基于照片的可編輯光照效果卡通人臉生成算法

宋 陽， 劉艷麗,2

(1. 四川大學視覺合成圖形圖像技術(shù)國防重點學科實驗室，四川 成都 610065；2. 四川大學計算機學院，四川 成都 610065)

基于照片的可編輯光照效果卡通人臉生成算法

宋 陽1， 劉艷麗1,2

(1. 四川大學視覺合成圖形圖像技術(shù)國防重點學科實驗室，四川 成都 610065；2. 四川大學計算機學院，四川 成都 610065)

提出一種基于照片的可編輯光照效果卡通人臉圖像生成算法。算法首先提取輸入人臉照片的邊緣輪廓，生成線條畫；其次對輸入照片進行本征分解，分離出光照圖像和材質(zhì)圖像；然后對光照圖像進行光照編輯，如量化、非線性增強等；對材質(zhì)圖像進行抽象化處理，并融合線條畫得到卡通圖像；最后將編輯過的光照圖像添加到卡通圖像上生成含有光照效果的人臉卡通圖像。實驗結(jié)果表明：該算法生成的人臉卡通圖像效果逼真，并且可對光照進行編輯。

人臉；卡通圖像；光照編輯；非真實感繪制

非真實感繪制指的是利用計算機生成不具有照片真實感，而具有手繪風格的圖形技術(shù)。由于人臉肖像畫在日常生活中具有重要作用，因此人臉的非真實感繪制成為非真實感繪制中的一個重要部分。研究成果可用于廣告宣傳、影視制作、卡通畫制作等許多領(lǐng)域。

在以往的工作中，已經(jīng)有一些從人臉圖像生成卡通畫的研究工作。例如Gooch等[1]介紹了一種模擬人眼的亮度感知的方法，用于繪制黑白漫畫效果，同時可以對頭像進行夸張的變形；Chen等[2-4]提出了基于樣本學習的生成人臉卡通效果圖的方法，該方法使用主動輪廓模型[5]提取人臉的特征點，然后利用人臉特征之間存在相對固定位置關(guān)系的特點確定人臉各個部分(如眼睛，眉毛)的位置，生成人臉卡通肖像圖。這些方法生成的卡通人臉畫都沒有利用原圖像中人臉的光照信息。人臉的光照信息特別是陰影信息可有效揭示臉部結(jié)構(gòu)的深度變化，使卡通畫更有立體感、更生動。文獻[6]提出了一種可編輯光照的卡通畫生成算法，首先生成線條的矢量圖，然后用戶手動上色。增加了光照信息和交互性，交互性的引入使得用戶能夠參與到繪制的過程，增強了創(chuàng)造性，并且繪制出來的結(jié)果帶有用戶的主觀性，可以實現(xiàn)形式更為多樣化的卡通藝術(shù)效果；但是不能保持原有照片的顏色和一些人物特征信息，且矢量圖會丟失一些面部細節(jié)，引入的交互性由于需要用戶的參與，會在一定程度上增加繪制過程的復雜性。

近年來，對輸入照片進行圖像的風格化或抽象化[7-8]以獲得非真實感效果的方法得到研究者們的極大關(guān)注。如文獻[7]提出的圖像抽象方法是通過對輸入圖像進行抽象，然后進行量化獲得，用這種方法得到的結(jié)果有一定卡通漫畫效果，而且人臉還保持著原來的光照信息。但是由于沒有把材質(zhì)圖像和光照圖像分離，在量化時，就會出現(xiàn)混合的情況，且不能對光照進行多樣化編輯。

本文提出了一種新的基于照片的可編輯光照效果的人臉卡通圖像生成算法。首先利用基于邊切線流的線條畫生成算法對輸入照片進行處理，生成連貫一致的線條畫；然后利用Barron和Malik[9-10]提出并改進的 SAIFS分解算法對輸入照片進行光照圖像和材質(zhì)圖像的分離，對分離出的材質(zhì)圖像用雙邊濾波進行處理，量化之后再融合之前生成的線條畫，得到不含任何光照效果的卡通圖像；最后，對分離出的光照圖像進行編輯(量化，增強對比度，非線性變化)，再與生成的卡通圖像進行融合，得到含光照效果的人臉卡通圖像。本文算法由于對輸入圖像進行了光照與材質(zhì)的分離，在量化的過程中就不會產(chǎn)生混合，由于分離了光照圖像，就可以實現(xiàn)光照的多樣化編輯，生成豐富的光照效果。本文算法對輸入圖像沒有嚴格的要求，使用范圍更廣。

1 相關(guān)工作

計算機非真實感繪制技術(shù)根據(jù)輸入的不同，大致分為兩類：一類是基于幾何的非真實感繪制技術(shù)，它以三維場景的幾何模型描述作為輸入；另一類是基于圖像的非真實感繪制技術(shù)，它以原始數(shù)字圖像作為輸入。

關(guān)于幾何空間的非真實感繪制技術(shù)的研究主要包括：幾何信息的存儲方式、非真實感的光照模型以及對三維模型的空間變形等，該技術(shù)主要通過對三維模型進行投影、透視、變形等處理，并添加特殊的光照陰影效果，從而得到具有藝術(shù)風格的圖形。

基于圖像的非真實感繪制技術(shù)按照對藝術(shù)作品的模擬方式的不同又可分為基于筆劃的繪制和無筆劃的繪制兩種。前者將筆劃作為最基本的繪圖元素，由畫家預先根據(jù)圖像特征生成大小和形狀不同的筆劃，然后將其作用于原圖，生成具有手工作品特點的圖像。代表算法有Hertzmann[11]提出的基于筆劃的油畫風格化繪制的經(jīng)典算法；陳洪等[4]提出的基于樣本學習的卡通人臉生成算法。而后者避免了對繪畫過程的復雜建模，它主要通過對輸入的數(shù)字圖像進行濾波、特征增強、邊緣檢測、圖像分割等處理，使處理后的圖像具有某種特殊的視覺效果。如Curtis等[12]水彩畫的物理模擬繪制系統(tǒng)；閻芳等[13]提出了一種漫畫風格的人臉肖像生成算法；黃華和程威[14]提出了一種實時的圖像素描風格化算法。

基于三維場景的非真實感繪制也是最近研究的熱點。傳統(tǒng)的三維模型建模方法主要是真實感領(lǐng)域，通過參數(shù)調(diào)整和形狀構(gòu)造的方法獲取。非真實感繪制方式可以通過模型的幾何體、光照等信息來模擬，并且用戶和系統(tǒng)可以進行筆觸的交互。這種方法可以更好地迎合用戶的感受，生成符合大眾審美情趣的三維場景是非真實感繪制技術(shù)一直追求的。

此外，非真實感繪制中用戶交互性的應用也是近期的一個研究熱點。微軟的MSN Cartoon和最近流行的一款手機軟件“臉萌”都是在進行卡通人臉肖像畫的繪制中引入了用戶交互性，使得用戶可以參與到卡通畫的繪制過程中，增加了創(chuàng)造性，繪制出帶有用戶主觀效果的卡通圖。與此同時，交互性的引入使得繪制過程需要用戶的參與，破壞了繪制過程的自動性，在一定程度上增加了繪制過程的復雜性。所以交互的引入是一個辯證的問題，需要根據(jù)用戶的具體需求和繪制的目的來決定是否引入。

本征圖像分解是指假定圖像場景為朗伯漫反射場景，光照模型為朗伯模型的情況下，將一幅圖像分解成一幅光照圖像和一幅材質(zhì)圖像，其中材質(zhì)圖像又稱為本征圖像。從其定義可知，材質(zhì)圖像對應于每個像素處可見景物表面的材質(zhì)，光照圖像是入射光強度、入射角以及陰影項綜合作用的結(jié)果。由于本征圖像分解將場景的光照屬性和材質(zhì)屬性單獨剝離開來，使得對圖像的處理(濾波、量化、合成卡通圖)能直接應用在材質(zhì)圖像上，避免了光照產(chǎn)生的影響。且同時可以對分離出的光照圖像進行編輯，產(chǎn)生豐富的光照效果。目前已有大量的研究工作嘗試從多幅圖像和單幅圖像中恢復圖像的光照圖像和材質(zhì)圖像。

本文采用由Barron和Malik[9-10]提出并改進的SAIFS分解算法，該算法的分解結(jié)果表現(xiàn)的更為出色。其僅需要單幅圖像就可以對未知朗伯模型對象進行本征圖像分解操作，通過平滑、形狀、深度、各向異性等方面進行約束，從中準確得到材質(zhì)圖像以及對應的光照圖像。

2 本文算法

2.1 算法框架

本文算法框架如圖1所示，首先提取人臉肖像輪廓，生成線條畫；然后分離光照和材質(zhì)，對材質(zhì)圖像進行抽象化處理并融合線條畫，對光照圖像進行編輯；最后把生成的不含光照效果的卡通圖像和光照圖像進行融合，得到含光照效果的卡通圖像。

圖1 算法框架圖

2.2 基于圖像的輪廓提取

人臉卡通肖像畫的繪制是屬于人臉非真實感繪制的范疇，其核心問題是如何保護圖像場景的重要部分而減少場景的復雜度。為了保護圖像場景的重要部分，需要對輸入圖像進行輪廓提取，生成線條畫。本文采用基于邊切線流的高斯差分濾波器(flow difference of Gaussian，F(xiàn)DOG)[15]提取人臉肖像輪廓線，該算法是在差分高斯算法(difference of gaussian，DOG)濾波器[6]的基礎(chǔ)上改進的。

FDOG算法首先根據(jù) I( x)構(gòu)建邊切線流向量t( x)，記為 ETF。 t( x)是垂直于圖像的梯度g( x) =?I ( x)， x = (x ， y )為圖像為 I( x)上的像素點坐標。由于要生成連貫一致的線條畫，所以對應的ETF需要滿足以下3個條件：①每一個切向量表示的是鄰域內(nèi)最主要的邊的切線方向；②除了銳角處，鄰域內(nèi)的向量是平滑地排列的；③重要的邊必須保持它們的初始方向。取切向 ()t x為：

在式(1)中 Ω (x)表示點x的鄰域， tcur(y)是指當前歸一化后的切向量，k代表的是歸一化常數(shù)。ws( x， y )是空間權(quán)函數(shù)，是一個半徑為r的徑向?qū)ΨQ盒濾波器。 wm(x ，y )，wd(x ， y )則分別是模長權(quán)函數(shù)和方向權(quán)函數(shù)。

根據(jù)邊切線流向量圖(edge tangent flow，ETF)，可采用基于流的DOG沿ETF得到的邊緣線進行積分，從而得到人臉輪廓圖。

該方法簡單有效，生成線條畫非常流暢。如圖2所示，與傳統(tǒng)的DOG相比，線條畫沒有經(jīng)過夸張，線條連貫，突出人臉的細節(jié)特征且與原圖是對齊的，效果更好。

圖2 生成線條畫

2.3 光照提取

若直接對輸入圖像進行抽象化操作(雙邊濾波，量化)會把材質(zhì)和光照混合在一起進行處理，其不利于對光照進一步的編輯，所以在進行圖像抽象化操作之前需對輸入圖像進行光照的提取，即利用本征分解的方法把輸入圖像分離為光照圖像和材質(zhì)圖像，然后分別在分離出的光照圖像和材質(zhì)圖像上進行操作，以避免光照信息和材質(zhì)信息的混合，便于后續(xù)對光照的編輯。

本征分解的算法有很多種，本文采用由Barron和Mailk[9-10]提出并改進的SAIFS分解算法， 把輸入圖像分解為光照圖像和材質(zhì)圖像。

如式(2)所示：其中 I( x ， y )表示輸入圖像，L( x， y )表示分解產(chǎn)生的光照圖像，R ( x ， y )表示分解產(chǎn)生的材質(zhì)圖像。如圖3所示，利用本征分解算法把輸入圖片分離為光照圖像和材質(zhì)圖像。

圖3 光照提取示意圖

2.4 基于圖像的抽象化

卡通風格的效果圖在實現(xiàn)過程中，對圖像進行抽象化處理是非常重要的，它可以提高圖像的對比度，忽略圖像中不重要的細節(jié)。運用抽象化技術(shù)傳遞的可視化信息，往往能夠更加吸引人眼的注意力，增進信息交流。本文在2.2中得到的材質(zhì)圖像采用雙邊濾波器進行抽象化處理。雙邊濾波器是一種非線性擴展濾波器[7,16-17]，能使圖像中對比度高的區(qū)域變得更高，反之更低。雙邊濾波器不僅考慮了空間的遠近程度，還考慮了信息的強度差。

設 f(·)為輸入圖像，根據(jù)式(3)定義的濾波器H(·)對輸入圖像進行抽象化處理如下所示：

式(3)中?x表示當前像素的位置，x表示鄰域像素的位置，dσ是模糊半徑，模糊程度與dσ成反比，dσ 太大可能會使重要的邊界變得模糊。在本文中選取dσ的值為3，rσ的值為4.25。迭代的使用 ()H·，范圍權(quán)函數(shù) ()w·將決定圖像中哪些區(qū)域被平滑處理，哪些區(qū)域被銳化處理。

在式(4)中，如果 m(·)= 0， H(·)那么就變成了雙邊濾波器。實際上，雙邊濾波是一種簡單而實用的圖像濾波方法。

圖像抽象化處理后，源圖像中的很多細節(jié)信息被忽略，大塊區(qū)域顏色比較接近或平滑過渡。這時需要對圖像進行量化處理，以使生成的圖像具有卡通畫的著色風格。在對輸入圖像進行量化處理時，需要將輸入圖像由RGB空間轉(zhuǎn)換到Lab空間，以分離出亮度通道進行量化，將量化后的亮度通道與a和b兩空間融合，得到量化圖像，再將色彩空間由Lab轉(zhuǎn)換到RGB空間。本文利用文獻[7]提出的顏色軟量子化方程對亮度通道進行量化。式(6)中 Δq 是量化等級寬度， qnearest是f()最近的量化級， φq是控制不同的量化等級之間過渡的尖銳程度。

量化后，在用2.1中用FDOG得出的線條畫疊加到量化圖像上，得到不含光照效果的卡通圖像。如圖4所示。

2.5 光照編輯

由于分離出了輸入照片的光照圖像和材質(zhì)圖像，因此，可以對光照信息進行單獨的編輯和增強，然后添加到2.3方法得到的卡通頭像上，從而生成具有不同光照效果的人臉卡通圖像。

圖4 材質(zhì)圖的抽象化

對光照進行編輯和增強的方法有很多種，本文主要采取了以下幾種方法對光照進行編輯：

(1) 量化：量化操作就是對分離出的光照圖像進行量化，把變化連續(xù)的光照圖像量化成幾個等級，使人臉上的光照看起來層次分明，增強圖像的卡通效果?？刹捎靡话愕木鶆蛄炕瘉韺崿F(xiàn)。

式(7)將光照圖像 Li( x ， y )量化成4個等級。a0、 a1、 a2、 a3、 a4是選取量化范圍的閾值參數(shù)。l1、 l2、 l3、 l4是每一量化等級選取的量化值，當然還可以根據(jù)需要任意選取量化等級，量化范圍與量化值。

(2) 閾值化：是另一種直接的光照編輯方法，即選取一個合適的閾值將光照圖像簡單地分成亮區(qū)和暗區(qū)。使人們直觀地感受到照片中光源的入射方向。具體做法是：首先將得到的彩色光照圖Li( x， y ) (i=1，2，3表示R，G，B三個通道)轉(zhuǎn)換成灰度圖 G( x ，y )；然后給定一個閾值 a0，滿足G( x， y ) ＞a0的點，屬于亮部區(qū)域B，否則，屬于暗部區(qū)域S。

式(8)采用閾值 a0將光照圖像簡單地分為亮區(qū)B和暗區(qū)S。

(3) 反向：將分解得到的光照圖像進行反轉(zhuǎn)，這樣得到的效果是將光源反轉(zhuǎn)后產(chǎn)生的光照效果。反向的具體做法是：首先取彩色光照圖像 Li( x ， y) (i=1，2，3表示R，G，B三個通道)在此存儲精度上的像素最大值為Max(x ，y )，然后令：

經(jīng)式(9)計算得到反轉(zhuǎn)之后的光照圖像Li( x, y)。

(4) 增強明暗對比度：通過改變明暗對比度的方法，增強光照的視覺感受。增大光照圖像里亮區(qū)的像素值，減小光照圖像暗區(qū)的像素值。實現(xiàn)增強光照明暗對比度的效果，隨著對比度的增加，照片明暗部分更加分明，看起來光照增強了。

(5) 非線性增強：對光照圖像在R，G，B三個通道分別做非線性變換，獲得更豐富的效果。常用的非線性變換有對數(shù)變換和指數(shù)變換等。

對數(shù)變換的一般表達是為：

這里a，b，c是為了調(diào)整曲線的位置和形狀而引入的參數(shù)，通過調(diào)整參數(shù)可以得到豐富的效果。當希望對圖像的低灰度區(qū)域產(chǎn)生較大的拉伸而對高灰度區(qū)域壓縮時，采用這種變換。

指數(shù)變換的一般表達式為：

這里a，b，c是為了調(diào)整曲線的位置和形狀，這種變換能對圖像的高灰度區(qū)域給予較大的拉伸。

(6) 濾波：對經(jīng)過變換的光照圖像進行各種濾波平滑，產(chǎn)生更為豐富的效果。

以上幾種方法可以綜合運用，按照各自的需求改動光照圖像以獲得滿意的光照效果。圖5是經(jīng)過編輯后光照的效果圖?？梢钥吹?，對人臉卡通圖像加上豐富的光照效果后，使得圖片三維立體感更強，形象更加生動。

3 實驗結(jié)果

名星人臉照片一般是由專業(yè)攝影師拍攝，光照效果明顯，因此，選取了幾幅明星人臉肖像照片用本文的算法進行處理，得到卡通人臉畫。Befunky軟件是現(xiàn)今一款較為流行的圖像編輯軟件，能實現(xiàn)多種多樣的圖片特效，這里只使用Befunky生成卡通圖像的功能。將本文算法的結(jié)果與用Befunky軟件處理得到的卡通人臉圖像進行比較，如圖6所示。

經(jīng)過比較圖6可以看到：本文算法由于采用了ETF的輪廓提取算法，生成的線條畫更加連貫，輪廓更加清晰明顯，且抽象算法中加入了顏色亮度通道的軟量化，使得卡通圖的顏色更加層次分明，編輯光照之后可產(chǎn)生更加豐富的光影效果。

圖5 光照編輯結(jié)果圖

圖6 本文算法與Befunky的對比圖

將本文算法與文獻[7]進行比較。圖7(a)是文獻[7]算法得到的卡通效果圖，圖7(b)是本文算法的結(jié)果。與本文算法的結(jié)果進行比較可以看出，由于左圖中是在沒有將光照和材質(zhì)分離的情況下對整個圖片進行量化抽象處理的，量化的結(jié)果在光照上沒有明顯的意義；而本文算法是將光照與材質(zhì)進行分離之后再進行量化操作，量化操作是對光照和材質(zhì)分別進行的。這樣不僅改善了量化的效果，還方便了對光照的后續(xù)編輯操作。從圖中可以看出，圖7(a)的效果比較凌亂，效果圖中臉頰和眼眶處的光照對比強烈，效果生動。

圖7 與文獻[7]結(jié)果對比圖

本文算法更多實驗結(jié)果如圖8所示，其中左列圖是對光照圖像進行量化等級(L=8)的量化操作得到的結(jié)果；中列圖是對光照圖像進行量化(L=8)并增強光照后的結(jié)果；右列圖是對光照圖像進行量化，量化等級(L=8)并進行線性指數(shù)變換(a=1，b=2.2，c=1.4)后得到的結(jié)果?？梢钥吹剑瑢庹請D像的量化產(chǎn)生的效果更加符合卡通圖的特點，量化之后再輔助其他光照編輯操作，就可以產(chǎn)生含有豐富光照效果的人臉卡通圖。從圖8中可以看出本文算法產(chǎn)生的卡通圖像效果逼真，保留了原有照片的豐富細節(jié)，并可以編輯光照，使圖片的三維立體感更強，看起來更加形象。

圖8 更多實驗結(jié)果

4 總結(jié)與展望

針對人臉肖像照片，本文提出了可編輯光照效果的人臉卡通肖像畫生成算法。利用本征分解方法分離光照和材質(zhì)，把經(jīng)過編輯之后的光照圖像加到基于材質(zhì)圖像生成的不含光照的卡通圖像上，得到含有光照效果的人臉卡通肖像畫。算法輸入簡單且操作方便，生成的卡通肖像畫效果理想。其算法的缺陷是對某些光照較強的照片，本征分解不能很好地分離光照和材質(zhì)信息，使得生成的不含光照的卡通圖實際上還是包含一少部分光照信息，影響編輯的光照效果。同時，本征分解算法復雜度較高，運行速度較慢。如何更準確地分離光照和材質(zhì)信息以及提高本征分解算法的效率將是今后努力和研究的方向。此外，對輸入信息是三維模型進行非真實感繪制也是算法今后擴展和研究的方向。

[1]Gooch B, Reinhard E, Gooch A. Human facial illustrations: creation and psychophysical evaluation [J]. ACM Transactions on Graphics (TOG), 2004, 23(1): 27-44.

[2]Chen Hong, Xu Yingqing, Shum H Y, et al. Example-based facial sketch generation with non-parametric sampling [C]//Computer Vision, 2001. ICCV 2001. Proceedings. Eighth IEEE International Conference on. IEEE, 2001: 433-438.

[3]Chen Hong, Liu Ziqiang, Rose C, et al. Example-based composite sketching of human portraits [C]//Proceedings of the 3rd International Symposium on Non-Photorealistic Animation and Rendering. ACM, 2004: 95-153.

[4]陳 洪, 鄭南寧, 梁 林, 等. 基于樣本學習的肖像畫自動生成算法[J]. 計算機學報, 2003, 26(2): 147-152.

[5]Simoncelli E P. Statistical models for images: compression, restoration and synthesis [C]//Signals, Systems & Computers, 1997. Conference Record of the Thirty-First Asilomar Conference on. IEEE, 1997: 673-678.

[6]姚 蕓. 基于照片含可調(diào)光照效果的人臉非真實感繪制[D]. 杭州: 浙江大學, 2008.

[7]Winnem?ller H, Olsen S C, Gooch B. Real-time video abstraction [J]. ACM Transactions On Graphics (TOG), 2006, 25(3): 1221-1226.

[8]DeCarlo D, Santella A. Stylization and abstraction of photographs [C]//ACM Transactions on Graphics (TOG). ACM, 2002, 21(3): 769-776.

[9]Barron J T, Malik J. Color constancy, intrinsic images，and shape estimation [M]. Computer Vision–ECCV 2012. Springer Berlin Heidelberg, 2012: 57-70.

[10]Barron J T, Malik J. Shape, albedo, and illumination from a single image of an unknown object [C]//Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on. IEEE, 2012: 334-341.

[11]Hertzmann A. Painterly rendering with curved brush strokes of multiple sizes [C]//Proceedings of the 25th annual conference on computer graphics and interactive techniques. ACM, 1998: 453-460.

[12]Curtis C J, Anderson S E, Seims J E, et al. Computer-generated watercolor [C]//Proceedings of the 24th Annual Conference on Computer Graphics and Interactive Techniques. ACM Press/Addison-Wesley Publishing Co., 1997: 421-430.

[13]閻 芳, 費廣正, 柳婷婷, 等. 漫畫風格的人臉肖像生成算法[J]. 計算機輔助設計與圖形學學報, 2007, 19(4): 442-447.

[14]黃 華, 程 威. 實時圖像素描風格化[J]. 計算機學報, 2009, 32(10): 2023-2029.

[15]Kang H, Lee S, Chui C K. Coherent line drawing [C]// Proceedings of the 5th International Symposium on Non-Photorealistic Animation and Rendering. ACM, 2007: 43-50.

[16]Tomasi C, Manduchi R. Bilateral filtering for gray and color images [C]//Computer Vision, 1998. Sixth International Conference on. IEEE, 1998: 839-846.

[17]Barash D， Comaniciu D. A common framework for nonliear diffusion, adaptive smoothing, bilateral filtering and mean shift [J]. Image and Vision Computing, 2004, 22(1): 73-81.

An Algorithm Generating Human Face Cartoon Portrait Including Light Editing Based on Photo

Song Yang1, Liu Yanli1,2
(1. State Key Laboratory of Fundamental Science on Synthetic Vision, Sichuan University, Chengdu Sichuan 610065, China; 2. College of Computer Science, Sichuan University, Chengdu Sichuan 610065, China)

An algorithm generating human face cartoon portrait including light editing is presented based on photo. The algorithm first extracts the contour of the input image to generate the line drawing. Secondly, the intrinsic image decomposition method is used to produce the shading and reflectance image. Then the illumination image is edited by using of methods such as quantization, nonlinear enhancement, and the cartoon image is produced combining the abstracted reflectance image with line drawing. Finally, edited illumination image is added to the cartoon image to generate the facial cartoon portrait with illumination effects. The experimental results show that the generated facial cartoon portrait looks lifelike by our algorithm which has the function of editing illumination.

human face; cartoon; illumination edit; non-photorealistic rendering

TP 391

A

2095-302X(2015)01-0083-07

2014-08-11；定稿日期：2014-08-20

國家自然科學基金資助項目(61103137)；國家科技支撐計劃資助項目(2012BAH62F02)；國家“863”計劃資助項目(2013AA013902)

宋 陽(1988-)，男，河南平頂山人，碩士研究生。主要研究方向為計算機視覺與圖形圖像、非真實感繪制。E-mail：softwaresy@sina.com

劉艷麗(1981-)，女，河南周口人，副教授，博士。主要研究方向為增強現(xiàn)實、圖像視頻處理。E-mail：yanliliu@scu.edu.cn