内容发布更新时间 : 2024/11/5 22:55:32星期一 下面是文章的全部内容请认真阅读。

B 三个分量相同的一种特殊的彩色图像,其一个像素点的变化范 围为255种,所以在数字图像处理中一般先将各种格式的图像 转变成灰度图像以使后续的图像的计算量变得少一些。灰度图 像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的 色度和亮度等级的分布和特征。Hertzmann建议:L=0.299R+ 0.587G+0.114B。在具体编程时作者采用了Hertzmann的 建议。

(2产生亮度图像的梯度场

通过边缘检测,可以得到图像的梯度场,从而可得图像方向 场。边缘是图像最基本的特征。所谓边缘是指其周围像素灰度 有阶跃变化或屋顶状变化的那些像素的集合,它存在于目标与 背景、目标与目标、区域与区域、基元与基元之间。由于边缘是 图像上灰度变化最剧烈的地方,可对图像各个像素点进行微分 或求二阶微分来确定边缘像素点。一阶微分图像的峰值处对应 着图像的边缘点,二阶微分图像的过零点处对应着图像的边缘 点。根据数字图像的特点,处理图像过程中采用差分来代替导 数运算。对图像的简单一阶导数由于具有因定的方向性,只能 检测特定方向的边缘,为了克服这一缺点,可以采用偏微分的方 法。图像梯度的最重要的性质是梯度方向在图像灰度的最大变 化率上,这恰好可以反映出边缘上的灰度变化。数学上,二维函 数的梯度和梯度模可定义为:

r^r ^r,r

V￡=I堕.旦生I (1 L缸:av】

V￡I=姹F两 (2 在实际运用中,本文采用Sobel算子来产生灰度图像的梯 度场。Sobel算子很容易在空间上实现,Sobel边缘检测器不但 产生较好的边缘检测效果,而且受噪声的影响也比较小。记垂 直和水平两个方向的检测子为h。、h,,则计算灰度图像￡各像素 z和Y方向的偏导数设为G。和G,:

q=L@h,C,=L@h, 其中:

_Ilz 5【:;0。;】矗,。(二?一22::

故梯度方向为以=atctan(E/c,,笔刷的方向取自与梯度 垂直的方向。如图2所示。

万 方数据

第10期 桂斌等:一种基于笔刷的非真实感绘制算法的研究 227 po ‰ (a (b

图2笔刷的方向

图2(apo为起始点,90为梯度方向,则笔刷方向为%;图2 (bP。为第二个控制点,它的下一笔有两个方向,这里选择F, 作为笔刷方向,以免使得笔刷方向变化太剧烈。 2.3多重自适应绘制

算法中输入数据为一幅源图像(t、一个笔刷序列(■,r2, …,厶和一块画布。用户可以预先定义一个笔刷尺寸^,其余 笔刷可以通过rf=■x 2’1计算得到。为了防止细小的笔刷被 大的笔刷覆盖,算法按照笔刷尺寸由大到小的顺序进行绘制。 在进行多重绘制时,笔刷并不是绘制所有与当前参考图像 不一致的区域,而只捕捉画布中那些与当前笔刷大小至少相同 的区域。因此算法中设置了一个区域门限丁,当捕捉到的区域

与参考图像相应区域的距离(errorarea大于这个门限值时才进 行绘制。r的值越大则效果越抽象,要获得一个与源图像非常 近似的图像,可以设置一个很小的门限值。距离定义为像素R、 G、B通道的欧式距离:

Il k一一‘0=￣/(如,一厶一2+(,c,一乇一2+(k,一厶一2

(3 每重绘制过程中可以按照扫描线顺序产生所需要的笔刷, 笔刷数量可以通过跳跃步长来控制,跳跃步长越大产生的笔刷 数越少,效果越抽象。但算法实际执行过程中,每次按照扫描线 顺序跳跃一个跳跃步长到达的像素点P并不是笔刷真正的起 点,而是以点P为中心产生一个‘×■大小的区域.在这个区域 中选择一个与当前参考图像误差最大的点作为笔刷的起点。也 可以通过随机数发生器随机地产生笔刷,这种方法虽然灵活,但 在笔刷较少时有些细小的地方就有可能描绘不到。

3实验结果

本文在一台配备有Intel奔腾42.4GI-Iz主频、512内存、 Windows XP操作系统的计算机上运用VB6.0实现了多重自适 应绘制的算法,并与文献[8]的自适应画笔分布的非真实感绘 制算法进行比较。算法中笔刷的形状设置为圆,笔刷颜色取自 源图像相应绘制起点处的颜色值。

图3(a、图4(a为源图像,图3(b、(c、(d,图4(b、 (c、(d分别是R=8,4,2的绘制结果。图5给出了对比实验。 图5(b为文献[8]的算法第三层绘制的实验结果,可以看出结 果画面中船、湖泊、树都比较模糊。图5(c为本文算法第三层 绘制的实验结果,可以看出结果画面中船、湖泊、树都比较清晰, 更加接近手丁油厕的结甲 4结论

本文主要对基于笔刷的多重自适应非真实感绘制算法进行 了较为简单的探讨,并给出了相应的实验结果。从实验的结果 看,基本体现了多重自适应绘制的算法思

想,但与手工绘制还有 较大差距,主要是笔刷的形状比较单调、算法各层绘制相对独立。 以后的工作是找到相关的解决方法,以得到更好的实验结果。

参考文献

[1]Lansdown J,Schofield S.Expressive Bendering:A Review of Non pho-torealistic Techniques[J].IEEE Computer Graphics and Applications. 1995,15(3:29—37.

[2]Haebedi P E.Paint by numters:Abstract image representations[c]//

SIGGRAPH90Conference Proceeding.ACM SIC,GRAPH,Addison Wesley。1990:207—214.

[3]Litwinowiez P.Processing images and video for鲫impressionist effect [C]//Proceedings of SIGGRAPH 97.ACM SIGGRAPH/Addison Wesley,Los Angeles,California,Computer Graphics Proceedings, Annual Conference Series,1997:407—414.

[4]石永鑫,孙济洲,等.基于粒子系统的中国水墨画仿真系统[J].计 算机辅助设计与图形学学报,2003,15(6:667—672.

[5]Curtis C,Anderso S,Seims J,et a1.Computer-Generated Watercolor

[c]//sIGGRAPH 97Conference Proceedings,1997:421—430. [6]于金辉,徐晓刚,彭群生.用随机正弦波拟合卡通流水[J].计算机 研究与发展,2000,38(5:519—523.

[7]Salisbury M,Wong M,Hughes J,et a1.Orientable Textures for lulage-Based Pen.and—Ink Illustration[C]//SIC,GRAPH 97Conference Pro-ceedings。1997:401—406.

(下转第258页 万 方数据 258计算机应用与软件 2009年

图2中,编号l,…,9表示核心人物集合的成员,其他编号 则表示与核心人物集合发生关系的其他人物。观察得到,9位 核心人物处于整体网络的中心。

对领域内的任一人物pp,在领域关系模型的指导下搜索与 其发生关系的所有P,评价每一对人物的关系值,构建关系矩 阵,由表1所示。

表1特定人物pp的关系矩阵 PP pl p2p3p4p5 PP 、 2l l l 1