[发明专利]在图像中添加浮世绘海浪倒影的方法和系统

说明书

本发明提供了一种在图像中添加浮世绘海浪倒影的方法和系统，包括：步骤1：基于卷积神经网络VGG‑19模型，对图像样本进行训练，得到浮世绘海浪风格转换模型；步骤2：使用浮世绘海浪风格转换模型处理原图，得到浮世绘海浪风格图像；步骤3：对浮世绘海浪风格图像进行反转和渐变处理，得到海浪倒影图像；步骤4：拼接原图和海浪倒影图像，得到最终的浮世绘海浪倒影图像。本发明通过采用VGG‑19卷积神经网络训练浮世绘海浪风格模型，解决了传统倒影图像水波效果单一的问题，实现了一种现代与古风的对比意象。

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种在图像中添加浮世绘海浪倒影的方法和系统。

背景技术

目前在社交网络图片展示、商场推广活动以及数字画廊制作图片等各种服务中，需要呈现各种风格的图片，现有的原始图片并不足以满足这种需求。需要将各种原始图片灵活转换成具备某种特定艺术风格的图片，虽然也引入了深度学习网络对图像进行风格迁移处理，但是现有的深度学习网络在保持原始图片的边缘的效果上和风格迁移效果上还不够好，尤其是在图像倒影方面上的处理。

专利文献CN109766895A(申请号：CN201910005026.8)公开了一种用于图像风格迁移的卷积神经网络的训练方法和图像风格迁移方法。该方法包括：接收尺寸相同的内容图像和风格图像；基于所述内容图像和风格图像利用训练好的卷积神经网络来得到风格迁移后的输出图像，其中，所述卷积神经网络使用包括内容损失函数、风格损失函数和正则化损失函数三者的总损失函数来训练，所述正则化损失函数基于矩阵L构成。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种在图像中添加浮世绘海浪倒影的方法和系统。

根据本发明提供的在图像中添加浮世绘海浪倒影的方法，包括：

步骤1：基于卷积神经网络VGG-19模型，对图像样本进行训练，得到浮世绘海浪风格转换模型；

步骤2：使用浮世绘海浪风格转换模型处理原图，得到浮世绘海浪风格图像；

步骤3：对浮世绘海浪风格图像进行反转和渐变处理，得到海浪倒影图像；

步骤4：拼接原图和海浪倒影图像，得到最终的浮世绘海浪倒影图像。

优选的，选择不同类型的浮世绘海浪风格主题并传入到浮世绘海浪风格转换模型中，对原图进行处理，得到不同类型的浮世绘海浪风格图。

优选的，所述步骤2包括：通过高斯滤波对图像进行降噪，公式为：

其中，G(x,y)为二维高斯分布；σ为标准方差，值越大，高斯函数的峰越宽，临接的数值差越大；e为自然常数；x为x轴数值，y为y轴数值。

优选的，使用图像处理矩阵对图像进行反转；

使用画板Canvas画出图像的渐变色图，包括文字和日期。

优选的，把风格主题图片、待处理图像一起输入到VGG-19训练好的浮世绘海浪风格转换模型中，生成目标的损失函数是内容损失函数和风格损失函数的加权和，损失函数计算公式如下：

J(G)＝αJcontent(C,G)+βJstyle(S,G)

其中：C是输入图像；S是风格主题图像；G是生成图像；J是总损失；α是内容损失权重；β是风格损失权重；

采用梯度下降法，经预设次数迭代最小化损失函数，最后生成浮世绘海浪风格图像。

根据本发明提供的在图像中添加浮世绘海浪倒影的系统，包括：

模块M1：基于卷积神经网络VGG-19模型，对图像样本进行训练，得到浮世绘海浪风格转换模型；