[發明專利]一種基于深度學習對圖形圖像剪紙藝術化處理的方法

在審

• 申請號: 201711309048.0
• 申請日: 2017-12-12
• 公開（公告）號: CN107958474A
• 公開（公告）日: 2018-04-24
• 發明（設計）人: 楊敏;楊妮妮;孫立;葉營;茆昌盛
• 申請（專利權）人: 時代數媒科技股份有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06K9/00;G06K9/36;G06K9/62
• 代理公司: 寧波高新區核心力專利代理事務所(普通合伙)33273
• 代理人: 涂蕭愷

技術領域

本發明涉及計算機圖形圖像處理，數據存儲，書籍出版印刷等領域，尤其是使用深度學習的方法對剪紙這一傳統非遺文化藝術作品進行特征的提取與樣本的訓練。

背景技術

剪紙藝術在2006年列入第一批國家級非物質文化遺產名錄。傳統剪紙藝術產品類型較為單一，生產流程復雜，缺乏個性化元素。如今這項藝術卻經歷著嚴峻的考驗與沖擊。剪紙藝術的規模漸少，以及剪紙藝術繼承的問題被更多的人所關注。

發明內容

本發明設計了一種基于深度學習對圖形圖像剪紙藝術化處理的方法，其解決的技術問題是現有剪紙藝術沒有使用深度學習的方法對剪紙作品進行特征的提取與樣本的訓練。

為了解決上述存在的技術問題，本發明采用了以下方案：

一種基于深度學習對圖形圖像剪紙藝術化處理的方法，包括以下內容與步驟：

步驟1、采集傳統剪紙藝術作品；

步驟2、掃描剪紙藝術作品形成數字化剪紙圖像內容；

步驟3、處理數字化剪紙圖像內容，提取關鍵特征值；

步驟4、對數字化剪紙圖像內容的關鍵特征值進行深度學習訓練，得出特征模型；

步驟5、接收外部圖片內容并處理外部圖片；

步驟6、對處理后的外部圖片使用步驟4中訓練好的特征模型進行剪紙化處理；

步驟7、調整剪紙化處理后的圖片；

步驟8、對處理后的圖像進行對象存儲并輸出。

進一步，步驟2需要對剪紙藝術作品進行高精度掃描，其中精度為DPI300及其以上。

進一步，步驟3中對數字化剪紙圖像內容進行縮放、灰度處理、二值化處理、色彩優化、素描化處理、亮度處理、反色處理、高斯模糊以及灰白化中的一種或多種圖像處理方式，使用算法對處理后的樣本進行關鍵特征提取，獲取到剪紙的關鍵特征點；其中，所述關鍵特征點包括：人臉關鍵特征點、圖像內容輪廓線、圖像主色調、剪紙對比度和色彩空間分布矩陣中的一種或多種。

進一步，步驟4中所述特征模型是只通過大量的剪紙關鍵特征提取與計算，獲得一組能夠概括剪紙處理的流程狀態值。

進一步，步驟5中外部圖片，可以是用戶直接上傳手機、PC個人終端內的照片，也可以是來自其他第三方平臺的在線可讀圖片。

進一步，步驟5中處理外部圖片的算法對照片進行處理的方式包括掃描、灰度、素描、亮度處理、反色處理、高斯模糊或屬性調整中的一種或多種，通過對外部照片的處理可以提升剪紙處理的效果；所述屬性調整包括：亮度調整、色彩度調整或顏色減淡處理中的一種或多種。

進一步，步驟6中，對步驟5中處理后的圖片使用訓練好的特征模型進行算法處理，得到剪紙化處理的第一級輸出圖像。

進一步，步驟7中圖片調整方法包括銳化、色彩、壓縮和屬性調整的一種或多種；所述屬性調整包括：圖片顏色處理、圖片大小尺寸處理和圖片格式處理中的一種或多種。

進一步，步驟8中的輸出包括多平臺的輸出，包括可以通過網絡的形式分發至外部。

該基于深度學習對圖形圖像剪紙藝術化處理的方法具有以下有益效果：

本發明通過采集大量剪紙樣本進行訓練得到剪紙模型，將用戶圖片實時剪紙，突破傳統剪紙的加工周期長，不穩定等因素，先進互聯網技術與傳統非遺文化剪紙的有效結合，將傳統剪紙藝術通過互聯網的形式來進行傳播，有效的對非遺文化進行保護宣傳。

附圖說明

圖1：本發明基于深度學習對圖形圖像剪紙藝術化處理的方法樣本采集示意圖；

圖2：本發明基于深度學習對圖形圖像剪紙藝術化處理的方法樣本訓練示意圖；

圖3：本發明基于深度學習對圖形圖像剪紙藝術化處理的的方法剪紙化處理示意圖；

圖4：本發明基于深度學習對圖形圖像剪紙藝術化處理的方法完整流程圖。

具體實施方式

下面結合圖1-圖4，對本發明做進一步說明：

如圖1所示，該圖表示的是剪紙樣本的收集流程。具體包括以下步驟：

進行傳統剪紙樣本的收集，通過收集剪紙實物樣品，使用高精度掃描設備進行實物樣品的數字化掃描處理，從而得到可以使用計算機算法進行處理的剪紙樣本。

如圖2所示，該圖表示剪紙樣本的訓練流程。具體包括以下步驟：

對剪紙樣本進行圖像處理，包括不限于縮放、灰度、二值化等圖像處理方式，使用算法對處理后的樣本進行特征提取，獲取到剪紙的特征點，對特征點使用深度學習的方法進行訓練，從而得到特征模型。

如圖3所示，該圖表示來表示剪紙的生成過程。具體包括以下步驟：