【正文】 到 hsv 顏色 空間，對飽和度空間進行處理，增大它的值， 使圖像更加鮮艷。 小結(jié) 在本部分經(jīng)過選擇較優(yōu)的邊緣檢測方法得到較清晰的邊緣，再由閾值處理，開閉運算優(yōu)化圖像邊緣，強化邊緣和減少散亂的點，使圖像整體質(zhì)量提高，最后達到需求的效果，完成實驗。 black3=imclose(black3,se)。此時得到的邊緣檢測圖像算是比較完整的了。conv39。在實現(xiàn)時一般用兩個不同參數(shù)的高斯函數(shù)的差 DoG（ Difference of Gaussians）對圖像作卷積來近似。這些包括了深度上的不連續(xù)、 表面方向 的 不連續(xù)、物質(zhì)屬性 的 變化和場景照明 的 變化。applycform39。 顏色 量化即人工或根據(jù)某種特定的規(guī)律來選擇 多 種 顏色 ，從而組成新的調(diào)色板 使用 ，最后根據(jù)新 建 的調(diào)色板來重建圖 像。區(qū)分顏色還可以常使用三個基本的特征量：色調(diào)、飽和度和亮度。 %改變圖像精度才能進行后續(xù)操作 I=im2double(I)。對該鄰域內(nèi)的每一個像素點 g(i,j)由兩部分因子的成績組成 ， 分別是下面的空間距離和灰度距離。這樣的方法可以平滑圖像，速度快，算法簡單。 除了植入 MATLAB 基本語言中的大量函數(shù)，還有許多專用工具箱，以幫助用戶解決在具體領(lǐng)域的復(fù)雜問題。一方面， MATLAB 可以方便實現(xiàn)數(shù)值分析、優(yōu)化分析、數(shù)據(jù)處 理、自動控制、信號處理等領(lǐng)域的數(shù)學(xué)計算，另一方面，也可以快捷實現(xiàn)計算可 視化、圖形繪制、場景創(chuàng)建和渲染、圖像處理、虛擬現(xiàn)實和地圖制作等分析處理工作。因此，我們有必要對豐富多彩的繪畫表現(xiàn)形式進行理性和科學(xué)劃分，便于對漫畫的表現(xiàn)手段有個清楚地認識，并了解和掌握視覺美學(xué)形態(tài)。非真實感繪制技術(shù) 同樣可以廣泛應(yīng)用于動畫、游戲、電影等娛樂產(chǎn)業(yè)。 雖然大眾對《惡之華》的反響十分差，但同樣也有人稱贊 其敢于創(chuàng)新，將這樣的技術(shù)活用于現(xiàn)在動畫 。 1994 年 ,隨著幾篇論文在 Siggraph 會議的發(fā)表 (如 Winkenbach and Salesin、 Salisbury)和在 Eurographics 會議的發(fā)表 (如 Strothotte) ,這一領(lǐng)域才逐漸顯現(xiàn)出來。隨著技術(shù)不斷的成熟，非真實感繪制可以運用到各個方面，如基礎(chǔ)的圖像美化、動畫制作、景區(qū)風(fēng)景宣傳、商業(yè)娛樂欣賞等等。本論文以實現(xiàn)圖像的漫畫效果為目的， 通過使用 matlab 對圖像進行處理，簡要闡述了開發(fā)背景與環(huán)境， 在保證圖像核心結(jié)構(gòu)不改變的情況下 進行 以下幾個操作： 1 根據(jù)需求，選擇雙邊濾波器對圖像進行濾波，達到去除噪聲，提高圖像質(zhì)量方便特征提取的目的。正好符合真實感繪制的特點，利用非真實感繪制相關(guān)技術(shù)完成圖像 具有漫畫效果 的繪制 。之后 陳洪等人建立一種算法，在人臉圖像上標識了一些特征點，利用這些特征點，捕捉各種不同外貌表情夸張的類型，從而學(xué)習(xí)卡通漫畫的繪制的方法 [7]。 研究意義 隨著非真實感繪制的不斷完善，非真實感繪制在各應(yīng)用領(lǐng)域的使用也將不斷增多[13]： (1)藝術(shù)領(lǐng)域。 7 第二章 漫畫效果 圖像 處理 漫畫效果分析 漫畫是一種藝術(shù)形式，是用簡單而夸張的手法來描繪生活或時事的圖畫。 真實的圖片完全變成漫畫是十分艱巨的或者不可能的，而漫畫效果 則是在原始圖像的基礎(chǔ)上添加漫畫的特點，使其看上去像是漫畫 。這是因為這種語言極易使用，對于教育應(yīng)用和快速建立新程序的原型，它是一個理想的工具。 5. 用戶圖形界面 MATLAB 允許程序員為他們的程序建立一個交互式的用戶圖形界面。 b. 高斯濾波 c. 均值濾波 d. 中 值濾波結(jié)果 e. 雙邊濾波結(jié)果 圖 各濾波器對比 根據(jù)以上幾幅圖，可以看出高斯濾波和均值濾波模糊了邊界，而中值濾波和雙邊濾波則能夠較好的保存圖像的邊界信息。 雙邊濾波中加入了對 點灰度信息的權(quán)重： 在鄰域內(nèi)，灰度值越 是 接近中心點灰度值的點的權(quán)重更大， 而 灰度值相差大的點權(quán) 重越小。 I3=bfilter2(I2,w,sigma)。坐標軸上的三個頂點表示 RGB 三個基色，坐標原點表示黑色，離原點最遠的角表示白色，剩余的三個頂點對應(yīng)于 3 個補色，即品紅 (紅 +藍 )、藍綠 (綠 +藍 )和黃 (紅 +綠 )。在量化過程中，先對 L 空間進行等級的處理，結(jié)果四舍五入后再與等級想乘，為的是使結(jié)果盡量保持在 [0,100]區(qū)間內(nèi) [18]，接下來在使用公式進行量化， 使 圖像 在不同的量化區(qū)間過 渡相對比較平滑，更容易獲得一種抹勻的效果。))。 圖 幾只常見算子的比較 20 算 子的比較 選擇 由上圖 [19]總結(jié)： Roberts：采用對角線方向相鄰兩像素之差表示信號的突變， 性能上檢測水平和垂直方向邊緣 好于斜線方向， 可是對噪聲敏感，檢測出的邊緣比較 細。這個算法的一個主要缺點就是在調(diào)整圖像對比度的過程中信息量會減少 [20]。邊緣檢測得到結(jié)果如圖： 圖 邊緣檢測 可以看到 DOG 算子卷積之后 得到了十分好 的效果，手指部分 完全的保留了下來，甚至整張圖像各處都有遺留下來的細淺條紋， 特別是下巴部分，這些條紋會在恢復(fù)圖像后出現(xiàn)，使圖像變亂， 不是我們想要的 結(jié)果 ，我們將在接下來的操作中消除不需要的東西并進行其他的美化。 %弱統(tǒng)一 Edge1(Edgemin_gradient)=0。遵守目的之一要使圖像變 24 的更鮮明，我們在這一步驟中還讓原圖像 L 空間加上了一個數(shù)值（ 15），使得圖像變得更亮一些。 與轉(zhuǎn)描機技術(shù)比較 圖 27 轉(zhuǎn)描機由于是有動畫家來處理，細節(jié)描繪十分準確相比下尤其是眼睛部位，人物表情還原。 為了減少計算量， 顏色 量化和邊緣檢測都選擇計算量相對少的方法， Dog 算子不僅滿足相對計算量小，而且能夠獲得較為清晰的邊緣，是十分 實用的邊緣檢測算子。 dazzlingly: Scifi brought to graphic life USA Today 20xx 年 8 月 2 日 [11] Small watercolor by modeling diffusion,pigment,and paper fibers[C] Proceedings of SPIE Conference on ImageHandling and Reproduction Systems ,1460:140146 [12] Curtis D,Anderson S E,Seims J E, et Watercolor[C] 39。 30 參考文獻 [1] 蘇延輝，韋歡，費廣正 非真實感繪制技術(shù)研究 中國傳媒大學(xué)學(xué)報自然科學(xué)版 第13 卷 第二期 20xx 年 6 月 [2] 桂斌 非真實感繪制技術(shù)的研究 微計算機信息 20xx 年 15 期 [3] Berman D F,Bartell J T,Salesin D Paintingand Compositing[A]∥Proceedings of the 21st annual conference on puter graphics and interactive techniques[C].NewYork:ACM Press,July 1994:8590 [4] 王相海，秦曉彬，辛玲 非真實感繪制技術(shù)研究進展 計算機科學(xué) 第 37 卷 第 9 期 20xx 年 9 月 [5] Haeberli P by numbers:Abstract image representations[C] ∥ SIGGRAPH90 Conference SIGGRAPH,Addison Wesley,1990:207214 [6] Decaudin, Philippe, CartoonLooking Rendering of 3DScenes, Technical Report INRIA 2919, Universit233?？梢愿倪M的方法是修改飽和度，尋找更細致有效的邊緣檢測方法，減小邊緣的寬度。 imshow(m3)。 black3=imopen(black2,se)。因為最后要疊加的是 L 空間，同時加強邊緣的強度，所以用圖像乘以一個大于 L 空間最大值（ 100）的數(shù)值，此次選取的為 130。 使用 Dog算子卷積得到邊緣 Edge=imfilter(f1(:,:,1) ,DoG,39。為抑制噪聲，可先作平滑濾波然后再作二次微分，通常采用高斯函數(shù)作平滑濾波，故有 LoG(Laplacian of Gaussian)算子。圖像屬性中的明顯變化通常反映著屬性的重要事件和改變。 if exist(39。所以 Lab 顏色 空間 是我們要進行量化抹勻的最佳執(zhí)行環(huán)境，相反 rgb 空間則會因為量化大量失真，所以實現(xiàn)量化過程中，要將一般圖像的 rgb 顏色 空間轉(zhuǎn)換為 Lab 顏色 空間，可以利用Matlab 自 帶的函數(shù)： makecform、 applycform 實現(xiàn)兩者的相互轉(zhuǎn)換。所有顏色都可以看作三個基本的顏色：紅、綠、藍的不同組合，即三基色原理 。)。實 際上，公式（ 2）右邊就是中心像素點鄰域內(nèi)像素亮度值的加權(quán)平均。線性濾波的基本原理是用均值代替原圖像中的各個像素值，即對待處理的當(dāng)前像素點（ x， y），選擇一個模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該 均值賦予當(dāng)前像素點（ x， y），作為處理后圖像在該點上的灰度值 g（ x， y），即 g（ x， y） =1/m ∑ f（ x， y）， m 為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。像這樣成百 上千的函數(shù)已經(jīng)在 MATLAB 中編寫好，所以讓編程變得更加簡單。 MATLAB 分為總包和其他的 工具箱， 伴 隨著版本的不斷升級，它具有越來越 全面的數(shù)值計算能力，越卓越的數(shù)據(jù)可視化能力和良好的符號計算功能，逐漸 發(fā)展成為 了 各種學(xué)科、多種工作平臺下 支持的 功能強大的大型軟件，獲得廣大科技工作者的普遍認可。由于漫畫表現(xiàn)手段豐富，形式多樣化，不免使人產(chǎn)生誤解或模糊的認識，分不清有多少繪畫表現(xiàn)形式。 (4)娛樂行業(yè)。林克萊特 利用轉(zhuǎn)描機技術(shù)完成了電影《夢醒人生》和 《盲區(qū)行者》 ，這兩部作品使得理查德重回巔峰并讓轉(zhuǎn)描機技術(shù)得以受到世人的注意 [10]。 1990 年 ,Saito and Takahashi 和 Haeberli 在 Siggraph 會議上發(fā)表了兩篇非常有影響力的論文。 研究非真實感繪制可以幫助我們在近來的漫畫動畫制作渲染過程中獲得更多效果的體驗，根據(jù)需求選擇不同的繪制方法。 2 分別對 RGB 顏色空間和 Lab 顏色空間 進行比較，選擇更合適的進行量化處理， ,減少 圖 像 中 的 顏 色 。 19 世紀末，美國漫畫開始起步，一些周日報紙的副刊經(jīng)常登載連環(huán)畫 , 4 其中最早的連環(huán)漫畫 Richard Felton Outcault 的“ The Yellow Kid”（黃衣孩童）于 1896 年2 月 16 日在紐約出版。 在之后的 研究發(fā)展中， Holger Winnem168。非真實感繪制技術(shù)給藝術(shù)家提供了藝術(shù)創(chuàng)作的工具 ,允許藝術(shù)家們在繪畫過程中根據(jù)需求， 強調(diào)某些細節(jié)的同時忽略其它細節(jié)。一般運 用變形、比擬、象征、暗示、影射的方法，構(gòu)成幽默詼諧的畫面或畫面組，以取得諷刺或歌頌的效果。這些特點的添加便是我們所需完成的，輸入圖像時一般默認為 Integer，為了保證進行處理時的精確，要強制轉(zhuǎn)換為 Double 類 8 型， 制定流程圖如下： 輸入圖像 雙邊濾波 噪點處理 顏色量化 色彩 處理 邊緣檢測 增強邊緣 輸出圖像 圖 實現(xiàn)圖像漫畫效果流程圖 9 第三章 雙邊濾波 工具介紹 簡介 論文圍繞中心 Matlab 軟件，通 過其實現(xiàn)目的。許多的編程工具使得 MATLAB 十分簡單易用。利用 MATLAB 的這種功能，程序員可以設(shè)計出相對于無經(jīng)驗的用戶可以操作的復(fù)雜 的數(shù)據(jù)分析程序。 為此，選擇雙邊濾波器進行實驗。此權(quán)重大小，則由值域高斯函數(shù) 來 確定。 I4=bfilter2(I3,w,sigma)。為了直觀表示 RGB 顏色空間，我們可以用如下圖所示的一個單位立方體來描述 RGB 顏色空間。 17 圖 雙曲正切函數(shù)曲線 實現(xiàn)量化 %顏色 量化 B=im2double(I4)。 end 小結(jié) 本章實現(xiàn)雙邊濾波結(jié)束后的 顏色 量化，量化的一個重要參數(shù)就是量化等級數(shù)quant_levels，由它來決定每個量化區(qū)間的寬度 。 Sobel：邊緣檢測算子是像素鄰域的 計算 加權(quán)和，模板中心值 比 較大， 結(jié)果不但產(chǎn)生較好的邊緣效果，同時 對噪聲 也具有平滑作用。 (6) [21] 21 DOG 算子： D(x,y,σ)=*G(x,y,kσ)?G(x,y,σ)+?f(x,y)=F(x,y,kσ)?F(x,y,σ)(7)