Depixelizing Pixel Art 像素风格画的矢量化 主讲：钱博磊 2012-01-04
研究对象 矢量图 像素风格画 -图像特征为像素级别 -轮廓 轮廓所封闭区域的颜色 像素画： 连续性判断的模糊性 常规位图提取轮廓线的方法在像素风格画中不合适 像素风格画中，色块明显， 对于轮廓线的找寻，可以从色块下手。 轮廓： 可见边定义 -> 边两侧的像素点颜色不同
实现步骤 图像重构 reshape the pixel cells 2. 轮廓提取及拟合 edge detecting and fitting curves 轮廓： 可见边定义 -> 边两侧的像素点颜色不同 3. 图像绘制 rendering
图像重构 1.1 重构像素单元格 reshape pixel cell 1.0 重构pixel cell ， 使得那些在方形cell下看上去不连续的pixel也具有更明显的连续性 (原始的像素图中， 一个像素由一个正方形表示， 导致部分视觉上相连的点在图像上仅有一个角点相连接，很难判断) 1.0.0 目标，使得有相同颜色与相同特征的pixel拥有一条共享边 （ 为了达到这个目的， 需要两部，首先确定哪些是需要连接在一起的pixel，然后根据这些点调整cell，使其具有共享边 ） 那如何确定这些像素在特征上和颜色上是相同并且需要链接的呢？
图像重构 1.1.1 构造相似图 similarity graph 通过相似图， 将原像素图中特征和颜色相同的点连接起来，并与周围无关的要素相分离 相关步骤： 1. 所有像素转换成node， 每个node和自己八个相邻点连接， 得到如上网格图 2. 判断相连像素间的颜色，若不同 (YUV)， 则删除相连的线 3. 对对角线的删除 3.1 2*2block如果全连通，代表该区域是shaded区域，(图中的蓝色线) 3.2 只有对角线连接，没有水平和垂直的连接，消除该对角线，将对结果造成影响， 3.2.1 3.2.2 3.3.3
图像重构 1.1.1 构造相似图 similarity graph curves sparse pixels islands
图像重构 1.1.2 调整像素单元格 voronoi diagram 图中颜色不表明信息 voronoi diagram 将vanlance-2 nodes 进行删除 voronoi diagram
实现步骤 图像重构 reshape the pixel cells 2. 轮廓提取及拟合 edge detecting and fitting curves 轮廓： 可见边定义 -> 边两侧的像素点颜色不同
轮廓提取及拟合 2.1 edge detecting and fitting T-junction 问题 连接仅包含vanlence-2结点的可见边 用quadratic B-spline curve拟合 可见边定义 T-junction问题 shading edge contour edge
轮廓提取及拟合 2.3 曲线优化 optimizing the curves 求解: relaxation procedure 局部最优 i 代表轮廓线上的结点node Es 表示曲线曲率最光滑 r(i)属于i点周围一定领域内的点集 Ep 表示优化后的节点位置不能与原始位置相差太远 采用松弛迭代求解， 求解: relaxation procedure 局部最优
轮廓提取及拟合 2.3 防止过优化 corner detection
图像绘制 3.1 Rendering Truncated Gaussian influence function we place truncated Gaussian influence functions ( = 1, radius 2 pixels) at the cell centroids and set their support to zero outside the region visible from the cell centroid. The final color at a point is computed as the weighted average of all pixel colors according to their respective influence. 图中颜色不表明信息
结论 4.1 计算速度 54个example 的平均时间计算 算法时间，主要和图片像素数和提取的curve数有关
结论 4.2 实验结果 see the paper 图中颜色不表明信息