论文部分内容阅读
基于学习的图像艺术化方法可以根据参考图改变目标图像的纹理特征，使其学习得到参考图的艺术风格。以往基于学习的合成方法或着重于学习样图的颜色特征，或只能学习整张样图的笔刷特征，且无法让用户对学习结果进行控制和编辑。本文提出一个支持多风格的图像艺术化快速处理方法。该方法以目标图像流场为引导，对非等轴纹理合成算法进行改进以学习样图纹理和笔刷特征，可以根据用户指定的不同区域所参考的样图风格块实现区域相关的多风格图像艺术化，提高了艺术风格学习的可控性和学习质量；通过设计和实现基于CUDA加速的并行合成算法，加快了风格学习速度；在此基础上，提供了用户交互式的风格编辑接口，优化已有的合成结果，实现所见即所得的交互设计体验。论文展示了风格学习的实例，结果表明本文方法与已有的基于学习的风格化方法相比，具有更快的合成速度和更强的灵活性。