合，得到结果图像G：

$G(x,y)=p*S(x,y)+q*\mathrm{edge}(x,y),0<p,q<1$

将图像G与背景图像Background叠加，获得最终的艺术插画效果图像A rt：

$\mathrm{Art}(x,y)=G(x,y)+\mathrm{Background}(x,y)$

式中，(x,y)表示某一像素位置。

本发明的优点在于：

1．利用计算机对输入图像进行处理，能获得非真实感的艺术插画效果 ，在灰度色调分离的基础上将输入图像的色彩信息传递到结果图像中 ，更符合人们的审美观。

2．采用图像抠图的方法提取前景对象，对前景图像进行色调分离、色 彩传递以及边缘提取等处理，不改变背景区域，与公知的计算机绘制 非真实感艺术效果方法相比，提高了处理速度，减少了绘制时间。

3．在色彩传递过程中加入了对亮度信息的控制，以满足不同用户对最 终艺术效果亮度的 需求，提高了绘制的灵活性。

4．建立了一种计算机模拟非真实感艺术插画效果的绘制方法，是非真 实感模拟不同艺术效果的一种有益补充，在影视作品、游戏动画、及 广告宣传领域具有较大的潜在需求。为插画艺术作品模拟提供了一种 新的绘制方法，也为蜡染、刺绣、及扎染不同艺术效果的计算机模拟 提供了有力的技术支持。

附图说明：

图1 为本发明的技术路线图。包括以下六个主要部分：前景图像数字 抠图、灰度图像色调分离、阈值调整、色彩传递、边缘求取和扩展、 边缘和背景图像融合。

图2为输入的静态彩色图像。

图3为原图像经过数字抠图得到的前景图像。

图4为原图像经过数字抠图得到的背景图像。

图5为对前景图像进行灰度化后得到的灰度图像。

图6为经过色调分离得到的结果图像。

图7为经过阈值处理得到的结果图像。

图8为将图像转换到LAB色彩空间后，进行色彩传递并转换回RGB色彩空 间得到的结果图像。

图9为对输入灰度图像采用DoG滤波得到的边缘图像。

图10为通过边缘融合、背景融合得到的结果图像(ψ=0.85)。

图11为通过边缘融合、背景融合得到的结果图像(ψ=0.6)。

具体实施方式：

实施例：针对输入的一副静态二维图像进行艺术插画效果绘制。

(1)前景图像数字抠图

将输入图像Input（如图2）采用Poisson掩模图像数字抠图的方法进行 图像分割，获得前景图像K（如图3）和背景图像Background（如图4） ：

$K=\arg \min {\int \int }_{(x,y)\in \Omega }{\left|\right|▿{\alpha }_{(x,y)}-\frac{1}{F_{(x,y)}-B_{(x,y)}}{▿I}_{(x,y)}\left|\right|}^{2}d(x,y)$

$\mathrm{Background}(x,y)=\mathrm{Input}(x,y)-K(x,y)$

式中：I表示输入自然图像，F是掩模图像中的前景区域，B是掩模图像 中的背景区域，Ω表示掩模图像中的未知区域，为求梯度操作，d表 示求偏导过程，表示掩模图像的梯度，(x,y)表示输入图像中的某一 像素。

(2)灰度图像色调分离

将数字抠图的结果图像K转换到灰度图像H（如图5）：

式中：R ,G, B为图像K的红绿蓝三通道值，对灰度图像H进行色调分 离，获得初步的插画艺术效果灰度图像C（如图6）：

$C\left(x\right)=\frac{\int e^{-\frac{1}{2}{\left(\frac{|x-n|}{b}\right)}^2}W(n,x)*H\left(n\right)\mathrm{dn}}{\int e^{-\frac{1}{2}{\left(\frac{|x-n|}{b}\right)}^{2}W(n,x)*\mathrm{\lambda dn}}}$

式中：b表示积分半径，通常取5；n表示象素位置为x的邻域大小，通 常取9；W是当前像素与周围邻域像素之间的亮度误差值，系数λ用来 控制色调分离的程度，我们取值为3。

(3)阈值调整

对色调分离的结果图像C采用阈值调整的方法消除局部色块的不连续性 ，得到调整后的结果图像Y（如图7）：

式中：(x,y)表示图像C中的某一像素，系数Width表示亮度的级数，取 值为5；系数控制阈值调整的程度，我们取值为0.35。

(4)色彩传递

将图像Input的色彩信息传递到灰度图像Y中，将图像Input从RGB色彩 空间转换为LAB色彩空间，将AB色彩通道的信息传递到Y中，得到LAB色 彩空间中的色调分离结果图像的三通道值：

$L^{\prime }=Y*\psi ;A^{\prime }=A;B^{\prime }=B$

式中：L′表示LAB色彩空间中色调分离图像亮度值，参数ψ用来控制 L′通道中亮度信息的多 少，通常取值为0.85；A′B′表示LAB色彩空间中色调分离结果的色彩 信息，将L′A′B′从LAB颜色空间转换到RGB颜色空间，得到彩色的色 调分离结果图像S（如图8）。

(5)边缘求取和扩展

求取原图像Input的梯度，沿梯度方向使用DoG滤波器进行滤波，累积 各个滤波器的响应得到F(s)；

$F\left(s\right)={\int }_{-T}^T\mathrm{Input}\left(l\left(t\right)\right)f\left(t\right)\mathrm{dt}$

式中：l(t)是输入图像Input在梯度直线l上的值，f(t)是采用高斯函 数的滤波器；

将F(s)沿梯度方向积分以增强线条的连续性，得到线条增强的图像A( x)：

$A\left(x\right)={\int }_{-S}^S{G}_{\sigma }\left(s\right)F\left(s\right)\mathrm{ds}$

式中：G_σ(x)是标准差为σ的一维高斯函数，我们设定标准差为0.7； 将A(x)与阈值τ比较，通常采用0.3，二值化后得到一幅黑白的边缘图 像E（如图9）：

采用形态学膨胀技术对边缘图像E的边缘进行扩展，得到结果图像edg e：

$\mathrm{edge}=\cup \{E+d|d\in D\left(r\right)\}$

式中：D为结构元素，r为结构元素半径大小，根据经验取值为6。

(6)边缘和背景图像融合

将扩展后的边缘图像edge与图像S混合，得到结果图像G，根据经验， p取值为0.9，q取值为0.8：

$G(x,y)=p*S(x,y)+q*\mathrm{edge}(x,y),0<p,q<1$

将图像G与背景图像Background叠加，获得最终的艺术插画效果图像A rt（如图10，图11）：

$\mathrm{Art}(x,y)=G(x,y)+\mathrm{Background}(x,y)$

式中，(x,y)表示某一像素位置。