非真實感渲染(Non Photorealistic Rendering，簡稱NPR)，是指利用計算機模擬各種視覺藝術的繪制風格，也用于發展新的繪制風格。比如模擬中國畫、水彩、素描、油畫、版畫等藝術風格。NPR也可以把三維場景渲染出豐富的、特別的新視覺效果，使它具備創新的功能。NPR渲染以強烈的藝術形式應用在動畫、游戲等娛樂領域中，也出現在工程、工業設計圖紙中。廣闊的應用領域，不僅是由于它的藝術表現形式豐富多樣，還在于計算機能夠輔助完成原本工作量大、難度高的創作工作。 目前，基于三維軟件的NPR渲染器相當多，如FinalToon, Il-lustrator, Pencil等，同時還可以借用程序貼圖來創建NPR的材質，協助生成手繪風格的圖像效果;另外，像Mental Ray,Reyes,Brazil等外掛渲染器都是NPR渲染的解決方案

引用自【百度百科】

OpenCV給我們提供了四種非真實渲染的使用場景：邊緣保留濾波、細節增強、素描鉛筆畫、風格化。

public static void edgePreservingFilter(Mat src, Mat dst, int flags, float sigma_s, float sigma_r) 參數一：src，輸入圖像，8位三通道。 參數二：dst，輸出圖像，8位三通道。 參數三：flags，邊緣保留標志位。

public static final intRECURS_FILTER = 1,NORMCONV_FILTER = 2; 參數四：sigma_s，鄰域大小。取值0~200。 參數五：sigma_r，鄰域內被平均的顏色的不相近程度。取值0~1。細節增強

public static void detailEnhance(Mat src, Mat dst, float sigma_s, float sigma_r) 參數一：src，輸入圖像，8位三通道。 參數二：dst，輸出圖像，8位三通道。 參數三：sigma_s，鄰域大小。取值0~200。 參數四：sigma_r，鄰域內被平均的顏色的不相近程度。取值0~1。素描鉛筆畫

public static void pencilSketch(Mat src, Mat dst1, Mat dst2, float sigma_s, float sigma_r, float shade_factor) 參數一：src，輸入圖像，8位三通道。 參數二：dst1，輸出圖像，8位單通道，即黑白素描。 參數三：dst2，輸出圖像，大小類型與輸入圖像相同，即彩色素描。 參數四：sigma_s，鄰域大小。取值0~200。 參數五：sigma_r，鄰域內被平均的顏色的不相近程度。取值0~1。 參數六：shade_factor，強度縮放值。取值0~0.1風格化

public static void stylization(Mat src, Mat dst, float sigma_s, float sigma_r) 參數一：src，輸入圖像，8位三通道。 參數二：dst，輸出圖像，8位三通道。 參數三：sigma_s，鄰域大小。取值0~200。 參數四：sigma_r，鄰域內被平均的顏色的不相近程度。取值0~1。

關于sigma_s和sigma_r：

sigma_s，即Sigma_Spatial，決定平滑量。sigma_r，即Sigma_Range，決定平均值。

典型的平滑濾波器將像素值替換為其相鄰像素的加權和。 鄰域越大，過濾后的圖像看起來越平滑。 鄰域的大小與參數sigma_s成正比。但是在邊緣保留濾波器里，有兩個關鍵點：1）平滑圖片；2）不平滑邊緣/顏色邊界。換句話說，我們就無法簡單地將像素值替換成鄰域像素的加權和。而是在鄰域內選取和當前像素值相近的像素然后求取平均值，然后替換當前像素值的方式來避免上述問題。所以就需要兩個參數來明確范圍和顏色相似程度。

/** * 非真實渲染 * * @author yidong * @date 11/30/20 */class NonPhotoRealisticRenderingActivity : AppCompatActivity() { private lateinit var mRgb: Mat private val mBinding: ActivityNonPhotorealisticRenderingBinding by lazy {ActivityNonPhotorealisticRenderingBinding.inflate(layoutInflater) } private var sigmaR = 10fset(value) { field = when {value > 200f -> { 200f}value < 0f -> { 200f}else -> { value} } mBinding.tvSigmaR.text = sigmaR.toInt().toString(10)} private var sigmaS = 0.1fset(value) { field = when {value > 1.0f -> { 1.0f}value < 0f -> { 0f}else -> { value} } mBinding.tvSigmaS.text = String.format('%.1f', sigmaS)} override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)setContentView(mBinding.root)mRgb = Mat()val bgr = Utils.loadResource(this, R.drawable.cow)Imgproc.cvtColor(bgr, mRgb, Imgproc.COLOR_BGR2RGB)mBinding.ivLena.showMat(mRgb) } private fun doEdgePreservingFilter(flag: Int) {val dst = Mat()mBinding.isLoading = trueGlobalScope.launch(Dispatchers.IO) { Photo.edgePreservingFilter(mRgb, dst, flag, sigmaR, sigmaS) launch(Dispatchers.Main) {mBinding.isLoading = falsemBinding.ivResult.showMat(dst) }} } private fun doDetailEnhance() {val dst = Mat()mBinding.isLoading = trueGlobalScope.launch(Dispatchers.IO) { Photo.detailEnhance(mRgb, dst, sigmaR, sigmaS) launch(Dispatchers.Main) {mBinding.isLoading = falsemBinding.ivResult.showMat(dst) }} } private fun doPencilSketch() {val dst1 = Mat()val dst2 = Mat()mBinding.isLoading = trueGlobalScope.launch(Dispatchers.IO) { Photo.pencilSketch(mRgb, dst1, dst2, sigmaR, sigmaS, 0.03f) launch(Dispatchers.Main) {mBinding.isLoading = falsemBinding.ivResult.showMat(dst2) }} } private fun doStylization() {val dst = Mat()mBinding.isLoading = trueGlobalScope.launch(Dispatchers.IO) { Photo.stylization(mRgb, dst, sigmaR, sigmaS) launch(Dispatchers.Main) {mBinding.isLoading = falsemBinding.ivResult.showMat(dst) }} } override fun onCreateOptionsMenu(menu: Menu?): Boolean {menuInflater.inflate(R.menu.menu_non_photorealistic_rendering, menu)return true } override fun onOptionsItemSelected(item: MenuItem): Boolean {title = item.titlewhen (item.itemId) { R.id.photo_edge_preserving_normconv_filter -> {doEdgePreservingFilter(Photo.NORMCONV_FILTER) } R.id.photo_edge_preserving_recurs_filter -> {doEdgePreservingFilter(Photo.RECURS_FILTER) } R.id.photo_detail_enhance -> {doDetailEnhance() } R.id.photo_pencil_sketch -> {doPencilSketch() } R.id.photo_stylization -> {doStylization() }}return true } fun incSigmaR(view: View) {this.sigmaR = this.sigmaR.plus(1.0f)if (this.sigmaR > 200.0f) { this.sigmaR = 200f} } fun decSigmaR(view: View) {this.sigmaR = this.sigmaR.minus(1.0f)if (this.sigmaR < 0f) { this.sigmaR = 0f} } fun incSigmaS(view: View) {this.sigmaS = this.sigmaS.plus(.1f)if (this.sigmaS > 1.0f) { this.sigmaS = 1f} } fun decSigmaS(view: View) {this.sigmaS = this.sigmaS.minus(.1f)if (this.sigmaS < 0f) { this.sigmaS = 0f} }}效果

以上就是Android基于OpenCV實現非真實渲染的詳細內容，更多關于Android OpenCV實現非真實渲染的資料請關注好吧啦網其它相關文章！