基于颜色特征学的绘画渲染方法

摘要

本发明提供了一种基于颜色特征学的绘画渲染方法。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。

主权项

1.一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；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：I.tone代表图像I的冷暖调子，而度量M(I)由下式计算：其中M(I)_cold/warm代表图像I的冷/暖程度，h_cold/warm表示冷极或暖极的色调值，H(I)表示图像I的色调定义域，而sat_h表示具有色调值h的所有像素的平均饱和度；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；2-1)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；2-2)分别对输入图像和参考绘画模板进行步骤2-1)的处理得到两个块集合：以及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：其中M代表从S(I)到S(T)的一个匹配，e_uv代表这个匹配中的边，代表每条边的权值，具体写作：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δ函数在T.tone符号相同时等于-1，在它们符号不同时等于1，而λ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；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；首先通过下式判断中心不连续块：and其中M为通过步骤2-2)得到的的匹配块，t₁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；4)最后通过颜色混合模型控制绘画的真实度：具体可由下式表示：其中(p)为绘制前点p的颜色，C_new(p)为绘制后点p的颜色，C_s为笔画颜色，权函数W写作：其中α为输入参数由用户指定，G_σ代表0均值，标准差为σ的归一化高斯算子，d_c(p)为(p)与参考图像该点颜色C_r(p)的距离，而d_s(p)为C_s与C_r(p)的距离。