线条画矢量化研究

线条画矢量化研究（精选3篇）

线条画矢量化研究 篇1

0 引言

线条画图像的矢量化在许多图形图像处理中有重要应用,如在模式识别中通过提取图像的线条信息进行识别,在图案设计中,需要给每个线条指定特种类型的风格,在科技文献插图和卡通图像的创作中,需要绘制各种不同格的图案。如果仅仅依靠手工绘制,这是一项非常繁重的工作,在计算机辅助下通过图像进行转化,则会大幅度降低工作量。目前有许多进行各种风格化创作的方法,如路径和风格的方法[1]、类比的方法[2]、2.5d卡通模型的设计[3]等。这些方法都需要得到矢量化的线条,而对图像表达的线条画则无法直接处理。同时,有若干从图像中提取线条画的方法[9,10],但是提取的结果都是图像形式,没有自动转化成图像表达的矢量形式,因此生成的结果都是固定的,不能灵活地进行风格的转换。本文的目的在于结合上述两类工作的方法,提出根据图像格式的线条画,自动获取线条画中各种矢量表示的线条元素的方法。根据这些矢量的线条笔画,可以进行各种风格化的创作。

1 相关研究

线条画作为一种艺术形式,因其独特的表现力和抽象性广泛应用于美术创作、科技文献插图、工艺美术及平面广告设计等领域。因为线条在绘画作品中往往是用来支撑和表现艺术形象重要的语言。它除了表达简洁的特点外,还有各种不同的表现风格,如速写、素描、漫画等。在非真实感领域,生成线条画的不同风格可以用于多种不同的用途,不仅仅可以作为一种艺术创作的延伸手段,而且可以用于工程设计的草图、科技文献插图等。因此,在生成艺术风格的线条画方面已经有大量的研究和成功的方法。

早期的基于硬件的方法是通过“抖动”绘图设备的画笔来模拟手工绘制的效果,文献[1]用路径和风格的方式处理各种已知线条矢量形式的线条风格化,该方法通过把矢量表示的风格,按照线条表示的路径形状进行变形以得到特定风格的线条。基于这一思想,还有许多类似的处理方式,如笔画模板结构的应用[4],通过定义一个笔画模型,把笔画用于各种路径进行变形,可以成功用于陶瓷、印染、印花等行业。Freeman[5]提出的线条画风格转换的方式,通过比较和识别笔画的形状,从已知的笔画形状中选择某种风格的笔画重描线条画,从而转换线条画的风格。在此基础上,文献[6,7]也采用类似的笔画表示方式,对文献[5]的风格转换方法进行了改进。另外,如文献[2]中利用类比的方法根据线条和风格进行目标线条的风格化,文献[3]处理卡通动画的过程中,也需要已知线条的矢量表示才能进行正确处理,该文中的矢量线条是通过手工绘制完成的。上述这些方法都需要提供矢量表示的线条,才能进行正确的风格化处理。

在非真实感绘制领域,有一些根据图像抽取线条画的方法,如Decarlo[8]曾借助特殊设备采用局部控制的方法抽取不同细节层次的线条,Minjung[9]等根据相似性和特征大小得到连续的线条,Henry[10]通过建立图像的切线方向流(ETF),使用带方向的DOG方法得到连续的线条。上述这些方法的抽取结果都是一些图像形式,它们的结果一旦生成就是固定的了,如果不加矢量化,不能直接用于非真实感的风格绘制和图案设计中。

较早的一些提取线条的方法如文献[11]用于遥感图像或医学图像提取线形结构,但该方法抽取的线条许多是一些离散的小短线,不能形成连贯的线条,不便于矢量控制。本文提出的方法是为解决图像格式的线条画转化为矢量线条,只有完成这个转换,才能结合从图像中抽取线条和对线条风格化绘制两个方面的成功的方法,进行更多应用的图案设计。

对线条画中每一个笔画的模型表达,在文献[5]中提到使用(x,y,w)的基本形式,表示笔画上每个点的坐标和宽度。根据旋转或放缩等需要,可以定义一个中点或参考点。对于需要控制点或连续曲线逼近的情况,可根据需要定义相应的控制点。本文采用上述笔画结构。

2 方法

2.1 算法流程

本文解决的问题是提取线条画中的矢量信息,包括线条、特殊点,以及由线条和上面各点的宽度构成的笔画结构。整个过程如图1所示。

2.2 二值化

首先,算法需要对输入的线条画图像进行二值化处理,得到一个二值图像。在这一步骤中,需要指定分割的阈值,对于不同的图像,阈值应该取不同的数值。文中使用了Otsu方法进行自动设定阈值。Otsu方法通过使两组像素的组内方差最小来确定阈值[12]。首先定义图像的直方图函数为一个概率函数P,其中P(0),…P(I)表示灰度值0,1…I的直方图概率,P(i)=|{(r,c)|Image(r,c)=i}|/|R*C|,其中R*C是图像的空间区域。通过直方图求阈值也就是确定一个最好的阈值t,利用这个阈值把直方图的两种模式分开。图像的二值图就是我们获得矢量信息的来源。

2.3 图像细化

对二值图进行细化,得到所有笔画的中线,即图像表示的线条的坐标位置。图像细化的方法有许多,根据是否使用迭代运算可以分为非迭代算法和迭代算法两类,非迭代算法是一次即产生骨架,如基于距离变换的方法,游程长度编码细化等。迭代算法是重复删除图像边缘满足一定条件的像素,最终得到单像素宽的骨架。一些经典的算法如Hilditch、Pavlidis、Rosenfeld细化算法等,索引表细化算法也是一种较简单的方法,常用的是基于数学形态学的索引表细化算法,本文对2.2所得到的二值图采用了基于形态学的索引表细化算法,创建一个长度为256的索引表,通过查表,决定一个像素是否该删除。最后得到细化的图像Ithin。

2.4 线条追踪

为了得到矢量化的线条,需要进行如下处理。根据2.3的结果,从细化的图像Ithin中找到线条的起点像素p,然后沿着该像素的某一个非空邻居的方向进行追踪,直到找到一个像素q再没有其他邻居,连接所有追踪过程中的像素,即得到一条矢量线条。重复进行上述操作,直到图像中没有像素可访问。在这里,像素代表线条上的一个点,需要考虑它的8邻域空间。

在追踪的过程中,如果中间的像素都是仅仅和前驱与后继两个像素相邻,则线条没有分支。如果遇到某个像素还有其他的邻居,则线条在该点处出现分支,当前点即是一个分支点。在此处,线条的走向决定于线条当前的曲率与哪个方向接近,则沿哪个方向追踪下去。当然,如果不需要交叉线条的应用,到此分支点,则停止追踪。通过上述处理后,能够得到所有的矢量表示的线条和分支点。

2.5 获取线条宽度

为了得到线条的宽度,我们对2.2得到的二值图提取边界。边界检测的方法有许多,经典的算子如sobel、prewitt、roberts,以及canny等。由于要处理的图像是二值图,因此一般不需要使用复杂的算子即能求出表示宽度的边界图像。这幅边界图像与2.4追踪所得到的矢量线条结合起来,便可求出线条上每个点的宽度。具体做法是,沿着线条的斜率垂直方向画短直线,与边界图像中的边界像素相交,求最近的两个像素,它们之间的距离即为线条上该点的宽度w。

2.6 特定风格绘制

通过获得线条和笔画的矢量表示,在此基础上便于添加各种风格,关于线条风格化,有许多成功的方法,如可以使用特定风格沿路径变形的方式,或者使用类比的方式,本文对此不再赘述。风格绘制的实现见结果部分。

3 结果

本部分根据前面的描述,给出相关的结果。首先是二值化的结果,根据Otsu方法自动确定二值化的阈值,适用于不同灰度的图像。图2给出一个例子。对于图像的细化,采用了查找索引表的方法,根据数学形态学建立一个索引表,细化的图像结果如图3所示。

图4是对细化图像中的线条追踪的结果,所画出的线条是一个矢量图形,为了和图像区分开,使用了渐变的颜色绘制。图5是笔画的绘制结果,是在线条的切线垂直方向画出一定的宽度表示,宽度是根据二值图像中的宽度所求,能够看出图5的矢量绘制与图3相差很小。

图6是线条风格化绘制的结果,因为风格化绘制已有许多成功的方法,本文为了说明问题,仅给出简单的例子。(a)图是一个笔触为三角锯齿形线的效果,(b)是一个笔触为连续圆的效果。

4 小结

本文给出了线条画图像矢量化的方法和过程。线条画图像的矢量化表达在模式识别以及图案设计中有重要的意义,但目前存在的大量成功方法或者是针对矢量表示的线条进行图案设计,或者根据普通照片提取出线条画图像。结合这两方面的工作,从图像获得线条,根据线条的矢量表达设计所需要的特定风格图案具有重要意义。本文提供的方法可以用于相应的图案设计领域。

摘要：针对图案设计中无法由图像文件直接设计艺术风格的问题,提出一种线条画图像矢量化的方法。现有的研究工作或者根据矢量线条进行图案设计,或者根据图像抽取线条画,文章的工作可以结合这两类方法完成从图像到各种风格的艺术图案的设计。实现过程包括图像二值化、图像细化、线条追踪和宽度获取几个步骤,文章最后给出了实验结果。

关键词：非真实感绘制,线条画,矢量化,图案设计

参考文献

[1]Strothotte T,Preim B,Raab A.et al.(1994).How torender frames and influence people[C]//Proceedingsof Eurographics Oslo,Norway,1994:455-466.

[2]Hertzmann A,Oliver N,Curless B,et al.Curve analogies[C]//Proceedings of 13th Eurographics Workshop on Rendering,Pisa,Italy,2002:233-246.

[3]Rivers A,Igarashi T,Durand F.2.5D Cartoon Models[C].SIGGRAPH'10 ACM SIGGRAPH 2010 papers,Article No.59.

[4]杨刚.基于笔划模板的非真实感绘制技术[D].济南:山东大学,2002,4.

[5]Freeman W T,Tenenbaum J B,Pasztor E.An example-based approach to style translation for line drawings.Technical Report TR99-11,MERL,1999[EB/OL].http://www.merl.com/reports/docs/TR99-11.pdf

[6]孙玉红,屠长河,孟祥旭,基于形状演化的线条画风格转化和变形[J].计算机辅助设计与图形学学报,2006,18(2):208-211.

[7]屠长河,孙玉红,孟祥旭.基于样本的线条画风格转换与定制方法的研究[J].计算机学报,2005,28(6):965-971.

[8]DeCarlo D,Santella A.Stylization and abstraction of photographs[J].ACM Transactions on Graphics,2002,21(3):769-776.

[9]Minjung Son,Henry Kang,Yunjin Lee.Abstract line drawings from 2D images[C]//15th Pacific Conference on Computer Graphics and Applications.Maui,Hawaii,2007:333-342.

[10]Kang H,Lee S Y,Chui C K.Coherent Line Drawing[J]//Proc.ACM Symposium on NPAR,San Diego,2007:43-50.

[11]Steger C.An unbiased detector of curvilinear structures[J].Pattern Analysis and Machine Intelligence,1998,20(2):113-125.

[12]Shapiro L G,Stockman G C.计算机视觉[M].赵清杰,钱芳,蔡利栋,译.北京:机械工业出版社:63.

线条画矢量化研究 篇2

课时：2课时 教学目标：

1.学习以线条与色彩进行造型表现的基本知识； 2.学会用线条与色彩的美妙组合来表达自己的感受； 3.养成积极观察自然、传达情感和表现美好生活的良好习惯； 4.培养细心欣赏、善于想象、大胆表现的学习态度。

教学重点：

能运用不同的线条或色彩画出自己的感觉； 能运用线条或色彩的美妙组合表达感觉。

教学难点：

1、运用不同线条或色彩的组合与搭配进行有主题的造型表现。

2、运用线条与色彩的组合表现自己眼中的世界和心中的感受。

课前准备：

有关表现自然景物和水果的图片以及绘画资料，多幅线描与色彩的抽象画。

教学过程：

一、寻找身边和大自然中的线条与色彩。（出示图片）交流自己搜集的资料，小组讨论线条和色彩的种类。

二、讨论线条与色彩的组合给人的感觉。画一画，自己熟悉的线条与色彩。演一演，用身体动作演一演，对线条或色彩的感觉。说一说，对自己所画的线条与色彩组合的感受。

三、观赏、发现感受教材中的线条与色彩。《春潮》

树枝、树叶与花朵分别用线条和点来表达，半抽象的画面表达出春天生机勃勃的景象。流动的波浪线条，概括地描绘了波涛汹涌的形态。

《腰鼓舞》

流畅而简练的线条，传神地表现出舞者的动感。《风的感受》 风的感觉是流动，是速度，使迎风起舞。寒冷刺骨的感受是难受，是压迫，是紧缩和哆嗦。

《无题》

火红的色彩、流动的水迹，摇曳的绿色的笔触，使人感到生机勃勃、气氛热烈和情绪激动。

《盛夏的感觉》

主要通过色相的变化表达各种抽象的画面和不同的感情色彩。照片：红叶和雪山的色彩形成了暖与冷的鲜明对比。

一小组为单位对书中画家(小画家)的作品进行各种线条与色彩的比较、讨论，然后各小组汇报。画家想表现什么感觉？他们运用什么线条或色彩的组合画出来。

四、表现感受：选择线条或色彩表现感受

1.临摹画家作品中的线条与色彩(可想象变化)，体会作品表达的情感。2.把你对某种十五的感觉用不同的线条或色彩的组合画出来。

五、小组评价

1、能说一说自己对某一事物的感觉。

2、能运用不同的线条组合，表现出自己的感觉。

3、能运用不同的色彩组合表达感觉。

提示：积极向上、热烈、宁静、温暖、寒冷、欢乐、痛苦、轻松、躁动

课后反思：

线条画矢量化研究 篇3

在非真实感线条画绘制研究的基础上, 本文对唐卡图像的线条画进行研究。唐卡是藏族绘画艺术的一种主要的表现形式, 其以线描为主要造型骨架, 在此基础上进行色彩渲染。由此可见线条绘制是藏传唐卡画的基本手段, 使是与藏文化一脉相承的审美表现技法。不同的线描手法代表不同的绘制对象, 线条在按照组织结构进行疏密绘制, 在其刚柔并济的线条勾勒的变化中, 体现和谐的韵律以及装饰效果。本文在基于FDOG滤波方法的启发下, 结合唐卡色彩对比反差形成的梯度, 并用ETF (edge tangent flow, ETF) 对梯度向量进行平滑, 最终采用FDOG提取唐卡图像的的线条画, 使唐卡图像的另一种艺术风格显示出来。

1条画提取方法

唐卡图像中颜色夸张、色彩对比强烈, 这样增加了唐卡线条所创造的美感, 从而达到鲜艳明快的强烈的视觉艺术效果, 展现浓烈的藏民族独特的艺术风格, 提高了唐卡有的艺术性和欣赏性。基于唐卡在绘制过程中纯颜色的大范围内的应用, 且相邻区域颜色对比强烈。每个像素的颜色是由R、G、B三个通道颜色组成, 且在每个通道中颜色分布不同, 在不同的通道中其边缘特征位置必定不同。单纯得利用灰度图像不但不能体现其颜色的分配特点, 还会使一些细节信息丢失, 会影响线条画提取的效果。因此在对唐卡图像线条画提取之前, 为了强化确唐卡图像中的线条, 在RGB颜色空间上对唐卡图像进行梯度计算, 检测出其R、G、B三个通道在其颜色区域的边缘信息。

本文用到的唐卡图像原图, 如图1所示。

1.1边缘检测

在边缘检测中本文采用一阶微分Sobel算子, 利用每个通道中相邻区域像素的梯度计算像素的梯度, 并用阈值进行取舍;对每个通道中提取的边缘图像进行融合, 得到边缘图像。

在每个通道中采用一样的3X3的Sobel模板, 该算子包含横向和纵向两组3X3矩阵, 将其与原图像做卷积运算, 就可以得到纵横两个方向上的颜色差分近似值。Gx、Gy分别表示纵横方向上图像梯度, 公式如下

式中GxP、GyP分别表示纵向和横向在R、G、B通道上的梯度;fP (a, b) 表示像素 (a, b) 的R、G、B值。将提取到的唐卡图像的R、G、B边缘图像进行融合。为了提高运算速度, 有效地抑制噪声, 对相同像素上不同通道的梯度, 根据其值的大小进行融合, 公式如下

对输入原图像图1分别在R、G、B通道用式 (1) ~式 (3) 进行梯度运算, 运算的结果如图2的第一行。对R、G、B通道的图像用式 (4) 、式 (5) 进行融合后的结果如图2第二行的第一幅图, 然后再对其进行灰度处理, 结果如图2中第二行第二图。从图2中的RGB通道合成图中可以看到, 处理后的图像边缘轮廓已经比较清晰, 为后续线条画的提取打下基础。

1.2构造边缘切向流

对于检测到的边缘图像, 为了在降噪的同时尽可能保持其边缘细节, 需要进行平滑处理。在此用Kang Henry提出的边缘切向流的方法进行平滑处理, 从本质上说该方法使用双边滤波处理向量值数据。即在每个中心像素的内核, 进行向量的非线性平滑, 这样突出的边缘方向都被保留, 还能避免不良的“旋涡”;而弱边界则根据邻域内主要的方向被重新定向。并且, 保留锐化的边角, 对具有相似方向的边界进行平滑。这也可以防止弱向量被不重要的强向量影响, 从而导致出现更紧密的向量。

边缘切向流滤波器 (ETF) 定义如下:

式 (6) 中Ω (x, y) 为像素以 (x, y) 为中心半径为r的邻域, k归一化因子, t (·) 为切向量, 其周期为2π。对于空间权函数ωs, 采用半径为r的箱式过滤器, n为迭代次数。

ωm为幅度加权函数,

式 (8) 中为像素z的归一化梯度幅值, η控制衰减率。ωm在[0, 1]范围内关于幅度差是单调递增的。邻域像素y的权值越大它的梯度幅值比中心像素X越大, 这样可以确保主要边界方向保留。η值越大意味着更严格的服从主导向量。在此设置η值为1。对于ωd为方向加权函数, ωm、ωd在特征存储中起到至关重要的作用。

t (z) 为像素Z当前规格化切线向量。当两个向量紧密联合时这个加权函数的增加 (也就是, 两个向量之间的夹角θ越接近0°或180°) , 当两个向量垂直时加权函数减少 (也就是夹角为90°) 。另外, 在平滑之前用符号函数φ (x, y) ∈{1, -1}对t (z) 方向进行反向, 这种情况下θ是大于90°的。

这种方法能使向量更紧密的结合, 同时避免漩涡流。为了提高方向滤波的鲁棒性, 本文对公式 (6) 进行改进, 通过添加方差因子收集统计测量的数据。

ETF开始, 从输入图像的初始梯度映射g0 (x) 中采用垂直向量 (在逆时针方向) 获得t0 (x) , t0 (x) 在使用之前进行规格化处理。初始梯度映射g0 (x) 通过Sobel算子计算。这种滤波被反复迭代来更新ETF, ti (x) →ti+1 (x) 。

对1.1节得到的灰度图像 (图2第二行第二幅图) 进行ETF和线条画提取, 即应用式 (6) 、式 (14) 得到结果如图2最后一幅图。

1.3线条画提取

ETF中的t (x) 表示局部边缘方向, 意味着在其垂直方向有最大对比度, 也就是梯度方向g (x) 。本文通过FDOG滤波的方法对ETF平滑后的图像进行线条画提取, 其思想是当沿着边缘流移动时在梯度方向上进行线性DOG滤波, 同时沿着流方向收集每个像素的滤波响应, 在推断其为边缘之前作为收集数据的方法。这样就可以沿着真正的边缘夸大其滤波输出, 同时减弱了伪边缘的输出;这样不但能增加边缘空间的相干性还可以有效地抑制噪声。基于流的滤波示意图如图3所示。

设cx为x点的流动曲线, 曲线长度s的取值范围为[-S, S], 曲线长度的表示为cx (s) 。若x为曲线中心, 即s=0, 则有cx (0) =x。同时lx, s为垂直于曲线cx (s) 的切线且与cx (s) 相交于x点的线段, 即法线段, 表示曲线的宽度, 如图1所示。如果用参数t表示法线段lx, s的宽度, 表示为lx, s (t) , 其取值范围为[-T, T], 若lx, s为法线段的中心, 则有lx, s (0) =cx (s) 。cx (s) 的法线段lx, s与其梯度向量平行。一般的cx称为流轴, lx, s为梯度轴。t (x) 为局部边缘方向。当沿着cx移动时, 沿着ls用一维滤波f进行滤波, 这个一维滤波垂直于t[cx (s) ]并与cx (s) 相交;每次沿着cx的权值函数进行卷积, s的权值函数表示为。

式 (11) 中i (lx, s (t) ) 表示输入图像在lx, s (t) 的值, Gσ为一个单边量、方差为σ2的高斯函数。

D (t) 为一个基本的滤波器。

参数σc、σs控制中心间隔大小和周围间隔大小σs=1.6σc, σc由用户给定。这就决定了σs和T的大小, 直接影响了线条的宽度。σc太小会增加边缘噪音, 太大会使细微特征变形。σm控制边缘切向对其几分卷积的宽度。其值越大, 会将几个不连接线断连接增加边界线的连贯性, 使线条更长。ρ控制检测到的噪音级别, 一般在[0.97, 1.0]区域变化。按照公式 (11) 计算出h (x) 后, 通过阈值将其转换为黑白图像。

τ为[0, 1]范围的阈值, 其典型值为0.5。二进制输出h' (x) 就为线条图像。

2实验与分析

本文试验是在3 G双核, 2 G内存的的笔记本电脑上, 用VC++程序编写完成。实验中唐卡图像原图如图2所示, 用本文提出的方法对各唐卡图像进行线条画的过程如图3所示。

2.1实验结果

从图2可以看到, R、G、B通道的梯度图已经初步显示图像的线条画, 但是其线条是建立在R、G、B颜色变化的基础之上, 不能全面展示图像颜色的变化。融合后的图象能将各通道的颜色变化总体体现出来, 但是在清晰的线条之外还存在一些干扰。因此采用ETF去处干扰和噪音后再提取线条画。

在线条画提取过程σc=0.7, σm=4, τ=0.7, ρ=0.998, φe=0.8, 从图2的最后一幅图可以看到结果比较理想, 干扰较少, 图像的线条画比较清晰。

2.2实验分析

传统的Canny, Laplace, Sobel边缘方法也能用于图像线条画的提取, 本文将这些方法以及FDOG方法进行比较, 比较的结果如图4所示。在FDo G和本文的方法中, 参数的值分别为σc=0.4, σm=4, φe=0.8, ρ=0.998, τ=1.0。从图中可以看到, Canny边缘检测方法, 检测到的边缘线条比较杂乱, 线条画得图像有少许失真, 但是干扰较少;从总体上看, Laplace检测方法比Canny方法的效果好, 但是不够清晰, 如第一幅图佛像周围的线条有些变形, 且祥云中间填充有其他噪音, 存在干扰, 没能完全以线条展现其特色。Sobel边缘检测方法检测到的线条不清晰 (如第三幅图像的胳膊处, 第二幅图的底部) , 和Laplace方法类似, 线条画中间存在噪音, 不能清晰展现线条画;FDo G方法和本文提出的方法都能检测出清晰的线条, 且干扰较小;但是从结果看, 本文提出的方法比FDo G方法更清晰, 图像轮廓更明显, 佛像周围的细小线条都能明显的提取, 能突出体现唐卡图像的线条特征。

在实际应用中, 可以通过调整参数的方式来展现不同特色的唐卡图像线条画。参数取值不同, 会直接影响线条画提取结果, 比如σc决定线条画中线条的粗细程度, σm决定线条的连贯程度, ρ影响线条的检测敏感度, τ影响线条的灰度。实际显示的效果在于参数的选择。

3结论