铅笔画总结.docVIP

铅笔画总结 提出一种应用小波变换分层的思想 模拟铅笔画纹理的算法 提出基于小波变换得到不同图层并对不同图层应用运动模糊的方法 生成不同纹理方向，避免了传统生成铅笔画中存在的图像分割不合理 和LIC 花费时间较长的问题。 算法中引入小波变换将图像划分为四个图层，并分别对每个添加噪声 后的图像执行不同的模糊操作，生成不同方向的纹理，最后合并这些图层和 轮廓图 基于HSV 和YUV 空间颜色传输算法 。该算法的思想是，首先将源图像 和目标 图像转换到HSV 空间进行处理 ，其次 ，将源图像和目标图像转换到YUV 空间进行处理 最后，将两种空间处理后的图像转换到RGB 空间并进行合并 。 非真实感绘制： 铅笔画 彩色铅笔画 小波变换 运动模糊 非真实感绘制： 基于笔刷的绘制 和基于图像的绘制 采用 USM 锐化 和霓虹处理生成铅笔画的轮廓特征 提出应用运动模糊方法代替传统的线积分卷积方法来模拟 铅笔画的纹理 如何从一副二维图像自动获取得到相应的灰度和彩色铅笔画效果 主要内容 首先勾勒出图像的大致轮廓，然后再进一步深入刻画出各部分的不同色调 传统的铅笔画生成方法大都需要对图像进行分割，然后对分割的不同区域使用不同 的铅笔纹理来刻画图像的信息， 但对一些图像来说若是选用的分割方法不恰当，便会产生 较差的铅笔效果 一种新的技术避免使用图像分割技术 ，他采取的方法是将原始图像亮度分层， 再为每一个亮度单独生成铅笔纹理图像，最后将他们叠加在一起得到最终的铅笔画效果 LIC方法生成当前图层的笔刷，花费的时间较长 所以没有采用 但它只对整幅图像统计出一个模糊角度方向 ， 因此导致生成的最终铅笔画中纹理方向单一 不如真正的灵活 运动模糊法就是把图像不同频率生成不同的纹理 所以提出 基于小波变换得到不同图层并对不同图层应用运动模糊的方法生成 不同的纹理方向，此方法避免了传统生成铅笔画中因图像分割不合理 LIC花费时间较长和纹理 方向单一的问题 彩色铅笔画 局部色彩向全局扩展的算法， 思想：在空间上相邻的像素亮度若相似，颜色一般也会比较类似 按照个人意愿，首先对灰度目标图像中表示不同纹理的对象描绘上一些彩色线条，使少量像素 得到色彩信息，然后利用纹理相似特性，将已上色像素点的色彩信息 进行扩展， 从而达到整个目标的上色，这种方法可以得到较好的结果，但是，该方法需要人工地在灰度 图像各个区域上适当的彩色线条，阻碍了算法的实用性 提出了 基于HSV 和YUV 空间的颜色传输算法得到彩色铅笔画 H为色调 S为饱和度 V为亮度 线积分卷积算法的思想一直是铅笔画纹理模拟的关键技术 采用运动模糊来模拟铅笔画纹理 并未得到很好的效果 图像预处理 包括图像灰度化和图像增强 图像灰度化是为生成噪声图做准备的 ，图像中噪声 是依据图像中灰度值进行添加的 因此在产生噪声图像之前 ，需要对图像进行灰度化处理。 图像增强的方法一般包括空域法 和频域法则是在图像的某个变换域内对图像 频域法则是在图像的某个变换域内对 图像进行的操作，如小波变换、傅里叶变换等。 G r a y ( i , j )-0 .2 9 8 9 *R ( i , j )+0 .5 8 7 0*G ( i , j )+0 .1 1 4 0 B ( i , j) 小波分解与重构 变换由于在频域和时域同时具有良好的局部化特性而广泛 小波可以把图像分解到含有不同方向的图像 采用bior3.7进行3层小波分解 生成LH HL HH （j - 1,2,3）三个高频带系列，一个LL 低频带。其中低频带表示由小波变换分解级数决定 最大尺度 ，最小分辨率 下对原始图像的最佳逼近 它的统计特征和原图相似 ，图像大部分能量集中在此，通常包含重要的纹理和形状信息 因此将经过运动模糊的低频和原图像中含能量最多部分叠加 . 高频带系列则分 别是图像在不同尺度、不同分辨率下的细节信息。 j H L 是水平方向的高频信息， j L H 是垂直方向的高频信息， j H H 是对角方向的高频信息，在频率域中，高频 部分代表图像的边缘及纹理部分， 生成噪声图 为了是最终的铅笔画效果具有 铅笔纹理的随机分布特性 应用运动模糊模拟铅笔画纹理 铅笔画中条纹的方向是很重要， 传统的铅笔画生成方法一般都是采用 LIC 方法 模拟铅笔画纹理 ， 需要根据向量场方向生成局部流线 ， 通过对象量场流线上的白噪声进行低通滤波来体现铅笔画中 纹理的走向 ，但这种方法需要花费大量的时间 图像的叠加处理 对于霓虹处理的结果，把它直接与经模糊后的四个图层进行叠加运算 将霓虹处理后得到的轮廓图存于数组I[M][N]中，m和n为图片的宽度和高度 将模糊处理后的四个图层分别存于数组aa[m][n],hh[m][n],vv[