基于视觉的NPR

  传统的非真实性渲染（NPR，Non-Photorealistic Rendering，我觉得在图像处理上叫做Non-Photorealistic Processing，NPP更好）主要有两个思路：基于物理模型和基于经验。基于物理模型的方法就是模拟现实中的生成过程进行计算得到结果，比如要得到水彩风格的图像就从颜料、纸张和画笔入手去考虑。而基于经验的思路就是把要得到的结果本来生成的过程放在一边，只考虑结果，比如水彩的扩散就是高斯平滑，渗透形成的黑边就是边缘强化。

  那有没有一种新的思路？就是基于视觉的NPR，注重的是人是怎么画出对应风格的画的一种思路。比如水彩画，画家一般会先用铅笔速写，大致勾勒出整体，再从背景开始用浅色颜料渲染出氛围，而把画的主体中心放在最后仔细绘制（当然这只是一种画法）。我们如果按照这个顺序，图像处理上讲就是区域分割->重要度计算->从重要度低的区域开始填充每一个区域。当然实际的处理中还有另一个问题，就是画上去之后的物理变化，比如水多的地方会扩散，会渗透，比如纸张的影响等。

 这个思路不仅仅是图像处理了，而是对图像的重构。综上所述，基于视觉的NPR就是以下 的流程了：

1.准备先验知识，比如人是怎么画水彩的。

2.由图像抽取出计算机可以处理的数据格式（就是所谓的特征提取），比如对于一个区域，应该使用什么颜料来混色以及要加多少水。

3.用1的先验知识（训练集？）以及2的样本来决定处理的方法（作画）。

4.对作画的结果进行物理变化。