[发明专利]基于风格学习的绘画渲染方法

说明书

技术领域

本发明是涉及一种基于参考的绘画渲染方法，具体涉及一种基于风格学习的绘画渲染方法。

背景技术

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，而这种基于底层特征的学习方式在某些纹理明显的模板情况下有不错的效果表现，然而也存在一些关键的局限。如无法反应一些非纹理的风格，比方写实派油画风格；或者学习结果对模板内容依赖性强，而不能对某一画家在同一时期的作品风格形成一致的抽象与模拟。

发明内容

本发明的目的在于提供一种能够自动分析输入模板图像绘制风格，设置合适参数表达相应风格，不需用户进行大量参数调整的基于风格学习的绘画渲染方法。

为达到上述目的，本发明采用的技术方案是：

1)对输入的参考模板进行多频率Gabor特征行为分析以区分模板中纹理细节密集区域和轮廓或平滑区域；

2)对纹理细节密集区域和轮廓进行多方向Gabor特征行为分析，进而得到可能的笔画区域并构建笔画置信度图；

3)基于笔画置信度图建立笔触强度，笔画尺寸，笔画方向三方面统计量并通过这些统计量描述不同风格的输入模板；

4)经过上述步骤建立风格描述符后，在现有绘制框架的基础上，拓展对不同风格作品的表达手段，使其能够进行更多风格的渲染。

本发明的具体步骤如下：

1)对输入的参考模板根据Gabor能量响应为参考模板图像中每个像素建立多频率特征向量，进而提取针对输入模板的纹理细节区域，Gabor能量响应由下式计算：

eλ,θ,σ(x,y)=Rλ,θ,σ,0(x,y)2+Rλ,θ,σ,π2(x,y)2]]>

其中R_{λ，θ，σ，0}(x，y)²和分别为参考模板的实部和虚部Gabor能量响应，λ和θ分别表示不同频率和方向的Gabor滤波核，σ为Gabor滤波核中高斯包络的标准差，通过上式计算的Gabor能量响应，并选择最大方向上的Gabor能量，构建每个像素点的多频率特征向量：进而得到细节纹理区域的数学表达：

T_map(x，y)＝b(x，y)·μ(Ω，σ，x，y)

其中