錢小燕

（南京航空航天大學(xué)民航學(xué)院，江蘇 南京 210016）

非真實(shí)感繪制（Non-photorealistic Rendering,NPR）是計(jì)算機(jī)圖形學(xué)和圖像處理中一個(gè)嶄新的課題，屬于計(jì)算機(jī)藝術(shù)的范疇。NPR是計(jì)算機(jī)科學(xué)與藝術(shù)的有效融合，以計(jì)算機(jī)為工具，搭建各種數(shù)學(xué)模型并設(shè)計(jì)各種算法，來模擬藝術(shù)式的繪制風(fēng)格。主要目的是將某個(gè)對(duì)象以簡(jiǎn)潔、含蓄、帶有美學(xué)特征的方式借助計(jì)算機(jī)表現(xiàn)出來，也即能在形式上指定一種可展現(xiàn)繪畫作品的方式并隨之編寫生成非真實(shí)感繪畫作品的計(jì)算機(jī)程序[1-3]。

目前，非真實(shí)感繪制技術(shù)已經(jīng)能夠?qū)崿F(xiàn)多種藝術(shù)作品的模擬創(chuàng)作，如：水彩畫、各種風(fēng)格的油畫、中國畫、點(diǎn)畫等；在計(jì)算機(jī)動(dòng)畫制作中也有了廣泛的應(yīng)用，它不僅能夠?qū)崿F(xiàn)動(dòng)畫數(shù)據(jù)作為運(yùn)動(dòng)圖像的可視化，也可實(shí)現(xiàn)其作為靜態(tài)圖像的可視化；非真實(shí)感繪制與計(jì)算機(jī)輔助建筑設(shè)計(jì)結(jié)合，在建筑業(yè)也獲得了重要的應(yīng)用，它們的結(jié)合不但可以向用戶展示未來環(huán)境中的建筑物，而且可以利用虛擬現(xiàn)實(shí)技術(shù)進(jìn)行場(chǎng)景設(shè)置，使人們能夠在建筑物建好之前就可以“訪問”它；另外，在醫(yī)學(xué)領(lǐng)域，非真實(shí)感繪制技術(shù)可實(shí)現(xiàn)醫(yī)學(xué)數(shù)據(jù)的可視化；還可實(shí)現(xiàn)針對(duì)盲人的觸覺繪制等。

基于圖像空間的非真實(shí)感藝術(shù)繪制工作可分為兩類：一類是計(jì)算機(jī)自動(dòng)繪制生成所需的藝術(shù)風(fēng)格圖像，典型算法包括顏色傳輸和基于紋理合成的藝術(shù)風(fēng)格傳輸。另一類是基于過程的物理模擬，即基于畫筆的非真實(shí)感藝術(shù)繪制。它通過抽象出特定的筆刷模型，使之產(chǎn)生與現(xiàn)實(shí)繪畫工具相似的藝術(shù)效果。下面進(jìn)行分類描述。

1 顏色傳輸算法

在NPR中，為了獲得特定的藝術(shù)效果，繪制效果的顏色往往是需要考慮的一個(gè)重要方面。比如，把一幅普通照片渲染成油畫風(fēng)格，由于照片顏色可能比較單一，導(dǎo)致整個(gè)繪制畫面顏色比較呆板、缺乏生氣，而不能達(dá)到油畫般豐富的顏色效果，需要對(duì)其進(jìn)行顏色渲染，增強(qiáng)其顏色效果。有多種方式可以改變圖像的顏色，其基本形式可以用變換T表示：，其中，分別表示變換后的圖像和源圖像；T可以是濾波器，也可以是一個(gè)映射或函數(shù)關(guān)系。近幾年來，統(tǒng)計(jì)學(xué)已經(jīng)廣泛應(yīng)用于視覺信息處理，將T理解為把源圖像的統(tǒng)計(jì)信息傳輸至目標(biāo)圖像是一個(gè)全新的思路，也就是顏色傳輸技術(shù)。它有效利用了圖像的基本統(tǒng)計(jì)信息，變換目標(biāo)圖像的統(tǒng)計(jì)信息，使之與樣本圖像具有相似的統(tǒng)計(jì)分布，從而使得兩幅圖像具有類似的顏色特征，達(dá)到顏色傳輸?shù)哪康摹?/p>

1.1 全局顏色傳輸算法

為了體現(xiàn)顏色空間中的不同特性，人們總結(jié)了很多顏色空間模型，但許多顏色空間關(guān)聯(lián)性都比較強(qiáng)，當(dāng)編輯圖像的時(shí)候，常常需要對(duì)像素的3個(gè)分量同時(shí)修改才不會(huì)影響圖像本身具有的自然效果。Ruderman等[4]提出了一種更適合于人類視覺感知系統(tǒng)的空間-ιαβ顏色空間的概念，并給出一個(gè)簡(jiǎn)單的3×3的矩陣把RGB空間的向量轉(zhuǎn)換到ιαβ空間，其中，ι表示非彩色通道；α表示黃-藍(lán)通道；β表示紅-綠通道。這一空間的3個(gè)通道相互正交，對(duì)于自然場(chǎng)景，通道間的相關(guān)性降到了最小。Reinhard等[5]把這個(gè)空間應(yīng)用到顏色傳輸中，提出了全局顏色傳輸?shù)母拍?。利用圖像的全局統(tǒng)計(jì)特征，對(duì)目標(biāo)圖像的3個(gè)通道分別進(jìn)行修改，使其具有類似于源圖像的統(tǒng)計(jì)特征。這一算法對(duì)具有單顏色基調(diào)圖像的處理比較成功，但對(duì)多顏色基調(diào)的圖像卻不能獲得自然、真實(shí)的傳輸效果。

1.2 基于高階矩的顏色傳輸算法

全局顏色傳輸算法僅將圖像視為二階過程，但人們通過從單個(gè)屬性的邊際分布和多個(gè)屬性的聯(lián)合分布的形狀中得出的結(jié)論是：圖像具有較高的峰值，僅僅假定其為二階過程是不夠的。這一發(fā)現(xiàn)改變了人們一味地走傳統(tǒng)高斯分析的路子，轉(zhuǎn)而更多地從圖像中捕獲高階信息。趙國英等[6]利用冪變換和模變換對(duì)源數(shù)據(jù)的斜度和峰度等高階矩進(jìn)行調(diào)整，使之類似于樣本圖像的分布，再結(jié)合全局顏色傳輸使得繪制效果的整體光照或部分光照更加類似于樣本圖像的特征，從而使得傳輸效果得到了進(jìn)一步的改善。

1.3 分而治之的顏色傳輸

將圖像的峰度和斜度等高階信息引入顏色傳輸中，雖然對(duì)全局顏色傳輸算法有所改進(jìn)，但對(duì)相似性較差或包含多個(gè)不同顏色區(qū)域的圖像仍不能獲得自然的傳輸效果。主要原因在于沒有能夠提供傳輸過程中所需的足夠的空間信息，當(dāng)源圖像或目標(biāo)圖像包含多個(gè)不同顏色區(qū)域時(shí)，不能有效分辨出這些區(qū)域包含的不同統(tǒng)計(jì)信息，從而導(dǎo)致混合傳輸，形成不自然的傳輸效果。就這一問題，Reinhard等[5]提出了一種分而治之的解決方法：從兩幅圖像中取出代表不同對(duì)象的若干塊，選擇對(duì)應(yīng)的顏色傳輸塊，對(duì)應(yīng)塊間采用全局顏色傳輸?shù)乃枷脒M(jìn)行顏色傳輸。但該方法仍沒能提供足夠的分區(qū)信息，也沒能給出對(duì)應(yīng)塊的選擇標(biāo)準(zhǔn)。

針對(duì)以上問題，文獻(xiàn)[7]在以往顏色傳輸算法基礎(chǔ)上，把模糊C-均值聚類算法應(yīng)用到顏色傳輸中，提出了一種基于模糊C-均值顏色聚類的顏色傳輸算法：利用模糊顏色聚類思想把源圖像和目標(biāo)圖像分成若干包含不同顏色特征的聚類域；為了獲得匹配域，為每個(gè)聚類域設(shè)置一個(gè)匹配權(quán)值參數(shù)，根據(jù)目標(biāo)圖像的特征采用不同的權(quán)值計(jì)算方法；然后根據(jù)目標(biāo)圖像中的匹配權(quán)值在源圖像中選取一個(gè)與之最接近的域作為匹配域；最后在顏色傳輸過程中，引入隸屬度因子對(duì)各聚類域的處理結(jié)果進(jìn)行平滑，解決圖像中存在不確定性信息的情況。與以往顏色傳輸算法相比，基于模糊C-均值顏色聚類思想的顏色傳輸算法能夠獲得更加和諧、自然的傳輸效果。對(duì)于相似性較差的圖像，利用模糊聚類的思想，能夠獲得更加有效的分區(qū)；通過匹配權(quán)值獲得有效的對(duì)應(yīng)模塊，能夠使得傳輸效果更加自然，真實(shí)。

圖1給出了各種顏色傳輸算法的實(shí)驗(yàn)效果，目的是將源圖像圖1(a)的顏色特征傳輸至目標(biāo)圖像圖1(b)。圖1(c)直接應(yīng)用全局顏色傳輸算法，整個(gè)畫面被一層淡淡的黃色籠罩，但樹葉、樹干等都呈現(xiàn)出不真實(shí)的黃色。圖1(d)經(jīng)高階矩調(diào)整后，獲得了更加明亮、清晰的傳輸效果，但也不能很好地避免失真情況。但圖1(c)、(d)能呈現(xiàn)出一種陳年老照片的藝術(shù)感。圖1(e)為應(yīng)用模糊C-均值顏色聚類的顏色傳輸算法的傳輸效果。可以看出，圖1(e)較好地繼承了源圖像中各域的顏色特征，樹木、天空等仍保持了比較真實(shí)、自然的顏色效果，整個(gè)畫面更加清晰，更加接近目標(biāo)圖像的顏色分布。

圖1 各種顏色傳輸算法的傳輸效果

2 基于紋理合成的藝術(shù)風(fēng)格傳輸

應(yīng)用紋理合成技術(shù)生成具有特定藝術(shù)風(fēng)格的圖像是基于圖像的非真實(shí)感藝術(shù)繪制的一個(gè)重要方面。這種技術(shù)不像基于物理過程的繪制，需要對(duì)各種手繪風(fēng)格圖像的特征進(jìn)行比較深入的研究和分析，并需要較多的交互工作，對(duì)不熟悉繪畫的用戶，要調(diào)試出具有較好視覺效果的風(fēng)格畫很不容易?；诩y理合成的非真實(shí)感藝術(shù)繪制僅需設(shè)定與紋理合成相關(guān)的參數(shù)便可自動(dòng)把手繪圖像的風(fēng)格傳輸至目標(biāo)圖像，使得目標(biāo)圖像具有與源圖像類似的藝術(shù)風(fēng)格。

應(yīng)用紋理合成技術(shù)實(shí)現(xiàn)兩幅圖像間的藝術(shù)風(fēng)格傳輸?shù)墓ぷ魅圆皇呛芏唷ertzmann等[8]提出了一種基于類推思想的繪制算法，可以將繪畫風(fēng)格傳輸?shù)叫碌膶?shí)例中。為了獲得具有畫家本人風(fēng)格特點(diǎn)的繪制效果，該算法需要一對(duì)源圖像A，A′和一幅目標(biāo)圖像B′，其中A是A′的原始參考圖像。算法通過學(xué)習(xí)源圖像間紋理合成的方法，再將這一方法類推到目標(biāo)圖像中，從而生成類似于源圖像藝術(shù)風(fēng)格的圖像。當(dāng)原始參考圖像無法獲得時(shí)，文獻(xiàn)[8]采用了對(duì)A′濾波的方法得到A，雖然這種方法具有較大的隨機(jī)性，不易控制A的調(diào)整程度，但仍可獲得比較好的類比效果。徐文華等[9]將紋理合成算法應(yīng)用在敦煌壁畫虛擬的復(fù)原臨摹工作中，取得了較好的效果。文獻(xiàn)[8]和文獻(xiàn)[9]都采用兩種搜索方法來尋找待選點(diǎn)：逼近搜索獲得全局最優(yōu)的匹配點(diǎn)，經(jīng)典Ashikhmin算法[10]獲得鄰域相關(guān)的待選點(diǎn)。綜合運(yùn)用這兩種方法雖然能夠獲得不錯(cuò)的風(fēng)格傳輸效果，但為了獲得一個(gè)匹配點(diǎn)，逼近搜索需要上萬次的迭代，并且源圖像分辨率愈高，迭代次數(shù)越多；而Ashikhmin算法也需要幾十次的計(jì)算才能獲得一個(gè)待選點(diǎn)。因此，為了獲得最終傳輸效果，需要花費(fèi)幾十分鐘甚至一小時(shí)的時(shí)間。

逼近搜索和Ashikhmin算法都以L2距離作為相似性度量，而此方法是個(gè)不完美的概念性相似度量方法，潛在的平滑高斯模型往往使得合成效果比較模糊，因此需要尋求更好的度量方法來獲得最佳匹配點(diǎn)。文獻(xiàn)[11]以經(jīng)典Ashikhmin算法為基礎(chǔ)并對(duì)其進(jìn)行改進(jìn)，提出了一種新的鄰域一致性度量方法，把源圖像和目標(biāo)圖像及其低頻圖像的統(tǒng)計(jì)特性引入相似性度量中，提高了匹配點(diǎn)搜索的效率。此文獻(xiàn)還以隨機(jī)產(chǎn)生待選點(diǎn)的方法擴(kuò)大搜索范圍，同時(shí)采用雙向掃描方法進(jìn)行風(fēng)格傳輸，解決了Ashikhmin 算法易產(chǎn)生紋元不完整的情況，以及繪制效果中存在可察覺水平邊緣的現(xiàn)象，從而獲得了理想的風(fēng)格傳輸效果，且收斂速度也大大提高（圖2所示將一幅水杉圖片渲染成斑駁效果）。

圖2 斑駁藝術(shù)風(fēng)格傳輸效果[11]

3 基于畫筆的非真實(shí)感繪制

基于畫筆的繪制（stroke-based rendering,SBR）一直是基于圖像的非真實(shí)感藝術(shù)繪制的重點(diǎn)。不像基于紋理合成的藝術(shù)風(fēng)格傳輸，僅能較好地實(shí)現(xiàn)自然紋理間的風(fēng)格傳輸，基于畫筆的非真實(shí)感藝術(shù)繪制可以通過控制畫筆的顏色、形狀、方向等元素產(chǎn)生各種藝術(shù)風(fēng)格，如：素描、水彩畫、油畫、pen-and-ink等風(fēng)格。這種方法通常模擬畫家的真實(shí)創(chuàng)作過程，形成手繪風(fēng)格圖像。設(shè)計(jì)SBR算法有兩類方法：貪婪算法和最優(yōu)化算法：貪婪算法為了與目標(biāo)目的匹配，貪婪地放置畫筆；最優(yōu)化算法[12]通過交互地放置畫筆，然后調(diào)整畫筆以使得目標(biāo)函數(shù)最小。

3.1 基于最優(yōu)化算法的SBR

到目前為止，已經(jīng)有兩類最優(yōu)化算法應(yīng)用到SBR中：一類是Voronoi算法，另一類是trial-anderror算法。Voronoi算法的中心思想是：應(yīng)用有效的計(jì)算幾何技術(shù)控制畫筆的密度分布，使得一組不相重疊的畫筆最終能夠均勻分布到圖像中。應(yīng)用最優(yōu)化算法設(shè)計(jì)SBR程序需要定義能量函數(shù)：記p(x,y)代表圖像中像素點(diǎn)位置，ci是質(zhì)點(diǎn)，也就是畫筆最終所在位置；為標(biāo)記位，表示點(diǎn)p是否屬于質(zhì)點(diǎn)ci，最優(yōu)化程序歸結(jié)為能量函數(shù)E(I)的最小化問題

Voroni圖[13]可以使得各質(zhì)點(diǎn)擁有一組與它最近的像素點(diǎn)，但無法使得質(zhì)點(diǎn)分布達(dá)到最優(yōu)。Lloyd方法[15]對(duì)Voroni圖作了改善，通過迭代均值化計(jì)算獲得一組質(zhì)點(diǎn)集，使質(zhì)點(diǎn)能夠均勻分布在圖像中，從而使得能量函數(shù)最小。

以Lloyd方法為基礎(chǔ)，Deussen等[14]首先提出了近似目標(biāo)圖像灰度分布的點(diǎn)畫算法。先把圖像分成幾個(gè)相區(qū)別的區(qū)域，用半色調(diào)算法初始化質(zhì)點(diǎn)；然后應(yīng)用Lloyd方法確定質(zhì)點(diǎn)位置，獲得一組均勻分布的質(zhì)點(diǎn)；最后用點(diǎn)畫（Stipples）代替這些質(zhì)點(diǎn)。為了體現(xiàn)圖像灰度變化，點(diǎn)畫大小與目標(biāo)圖像中對(duì)應(yīng)位置處灰度值成比例。后來，Secord[13]又提出了Stipples風(fēng)格可以選擇的算法，定義一個(gè)密度函數(shù)來決定圖像不同區(qū)域Stipples的分布情況，用Stipples之間的空間變化代替了大小變化。

Lloyd方法[15]也可用來形成瓦片拼接（tile mosaics）效果。只需根據(jù)源圖像對(duì)應(yīng)位置顏色對(duì)Voroni圖各區(qū)域進(jìn)行著色，便可產(chǎn)生瓦片拼接效果。但無法產(chǎn)生大小和形狀都很規(guī)則的瓦片（tile）。后來，Hausner[16]對(duì)此方法做了兩點(diǎn)改進(jìn)：一是用L1距離代替L2距離產(chǎn)生規(guī)則的方形瓦片；二是給圖像建立一個(gè)方向域，使得瓦片能夠按照特定的方向放置，這個(gè)算法中能量函數(shù)修正為

Voroni算法很難考慮顏色信息，也無法處理畫筆重疊問題。trial-and-error算法能較好地解決這些問題。這一算法建議對(duì)圖像結(jié)構(gòu)進(jìn)行修改，如果修改后能夠降低能量函數(shù)，那么就采納這一修改建議，否則忽略。Haeberli[17]首次把trial-and-error算法應(yīng)用到非真實(shí)感藝術(shù)繪制中，他建議每次繪制時(shí)隨機(jī)擾動(dòng)一定數(shù)量的畫筆，只有能夠減小繪制結(jié)果與源圖像之間差別的擾動(dòng)才能被接受。后來，Turk和 Banks[18]把trial-and-error算法應(yīng)用到向量場(chǎng)流水線型可視化中，建議模糊化向量場(chǎng)的流水線型繪制效果，然后把這一結(jié)果與一預(yù)先定義的常量比較，從而來評(píng)估流水線型可視化的質(zhì)量。

Trial-and-error算法能夠適用于SBR的所有情況，但是需要花費(fèi)大量的計(jì)算時(shí)間，而且有時(shí)很難找到一個(gè)合理的建議機(jī)制。實(shí)際上，在SBR中用的最普遍的還是貪婪算法。

3.2 基于貪婪算法的SBR

貪婪算法通過精心設(shè)計(jì)算法步驟，啟發(fā)式地確定畫筆位置，貪婪地放置畫筆直到產(chǎn)生用戶滿意的繪制效果。它不僅要考慮畫筆的顏色、大小、形狀信息，而且要考慮畫筆的走勢(shì)等。通過畫筆形狀、大小的不同設(shè)計(jì)，以及畫筆顏色的不同選擇可以實(shí)現(xiàn)多種繪畫風(fēng)格的模擬繪制。

Haeberli提出了一種簡(jiǎn)單的半自動(dòng)繪畫算法[16]。用戶只需選擇具有一定形狀的畫筆，然后在繪畫區(qū)域拖動(dòng)鼠標(biāo)，系統(tǒng)就會(huì)自動(dòng)在鼠標(biāo)點(diǎn)擊區(qū)域進(jìn)行自動(dòng)繪制。畫筆顏色會(huì)從源圖像中相應(yīng)位置吸取，畫筆方向與圖像梯度方向一致。這個(gè)系統(tǒng)中，需要用戶交互地選擇畫筆、確定畫筆位置，算法決定畫筆顏色、走向等。

Litwinowicz[19]對(duì)Haeberli算法進(jìn)行了加強(qiáng)，實(shí)現(xiàn)了自動(dòng)繪制。Litwinowicz算法對(duì)源圖像進(jìn)行預(yù)處理獲得方向域，把方向域和源圖像作為輸入數(shù)據(jù)。算法在一塊空白畫布上隨機(jī)產(chǎn)生畫筆位置；然后在確定位置處放置畫筆，畫筆顏色由源圖像確定，方向取自方向域。但Litwinowicz算法只能產(chǎn)生固定大小的畫筆，使得整個(gè)繪制效果比較機(jī)械，缺乏靈活性；對(duì)不同細(xì)節(jié)也無法進(jìn)行不同程度的表達(dá)，從而不能很好地滿足視覺需求。因此，Hertzmann[20]對(duì)Litwinowicz算法進(jìn)行了拓展，提出了多層繪制的思想。Hertzmann算法把繪制分為多層進(jìn)行，使用一組具有不同大小的畫筆進(jìn)行分層繪制，各層以Litwinowicz算法為基礎(chǔ)用一組固定大小的畫筆繪制。對(duì)應(yīng)每一層有一幅參考圖，每層只繪制與參考圖像不一致的區(qū)域。隨著繪制層數(shù)的提高，畫筆大小不斷減小，從而不斷豐富細(xì)節(jié)信息。算法通過控制畫筆長(zhǎng)度、大小等參數(shù)可獲得不同的繪制風(fēng)格。

后來基于貪婪算法的畫筆繪制基本以Hertzmann的多層繪制思想為基礎(chǔ)，或從畫筆顏色的產(chǎn)生角度，或從計(jì)算畫筆大小的角度對(duì)其進(jìn)行改進(jìn)，以提高算法效率。D Nehab等[21]提出了一種基于多尺度力矩的美術(shù)繪制，運(yùn)用多尺度方案計(jì)算畫筆大小，采用參數(shù)化機(jī)制控制畫筆位置，以及畫筆的分布密度等，從而實(shí)現(xiàn)多層繪制。Y Park和K Yoon的算法[22]中，畫筆不直接從源圖像中獲取顏色，而是模擬真實(shí)繪畫時(shí)所用的調(diào)色板，選擇調(diào)色板中與源圖像當(dāng)前位置顏色最接近的作為畫筆顏色。通過調(diào)制不同的調(diào)色板，此算法也能獲得各種令人欣喜的繪制效果。

最近Y Semet等[23]提出了一種交互的人造螞蟻繪制算法。通過設(shè)置多群螞蟻來完成多層繪制任務(wù)。螞蟻感覺局部環(huán)境的能力以及記憶能力使得它們能夠在環(huán)境中適當(dāng)位置留下印跡（畫筆），即在畫布上進(jìn)行繪制。當(dāng)螞蟻的行走步數(shù)超過預(yù)先設(shè)定的最大行走步數(shù)，或者跳躍次數(shù)超過用戶設(shè)定的最大跳躍次數(shù)，繪制任務(wù)就算完成。所有螞蟻在畫布上留下的印跡即為繪制結(jié)果。通過設(shè)定不同的印跡形狀、大小、顏色，可以產(chǎn)生不同的藝術(shù)效果。這一人造螞蟻繪制算法初步體現(xiàn)了“多智能體繪制”的思想，但沒能給出繪制環(huán)境對(duì)多智能體的局部激勵(lì)機(jī)制，以及它們?cè)诓煌木植考?lì)下如何展現(xiàn)不同的行為模式，所以繪制螞蟻仍無法很有效地決定繪制區(qū)域需要多大程度上的局部化。文獻(xiàn)[23]在以往基于畫筆繪制算法的基礎(chǔ)上，把多智能體技術(shù)引入非真實(shí)感藝術(shù)繪制中，對(duì)基于畫筆的非真實(shí)感智能繪制方法進(jìn)行了研究，以此拓展了基于畫筆繪制的內(nèi)容。該算法應(yīng)用多智能體技術(shù)的基本原理把繪制過程分解為一個(gè)多任務(wù)的創(chuàng)作機(jī)制，每層繪制看成一個(gè)獨(dú)立的繪制任務(wù)，每個(gè)繪制任務(wù)由一類繪制智能體完成；各類繪制智能體作為獨(dú)立的行為者，能通過自身的感知能力獲取環(huán)境局部激勵(lì)信息，不斷與繪制環(huán)境進(jìn)行交互，在不同的局部激勵(lì)條件下自適應(yīng)地規(guī)劃行為，完成各自的繪制任務(wù)。這些智能體并行地在繪制環(huán)境中搜索各自的特征像素，并在繪制環(huán)境中留下特征繪制信息，從而與其它智能體進(jìn)行交互，互相協(xié)作，形成最終的繪制效果。文獻(xiàn)[24]又嘗試把一種通用的智能技術(shù)—蟻群算法（Ant Colony Algorithm, ACA，也稱為蟻群系統(tǒng)(Ant Colony System，ACS)）應(yīng)用到基于畫筆的繪制中。通過設(shè)置多個(gè)蟻群完成多層繪制（圖3顯示了把一幅芭蕾女孩的照片渲染成類似油畫效果的過程），各個(gè)蟻群根據(jù)環(huán)境中信息素信息自適應(yīng)地調(diào)整自己的行為，并在適當(dāng)位置留下印跡，從而完成各自的繪制任務(wù)。利用蟻群算法的正反饋原理，可以加快可繪制區(qū)域的搜索過程；同時(shí)繪制螞蟻之間通過不斷的信息交流和傳遞，有利于找到較好的解，不容易陷入局部最優(yōu)，從而達(dá)到全局優(yōu)化，使得繪制效果比較均勻、自然。

圖3 基于蟻群算法的非真實(shí)感繪制[24]

4 未來展望

本文回顧了基于圖像的非真實(shí)感藝術(shù)繪制技術(shù)，闡述了其中的理論和方法，用模糊數(shù)學(xué)、統(tǒng)計(jì)學(xué)和仿生學(xué)的相關(guān)理論，分別對(duì)非真實(shí)感藝術(shù)繪制中的顏色傳輸、基于紋理合成的藝術(shù)風(fēng)格傳輸、基于畫筆的繪制等若干問題進(jìn)行了系統(tǒng)的分析和評(píng)論。

非真實(shí)感藝術(shù)繪制技術(shù)開辟了計(jì)算機(jī)圖形學(xué)領(lǐng)域有別于真實(shí)感繪制方法的新道路。但并不一定是完美的，NPR仍處于一種不斷發(fā)展，需要不斷改進(jìn)的狀態(tài)，今后還需在以下方面做更多的工作：

（1）實(shí)時(shí)的藝術(shù)風(fēng)格傳輸算法 在基于二維紋理合成的藝術(shù)風(fēng)格傳輸方面，從最開始的需要消耗幾個(gè)小時(shí)到實(shí)時(shí)的風(fēng)格傳輸，已經(jīng)取得了較大的進(jìn)展，而應(yīng)用到視頻處理還需要較長(zhǎng)的時(shí)間?；趬K拼貼的風(fēng)格傳輸將有助于在速度上獲得較大的提升。

（2）國畫的模擬創(chuàng)作 非真實(shí)感繪制藝術(shù)技術(shù)已經(jīng)能夠比較成功地模擬出油畫、水彩畫、素描等多種繪畫風(fēng)格，開發(fā)能夠模擬國畫的創(chuàng)作軟件是一個(gè)新的挑戰(zhàn)?？梢詮膰嫷念伭咸匦?、擴(kuò)散規(guī)律、光照模型出發(fā)進(jìn)行研究。

（3）交互軟件的開發(fā) 提高非真實(shí)感藝術(shù)繪制的框架性能，提高交互操作能力，發(fā)展具有一定應(yīng)用價(jià)值的專業(yè)軟件。

（4）客觀的評(píng)價(jià)標(biāo)準(zhǔn) 非真實(shí)感繪制技術(shù)著重人們的主觀感受，不像真實(shí)感繪制已經(jīng)具有成熟的評(píng)判標(biāo)準(zhǔn)，非真實(shí)感繪制作為一門新興的技術(shù)仍沒有一個(gè)科學(xué)的評(píng)判標(biāo)準(zhǔn)。目前僅能從繪制效率角度進(jìn)行評(píng)價(jià)，如何開發(fā)出客觀的數(shù)學(xué)模型進(jìn)行評(píng)價(jià)有待研究。

[1][加]Thomas Strothotte, Stefan Schlechtweg著. 非真實(shí)感圖形學(xué)-造型、繪制與動(dòng)畫技術(shù)[M]. 葉修梓,萬華根, 張 引譯. 北京: 電子工業(yè)出版社, 2004.10-17.

[2]錢小燕, 肖 亮, 吳慧中. 自適應(yīng)畫筆分布的非真實(shí)感繪制[J]. 工程圖學(xué)學(xué)報(bào), 2006, 27(2): 58-63.

[3]錢小燕, 肖 亮, 吳慧中. 一種流體藝術(shù)風(fēng)格的自適應(yīng) LIC 繪制方法[J]. 計(jì)算機(jī)研究與發(fā)展,44(9): 1588-1594.

[4]Ruderman D L, Cronin T W, Chiao C C. Statistics of cone responses natural images: Implications for visual coding [J]. Journal of Optical Society of America,1998, 15 (8): 2036-2045.

[5]Reinhard Erik, Ashikhmin Michael, Gooch Bruce, et al.Color transfer between images [J]. IEEE Computer Graphics and Applications, 2001, 21(5): 34-41.

[6]趙國英, 向世明, 李 華. 高階矩在顏色傳輸中的應(yīng)用[J]. 計(jì)算機(jī)輔助設(shè)計(jì)和圖形學(xué)學(xué)報(bào), 2004, 16(1):62-66.

[7]錢小燕, 肖 亮, 吳慧中. 模糊顏色聚類在顏色傳輸中的應(yīng)用[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2006, 18(9): 1332-1336.

[8]Hertzmann A, Jacobs, E C, Oliver N, et al. Image analogies [C]//Proceedings of SIGGRAPH2001, 2001:327-340.

[9]徐文華, 魏寶鋼, 潘云鶴. 基于紋理合成的圖像藝術(shù)風(fēng)格學(xué)習(xí)[J]. 武漢大學(xué)學(xué)報(bào), 2003, 26(3):115-119.

[10]Ashikhmin M. Synthesizing natural textures [C]//Proceedings of 2001 ACM Symposium on Inter-Active 3D Graphics, 2001: 217-226.

[11]錢小燕, 肖 亮, 吳慧中. 快速風(fēng)格遷移[J]. 計(jì)算機(jī)工程, 2006, 32(21): 15-17, 46.

[12]Hertzmann A. Survey of stroke-based rendering [J].IEEE Computer Graphics and Applications, 2003,3(4): 70-81.

[13]Secord A. Weighted voronoi stippling [C]//Proc.2ndAnn.Symp. Non-photorealistic Animation and Rendering (NPAR2002), ACM Press, 2002: 27-43.

[14]Deussen O, et al. Floating points: a method for computering stipple drawing [J]. Computer Graphics Forum, 2000, 19(3): 27-43.

[15]Hoff III K, Culver T, Keyser J, et al. Fast computation of generalized voronoi diagrams using graphics hardware [C]//Proceedings of SIGGRAPH99,Computer Graphics Proceedings, Annual Conference Series, 1999: 277-286.

[16]Hausner A. Simulating decorative mosaic [C]//Proc.Siggraph 2001, 2001: 573-578.

[17]Haeberli P E. Paint by numbers: abstract image representations [J]. Computer Graphics, 1990, 24(4):207-214.

[18]Turk G, Banks D. Image-guided streamline placement [C]//SIGGRAPH 96 Conference Proceedings, 1996: 453-460.

[19]Litwinowicz P. Processing images and video for an impressionist effect [C]//Proc. Siggraph 97, ACM Press, 1997: 407-414.

[20]Hertzmann A. Painterly rendering with curved brush strokes of multiple sizes [C]//Proc. SIGGRAPH’98,1998: 453-460.

[21]Nehab D, Velho L. Multiscale moment-based painterly rendering [C]//Proceedings of the Brazilian Symposium on Computer Graphics and Image Processing, 2002: 244-251.

[22]Park Y, Yoon K. Adaptive brush stroke generation for painterly rendering [C]//Proceedings of Eurographics 2004, Short Presentations, 2004: 65-68.

[23]Semet Y, O’Reilly U M, et al.An interactive artificial ant approach to non-photorealistic rendering [C]//The Genetic and Evolutionary Computation Conference(GECCO’04), 2004: 26-30.

[24]錢小燕, 肖 亮, 吳慧中. 一種非真實(shí)感繪制的多智能體仿真方法[J]. 系統(tǒng)仿真學(xué)報(bào), 2006, 18(10):2836-2839.

[25]錢小燕, 肖 亮, 吳慧中. 一種基于分布均勻度的非真實(shí)感蟻群繪制方法[J]. 中國圖像圖形學(xué)報(bào),2006, 11(12): 1792-1798.