[发明专利]基于笔画纹理分析的绘画渲染方法

权利要求书

1.一种基于笔画纹理分析的绘画渲染方法，包括以下步骤：

1)对输入的笔画纹理模板进行二维经验模式分解(BEMD)分解，获得前两阶本征模式；

2)对前两阶本征模式进行能量分布统计量和能量强度统计量，并建立相应统计量对不同的笔画纹理进行描述；

3)经过上述步骤建立笔画纹理风格描述符后，在现有绘制框架的基础上，设计相应的笔画纹理表达技术，并将绘制参数与上一步所得统计量进行关联，使其可以进行多种绘画风格的渲染。

2.根据权利要求1所述的基于风格学习的绘画渲染方法，其具体步骤如下：

步骤1：输入待绘制目标图像；

步骤2：输入待模仿的笔画纹理模板，并在待模仿的笔画纹理模板中以矩形框指示最具代表性的笔画区域即提取待模仿的笔画纹理模板的笔画纹理块P；

步骤3：根据二维经验模式分解技术计算提取的笔画纹理块的均值包络；首先，采用8邻域极值点找出笔画纹理块P中所有的局部极大值与极小值像素点，利用径向基函数(RBF)进行插值，得到纹理块P的上包络曲面及下包络曲面，并计算这两个包络曲面的平均，得到均值包络曲面m₁(P)；

步骤4：计算第一个本征模式M₁(P)：其中，本征模式定义为满足如下条件的信号：1)局部极大值以及局部极小值的数目之和必须与零交越点的数目相等或是最多只能差1，也就是说一个极值后面必需马上接一个零交越点；2)在任何时间点，局部最大值所定义的上包络线与局部极小值所定义的下包络线，取平均接近为零；

将输入的笔画纹理块P与均值包络曲面m₁(P)相减，得到第一个分量h₁(P)，并检测h₁(P)是否符合本征模式的条件，如不符合，则将h₁(P)作为新的输入，回到步骤3，进行重复筛选，直到所得分量h_n(P)符合本征模式定义，获得第一阶本征模式，如式1所示：

[式1]

M₁(P)＝h_n(P)

步骤5：计算第二个本征模式M₂(P)：使用原始输入笔画纹理块P减去第一阶本征模式M₁(P)，并重复步骤3和步骤4所示过程，得到第二阶本征模式M₂(P)；

步骤6：计算能量分布统计量D_e(P)描述笔画内纹理复杂度，具体由下式计算：

De(P)=Σp(x′,y′)∈M1-M2I(x′,y′)Σp(x,y)∈M1I(x,y)]]>

其中I(x，y)描述了像素点p(x，y)处的响应强度，点集M₁，M₂表示两个本征模式M₁(P)，M₂(P)中响应强度大于某个预设阈值(通过实验经验确定，在本发明中取值为20)的像素点的集合；

步骤7：计算能量强度统计量M_e(P)描述笔画间堆叠效应强度，具体由下式计算：

Me(P)=Σp(x,y)∈M1w(x′,y′)·I(x,y)Σp(x,y)∈M1w(x,y)]]>

其中w(x，y)通过下式计算：

w(x，y)＝I(x′，y′)/Max(I(x′，y′))

其中p(x′，y′)∈M₂，I(x，y)描述了像素点p(x，y)处的响应强度；

步骤8：笔刷模型设计：

在以前的绘制框架基础上设计一系列由基础笔刷形状和不同程度扰动组成的笔刷模型，并建立一张笔刷模型的描述图，在描述图中，每一个强度大于0的像素被认为是笔刷中的一个刷毛，其强度描述了该刷毛与纸面的接触程度，通过此模型，在绘制最终结果时，同时绘制一幅笔刷模型渲染的高度图用以表达不同复杂程度的笔画纹理，具体的，该模型的生成过程如式5所示：

[式5]

Ib′(x,y)=Ib(x,y)+Rand(integer)%(De·255)]]>

其中，分别表示每根刷毛的新/旧强度，Rand(integer)表示一个随机的整数，D_e表示能量分布描述统计量，像素点p(x，y)是在基础笔刷模型中随机获取的点，其数量等于D_e乘以笔刷模型的面积；

步骤9：像素级强度调整：

基于使用步骤8获得的笔刷模型渲染的高度图，采用一种像素级的强度调整策略来模拟不同的笔画纹理，对画布上的每一个像素，其强度的偏移量由基于笔刷模型渲染的高度图算得的偏差量决定，具体的，通过下式进行计算：

D(x,y)=h(x+consd,y+sind)-h(x,y)I′(x,y)=I(x,y)+λ·D(x,y)×((min(I(x,y),255)-I(x,y))/127.5)]]>

其中d表示笔画方向的法向O(x，y)，也就是d＝O(x，y)+π/2，h表示高度图中对应像素点的强度，λ表示一个调节笔画间堆叠效果强度的调节因子，并通过统计量M_e计算，具体为：

λ＝tanh(κ·M_e)

其中κ为一个经验比例因子，其经验值为0.16；

步骤10：综合以上各步骤所得绘制参数，以步骤1中待绘制图像作为输入，结合绘制框架，可得到多种不同风格的绘制结果。