【NPR】铅笔画

最新推荐文章于 2021-05-20 01:01:11 发布
最新推荐文章于 2021-05-20 01:01:11 发布
阅读量9k 收藏 8
点赞数 6
分类专栏： NPR
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/candycat1992/article/details/50061313
版权
这篇博客介绍了如何通过算法将图像转化为铅笔画风格，详细阐述了生成笔画图像和色调图像的过程，并提供了完整的Matlab代码。作者参照2012年NPAR会议的论文，实现了对输入图像的一次处理即生成接近真实的铅笔画效果。虽然无法完全复现论文中的细节，但代码可供下载尝试。
摘要由CSDN通过智能技术生成

写在前面

今天打算写一篇跟Unity基本无关的文章。起因是我上个星期不知怎么的搜到了一个网站 ，里面实现的效果感觉挺好的，后来发现是2012年的NPAR会议的最佳论文。看了下文章，觉得不是很难，就想着实现一下。后来发现国内有两个博主有相关的文章，一个是风吹夏天的文章，一个是Imageshop的文章。通过读论文和两位博主的文章基本对算法就走通了，剩下的就是编码了。原论文作者给出了算法第一个部分的代码，风吹夏天的文章在其基础上又给出了笔画部分的代码，但都不全。

我这篇文章就不赘述算法了，有兴趣的可以看论文或上面两个博主的文章，讲得都比较清楚。我把我实现的代码上传到了github的Penci

最低0.47元/天 解锁文章
妈妈说女孩子要自立自强
关注
  • 6
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
NPR Sketch Effect v1.4 .unitypackage
06-06
一个铅笔画插件 V1.4 当前最新版V1.5 地址:https://assetstore.unity.com/packages/vfx/shaders/npr-sketch-effect-47378?tdsourcetag=s_pctim_aiomsg
【NPR】Unity3D非真实感渲染----铅笔画滤镜
blinkseed的专栏
08-24 8503
关于Unity3D下的NPR滤镜-----铅笔画风格滤镜
UnityShader-素描铅笔画风格 实现详解
u014078887的博客
05-20 981
效果图 实现大致思路 （1）几张铅笔画程度不同的素描原线图 （2）根据模型顶点法线与场景中光照方向的夹角算点积。 （3）点积越大，颜色越前，素描程度越低，点积越小，颜色越深，素描程度越大。 （4）将点积分为七个不同的范围，其中最大的范围为纯白色 （5）其余六个范围，按点积大小从上方素描原线图由浅至深进行采样 （6）增加一个纯白贡献度，将不采样的部分及单次采样的部分向白色翻转，形成留白的效果 详细代码解释 (1) 定义属性 Properties{ //物体本身颜色 _Color("Main
[OpenGL] 非真实感渲染(NPR)的几种效果demo（水墨画/漫画/铅笔画）
RyuZhihao123 的博客
02-11 4635
这个程序是我在过年期间，用走亲戚的间隙写的基于OpenGL的shader toy program。总共实现了：草图、水墨画、漫画等等几种不同的渲染特效。程序使用的技术是简单的Shader以及Render to Texture等处理技巧 一、相关信息 开发环境：C++（OpenGL） B站视频：https://www.bilibili.com/video/av43039727/ 参考文献：B...
【NPR】非真实感渲染实验室
weixin_33957648的博客
08-04 542
写在前面 前几天在知乎看到一个问题——关于非实感图形学或者风格化渲染有哪些好的书或者paper，我刚好接触过一些就去里面回答了一下。答完以后突然想在Unity里搞一个这样的集锦，把一些简单的NPR论文或者教程在Unity里实现一下。于是这两天就做了一下。我把这个项目放到了GitHub（https://github.com/candycat1992/NPR_Lab）...
基于GPU加速的结构张量LIC滤波的图像铅笔画绘制算法.pdf
09-25
这种合成过程使得图像既保留了原有的结构特性，又融入了铅笔画的艺术风格，达到了非真实感绘制（Non-photorealistic rendering，NPR）的效果。 为了提高处理效率，文章提出了利用GPU的并行计算能力。GPU（图形...
NPR-1.5_npr_光纤_fiberlaser_光纤激光器_Fortran_
10-01
标题中的"NPR-1.5_npr_光纤_fiberlaser_光纤激光器_Fortran_"揭示了我们讨论的主题——NPR-1.5版本的光纤激光器项目，该项目涉及到了光纤激光技术和Fortran编程语言。让我们深入探讨这些关键知识点。 首先，光纤...
NPR Player-crx插件
04-05
- 此扩展正在流式传输“NPR程序流”： “NPR计划流录制最近NPR程序在空中在NPR成员站之后录制，NPR可能会中断新闻事件的流的时间表。” - 来自npr.org. - 没有由国家公共收音机隶属于或认可。 此扩展是开源：...
日式动画风格非真实感三维实时渲染算法的研究
10-28
动画 NPR 非真实感 日式动画 三维实时渲染算法
Unity Shader实现素描效果
08-19
主要为大家详细介绍了Unity Shader实现素描效果，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
Unity3D铅笔风格滤镜
08-25
Unity3D滤镜，用于把Unity3D的3D物体变为铅笔画风格
简单绘图程序(实现和windows自带画图软件的基本功能)
07-20
1、画直线：通过OnLine()函数实现。 2、画矩形：通过OnRectangle()函数实现。 3、画椭圆：通过OnEllipse()函数实现。 4、铅笔工具：可以画任意线条。通过OnPencil()函数实现。 5、右键弹出菜单：可以在客户中点击鼠标右键，快速选择常用菜单。通过OnContextMenu函数实现。 6、状态栏显示鼠标移动的坐标：在程序的右下角显示，通过OnUpdateX(CCmdUI *pCmdUI)和OnUpdateY(CCmdUI *pCmdUI)这两个函数实现。 7、画图颜色选择：可以画任何颜色的线条，通过OnEditColor()函数实现。 8、读取bmp位图：可以在电脑中选择一个bmp位图，在程序中显示出来，通过新建一个Cdib类来读取bmp文件信息再view类和Doc类调用来显示该位图。 9、保存为bmp位图：可以将在程序所画的图形保存为一幅bmp图片，通过view中的SaveAsBmp(CString filename)实现。
图像处理算法(模糊,锐化,水彩,素描,反色)
12-22
注释 素描算法复杂未完成,以后添加.算法结果清晰,便于阅读. SPGUI（Simple Powerfull Graphics User Interface）是使用简单、功能强大的嵌入式图形开发系统。主要为开发嵌入式LINUX图形窗口应用提供工具集。她具有美观友好的图形控件，面向对像的编程接口，多平台可移植性等特点SPGUI为设计运行于嵌入式设备，个人电脑及工作站平台的图形窗口应用程序，提供一个完整的开发平台。她的核心是为应用程序提供资源库及编译链接环境，开发者使用SPGUI提供的资源及环境，来开发自己的应用程序。SPGUI为应用程序设计者提供的资源包括：嵌入式图形引擎，图形控件，数据库引擎，底层驱动封装，常用数据结构封装及中文支持等 SPGUI是源码级高度可移植的, 目前经过本人的努力已经移植到window xp 使用vc 2005开发(可称作:模拟器),开发出来的程序只需要在嵌入式平台编译就可运行. 同时也扩展了如下功能. 图片支持 png ,gif, bmp,jpg 字库管理 freetype 矢量字库 ,fnt字库 压缩 zip 脚本 xml expat 窗口框架 : ems ui( 下个文章更新 ) 提供帮助:124736442@qq.com
Efficient Design of Oversampled NPR GDFT Filter Banks(matlab代码)
04-17
Efficient Design of Oversampled NPR GDFT Filter Banks论文的matlab代码，改该论文的作者是Wilbur M R，论文发表在IEEE Trans on Signal Processing
铅笔画算法
corfox_liu的专栏
08-28 4582
铅笔画(PencilDrawing)算法C++实现。
NPR的一些总结
探索之眼——无尽
10-27 9561
NPR也就是非真实感渲染，它与PBR是相对的。 卡通渲染，素描，油画，水墨等都是属于NPR。 总的来说卡通渲染主要分为两部分。 第一部分就是描边。 描边主要分为一下几类： 1.传统利用dot（N,V）来检测 2.利用两个Pass扩张顶点 3.Z便宜 4.利用几何着色器的线框 5.屏幕后效基于深度和法线的检测 第二部分是内部颜色部分。 首先我们观察到卡通变化的光照颜色变
MATLAB模式识别实现指标分类评估预测如环境业绩等-Training_NPR.m
08-13
MATLAB模式识别实现指标分类评估预测如环境业绩等-Training_NPR.m 最近看到很多会员需要使用MATLAB神经网络做如下的事情： 1：MATLAB神经网络对水的质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对空气质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对土壤质量的分类、评估、预测 （属于环境类分类、评估预测） 3：MATLAB神经网络对学员的个人表现进行分类、评估、预测 （属于个人业绩鉴定） 4：MATLAB神经网络对医学、生物学上的细胞、疾病等分类、评估等（属于医学、生物学） 5：MATLAB神经网络对交通、物流等效率方面的分类、评估、预测等（属于交通、物流管理） 6：MATLAB神经网络用于故障诊断 7：概括来讲，就是使用神经网络对某些指标（如空气质量、水质量、个人业绩等）进行“有限”的分类、预测、评价等。 在这里，我特别强调“有限”两个字，因为这正是模式识别工具箱可以解决的问题。我看到很多会员使用不同的神经网络（如模糊识别，RBF, SVM等）。根据我多年的使用经验，其实基于多层BP网络的模式识别是最容易实现、效果非常满意、且结果非常具有说服力。很多会员没有掌握模式识别的精髓，或者网络训练好以后不知道如何评估、使用等。现在我用一个完整的例子来给大家展示一下它的优点。 不知道什么是模式识别，什么是BP网络的会员，请先看一下这个视频：MATLAB模式识别工具箱视频教学 用MATLAB模式识别工具箱（函数）来对某些指标（如空气质量、水质量、个人业绩等）进行分类、评估、预测，分为三步： 数据准备训练和评估预测 下面我来一步一步讲解，先谈数据的准备： 确保输入数据（包括训练以及将来要预测的数据）在比较接近的范围里（归一化是其中一种方式）。 这一个步骤不仅仅是在模式识别里，其实在任何一种网络里，这一步都是必须的。比如说你有400组数据，每组数据对应一个中国县城的空气质量。假设每组数据含有6个指标（称之为A,B,C,D,E,F,G), 如果数据A的范围是10^5-10^7, F的范围是0.1-0.5， 如果用这些数据来训练，很容易导致网络的权重也有同样的数量级的差别，结果是你的网络会非常的“敏感”（可以想象一下，如果F对应的权重是10^10,那么即使F稍微变化一下，都有可能导致网络的输出结果不同。而有时候这样的敏感度并不是你想要的，你可以对数据进行归一化处理，把数据都转换到0-1的区间内。 MATLAB模式识别工具箱可以自动对输入数据进行归一化处理，所以你只要明白这个过程，但是并不需要你额外写程序来处理这些数据。对输出数据进行二进制量化 通常情况下，用于测试的输入数据所对应的输出数据不是量化数据，比如说：优、良，或者是一级、二级等等。那么通常我们用二进制来表达，两位数字的二进制可以表示3类（01，10，11），三位数字的二进制可以表示7类（001，010，011，100，101，110，111，通常我们不使用000)。二进制的顺序不重要，比如说优可以对应001,也可以用010来表示。 经过简单处理，输入数据和新添加的二进制输入数据如下图所示： 神经网络——输入数据模式识别.png MATLAB模式识别实现指标分类、评估、预测 原始训练数据下载： training_data.xls MATLAB模式识别实现指标分类、评估、预测 把数据导入到MATLAB程序里close all clear all clc x=xlsread; y=xlsread; inputs = x'; targets = y';复制代码 我们再谈谈网络的训练和评估： 你可以使用MATLAB自带的模式识别工具箱界面来导入数据、调整参数等，然后得到结果。我通常第一次这样使用，得到一个基础架构以后，然后生成m代码，再在代码上修改。这里我演示给大家，如果通过程序来实现。下面是用来做模式识别的代码（工具箱产生的函数）： % 创建一个模式识别网络（两层BP网络），同时给出中间层神经元的个数，这里使用20 hiddenLayerSize = 20; net = patternnet; % 对数据进行预处理，这里使用了归一化函数（一般不用修改） % For a list of all processing functions type: help nnprocess net.inputs{1}.processFcns = {'removeconstantrows','mapminmax'}; net.outp
图片转6种特效(马赛克-凡高画-点画-彩色铅笔-碳笔-黑白照)Sketch_Effect_1.0绿色汉化版
06-29
图片转6种特效(马赛克-凡高画-点画-彩色铅笔-碳笔-黑白照)Sketch_Effect_1.0绿色汉化版
npr = np.random
最新发布
01-18
`np.random`是NumPy库中的一个模块，用于生成各种随机数。其中包括`np.random.normal`函数，用于从指定的正态分布中生成随机数。 `np.random.normal`函数有三个参数： - `loc`：float类型，表示正态分布的均值（mean）。 - `scale`：float类型，表示正态分布的标准差（standard deviation）。 - `size`：int类型或int元组，表示输出的随机数数量。如果是一个整数，则生成一个一维数组；如果是一个整数元组，则生成一个指定维度的数组。 以下是一个示例代码： ```python import numpy as np npr = np.random.normal(loc=0, scale=1, size=(3, 3)) print(npr) ``` 输出结果为一个3x3的二维数组，数组中的元素是从均值为0，标准差为1的正态分布中生成的随机数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值