Android基於OpenCV實現非真實渲染
非真實渲染
非真實感渲染(Non Photorealistic Rendering,簡稱NPR),是指利用計算機模擬各種視覺藝術的繪制風格,也用於發展新的繪制風格。比如模擬中國畫、水彩、素描、油畫、版畫等藝術風格。NPR也可以把三維場景渲染出豐富的、特別的新視覺效果,使它具備創新的功能。NPR渲染以強烈的藝術形式應用在動畫、遊戲等娛樂領域中,也出現在工程、工業設計圖紙中。廣闊的應用領域,不僅是由於它的藝術表現形式豐富多樣,還在於計算機能夠輔助完成原本工作量大、難度高的創作工作。 目前,基於三維軟件的NPR渲染器相當多,如FinalToon, Il-lustrator, Pencil等,同時還可以借用程序貼圖來創建NPR的材質,協助生成手繪風格的圖像效果;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給我們提供瞭四種非真實渲染的使用場景:邊緣保留濾波、細節增強、素描鉛筆畫、風格化。
邊緣保留濾波
public static void edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s, float sigma_r)
- 參數一:src,輸入圖像,8位三通道。
- 參數二:dst,輸出圖像,8位三通道。
- 參數三:flags,邊緣保留標志位。
public static final int RECURS_FILTER = 1, NORMCONV_FILTER = 2;
- 參數四:sigma_s,鄰域大小。取值0~200。
- 參數五:sigma_r,鄰域內被平均的顏色的不相近程度。取值0~1。
細節增強
public static void detailEnhance(Mat src, Mat dst, float sigma_s, float sigma_r)
- 參數一:src,輸入圖像,8位三通道。
- 參數二:dst,輸出圖像,8位三通道。
- 參數三:sigma_s,鄰域大小。取值0~200。
- 參數四:sigma_r,鄰域內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)
- 參數一:src,輸入圖像,8位三通道。
- 參數二:dst1,輸出圖像,8位單通道,即黑白素描。
- 參數三:dst2,輸出圖像,大小類型與輸入圖像相同,即彩色素描。
- 參數四:sigma_s,鄰域大小。取值0~200。
- 參數五:sigma_r,鄰域內被平均的顏色的不相近程度。取值0~1。
- 參數六:shade_factor,強度縮放值。取值0~0.1
風格化
public static void stylization(Mat src, Mat dst, float sigma_s, float sigma_r)
- 參數一:src,輸入圖像,8位三通道。
- 參數二:dst,輸出圖像,8位三通道。
- 參數三:sigma_s,鄰域大小。取值0~200。
- 參數四:sigma_r,鄰域內被平均的顏色的不相近程度。取值0~1。
關於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和。 鄰域越大,過濾後的圖像看起來越平滑。 鄰域的大小與參數sigma_s成正比。但是在邊緣保留濾波器裡,有兩個關鍵點:1)平滑圖片;2)不平滑邊緣/顏色邊界。換句話說,我們就無法簡單地將像素值替換成鄰域像素的加權和。而是在鄰域內選取和當前像素值相近的像素然後求取平均值,然後替換當前像素值的方式來避免上述問題。所以就需要兩個參數來明確范圍和顏色相似程度。
操作
/** * 非真實渲染 * * @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
以上就是Android基於OpenCV實現非真實渲染的詳細內容,更多關於Android OpenCV實現非真實渲染的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- Android基於OpenCV實現圖像修復
- Android基於OpenCV實現圖像脫色
- Android基於opencv實現多通道分離與合並
- Android應用實現點擊按鈕震動
- android控件實現單擊拖動效果