随着计算机技术的发展,非真实感绘制逐渐成为计算机图形学研究领域中的重要分支,它不以追求图像真实感为目标,旨在体现图像的艺术性和审美性。风格化作为其中主要的研究方向,能够生成具有某种手绘风格的艺术作品,广泛应用于计算机动画、影视设计和科学教育等领域,具有较高的研究价值。点画作为图像风格化的对象之一,是一种经典的艺术技巧,它用点的形式模拟图像中的纹理和色调的明暗变化,表现其艺术特质。由图像自动生成点画是本文的主要研究内容。本文提出了一种基于图像的实时点画生成算法,由该方法得到的点画结果在视觉效果和数值误差(PSNR、SSIM)上均优于现有点画生成算法,并且在绘制速度上能够达到实时的性能。本文具体工作包括:1)应用增量Voronoi采样点序列实现传统点画绘制和多样化点画绘制增量Voronoi序列作为一种采样算法,其采样点逐个生成,可无限增加,且在任何时刻停止序列的生成,均能得到具有蓝噪声特性的采样点分布,即这些点的空间分布均匀随机,具有较好的频谱特性。因此将该序列作为生成点画所需的采样点,可以得到高质量的点画结果。传统点画绘制通常是在白色背景上绘制固定大小的黑色点,通过这些点的分布传达输入图像的内容和特征。本文实现了该绘制模式,并在此基础上实现了点大小和色调多样化的绘制方式,提高了点画结果的质量,使得点画结果在细节和色调上过渡自然,具有更高的视觉效果。2)应用输入图像的结构特征信息和掩膜(Mask)信息指导点画的绘制本文点画绘制算法中,决定点画绘制的因素除了增量Voronoi序列中使用的采样点的个数和输入图像中采样点位置处的灰度值之外,输入图像的结构特征信息和Mask信息均可对绘制点的大小进行约束。因此,本文在传统点画绘制和多样化点画绘制算法中增加输入图像结构特征信息和Mask信息,从而改变绘制点的分布,得到高质量的点画绘制结果。本文从视觉效果和数值误差两方面对每一种点画绘制模式得到的点画结果进行对比分析,逐步调整采样点的疏密、大小和色调,增强了点画的表现力,得到了与人类视觉感知相符的点画结果。