MATLAB 图片三角风格化(low poly)

2024-01-08 13:48
文章标签 matlab 图片 low 三角 poly 风格化

本文主要是介绍MATLAB 图片三角风格化(low poly)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

该篇博
客内容已上传至Github
链接：https://github.com/slandarer/low_poly_poisson

三角化效果:

在这里插入图片描述

在这里插入图片描述

步骤
1.图片灰度化后进行sobel卷积检测边缘
oriPic=imread('test.jpg');% use sobel algorithm to detect image edges
if size(oriPic,3)==3grayPic=rgb2gray(oriPic);
elsegrayPic=oriPic;
end
sobelPic=sobelConv2_gray(grayPic);

sobel边缘检测函数：
使用矩阵运算加快运行速度

	function sobelPic=sobelConv2_gray(oriPic)Hx=[-1 0 1;-2 0 2;-1 0 1];Hy=[1 2 1;0 0 0;-1 -2 -1];[rows,cols]=size(oriPic);exPic=uint8(zeros([rows+2,cols+2]));exPic(2:rows+1,2:cols+1)=oriPic;exPic(2:rows+1,1)=oriPic(:,1);exPic(2:rows+1,cols+2)=oriPic(:,cols);exPic(1,2:cols+1)=oriPic(1,:);exPic(rows+2,2:cols+1)=oriPic(rows,:);exPic(1,1)=oriPic(1,1);exPic(rows+2,1)=oriPic(rows,1);exPic(1,cols+2)=oriPic(1,cols);exPic(rows+2,cols+2)=oriPic(rows,cols);Gx=zeros([rows,cols]);Gy=Gx;for ii=1:3for jj=1:3tempPic=double(exPic(ii:rows+ii-1,jj:cols+jj-1));Gx=Gx+tempPic.*Hx(ii,jj);Gy=Gy+tempPic.*Hy(ii,jj);endendsobelPic=uint8(sqrt(Gx.^2+Gy.^2));end

原图：
在这里插入图片描述
卷积结果：
在这里插入图片描述

2.泊松圆盘采样

该算法的详解可以看看这一篇：
http://devmag.org.za/2009/05/03/poisson-disk-sampling/
使用泊松圆盘取样可以产生更加均匀的随机点：
左：随机取点
中：先构建网格，在网格交错点附近添加扰动
右：泊松圆盘取样
在这里插入图片描述
我们对泊松圆盘采样算法进行两次改写，分别应用于边缘处，及其他部分的采点，改写分别为：

  1. 边缘采点所采集点位置只能是sobel边缘检测较亮位置
  2. 其他部分采点密度不同时两点之间最小距离会随之改变，且其他部分采点以边缘点为初始集
edgePic=sobelPic;
edgePic(edgePic<max(max(edgePic)).*0.4)=0;
[edgeX,edgeY]=find(edgePic>0);
edgePntList=[edgeY,edgeX];% set the triangle density
redge=min(size(sobelPic))/80;
rmax=min(size(sobelPic))/20;
rmin=min(size(sobelPic))/40;% use poisson disc sampling to select points
edgePntList=poissonEdge(edgePntList,redge);
pntList=poissonDisk(sobelPic,[rmin,rmax],30,edgePntList);

其中
redge ：边缘上两个取样点最近距离
rmax ：边缘外 亮度最低时两个采样点最近距离
rmin ：边缘外 亮度最高时两个采样点最近距离

当希望使边缘更加细致时，可以将redge后面的除数变大以获得更加密集的采样，例如：

redge=min(size(sobelPic))/120;

边缘采样函数

    function resultSet=poissonEdge(edgeList,R)preSet=edgeList;resultSet=[0 0];resultSet(1,:)=[];times=0;while times<150tempPos=randi([1,size(preSet,1)],1);selectedPnt=preSet(tempPos,:);dis=sqrt(sum((edgeList-selectedPnt).^2,2));candidate=find(dis>=R&dis<=2*R);if length(candidate)>30pntSet=edgeList(candidate(1:30),:);elsepntSet=edgeList(candidate,:);endflag=0;for j=1:size(pntSet,1)pnt=pntSet(j,:);if size(resultSet,1)==0resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;elsedis=sqrt(sum((resultSet-pnt).^2,2));if all(dis>=R)resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;endendendif flag==1preSet(tempPos,:)=[];times=0;elsetimes=times+1;end disp(['edge pnt num:',num2str(size(resultSet,1))]);endend

其他区域采样函数

    function resultSet=poissonDisk(grayPic,R,K,edgePntList)[m,n]=size(grayPic);preSet=edgePntList;resultSet=[edgePntList;1,1;n,m;1,m;n,1];grayPic=double(255-grayPic);cmin=min(min(grayPic));cmax=max(max(grayPic));rMap=grayPic-cmin;rMap=rMap./(cmax-cmin).*(R(2)-R(1))+R(1);times=0;while times<500tempPos=randi([1,size(preSet,1)],1);selectedPnt=preSet(tempPos,:);r=rMap(round(selectedPnt(2)),round(selectedPnt(1)));theta=rand(K,1).*2*pi;radius=rand(K,1).*r+r;x=radius.*cos(theta)+selectedPnt(1);y=radius.*sin(theta)+selectedPnt(2);flag=0;for j=1:Kpnt=[x(j),y(j)];if pnt(1)>=1&&pnt(2)>=1&&pnt(1)<=n&&pnt(2)<=mif size(resultSet,1)==0resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;elsedis=sqrt(sum((resultSet-pnt).^2,2));if all(dis>=r)resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;   endend endendif flag==1preSet(tempPos,:)=[];times=0;elsetimes=times+1;enddisp(['pnt num:',num2str(size(resultSet,1))]);end    end

边缘采样效果：
在这里插入图片描述
其他区域采样效果：
在这里插入图片描述

3.Delaunay三角剖分
% construct the delaunay triangle
DT=delaunay(pntList(:,1),pntList(:,2));

在这里插入图片描述

4.重心法取色

我们要为每个三角形设置一个颜色，最简单的方法是取每个三角形重心处的颜色，即((x1,y1)+(x2,y2)+(x3,y3))/3处的颜色：

% calculate the pixel value at the center of gravity of the triangle
vset1=pntList(DT(:,1),:);
vset2=pntList(DT(:,2),:);
vset3=pntList(DT(:,3),:);
barycenter=round((vset1+vset2+vset3)./3);
tempList=barycenter(:,2)+(barycenter(:,1)-1)*size(oriPic,1);
if size(oriPic,3)==3   Rchannel=oriPic(:,:,1);Gchannel=oriPic(:,:,2);Bchannel=oriPic(:,:,3);colorList(:,:,1)=Rchannel(tempList);colorList(:,:,2)=Gchannel(tempList);colorList(:,:,3)=Bchannel(tempList);
elsecolorList(:,:,1)=oriPic(tempList);colorList(:,:,2)=oriPic(tempList);colorList(:,:,3)=oriPic(tempList);
end
5.图片展示
% show picture
z=zeros([size(pntList,1),1]);
trisurf(DT,pntList(:,1),pntList(:,2),z,'CData',colorList,'EdgeColor','none')
ax=gca;
hold(ax,'on')
set(ax,'XTick',[],'YTick',[],'XColor','none','YColor','none')
axis equal
set(ax,'YDir','reverse','View',[0,90])

在这里插入图片描述

6.完整代码
function lowPoly()
oriPic=imread('test.jpg');% use sobel algorithm to detect image edges
if size(oriPic,3)==3grayPic=rgb2gray(oriPic);
elsegrayPic=oriPic;
end
sobelPic=sobelConv2_gray(grayPic);edgePic=sobelPic;
edgePic(edgePic<max(max(edgePic)).*0.4)=0;
[edgeX,edgeY]=find(edgePic>0);
edgePntList=[edgeY,edgeX];% set the triangle density
redge=min(size(sobelPic))/80;
rmax=min(size(sobelPic))/20;
rmin=min(size(sobelPic))/40;% use poisson disc sampling to select points
edgePntList=poissonEdge(edgePntList,redge);
pntList=poissonDisk(sobelPic,[rmin,rmax],30,edgePntList);
% imshow(sobelPic)
% hold on
% scatter(pntList(:,1),pntList(:,2),3,'filled')% construct the delone triangle
DT=delaunay(pntList(:,1),pntList(:,2));
%triplot(DT,pntList(:,1),pntList(:,2));% calculate the pixel value at the center of gravity of the triangle
vset1=pntList(DT(:,1),:);
vset2=pntList(DT(:,2),:);
vset3=pntList(DT(:,3),:);
barycenter=round((vset1+vset2+vset3)./3);
tempList=barycenter(:,2)+(barycenter(:,1)-1)*size(oriPic,1);
if size(oriPic,3)==3   Rchannel=oriPic(:,:,1);Gchannel=oriPic(:,:,2);Bchannel=oriPic(:,:,3);colorList(:,:,1)=Rchannel(tempList);colorList(:,:,2)=Gchannel(tempList);colorList(:,:,3)=Bchannel(tempList);
elsecolorList(:,:,1)=oriPic(tempList);colorList(:,:,2)=oriPic(tempList);colorList(:,:,3)=oriPic(tempList);
end% show picture
z=zeros([size(pntList,1),1]);
trisurf(DT,pntList(:,1),pntList(:,2),z,'CData',colorList,'EdgeColor','none')
ax=gca;
hold(ax,'on')
set(ax,'XTick',[],'YTick',[],'XColor','none','YColor','none')
axis equal
set(ax,'YDir','reverse','View',[0,90])%% Correlation Functions============================================function resultSet=poissonEdge(edgeList,R)preSet=edgeList;resultSet=[0 0];resultSet(1,:)=[];times=0;while times<150tempPos=randi([1,size(preSet,1)],1);selectedPnt=preSet(tempPos,:);dis=sqrt(sum((edgeList-selectedPnt).^2,2));candidate=find(dis>=R&dis<=2*R);if length(candidate)>30pntSet=edgeList(candidate(1:30),:);elsepntSet=edgeList(candidate,:);endflag=0;for j=1:size(pntSet,1)pnt=pntSet(j,:);if size(resultSet,1)==0resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;elsedis=sqrt(sum((resultSet-pnt).^2,2));if all(dis>=R)resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;endendendif flag==1preSet(tempPos,:)=[];times=0;elsetimes=times+1;end disp(['edge pnt num:',num2str(size(resultSet,1))]);endendfunction resultSet=poissonDisk(grayPic,R,K,edgePntList)[m,n]=size(grayPic);preSet=edgePntList;resultSet=[edgePntList;1,1;n,m;1,m;n,1];grayPic=double(255-grayPic);cmin=min(min(grayPic));cmax=max(max(grayPic));rMap=grayPic-cmin;rMap=rMap./(cmax-cmin).*(R(2)-R(1))+R(1);times=0;while times<500tempPos=randi([1,size(preSet,1)],1);selectedPnt=preSet(tempPos,:);r=rMap(round(selectedPnt(2)),round(selectedPnt(1)));theta=rand(K,1).*2*pi;radius=rand(K,1).*r+r;x=radius.*cos(theta)+selectedPnt(1);y=radius.*sin(theta)+selectedPnt(2);flag=0;for j=1:Kpnt=[x(j),y(j)];if pnt(1)>=1&&pnt(2)>=1&&pnt(1)<=n&&pnt(2)<=mif size(resultSet,1)==0resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;elsedis=sqrt(sum((resultSet-pnt).^2,2));if all(dis>=r)resultSet=[resultSet;pnt];preSet=[preSet;pnt];flag=1;   endend endendif flag==1preSet(tempPos,:)=[];times=0;elsetimes=times+1;enddisp(['pnt num:',num2str(size(resultSet,1))]);end    endfunction sobelPic=sobelConv2_gray(oriPic)Hx=[-1 0 1;-2 0 2;-1 0 1];Hy=[1 2 1;0 0 0;-1 -2 -1];[rows,cols]=size(oriPic);exPic=uint8(zeros([rows+2,cols+2]));exPic(2:rows+1,2:cols+1)=oriPic;exPic(2:rows+1,1)=oriPic(:,1);exPic(2:rows+1,cols+2)=oriPic(:,cols);exPic(1,2:cols+1)=oriPic(1,:);exPic(rows+2,2:cols+1)=oriPic(rows,:);exPic(1,1)=oriPic(1,1);exPic(rows+2,1)=oriPic(rows,1);exPic(1,cols+2)=oriPic(1,cols);exPic(rows+2,cols+2)=oriPic(rows,cols);Gx=zeros([rows,cols]);Gy=Gx;for ii=1:3for jj=1:3tempPic=double(exPic(ii:rows+ii-1,jj:cols+jj-1));Gx=Gx+tempPic.*Hx(ii,jj);Gy=Gy+tempPic.*Hy(ii,jj);endendsobelPic=uint8(sqrt(Gx.^2+Gy.^2));end
end
7.成品展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这篇关于MATLAB 图片三角风格化(low poly)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

原文地址:
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.chinasem.cn/article/583655。

相关文章

使用Python实现调用API获取图片存储到本地的方法

使用Python实现调用API获取图片存储到本地的方法

《使用Python实现调用API获取图片存储到本地的方法》开发一个自动化工具,用于从JSON数据源中提取图像ID,通过调用指定API获取未经压缩的原始图像文件,并确保下载结果与Postman等工具直接... 目录使用python实现调用API获取图片存储到本地1、项目概述2、核心功能3、环境准备4、代码实现
阅读更多...
Java实现图片淡入淡出效果

Java实现图片淡入淡出效果

《Java实现图片淡入淡出效果》在现代图形用户界面和游戏开发中,**图片淡入淡出（FadeIn／Out）**是一种常见且实用的视觉过渡效果,它可以用于启动画面、场景切换、轮播图、提示框弹出等场景,通过... 目录1. 项目背景详细介绍2. 项目需求详细介绍2.1 功能需求2.2 非功能需求3. 相关技术详细
阅读更多...
Java如何根据文件名前缀自动分组图片文件

Java如何根据文件名前缀自动分组图片文件

《Java如何根据文件名前缀自动分组图片文件》一大堆文件（比如图片）堆在一个目录下,它们的命名规则遵循一定的格式,混在一起很难管理,所以本文小编就和大家介绍一下如何使用Java根据文件名前缀自动分组图... 目录需求背景分析思路实现代码输出结果知识扩展需求一大堆文件（比如图片）堆在一个目录下，它们的命名规
阅读更多...
将图片导入Python的turtle库的详细过程

将图片导入Python的turtle库的详细过程

《将图片导入Python的turtle库的详细过程》在Python编程的世界里,turtle库以其简单易用、图形化交互的特点,深受初学者喜爱,随着项目的复杂度增加,仅仅依靠线条和颜色来绘制图形可能已经... 目录开篇引言正文剖析1. 理解基础：Turtle库的工作原理2. 图片格式与支持3. 实现步骤详解第
阅读更多...
在React聊天应用中实现图片上传功能

在React聊天应用中实现图片上传功能

《在React聊天应用中实现图片上传功能》在现代聊天应用中,除了文字和表情,图片分享也是一个重要的功能,本文将详细介绍如何在基于React的聊天应用中实现图片上传和预览功能,感兴趣的小伙伴跟着小编一起... 目录技术栈实现步骤1. 消息组件改造2. 图片预览组件3. 聊天输入组件改造功能特点使用说明注意事项
阅读更多...
Android使用ImageView.ScaleType实现图片的缩放与裁剪功能

Android使用ImageView.ScaleType实现图片的缩放与裁剪功能

《Android使用ImageView.ScaleType实现图片的缩放与裁剪功能》ImageView是最常用的控件之一,它用于展示各种类型的图片,为了能够根据需求调整图片的显示效果,Android提... 目录什么是 ImageView.ScaleType？FIT_XYFIT_STARTFIT_CENTE
阅读更多...
关于MongoDB图片URL存储异常问题以及解决

关于MongoDB图片URL存储异常问题以及解决

《关于MongoDB图片URL存储异常问题以及解决》：本文主要介绍关于MongoDB图片URL存储异常问题以及解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录MongoDB图片URL存储异常问题项目场景问题描述原因分析解决方案预防措施js总结MongoDB图
阅读更多...
python实现svg图片转换为png和gif

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展：基于Py
阅读更多...
使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取
阅读更多...
Python实现图片分割的多种方法总结

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2