本發(fā)明涉及圖像渲染領(lǐng)域，尤其涉及一種圖像紋理生成方法及裝置。
背景技術(shù)：
：濾鏡主要是用來實(shí)現(xiàn)圖像的各種特殊效果。計(jì)算機(jī)圖形學(xué)中的紋理既包括通常意義上物體表面的紋理即使物體表面呈現(xiàn)凹凸不平的溝紋，同時(shí)也包括在物體的光滑表面上的彩色圖案，通常我們更多地稱之為花紋。本發(fā)明方法可以產(chǎn)生不規(guī)則分離的彩色玻璃格子，其分布與圖片中顏色分布有關(guān)。傳統(tǒng)的玻璃紋理，根據(jù)顏色分布產(chǎn)生隨機(jī)的紋理，這樣使得很多特別明顯的邊緣與輪廓消失。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提出一種圖像紋理生成方法及裝置，旨在解決現(xiàn)有技術(shù)玻璃紋理根據(jù)顏色分布產(chǎn)生隨機(jī)的紋理，使得很多特別明顯的邊緣與輪廓消失的問題。本發(fā)明的技術(shù)方案具體為：一種圖像紋理生成方法，包括以下步驟：獲取待處理圖像A；將圖像A灰度處理為單通道灰度圖Gray；對(duì)灰度圖Gray進(jìn)行邊緣提取，得到邊緣圖像G；對(duì)邊緣圖像G進(jìn)行形態(tài)學(xué)處理，得到邊緣圖像G′；對(duì)邊緣圖像G′進(jìn)行圖像分割，得到圖像H；將圖像H與原圖像A合并為新的圖像A1；對(duì)圖像A1進(jìn)行高斯模糊處理，得到圖像A2；對(duì)圖像A2進(jìn)行銳化，得到輸出圖像B；輸出圖像B。優(yōu)選地，所述將圖像A灰度處理為單通道灰度圖Gray具體為：Gray(i，j)＝0.299·RA(i，j)+0.587·GA(i，j)+0.114·BA(i，j)其中，Gray(i，j)表示灰度圖像Gray的第i行第j列的像素值；RA(i，j)表示圖像A的第i行第j列的紅色分量像素值；GA(i，j)表示圖像A的第i行第j列的綠色分量像素值；BA(i，j)表示圖像A的第i行第j列的藍(lán)色分量像素值。優(yōu)選地，所述對(duì)灰度圖Gray進(jìn)行邊緣提取，得到邊緣圖像G中，邊緣圖像G采用如下方法計(jì)算：G=Gx2+Gy2]]>其中，Gx=Gray⊗s,s=-101-202-101;Gy=Gray⊗s′,s′=-1-2-1000121;]]>表示卷積運(yùn)算。優(yōu)選地，所述對(duì)灰度圖Gray進(jìn)行邊緣提取，得到邊緣圖像G中，邊緣圖像G采用如下方法計(jì)算：G＝|Gx|+|Gy|其中，Gx=Gray⊗s,s=-101-202-101;Gy=Gray⊗s′,s′=-1-2-1000121;]]>|公式|表示取絕對(duì)值。優(yōu)選地，所述對(duì)邊緣圖像G進(jìn)行形態(tài)學(xué)處理，得到邊緣圖像G′中，形態(tài)學(xué)算子模板為：其中p、q分別為邏輯整數(shù)，n為模板大小。優(yōu)選地，所述將圖像H與原圖像A合并為新的圖像A1中，合并方法如下：依據(jù)圖像H被分割的區(qū)域?yàn)樵瓐D像A分區(qū)，使得原圖像A與圖像H的分區(qū)一致，并標(biāo)記原圖像A被分成的區(qū)域?yàn)閍1、a2、…、am；其中，A1(i，j)表示圖像A1的第i行第j列的像素值；ak的特征像素值可以是ak區(qū)域中的隨機(jī)像素，平均值，中值等等，k＝1，2，…，m；m表示圖像H被分割成的區(qū)域個(gè)數(shù)。優(yōu)選地，所述對(duì)圖像A1進(jìn)行高斯模糊處理，得到圖像A2具體為：其中表示卷積運(yùn)算；通過二級(jí)高斯函數(shù)計(jì)算高斯算子模板G算子，σ值設(shè)定為(4，+∞)的實(shí)數(shù)，根據(jù)分割塊的大小決定。優(yōu)選地，所述對(duì)圖像A2進(jìn)行銳化，得到輸出圖像B中，銳化公式為：銳化的模板為：一種圖像紋理生成裝置，包括待處理圖像獲取模塊、灰度處理模塊、第一邊緣圖像獲取模塊、第二邊緣圖像獲取模塊、圖像分割模塊、圖像合并模塊、高斯模糊處理模塊、銳化模塊和圖像輸出模塊；待處理圖像獲取模塊，用于獲取待處理圖像A；灰度處理模塊，用于將圖像A灰度處理為單通道灰度圖Gray；第一邊緣圖像獲取模塊，用于對(duì)灰度圖Gray進(jìn)行邊緣提取，得到邊緣圖像G；第二邊緣圖像獲取模塊，用于對(duì)邊緣圖像G進(jìn)行形態(tài)學(xué)處理，得到邊緣圖像G′；圖像分割模塊，用于對(duì)邊緣圖像G′進(jìn)行圖像分割，得到圖像H；圖像合并模塊，用于將圖像H與原圖像A合并為新的圖像A1；高斯模糊處理模塊，用于對(duì)圖像A1進(jìn)行高斯模糊處理，得到圖像A2；銳化模塊，用于對(duì)圖像A2進(jìn)行銳化，得到輸出圖像B；圖像輸出模塊，用于輸出圖像B。本發(fā)明的有益效果本發(fā)明提出一種圖像紋理生成方法及裝置，本發(fā)明方法通過改進(jìn)傳統(tǒng)玻璃紋理中圖像邊緣提取模板，從而保留了圖像中更多的邊緣與輪廓，且玻璃格子隨機(jī)，更貼近真實(shí)感。附圖說明圖1是本發(fā)明優(yōu)選實(shí)施例一種圖像紋理生成方法流程圖；圖2是本發(fā)明優(yōu)選實(shí)施例一種圖像紋理生成裝置結(jié)構(gòu)圖。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明，為了便于說明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分。應(yīng)當(dāng)理解，此處所描寫的具體實(shí)施例，僅僅用于解釋本發(fā)明，并不用以限制本發(fā)明。本發(fā)明實(shí)施例提出一種圖像紋理生成方法及裝置，本發(fā)明實(shí)施例方法通過改進(jìn)傳統(tǒng)玻璃紋理中圖像邊緣提取模板，保留了圖像中更多的邊緣與輪廓，且玻璃格子隨機(jī)，更貼近真實(shí)感。實(shí)施例一圖1是本發(fā)明優(yōu)選實(shí)施例一種圖像紋理生成方法流程圖；所述方法包括以下步驟：Step1、獲取待處理圖像A；Step2、將圖像A灰度處理為單通道灰度圖Gray；Gray(i，j)＝0.299·RA(i，j)+0.587·GA(i，j)+0.114·BA(i，j)其中，Gray(i，j)表示灰度圖像Gray的第i行第j列的像素值；RA(i，j)表示圖像A的第i行第j列的紅色分量像素值；GA(i，j)表示圖像A的第i行第j列的綠色分量像素值；BA(i，j)表示圖像A的第i行第j列的藍(lán)色分量像素值。Step3、對(duì)灰度圖Gray進(jìn)行邊緣提取，得到邊緣圖像G；邊緣圖像G可采用如下方法計(jì)算：G=Gx2+Gy2]]>其中，Gx=Gray⊗s,s=-101-202-101;Gy=Gray⊗s′,s′=-1-2-1000121;]]>表示卷積運(yùn)算；如果上述方法計(jì)算量過大，也可采用如下公式計(jì)算：G＝|Gx|+|Gy|其中，|公式|表示取絕對(duì)值；Step4、對(duì)邊緣圖像G進(jìn)行形態(tài)學(xué)處理，得到邊緣圖像G′；形態(tài)學(xué)算子模板如下：其中p、q分別為邏輯整數(shù)，n為該模板大小。Step5、對(duì)邊緣圖像G′進(jìn)行圖像分割，得到圖像H；設(shè)定圖像H被分割成了m個(gè)區(qū)域；圖像分割方法可以采用形態(tài)學(xué)分水嶺算法，或者隨機(jī)分割方法，或者形態(tài)學(xué)分水嶺算法和隨機(jī)分割方法混合使用。Step6、將圖像H與原圖像A合并為新的圖像A1。合并方法如下：依據(jù)圖像H被分割的區(qū)域?yàn)樵瓐D像A分區(qū)，使得原圖像A與圖像H的分區(qū)一致，并標(biāo)記原圖像A被分成的區(qū)域?yàn)閍1、a2、…、am。其中，A1(i，j)表示圖像A1的第i行第j列的像素值；ak的特征像素值可以是ak區(qū)域中的隨機(jī)像素，平均值，中值等等，k＝1，2，…，m；Step7、對(duì)圖像A1進(jìn)行高斯模糊處理，得到圖像A2。其中表示卷積運(yùn)算。通過二級(jí)高斯函數(shù)計(jì)算高斯算子模板G算子，σ值設(shè) 定為(4，+∞)的實(shí)數(shù)，根據(jù)分割塊的大小決定，x，y表示變量。Step8、對(duì)圖像A2進(jìn)行銳化，得到輸出圖像B；銳化公式為：銳化的模板如下：Step9、輸出圖像B。實(shí)施例二圖2是本發(fā)明優(yōu)選實(shí)施例一種圖像紋理生成裝置結(jié)構(gòu)圖，所述裝置包括包括待處理圖像獲取模塊、灰度處理模塊、第一邊緣圖像獲取模塊、第二邊緣圖像獲取模塊、圖像分割模塊、圖像合并模塊、高斯模糊處理模塊、銳化模塊和圖像輸出模塊；待處理圖像獲取模塊，用于獲取待處理圖像A；灰度處理模塊，用于將圖像A灰度處理為單通道灰度圖Gray；Gray(i，j)＝0.299·RA(i，j)+0.587·GA(i，j)+0.114·BA(i，j)其中，Gray(i，j)表示灰度圖像Gray的第i行第j列的像素值；RA(i，j)表示圖像A的第i行第j列的紅色分量像素值；GA(i，j)表示圖像A的第i行第j列的綠色分量像素值；BA(i，j)表示圖像A的第i行第j列的藍(lán)色分量像素值。第一邊緣圖像獲取模塊，用于對(duì)灰度圖Gray進(jìn)行邊緣提取，得到邊緣圖像G；邊緣圖像G可采用如下方法計(jì)算：G=Gx2+Gy2]]>其中，Gx=Gray⊗s,s=-101-202-101;Gy=Gray⊗s′,s′=-1-2-1000121;]]>表示卷積運(yùn)算；如果上述方法計(jì)算量過大，也可采用如下公式計(jì)算：G＝|Gx|+|Gy|其中，|公式|表示取絕對(duì)值；第二邊緣圖像獲取模塊，用于對(duì)邊緣圖像G進(jìn)行形態(tài)學(xué)處理，得到邊緣圖像G′；形態(tài)學(xué)算子模板如下：其中p、q分別為邏輯整數(shù)，n為該模板大小。圖像分割模塊，用于對(duì)邊緣圖像G′進(jìn)行圖像分割，得到圖像H；設(shè)定圖像H被分割成了m個(gè)區(qū)域；圖像分割方法可以采用形態(tài)學(xué)分水嶺算法，或者隨機(jī)分割方法，或者形態(tài)學(xué)分水嶺算法和隨機(jī)分割方法混合使用。圖像合并模塊，用于將圖像H與原圖像A合并為新的圖像A1。合并方法如下：依據(jù)圖像H被分割的區(qū)域?yàn)樵瓐D像A分區(qū)，使得原圖像A與圖像H的分區(qū)一致，并標(biāo)記原圖像A被分成的區(qū)域?yàn)閍1、a2、…、am。其中，A1(i，j)表示圖像A1的第i行第j列的像素值；ak的特征像素值可以是ak區(qū)域中的隨機(jī)像素，平均值，中值等等，k＝1，2，…，m；高斯模糊處理模塊，用于對(duì)圖像A1進(jìn)行高斯模糊處理，得到圖像A2。其中表示卷積運(yùn)算。通過二級(jí)高斯函數(shù)計(jì)算高斯算子模板G算子，σ值設(shè)定為(4，+∞)的實(shí)數(shù)，根據(jù)分割塊的大小決定。銳化模塊，用于對(duì)圖像A2進(jìn)行銳化，得到輸出圖像B；銳化公式為：銳化的模板如下：圖像輸出模塊，用于輸出圖像B。本領(lǐng)域的普通技術(shù)人員可以理解，實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序指令相關(guān)硬件來完成的，所述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，所述的存儲(chǔ)介質(zhì)可以為ROM、RAM、磁盤、光盤等。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3