Android OpenCV实现非真实渲染 Android基于OpenCV实现非真实渲染
易冬 人气:0想了解Android基于OpenCV实现非真实渲染的相关内容吗,易冬在本文为您仔细讲解Android OpenCV实现非真实渲染的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:Android,OpenCV,Android,非真实渲染,下面大家一起来学习吧。
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
引用自【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
加载全部内容