文物线描图的生成方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种文物线描图的生成方法、装置、存储介质及电子设备。其中，该方法包括：获取目标文物的文物图像和文物图像所对应的纹理图像；将文物图像和纹理图像输入第一卷积神经网络，输出第一线稿，其中，第一卷积神经网络用于对文物图像和纹理图像进行背景分割处理，第一线稿至少包括目标文物的轮廓信息；将文物图像、纹理图像以及第一线稿输入第二卷积神经网络，输出第二线稿，其中，第二卷积神经网络用于对文物图像、纹理图像以及第一线稿进行线条信息纠正处理，第二线稿至少包括目标文物的细节信息；对第二线稿进行矢量化处理，得到目标文物的线描图。本发明专利技术解决了现有技术中人工绘制文物的线描图导致绘制成本高、效率低的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
文物线描图的生成方法、装置、存储介质及电子设备


[0001]本专利技术涉及计算机图像处理
，具体而言，涉及一种文物线描图的生成方法、装置、存储介质及电子设备。

技术介绍

[0002]青铜器、瓷器、陶器、壁画等文物是我国珍贵的文化遗产，见证了中华文明和历史的发展历程，蕴含着丰富的历史和文化内涵。当代人对文物的保护步伐从未停止，其中，文物线描提取是对文物保护工作中相当重要的一个方面，通过文物线描，可以实现对文物轮廓、局部细节以及表面性质变化的记录，使对文物的保护方式朝着更科学的方向发展。
[0003]目前，文物线描提取主要依赖于手工绘制，存在人工成本高、绘制效率低的问题。另外，还有一种方法是利用传统的边缘提取算法进行文物线描提取，但是，传统算法无法理解图像的语义信息，即在线描提取过程中，无法过滤掉诸如缺损边缘、泥渍等病害区域，导致得到的线描图利用价值较低。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种文物线描图的生成方法、装置、存储介质及电子设备，以至少解决现有技术中人工绘制文物的线描图导致绘制成本高、效率低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种文物线描图的生成方法，包括：获取目标文物的文物图像和文物图像所对应的纹理图像；将文物图像和纹理图像输入第一卷积神经网络，输出第一线稿，其中，第一卷积神经网络用于对文物图像和纹理图像进行背景分割处理，第一线稿至少包括目标文物的轮廓信息；将文物图像、纹理图像以及第一线稿输入第二卷积神经网络，输出第二线稿，其中，第二卷积神经网络用于对文物图像、纹理图像以及第一线稿进行线条信息纠正处理，第二线稿至少包括目标文物的细节信息；对第二线稿进行矢量化处理，得到目标文物的线描图。
[0007]进一步地，文物线描图的生成方法还包括：获取第二线稿中的多个像素点；对多个像素点进行排序处理，得到排序结果，其中，排序结果表征了第二线稿中的每个像素点的绘制顺序；基于排序结果绘制贝塞尔曲线，得到目标文物的线描图。
[0008]进一步地，文物线描图的生成方法还包括：获取多个连接向量，其中，多个连接向量用于表征贝塞尔曲线的趋势；对多个连接向量进行间隔采样，得到多个间隔连接向量；基于多个间隔连接向量绘制贝塞尔曲线，得到目标文物的线描图。
[0009]进一步地，文物线描图的生成方法还包括：对文物图像进行图像增强处理，得到纹理图像。
[0010]进一步地，文物线描图的生成方法还包括：从第一卷积神经网络中修改网络结构，去除预设网络层，得到第二卷积神经网络。
[0011]进一步地，文物线描图的生成方法还包括：接收对第二线稿进行检测的检测指令；
基于检测指令，对文物图像和第二线稿进行对比分析，得到分析结果，其中，分析结果表征第二线稿中是否存在差异数据；根据分析结果，确定是否对第二线稿进行数据处理。
[0012]进一步地，文物线描图的生成方法还包括：在第二线稿中存在差异数据的情况下，对差异数据进行删除处理和/或进行补充绘制处理。
[0013]根据本专利技术实施例的另一方面，还提供了一种文物线描图的生成装置，包括：获取模块，用于获取目标文物的文物图像和文物图像所对应的纹理图像；第一处理模块，用于将文物图像和纹理图像输入第一卷积神经网络，输出第一线稿，其中，第一卷积神经网络用于对文物图像和纹理图像进行背景分割处理，第一线稿至少包括目标文物的轮廓信息；第二处理模块，用于将文物图像、纹理图像以及第一线稿输入第二卷积神经网络，输出第二线稿，其中，第二卷积神经网络用于对文物图像、纹理图像以及第一线稿进行线条信息纠正处理，第二线稿至少包括目标文物的细节信息；第三处理模块，用于对第二线稿进行矢量化处理，得到目标文物的线描图。
[0014]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的文物线描图的生成方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的文物线描图的生成方法。
[0016]在本专利技术实施例中，采用通过卷积神经网络对目标文物进行特征提取的方式，首先获取目标文物的文物图像和文物图像所对应的纹理图像，然后将文物图像和纹理图像输入第一卷积神经网络，输出第一线稿，再将文物图像、纹理图像以及第一线稿输入第二卷积神经网络，输出第二线稿，最后对第二线稿进行矢量化处理，得到目标文物的线描图。其中，第一卷积神经网络用于对文物图像和纹理图像进行背景分割处理，第一线稿至少包括目标文物的轮廓信息，第二卷积神经网络用于对文物图像、纹理图像以及第一线稿进行线条信息纠正处理，第二线稿至少包括目标文物的细节信息。
[0017]在上述过程中，通过获取目标文物的文物图像和文物图像所对应的纹理图像，为第一卷积神经网络提供了数据来源；通过第一卷积神经网络对文物图像和纹理图像进行背景分割处理，可以得到目标文物的第一线稿，实现了将目标文物的图像数据转换为线描数据的过程，为文物保护工作提供了便利，并且，与现有技术通过手工绘制线描图相比，解放了绘制人员的双手，同时降低了线描图的绘制成本，提高了绘制效率；通过第二卷积神经网络对文物图像、纹理图像以及第一线稿进行线条信息纠正处理，可以得到精细度更高的目标文物的第二线稿，使得最终的文物线描图既能保证相对干净的背景，又能保证相对细腻的纹理细节；通过对第二线稿进行矢量化处理，可以解决算法自动生成的线描图存在的线条生硬、不流畅的问题，使线描图的线条光滑且粗细均匀。
[0018]由此可见，通过本专利技术的技术方案，达到了更快、更好地绘制文物的线描图的目的，从而实现了降低文物的线描图的绘制成本以及提高绘制效率的技术效果，进而解决了现有技术中人工绘制文物的线描图导致绘制成本高、效率低的技术问题。
附图说明
[0019]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种可选的文物线描图的生成方法的流程图；图2是根据本专利技术实施例的一种可选的文物原始图像示意图；图3是根据本专利技术实施例的一种可选的二值化处理后的文物图像示意图；图4是根据本专利技术实施例的一种可选的U2‑
Net算法网络结构的示意图；图5是根据本专利技术实施例的一种可选的点P的八邻域的示意图；图6是根据本专利技术实施例的一种可选的连接向量的示意图；图7是根据本专利技术实施例的一种可选的贝塞尔曲线的示意图；图8是根据本专利技术实施例的一种可选的修改后的U2‑
Net算法网络结构的示意图；图9是根据本专利技术实施例的一种可选的文物线描图的生成系统的工作流程图；图10是根据本专利技术实施例的一种文物线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文物线描图的生成方法，其特征在于，包括：获取目标文物的文物图像和所述文物图像所对应的纹理图像；将所述文物图像和所述纹理图像输入第一卷积神经网络，输出第一线稿，其中，所述第一卷积神经网络用于对所述文物图像和所述纹理图像进行背景分割处理，所述第一线稿至少包括所述目标文物的轮廓信息；将所述文物图像、所述纹理图像以及所述第一线稿输入第二卷积神经网络，输出第二线稿，其中，所述第二卷积神经网络用于对所述文物图像、所述纹理图像以及所述第一线稿进行线条信息纠正处理，所述第二线稿至少包括所述目标文物的细节信息；对所述第二线稿进行矢量化处理，得到所述目标文物的线描图。2.根据权利要求1所述的方法，其特征在于，对所述第二线稿进行矢量化处理，得到所述目标文物的线描图，包括：获取所述第二线稿中的多个像素点；对所述多个像素点进行排序处理，得到排序结果，其中，所述排序结果表征了所述第二线稿中的每个像素点的绘制顺序；基于所述排序结果绘制贝塞尔曲线，得到所述目标文物的线描图。3.根据权利要求2所述的方法，其特征在于，基于所述排序结果绘制贝塞尔曲线，得到所述目标文物的线描图，包括：获取多个连接向量，其中，所述多个连接向量用于表征所述贝塞尔曲线的趋势；对所述多个连接向量进行间隔采样，得到多个间隔连接向量；基于所述多个间隔连接向量绘制所述贝塞尔曲线，得到所述目标文物的线描图。4.根据权利要求1所述的方法，其特征在于，在获取目标文物的文物图像和所述文物图像所对应的纹理图像之前，所述方法还包括：对所述文物图像进行图像增强处理，得到所述纹理图像。5.根据权利要求1所述的方法，其特征在于，将所述文物图像、所述纹理图像以及所述第一线稿输入第二卷积神经网络，输出第二线稿之前，所述方法还包括：从所述第一卷积神经网络中修改网络结构，去除预设网络层，得到所述第二卷积神经网络。6.根据权利要求1所述的方法，其特征在于...

【专利技术属性】
技术研发人员：曹承瑞，闫升，马晋，金沛然，付亚明，韩国民，
申请(专利权)人：西安文数保科技有限公司河南文数保智能科技研究院有限公司，
类型：发明
国别省市：