自20世纪90年代中期开始,非真实感绘制(NPR)逐渐成为计算机视觉和计算机图形学的研究热点之一。非真实感绘制和传统真实感绘制的研究内容不同,其目标不在于绘制结果的真实性,而主要在于表现图形图像内容的艺术特制,模拟艺术作品和艺术效果。数字艺术画是非真实感绘制的一个重要组成部分,也是相关研究的热点之一。在本文的研究中,其计算机合成的核心内容是:输入一幅图像,通过少量交互,产生一幅能够表现个人风格的艺术画。为了使最终效果更接近画家绘制的效果,基于画家长期的绘画实践,对人类对艺术的视觉感知和画家绘画的过程进行分析,抽象出一套新的由视觉感知到最终绘制完成的整个过程的数学模型,此数学模型中大部分是自动的,配合少量的交互来添加个性化的元素。在整个数学模型中,先采用均值向量算法做“过分割”,之后对分割结果建立马尔可夫场,再利用图分割快速优化,将图像中的物体一层层的分割出来。然后,利用主结构分析得到各物体的主结构部分。根据主结构部分,通过矢量方向扩散得到方向场,再利用颜色统计与转换,使图像具有艺术画的色彩,为绘制提供颜料。利用方向场和基于原图像的艺术颜料,采用多层“追逐”绘制策略得到最终的数字艺术画。整个过程基本仿真人绘画的过程。通过与现有的合成效果比较,可以看出最终的实验结果在全局的艺术效果和局部的真实感上都有较好表现,设计模型也更加合理。当然这些效果与真实的绘画效果(特别是画家的作品)相比还有一定距离。随着模型的不断完善和算法的改进,相信这一距离将会不断缩小。