可再现的中国水墨画动画笔画描边外文翻译资料

Animating Chinese ink painting through generating reproducible brush strokes

YANG LiJie amp; XU TianChen

Abstract： By generating reproducible brush strokes of Chinese ink painting, we propose an image-based tool for lively displaying real painting process of Chinese ink painting. Contrasted with previous work where the brush trajectory is explicitly specified as manual input, we automatically extract this trajectory from the outlines of the shapes to paint and model the brush footprints; first complex shape of an input image is decomposed into brush strokes. Second, we estimate the brush trajectory with shape outline and build a brush footprint model to measure the quality of the trajectory constrained by the variation along a stroke of the painting process parameters, such as location, size, and orientation of the footprints. Finally, with our real-time rendering model, the estimated trajectories are dynamically rendered into brush strokes by mapping footprint textures sampled from the input images. It is particularly useful for analysis and appreciation of Chinese ink painting, as well as for art practice and education.

Keywords：brush trajectory, non-photorealistic rendering, real-time rendering, Chinese ink painting

1．Introduction

Chinese ink painting, also known as “Shui-mo Hua”, is famous for its freehand brushwork and natural aesthetic values, where generally black ink is the only ink used. Unlike western styles, such as water color and oil painting, Chinese ink painting uses few strokes to represent an object. Each stroke conveys information about the scene and painterrsquo;s personality through its shape and texture. Its appearance depends on the shape of the object to paint, the brush trajectory, and the distribution of the ink and water in the brush. Over thousands of years, copying (namely “Lin Mo”) masterpieces is the popular tracing exercise for training Chinese ink painting, where people who are not talented in art are given shape outlines and paint strokes inside them to produce paintings without masterly skills. In other words, to be a painter, people must always copy and practice the ancient masterworks to obtain the famous painters brushwork. But the learners can only try to puzzle out the real painting process of an ancient masterpiece based on the general painting knowledge and techniques without any video material which can record the painting process. Besides, painting is a kind of disposable and unduplicated artistic creation. It means that the famous painter cannot produce the same masterpieces in different time. Hence, reproducing the painting process of the still image of Chinese ink painting in a vivid way is not a trivial issue.

Previous work (Subsection 1.1) on simulation of Chinese brush strokes require the user to specify the trajectory of the brush which is then rendered into Chinese calligraphy or Chinese ink painting. This sim-ple manual input makes the simulation of Chinese brush stroke highly labor-intensive. Furthermore, the complex interactions based on the input devices, such as pen-like device [1,2], require painting knowledge and the techniques of device control.

In this paper, based on brush trajectories and painting textures, we present a novel image-based tool for generating reproducible brush strokes. After an interactive segmentation on complex shapes of a painting image, the developed tool applies our single-stroke trajectory model to automatically extract the reasonable brush painting path, then renders them with brush footprint model and textures sampled from the original image. We automatically extract brush trajectory from the shape outline to paint, rather than direct manual input.

The remaining parts of the paper are organized as follows. After reviewing the related work (Sub-section 1.1), we give an overview of our algorithm and outline the major contributions (Subsection 1.2). Section 2 describes our framework to calculate brush trajectory. We use an elliptic footprint model to emulate the painting process along the trajectory and render each brush stroke dynamically at the level of footprint (Section 3). In the section of experiments and results (Section 4), we show some examples and contrasts to evaluate the correctness and effectiveness. We draw a conclusion in Section 5.

1.1 Related work

In recent years, with aim to reproduce the real painting process, much research work has been done to simulate brush strokes or develop painting tools.

• Non-physics 2D brush. With a canvas, brushes, palettes and a great deal of color options provided by digital painting software (e.g. Adobe brush packages, ArtRage, and Corel Painter), users can control a mouse or a digital pen in the same way as they use a real brush. These techniques may apply some simple transformations to the bitmap while stamping the footprint along the stroke. Furthermore, some researchers focus on sketch-based approaches for the stroke placement. This popular approach is to let the user sketch brush trajectories by a mouse or a pen-like device and then automatically convert them into paintings. Strassmann [3] models a stroke as a trajectory of position and pressure specified by the mouse and keyboard. Then an approach for synthesizing rock textures in [4] introduces an ellipse model to simulate variation of stroke width. However users have to input the rocks contours, stroke textures and stroke parameters and this approach just considers the stroke brushwork of Chinese landscape painting. On the other hand, a physically-based system for creating images with watery paint is developed by Van Laerhoven et al. [5]. And Ref. [6–8] propose brush stroke models which define a 2D region of a stroke with splines and control shapes by manual input. Actually these models depend on the specifie

  剩余内容已隐藏，支付完成后下载完整资料

  ---

  可再现的中国水墨画动画笔画描边

  摘要：为了生成可再现的中国水墨画笔画，我们提出了一种基于图像的工具，用于生动地展示中国水墨画的真实绘画过程。与以前的笔划轨迹明确指定为手动输入的工作相比，我们自动从轮廓中提取轨迹以绘制和建模笔划轨迹，将输入图像的第一个复杂形状分解为画笔笔划。其次，我们估计具有形状轮廓的毛笔轨迹并且建立毛笔轨迹模型以测量由绘制过程参数的行程变化（诸如脚印的位置，尺寸和方向）所限制的轨迹的质量。最后，通过我们的实时渲染模型，通过映射从输入图像采样的轨迹纹理，估计的轨迹被动态地渲染成画笔描边。这对分析和欣赏中国水墨画以及艺术实践和教育特别有用。

  关键词：画笔轨迹，非真实感渲染，实时渲染，中国水墨画

  1引言

  中国水墨画，也被称为“水墨画”，以其手绘笔触和自然审美价值而闻名，一般黑墨是唯一使用的墨水。与水彩和油画等西方风格不同，中国水墨画用几笔画来代表一个物体，每笔画通过其形状和纹理传达关于场景和画家个性的信息，它的外观取决于要绘制的物体的形状，毛笔的轨迹以及毛笔中墨水和水的分布。数千年来，抄写（即“临摹”）杰作是培养中国水墨画的流行追踪练习，在那里不具有艺术才能的人被赋予形状轮廓和绘画笔触，从而产生没有精湛技艺的绘画。换句话说，要成为一名画家，人们必须经常复制和实践古代的杰作，以获得名画家的笔法。但是学习者只能根据一般的绘画知识和技巧，在没有任何可以记录绘画过程的视频材料的情况下，试图对古代杰作的真实绘画过程进行拼图。另外，绘画是一种一次性、不重复的艺术创作。这意味着名画家不能在不同的时间制作相同的杰作。因此，以生动的方式再现中国水墨静物画的绘画过程比较困难。

  以前的工作（小节1.1）模拟中国画笔描边需要用户指定画笔的轨迹，然后将其绘制成中国书法或中国水墨画。手动输入，使中国的笔触高度劳动密集型的模拟。此外，基于输入设备（如笔式设备[1,2]）的复杂交互需要绘画知识和设备控制技术。

  在本文中，基于画笔轨迹和绘画纹理，我们提出了一种新颖的基于图像的工具来生成可重复的画笔笔划。在对绘画图像的复杂形状进行交互式分割之后，开发的工具使用我们的单笔画轨迹模型自动提取合理的笔划绘画路径，然后使用笔划印迹模型和原始图像中的纹理进行渲染，我们自动从形状轮廓中提取画笔轨迹进行绘制，而不是直接手动输入。

  本文的其余部分组织如下。在回顾相关工作（小节1.1）之后，我们概述了我们的算法，并概述了主要贡献（小部分1.2）。第2节描述了我们计算画笔轨迹的框架。我们使用椭圆轨迹模型来模拟轨迹上的绘画过程，并在轨迹级别动态绘制每个画笔笔画（第3节）。在实验和结果部分（第4节）中，我们通过一些示例和对比来评估正确性和有效性。我们在第5节得出结论。

  1.1 相关工作

  近年来，为了再现真实的绘画过程，已经做了大量的研究工作来模拟笔触或开发绘画工具。

  非物理2D画笔。通过数字绘画软件（例如Adobe刷包，ArtRage和Corel Painter）提供的画布，画笔，调色板和大量颜色选项，用户可以像使用真实物体一样控制鼠标或数字笔划。这些技术可能会对位图应用一些简单的转换，同时沿着笔划压印占位面积。此外，一些研究人员专注于基于素描的中锋安置方法。这种流行的方法是让用户通过鼠标或笔状设备绘制笔划轨迹，然后自动将其转换为绘画。斯特拉斯曼[3]将笔画建模为鼠标和键盘指定的位置和压力的轨迹。然后在[4]中合成岩石纹理的方法引入了一个椭圆模型来模拟笔画宽度的变化。然而，用户必须输入岩石轮廓，笔画纹理和笔画参数，并且这种方法仅考虑中国山水画的笔触笔触。另一方面，Van Laerhoven等人开发了一种用水性涂料创建图像的基于物理的系统。[5]和Ref[6-8]提出了通过手动输入定义样条和控制形状的笔划的二维区域的画笔描边模型。实际上， 这些模型取决于指定的介质轴和行程宽度。所以它们有一定的灵活性和对笔画形状的控制，而忽略了我们的轨迹模型和渲染过程中真正考虑到的画笔笔触的艺术性和变化。通过再现笔触中自然流畅的线条，我们的方法揭示了中国水墨画中的艺术美。

  3D虚拟画笔。当用户拿着笔状设备时，虚拟3D笔划提供了直观和自然的感觉。这些技术使用一系列参数对3D笔触进行建模[9-11]。与非物理2D画笔相比，它们可以提高复杂笔画建模的灵活性，但捕捉模型参数以创建逼真的画笔笔划非常具有挑战性。另一方面，在现实世界中，除了簇的动态性以外，自动控制虚拟笔划是复杂的，并且没有专业技能的用户通常需要简化的环境，其中可以以较少的交互和绘画技能来生成绘画。因此，我们将我们的方法实施为一个可访问的系统，只需最低限度的用户交互，即可为非技术人员提供相应的服务。

  2D和3D动画。在动画制作的发展过程中，二维和三维动画的研究主要集中在与艺术相结合的计算机技术上。例如，Lake等人 [12]设计实时算法来模拟卡通风格。为了节省动画制作成本，Zhang等人 [13]直接从实际视频中引入一种新颖的中国画风格流水动画合成算法。Chan等人利用现有的软件包，在Siggraph中创建3D中国画动画“Autumn Bamboo”动画剧场。尤其是，使用静态绘画图像生成2D动画是一个非常具有挑战性的问题。Xu等人 [15]解决了通过中锋分解为2D中国绘画创作动画的新方法。此外，袁等人。[16]实现一个实时渲染系统，生成一幅中国水墨漫画，让动画制作者不费力地设计中国画的外观。然而，这些作品主要集中在渲染技术上，很少涉及中国绘画中特殊笔法（如图1（b））的“干刷”和“二手边”等传统墨水效果。像我们的动机一样，杨等人。[17]通过轨迹提取模型动画中国书法人物的笔写过程，根据中国书法知识，轨迹由笔画的骨架和笔画的头部和尾部的关键点确定。至于中国水墨画中的一个中锋，其绘画过程应该受其形状的制约。但是使用细化算法的基于骨架的轨迹模型并不适合我们的问题（第4节）。受这些解决方案的启发，我们将绘画过程重建为二维动画，以再现艺术创作中国水墨画，绘画轨迹和墨水效果鲜明明显。

  1.2 概述和贡献

  我们的工作最重要的动机之一是产生可重复的画笔笔划将允许中国水墨画动画，并且生成的图像将完全尊重原画。考虑到绘画对象的形状，我们会根据基于轮廓的方法自动计算其轨迹，而不是将中轴或骨架抽取为笔划轨迹。当沿着计算的轨迹渲染毛笔轨迹时，首先我们将轨迹的形状建模为椭圆，然后将从给定绘画对象采样的毛笔轨迹纹理映射到轨迹上的位置。同时，由于形状轮廓限制了墨水散放过程，我们的渲染模型也提供了表现性墨水效果。我们的方法概述如：

  画笔轨迹估计。首先基于文献[15]中的图像分割方法，我们将绘画图像的复杂形状分解为可以通过单个笔划描边渲染的主要形状。其次，我们设计了基于轮廓的方法来计算每个笔画的笔划轨迹（第2节）。

  画笔描边渲染。在这个阶段，通过映射原始绘画图像的纹理贴图（第3节），将计算出的轨迹渲染为画笔描边。首先，我们将毛笔轨迹建模为一个椭圆，该椭圆通过绘画过程的物理参数进行参数化，包括沿着轨迹的毛笔位置，大小和方向的变化。其次，通过多遍纹理渲染技术，我们增强了令人印象深刻的墨水效果，如干刷，墨层，墨水散逸等（图1（b））。

  本文提出的新颖之处在于，我们估计给定笔划形状的绘画轨迹。大多数以前的作品都要求用户指定轨迹。我们的算法自动估计这个轨迹。与现有方法相比，我们的方法更关注中国水墨艺术绘画过程的重构（即顺序绘画过程中的画笔运动）。所以我们的工作可以作为动画制作的研究工具。此外，除了在艺术鉴赏和教育中的应用价值之外，我们的复制作品可以应用于数字文化遗产中，这使得中国水墨画的古代艺术品在任何时候，任何地点和所有人都可以在原作中呈现出来活泼的方式。

  4实验结果

  本文描述的方法被实现为一个动画系统，它代表了一幅中国水墨画真实的绘画过程。以图1（a）中的绘画图像为例，我们系统的处理过程涉及以下主要过程：

  使用图像分割功能，我们将绘画图像分解为几个笔触，交互性最小。

  在我们系统的预处理步骤中，我们通过二值化，平滑轮廓和骨架来描述每个画笔笔划的形状。

  基于中锋的轮廓上的“S形，我们的系统估计行程，记录毛刷移动的路径和笔触呈现的主要特点。

  最后，在沿着估计的轨迹将毛笔轨迹建模为椭圆之后，系统将它们渲染为原始绘画的纹理的绘画过程的动画。

  4.1 结果

  如图8所示，我们分别用一系列快照展示了两个绘画过程动画的结果。此外，本文中的例子已在6-15分钟内制作完成。

  4.2 评估

  据我们所知，大多数现有作品中的画笔轨迹都明确指定为用户交互，除了两个非凡的作品[17,19]。通过与他们比较，我们评估了我们方法的正确性和有效性。

  4.2.1 中国书法动画

  首先，我们也有类似的动机，那就是提供欣赏和教育中国传统艺术和文化的工具。尽管如此，我们认为基于骨架的轨迹提取方法不适用于中国水墨画的笔迹轨迹，原因有二：一些由骨架算法产生的无用分支除噪声外，会干扰笔画的形状描述，和[17]中关键点的“笔锋”模式仅适用于提取含有逆锋和顺锋的楷体基本和书法笔画的轨迹，这促使我们提出了再现中国水墨绘画过程的方法。

  4.2.2 形状驱动的轨迹方法

  我们将我们的结果与使用能量函数最小化估计毛笔轨迹的形状驱动方法得到的结果进行比较[19]。图9（a）显示了一个例子，这个例子是[19]中的输入形状，笔画在中国水墨画中也很常见。据中国书法的笔触知识，在这个角色两个基本笔画大多写的重锋除非行程的方向改变部分和相关脚印需要CE- 锋。所以我们的轨迹的做法是能够恢复刷轨迹锋（图9（e）中的黄色曲线），并将笔画拟合成人物的形状，而形状驱动方法[19]的轨迹则大大偏向形状边界（图9（e）中的红色曲线）。

  在图9中，对于图9（f）和（h）中的两个基本画笔笔划，由[19]中的方法引起的轨迹是非相干的，因为轨迹中的一些点偏离，并且它们的轨迹不能代表画笔转动处的各种风格（图9（f）和（g）中的黑点）。但是，我们的轨迹是平滑的曲线和倾斜到实现CE-的放置形状边界峰画笔触和的转动部件时（我））。为了评估绘画效果，我们比较了我们的兰花绘画与使用造型驱动技术获得的绘画效果。图10举例说明了几个例子，从左到右，第一幅画是用[19]中的系统获得的，而第二幅和最后一幅则是我们系统生成的兰花图。我们画的笔触更加自然，很好地展现了中国水墨的精髓。

  5 结论

  中国水墨画的绘画过程动画是一项挑战性的工作。在本文中，我们选择齐白石的花鸟画作为绘画过程的第一个步骤，因为齐白石是最伟大的写意画风格的鸟画家，绘画风格相对简单。与以前的工作相比，我们的方法提供了自动化毛笔轨迹估计和渲染框架，而不是复杂的手动输入。另外，我们充分考虑了绘画知识中的绘画专业知识和艺术墨水效果，这可以使动画过程更加自然和生动。我们的实验表明，我们的方法和动画工具可以适用于复杂形状的一般笔触。我们的应用程序将照亮并帮助人们了解手工制作的笔触的复杂性。

  然而，鸟类和动物画的动画只是我们在这个话题上的第一步。未来的研究将涉及以下几个方面：

  我们需要提高一些处理更多的自动化机制。

  到目前为止，我们的方法仅限于简单的中国水墨画，以写意风格为主，绘画对象主要覆盖花朵（植物），鱼，昆虫，鸟类等，并用一些流线（即画笔描边）来描述。换句话说，只要绘画对象可以分解为画笔笔画，我们的方法就可以用笔画的原始墨迹纹理重新绘制绘画过程。从这个角度来看，我们不能处理更多随机笔画和多个墨水层的复杂形状，这是由更多不同的毛笔技术产生的，意味着折皱和中国风景中的“泼墨”绘画，所以我们会将我们的方法扩展到其他品种的中国水墨画中更具挑战性和专业性的笔触。

  剩余内容已隐藏，支付完成后下载完整资料

  ---

  资料编号：[21991]，资料为PDF文档或Word文档，PDF文档可免费转换为Word