实验报告5

实验报告5——基于数字信号处理的图像素描风格迁移 本次实验主要目的是实现数字信号处理在图像风格迁移中的综合应用，特别关注于将彩色图像转换为类似铅笔素描的效果。实验者通过学习和理解论文的算法步骤，掌握了Python语言在图像处理项目中的运用，并在实验过程中对原始算法进行了优化。 实验的核心原理可以分为两大部分：笔画结构的生成和色调渲染。通过求取图像的梯度得到轮廓，接着检测每个像素点的方向，并沿该方向扩展形成线条。实验中采用8个方向的卷积来确定每个点的方向，然后再次进行8方向卷积，将响应叠加，从而得到图像的笔画结构。为了模拟色调渲染，实验者运用了拉普拉斯分布、均匀分布和高斯分布来模拟高光、中间调和阴影，通过最大似然估计调整权重，最后结合纹理渲染模拟反复描绘的过程。 在实验操作部分，实验者首先展示了原图、边缘检测图、22.5度的卷积图和中间结果图S。在论文的基础上，实验者发现了两处权重值的错误，并重新计算了正确的权重值。此外，针对纹理生成耗时过长的问题，实验者通过将梯度图与结构图直接相乘的方式对纹理图进行近似计算，显著提高了运算速度，从原来的800ms降低到120ms。 实验结果显示，算法对于边缘清晰、色彩丰富的图像转换效果较好，能够产生接近素描风格的图像。然而，对于边缘模糊或色彩不鲜明的图像，转换效果不尽如人意。实验还发现，算法对图片尺寸敏感，处理大尺寸图像时，运行时间会显著增加。尽管进行了优化，但在处理如1920*1080的高清图像时，仍然无法达到实时生成的要求。 在实验效果分析方面，实验者认识到在项目汇报中采用“总分总”结构的重要性，避免了中英文混杂，提升了展示效果。此外，实验过程锻炼了Python编程能力，特别是使用图像处理库和信号处理函数，加深了对卷积在图像处理中的理解，例如通过构造8个方向的直线进行卷积。实验者还学习了直方图匹配、拉普拉斯分布等相关知识，并了解到它们在算法中的应用。 这次实验不仅成功地实现了基于数字信号处理的图像素描风格迁移，还培养了实验者的问题解决能力、优化技巧和学术报告的规范性，为未来的学习和研究打下了坚实的基础。