基于多尺度笔刷的分层油画风格化

基于图像的油画风格化绘制是计算机图形学领域非真实感绘制研究的热点之一.为了进一步提高图像油画风格化的质量,提出了一种基于多尺度笔刷的分层图像油画风格化绘制算法.该算法模拟艺术家的油画绘制过程,采用不同尺度的笔刷按照从粗到细的顺序逐层绘制.在每层笔刷绘制中,首先使用增量Voronoi序列采样点和图像切线方向场确定笔刷流线,然后结合笔刷形状与笔刷高度场进行纹理贴图,得到最终的图像油画风格化绘制结果.通过与现有算法比较,文中算法不仅能模拟真实的油画绘制过程,而且生成的油画效果层次感更强,充分体现了图像的结构特征和油画细节.     

基于计算机图像处理技术的油画生成系统设计

本文基于计算机图像处理技术设计了油画生成系统,通过接收并处理源图像,以栅格方式获取采样点,进行随机移动,通过水平向与垂直向边缘算子计算采样点位置梯度,以及窗口边缘强度,据此明确笔划方向与半径,以采样点于源图像的像素值为笔刷像素值,从而根据笔划方向、半径、笔刷像素值实现油画绘制.通过系统测试表明,油画生成系统绘制效果接近人工绘画效果,就笔触与颜色层面,都着重于突显油画绘制特色,高度符合人们对油画绘制的个性化与独特化需求;绘制手法与人工绘制手法相符,笔刷方向更具合理性,颜色进行了适度调整,使得整体更趋向于暖色系.     

粉笔画艺术风格模拟

目的 对不同艺术风格的模拟和绘制是非真实感绘制技术的主要任务之一,目前非真实感绘制技术已对油画、水彩画、中国书法等国内外艺术风格进行了模拟,然而对粉笔化艺术风格的模拟方法并不多见。本文提出了一种基于滤波扩散和线积分卷积（LIC）的粉笔画艺术风格绘制技术。方法 首先输入2维目标图像,通过对目标图像二值化处理、边缘提取操作,获得连续、光滑的边缘信息,并采用滤波扩散技术对边缘图像进行扩散处理,模拟粉笔画中笔划的毛糙效果,同时通过采用图像增强方法增强了笔划的细节信息;其次,由于真实粉笔画在创作时,粉笔颜料黏附在图像局部区域,形成具有方向的笔刷纹理效果,算法通过在目标图像中添加白噪声,基于线积分卷积LIC产生具有方向的粉笔画笔刷纹理,并通过形态学膨胀处理获得粉笔画的笔划纹理,模拟出粉笔画中笔划的笔触特征。再次,真实的粉笔画艺术效果往往在黑板、木材等材质中创作,算法将产生的笔刷纹理图像、色彩信息以及边缘图像通过图层映射方法,映射到黑板材质等输入背景图像中,产生最终的粉笔画艺术效果图像。结果 通过对输入2维图像进行实验,模拟出具有粉笔画艺术效果的结果图像,突出了粉笔画的线条细节信息和笔划艺术特征。结论 提出了一种粉笔画艺术效果模拟算法,非真实感绘制领域的有效补充,算法简单有效,能模拟出真实的粉笔画艺术效果,增强了艺术表现力。     

运用流体模拟的油画生成方法

与真实感绘制技术关注于传统的3D图形学不同,非真实感绘制技术更加强调艺术表现力、主观意识与情绪的传递以及强化重要信息、忽略非关键信息等方面.提出了一种自动的、基于流体模拟的方法来生成具有凡高后期风格的油画图像.提出以流体线条参考图颜色梯度的法线方向作为画笔方向,对原图进行多层绘制;同时,提出一种改进的多光源局部光照模型,以有效地反映不同光照条件下艺术图像的不同表征力.另外,设计了一种在光照条件下模拟画笔物理特征的方法,该方法通过bump-mapping增强绘制图像的涂料层叠感.为了使生成的绘制图像具有凡高油画的色彩风格,采用了一种颜色转换方法,将特定的艺术原画色彩特征转换到绘制图像上.实验结果表明,对于给定的输入图像,该算法能够有效地生成具有凡高后期艺术风格的油画.     

图像特征保持的圆点绘制方法

图像圆点绘制问题指用圆点去逼近图像得到近似马赛克填充的效果.点画是在世界范围内流行的艺术形式,图像圆点绘制算法就是受艺术家创作的点画作品启发而提出的一种非真实感渲染算法.首先对图像进行分割,提取分割后图像的轮廓边界线并获取原始图像的特征线,生成图像上的方向场,使得图像的每个像素点位置都存在一个方向值;之后设计密度函数,刻画待摆放的圆点半径大小随着图像梯度的变化;最后结合方向场和密度函数根据一定的规则开始圆点的摆放直至铺满图像区域.此外,后续的补洞优化使得画面更加饱满.采用上述算法在大量图片上进行实验的结果表明,图像圆点绘制算法能够生成与图像特征和颜色相适应的圆点逼近结果,圆点的排列与原图片的特征保持了高度的一致,而且画面整体颜色与原图像十分接近.     

一种基于多分辨率和统计的笔刷绘制方法

采用高斯图像金字塔生成多幅参考图像,使用不同大小的笔刷进行多层绘制,模拟画家由粗到细的创作过程,设计一种新的笔刷绘制方法。在每层绘制时,使用统计方法确定笔刷的颜色,运用像素8-邻域的概念控制笔刷的走势。实验结果表明,通过多个参数的不同设置可以将一幅照片渲染成具有一定风格的艺术图像。     

基于图像的非真实感艺术绘制技术综述

非真实感绘制是计算机图形学和图像处理中一个崭新的课题,属于计算机艺术的范畴,正受到国内外研究者越来越多的重视并取得了一系列的研究成果。首先简要介绍了非真实感绘制的研究意义及其研究范围;然后通过对其中涉及的主要关键算法进行总结分析,并对国内外典型的绘制方法进行比较和分类,阐述了非真实感绘制的主要研究内容;最后对今后的发展方向做出了展望。     

一种流体艺术风格的自适应LIC绘制方法

把LIC算法应用到非真实感绘制中,提出一种自适应流体艺术图的LIC绘制方法.对源图像亮度分量计算切矢量场,然后对其进行增强、平滑处理获得结构矢量场;通过随机扰动源图像获得纹理参考图像;根据结构矢量场和纹理参考图像的局部特征产生可变的LIC积分步长和步数,自适应地处理纹理参考图像;最后对绘制效果进行颜色渲染,生成具有丰富颜色特征的流体艺术图.实验表明,该方法能够较好地模拟诸如梵高画的流体艺术风格,呈现生动、灵活的波动感.     

支持多风格的图像艺术化快速处理算法

为了使目标图像在用户的控制和编辑下快速学习参考图的颜色和笔刷特征,得到多个参考样图的艺术风格,提出一种支持多风格的图像艺术化快速处理算法.首先以目标图像流场为引导对非等轴纹理合成算法进行改进,学习得到样图的纹理和笔刷特征;然后通过设计和实现基于CUDA加速的并行合成算法,加快样图风格的学习速度;此外,为增强学习结果的可控性,设计完成了用户交互式的风格编辑接口,可根据用户指定的不同样图风格块对目标图像实现区域相关的多风格图像艺术化,提供所见即所得的交互设计体验.风格学习实例的结果表明,与已有的基于学习的风格化算法相比,该算法具有更快的合成速度和更强的灵活性.     

一种基于NPR的虚拟环境生成方法

非真实感绘制(NPR)为传统虚拟现实技术的使用开辟了新的空间。针对传统基于图像的绘制无法满足艺术风格虚拟环境需要的问题,通过将非真实感绘制技术引入虚拟场景构建中,提出了一种基于非真实感绘制的虚拟环境生成方法。该方法首先通过计算结构张量刻画图像局部结构,并采用全变分偏微分方程自适应滤波处理来得到平滑张量场;然后在此基础上采用线积分卷积指导画笔走向来模拟生成线条波动感艺术图像;最后将其融入3维场景来生成可漫游的艺术感虚拟环境。实验结果表明,采用该新算法不仅可以较好地模拟线条波动感艺术图像,而且可实现艺术风格虚拟环境的构建。     

Stylized rendering using samples of a painted image

We introduce a novel technique to generate painterly art map (PAM) for 3D non-photorealistic rendering. Our technique can automatically transfer brush stroke textures and color changes to 3D models from samples of a painted image. Therefore, the generation of stylized images/animation in the style of a given artwork can be achieved. This new approach works particularly well for a rich variety of brush strokes ranging from simple 1D and 2D line-art strokes to very complicated ones with significant variations in stroke characteristics. During the rendering/animation process, the coherence of brush stroke textures and color changes over 3D surfaces can be well maintained. With PAM, we can also easily generate the illusion of flow animation over a 3D surface to convey the shape of a model.     

基于创意序列学习的艺术风格学习与绘制系统

基于学习的智能图像风格绘制是当前多媒体特别是艺术风格化领域的一个热门研究课题.图像风格学习算法主要研究利用多媒体数据及机器学习方法对真实样本数据进行自动艺术绘制智能处理.目前主流方法主要针对艺术图像的静态样本进行学习.然而,由于静态数据类中包含的信息是平面化、局部化和非连续化的,难以保证风格化处理的全局一致性.本文旨在针对创意过程中的大规模复杂多媒体数据,从序列任务学习理论上提出一套智能艺术风格绘制的理论模型、设计方法以及优化方法三个层面.本文贡献主要体现在以下研究工作：（1）提出了一套面向数字美术的多媒体数据采集设备与软件系统,（2）利用IRL算法实现了艺术风格行为的模型化及其数字化保护方法,（3）提出基于PGPE的正则化策略学习方法以提高风格学习过程的稳定性.实验结果表明本文提出的方法行之有效地实现针对具体个性风格的照片水墨画艺术风格转化.基于序列化多媒体数据采集与分析,本文提出的面向移动互联网的自动艺术风格绘制辅助系统,不仅具有理论上的创新而且还具有实际上的巨大应用和价值.     

Pointillist video stylization based on particle tracing

We present an algorithm that stylizes an input video into a painterly animation without user intervention. In particular, we focus on pointillist animation with stable temporal coherence. Temporal coherence is an important problem in non-photorealistic rendering for videos. To realize pointillist animation, the various characters of pointillism should be considered in painting process to maintain temporal coherence. For this, weused the particle video algorithm which is a new approach to long-range motion estimation in video. Based on this method, we introduce a method to control the density of particles considering the features of frames and importance maps. Finally, the propagation methods of stroke to minimize flickering effects of brush strokes are introduced.     

Motion based Painterly Rendering

Previous painterly rendering techniques normally use image gradients for deciding stroke orientations. Image gradients are good for expressing object shapes, but difficult to express the flow or movements of objects. In real painting, the use of brush strokes corresponding to the actual movement of objects allows viewers to recognize objects' motion better and thus to have an impression of the dynamic. In this paper, we propose a novel painterly rendering algorithm to express dynamic objects based on their motion information. We first extract motion information (magnitude, direction, standard deviation) of a scene from a set of consecutive image sequences from the same view. Then the motion directions are used for determining stroke orientations in the regions with significant motions, and image gradients determine stroke orientations where little motion is observed. Our algorithm is useful for realistically and dynamically representing moving objects. We have applied our algorithm for rendering landscapes. We could segment a scene into dynamic and static regions, and express the actual movement of dynamic objects using motion based strokes.     

Artistic minimal rendering with lines and blocks

Many non-photorealistic rendering techniques exist to produce artistic effects from given images. Inspired by various artists, interesting effects can be produced by using a minimal rendering, where the minimum refers to the number of tones as well as the number and complexity of the primitives used for rendering. Our method is based on various computer vision techniques, and uses a combination of refined lines and blocks (potentially simplified), as well as a small number of tones, to produce abstracted artistic rendering with sufficient elements from the original image. We also considered a variety of methods to produce different artistic styles, such as colour and 2-tone drawings, and use semantic information to improve renderings for faces. By changing some intuitive parameters a wide range of visually pleasing results can be produced. Our method is fully automatic. We demonstrate the effectiveness of our method with extensive experiments and a user study.     

基于粒子系统的书法书写仿真系统

水墨风格渲染是非真实感渲染的一个研究分支.利用CPU、GPU配合实现的粒子系统,结合纹理融合技术来实现书法书写字迹仿真.利用鼠标实现用户交互,鼠标按键、位移方向和位移速度控制墨滴的走向,实现了书法书写的仿真.系统采用实时渲染方式,用户可根据需要对场景和系统进行配置并实时调整视角和缩放.实验表明运算速度能够满足交互系统的实时性需求.     

一种基于图像结构特征的实时点画生成算法

点画是一种经典的艺术技巧,其用点的形式模拟图像中色调的明暗变化,表现其 艺术特质。由图像自动生成点画是图像风格化和非真实感渲染的对象之一。为此,提出了一种 基于图像结构特征的实时点画生成算法。使用一个预计算的增量 Voronoi 序列快速生成点画所 需的采样点,通过输入图像和对应的结构特征图共同指导点画图中点的半径和色调,提高点画 图像在边缘及细节上的质量。实验结果表明,该算法生成的点画结果在视觉效果和数值误差 (SSIM)上均优于现有点画生成算法,并且在绘制速度上能够达到实时的性能,可应用于高帧率 的场景中。