[发明专利]一种基于深度学习对图形图像剪纸艺术化处理的方法

说明书

技术领域

本发明涉及计算机图形图像处理，数据存储，书籍出版印刷等领域，尤其是使用深度学习的方法对剪纸这一传统非遗文化艺术作品进行特征的提取与样本的训练。

背景技术

剪纸艺术在2006年列入第一批国家级非物质文化遗产名录。传统剪纸艺术产品类型较为单一，生产流程复杂，缺乏个性化元素。如今这项艺术却经历着严峻的考验与冲击。剪纸艺术的规模渐少，以及剪纸艺术继承的问题被更多的人所关注。

发明内容

本发明设计了一种基于深度学习对图形图像剪纸艺术化处理的方法，其解决的技术问题是现有剪纸艺术没有使用深度学习的方法对剪纸作品进行特征的提取与样本的训练。

为了解决上述存在的技术问题，本发明采用了以下方案：

一种基于深度学习对图形图像剪纸艺术化处理的方法，包括以下内容与步骤：

步骤1、采集传统剪纸艺术作品；

步骤2、扫描剪纸艺术作品形成数字化剪纸图像内容；

步骤3、处理数字化剪纸图像内容，提取关键特征值；

步骤4、对数字化剪纸图像内容的关键特征值进行深度学习训练，得出特征模型；

步骤5、接收外部图片内容并处理外部图片；

步骤6、对处理后的外部图片使用步骤4中训练好的特征模型进行剪纸化处理；

步骤7、调整剪纸化处理后的图片；

步骤8、对处理后的图像进行对象存储并输出。

进一步，步骤2需要对剪纸艺术作品进行高精度扫描，其中精度为DPI300及其以上。

进一步，步骤3中对数字化剪纸图像内容进行缩放、灰度处理、二值化处理、色彩优化、素描化处理、亮度处理、反色处理、高斯模糊以及灰白化中的一种或多种图像处理方式，使用算法对处理后的样本进行关键特征提取，获取到剪纸的关键特征点；其中，所述关键特征点包括：人脸关键特征点、图像内容轮廓线、图像主色调、剪纸对比度和色彩空间分布矩阵中的一种或多种。

进一步，步骤4中所述特征模型是只通过大量的剪纸关键特征提取与计算，获得一组能够概括剪纸处理的流程状态值。

进一步，步骤5中外部图片，可以是用户直接上传手机、PC个人终端内的照片，也可以是来自其他第三方平台的在线可读图片。

进一步，步骤5中处理外部图片的算法对照片进行处理的方式包括扫描、灰度、素描、亮度处理、反色处理、高斯模糊或属性调整中的一种或多种，通过对外部照片的处理可以提升剪纸处理的效果；所述属性调整包括：亮度调整、色彩度调整或颜色减淡处理中的一种或多种。

进一步，步骤6中，对步骤5中处理后的图片使用训练好的特征模型进行算法处理，得到剪纸化处理的第一级输出图像。

进一步，步骤7中图片调整方法包括锐化、色彩、压缩和属性调整的一种或多种；所述属性调整包括：图片颜色处理、图片大小尺寸处理和图片格式处理中的一种或多种。

进一步，步骤8中的输出包括多平台的输出，包括可以通过网络的形式分发至外部。

该基于深度学习对图形图像剪纸艺术化处理的方法具有以下有益效果：

本发明通过采集大量剪纸样本进行训练得到剪纸模型，将用户图片实时剪纸，突破传统剪纸的加工周期长，不稳定等因素，先进互联网技术与传统非遗文化剪纸的有效结合，将传统剪纸艺术通过互联网的形式来进行传播，有效的对非遗文化进行保护宣传。

附图说明

图1：本发明基于深度学习对图形图像剪纸艺术化处理的方法样本采集示意图；

图2：本发明基于深度学习对图形图像剪纸艺术化处理的方法样本训练示意图；

图3：本发明基于深度学习对图形图像剪纸艺术化处理的的方法剪纸化处理示意图；

图4：本发明基于深度学习对图形图像剪纸艺术化处理的方法完整流程图。

具体实施方式

下面结合图1-图4，对本发明做进一步说明：

如图1所示，该图表示的是剪纸样本的收集流程。具体包括以下步骤：

进行传统剪纸样本的收集，通过收集剪纸实物样品，使用高精度扫描设备进行实物样品的数字化扫描处理，从而得到可以使用计算机算法进行处理的剪纸样本。

如图2所示，该图表示剪纸样本的训练流程。具体包括以下步骤：

对剪纸样本进行图像处理，包括不限于缩放、灰度、二值化等图像处理方式，使用算法对处理后的样本进行特征提取，获取到剪纸的特征点，对特征点使用深度学习的方法进行训练，从而得到特征模型。

如图3所示，该图表示来表示剪纸的生成过程。具体包括以下步骤：