基于颜色特征学习的绘画渲染方法技术

本发明专利技术提供了一种基于颜色特征学习的绘画渲染方法。该方法首先从数学上明确定义了一些决定参考模板颜色感情和颜色风格的颜色特征。然后针对这些特征提供了一种基于优化的学习机制，并将此优化问题抽象为一个二分图匹配模型，进而采用经典ＫＭ算法解决该问题。针对结果中可能出现的一些伪边界效应，本发明专利技术提出了一种基于图像分割的后处理技术以保证空间上连续的结果。最后在绘制过程中，本发明专利技术在传统的框架上提出了一种新的颜色混合模型，能更好的控制绘制的准确性而不用选择大量的参数。

【技术实现步骤摘要】

本专利技术是涉及一种基于参考的绘画渲染方法，具体涉及一种基于颜色特征学习的 绘画渲染方法。
技术介绍
随着数字娱乐越来越得到大众的青睐，计算机风格化渲染技术日益成为研究热 点。然而为了将目标图像渲染为希望的风格，用户通常需要掌握并调整大量的参数，这对他 们的使用是非常不便的。基于模板的计算机绘制技术一定程度上缓解了这个问题，它允许 用户提供一幅额外的艺术作品作为参考模板，并按照参考模板的某些特征渲染目标图像以 获得希望的风格和特征。传统的基于模板的计算机绘制技术常致力于学习参考图像的纹理特征，并取得了 一些不错的结果。而模板图像的颜色特征却很少得到关注，而颜色对某艺术作品而言，却是 其非常关键的特征之一。一些传统的颜色迁移技术可以用来将一幅图像的颜色迁移到另一幅图像中，然而 这些技术仅仅强调颜色的简单迁移而从未明确定义哪些特征决定了一幅参考模板的颜色 风格和感情，因此参考模板的颜色感情通常不能得到充分的表达，同时目标图像本身一些 非常重要的性质，例如光影关系等也往往会遭到破坏，从而使图像失真。
技术实现思路
本专利技术的目的在于提供一种从数学上明确定义参考模板颜色特征，并在绘画渲染 过程中能较好学习这种特征，没有伪边界效应，能方便的控制绘画准确性的基于参考的绘 画风格渲染方法。为达到上述目的，本专利技术采用的技术方案是1)首先对绘画作品关键的颜色特征通过数学语言对其进行明确定义；2)然后对输入图像和参考模板的色调直方图进行块划分，将颜色特征的学习问题 抽象为一个优化问题，并以二分图匹配的数学模型解决该优化问题；3)其次通过基于分割的块融合技术处理结果中可能出现的伪边界；4)最后通过颜色混合模型控制绘画的真实度。其具体步骤如下1)将绘制作品中关键的颜色特征定义为A.色调的分布方式，B.图像的冷暖调 子，其中色调的分布方式通过色调域直方图直接获得，而图像的冷暖调子由下式定义r一 i J,MdI.tone = <~ ZnlC°ld<M{I)cold.M(l)warmI. tone代表图像I的冷暖调子，而度量M(I)由下式计算4<formula>formula see original document page 5</formula>其中M(I)。。ld/wOT代表图像I的冷/暖程度，h。。ld/wOT表示冷极或暖极的色调值，H⑴ 表示图像I的色调定义域，而sath表示具有色调值h的所有像素的平均饱和度；2)对输入图像和参考绘画模板进行块划分的色调直方图进行块划分，并将每个块 作为一个对象定义如下性质.gravity表示本块的各分量按面积加权平均后的平均色调 值；相似的， sat表示本块的平均饱和度值；.area表示本块的归一化面积；.category表 示本块在分割图像中所属的类别；.tone表示本块的冷暖调子；3)分别对输入图像和参考模板进行步骤⑵的处理得到两个块集合: = H…人以及风 义，…人，并将其各个节点相连构成一个图G，然后通过二分图匹配模型优化下面的能量函数来完成颜色特征的学习<formula>formula see original document page 5</formula>其中M代表从S(I)到S(T)的一个匹配，euv代表这个匹配中的边，C。代表每条边的权值，具体写作<formula>formula see original document page 5</formula>其中每个分块\被当作一个对象，并使用步骤(2)中计算的性质构建能量函数。其 中S函数在\+to e，T+to e符号相同时等于-丨，在它们符号不同时等于丨，而入为一个调节 因子，控制色调或冷暖能量项所占权重，由用户指定；4)通过基于分割的块融合技术处理结果中可能出现的伪边界现象首先通过下 式判断中心不连续块<formula>formula see original document page 5</formula><formula>formula see original document page 5</formula>其中M(久)为通过步骤⑶得到的\的匹配块，tl和K为两个指定参数，然后以找 到的不连续块为中心进行扩展进而得到整个不连续区域，扩展的终止条件如下(a)当前块与扩展块的category属性不同时；(b)达到一个预设的阈值t2时；(c)扩展块碰到上一个区域的边界时；其中各块的category属性是它们的一个标签，标示了它们在分割后的色调通道 图像中所属的区域，而t2为一个预设的参数；5)通过颜色混合模型控制绘画的真实度具体可由下式表示<formula>formula see original document page 5</formula>其中(尸)为绘制前点p的颜色，Cnew(p)为绘制后点p的颜色，Cs为笔画颜色，权 函数W写作<formula>formula see original document page 5</formula> 其中a为输入参数由用户指定，G。代表0均值，标准差为o的归一化高斯算子，dc(p)为UP)与参考图像该点颜色C,(p)的距离，而ds(p)为Cs与Cr(p)的距离。本专利技术提出了一种。该方法首先从数学上明确 定义了 一些决定参考模板颜色感情和颜色风格的颜色特征。然后针对这些特征提供了 一种 基于优化的学习机制，并将此优化问题抽象为一个二分图匹配模型，进而采用经典KM算法 解决该问题。针对结果中可能出现的一些伪边界效应，本专利技术提出了一种基于图像分割的 后处理技术以保证空间上连续的结果。最后在绘制过程中，本专利技术在传统的框架上提出了 一种新的颜色混合模型，能更好的控制绘制的准确性而不用选择大量的参数。附图说明图1是本专利技术基于颜色特征学习的绘画渲染算法的流程图；图2是显示冷暖极在色调域中位置的示意图；图3是经过前7个步骤之后，说明伪边界效果的效果图；图4(a)，4(b)，4(c)，是本专利技术提出的新颜色混合模型与文献提出方法的效果 对比图。具体实施例方式下面将根据附图对本专利技术进行详细说明。传统的基于参考的计算机绘制技术通常致力于模仿模板的纹理特征，而忽略了其 颜色特征。然而对于一些艺术作品，其颜色特征是非常引人注目的，并对其他作品有很强的 指导意义，因此对参考作品颜色方面的模拟是有必要进行的。最近出现的一些颜色迁移的方法仅注重从一幅图像到另一幅图像的简单颜色迁 移，而并未定义哪些颜色特征决定了参考作品的整体风格。因此这些方法常常会导致模板 作品的感情不能得到充分表达，而一些属于输入图像本身的关键视觉特征，如光影关系等 却遭到破坏。另一方面，画家作画时也并非简单拷贝真实世界的颜色，而是根据自己的需要 选择合适的颜色，因此作品的感情常常由一些关键的能表现其整体的颜色风格的颜色特征 表达，这些颜色特征应该被定义并学习。针对以上情况，本专利技术首先从数学上明确定义了对绘画作品比较关键的颜色特 征；然后提出了一种学习机制来学习参考模板的颜色特征；最后在绘制时，本专利技术在以前 工作框架的基础上提出了一种新本文档来自技高网...

【技术保护点】
一种基于颜色特征学习的绘画渲染方法，包括以下步骤：　　１）首先对绘画作品关键的颜色特征通过数学语言对其进行明确定义；　　２）然后对输入图像和参考模板的色调直方图进行块划分，将颜色特征的学习问题抽象为一个优化问题，并以二分图匹配的数学模型解决该优化问题；　　３）其次通过基于分割的块融合技术处理结果中可能出现的伪边界；　　４）最后通过颜色混合模型控制绘画的真实度。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄华，臧彧，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：87[中国|西安]