（更新时间：2020-03-11）
本文属于：动漫线稿自动上色-系列论文解读
目录
1. 基本信息
论文标题：LazyBrush: Flexible Painting Tool for Hand-drawn Cartoons
LazyBrush：一种灵活的上色工具，用于手绘卡通画上色（兼容：漫画、线稿、素描、动画）
论文链接：(1) CVUT (2) Wiley Online Library
研究领域：计算机图形学，基于颜色提示的线稿上色，交互式图像分割（Interactive Image Segmentation），图论（Graph Theory）中的“图割问题”（Graph Cut）
作者：Daniel Sýkora, John Dingliana, Steven Collins - Trinity College Dublin
发表会议：Eurographics 2009 （CCF B类会议）
被引次数：81次（截止2020.03）
代码与模型：
（1）官方代码：仅有商业闭源实现，见项目主页
（2）非官方复现：
a. kosua20/LazyBrush-implementation，Matlab实现，高质量教学演示项目，含法语说明文档
b. furaga/LazyBrushSharp，C#实现
研究意义：
1. 算法已集成到商业绘画软件TVPaint，以及开源软件Krita中。
2. 基于传统分割方法，由此带来诸多优势：
（1）算法鲁棒性（泛化能力）、上色成功率远高于深度学习方法；
（2）计算量小，上色速度快于深度神经网络；
（3）硬件要求低：适合在单机CPU上运行，无需拥有大显存的服务器级GPU加速；
（4）使用基于图论的Segmentation方法，无需训练数据集，也无需训练过程。
3. 算法的泛化能力很强（Flexible），同时兼容多种类型的手绘卡通作品上色，包括：漫画、铅笔线稿、钢笔线稿、素描，以及连续动画帧的快速上色。
2. 论文整体思路概述
论文整体分为两个部分：第一部分是算法需求描述，提出了理想中的完美上色算法应满足的特性。第二部分是问题建模与算法设计。
本文把上色问题建模为一个“最优化问题”，通过定义一个“能量函数”（Energy function，类似于损失函数）来形式化地定义“线稿上色问题”。当能量函数的值达到最小时，就实现了最优的上色效果。
为了求解这一最优化问题，需要将“能量函数”转化为一个等价的“multiway cut problem”（属于“图论”中“Graph Cut问题”的一种）。然后提出一种基于“最大流/最小费用”（max-flow/min-cut）的算法进行求解。
本文对线稿上色问题的求解思路，主要借鉴了“交互式图像分割问题”（Interactive Image Segmentation，俗称“抠图”）中，基于Graph Cut的分割方法，且对其进行了修改以适合于手绘动漫上色。要了解基于Graph Cut方法的交互式图像分割，可参阅zouxy09的这篇博文。
只需手工标记前景和背景，算法就能自动完成图像分割
3. 上色效果
