生成模型--GAN用于图像漫画特效算法

图像漫画特效算法

  这种风格迁移的算法都快要被GAN统治了 。

主要思路

  可以分两部分：
  1）简化图像，即去除图像细节，仅保留图像主要信息；
  在简化图像步骤，除了meanshift算法外，大家肯定会想到很多边缘保持的图像平滑算法，比如经典的双边滤波、导向滤波等等。更多内容可以查阅这里，该文作者提供了多种边缘保持平滑算法（主要包括双边滤波，域变换，WLS、导向滤波、L0范数平滑等 ）效果对比以及matlab代码，算法很多，但是本人认为L0范数平滑算法比较适合做漫画特效，平滑的结果图看着更有层次感。

   2）生成合适的边缘线条，最后将两者合成即可，合成其实就是将两者简单一乘即可。
  图像经过平滑简化后，边缘检测效果也会更好。杂乱无章的零碎边缘线条将大大减少，检测到的图像边缘会更连贯，更集中。有了简化图和边缘图，那么基本就可以生成漫画特效了。
  传统方法为直接将两者合成，即将简化图像结果与边缘检测结果直接合成。但是，由于检测的边缘往往很生硬，缺乏平滑的笔触效果，这样直接合成的漫画特效看起来不是很理想。本算法的主要创新点就是在提取的边缘基础上，增加了线积分卷积（LIC算法）滤波，经过该算法处理后，提取的边缘将会非常圆润、平滑，视觉上更接近漫画手绘效果。