非真实渲染
非真实感渲染(Non Photorealistic Rendering，简称NPR)，是指利用计算机模拟各种视觉艺术的绘制风格，也用于发展新的绘制风格。比如模拟中国画、水彩、素描、油画、版画等艺术风格。NPR也可以把三维场景渲染出丰富的、特别的新视觉效果，使它具备创新的功能。NPR渲染以强烈的艺术形式应用在动画、游戏等娱乐领域中，也出现在工程、工业设计图纸中。广阔的应用领域，不仅是由于它的艺术表现形式丰富多样，还在于计算机能够辅助完成原本工作量大、难度高的创作工作。
目前，基于三维软件的NPR渲染器相当多，如FinalToon, Il-lustrator, Pencil等，同时还可以借用程序贴图来创建NPR的材质，协助生成手绘风格的图像效果;另外，像Mental Ray,Reyes,Brazil等外挂渲染器都是NPR渲染的解决方案【百度百科】
API
OpenCV给我们提供了四种非真实渲染的使用场景：边缘保留滤波、细节增强、素描铅笔画、风格化。
边缘保留滤波
public static void edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s, float sigma_r)
-
参数一：src，输入图像，8位三通道。
-
参数二：dst，输出图像，8位三通道。
-
参数三：flags，边缘保留标志位。
public static final int RECURS_FILTER = 1, NORMCONV_FILTER = 2; -
参数四：sigma_s，邻域大小。取值0~200。
-
参数五：sigma_r，邻域内被平均的颜色的不相近程度。取值0~1。
细节增强
public static void detailEnhance(Mat src, Mat dst, float sigma_s, float sigma_r)
-
参数一：src，输入图像，8位三通道。
-
参数二：dst，输出图像，8位三通道。
-
参数三：sigma_s，邻域大小。取值0~200。
-
参数四：sigma_r，邻域内被平均的颜色的不相近程度。取值0~1。
素描铅笔画
public static void pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r, float shade_factor)
-
参数一：src，输入图像，8位三通道。
-
参数二：dst1，输出图像，8位单通道，即黑白素描。
-
参数三：dst2，输出图像，大小类型与输入图像相同，即彩色素描。
-
参数四：sigma_s，邻域大小。取值0~200。
-
参数五：sigma_r，邻域内被平均的颜色的不相近程度。取值0~1。
-
参数六：shade_factor，强度缩放值。取值0~0.1
风格化
public static void stylization(Mat src, Mat dst, float sigma_s, float sigma_r)
-
参数一：src，输入图像，8位三通道。
-
参数二：dst，输出图像，8位三通道。
-
参数三：sigma_s，邻域大小。取值0~200。
-
参数四：sigma_r，邻域内被平均的颜色的不相近程度。取值0~1。
关于sigma_s和sigma_r：
sigma_s，即Sigma_Spatial，决定平滑量。sigma_r，即Sigma_Range，决定平均值。
典型的平滑滤波器将像素值替换为其相邻像素的加权和。 邻域越大，过滤后的图像看起来越平滑。 邻域的大小与参数sigma_s成正比。但是在边缘保留滤波器里，有两个关键点：1）平滑图片；2）不平滑边缘/颜色边界。换句话说，我们就无法简单地将像素值替换成邻域像素的加权和。而是在邻域内选取和当前像素值相近的像素然后求取平均值，然后替换当前像素值的方式来避免上述问题。所以就需要两个参数来明确范围和颜色相似程度。
操作
/**
* 非真实渲染
*
* @author yidong
* @date 11/30/20
*/
class NonPhotoRealisticRenderingActivity : AppCompatActivity() {
private lateinit var mRgb: Mat
private val mBinding: ActivityNonPhotorealisticRenderingBinding by lazy {
ActivityNonPhotorealisticRenderingBinding.inflate(layoutInflater)
}
private var sigmaR = 10f
set(value) {
field = when {
value > 200f -> {
200f
}
value < 0f -> {
200f
}
else -> {
value
}
}
mBinding.tvSigmaR.text = sigmaR.toInt().toString(10)
}
private var sigmaS = 0.1f
set(value) {
field = when {
value > 1.0f -> {
1.0f
}
value < 0f -> {
0f
}
else -> {
value
}
}
mBinding.tvSigmaS.text = String.format("%.1f", sigmaS)
}
override fun onCreate(savedInstanceState: Bundle?) {
super.onCreate(savedInstanceState)
setContentView(mBinding.root)
mRgb = Mat()
val bgr = Utils.loadResource(this, R.drawable.cow)
Imgproc.cvtColor(bgr, mRgb, Imgproc.COLOR_BGR2RGB)
mBinding.ivLena.showMat(mRgb)
}
private fun doEdgePreservingFilter(flag: Int) {
val dst = Mat()
mBinding.isLoading = true
GlobalScope.launch(Dispatchers.IO) {
Photo.edgePreservingFilter(mRgb, dst, flag, sigmaR, sigmaS)
launch(Dispatchers.Main) {
mBinding.isLoading = false
mBinding.ivResult.showMat(dst)
}
}
}
private fun doDetailEnhance() {
val dst = Mat()
mBinding.isLoading = true
GlobalScope.launch(Dispatchers.IO) {
Photo.detailEnhance(mRgb, dst, sigmaR, sigmaS)
launch(Dispatchers.Main) {
mBinding.isLoading = false
mBinding.ivResult.showMat(dst)
}
}
}
private fun doPencilSketch() {
val dst1 = Mat()
val dst2 = Mat()
mBinding.isLoading = true
GlobalScope.launch(Dispatchers.IO) {
Photo.pencilSketch(mRgb, dst1, dst2, sigmaR, sigmaS, 0.03f)
launch(Dispatchers.Main) {
mBinding.isLoading = false
mBinding.ivResult.showMat(dst2)
}
}
}
private fun doStylization() {
val dst = Mat()
mBinding.isLoading = true
GlobalScope.launch(Dispatchers.IO) {
Photo.stylization(mRgb, dst, sigmaR, sigmaS)
launch(Dispatchers.Main) {
mBinding.isLoading = false
mBinding.ivResult.showMat(dst)
}
}
}
override fun onCreateOptionsMenu(menu: Menu?): Boolean {
menuInflater.inflate(R.menu.menu_non_photorealistic_rendering, menu)
return true
}
override fun onOptionsItemSelected(item: MenuItem): Boolean {
title = item.title
when (item.itemId) {
R.id.photo_edge_preserving_normconv_filter
-> {
doEdgePreservingFilter(Photo.NORMCONV_FILTER)
}
R.id.photo_edge_preserving_recurs_filter
-> {
doEdgePreservingFilter(Photo.RECURS_FILTER)
}
R.id.photo_detail_enhance
-> {
doDetailEnhance()
}
R.id.photo_pencil_sketch
-> {
doPencilSketch()
}
R.id.photo_stylization
-> {
doStylization()
}
}
return true
}
fun incSigmaR(view: View) {
this.sigmaR = this.sigmaR.plus(1.0f)
if (this.sigmaR > 200.0f) {
this.sigmaR = 200f
}
}
fun decSigmaR(view: View) {
this.sigmaR = this.sigmaR.minus(1.0f)
if (this.sigmaR < 0f) {
this.sigmaR = 0f
}
}
fun incSigmaS(view: View) {
this.sigmaS = this.sigmaS.plus(.1f)
if (this.sigmaS > 1.0f) {
this.sigmaS = 1f
}
}
fun decSigmaS(view: View) {
this.sigmaS = this.sigmaS.minus(.1f)
if (this.sigmaS < 0f) {
this.sigmaS = 0f
}
}
}
效果
源码
https://github.com/onlyloveyd/LearningAndroidOpenCV