Android用OpenCV實(shí)現(xiàn)非真實(shí)渲染的方法

這篇文章主要講解了“Android用OpenCV實(shí)現(xiàn)非真實(shí)渲染的方法”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Android用OpenCV實(shí)現(xiàn)非真實(shí)渲染的方法”吧！

目錄

• 非真實(shí)渲染
  

• API
  

• 邊緣保留濾波

• 細(xì)節(jié)增強(qiáng)

• 素描鉛筆畫

• 風(fēng)格化

• 操作

• 效果

非真實(shí)渲染

非真實(shí)感渲染(Non Photorealistic Rendering，簡(jiǎn)稱NPR)，是指利用計(jì)算機(jī)模擬各種視覺藝術(shù)的繪制風(fēng)格，也用于發(fā)展新的繪制風(fēng)格。比如模擬中國(guó)畫、水彩、素描、油畫、版畫等藝術(shù)風(fēng)格。NPR也可以把三維場(chǎng)景渲染出豐富的、特別的新視覺效果，使它具備創(chuàng)新的功能。NPR渲染以強(qiáng)烈的藝術(shù)形式應(yīng)用在動(dòng)畫、游戲等娛樂領(lǐng)域中，也出現(xiàn)在工程、工業(yè)設(shè)計(jì)圖紙中。廣闊的應(yīng)用領(lǐng)域，不僅是由于它的藝術(shù)表現(xiàn)形式豐富多樣，還在于計(jì)算機(jī)能夠輔助完成原本工作量大、難度高的創(chuàng)作工作。 目前，基于三維軟件的NPR渲染器相當(dāng)多，如FinalToon, Il-lustrator, Pencil等，同時(shí)還可以借用程序貼圖來創(chuàng)建NPR的材質(zhì)，協(xié)助生成手繪風(fēng)格的圖像效果;另外，像Mental Ray,Reyes,Brazil等外掛渲染器都是NPR渲染的解決方案

引用自【百度百科】

API

OpenCV給我們提供了四種非真實(shí)渲染的使用場(chǎng)景：邊緣保留濾波、細(xì)節(jié)增強(qiáng)、素描鉛筆畫、風(fēng)格化。

邊緣保留濾波

public static void edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s, float sigma_r)

• 參數(shù)一：src，輸入圖像，8位三通道。

• 參數(shù)二：dst，輸出圖像，8位三通道。

• 參數(shù)三：flags，邊緣保留標(biāo)志位。

public static final int
        RECURS_FILTER = 1,
        NORMCONV_FILTER = 2;

• 參數(shù)四：sigma_s，鄰域大小。取值0~200。

• 參數(shù)五：sigma_r，鄰域內(nèi)被平均的顏色的不相近程度。取值0~1。

細(xì)節(jié)增強(qiáng)

public static void detailEnhance(Mat src, Mat dst, float sigma_s, float sigma_r)

• 參數(shù)一：src，輸入圖像，8位三通道。

• 參數(shù)二：dst，輸出圖像，8位三通道。

• 參數(shù)三：sigma_s，鄰域大小。取值0~200。

• 參數(shù)四：sigma_r，鄰域內(nèi)被平均的顏色的不相近程度。取值0~1。

素描鉛筆畫

public static void pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r, float shade_factor)

• 參數(shù)一：src，輸入圖像，8位三通道。

• 參數(shù)二：dst1，輸出圖像，8位單通道，即黑白素描。

• 參數(shù)三：dst2，輸出圖像，大小類型與輸入圖像相同，即彩色素描。

• 參數(shù)四：sigma_s，鄰域大小。取值0~200。

• 參數(shù)五：sigma_r，鄰域內(nèi)被平均的顏色的不相近程度。取值0~1。

• 參數(shù)六：shade_factor，強(qiáng)度縮放值。取值0~0.1

風(fēng)格化

public static void stylization(Mat src, Mat dst, float sigma_s, float sigma_r)

• 參數(shù)一：src，輸入圖像，8位三通道。

• 參數(shù)二：dst，輸出圖像，8位三通道。

• 參數(shù)三：sigma_s，鄰域大小。取值0~200。

• 參數(shù)四：sigma_r，鄰域內(nèi)被平均的顏色的不相近程度。取值0~1。

關(guān)于sigma_s和sigma_r：

sigma_s，即Sigma_Spatial，決定平滑量。sigma_r，即Sigma_Range，決定平均值。

典型的平滑濾波器將像素值替換為其相鄰像素的加權(quán)和。 鄰域越大，過濾后的圖像看起來越平滑。 鄰域的大小與參數(shù)sigma_s成正比。但是在邊緣保留濾波器里，有兩個(gè)關(guān)鍵點(diǎn)：1）平滑圖片；2）不平滑邊緣/顏色邊界。換句話說，我們就無法簡(jiǎn)單地將像素值替換成鄰域像素的加權(quán)和。而是在鄰域內(nèi)選取和當(dāng)前像素值相近的像素然后求取平均值，然后替換當(dāng)前像素值的方式來避免上述問題。所以就需要兩個(gè)參數(shù)來明確范圍和顏色相似程度。

操作

/**
 * 非真實(shí)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

感謝各位的閱讀，以上就是“Android用OpenCV實(shí)現(xiàn)非真實(shí)渲染的方法”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Android用OpenCV實(shí)現(xiàn)非真實(shí)渲染的方法這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！