绘制人像线条画的方法和装置制造方法及图纸

本发明专利技术公开了一种绘制人像线条画的方法，包括：预置已训练模型；采用已训练模型对目标人像几何变换，获得与标准人像几何对齐的几何变换人像；采用预设的线条概率分布区域从几何变换人像中选取像素点，对线条概率分布区域在几何变换人像中选取的像素点采样，获得期望线条画；确定几何变换人像的边缘图像，并采用边缘图像修正期望线条画，获得修正线条画；采用已训练模型的线条画模版匹配修正线条画，生成目标人像对应的目标线条画。本发明专利技术还公开了一种绘制人像线条画的装置。本发明专利技术只处理线条概率分布区域选取的像素点，减少了处理的像素点数量，提高了处理速度；采用边缘图像修正期望线条画，提高了线条画的准确性。

【技术实现步骤摘要】

本专利技术涉及到图像处理
，特别涉及到绘制人像线条画的方法和装置。
技术介绍
目前，在终端上可以安装很多具有人像处理的应用程序，可以将用户拍摄的人像照片转换为绘画风格的图像，例如转换为漫画、素描画、油彩画、版画等。其中一种转换方式可以是将人像照片转换为人像轮廓的线条画，通过线条画描绘出与人像极为相似的人像线条画。现有的人像线条画绘制方式是通过大量的样本训练学习获得人像照片与线条画之间的统计关系，得到线条画模版，并采用非参数采样方法得到期望的线条画。但是，采用非参数采样方法需要对人像照片上每一个像素点进行邻域匹配，计算所有样本人像的相应区域与人像照片上对应像素点的相似度，且为了绘制高质量的人像线条画，现有的方法需要足够多的样本空间，这一匹配的过程非常耗时，计算复杂度高，严重影响了绘制效率。
技术实现思路
本专利技术实施例提供一种绘制人像线条画的方法和装置，能够快速绘制人像线条画，绘制效率高。本专利技术实施例提出一种绘制人像线条画的方法，包括步骤：预置已训练模型，所述已训练模型包括标准人像、线条概率分布区域和线条画模版；采用已训练模型对目标人像进行几何变换，获得与所述已训练模型中的标准人像几何对齐的几何变换人像；采用所述已训练模型中预设的线条概率分布区域从所述几何变换人像中选取像素点，对所述线条概率分布区域在所述几何变换人像中选取的像素点进行采样，获得期望线条画；确定所述几何变换人像的边缘图像，并采用所述边缘图像修正所述期望线条画，获得修正线条画；采用所述已训练模型的线条画模版匹配所述修正线条画，生成所述目标人像对应的目标线条画。本专利技术实施例还提出一种绘制人像线条画的装置，包括：模型生成模块，用于预置已训练模型，所述已训练模型包括标准人像、线条概率分布区域和线条画模版；几何变换模块，用于采用已训练模型对目标人像进行几何变换，获得与所述已训练模型中的标准人像几何对齐的几何变换人像；采样模块，用于采用所述已训练模型中预设的线条概率分布区域从所述几何变换人像中选取像素点，对所述线条概率分布区域在所述几何变换人像中选取的像素点进行采样，获得期望线条画；修正模块，用于确定所述几何变换人像的边缘图像，并采用所述边缘图像修正所述期望线条画，获得修正线条画；模版匹配模块，用于采用所述已训练模型的线条画模版匹配所述修正线条画，生成所述目标人像对应的目标线条画。本专利技术实施例采用了预设的线条概率分布区域从几何变换后的目标人像中选取像素点，并只对选取的像素点进行处理，大大减少了处理像素点的数量，提高了处理速度；同时，还采用边缘图像修正期望线条画中的灰度值，使修正线条画中的线条灰度值能够更准确的勾画出人像轮廓，进一步提高了最终生成的线条画的准确性。附图说明图1为本专利技术实施例中绘制人像线条画的装置所在终端的总线图；图2为本专利技术绘制人像线条画的方法的第一实施例的流程图；图3为本专利技术绘制人像线条画的方法实施例中获得线条概率分布区域的步骤流程图；图4为本专利技术绘制人像线条画的方法的第二实施例的流程图；图5为本专利技术绘制人像线条画的方法的第三实施例的流程图；图6为本专利技术绘制人像线条画的方法的第四实施例的流程图；图7为本专利技术绘制人像线条画的装置的第一实施例的模块示意图；图8为本专利技术绘制人像线条画的装置的第二实施例的模块示意图；图9为本专利技术实施例中线条概率分布区域的叠加示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术实施例中绘制人像线条画的装置所在终端的总线图，该终端可以包括：至少一个处理器101，例如CPU，至少一个网络接口104，用户接口103，存储器105，至少一个通信总线102。其中，通信总线102用于实现这些组件之间的连接通信。其中，用户接口103可以包括显示屏(Display)、键盘(Keyboard)，还可以包括标准的有线接口、无线接口。网络接口104可以包括标准的有线接口、无线接口(如WIFI接口)。存储器105可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器105还可以是至少一个位于远离前述处理器101的存储装置。作为一种计算机存储介质的存储器105中可以包括操作系统、网络通信模块、用户接口模块以及绘制人像线条画程序。在图1所示的绘制人像线条画的装置所在终端中，网络接口104主要用于连接服务器或其他终端，与服务器或其他终端进行数据通信；而用户接口103主要用于接收用户指令，并与用户进行交互；而处理器101可以用于调用存储器105中存储的绘制人像线条画程序，并执行以下操作：预置已训练模型，所述已训练模型包括标准人像、线条概率分布区域和线条画模版；采用已训练模型对目标人像进行几何变换，获得与已训练模型中的标准人像几何对齐的几何变换人像；采用已训练模型中预设的线条概率分布区域从几何变换人像中选取像素点，对线条概率分布区域在几何变换人像中选取的像素点进行采样，获得期望线条画；确定几何变换人像的边缘图像，并采用边缘图像修正期望线条画，获得修正线条画；采用已训练模型的线条画模版匹配修正线条画，生成目标人像对应的目标线条画。在一个实施例中，处理器101调用存储器105中存储的绘制人像线条画程序还可以执行以下操作：获取已训练模型的各个样本线条画的黑色像素点的坐标；将所有黑色像素点的坐标叠加，获得的坐标集合构成线条概率分布区域。在一个实施例中，处理器101调用存储器105中存储的绘制人像线条画程序还可以执行以下操作：采用线条概率分布区域从边缘图像中选取像素点；采用线条概率分布区域在边缘图像中选取的像素点修正期望线条画中对应位置的像素点灰度值，获得修正线条画。在一个实施例中，处理器101调用存储器105中存储的绘制人像线条画程序还可以执行以下操作：对线条概率分布区域在几何变换人像中选取的每一个像素点进行邻域图像匹配，计算已训练模型中的n个样本人像的对应于第i个像素点的局部区域的灰度值以及相对于第i个像素点的相似度，并获得相似度大于相似阈值的k个样本人像，作为与第i个像素点局部区域匹配的样本人像，其中1≤n≤20，1≤k≤10；获取k个样本人像对应的样本线条画，对k个样本线条画的对应于第i个像素点的局部区域的灰度值加权求和，获得第i个像素点的期望灰度值；根据几何变换人像在线条概率分布区域内的每一个像素点的期望灰度值，生成期望线条画。在一个实施例中，处理器101调用存储器105中存储的绘制人像线条画程序还可以执行以下操作：采用已训练模型提取目标人像的多个特征点；根据特征点对目标人像进行几何变换，使获得的几何变换人像的特征点与已训练模型中的标准人像的特征点对齐。本实施例图1所描述的绘制人像线条画的装置及其所在终端，采用了预设的线条概率分布区域从几何变换后的目标人像中选取像素点，并只对选取的像素点进行处理，大大减少了处理像素点的数量，提高了处理速度；同时，还采用边缘图像修正期望线条画中的灰度值，使修正线条画中的线条灰度值能够更准确的勾画出人像轮廓，进一步提高了最终生成的线条画的准确性。如图2所示，图2为本专利技术绘制人像线本文档来自技高网...

【技术保护点】
一种绘制人像线条画的方法，其特征在于，包括步骤：预置已训练模型，所述已训练模型包括标准人像、线条概率分布区域和线条画模版；采用已训练模型对目标人像进行几何变换，获得与所述已训练模型中的标准人像几何对齐的几何变换人像；采用所述已训练模型中预设的线条概率分布区域从所述几何变换人像中选取像素点，对所述线条概率分布区域在所述几何变换人像中选取的像素点进行采样，获得期望线条画；确定所述几何变换人像的边缘图像，并采用所述边缘图像修正所述期望线条画，获得修正线条画；采用所述已训练模型的线条画模版匹配所述修正线条画，生成所述目标人像对应的目标线条画。

【技术特征摘要】
1.一种绘制人像线条画的方法，其特征在于，包括步骤：预置已训练模型，所述已训练模型包括标准人像、线条概率分布区域和线条画模版；采用已训练模型对目标人像进行几何变换，获得与所述已训练模型中的标准人像几何对齐的几何变换人像；采用所述已训练模型中预设的线条概率分布区域从所述几何变换人像中选取像素点，对所述线条概率分布区域在所述几何变换人像中选取的像素点进行采样，获得期望线条画；确定所述几何变换人像的边缘图像，并采用所述边缘图像修正所述期望线条画，获得修正线条画；采用所述已训练模型的线条画模版匹配所述修正线条画，生成所述目标人像对应的目标线条画。2.如权利要求1所述的绘制人像线条画的方法，其特征在于，所述线条概率分布区域采用以下步骤获得：获取所述已训练模型的各个样本线条画的黑色像素点的坐标；将所有黑色像素点的坐标叠加，获得的坐标集合构成所述线条概率分布区域。3.如权利要求2所述的绘制人像线条画的方法，其特征在于，所述采用边缘图像修正所述期望线条画，获得修正线条画的步骤包括：采用所述线条概率分布区域从所述边缘图像中选取像素点；采用所述线条概率分布区域在所述边缘图像中选取的像素点修正所述期望线条画中对应位置的像素点灰度值，获得所述修正线条画。4.如权利要求2或3所述的绘制人像线条画的方法，其特征在于，所述对线条概率分布区域在所述几何变换人像中选取的像素点进行采样，获得期望线条画的步骤包括：对所述线条概率分布区域在所述几何变换人像中选取的每一个像素点进行邻域图像匹配，计算所述已训练模型中的n个样本人像的对应于第i个像素点的局部区域的灰度值以及相对于第i个像素点的相似度，并获得相似度大于相似阈值的k个样本人像，作为与第i个像素点局部区域匹配的样本人像，其中，1≤n≤20，1≤k≤10；获取k个样本人像对应的样本线条画，对k个样本线条画的对应于第i个像素点的局部区域的灰度值加权求和，获得第i个像素点的期望灰度值；根据所述几何变换人像在所述线条概率分布区域内的每一个像素点的期望灰度值，生成期望线条画。5.如权利要求2或3所述的绘制人像线条画的方法，其特征在于，所述采用已训练模型对目标人像进行几何变换，获得与所述已训练模型中的标准人像几何对齐的几何变换人像的步骤包括：采用已训练模型提取所述目标人像的多个特征点；根据所述特征点对所述目标人像进行几何变换，使获得的...

【专利技术属性】
技术研发人员：黄鹏程，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44