摘要:基于图像的油画风格化绘制是计算机图形学领域非真实感绘制研究的热点之一.为了进一步提高图像油画风格化的质量,提出了一种基于多尺度笔刷的分层图像油画风格化绘制算法.该算法模拟艺术家的油画绘制过程,采用不同尺度的笔刷按照从粗到细的顺序逐层绘制.在每层笔刷绘制中,首先使用增量Voronoi序列采样点和图像切线方向场确定笔刷流线,然后结合笔刷形状与笔刷高度场进行纹理贴图,得到最终的图像油画风格化绘制结果.通过与现有算法比较,文中算法不仅能模拟真实的油画绘制过程,而且生成的油画效果层次感更强,充分体现了图像的结构特征和油画细节.
关键词:非真实感渲染;油画风格化;切线方向场;笔刷流线
图像风格化是非真实感渲染的主要研究对象之一,它在保留图像关键视觉信息的同时还展现出独特的艺术风格,如水彩、水墨、油画等.其中,油画以悠久的历史、深厚的底蕴和丰富的表现力而广为流传.创作一幅高质量的油画作品需将绘画工具、技巧和经验有效地结合.因而使用计算机模拟油画创作,生成具有油画风格的图像是图像风格化的热门研究话题之一。
为了实现逼真的油画效果,多数传统的图像油画风格化方法通过对油画笔刷的大小、方向等特征进行模拟来生成油画结果.还有一些方法从纹理合成的角度入手,从参考油画图像中提取纹理并应用到目标图像上,以得到油画风格化效果.此外,一些工作使用流体仿真来模拟笔刷、油、画布之间的交互,以获得高度真实感的油画细节.近年来,深度学习在计算机视觉、语音处理等领域取得了突破性的进展,同时它也被应用于图像风格化这一问题.目前,基于深度学习的图像油画风格化方法通常使用端到端的神经网络直接从输入图像得到油画风格化的绘制结果。
尽管现有算法在油画风格化问题上取得了一定的进展,能得到一些不错的结果,但这些方法并没有考虑实际的绘画过程.在实际绘画中,艺术家通常遵循由粗到精的绘画方式:首先对图像建立构图,安排画布的整体布局,并用较大尺寸的笔刷绘制底色;随后,通过较小尺寸的笔刷来增加画布细节,并不断精化以得到细节丰富的最终作品.为此,本文提出了基于多尺度笔刷的分层油画风格化算法,在模拟艺术家真实绘画过程的同时,进一步提高油画绘制效果。
1,相关工作
生成具有油画艺术风格图像的算法可以分为传统的图像油画风格化和基于深度学习的图像油画风格化.其中传统的图像油画风格化主要包括基于笔刷的风格化、基于纹理合成的风格化以及对物理过程建模的风格化[1]。
1.1基于笔刷的风格化
通过笔刷的尺寸、方向等特征来实现模拟油画的风格.这类方法首先由Hertzmann[2]提出,其通过建立参考图像层,使用多层绘制技术对静态图像进行绘制.该方法在构建参考图像层时只是简单地采用高斯滤波,并未参考画家真实的绘画过程.在这一工作基础之上,为了提高油画效果的真实感, Hertzmann[3]进一步提出了基于光照模型的油画绘制,将笔刷的透明度和高度考虑进来. Lee等[4]基于艺术家提供的真实笔刷样本,建立了3D笔刷模型. Huang等[5]提出了基于模板匹配的方法,根据局部区域的特征选择具有真实感的笔刷模板.Zeng等[6]将油画风格化与图像分割相结合,根据图像的语义信息绘制笔刷. Gooch等[7]通过图像分割区域的中轴生成笔刷。
陈佳舟等[8]利用图像分割得到自适应长度和宽度的方向流线,有效地确定了笔刷的大小和方向.使用图像分割技术的方法虽然能够得到较好的油画效果,但比较依赖图像分割的结果,影响图像细节区域的绘制.相较于多数利用图像梯度直接获取笔刷方向的方法, Hays等[9]将局部梯度较强的点设为种子点,通过径向基函数插值得到更加平滑、自然的笔刷方向,但该方法在处理纹理走向复杂的图像时有一定的缺陷。
1.2基于纹理合成的风格化
通过纹理合成技术模拟参考图像的风格,实现图像风格化. Hertzmann等[10]提出了图像类比的方法,它以亮度通道作为特征空间,通过参考图像对和目标图像逐像素的多尺度匹配,使目标图像具有参考图像的风格. Wang等[11]在风格图像中提取具有代表风格的区域,并与源图像进行合成.在此基础上, Lee等[12]增加了衡量目标图像梯度的指标,在表现图像纹理风格的同时保留源图像的方向特征,使绘制结果更加真实.这类方法处理具有明显纹理的图像时能得到不错的油画结果,但对于处理纹理不明显的图像具有一定的局限性。
文章来源:《艺术研究》 网址: http://www.ysyjzz.cn/zonghexinwen/2021/0908/1829.html